Algebra Lineal

Sistemas de ecuaciones lineales

1. Concepto de ecuacin lineal. Sistemas lineales.
2. Sistemas de ecuaciones lineales graduados.
3. Mtodo de Gauss para graduar un sistema lineal.
4. Discusin de un sistema dependiente de un parmetro.
Objetivos Mnimos
- Conocer la definicin de ecuacin lineal.
Conocer la definicin de sistema de ecuaciones lineales.
- Definicin de sistemas equivalentes y saber que transformaciones nos
permiten pasar de un sistema a otro que sea equivalente.
- Conocer la definicin de sistema graduado.
Dado un sistema, saber aplicar el mtodo de Gauss para obtener otro
graduado equivalente.
- Saber discutir un sistema dependiente de un parmetro.

Introduccin.Hace ms de veinte siglos se public en China el libro titulado

Nueve captulos sobre el arte de las matemticas
En el captulo octavo se resuelven problemas que conducen a sistemas de
ecuaciones lineales. As, el sistema:

x 2 y 3z 26

2 x 3 y z 34
3x 2 y z 39

lo resuelven tranformndolo previamente en este otro

36 z 99

5 y z 24
3x 2 y z 39

del que, fcilmente, se obtiene de modo sucesivo z , y , x .

Por lo tanto, lo que hoy conocemos por mtodo de Gauss, quiz debera
Cesreo Rodrguez

-1-

Algebra Lineal
llamarse mtodo de Chui-Chang suan shu, que es como se conoce en chino
el ttulo de este libro de autor desconocido.

1.-Concepto de ecuacin lineal. Sistemas lineales.

Una ecuacin lineal es una ecuacin polinmica de grado uno con una o
varias incgnitas.
1
2

1
3

Son lineales: a)2 x 3 y 4 b) x 3 y 6 z 0 c) x y 1 0 d ) 2 x y

No lo son: a) 2 x 3 y z 2 b)2 x y 5 z 35 c)

5
2

3
y 1 0 d ) x sen y 1
2x

Dos ecuaciones lineales se dicen equivalentes cuando tienen la misma

solucin (o las mismas soluciones si tienen ms de una).
Si multiplicamos los dos miembros de una misma ecuacin lineal por el mismo
nmero (distinto de cero) la ecuacin resultante es equivalente a la dada.
Ejemplo.
Las ecuaciones lineales a )2 x 3 y 4 y b)10 x 15 y 20 son equivalentes.
Tienen las mismas soluciones (puntos por los que pasa esa recta)
Un sistema de ecuaciones lineales es el formado por varias ecuaciones
lineales con el fin de determinar la solucin (o soluciones) comn a todas las
ecuaciones que conforman dicho sistema.
Dos sistemas lineales se dicen equivalentes si tienen las mismas soluciones.
Observacin.- Dos sistemas pueden ser equivalentes sin que lo sean las
ecuaciones que forman parte de los mismos.

2x5y16 5 yx 13
esequivalentea Solucin x,: y 3,2
x 3 y 3 x y 1
Transformaciones en un sistema para obtener otro equivalente.Las siguientes transformaciones en las ecuaciones de un sistema dan lugar
a otro sistema equivalente al dado.
Multiplicar cada miembro de una ecuacin por una constante no nula.
Sustituir una ecuacin por la suma de ella misma y otra cualquiera
multiplicada por una constante.
Cesreo Rodrguez

-2-

Algebra Lineal

En funcin del nmero de soluciones de un sistema stos se clasifican:

A1 )DETERMINADO(solucin nica)
A2 )INDETERMINADO(infinitas soluciones)

A)SISTEMA COMPATIBLE

B)SISTEMA INCOMPATIB LE(no tiene solucin)

2.-Sistemas Graduados.Los siguientes sistemas se dicen graduados:

2x 3y 14
A)

5y 10

x 2 y t 5
x 3y 2z 7

B ) 5 y z 6 C )

3z 12 z 3t 11

2t 6

De abajo arriba, vamos obteniendo el valor de cada incgnita que, en un

paso posterior sustituimos en las ecuaciones anteriores y permite seguir el
proceso hasta obtener la solucin (o soluciones) del sistema.
As, los anteriores sistemas son compatibles determinados:

Cesreo Rodrguez

-3-

Algebra Lineal

2x 3y 14
A)

5y 10

y2
solA)
x4

x 2 y t 5
x 3y 2z 7

y z 8
B) 5 y z 6 C )

3z 12 z 3t 11

2t 6

z4

solB) y 2
x5

t 3
z2

solC)
y6
x 4

Fjate ahora en el siguiente sistema graduado,al tener ms incgnitas que

ecuaciones pasamos una de las incgnitas al segundo miembro, obtenemos
otro sistema equivalente (graduado). Como las incgnitas estn puestas en
funcin de una de ellas(t en este caso) el sistema no tiene solucin nica
sino que, en funcin de los valores que le demos a (t), las dems incgnitas
tomarn tambin distintos valores. Sistema compatible indeterminado.

x2y t 5 x2y 5t z 1 3t

yz 8 equivalentes yz 8 sol y 3 3t
z3t 1 z 1 3t x1 5t

A la incnita (t) se le dice parmetro y se representa con una letra griega
por ejemplo.
Cesreo Rodrguez

-4-

Algebra Lineal
En estas circunstancias el sistema tiene infinitas soluciones de la forma:
As para

x 11 5 ; y 3 3 ;
0 x 11; y 3; z 11; t 0
1 x 6; y 0; z 8; t 1

z 11 3 ;

Aunque es menos evidente el siguiente sistema tambin es graduado:

3x 5 y 11

2y 4
x y z 14

despejamos y en la 2;x en la 1; z en la 3.

3.-Mtodo de Gauss.El procedimiento para transformar un sistema cualquiera en otro

equivalente graduado se denomina Mtodo de Gauss.
Para que el sistema inicial tome la fisonoma del graduado equivalente se van
haciendo ceros sometiendo a las ecuaciones a dos transformaciones:
Multiplicar una ecuacin por un nmero distinto de cero.
Sumar a una ecuacin otra multiplicada por un nmero.
Este proceso se realiza de modo muy gil cuando prescindimos de las
incgnitas del sistema, y utilizamos slamente los coeficientes de las
ecuaciones estructurados en lo que llamaremos matrices numricas.
Ejemplo.a)Resuelve mediante Gauss el sistema:

2 x 5 y 3z 4

x 2y z 3
5 x y 7 z 11

escribimos el sistema en forma matricial y hacemos ceros

2 5 3 4 ((12))2(2) 0 1 1 2 ((12)) 0 1 1 2

(3)5(2)
(392(1)

1 2 1 3 1 2 1 3 1 2 1 3
5 1 7 11
0 11 2 4
0 13 0 0

El sistema graduado obtenido es equivalente al inicial y con incgnitas es:

Cesreo Rodrguez

-5-

Algebra Lineal

1y 1z 2 compatible y 0
determinado
x 2y z 3 z 2
13y 0 x 5

b)Resuelve mediante Gauss el sistema:

x 3y 2z 7

2 x y 15 z 3

x 8 y 21z 11

escribimos el sistema en forma matricial y hacemos ceros

1 3 2 7 ((12))2(1) 1 3 2 7 ((12)) 1 3 2 7

(3)(1)
(3)( 2 )

2 1 15 3 0 5 19 11 0 5 19 11
1 8 21 11
0 5 19 4
0 0 0 7

El sistema graduado obtenido es equivalente al inicial y con incgnitas es:

x 3y 2z 7

5 y 19 z 11 la ltima ecuacin es imposible; sistema

0 x 0 y 0 z 7

incompatible.

Con los ejemplos anteriores hemos visto que el mtodo de Gauss nos puede
llevar a las siguientes situaciones:
El cuadrado rojo representa un nmero cualquiera.
El cuadrado negro representa nmero distinto de cero.
Hay tantas ecuaciones vlidas como incgnitas.
Sistema compatible Determinado.
Cesreo Rodrguez

-6-

Algebra Lineal

Hay menos ecuaciones vlidas que incgnitas.

Las incgnitas que estn de ms se pasan al segundo
miembro con lo que el valor de las otras depende de
stas ltimas.
Sistema Compatible indeterminado.
Si aparece una ecuacin como la indicada, nunca se
puede cumplir (cuadrado negro,distinto de cero).
Sistema Incompatible

Ejemplo.c)Resuelve mediante Gauss el sistema:

x 3 y 7 z 10

5x y z 8

x 4 y 10 z 11

sistema en forma matricial y hacemos ceros.

1 3 7 10 ((12))5(1) 1 3 7 10 ((12))(3)

(3)(1)
eliminamos (2) 1 3 7
5 1 1 8 0 14 34 42
0 7 17
1 4 10 11
0 7 17 21

Sistema
17

Escalonado
y 3 z
ms incgnitas
compatible

7
que ecuaciones x 3 y 10 7 z indeterminado


7 y 21 17 z
x 1 2 z

El sistema es Compatible indeterminado (infinitas soluciones) de la forma:

Cesreo Rodrguez

-7-

Algebra Lineal
2
7

Solucin: x 1 ; y 3

17
;
7

4.-Discusin de un sistema dependiente de un parmetro.En ciertas ocasiones, los coeficientes de las incgnitas no son nmeros sino
letras, que reciben el nombre de parmetros.
En estos casos es preciso determinar para que valores del parmetro (o
parmetros) es, o no, compatible el sistema.
En este curso trataremos slamente los sistemas con un nico parmetro.
Ejemplo.Resuelve por Gauss el sistema:

kx y z 8

x yz 0
2x z k

sistema con un parmetro (k).

k 1 1 8 ((12))(2) k 1 0 2 8 ((12))2(3) k 3 0 0 8 2k

(3)
(3 )

1 1 1 0 1 1 1 0 1 1 1 0
2 0 1 k 2 0 1 k
2 01 k

Si k 3 queda: 1
2

0
1

0
1

0 Sistema Incompatible.
3

Cesreo Rodrguez

-8-

Algebra Lineal

8 2k
x k 3
k 3x 8 2k compatible 2

determinado k k 16
k

3
Si
queda: x y z 0 z
2x z k k 3

k2 k 8
y
k3

en este caso pues, el sistema es

Compatible determinado.

Observacin.En este ltimo caso hay infinitos sistemas (segn los valores de (k ) )que
son compatibles determinados (cada uno tiene una nica solucin).
Slamente en el caso de k 3 el sistema resultante es Incompatible
No debes confundir los casos en los que un parmetro es alguno de los
coeficientes de las ecuaciones del sistema, con los sistemas compatibles
indeterminados en los que alguna de las incgnitas funciona como parmetro.

Matrices y Determinantes
5. Concepto de matriz de orden (mxn). Definiciones.
6. Operaciones con matrices.
7. Matrices Cuadradas.
8. Concepto de Rango de una matriz.
9. Definicin de Determinante de una matriz cuadrada.
10.

Propiedades de los determinantes.

11.

Rango de una matriz y determinantes.

Cesreo Rodrguez

-9-

Algebra Lineal
12.

Clculo de la inversa de una matriz por determinantes.

Objetivos Mnimos
- Conocer la definicin de matriz de orden (mxn).
Matriz traspuesta de otra matriz.
Definicin de Matriz simtrica, antisimtrica y matriz triangular.
- Principales operciones con matrices.
Especial incidencia en el producto de matrices y sus propiedades.
- Trabajo ms exhaustivo y concreto con matrices cuadradas.
Clculo de la inversa de una matriz cuadrada por el mtodo de Gauss.
- Concepto de rango de una matriz y clculo del mismo (Gauss).
- Conocer el concepto de Determinante de una matriz cuadrada. Hacer
especial hincapi en las matrices cuadradas de orden 2 y orden 3.
- Principales propiedades de los determinantes.
- Saber calcular el rango de una matriz usando los determinantes.
- Aprender a calcular la inversa de una matriz mediante los determinantes.

Introduccin.En el tema anterior ya hemos tratado las matrices como cajas numricas
en las que se resume de forma estructurada una cierta informacin.
Durante el siglo (XIX), de los estudios de matemticos como Cayley en
relacin con las transformaciones geomtricas, surgen las operaciones con
matrices que les confieren una slida estructura algebraica.
La teora de los determinantes la desarroll por completo Cauchy (s.XIX) en
una memoria que expuso en 1812.
En este tema vamos a ver su aplicacin para la resolucin de problemas de
tipo geomtrico-algebraico.
Los determinantes tambin tienen aplicacin en otros campos, as en el
campo de la Fsica (propagacin de ondas,.........).

5.-Concepto de matriz de orden (mxn). Definiciones.En el tema anterior ya hemos trabajado con matrices, que como hemos visto
son cajas numricas rectangulares formadas por filas y columnas.
En general definimos una matriz de orden (mxn) como una caja de la forma:
Esta matriz tiene m filas y n columnas.
Su dimensin es mxn (nmero de elementos).
Si m=1 la matriz se dice vector fila.
Cesreo Rodrguez
-

- 10

Algebra Lineal
Si n=1 la matriz se dice vector columna.
Si m=n la matriz se dice cuadrada de orden (n).
Las matrices se suelen denominar con una letra mayscula (A, B,C,....) y
j 1,..., n
abreviadamente se suele escribir A a ij i 1,....,m .
Dos matrices A y B se dicen iguales cuando son de la misma dimensin y
adems coinciden trmino por trmino.
A aij i 1,.., m

j 1,.., n

B bij i 1,..,m

j 1,.., n

aij bij

i , j

Llamamos traspuesta de A a ij i 1,...., m , a la matriz A a ji j 1,..,n que se

obtiene al cambiar en A las filas por las columnas (y viceversa).
j 1,..., n
j 1,..., n
Llamamos opuesta de A a ij i 1,...., m , a la matriz A a ij i 1,....,m que se
obtiene al cambiar el signo de todos los elementos de A .
j 1,..., n

i 1,.., m

Una matriz A se dice simtrica si A A t ( en consecuencia para que sea

simtrica necesariamente ha de ser cuadrada).
Una matriz A se dice antisimtrica si A A t (en consecuencia para que
sea antisimtrica necesariamente ha de ser cuadrada).
Toda matriz cuadrada A se puede descomponer de modo nico como suma
de una matriz simtrica S y otra antisimtrica H .

1 t
S 2 A A
Si A S H
H 1 A At
2

(lo demostraremos ms adelante!).

Diagonal principal en una matriz cuadrada son los elementos: a ij ; (i j )

Llamamos matriz triangular aquella que tiene todos los elementos por
debajo (o por encima) de la diagonal principal iguales a cero.

6.-Operaciones con matrices.Las matrices se pueden sumar, pueden multiplicarse por un nmero y
tambin multiplicarse entre s. Cada una de estas operaciones tiene sus
particularidades y sus interpretaciones.
Suma de dos matrices.Cesreo Rodrguez
-

- 11

Algebra Lineal
Para sumar dos matrices A aij i 1,..,m y B bij i 1,..,m es necesario que
tengan la misma dimensin. En tal caso, se suman trmino a trmino:
j 1,.., n

j 1,.., n

A B aij i 1,.., m bij i 1,.., m a ij bij i 1,..,m

j 1,.., n

j 1,.., n

j 1,.., n

Producto de un nmero por una matriz.j 1,..., n

Para multiplicar un nmero k por una matriz A a ij i 1,....,m , se multiplica
ese nmero por cada trmino de la matriz:
kA k a ij i 1,...., m kaij i 1,.., m
j 1,..., n

j 1,.., n

Ejemplo.- Sean las matrices

1 2

A 0
5
1 4

B 4
3

1
2

C 3
0

2
1

Calcula : D A 2 B 3C
1 2
2

D 0
5 2 4
1 4
3

12 1

1 3
5
5

0
3

1 3 3
0
2

1
1 2 4

2 0
5 8
1 4 6
1

0
9

2 9
0
4

6
3

Producto de una matriz fila por una matriz columna.El producto de un vector fila por un vector columna, ambos de la misma
dimensin, es un nmero que se obtiene multiplicndolos trmino a trmino
y sumando los resultados.
Ejemplo.Sea el vector fila: F 2

0 y el vector columna

C 2
7

Calcula el producto de F.C:

F.C

2 2 1 5 2 0.7 2 10 0 8
7

Producto de dos matrices.k 1,.., n

j 1,.., p
Para que dos matrices A aik i 1,..,m y B bkj k 1,..,n se puedan multiplicar
es necesario que el nmero de columnas de la primera sea igual al nmero de
filas de la segunda.
En tal caso el producto es otra matriz P A.B cuyos elementos se obtienen
multiplicando cada vector fila de la primera por cada vector columna de la
segunda del siguiente modo:

Cesreo Rodrguez
-

- 12

Algebra Lineal
P A.B aik i 1,..,m bkj k 1,..,n c ij i 1,.., m
k 1,.., n

cij ai1

ai 2

...

j 1,.., p

j 1,.., p

donde cada cij se obtiene

b1 j

n
b2 j
ain

a
.
b

..........

a
.
b

aik bkj

i1 1 j
in
nj
...
k 1

bn j

El producto de matrices P A.B puede realizarse siempre que los vectores

fila de A sean de la misma dimensin que los vectores columna de B , y en
ese caso, la matriz producto tiene tantas filas como A y columnas como B .
Observa en este ejemplo como funciona el producto de matrices.
matriz A: Consumo anual de tres familias ; ; de pan,carne y manteca.
matriz B: Precio en del pan,carne y leche en los aos: 2005,06,07,08.

La matriz producto P A.B nos d el gasto anual (en cada uno de esos
cuatro aos) de cada familia en el total de los tres productos.

Propiedades de las operaciones con matrices.Las propiedades de las operaciones con matrices les confieren una
estructura muy interesante.
En este curso de 2 de bachillerato no estudiaremos las potencialidades de
la estructura algebraica de las matrices, aunque veremos en la prctica el
modo de aplicar dichas propiedades (para aprender a manejarlas).
Slamente en este apartado, y por la la importancia de su aplicacin en los
ejercicios, sealaremos que el producto de matrices no es conmutativo.
Cesreo Rodrguez
-

- 13

Algebra Lineal

Ejemplo.Comprobemos con algunos ejemplos que el producto no es conmutativo

Si la matriz A es de orden (3x4) y la matriz B es de orden (4x2)
podemos efectuar A.B pero no podemos efectuar B. A
Si la matriz A es de orden (3x4) y la matriz B es de orden (4x3)
podemos efectuar A.B y podemos efectuar B. A pero no pueden
ser iguales A.B B. A ya que A.B es de orden(3x3) y B. A de
orden(4x4).
Por ltimo, an siendo posible hacer A.B y B. A y que ambos
productos sean del mismo orden, no tienen porque ser iguales

A.B

B. A .

30
6

B.A

Sean: A 4 5 ; B 3 0 : A.B 19

14

28

36

Ejercicio.-(pendiente de comprobacin)
Vamos a demostrar que toda matriz A se puede descomponer en suma de
una matriz simtrica S y una antisimtrica H .
Demostracin.Supongamos A suma de: S (simtrica) y H (antisimtrica); A S H
Si tasponemos la anterior igualdad tendremos:

At S H
es decir:
,
At S H

traspuesta suma
igual
suma traspuestas

St Ht

S S t
HH t

S H

ASH

sumando
miembro a
miembro

ASH

res tan do
miembro a
miembro

1 t
A A 2S S A A
t
2
A S H
t

1 t
A A 2H H A A
t
2
A S H
t

Por la forma de obtener S y H la descomposicin es nica.

Cesreo Rodrguez
-

- 14

Algebra Lineal

7.-Matrices Cuadradas.Ya hemos dicho que las matrices cuadradas son aquellas que tienen el mismo
nmero de filas que columnas.
Dentro de estas matrices son especialmente relevantes aquellas que tienen
todos los elementos nulos, salvo los de la diagonal principal. Reciben el
nombre de Matrices Diagonales.
De entre las matrices diagonales, destacan las que tiene todos los
elementos no nulos iguales y que llamamos: Matrices Escalares.
De entre las matrices escalares podemos destacar aquellas que tienen todos
los elementos de la diagonal principal iguales a 1. Se llama Matriz Unidad.
La matriz unidad se representa con la letra I .Las hay de distinto orden:
1 0

I 2
0 1

1 0 0

I3 0 1 0
0 0 1

1 0

0 1
I4
0 0

0 0

0 0
1 0

0 1

Ya hemos estudiado cmo se multiplican dos matrices.

En el conjunto de las matrices cuadradas siempre es posible multiplicar dos
matrices (son del mismo orden), aunque el producto no es conmutativo.
Ahora bien, dada una matriz cuadrada A , nos planteamos la siguiente
pregunta: es posible encontrar alguna matriz B que conmute con A ?
En general la respuesta es negativa , pero para algunas matrices cuadradas
s es posible encontrar esa matriz, a la que se le suele llamar inversa de A ,
y se representa por A 1 .
La matriz A y su inversa A 1 conmutan y su producto es la matriz unidad I
A. A 1 A 1 . A I

Las matrices que tienen inversa se llaman matrices regulares y las que no la
tienen se llaman singulares.
Ejemplo.- Comprueba que la matriz A , dada ms abajo, es regular y su
inversa es A 1 .

1
A 1
2

A 1

15

9
5

1
0
5
8
5
3

3
3
3

2
1

A. A 1 A 1 . A 0
0

0
1
0

El mtodo de Gauss, que veremos a continuacin, nos sirve para obtener la

inversa de una matriz (si la tiene) o para descubrir que no la tiene.

Cesreo Rodrguez
-

- 15

Algebra Lineal
Inversa de una matriz por el mtodo de Gauss.Dada una matriz cuadrada A de orden (n), queremos averiguar si tiene o no
inversa. En caso de que la tenga ( A regular) calcular dicha inversa A 1 .
La mecnica del mtodo consiste en colocar a la derecha de la matriz A la
matriz unidad I .
Haciendo las transformaciones elementales que utilizamos para resolver un
sistema, transformar A en la matriz unidad I , y aplicando esas mismas
transformaciones a la matriz I , sta se transforma en A 1
.Abreviadamente

Si las transformaciones aplicadas sobre la matriz A hacen que aparezca

una fila toda de ceros, entonces sta no tiene inversa.
Ejemplos. 1

Determina, si la tiene, la inversa de la matriz: A 3

0

Cesreo Rodrguez
-

- 16

Algebra Lineal

Finalmente tendramos que comprobar que la matriz obtenida es la inversa

de la matriz A . Para ello efectuamos: A. A 1 A 1 . A I
Gracias a las propiedades de las operaciones con matrices ( si la matriz A
tiene inversa) podremos resolver ecuaciones matriciales como: A. X B C
Multiplicamos
por A1 por
la izquierda

A. X B C A. X C B A 1 . A. X A 1 C B X A 1 . C B

Ejercicios.A)Determina una matriz X que verifica la igualdad A. X . A B O siendo:

3
2

5
B
1

2
3

0 0

O
0 0

Sol.Para poder despejar X necesitamos calcular la inversa de A (si la tiene).

Ahora podemos despejar X en la ecuacin: A. X . A B O

A. X . A B O A. X B A 1 . A. X . A. A 1 A 1 .B. A 1 X A 1 .B. A 1

Cesreo Rodrguez
-

- 17

Algebra Lineal
1
X
2

2 1

3 2

1
1

3
2

11

4

8
3

2
B)Despejar X en la siguiente igualdad: X A X 2 XA I 2
Sol.2
Efectuamos X A X A X A X 2 XA AX A 2 por tanto:
X 2 XA AX A 2 X 2 XA I 2
AX A 2 I 2 A X A I 2 A 1 . A X A A 1 .I 2 X A 1 A

C) Si A es una matriz de orden (n) tal que A 2 A y B 2 A I siendo I la

matriz unidad de orden (n).Calcula B 2
Sol.B 2 B.B 2 A I 2 A I 4 A 2 2 A.I I .2 A I 2

Como segn el enunciado A 2 A tendremos que:

B 2 4 A 2 2 A.I I .2 A I 2 4 A 2 A 2 A I I

Cesreo Rodrguez
-

- 18

Algebra Lineal

Cesreo Rodrguez
-

- 19

Algebra Lineal

Cesreo Rodrguez
-

- 20

Algebra Lineal

Cesreo Rodrguez
-

- 21

Algebra Lineal

Cesreo Rodrguez
-

- 22

Algebra Lineal

8.-Concepto de rango de una matriz.Antes de definir el concepto de rango de una matriz, necesitamos dar una
serie de definiciones previas.
Una coleccin de (n) nmeros reales dados en un cierto orden se denomina
n-upla.As una 2-upla es: 3 5 una 3-upla es: 1 0 2 etc.
Vamos a prestarles mucha atencin a estos elementos pues las filas y las
columnas de las matrices son todos n-uplas.
Dadas las 3-uplas (tambin llamadas ternas) siguientes:
f1 1 2 5 f 2 1 0 3
Podemos calcular, por ejemplo: A) 3 f 1 5 f 2 B) 2 f 1 3 f 2 etc.
A una expresin, como la A) o la B) anteriores, se le denomina combinacin
lineal de las ternas f 1 , f 2 . A los nmeros se les denomina coeficientes.
Como podemos comprobar, sin ms que efectuar las operaciones indicadas,
una combinacin lineal de varias ternas es otra terna (en general: n-upla)
A) 3 f1 5 f 2 31 2 5 5 1 0 3 2 6 0
B) 2 f 1 3 f 2 21 2 5 3 1 0 3 5 4 19
Decimos que un conjunto de varias ternas (en general n-uplas) son
linealmente dependientes (L D) si alguna de ellas se puede poner como
combinacin lineal de las dems.
As las ternas: f1 1 2 5 f 2 1 0 3 f 3 2 6 0 son (LD)
pues,como hemos visto en A), f 3 es combinacin lineal de f 1 y f 2 .
La terna 0 0 0 es combinacin lineal de cualquier conjunto de ternas.
Decimos que un conjunto de varias ternas (en general n-uplas) son
linealmente independientes (L I) si ninguna de ellas se puede poner como
combinacin lineal de las dems.
Las ternas 1 0 0 0 1 0 0 0 1 son (LI) pues ninguna de ellas se
puede poner como combinacin lineal de las dems.
En algunos casos, como el que acabamos de ver, es evidente la independencia
o la dependencia lineal. En general el recurso ms efectivo para saber si un
conjunto de n-uplas es independiente o no dice:
La condicin necesaria y suficiente para que un conjunto de m n-uplas sea
(LI) es que cualquier combinacin lineal de las mismas igualada a la n-upla
0 0 ... 0 los coeficientes han de ser cero. Es decir:
a1 f 1 a 2 f 2 ....... a m f m 0 0 ... 0 a1 a 2 .......... a m 0

Cesreo Rodrguez
-

- 23

Algebra Lineal

Entre las filas de las matrices (y tambin entre las columnas) puede haber
relaciones de dependencia lineal. El conocimiento de la relacin de
dependencia entre las filas, es de gran importancia para el estudio de los
sistemas de ecuaciones lineales.
En este contesto podemos ahora definir:
Rango de una matriz es el nmero de filas linealmente independientes.
Tambin podramos definir el rango cmo el nmero de columnas de la
matriz que son (LI). En este caso nos podemos formular la pregunta:
Es posible que en una matriz el nmero de filas (LI) sea distinto del
nmero de columnas (LI)? La respuesta es negativa.
Teorema.En cualquier matriz, el nmero de filas (LI) coincide con el nmero de
columnas (LI). Segn sto, el Rango de una matriz es el nmero de filas o
de columnas que son (LI).
Demostracin.(no la hacemos pues no se pide en las PAAU).
Obtencin del rango de una matriz por el mtodo de Gauss.Si sobre una matriz cualquiera efectuamos las mismas transformaciones
elementales del mtodo de Gauss para resolver un sistema, no modifican el
rango de la matriz (pues se conserva la relacion de dependencia o
independencia de la fila transformada respecto de las restantes filas).
Por tanto para determinar el rango podemos proceder haciendo ceros para
escalonar la matriz y obviamente el rango coincidir con el nmero de filas
distintas de 0 0 ... 0 .
Ejemplo. 3

2
Calcula el rango de la matriz:
5

7
11

4
6

24

17
37

7
4
1 ((12))
3 7 4 1 ((12))17 (1 ) 3

(3) 37 (1 )
(3) 2( 2 )
2
11

6
17

53
130
62
0

5 1 24 37
106 260 124 0

3 7 4 1

53
130
62
0

0 0 0 0

Evidentemente el rango de A es dos, es decir, rg(A)=2.

Cesreo Rodrguez
-

- 24

Algebra Lineal

9.-Definicin de Determinante de una matriz cuadrada.Permutaciones.Dados los dos primeros nmeros naturales:{1,2} nos planteamos la siguiente
pregunta: cuntas ordenaciones distintas podemos formar con ellos?
La respuesta es evidentemente dos que son: a)12 y b)21.
Si pensamos ahora en los tres primeros nmeros:{1,2,3} y formulamos la
misma pregunta anterior, la respuesta en esta caso es: seis que son:
a)123,b)132,c)213,d)231,e)312,f)321.
A cada una de estas ordenaciones se le denomina permutacin y se puede
demostrar que para n elementos el nmero de permutaciones es: n!
As en el caso de dos elementos el nmero de permutaciones es 2! =2.1 =2
Para tres elementos es 3! =3.2.1 =6, en general es n! = n.(n-1).......3.2.1
La permutacin en la que los elementos estn dados en el orden natural se le
denomina permutacin principal, as en el caso n=3 la principal es: a)123
Si en una permutacin dos elementos estn en el mismo orden que en la
principal se dicen que forman permanencia y si estn en orden contrario se
dice que forman inversin.
Por ejemplo, en la permutacin b) 132
el 1 forma permanencia con el 3 y con el 2
el 3 forma inversin con el 2
El nmero de inversiones de la permutacin anterior es una.
Una permutacin es de ndice par si tiene un nmero par de inversiones.
Si tiene un nmero impar de inversiones la permutacin es de ndice impar.
La permutacin: b)132 es de ndice impar pues tiene una inversin.
En la permutacin d)231 hay dos inversiones: el 2 con el 1 y el 3 con el 1, por
tanto es una permutacin par.
Al ndice par se le asocia el nmero (+1), al ndice impar el nmero (-1).
Si cambiamos entre s dos elementos en una permutacin cualquiera, la
nueva permutacion tiene ndice opuesto a la dada.
Por ejemplo la permutacin d)231 es par (+1), si cambiamos el 3 con el 1
tenemos la permutacin: 213 que es impar(-1).
Por ltimo un resultado muy interesante en relacin con las permutaciones
De las n! Permutaciones de n elementos, la mitad de ellas son de ndice
par y la otra mitad son de ndice impar.
As para el caso n=3, de las 3!=3.2.1=6 permutaciones distintas tenemos:
Tres de ndice par: a)123, d)231, e)312
Tres de ndice impar: b)132, c)213, f)321
Cesreo Rodrguez
-

- 25

Algebra Lineal

Determinante de una matriz cuadrada de orden (2). a11 a12

definimos el
Dada una matriz cuadrada de orden (2) A
a
a
21
22
determinante de A (y escribimos:
obtiene del siguiente modo:

det( A) o A

a11

a12

a 21

a 22

) como el nmero que se

a11 .a 22 a12 .a 21 .

Observa que dada la matriz A de orden (2) se pueden formar productos de

dos elementos de la matriz, de modo que no haya dos de la misma fila ni
dos de la misma columna (necesariamente en cada producto hay un elemento
de cada fila y uno de cada columna).
Como la matriz es de orden (n=2), de entre los (n 2=4) factores posibles
podemos formar productos de dos elementos de la forma:{ ai1 j1 , ai2 j2 }
Los subndices que indican las filas forman una permutacin: i1 i2 de los
nmeros 1,2 ; los subndices que indican las columnas j1 j2 forman
tambin una permutacin de 1,2 .
Si ambas permutaciones i1

i2 y j1

j2 tienen el mismo ndice (par o

impar), asignamos al producto: ai1 j1 .ai2 j2 el signo (+); si por el contrario

tienen distinto ndice asignamos al producto ai1 j1 .ai2 j2 el signo (-).
Podramos escribir los factores de cada producto ordenados por filas:
{ a1 j1 , a 2 j2 } y como la permutacin por filas: 1 2 es par, el signo (+) o (-) de
cada producto a1 j1 .a 2 j2 slo dependera del ndice de la permutacin de las

columnas: j1 j2 .
Como el nmero de permutacuiones distintas de 1,2 son (2!=2), es evidente
que podemos formar exactamente dos productos (de dos factores cada uno)
con los cuatro elementos de una matriz cuadrada de orden (2).
Todos estos resultados nos permiten concluir que:
El determinante de una matriz de orden dos es el nmero que se obtiene al
sumar los dos productos posibles, tales que en cada producto hay un factor
de cada fila y uno de cada columna (dos factores por producto), con el signo
(+) o (-) segn que tengan el mismo o distinto ndice, la permutacin de las
filas y la de las columnas de dichos factores respectivamente.

Cesreo Rodrguez
-

- 26

Algebra Lineal

Determinante de una matriz cuadrada de orden (3). a11

Dada una matriz cuadrada de orden (3) A a 21

a
31
determinante de A (y escribimos:
obtiene del siguiente modo:

det( A) o A

a12
a 22
a 32

a13

a 23 definimos el
a33

) como el nmero que se

a11

a12

a13

A a 21

a 22

a 23 a11 .a 22 .a33 a12 .a 23 .a31 a13 .a 21 .a32

a 31

a32

a33
a13 .a 22 .a 31 a12 .a 21 .a 33 a11 .a 23 .a32 .

En este caso (n=3), cada uno de los productos posibles tomando un factor de
cada fila y uno de cada columna hace que dichos productos estn formados
por tres factores.
Como el nemro total de permutaciones posibles de tres elementos: {1,2,3}
es (3!=3.2.1=6), el nmero total de productos es seis. De esos seis
sabemos que la mitad son de signo (+) y la otra mitad son de signo(-).
El determinante de una matriz de orden tres es el nmero que se obtiene al
sumar los seis productos posibles, tales que en cada producto hay un factor
de cada fila y uno de cada columna (tres factores por producto), con el
signo (+) o (-) segn que tengan el mismo o distinto ndice, la permutacin de
las filas y la de las columnas de dichos factores respectivamente.

Regla de Sarrus.-

Cesreo Rodrguez
-

- 27

Algebra Lineal

Ejercicios.1.-Calcula el valor de los determinantes:

a)

b)

11

c)

d)

33

55

e)

21

12

Sol.a)

7
2

1
7.4 2.(1) 28 2 30
4

c)

0
3

0
33
0.1 0.3 0 d )
1
3

2.-Si la matriz A r

b)

4
6

55
33.5 55.3 0
5

y sabemos que

a)

11
4.0 6.11 66
0

7p

7q

b)

e)

7p
r

7q
7 ps 7 qr 7 ps qr 7.4 28
s

c ) 11 . A

11 p
11r

21
7.12 21.4 0
12

A 4 :Calcula:

c ) 11. A

Sol.Si calculamos el determinante de A tenemos que:

a)

7
4

b)

q
s

A ps qr 4

p
qr ps ps qr 4
r

11q
11 p.11s 11q.11r 112 ps qr (121).4 484
11s

3.- Calcula los determinantes (por Sarrus) de orden tres:

3
a) 1
4

2
7
1

5
3
0

7
b) 0
0

4
11
0

3
1
5

Sol.3

a) 1

3 3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1 19 149 168

7
b) 0
0

4
11
0

3
1 7.11 .5 ( 4).1.0 0.0.3 3.11.0 ( 4).0.5 7.1.0 385
5

10 Propiedades de los Determinantes.Un determinante de orden (4) tiene (en su desarrollo) 24 trminos, los de
orden (5) tienen 120 trminos. El clculo directo de determinantes de orden
superior a(3) es en la prctica muy engorroso.
Cesreo Rodrguez
-

- 28

Algebra Lineal
Enunciaremos una serie de propiedades que cumplen los determinantes de
cualquier orden(n) (las ejemplificaremos en los de orden(3)).
La importancia de las propiedades radica en que nos van a permitir calcular
los determinantes de una manera ms rpida (sin efectuar el desrrollo de
todos los trminos) y adems nos van a facilitar el clculo de determinantes
de orden mayor que tres a partir de los de orden tres.
1. El determinante de una matriz es igual al de su traspuesta:
A At
en efecto, vemoslo con una matriz de orden (3).
2

3
A 1
4

1
3

2
5

5
3 3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1 168

0
1

1 3.7.0 1.1.5 4.( 2).3 4.7.5 1.( 2).0 3.1.3 168

Recordemos que la matriz traspuesta ( A t )tiene los mismos

elementos que ( A ), slo difieren en que el elemento aij de A t es el
a ji de A .
Un sumando del desarrollo de A es de la forma: ai1 j1 .ai2 j2 .ai3 j3 ,
permutando, tanto los subndices de las filas, como los de las
columnas, en el conjunto: {1,2,3}.
Por eso tambin est en el desarrollo de A el sumando:
a j1i1 .a j2i2 .a j3i3 que es, evidentemente, un sumando del desarrollo de
At .
t
En conclusin, como A y A tienen los mismos sumandos y con los
mismos signos,(pues el ndice de la permutacin que corresponde a
filas y columnas en A es el mismo que corresponde a columnas y
t
t
filas en A ), valen igual: ( A A ).
En base a este resultado, podemos afirmar que las propiedades
enunciadas con la palabra fila, son igualmente vlidas si la
sustituimos por la palabra columna.
Por todo sto nos referiremos a filas y columnas, indistintamente,
con la palabra lnea.
2. Si una matriz cuadrada tiene una lnea de ceros su determinante
es cero.
sto es evidente ya que en todos los sumandos aparecer un factor
que es cero, y consecuentemente todos los sumandos son cero.
3. Si se permutan dos lneas paralelas en una matriz cuadrada, el
determinante cambia de signo.
Cesreo Rodrguez
-

- 29

Algebra Lineal
3

3 3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1 168

1
3

7
2

3
5 1.( 2).0 7.5.4 3.3.1 3.( 2).4 7.3.0 1.5.1 168
0

Efectivamente, si permutamos las dos primeras filas (ejemplo

anterior) observamos que ambos determinantes tienen los mismos
sumandos pero con el signo cambiado. Se basa en la idea de que si
cambiamos entre s dos elementos en una permutacin cualquiera, la
nueva permutacion tiene ndice opuesto a la dada.
4. Si una matriz cuadrada tiene dos lneas paralelas iguales, el
determinante vale cero.
Es una consecuencia inmediata de la propiedad (3) ya que si
permutamos entre s las dos lneas iguales el determinante cambia de
signo, pero la matriz es la misma cuando permutamos las filas iguales,
de ah que su determinante valga cero, pues el nico nmero que es
igual a su opuesto es precisamente cero.
5. Si multiplicamos por el mismo nmero todos los elementos de una
lnea en una matriz cuadrada, su determinante queda multiplicado
por ese nmero.
3

3 3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1 168

3
2

2
14

5
6 3.14.0 ( 2).6.4 5.2.1 5.14.4 ( 2) 2.0 3.6.1 336
0

Si la segunda fila se multiplica por (2), en cada sumando de este

segundo determinante aparece un factor multiplicado por (2), en
relacin al sumando correspondiente del primer determinante.

6. Si una matriz cuadrada tiene dos filas proporcionales el

determinante es cero.
Efectivamente, basta aplicar las propiedades (5) y (4) anteriores.
7. Indicamos esta propiedad de modo esquemtico para no complicar
su fcil interpretacin en un enunciado engorroso con palabras.
a13
a13
a11 a12 a12
a11 a12 a13 a11 a12
a 23 a 21 a 22 a 23 a 21 a 22 a 23
a 21 a 22 a 22
a33 a31 a32 a33 a31 a32
a33
a31 a32 a32
Cesreo Rodrguez
-

- 30

Algebra Lineal
Evidentemente cada sumando del determinante del primer miembro
se puede descomponer en dos sumandos que se corresponden con
cada uno de los de los determinantes del segundo miembro.
8. Si a una lnea de una matriz cuadrada le sumamos una
combinacin lineal de las dems su determinante no vara.
Efectivamente si B es la matriz que se obtiene de A de modo que
tienen todas las lneas iguales salvo una, que para B se obtiene como
suma de la correspondiente de A ms una combinacin lineal de
las restantes lneas de A . Pues bien, podemos calcular el B
aplicando (7) como suma de varios determinantes, uno de ellos es A
y los dems son cero (por (6)) pues todos tienen dos filas
proporcionales.
Por tanto: B A .
9. Si una matriz cuadrada tiene una lnea que es combinacin lineal
de las dems paralelas, entonces el determinante es cero.
Recprocamente, si un determinante es cero, entonces tiene una
lnea que es combinacin lineal de las dems.
Esta propiedad es evidente a partir de la anterior (8) pues si en este
caso la matriz B tiene todas las lneas iguales que las de A salvo
una que para B es una combinacin lineal de las restantes de A , el
valor del B es cero, ya que razonando como en la propiedad
anterior y teniendo en cuenta que ahora la matriz correspondiente
A tendra una fila toda de ceros( A 0 ) y como B A entonces:
B 0.
Vamos a probar el recproco para el caso (n=2).
a11 .a 22 a12 .a 21 0 a11 .a 22 a12 .a 21

a11
a 21

a12
0
a 22

a11 a12

a 21 a 22

Es deir: la fila dos es combinacin lineal de la fila uno.

10. El determinante de un producto de dos matrices es igual al
producto de sus determinantes, es decir, A.B A . B
Requiere para su demostracin la regla de Laplace para el desarrollo
de un determinante por los menores de p filas. (No la hacemos).
Ejercicios.1) Justifica, sin desarrollar por Sarrus, estas igualdades:
3
a) 0
1

1
0
11

7
0 0
4

4
b) 2
8

1
9
2

7
1 0
14

7
c) 2
27

4
9
94

1
7 0
71

Sol.3
a) 0
1

1
0
11

7
0 0
4

Cesreo Rodrguez

- 31

Algebra Lineal
Efectivamente tiene una fila toda de ceros, por la propiedad (2) el
determinante es cero.
4
b) 2
8

7
c) 2
27

4
9
94

1
7 0

1
9

7
1

14

Tiene dos filas proporcionales que son la fila (1) y la

fila (3): f 3 ( 2). f1 y aplicando la propiedad (6)
deducimos que ese determinante es cero.

La tercera fila es combinacin lineal de las dos primeras:

f 3 f1 10 f 2 y si aplicamos la propiedad (9) deducimos que el

71

determinante es cero.
2) Sabiendo que el valor del determinante es:

x
5

y
0

z
3 1

Calcula sin

desarrollar los determinantes:

3x
a) 5
1

3y
0
1

3z
3
1

x
3 5
1

5x

5y

b) 1

5z
3
5
1

x
1
5. 5 . 5
1

x
c) 2 x 5
x 1
(6)
y
(7 )

x
5
x

d ) Si

y
2y
y 1
y
0
y

A 5
1

y
0
1

z
3 3.1 3 ;
1

(5)

z
2z 3
z 1

z
x
3 5
z
1

y
0
1

(5)

(7 )

y
0
1

z
3
1

x
2x
x 1
(6)

0
1

1
3 5 . .1 1
5
1

y
2y
y 1

z
x
2z

5
z 1
x 1

x
5
1

z
3 0 1 1
1

y
0
1

y
0
y 1

z
3
z 1

calcula : A 1 Sabemos que

Segn la propiedad (10):

(6)
y
(7 )

A. A 1 I y

A. A1 A . A 1 A 1

A. A 1
A

I
A

I 1

1
1
1

Menor de una Matriz.Dada una matriz cualquiera de orden (mxn), si seleccionamos r filas y r
columnas de esa matriz, los elementos en los que se cruzan forman una
submatriz cuadrada de orden (r). El determinante de esa submatriz se le
denomina menor de orden r de la matriz inicial.
Ejemplo.- Sea la matriz:
Un menor de orden (3) qued seleccionado
considerando las filas (1,3,4) y las columnas
Cesreo Rodrguez
-

- 32

Algebra Lineal
(2,3,5). Los nmeros seleccionados son aquellos en los que se cruzan filas y
columnas. Su valor es
7
6
4

3
2
6

1
0 14 36 8 18 60
1

Menor Complementario y Adjunto de un elemento de una matriz

cuadrada.Si en una matriz cuadrada de orden (n) destacamos un elemento a ij al
suprimir su fila y su columna, obtenemos una submatriz de orden (n-1).
El determinante de esta submatriz de orden (n-1) se le denomina menor
complementario del elemento aij y se designa por: ij
i j
Llamamos Adjunto del elemento aij al nmero Aij 1 ij , es decir, al
menor complementario con su signo o el signo cambiado, segn sea par o
impar el resultado de i j .
2

Ejemplo.-Sea la matriz cuadrada: 5

4

1 .
2

3
0

a) Determina un menor de orden dos. b) El menor complementario de a12

c) El Adjunto de a12
Sol.a) Un menor de orden dos es, por ejemplo:
b) El menor del elemento a12 1 es: 12
c) El Adjunto de a12 1 es:

A12 1

1 2

40 4

10 4 6

12 1 3

1.6 6

Vamos ahora a estudiar una propiedad de los determinantes que nos va a

permitir calcular determinantes de orden mayor que tres.
11. Si los elementos de una lnea de una matriz cuadrada se
multiplican por los respectivos adjuntos y a continuacin se suman
los resultados, se obtiene el determinante de la matriz inicial.
Se dice entonces que el determinante est desarrollado por los
elementos de esa lnea.
Vamos a probarlo para una matriz de orden (3).

Cesreo Rodrguez
-

- 33

Algebra Lineal
a11

Sea la matriz A a 21
a
31

a13

a 23 vamos a demostrar que

a33

a12
a 22
a 32

se

puede

obtener por el desarrollo de los elementos de la segunda fila,

A a 21 A21 a 22 . A22 a 23 . A23
es decir
Efectivamente si desarrollamos por Sarrus y operamos como se indica

a11
a 21

a12
a 22

a13
a 23 a11 .a 22 .a33 a12 .a 23 .a 31 a13 .a 21 .a32 a13 .a 22 .a 31 a12 .a 21 .a33 a11 .a 23 .a32

a 31

a 32

a33

a 21 a13 .a 32 a12 .a 33 a 22 a11 .a 33 a13 .a 31 a 23 a12 .a31 a11 .a 32

a 21 .(1) 2 1

a12
a 32

a13
a
a 22 (1) 2 2 11
a 33
a 31

a13
a
a 23 (1) 2 3 11
a 33
a 31

a12

a32

a 21 . A21 a 22 . A22 a 23 . A23

Veamos como aplicar esta propiedad en un caso concreto, a) primero con un

determinante de orden (3), comprobando por Sarrus que se obtiene el
mismo resultado, y a continuacin b) para un determinante de orden(4).
3
a) 1

a) 1

3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1

d esar rollo
elementos ( 2

1. 1

1 2

7 ( 1)

2 2

3( 1)

1.( 1).(5) 7.1.( 20 ) 3.( 1)( 3 8)

b)

3
2

5
0

1
7

8
3

des rr ollo
(2)
fila

2. 1

23

19 149

5 140 33

0 7. 4

3. 4

168

168

450

Por ltimo vamos a ver una propiedad que nos resultar enormemente til
para la comprobacin de la frmula de la inversa de una matriz mediante los
determinantes.
12. Si los elementos de una lnea se multiplican por los respectivos
Adjuntos de otra lnea paralela, el resultado suma cero.
Para el caso de una matriz cuadrada de orden (3) tendramos por
ejemplo que: a 21 A31 a 22 . A32 a 23 . A33 0 .
En efecto, en general sabemos que:
. A31 .. A32 .. A33 .
a11
a 21

a12
a 22

a13
a 23

a12

a13

a 22

a 23

a11

a13

a 21

a 23

a11
a 21

a12

a 22

La igualdad anterior corresponde al desarrollo del ltimo

determinante(de orden 3) por los elementos de la tercera fila.
Si , y son respectivamente a 21 , a 22 y a 23 el ltimo determinante
tiene dos filas iguales y por tanto vale cero.
Cesreo Rodrguez
-

- 34

Algebra Lineal

Ejemplo.-Sabemos que el siguiente determinante vale:

3
a) 1
4

2
7
1

5
3 168
0

Lo obtuvimos mediante el desrrollo por los elementos de la segunda fila:

a) 1

desarr oll o
elementos ( 2

1. 1

1 2

1.( 1).( 5)

5
0

7 ( 1)

7.1.( 20 )

2 2

Si ahora multiplicamos los elementos de la segunda fila por los Adjuntos

correspondientes de la tercera obtendremos como resultado cero.
1. 1

2
7

1 3

5
3
7( 1) 2 3
3
1

2
1( 6 35) 7(9 5) 3( 21 2)
7

5
3
3( 1) 3 3
3
1

1.( 41) 7( 4) 3( 23) 41 28 69 69 69 0

Mtodo de Gauss para calcular un determinante de cualquier orden.Segn la propiedad (11) el valor de un determinante de cualquier orden se
puede conseguir a partir del desarrollo por los elementos de una lnea.
En ese caso resulta muy ventajoso que la lnea correspondiente tenga el
mayor nmero de ceros posibles, ya que as, no es necesario el clculo de los
Adjuntos correspondientes a esos elementos nulos.
La idea consiste en fabricar el mayor nmero de ceros en una lnea, de
forma similar a la que utiliza el mtodo de Gauss para la resolucin de
sistemas lineales. La propiedad (8) garantiza, que aplicando este tipo de
transformaciones elementales para la obtencin de ceros, el valor del
determinante no cambia. Veamos en un ejemplo este mtodo de clculo:
Ejemplo.A) Calcula el valor del determinante de orden (5):
1
4

3
1

3
1

5
1

5
2

2
1

0
3

1
1

ce ros
en
co lum na ( 4 )
(1 ) ( 4 )
( 2 ) 3( 3 )
( 4 ) 2(3 )

ce ros
en
co lum na (1 )
( 2 ) 14 (1 )
( 3 ) 18 (1 )

0
1

6
10

6
13

0
0

1
18

1
5

3
17

1
0

11

0
0

24
23

141
181

2
1

3
1
7
1

4
3

3
1

11

de sarrollo
( 4 ) col um na

5
2

1
4
11
1
16

c eros
en
c olum na ( 5 )
(3 ) 2 ( 2 )
( 5 ) 3( 2 )

2
0

17
14

17
(1) 14
18

desar ro
l lo
(1 ) c olum na

( 1)

0
1

1
1

a
1

1
a

1
1

Operamos por
Columnas
(1 ) [( 2 ) ( 3 ) ( 4 )]

24

141

23

181

a 3

a 3
a 3

a
1

1
a

1
1

a 3

1
0

1
a 1

1
0

1
0

0
0

0
0

a 1
0

0
a 1

desarrollo
(1 ) columna

( 1)

0
6

13
17

propiedad ( 5 )

( a 3).

1
11

3
7

1
16

1
3

5
4

2
3

3
11

1
2

11

14
18

10
5

13
17

4344 3 243

1101

a , el valor del determinantede orden (4).

B) Calcula, en funcin de
a

desar ro
l lo
( 5 ) c olu mna

0
0

conse guir
en
fil a 1
(1 ) ( 3 )

6
10
5

( a 3)

1
1

a
1

1
a

1
1

a 1
0

0
a 1

0
0

a 1

Operamos por
Filas
( 2 ) (1 )
( 3 ) (1 )
( 4 ) (1 )

( a 3)( a 1) 3 .

11. Rango de una matriz y determinantes.-

Cesreo Rodrguez
-

3.( 1)(3 8)

- 35

3(

Algebra Lineal
Segn hemos visto anteriormente el rango de una matriz es el nmero de
filas (o columnas) linealmente independientes, y aplicando el mtodo de
Gauss determinamos ese rango.
Ahora vamos a utilizar los determinantes para calcular ese rango.
La propiedad(9) de los determinantes era una condicin necesaria y
suficiente para la (dependencia/independencia) de las lneas que dice:
A 0 las lneas de A son dependientes
A 0 las lneas de A son independientes

Esta propiedad nos proporciona una nueva definicin de rango de una matriz.
Rango de una matriz es el mximo orden de sus menores no nulos.
Ejemplo.- Fjate en la matriz A siguiente de orden(4x5):
El menor de orden(3x3) sealado en negrita vale 8.
Por ser distinto de cero, podemos asegurar que las
tres filas de la matriz que determinan la submatriz
de ese menor, son independientes.
En consecuencia tenemos que rg ( A) 3 .
El rango de A podra podra incluso ser cuatro pues en la matriz A hay
cinco menores de orden cuatro(combinaciones de cinco columnas tomadas de
cuatro en cuatro). Podemos comprobar que todos esos menores son nulos. El
rango de A no es cuatro y por tanto el rg ( A) 3 .
Como vemos en este ejemplo, tenemos que calcular cinco menores de orden
cuatro para asegurarnos el rango de la matriz A .Es un trabajo pesado y
poco prctico proceder de este modo.
Vamos a ver un mtodo para determinar el rango de una matriz
(a partir de los menores) pero que resulte operativo.
1. Se suprime cualquier fila o columna formada totalmente por ceros.
2. Se observa si, a simple vista, se aprecian filas o columnas que sean
combinacin lineal de sus paralelas y se procede a eliminarlas.
3. Se elige un elemento de la matriz no nulo, con lo que se puede afirmar
que el rango es al menos uno. A continuacin orlamos ese menor,es
decir, formamos un menor de orden superior en una unidad. Si alguno
de esos menores as formados es no nulo, el rango de la matriz es, al
menos, dos. Repetimos el proceso sucesivamente hasta encontrar un
menor de orden k distinto de cero y que al orlarlo con las restantes
filas y columnas de la matriz para formar menores de orden (k+1)
resulten todos ellos cero.

Ejemplo.-Determina, aplicando el proceso anterior,el rango de:

Cesreo Rodrguez
-

- 36

Algebra Lineal

Seleccionamos el elemento a11 4 0

Rango de la matriz es, al menos, uno.
Orlamos este menor[con las fila( 2) y la
columna (2)].
El menor de orden dos sealado vale 8, es
distinto de cero y por tanto la matriz tiene, al
menos rango dos. Si orlamos este menor con la
fila (3) y la columna (4).
El menor de orden tres seleccionado es
distinto de cero, por eso podemos afirmar
que el rango de la matriz es, al menos, tres.
Este ltimo menor lo podemos orlar con la (4) fila y la columna (3) o
con la (4) fila y la columna (5) (no hay ms posibilidades) obteniendo
dos menores de orden cuatro ( que son cero ambos: f 4 f1 f 2 f 3 )

Como ambos menores son nulos, el rango de la matriz no puede ser

cuatro y necesariamente ha de ser tres.
Ejemplo.-Calciula el rango de esta matriz:
Rango es, al menos, dos.
En consecuencia,
Rango es, al
menos, tres.

Rango de esta matriz es definitivamente, cuatro.

Cesreo Rodrguez
-

- 37

Algebra Lineal

12. Clculo de la inversa de una matriz por determinantes.La condicin necesaria y suficiente para que una matriz cuadrada A tenga
inversa A 1 es que su determinante no sea nulo. Abreviadamente:

A es regular A 1 A 0

Condicin neceasria.
Si A es regular es lo mismo que decir que existe A 1 , como: A. A 1 I .
1
Aplicando la propiedad (10) a esta ltima igualdad: A . A 1 0
1
Como es un anillo de integridad tanto: A 0 y A 0
Condicin suficiente.
1
Vamos a ver ahora que si A 0 entonces A es regular A
a11 a12 a13

Lo vamos a probar con una matriz A de orden (3) A a 21 a 22 a 23

a

31 a 32 a33
A11 A21 A31

1
Formemos la matriz B
A12 A22 A32 , es decir, la matriz traspuesta
A

A13 A23 A33

de los Adjuntos de A , multiplicada por el inverso del determinante de A .
Veremos que B A 1 , para ello hay que probar que: A.B I y B. A I
A11 A21 A31

A
A
A

a11 a12 a13

A
A22 A32
A.B a 21 a 22 a 23 . 12

A
A
A
a

31 a32 a33 A
A23 A33
13

A
A
A

a11 A11 a12 A12 a13 A13 a11 A21 a12 A22 a13 A23 a11 A31 a12 A32 a13 A33

A
A
A

a A a A a A

a
A

a
A

a
A
a
A

a
A

a
A
22 12
23 13
21 21
22 22
23 23
21 31
22 32
23 33
21 11

A
A
A

a31 A11 a32 A12 a33 A13 a31 A21 a32 A22 a33 A23 a31 A31 a32 A32 a33 A33

A
A
A

1 0 0

0 1 0
0 0 1

Los elementos de la diagonal principal son uno pues el numerador es el

desarrollo de A por los elementos de una fila.
Los dems elementos son cero al aplicar la propiedad (12).

Cesreo Rodrguez
-

- 38

Algebra Lineal
Anlogamente se probara que B. A I

Ejemplo.- Calcula la inversa de las matrices:

Ejemplo.- Calcula la inversa de:

Cesreo Rodrguez
-

- 39

Algebra Lineal

Resolucin de sistemas mediante determinantes.13.

14.

Teorema de Rouch.
Sistemas de Cramer. Regla de Cramer.

15.

Aplicacin de la regla de Cramer a cualquier sistema.

16.

Sistemas homogneos.

17.

Discusin de un sistema mediante determinantes.

Objetivos Mnimos
- Conocer y aplicar el criterio que permite saber cuando un sistema es
compatible (teorema de Rouch).
- Saber distinguir cuando un sistema es de Cramer y saber aplicar la regla
de Cramer para la resolucin de estos sistemas.
- Saber aplicar la regla de Cramer a sistemas compatibles de m
ecuaciones con n incgnitas.
- Conocer la caracterizacin de un sistema homogneo.
- Saber distinguir si un sistema dependiente de un parmetro es compatible
mediante los determinantes.

Introduccin.En la vida real, los sistemas lineales surgen como resultado de imponer
condiciones a las variables que intervienen en un problema.
Estas condiciones que impone el problema real se transforman en un
conjunto o sistema de ecuaciones.
En esta unidad vamos a resolver los sistemas de ecuaciones lineales
mediante determinantes, usando la llamada regla de Cramer.
En el estudio de ciertas curvas planas, Gabriel Cramer ide y public
( en 1750) una regla para resolver sistemas de ecuaciones lineales.
El matemtico escocs MacLaurin lleg a los mismos resultados en 1729 y la
publicacin de stos no tuvo lugar hasta 1748, dos aos antes que lo hiciese
Gabriel Cramer (en 1750).
Cesreo Rodrguez
-

- 40

Algebra Lineal
En el campo cientfico es, lamentablemente muy frecuente, no darle a un
resultado el nombre de su autntico descubridor.

13. Teorema de Rouch.La condicin necesaria y suficiente para que tenga solucin el sistema :

a11 x1 a12 x 2 .................................. a1n x n c1

a x a x .................................. a x c
21 1
22 2
2n n
2

.............................................................................
a m1 x1 a m 2 x 2 .................................. a mn x n c m
es que el rango de la matriz de los coeficientes(
la matriz ampliada ( A ). Siendo estas matrices:
a11 a12 ... a1n
a11

a 21 a 22 ... a 2 n
a
A
A 21

...
... ... ...
...

m1 a m 2 ... a mn
a m1

A ) coincida con el rango de

a12

... a1n

a 22
...

... a 2 n
... ...

am2

... a mn

c1

c2
...

c m

Abreviadamente:
El sistema anterior tiene solucin si y slo si rg(A)=rg(A)
Demostracion.El sistema se puede poner como combinacin lineal de los vectores columna:
a11
a12
a1n
c1

a 21
a 22
a2n
c2
... .x1 ... .x 2 ...................... ... .x n ...

a
a
a
c
m1
m2
mn
m
Condicin necesaria.
Si tiene solucin es que hay unos valores de { x1 , x 2 ,......., x n } que permiten
escribir la columna de los trminos independientes como combinacin lineal
de las columnas de la matriz A . En consecuencia: rg ( A) rg ( A) .
Condicin suficiente.
Si rg ( A) rg ( A) significa que la nica columna en que se diferencian las dos
matrices A y A (que es la de los trminos independientes) no aporta
rango, es decir, esa columna es combinacin lineal de las dems.
Por lo tanto existen unos nmeros { x1 , x 2 ,......., x n } que multiplicados por las
columnas de la matriz A nos dan la columna de los trminos independientes.
Cesreo Rodrguez
-

- 41

Algebra Lineal
Esos nmeros son la solucin del sistema.
Observacin.- Si el sistema es incompatible rg ( A) rg ( A) y como A tiene
una columna ms que A se tiene entonces que rg ( A) rg ( A) 1 .

Ejemplo.-Aplica el criterio de Rouch para determinar si son compatibles:

Cesreo Rodrguez
-

- 42

Algebra Lineal

14. Sistemas de Cramer. Regla de Cramer.Un sistema de ecuaciones lineales se dice de Cramer si y slo si:
Cesreo Rodrguez
-

- 43

Algebra Lineal
1. tiene (n) ecuaciones y (n) incgnitas.
2. la matriz de los coeficientes A es regular, es decir, A 0 .
Los sistemas de Cramer son compatibles pues al ser A 0 el rango de la
matriz de los coeficientes es (n) (rango mximo), y obligatoriamente el
rango de la matriz ampliada A es tambin (n).
Vamos a deducir ahora una regla que nos permite obtener la solucin de un
sistema de Cramer, para ello usaremos un sistema de tres ecuaciones con
tres incgnitas, afin de evitar farragosas notaciones.
Dado el sistema de Cramer:

a11 x1 a12 x2 a13 x3 c1

a21 x2 a22 x2 a23 x3 c2

a x a x a x c
31 1 32 2 33 3 3

a11

A a 21
a
31

a12

a13

a 22
a 32

a 23
a33

A 0

x1
c1

Si llamamos: x x 2 , c c 2 podemos plantear el sistema de Cramer
x
c
3
3
anterior como un producto matricial de la forma: A.x c (comprubalo)
Como la matriz A es regular existe A 1 y multiplicando en la ltima
expresin por A 1 a la izquierda tenemos: A 1 A.x A 1 .c x A 1 .c
Como ya conocemos la expresin de la inversa de una matriz, obtenemos:
A11 A21 A31
A11 c1 A21c 2 A31c3

A
A c
A
A

x
1
1

A12 c1 A22 c 2 A32 c3

A12 A22 A32
1
x A .c
. c 2
x2
A
A
A
A

c
3

A13 A23 A33

A13 c1 A23 c 2 A33 c3 x3

A
A
A
A

c1
desarrollo c 2
determinante
A11c1 A21c2 A31c3 (1)columna c3
x1

a12 a13
a22 a23
y anlogamente se deduce que:
a23 a33
A

Ejemplo.- Utiliza la regla de Cramer para resolver el sistema:

Cesreo Rodrguez
-

- 44

Algebra Lineal

Ejemplo.- Utiliza la regla de Cramer para resolver el sistema:

Cesreo Rodrguez
-

- 45

Algebra Lineal
15. Aplicacin de la regla de Cramer a cualquier sistema.La regla de Cramer, en principio, slo es vlida para sistemas cuadrados
(nxn) que cumplen A 0 . Con todo, vamos a ver que se puede aplicar esta
regla a cualquier sistema compatible.
Dado un sistema de (m) ecuacines con (n) incgnitas, compatible.
Supongamos que: rg ( A) rg ( A) r ; r m y r n .
Esto quiere decir que hay un menor de orden (r) distinto de cero.
Para simplificar la exposicin, suponemos que ese menor lo determinan las
(r) primeras filas y las (r) primeras columnas de A .

Este sistema es equivalente a este otro de Cramer en el que los trminos

independientes estn dados en funcin de las incgnitas: x r 1 ,......., x n .
Es decir, un sistema compatible indeterminado cuya solucin general viene
dada con tantos parmetros como incgnitas pasen al segundo miembro.

Si r m todas las ecuaciones del sistema inicial son tiles, es decir,

no sobra ninguna.
Si r n m sobran ( m n) ecuaciones, pero al suprimirlas tenemos un
sistema de Cramer de (n) ecuaciones con (n) incgnitas determinado.

Observacin

como mucho puede ser igual al menor de los dos: {m , n}

Ejemplo.-Resuelve el sistema de ecuaciones lineales:

Cesreo Rodrguez
-

- 46

Algebra Lineal

Ejemplo.-Resuelve el sistema de ecuaciones lineales:

16. Sistemas Homogneos.Cesreo Rodrguez

-

- 47

Algebra Lineal
Vamos a estudiar un sistema de ecuaciones lineales que tienen todos los
trminos independientes iguales a cero, se les denomina Homogneos.

a11 x1 a12 x 2 .................................. a1n x n 0

a x a x .................................. a x 0
21 1
22 2
2n n

.............................................................................
a m1 x1 a m 2 x 2 .................................. a mn x n 0
Todo sistema homogneo tiene solucin, pues se verifica que para
x1 x 2 ...... x n 0 se cumplen las ecuaciones del sistema.
A la solucin 0,0,...,0 del sistema homogneo se le denomina solucin
trivial.
Teorema (caracterizacin de la solucin de los sitemas homogneos).
Para que un sistema homogneo tenga otras soluciones distintas de la trivial
es necesario y suficiente que el rango de la matriz de los coeficientes sea
menor que el nmero de incgnitas.
Demostracin.El sistema se puede poner como combinacin lineal de los vectores columna:
a11
a12
a1n
0

a 21
a 22
a2n
0
... .x1 ... .x 2 ...................... ... .x n ...

0
a
a
a

m1
m2
mn
Condicin necesaria.
Si tiene solucin no trivial es que hay unos valores de: { x1 , x 2 ,......., x n }
no todos cero que permiten escribir la columna de los trminos
independientes como combinacin lineal de las columnas de la matriz A .
En consecuencia las columnas de A son (LD) y por tanto: rg ( A) n .
Condicin suficiente.
Si el rg ( A) n , este sistema homogno (compatible) es equivalente a un
sistema de Cramer en el que los trminos independientes estn dados en
funcin de las incgnitas sobrantes (las que pasen al segundo miembro) .
Es un sistema compatible indeterminado cuya solucin general viene dada
con tantos parmetros como incgnitas pasen al segundo miembro.
Observacin.-Conclusin para un sistema homogneo cuadrado (nxn)
Un sistema homogneo de orden (nxn) tiene otras soluciones distintas de la
trivial si y slo si el determinante de la matriz de los coeficientes: A 0

Cesreo Rodrguez
-

- 48

Algebra Lineal
Ejemplo.-Resuelve los siguientes sistemas homogneos.

Cesreo Rodrguez
-

- 49

Algebra Lineal

17. Discusin de sistemas mediante determinantes.Ya hemos visto en que consiste discutir un sistema dependiente de un
parmetro, y hemos hecho esa discusin mediante el mtodo de Gauss.
En este curso trataremos slamente los sistemas con un nico parmetro.
Discutir un sistema dependiente de un parmetro consiste en determinar
los valores del parmetro para los que el sistema es o no compatible.
Ahora vamos a discutir un sistema con la ayuda de los determinantes.
Ejemplo.-Discute y resuelve en funcin del parmetro (a).

a 1 x y 0
a 1 x a 1 y 0

1
a 1

a 1 a 1

1 1
a0
A a 1 a 1 a 1 1 a 1 a 0
1 a 1
a 1

Si a 0 el sistema resulta:

x y 0
y x sistema compatible indeterminado
x y 0

Solucin: x , y
Si a 1 el sistema resulta:

y0
y 0 sistema compatible indeterminado
2 y 0
Solucin: x , y 0

Si a 0 y a 1 entonces rango(A) = 2 = rango (A)

El sistema es compatible determinado y por tanto:
Solucin: x 0, y 0

Cesreo Rodrguez
-

- 50

Algebra Lineal

Cesreo Rodrguez
-

- 51