You are on page 1of 112

Cap´ıtulo 1

Sistemas de Ecuaciones Lineales
1. Introducci´on
Una gran variedad de problemas pr´acticos conllevan a la soluci´on de sistemas de ecuaciones lineales.
En casos en que el n´ umero de variables y de ecuaciones sea peque˜ no, no existe dificultad alguna al utilizar
m´etodos del algebra elemental para resolver estos sistemas, pero a medida que se consideran m´as variables
o m´as ecuaciones estos m´etodos se tornan precarios. El
´
Algebra Lineal surgi´o precisamente del estudio
de los sistemas de ecuaciones lineales, en cuanto a la existencia de soluciones y tipos de soluciones se re-
fiere, y del intento de encontrar m´etodos eficientes para determinar el conjunto soluci´on de estos sistemas.
Este cap´ıtulo gira entorno al estudio de los sistemas de ecuaciones lineales desde diversas perspecti-
vas, haciendo ´enfasis en encontrar soluciones a tres preguntas fundamentales:
¿Cu´ando un sistema lineal tiene soluci´on?, de tenerla
¿Cu´antas soluciones existen y c´omo determinarlas? y finalmente
¿C´omo determinar la soluci´on en forma eficiente?
es decir, nos preocuparemos de problemas de existencia de soluciones, tipos de soluciones y desarrollo de
algoritmos de c´alculo
1
.
La representaci´on geom´etrica de un sistema lineal es limitada, ya que s´olo es posible realizarla en
espacios de dimensi´on 1, 2 y 3, sin embargo es de gran valor para la comprensi´on e intuiciones futuras,
nos permitir´a comprender el problema de existencia y tipo de soluciones posibles de un sistema lineal.
La representaci´on algebraica de los sistemas utilizando matrices, nos permite representar en una pri-
mera instancia un sistema lineal utilizando solo la data importante del sistema (coeficientes y t´erminos
independientes) y nos acerca a la soluci´on de las preguntas fundamentales, anteriormente planteadas,
por analog´ıa a las operaciones algebraicas que realizamos con las ecuaciones del sistema, al ir reducien-
do las variables de las ecuaciones que lo forman. Esta primera representaci´on matricial nos facilita, en
sistemas lineales de gran tama˜ no, la tediosa manipulaci´on de las ecuaciones en los procesos de solu-
ci´on (que en ocasiones nos confunden y que es causa fundamental de equivocaciones), permiti´endonos
una f´acil codificaci´on del problema y un trabajo mucho m´as sistem´atico que conlleva a la construcci´on
de algoritmos de soluci´on, al mismo tiempo que nos abre caminos para responder a los problemas de
existencia y tipo de soluci´on de un sistema. En una segunda instancia, utilizando el ´algebra matricial un
sistema ser´a representado mediante una ecuaci´on matricial, lo que nos dar´a una nueva visi´on al problema.
La representaci´on vectorial nos permitir´a representar un sistema de ecuaciones lineales como una
ecuaci´on vectorial, introduci´endonos naturalmente a conceptos propios del Algebra Lineal como son:
subespacio, conjunto generador, dependencia e independencia lineal, bases y dimensi´on de subespacios,
que nos permitir´an dar (o confirmar) respuestas a las preguntas fundamentales acerca de los sistemas.
1
En este libro no nos preocuparemos del an´alisis computacional de los algor´ıtmos presentados, ni de la medici´on de
su eficiencia. S´olo dirigir´emos nuestra atenci´on al estudio de los algor´ıtmos cl´ asicos y confiaremos en que constituyen una
buena forma de determinar la soluci´ on de un sistema.
1
2 1. SISTEMAS DE ECUACIONES LINEALES
2. Las diferentes representaciones del problema
Antes de definir con precisi´on los conceptos b´asicos de los sistemas de ecuaciones lineales, analicemos
una cl´asica y sencilla situaci´on en la que se utilizan sistemas lineales para su modelaci´on, que proba-
blemente usted ha resuelto con algebra elemental, prestando atenci´on a las diferentes representaciones
matem´aticas que puede tener, a la forma que toman las preguntas fundamentales, anteriormente enun-
ciadas, bajo cada una de estas representaciones y siempre con la visi´on de lograr una generalizaci´on al
caso de tener un n´ umero mayor de variables.
Situaci´on
Supongamos que una compa˜ nia fabrica tazas y platos de cer´amica. Para cada taza o plato un traba-
jador mide una cantidad fija de materia prima y la coloca en una m´aquina que los forma, a continuaci´on
pasa al vidriado y por ´ ultimo al secado autom´atico. Se ha podido determinar que en promedio un trabaja-
dor necesita tres minutos para iniciar el proceso de una taza y dos minutos para un plato. El material para
una taza cuesta $125 pesos y el de un plato $100 pesos. Si se asignan un presupuesto determinado, por
ejemplo de $22,000 pesos diar´ıos para la materia prima de las tazas y platos, el fabricante estar´a intere-
sado en saber cu´antos platos y tazas se podr´an fabricar en un d´ıa de trabajo de 8 horas, suponiendo que
sus obreros trabajan cada minuto y se gasta diariamente el total del presupuesto asignado para materiales.
Para la modelaci´on de esta situaci´on, elegimos como variables de entrada la cantidad de tazas y platos
fabricadas en un d´ıa de trabajo y variables de salida el tiempo requerido diariamente para la producci´on
y el costo diario de materiales, esto es:
x: Cantidad de tazas fabricadas en un d´ıa de trabajo.
y: Cantidad de platos fabricados en un d´ıa de trabajo.
t: Tiempo requerido diariamente para iniciar la producci´on de x tazas e y platos.
c: Costo diario de materiales para la producci´on de x tazas e y platos.
2.1. Representaci´on Funcional.
El tiempo total requerido diariamente para iniciar el proceso de elaboraci´on de x tazas e y platos
es de t = 3x + 2y minutos, el costo diario de materiales de las x tazas y los y platos est´a dado por
c = 125x + 100y. Lo que define la funci´on
f(x, y) = (t, c) = (3x + 2y, 125x + 100y)
la cual permite determinar el tiempo de producci´on y los costos de materiales, necesarios para la produ-
ci´on de las x tazas e y platos, y dar soluci´ on a las preguntas que el fabricante se formule.
Observe que la funci´on f actua sobre vectores de la forma v = (x, y) (es una funci´on de variable
vectorial) y sus valores son tambi´en vectores w = (t, c) ( es una funci´on de valor vectorial). Este tipo de
funciones son denominadas en general campos vectoriales.
Por otra parte, note que x ∈ N
0
e y ∈ N
0
al representar cada una cantidades de objetos, lo que
significa que el dominio de f es el conjunto N
2
0
⊂ R
2
.
2
La pregunta a responder, planteada bajo esta representaci´on funcional, ser´a: (( ¿Existe un vector
v = (x, y) con coordenadas enteras positivas ´o cero, tal que f(v) = (480, 22000) ? )),
lo que equivale a dos problemas: determinar la preimagen del vector b = (480, 2200) bajo la funci´on f, y
elegir las preimagenes que tienen coordenadas enteras positivas, es decir, determinar todos los vectores del
dominio de f que son enviados por la funci´on al vector b y de ellos seleccionar los que tengan coordenadas
2
Recuerde que, N
0
= N ∪ {0} y N
2
0
denota el producto cartesiano N
0
×N
0
.
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 3
positivas y enteras.
El Algebra Lineal se preocupa principalmente en dar respuesta a la primera cuesti´on, ya que la
segunda depende de las restricciones de la situaci´on particular que se desee analizar. Esto implica que
se dar´an soluci´on a los problemas considerando que las variables toman sus valores en el cuerpo de los
n´ umeros reales (o en el de los complejos) y a continuaci´on se utilizar´an las restricciones que la situaci´on
considerada amerite.
Pensando en general, dada cualquier funci´on f, resulta obvio que hay s´olo dos posibilidades: que f
tome el valor b o que no lo tome, seg´ un b est´e o no en el recorrido de la funci´on. Si f toma el valor b, el
problema tiene soluci´on y la pregunta natural es, ¿Cu´antos vectores del dominio de f se van en el vector
b al aplicar la funci´on?. Pasar´ıamos del problema de existencia, al problema de decidir el tipo de soluci´on
que se tendr´ıa: si existe un s´olo vector cuya imagen por f es b, el problema tendr´a soluci´on ´ unica. Lo
sorprendente en este tipo de problemas es que cuando hay soluci´on, existen ´ unicamente dos posibilidades:
la soluci´on es ´ unica ´o es infinita
3
.
Esto se debe a que las funciones que se utilizan para modelar estos problemas son campos vectoriales
muy particulares: son transformaciones lineales.
El problema del tipo de soluci´on, bajo la representaci´on funcional, depender´a de las propiedades de
la transformaci´on lineal f que se tenga, concretamente de su inyectividad. Esta representaci´on funcional
ser´a estudiada con todo detalle en el cap´ıtulo 4: Transformaciones lineales.
2.2. Representaci´on Algebraica y Geom´etrica.
Otra forma de abordar la situaci´on considerada, es generar a partir de los datos del problema las
ecuaciones que x e y deben satisfacer y utilizar las propiedades algebraicas de los n´ umeros reales, con el
fin de encontrar una soluci´on. Para facilitar la construcci´on de las ecuaciones, es ´ util anotar los datos en
una tabla:
Tazas Platos Total
Tiempo 3 2 480
Costo 125 100 22,000
Note que, x e y deben satisfacer simult´anemente las siguientes ecuaciones:
_
3x + 2y = 480
125x + 100y = 22000
con x, y ∈ N
0
que al ser consideradas en conjunto, forman lo que se denomina un sistema de ecuaciones. Como cada
ecuaci´on del sistema es lineal (t´ermino que precisar´emos m´as adelante, pero informalmente significa que
las variables en cada una de estas ecuaciones es de grado 1) diremos que el sistema es un sistema de
ecuaciones lineales.
Observe, que apartir de la representaci´on fucional se puede obtener esta representaci´on algebraica (el
sistema de ecuaciones lineales), utilizando el ´algebra vectorial,
3
Esto no contradice el hecho de que la soluci´ on de una situaci´on real contenga un n´ umero finito de elementos, por
ejemplo 2, 3 ´o n elementos n = 1, ya que cuando se habla de infinitas soluciones se hace referencia a la soluci´on matem´atica
del problema, anterior a la consideraci´ on de las restricciones de las variables utilizadas en la modelaci´on de la situaci´on, son
estas restricciones precisamente las que transforman el conjunto soluci´on en uno finito.
4 1. SISTEMAS DE ECUACIONES LINEALES
f(x, y) = (480, 22000) ⇔ (3x + 2y, 125x + 100y) = (480, 22000) ⇔
_
3x + 2y = 480
125x + 100y = 22000
.
Dado un sistema de ecuaciones lineales, antes de invertir recursos en buscar una soluci´on, la postura
adecuada ser´a determinar si es necesario usarlos, lo que se traduce en determinar si el sistema tiene o no
soluci´on.
En nuestro caso particular, la respuesta a esta pregunta puede ser encontrada con el solo hecho
de considerar la representaci´on geom´etrica de cada una de las ecuaciones del sistema. Note que, la
representaci´on geom´etrica de cada una de estas ecuaciones es una recta.
L
1
: 3x + 2y = 480
L
2
: 125x + 100y = 22000
.
El querer determinar los valores de x e y que satisfagan ambas ecuaciones, se traduce geom´etrica-
mente en determinar la intersecci´on entre estas rectas, es decir el conjunto L
1
∩ L
2
.
Al calcular la pendiente de cada recta se tiene que, la pendiente de L
1
es m
1
= −
3
2
y la de L
2
es
m
2
= −
5
4
. Puesto que m
1
= m
2
las rectas no son paralelas y por tanto se cortan en un s´olo punto.
Concluy´endose, que el problema tiene soluci´on ´ unica. La soluci´on se puede estimar gr´aficamente, como
se muestra en la figura siguiente,
Soluci´ on x = 80, y = 120
Cuando se tiene un sistema lineal con dos o m´as ecuaciones, en el que intervienen ´ unicamente dos
variables, para determinar si el sistema tiene o n´o soluci´on y el tipo de soluci´on que posee (en el caso de
tenerla), basta con pensar en general, en las posibles posiciones de las rectas en el plano: Todas las rectas
pueden ser paralelas y por tanto no existir´a un punto de intersecci´on ´o se intersectan dos a dos en puntos
distintos formando una configuraci´on poligonal (lo que se traduce en que el sistema no tiene soluci´on);
´o todas las rectas pueden intersectarse en un s´olo punto (lo que significa que el sistema tiene soluci´on
´ unica); ´o todas las rectas puedan coincidir (que corresponde a que el sistema tiene infinitas soluciones),
como se observa en los gr´aficos siguientes:
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 5
Los sistemas no tiene soluci´ on.
Los sistemas tienen soluci´ on: ´ unica e infinitas respectivamente.
Por supuesto, en este caso el problema de existencia y tipos de soluci´on se resuelve f´acilmente, porque
tenemos la forma de determinar la pendiente de cada una de las rectas del sistema, pero ¿qu´e sucede en
el caso de tener m´as de dos variables?. Por ejemplo, si se tienen tres variables, sabemos que una ecua-
ci´on lineal de tres variables tiene como representaci´on geom´etrica un plano y el sistema ser´ıa entonces
la representaci´on algebraica del problema de intersectar dos o m´as planos en el espacio. ¿C´omo pueden
intersectarse estos planos en el espacio?, ser´ıa ahora la pregunta.
A pesar de que hasta este nivel (tres variables) podemos representar geom´etricamente las ecuaciones
de un sistema lineal, la representaci´on geom´etrica es de gran utilidad ya que le d´a significado al sistema,
ahora es f´acil imaginar que es lo que se desea determinar cuando se busca la soluci´on de un sistema lineal:
el punto de intersecci´on de los hiperplanos
4
que cada ecuaci´on representa.
Al saber que un sistema lineal tiene soluci´on, es el momento de preguntarse ¿c´omo determinar la
o las soluciones de un sistema?. Si el sistema tiene pocas variables, podemos recurrir a todo nuestro
conocimiento del ´algebra de los n´ umeros reales y el tratamiento de ecuaciones, y con toda seguridad no se
presentar´a ning´ un problema. Las dificultades comienzan cuando el n´ umero de variables y de ecuaciones
va aumentando: es usual que con tantas ecuaciones alguna se traspapele (lo que es fatal cuando se quiere
determinar una intersecci´on), o nos quedemos dando vueltas sin poder hallar la soluci´on del sistema. Surge
entonces la necesidad de generar procedimientos sistem´aticos (algor´ıtmos) que nos permitan soslayar estas
dificultades.
En el caso que estamos considerando, no deber´ıa existir dificultad alguna al aplicar directamente los
procedimientos algebraicos que conocemos, a´ un m´as, los aplicamos en forma autom´atica, el desaf´ıo ser´a en
prestar especial atenci´on en los procedimientos que usamos y en la forma en que los realizamos, con el
objetivo de clarificar lo que se hace, de buscar la mejor forma de hacerlo ( en el sentido de evitar que se
presenten las dificultades anteriormente planteadas) y de como generalizarlo al caso de tener sistemas de
gran tama˜ no.
2.3. Representaci´on Matricial.
En el trabajo algebr´aico de las ecuaciones de un sistema surge la necesidad de abstraer los elementos
relevantes que diferencian cada una de las ecuaciones que lo forman, su data n´ umer´ıca: los coeficientes de
las variables y los t´erminos independientes. De esta abstracci´on nace una primera representaci´on matricial
de un sistema lineal.
Ilustr´emosla con el sistema que estamos considerando,
4
Un hiperplano es un subconjunto H de vectores en R
n
el cual est´ a definido por:
H = {(x
1
, x
2
, . . . , xn) ∈ R
n
| a
1
x
1
+a
2
x
2
+· · · +anxn = b, b ∈ R, a
i
∈ R, i = 1, 2, . . . , n}.
Observe que si se tienen dos variables, el hiperplano H coincide con una recta y cuando se tienen tres variables H coincide
con un plano. Por eso es usual decir, que un hiperplano es la generalizaci´on del concepto de recta al espacio n-dimensional
6 1. SISTEMAS DE ECUACIONES LINEALES
_
3x + 2y = 480
125x + 100y = 22000
Si consideramos la matriz A = (a
ij
)
2×2
, donde a
ij
representa el coeficiente de la variable j en la ecuaci´on i,
A =
_
3 2
125 100
_
denominada matriz de coeficientes del sistema y designamos por
b =
_
480
22000
_
la matriz de orden 2 × 1, de los t´erminos independientes en cada ecuaci´on, el sistema queda codificado
en forma matricial mediante la matriz
[A | b ] =
_
3 2 480
125 100 22000
_
denominada la matriz aumentada del sistema.
Note que con esta representaci´on cada operaci´on realizada con las ecuaciones del sistema se trans-
formar´a en una operaci´on entre las filas de la matriz, lo que permitir´a analizar el problema algebr´aico de
la busqueda de soluciones, con la seguridad de no cometer errores en la manipulaci´on de las ecuaciones
y nos permitir´a sistematizar la busqueda de las mismas. El objetivo principal en este caso, ser´a poder
responder a las preguntas fundamentales de existencia y tipo de soluci´on, observando los cambios en la
matriz aumentada, los cuales son un reflejo de la manipulaci´on algebraica de las ecuaciones.
Una segunda representaci´on matricial de un sistema lineal se obtendr´a, al interpretar el sistema ha-
ciendo uso del producto matricial y la igualdad. En este contexto, un sistema lineal no es m´as que una
ecuaci´on matricial del tipo AX = b.
En nuestro caso, para lograr est´a representaci´on basta con considerar, la matriz A de coeficientes del
sistema y designar por,
X =
_
x
y
_
la matriz de variables del sistema. Note que,
AX =
_
3 2
125 100
_ _
x
y
_
=
_
3x + 2y
125x + 100y
_
es la representaci´on conjunta del lado izquierdo de las ecuaciones del sistema. Haciendo uso de la igualdad
matricial, el sistema queda finalmente descrito por:
_
3 2
125 100
_
. ¸¸ .
A
_
x
y
_
.¸¸.
X
=
_
480
22000
_
. ¸¸ .
b
.
Las soluciones de una ecuaci´on matricial AX = b depender´a de las propiedades de la matriz de coefi-
cientes A, en particular, como se mostr´o en el cap´ıtulo anterior, la ecuaci´on AX = b tiene soluci´on ´ unica
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 7
cuando la matriz A es una matriz invertible. ¿Qu´e podemos decir cuando la matriz A no es invertible?,
¿Qu´e caracter´ısticas de la matriz A hacen que un sistema tenga o no soluci´on? ser´an algunas de las
preguntas de inter´es bajo esta representaci´on.
2.4. Representaci´on Vectorial.
Por ´ ultimo, si utilizamos el algebra vectorial, el sistema lineal que estamos considerando
_
3x + 2y = 480
125x + 100y = 22000
puede ser representado mediante la ecuaci´on vectorial
_
3
125
_
x +
_
2
100
_
y =
_
480
22000
_
.
Si v
1
=
_
3
125
_
, v
2
=
_
2
100
_
y b =
_
480
22000
_
la ecuaci´on anterior se transforma en
xv
1
+yv
2
= b donde x, y ∈ R.
En este caso, el problema se transforma en determinar si el vector b de R
2
se pueda expresar como
la suma de dos m´ ultiplos escalares de los vectores v
1
y v
2
.
Las preguntas fundamentales, bajo esta nueva representaci´on, ser´an:
Dado un conjunto de s vectores, {v
1
, v
2
, . . . , v
s
} de R
n
, ¿Cu´ando ser´a posible expresar un vector b de R
n
mediante la ecuaci´on vectorial
b = x
1
v
1
+x
2
v
2
+· · · +x
s
v
s
donde x
i
son n´ umeros reales (o escalares) para i = 1, 2, . . . , s ?.
Dado que un vector b en R
n
es de la forma b = x
1
v
1
+x
2
v
2
+· · · +x
s
v
s
, ¿´esta representaci´on es ´ unica?,
¿qu´e condiciones deben satisfacer los vectores v
1
, v
2
, . . . , v
s
para que lo sea?.
¿Qu´e condiciones deben satisfacer los vectores v
1
, v
2
, . . . , v
s
, para que cualquier vector b de R
n
pueda
expresarse como suma de m´ ultiplos escalares de los vectores v
1
, v
2
, . . . , v
s
?.
Sin duda, la expresi´on vectorial de un sistema de ecuaciones lineales nos dar´a una s´olida visi´on sobre
lo que es un sistema lineal y nos abrir´a nuevos caminos para explorar las preguntas fundamentales de
este cap´ıtulo.
Finalmente, no podemos continuar, sin observar que la represetaci´on matricial y vectorial de un
sistema lineal, permiten precisar el tipo de funciones que intervienen en su representaci´on funcional. Note
que si un sistema lineal est´a representado funcionalmente por f(X) = b, matricialmente por AX = b y
vectorialmente por b = x
1
v
1
+x
2
v
2
+· · · +x
s
v
s
, entonces
f(X) = AX
´o equivalentemente
f(X) = x
1
v
1
+x
2
v
2
+· · · +x
s
v
s
.
8 1. SISTEMAS DE ECUACIONES LINEALES
Por una parte, el campo vectorial f est´a determinado por una matr´ız A, el cu´al se puede interpretar
como el efecto de aplicar una matriz A a los vectores de R
n
. Por otra, la funci´on f determina todas las
sumas de los m´ ultiplos escalares de un determinado conjunto de vectores fijos en R
n
, que corresponden
precisamente a los vectores columnas de la matriz A.
El estudio detallado de cada una de las representaciones de un sistema lineal, nos permitir´a dar
respuesta a los interrogantes planteados, desde diferentes puntos de vista. Usted notar´a en el transcurso
de este estudio, el enrriquecimiento que se obtiene con el cambio oportuno de una representaci´on a otra.
Este cap´ıtulo se dedicar´a al estudio de la representaci´on algebraica y matricial. Por extensi´on se dedicar´a el
cap´ıtulo 3: Espacios vectoriales de dimensi´on finita, al estudio de la representaci´on vectorial.
Ejercicios 2.1.
1. En un taller de electromec´anica se dispone de dos m´aquinas A y B que elaboran dos productos
P
1
y P
2
. Por razones de mantenimiento de las m´aquinas, A puede operar ´ unicamente 50 horas
semanales y B s´olo 60 horas semanales. Cada unidad de producto P
1
debe procesarse 7 horas en la
m´aquina A y 8 horas en la m´aquina B, mientras que una unidad del producto P
2
necesita 4 horas
en la m´aquina A y 6 horas en la m´aquina B. Se desea determinar el n´ umero de unidades de cada
producto que deben producirse semanalmente para lograr la plena ocupaci´on de las m´aquinas.
a) Encuentre una funci´on f, que permita determinar el tiempo de operaci´on semanal de cada
una de las m´aquinas para la elaboraci´on de los dos productos. En t´erminos de f, reformule
la pregunta que se quiere responder.
b) Determine un sistema de ecuaciones que modele la situaci´on planteada. Utilice la represen-
taci´on geom´etrica de cada una de las ecuaciones del sistema, para responder a las preguntas:
¿El sistema tiene soluci´on?, ¿Qu´e tipo de soluci´on tiene?. Resuelva el sistema utilizando el
´algebra de los n´ umeros reales. Si existe soluci´on, ¿Es adecuada ´esta soluci´on, para responder
la pregunta de la situaci´on real?
c) Determine una ecuaci´on matricial que modele la situaci´on planteada. Utilice ´algebra matri-
cial, para responder la pregunta siguiente, ¿ La ecuaci´on tiene soluci´on ´ unica?.
d) Determine una ecuaci´on vectorial que modele la situaci´on. Reformule la pregunta que se
quiere responder a ´este contexto. Represente geom´etricamente los vectores utilizados, para
responder a la pregunta: ¿La ecuaci´on tiene soluci´on?
2. En una f´abrica textil los requerimientos t´ecnicos de insumo por unidad de producto para la
elaboraci´on de dos art´ıculos son: Para el art´ıculo A
1
, 15 horas hombre y 1 hora m´aquina por
unidad de producto, para el art´ıculo A
2
, 2 horas hombre y 17 horas m´aquina por unidad de
producto. Si se ha estimado que en el mes siguiente se podr´a disponer de 790 horas hombre y 390
horas m´aquina, se quiere determinar cual ser´a el plan de producci´on para ese mes: el n´ umero de
unidades que se podr´an producirse con los requerimientos t´ecnicos que se disponen.
a) Determine un sistema de ecuaciones que modele la situaci´on planteada. Utilice la represen-
taci´on geom´etrica de cada una de las ecuaciones del sistema, para responder a las preguntas:
¿El sistema tiene soluci´on?, ¿Qu´e tipo de soluci´on tiene?. Resuelva el sistema utilizando el
´ algebra de los n´ umeros reales. Si existe soluci´on, ¿Es adecuada ´esta soluci´on, para responder
la pregunta de la situaci´on real?
b) Determine una ecuaci´on matricial que modele la situaci´on planteada. Utilice ´algebra matri-
cial, para responder la pregunta siguiente, ¿ La ecuaci´on tiene soluci´on ´ unica?.
c) Encuentre una funci´on f, que permita determinar el tiempo de operaci´on semanal de cada
una de las m´aquinas para la elaboraci´on de los dos productos. En t´erminos de f, reformule
la pregunta que se quiere responder.
d) Determine una ecuaci´on vectorial que modele la situaci´on. Reformule la pregunta que se
quiere responder a ´este contexto. Represente geom´etricamente los vectores utilizados, para
responder a la pregunta: ¿La ecuaci´on tiene soluci´on?
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 9
3. Se han tomado los siguientes datos de los registros de una empresa:
Mes 0 2 4 6 8
Producci´on (miles de d´olares) 0 2.9 14.8 39.7 74.3
Para modelar la producci´on dependiendo del tiempo, el encargado del departamento de produc-
ci´on basado en su experiencia, supone que la funci´on de producci´on es del tipo:
P(t) = at
4
+bt
3
+ct
2
+dt +e.
a) Para determinar la funci´on P el encargado genera un sistema de ecuaciones ¿C´ ual ser´ıa?.
b) Represente este sistema matricialmente. ¿ Puede ser qu´e el sistema tenga soluci´on ´ unica?
¿De qu´e depender´ıa?
c) Represente el sistema vectorialmente. En este contexto ¿Qu´e se desea determinar?
4. La ecuaci´on de demanda para cierto art´ıculo est´a dada por 2p+4x = 50 y la ecuaci´on de la oferta
es 3p−9x = 15, en donde p representa el precio y x la cantidad demandada ´o suministrada, seg´ un
sea el caso. Se desea determinar los valores de x y p en el punto de equilibrio.
a) Encuentre un sistema de ecuaciones que describa la situaci´on dada. Utilice la representaci´on
geom´etrica de cada una de las ecuaciones del sistema, para responder a las preguntas: ¿El
sistema tiene soluci´on?, ¿Qu´e tipo de soluci´on tiene?. Si existe soluci´on, ¿Es adecuada ´esta
soluci´on en la realidad?
b) Use la representaci´on matricial, para responder la pregunta siguiente, ¿ La ecuaci´on tiene
soluci´on ´ unica?.
c) Determine una ecuaci´on vectorial que modele la situaci´on. Represente geom´etricamente los
vectores utilizados, para responder a la pregunta: ¿La ecuaci´on tiene soluci´on?
5. En cada caso, utilice argumentos geom´etricos para dar respuesta a las preguntas, ¿El sistema
tiene soluci´on? ¿Que tipo de soluci´on posee?
a)
_
2x + 3y = 4
x + 4y = −1
b)
_
2x + 4y = 5
4x + 8y = 7
c)
_
2x +y = 1
4x + 2y = 2
d)
_
x + 3y −z = 1
2x +y −z = 4
6. Dado el sistema
_
ax +by = r
cx +dy = s
Utilizando su representaci´on matricial, determine condiciones sobre a, b, c, , d ∈ R, para que el
sistema tenga soluci´on ´ unica y determine su soluci´on.
7. Dado el sistema
x
1
+3x
2
+x
3
= 0
2x
1
−x
2
+5x
3
= 1
3x
1
−3x
2
−x
3
= −1
4x
1
−2x
2
−2x
3
= 3
a) Determine su representaci´on matricial.
b) Determine su representaci´on vectorial.
c) Determine su representaci´on funcional.
10 1. SISTEMAS DE ECUACIONES LINEALES
8. Dado el sistema
x +y −z +w = 0
3x −y +2z +2w = 3
3x −3y −w −4z = −1
a) Repres´entelo matricialmente.
b) Repres´entelo vectorialmente.
c) Repres´entelo funcionalmente.
9. Dada la ecuaci´on matricial
_
_
1 −1 3
2 1 −1
4 3 1
_
_
_
_
x
y
z
_
_
=
_
_
1
0
2
_
_
a) Determine su representaci´on algebraica.
b) Determine su representaci´on funcional.
c) Determine su representaci´on vectorial.
10. Dada la ecuaci´on matricial
_
_
1 1
2 3
−1 1
_
_
t
_
_
s
r
t
_
_
=
_
0
1
_
a) Determine su representaci´on algebraica.
b) Determine su representaci´on funcional.
c) Determine su representaci´on vectorial.
11. Dada la ecuaci´on vectorial
α
_
_
1
2
−1
_
_

_
_
1
0
1
_
_
=
_
_
1
1
0
_
_
a) Determine su representaci´on algebraica.
b) Determine su representaci´on matricial.
c) Determine su representaci´on funcional.
12. Dada la ecuaci´on vectorial
α
_
_
1
0
3
_
_

_
_
1
1
1
_
_

_
_
0
2
−1
_
_
=
_
_
0
0
0
_
_
a) Determine su representaci´on algebraica.
b) Determine su representaci´on matricial.
c) Determine su representaci´on funcional.
3. SISTEMAS LINEALES: REPRESENTACI
´
ON ALGEBRAICA 11
3. Sistemas lineales: Representaci´on algebraica
Las definiciones y algor´ıtmos presentados en est´a seccci´on no var´ıan si en lugar de considerar el cuerpo
de los n´ umeros reales R, se considera el cuerpo de los n´ umeros complejos C (´o cualquier otro cuerpo) y
en lugar de utilizar el ´algebra de n´ umeros reales se utiliza el ´algebra de los n´ umeros complejos.
Definici´ on 3.1. Dados a
1
, a
2
, . . . , a
n
∈ R y b ∈ R una ecuaci´ on de la forma
a
1
x
1
+a
2
x
2
+· · · +a
n
x
n
= b
se denomina ecuaci´on lineal de orden n.
Los n´ umeros fijos, a
1
, a
2
, . . . , a
n
que acompa˜ nan las variables, se denominan coeficientes de la ecua-
ci´on y b t´ermino independiente.
En general, podemos decir que una ecuaci´on de la forma
a
1
f
1
(x
1
) +a
2
f
2
(x
2
) +· · · +a
n
f
n
(x
n
) = b
donde a
1
, a
2
, . . . , a
n
son n´ umeros reales y f
1
, f
2
, . . . , f
n
son funciones reales, es una ecuaci´on lineal si y
solo si f
i
(x
i
) = x
i
para cada i = 1, . . . , n.
Las ecuaciones
2x + 3y = 1,

2s + 3t = π, (3 + 2i)z + 3iw = 2,
son ecuaciones lineales de orden 2 (las dos primeras son ecuaciones lineales en R y la tercera es una
ecuaci´on lineal en C), mientras que las ecuaciones
2

x + 3y = 1,

2x + 3e
y
= π
no lo son, puesto que en la primera ecuaci´ on f
1
(x) =

x = x y en la segunda f
2
(y) = e
y
= y.
Observe que, por la conmutatividad de la adici´on de los n´ umeros reales, el orden de los t´erminos en
una ecuaci´on no es relevante. Sin embargo, para el estudio de las ecuaciones lineales se conviene establecer
un orden, lo que se ve reflejado en los subindices que aparecen en la definici´on. As´ı por ejemplo, en la
ecuaci´on
3x −2y +z −5w = 2
la variable x
1
es la variable que aparece en el primer sumandose la ecuaci´on, esto es x
1
= x, la variable
x
4
= w ya que es la variable del cuarto sumando de la ecuaci´on y as´ı sucesivamente. Esta distinci´on es
importante para poder referirse en forma precisa a las soluciones de una ecuaci´on lineal.
Definici´ on 3.2. Dada una ecuaci´on lineal a
1
x
1
+a
2
x
2
+· · · +a
n
x
n
= b de orden n, decimos que un
vector (s
1
, s
2
, . . . , s
n
) ∈ R
n
es una soluci´on de la ecuaci´on si y solo si
a
1
s
1
+a
2
s
2
+· · · +a
n
s
n
= b
es una proposici´on verdadera.
Al conjunto de todos los vectores de R
n
que verifican la ecuaci´on lineal se le denomina conjunto
soluci´on y se denota por: C
s
.
Ejemplo 3.1. Dada la ecuaci´on lineal de orden 2, 3x + y = 4, el vector (0, 4) ∈ R
2
es una soluci´on
de la ecuaci´on, ya que si x
1
= x = 0 y x
2
= y = 4 se tiene que la proposici´on 3 · 0 + 4 = 4 es verdadera.
Mientras que el vector (1, 3) ∈ R
2
no es soluci´on de la ecuaci´on, debido a que si x = 1 e y = 3 la
proposici´on 3 · 1 + 3 = 4 es falsa.
12 1. SISTEMAS DE ECUACIONES LINEALES
Para que un vector (x, y) de R
2
pertenezca al conjunto soluci´on de la ecuaci´on lineal 3x + y = 4 es
necesario que,
y = 4 −3x
donde x toma cualquier valor en R. Utilizando la suma de vectores de R
2
y el producto por un escalar,
este conjunto queda expresado mediante la ecuaci´on vectorial,
(x, y) = (x, 4 −3x) = (0, 4) +x(1, −3), x ∈ R.
De este modo, el conjunto soluci´on de la ecuaci´on lineal 3x +y = 4 es,
C
s
= {(0, 4) +x(1, −3) | x ∈ R}
cuya representaci´on geom´etricamente es una recta: la recta que pasa por el punto P = (0, 4) en la direcci´on
del vector v = (1, −3).
Es usual que el conjunto soluci´on de una ecuaci´on lineal se exprese en forma vectorial.
Ejemplo 3.2. Para determinar el conjunto soluci´on de la ecuaci´on lineal de orden 3,
x + 2y −z = 3
despejamos cualquiera de las variables de la ecuaci´on, por ejemplo x
x = 3 −2y +z.
Observe que en este caso las variables y y z son variables libres ´o par´ametros, lo que significa que pueden
tomar cualquier valor en el conjunto de los n´ umeros reales, y x depende de los valores asignados a estas
dos variables. El conjunto soluci´on en este caso depender´a de dos par´ametros.
Utilizando la suma de vectores y el producto escalar de R
3
, se tiene que un vector (x, y, z) ∈ R
3
pertenece al conjunto soluci´on si y solo si
(x, y, z) = (3 −2y +z, y, z) = (3, 0, 0) +y(−2, 1, 0) +z(1, 0, 1), y, z ∈ R.
Concluy´endose que el conjunto soluci´on de la ecuaci´on lineal dada es
C
s
= {(3, 0, 0) +y(−2, 1, 0) +z(1, 0, 1) | y, z ∈ R},
el cual representa geom´etricamente un plano en R
3
: el plano que pasa por el punto P = (3, 0, 0) y
est´a generado por los vectores v = (−2, 1, 0) y u = (1, 0, 1).
5
Definici´ on 3.3. Un sistema de ecuaciones lineales de orden m×n es un conjunto de m ecuaciones
lineales de orden n, el cual se representa explicitamente por,
S :
_
¸
¸
¸
_
¸
¸
¸
_
a
11
x
1
+a
12
x
2
+· · · +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+· · · +a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+a
m2
x
2
+· · · +a
mn
x
n
= b
m
donde a
ij
∈ R, para todo i = 1, 2, . . . , m, j = 1, 2, . . . , n, y b
k
∈ R para todo k = 1, 2, . . . , m.
5
Para un repaso del ´algebra y geometr´ıa vectorial, ver el apendice: Geometr´ıa vectorial.
3. SISTEMAS LINEALES: REPRESENTACI
´
ON ALGEBRAICA 13
Los n´ umeros a
ij
se denominan los coeficientes del sistema lineal y los b
k
t´erminos indepen-
dientes. Los x
i
son las variables del sistema.
Observe que para nombrar los coeficientes del sistema se hace referencia a dos sub´ındices: i, j, que
indican respectivamente la ecuaci´on lineal a la cual pertenece y la variable que acompa˜ na. As´ı, a
ij
ser´a el
coeficiente de la variable j en la ecuaci´on i del sistema.
Ejemplo 3.3. Dado el sistema lineal de orden 2 ×3
_
3x + 2y + 3z = 1
4x + 3y −5z = −1
el coeficiente a
23
= −5, que es el n´ umero que en la ecuaci´on 2 del sistema acompa˜ na a la variable 3 (la
variable z).
Definici´ on 3.4. Un vector (s
1
, s
2
, . . . , s
n
) ∈ R
n
es una soluci´on del sistema S si y solo si es soluci´on
de cada una de las ecuaciones lineales del sistema.
Al conjunto de todas las soluciones de un sistema lineal se le denomina conjunto soluci´on del
sistema y se denota por: C
S
.
Un vector (s
1
, s
2
, . . . , s
n
) ∈ R
n
ser´a una soluci´on del sistema S si al darle a cada variable x
i
el valor s
i
,
para todo i = 1, 2, . . . n, en cada una de las ecuaciones del sistema, se obtienen proposiciones verdaderas.
Lo que equivale a que el vector (s
1
, s
2
, . . . , s
n
) pertenece a la intersecci´on de los conjuntos soluciones de
las ecuaciones lineales que forman el sistema. Por tanto
C
S
= C
s1
∩ C
s2
∩ · · · ∩ C
sm
donde C
s
k
, k = 1, 2, . . . , m, representa el conjunto soluci´on de la k −´esima ecuaci´on del sistema S de
orden m× n. De este modo, determinar el conjunto soluci´on de un sistema lineal es encontrar la inter-
secci´on de los conjuntos soluciones de las ecuaciones lineales del sistema.
Si un sistema de ecuaciones lineales no tiene soluci´on se dice que es inconsistente y si tiene se
dice que es consistente. Por tanto, dado un sistema lineal S, si C
S
= ∅ el sistema es inconsistente, y si
C
S
= ∅ el sistema es consistente.
Definici´ on 3.5. Diremos que dos sistemas lineales S
1
y S
2
son equivalentes si tienen el mismo
conjunto soluci´ on. En tal caso escribimos: S
1
≈ S
2
. As´ı,
S
1
≈ S
2
si y solo si C
S1
= C
S2
.
Ejemplo 3.4. Los sistema lineal de orden 2 ×2
S
1
:
_
3x + 5y = 1
2x + 10y = 4
S
2
:
_
3x + 5y = 1
x + 5y = 2
difieren en la segunda ecuaci´on, pero una ecuaci´on se puede obtener de la otra multiplicando a ambos
lados de la igualdad por un n´ umero: por
1
2
si se considera el sistema S
1
´o por 2 si se considera S
2
. Como
al multiplicar una ecuaci´on por un n´ umero real distinto de 0, el conjunto soluci´on de la ecuaci´on lineal
no cambia, se tiene que la intersecci´on de los conjuntos soluci´on de las ecuaciones del sistema S
1
y la
intersecci´on de los conjuntos soluci´on de las ecuaciones del sistema S
2
es la misma, luego C
S1
= C
S2
y
S
1
≈ S
2
.
14 1. SISTEMAS DE ECUACIONES LINEALES
3.1. Operaciones elementales.
Dado un sistema S de orden m × n, utilizando las propiedades algebraicas de los n´ umeros reales,
podemos darnos cuenta que existen tres tipos de operaciones que permiten obtener sistemas equivalentes,
las cuales denominaremos operaciones elementales. Estas son:
1. Intercambio de ecuaciones.
2. Multiplicar una ecuaci´on por un n´ umero distinto de cero.
3. Multiplicar una ecuaci´on por un n´ umero y sumarlo a otra ecuaci´on.
Determinar el conjunto soluci´on de un sistema lineal S es construir una sucesi´on de sistemas equi-
valentes, S
1
, S
2
, . . . , S
r
, cada vez m´as simples, de forma tal que las soluciones del sistema se puedan
determinar a partir del sistema S
r
por sustituci´on o por simple inspecci´on, como se puede observar en el
ejemplo siguiente.
Ejemplo 3.5. Determine el conjunto soluci´on del sistema lineal de orden 3 ×3
S :
_
¸
_
¸
_
x +y −z = 1
3x +y +z = 2
5x +y + 3z = 3
Soluci´ on
De acuerdo a lo anterior, para encontrar las soluciones del sistema S determinamos sistemas equiva-
lentes utilizando operaciones elementales.
Si se multiplica la primera ecuaci´on del sistema S por −3 y se suma t´ermino a t´ermino con la segunda
ecuaci´on, se obtiene el sistema S
1
el cual es equivalente a S
S ≈ S
1
:
_
¸
_
¸
_
x +y −z = 1
−2y + 4z = −1
5x +y + 3z = 3
.
Si ahora se multiplica por −5 la primera ecuaci´on del sistema S
1
y se suma miembro a miembro con la
tercera ecuaci´on, se tendr´a un sistema S
2
equivalente a S
1
, que por transitividad es a su vez es equivalente
a S,
S ≈ S
1
≈ S
2
:
_
¸
_
¸
_
x +y −z = 1
−2y + 4z = −1
−4y + 8z = −2
.
Si a continuaci´on, se multiplica la tercera ecuaci´on del sistema S
2
por
1
2
, se obtiene un sistema S
3
equivalente a S
2
y a todos los anteriores,
S ≈ S
1
≈ S
2
≈ S
3
:
_
¸
_
¸
_
x +y −z = 1
−2y + 4z = −1
−2y + 4z = −1
.
Note que las dos ´ ultimas ecuaciones del sistema S
3
son iguales, lo que significa geom´etricamente, que de
los tres planos que forman el sistema S dos son iguales, como la intersecci´on de dos planos no puede ser
un punto, se concluye que si el sistema S tiene soluci´on ´esta no es ´ unica.
Si se multiplica por −1 la segunda ecuaci´on de S
3
y se suma con la tercera, se tiene el sistema S
4
,
3. SISTEMAS LINEALES: REPRESENTACI
´
ON ALGEBRAICA 15
S ≈ S
1
≈ S
2
≈ S
3
≈ S
4
:
_
¸
_
¸
_
x +y −z = 1
−2y + 4z = −1
0 = 0
.
en el cual ya no aparecen tres ecuaciones si no dos, en total coherencia con lo observado geom´etricamen-
te: hay dos planos y no tres. Preste atenci´ on al significado de las dos ecuaciones de S
4
. Observe que los
dos planos representados por las ecuaciones son diferentes y no paralelos, debido a que tienen vectores
normales no paralelos: (1, 1, −1) y (0, −2, 4) respectivamente, lo que permite concluir que su intersecci´on
es una recta, lo que corresponde algebraicamente a que el sistema tiene infinitas soluciones las cuales
depender´an de una variable: el par´ametro que sirve para describir vectorialmente la recta intersecci´on.
Finalmente, multiplicando la segunda ecuaci´on del sistema S
4
por
1
2
obtenemos el sistema S
5
,
S ≈ S
1
≈ S
2
≈ S
3
≈ S
4
≈ S
5
:
_
¸
_
¸
_
x +y −z = 1
y −2z =
1
2
0 = 0
.
Utilizando el sistema S
5
, se puede determinar el conjunto soluci´on del sistema S, de la siguiente manera:
Se despeja la variable y en la ecuaci´on dos para obtener y en t´erminos de z,
y =
1
2
+ 2z,
la variable y se sustituye en la ecuaci´on 1 y se determina x en t´erminos de z
x = 1 −y +z = 1 −
_
1
2
+ 2z
_
+z =
1
2
−z.
Los valores de las variables x e y dependen de los valores de la variable z, esto da origen a una distin-
ci´on entre estos dos tipos de variables:en general, las variables dependientes se denominar´an variables
b´asicas y las variables independientes variables libres o par´ametros. En el caso del sistema que se
est´a considerado x e y son las variables b´asicas y z el par´ametro.
Un vector (x, y, z) de C
S
es de la forma
(x, y, z) =
_
1
2
−z,
1
2
+ 2z, z
_
=
_
1
2
,
1
2
, 0
_
+z(−1, 2, 1) donde z ∈ R.
El conjunto soluci´on del sistema S est´a dado por:
C
S
=
__
1
2
,
1
2
, 0
_
+z(−1, 2, 1) | z ∈ R
_
y representa la recta de R
3
que pasa por el punto Q = (
1
2
,
1
2
, 0) en la direcci´on del vector v = (−1, 2, 1).

Ejemplo 3.6. Suponga que dos productos P
1
y P
2
compiten. La demandas d
1
y d
2
de estos productos
est´an relacionadas a sus precios p
1
y p
2
por las ecuaciones de demanda
d
1
= 17 −2p
1
+
1
2
p
2
y d
2
= 20 −3p
2
+
1
2
p
1
.
Las ecuaciones de la oferta son
p
1
= 2 +d
1
+
1
3
d
2
y p
2
= 2 +
1
2
d
2
+
1
4
d
1
.
16 1. SISTEMAS DE ECUACIONES LINEALES
que dan los precios a los cuales las cantidades d
1
y d
2
estar´an disponibles en el mercado. En el punto de
equilibrio del mercado, las cuatro ecuaciones deben satisfacerse, ya que la demanda y la oferta deben ser
iguales.
Para determinar los valores de equilibrio para d
1
, d
2
, p
1
y p
2
, es necesario resolver un sistema de ecua-
ciones.
Ordenando las ecuaciones, se obtiene el sistema
_
¸
¸
_
¸
¸
_
d
1
+ 2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+ 3p
2
= 20
−d
1

1
3
d
2
+p
1
= 2

1
4
d
1

1
2
d
2
+p
2
= 2
Multiplicando la tercera ecuaci´on por −1 y la cuarta ecuaci´on por −4, se tiene el sistema equivalente
_
¸
¸
_
¸
¸
_
d
1
+ 2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+ 3p
2
= 20
d
1
+
1
3
d
2
−p
1
= −2
d
1
+ 2d
2
−4p
2
= −8
Manteniendo fija la primera ecuaci´on, y restandola a la tercera y cuarta se obtiene el sistema equivalente
_
¸
¸
_
¸
¸
_
d
1
+2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+ 3p
2
= 20
1
3
d
2
−3p
1
+
1
2
p
2
= −19
2d
2
−2p
1

7
2
p
2
= −25
.
Manteniendo fija las dos primeras ecuaciones, rest´andole a la tercera ecuaci´on la segunda ecuaci´on mul-
tiplicada por
1
3
y rest´andole a la cuarta la segunda ecuaci´on multiplicada por −2 se tiene, el sistema
equivalente
_
¸
¸
_
¸
¸
_
d
1
+2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+ 3p
2
= 20

17
6
p
1

1
2
p
2
= −
77
6
−p
1

19
2
p
2
= −65
.
Multiplicando la cuarta ecuaci´on por −1 e intercambi´andola por la tercera se tiene,
_
¸
¸
_
¸
¸
_
d
1
+2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+ 3p
2
= 20
p
1
+
19
2
p
2
= 65

17
6
p
1

1
2
p
2
= −
77
3
.
Multiplicando la ecuaci´on 3 por
17
6
y sumandola a la 4, se obtiene el sistema triangular
_
¸
¸
_
¸
¸
_
d
1
+2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+3p
2
= 20
p
1
+
19
2
p
2
= 65
317
12
p
2
=
317
2
Para obtener el valor de p
2
basta multiplicar la cuarta ecuaci´on de este sistema por
12
317
. Utilizando
sustituciones regresivas en el sistema
_
¸
¸
_
¸
¸
_
d
1
+2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+3p
2
= 20
p
1
+
19
2
p
2
= 65
p
2
= 6
3. SISTEMAS LINEALES: REPRESENTACI
´
ON ALGEBRAICA 17
se obtienen los valores d
1
= 4, d
2
= 6, p
1
= 8 y p
2
= 6, que ser´an las soluciones para el punto de equilibrio
del mercado.
Es conveniente, que antes de seguir adelante, se resuelvan algebraicamente varios sistemas de ecuacio-
nes lineales de orden cada vez mayor, con el prop´osito de que se puedan experimentar las dificultades de
los tratamientos algebraicos de los sistemas y que se genere la necesidad de encontrar un procedimiento
sistem´atico m´as eficiente para determinar su conjunto soluci´on.
Ejercicios 3.1.
1. Determine si las ecuaciones dadas, son lineales o no en las variables x, y, z. Justifique con preci-
si´on.
a) 3x + 2y = 5 −z + 2x
b)

2x +y = πz
c) x +y
−1
−z = 0
d) (ln 2)x + ln 2y = 3z −2
e) (arctan 1)x +y cos π =

3z + 2π
2. En cada caso, encuentre el conjunto soluci´on de cada una de las ecuaciones lineales. ¿Qu´e repre-
senta geom´etricamente?
a) 2x + 3y = 3 −2y
b) 3x −2y = y −x
c) 3x = 3x −y + 1
d) z −5x −y = 4 −z
e) x + 2y + 3z = 0
f ) x + 3y + 2z = 2 −w
3. Utilizando un cambio de variable y determinando las restricciones sobre las variables que hacen
v´alido ´este cambio, transforme cada una de las ecuaciones no lineales, a una ecuaci´on lineal que
tenga el mismo conjunto que la ecuaci´on no lineal dada.
a) x +
1
y
= z
−1
b) sin x + 3 cos y = 1
c)
2
x
+
3
y
+ 3z = 1
d) x
2
+y
2
+z
2
= 10
e) x
2
−2x +y
2
−4x −4 = 0
f ) cos x + 2 sin y −z
2
−2z = 0
4. Compruebe que, todo vector (x, y, z) ∈ R talque, x = −2 − 2z, y = 3 + z y z ∈ R satisface el
sistema
_
x +y +z = 1
2x + 3y +z = 5
5. ¿Todo vector de la forma
_
2
3
,
2
3
, 0, 0
_
+z
_
4
3
, −
1
3
, 1, 0
_
+w(0, 0, 0, −1) con z, w ∈ R, es una soluci´on
del sistema
_
x −y +z −w = 0
2x +y + 3z +w = 2
?
18 1. SISTEMAS DE ECUACIONES LINEALES
6. Sin resolver los sistemas, demuestre que son equivalentes
_
_
_
x
1
−x
2
+x
3
= 1
2x
1
+ 2x
2
−3x
3
= −2
3x
1
−4x
2
−4x
3
= 1
_
_
_
2x
1
+ 2x
2
−3x
3
= −2
4x
1
−4x
2
+ 4x
3
= 4
5x
2
+ 2x
3
= −2
7. ¿Para que valores de a ∈ R el sistema
_
ax
1
+x
2
= 1
x +ax
2
= −2
tiene soluci´on ´ unica?
8. Determine el conjunto soluci´on de cada uno de los sistemas lineales dados
a)
_
_
_
x −y +z = 2
2x +y −3z = 1
x −2y +z = 0
b)
_
x −y + 3z −2w = 1
2x −3y +z +w = 0
c)
_
¸
_
¸
_
x +y −z = 0
−x −3y +z = 1
x +y +z = 2
d)
_
¸
_
¸
_
2x + 4y + 6z = 18
4x + 5y + 6z = 24
2x + 7y + 12z = 30
e)
_
¸
_
¸
_
2y + 3z = 4
2x −6y + 7z = 15
x −2y + 5z = 10
9. Demuestre que el sistema
_
¸
_
¸
_
x
1
−4x
2
+ 9x
3
= r
x
1
+ 2x
2
−x
3
= s
2x
1
+x
2
+ 3x
3
= t
tiene soluci´on para todo r, s, t ∈ R que satisfacen r = 2t −3s.
10. Encuentre un sistema lineal de orden 2 ×2 cuyo conjunto soluci´on sea
{(0, 3) +t(1, −2) | t ∈ R} .
11. Encuentre un sistema lineal de orden 3 ×3 cuyo conjunto soluci´on sea
{(0, 1, 2) +t(1, 1, −1) | t ∈ R}
12. Por sustituci´on, determine las soluciones de cada uno de los sistemas triangulares dados
3. SISTEMAS LINEALES: REPRESENTACI
´
ON ALGEBRAICA 19
a)
_
_
_
x +y +z = 10
2y +z = 1
z = 2
b)
_
x −2y +z = 3
y +z = −1
c)
_
¸
¸
_
¸
¸
_
a +b −c −d = 1
b +c +d = 0
c −d = 0
d = 1
d)
_
¸
¸
_
¸
¸
_
2u −3v +w +t = 0
v +w +t = 1
2w −3t = 0
2t = 1
e)
_
_
_
x = 1
2x +y = 2
3x + 4y −z = 0
f )
_
_
_
a = −2
1
2
a +b = 3

3
2
a +
1
2
b + 2c = 5
13. Determine, si existe, la intersecci´on de las rectas de ecuaci´on x + 2y = 2 y 2y −x = 4.
14. La se˜ nora Rodr´ıguez est´a mudando su biblioteca, al empacar los libros observa que si coloca 7
libros en cada caja, dejar´a uno afuera. Por otro lado, si pone 8 libros en cada caja, la ´ ultima caja
s´olo contendr´a un libro. ¿Cu´antas cajas y cu´antos libros hay en la biblioteca?
15. Nicol´as y Claudia est´an jugando a las cartas. Al inicio cada uno tiene la misma cantidad de
cartas. Durante la primera ronda Nicol´as gan´o 20 cartas, pero durante la segunda ronda perdi´o
2
3
de las que ten´ıa al comenzar. Al final de la segunda ronda, Claudia tiene tres veces las cartas que
tiene Nicol´as. ¿Cu´al era la cantidad total de cartas que se ten´ıan?
16. Determine la ecuaci´on de una par´ abola con eje vertical en el planlo XY, que pasa por los puntos
P(1, 1), Q(−1, 3) y R(2, 5).
17. Determine la ecuaci´on del plano que contiene los puntos P(1, 1, 2), Q(0, 1, 2) y R(−1, 0, 1).
18. Determine la ecuaci´on del hiperplano de R
4
que contiene los puntos: P(1, −1, 1, −1), Q(0, 3, 1, 1)
y R(2, 3, 1, 0) y pasa por el origen.
19. Determine constantes A y B tales que
1
(x −2)(x + 4)
=
A
x −2
+
B
x −4
20. La demanda semanal del mercado de un determinado producto est´a expresada por la funci´on
lineal: q = 16 −p y el suministro semanal al mercado por la funci´on lineal: q = −4 + 2p.
a) ¿Cu´al es el precio de equilibrio del mercado?
20 1. SISTEMAS DE ECUACIONES LINEALES
b) Si el exceso de demanda est´a definido como la diferencia algebraica entre la cantidad deman-
dada y la cantidad suministrada a un precio de mercado dado, ¿cu´al es el exceso de demanda
cuando el precio es de 3 unidades monetarias?
c) Si el exceso de suministro est´a definido como la diferencia algebraica entre la cantidad sumi-
nistrada y la demanda a un precio de mercado dado, ¿cu´al es el exceso de suministro cuando
el precio es de 5 unidades monetarias?
d) Grafique las dos funciones indicando los valores pedidos en los items anteriores.
21. La demanda de cierto producto agr´ıcola est´a dada por p + 5q = 21, y el suministro proyectado
es, p −2q = 7.
a) ¿ Cu´ales son el precio y la cantidad de equilibrio?
b) ¿Cu´al es el precio m´as bajo en que no se vender´a unidad alguna?
c) Si el gobierno comprase todo lo que se le ofreciera a $ 16, ¿cu´anto se suministrar´ıa a ese
precio y cuant´o ser´ıa pedido por los consumidores?
22. Las ecuaciones de la oferta y la demanda de cierto art´ıculo son: 3p + 5x = 200 y 7p − 3x = 56,
respectivamente.
a) Determine los valores de x y p en el punto de equilibrio del mercado.
b) Si se impone un impuesto sobre las ventas de 12 % en cada art´ıculo. Determine los nuevos
valores de equilibrio e interpr´ete geom´etricamente.
23. La intersecci´on de los tres hiperplanos x+y +z +w = 6, x+z +w = 4 y x+z = 2 de R
4
¿Es una
recta, un punto ´o un conjunto vac´ıo? ¿Cu´al es la intersecci´on si se incluye el hiperplano x = −1.
24. ¿ Qu´e condiciones deben cumplirse para que los puntos (0, a), (1, b) y (−1, c) est´en en l´ınea recta?
25. ¿Para qu´e valores de α ∈ R, el conjunto soluci´on del sistema
_
αx + 3y = 0
3x +αy = 0
representa una recta?
26. En cada caso, encuentre un cambio de variable que transforme el sistema no lineal dado en uno
lineal y util´ıcelo para determinar las soluciones del sistema no lineal.
a)
_
_
_
1
x

1
y
= −1
3
x

1
y
= 3
b)
_
2x
2
−4y
2
= 2
3x
2
−y
2
= 3
c)
_
ln(xy) = 2
ln
_
x
y
_
= 1
d)
_
2
x+1
−3
y
= 1
2
x+2
−3
y+1
= 0
e)
_
_
_
tan x −sin y + cos z = 2
tan x −2 sin y = 2
sin y −cos z = −1
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 21
4. Sistemas de ecuaciones lineales: Primera representaci´on matricial
Para sistematizar el procedimiento de busqueda de soluciones de un sistema, es conveniente hacer un
cambio en la forma en que se representa. El primer paso, consiste en abstraer su data num´erica y utilizar
matrices para su representaci´on.
Dado el sistema S de orden m×n
S :
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
a
11
x
1
+a
12
x
2
+· · · +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+· · · +a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+a
m2
x
2
+· · · +a
mn
x
n
= b
m
se construye una matriz A = (a
ij
)
m×n
con los coeficientes del sistema, en donde a
ij
representa el coefi-
ciente en la ecuaci´on i de la variable j, explicitamente
A =
_
¸
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
· · · a
mn
_
¸
¸
¸
_
.
Esta matriz es denominada matriz de coeficientes del sistema S y es una completa representaci´on de
la informaci´on del lado izquierdo (antes de los signos de igualdad) de las ecuaciones del sistema.
Si a la matriz A se le adiciona una columna, y en ella se coloca el vector columna
b =
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
n
_
¸
¸
¸
_
formado por los t´erminos independientes de cada ecuaci´on, el sistema S queda representado por la matriz
[A | b ] de orden m×(n + 1) dada por,
[A | b ] =
_
¸
¸
¸
_
a
11
a
12
· · · a
1n
b
1
a
21
a
22
· · · a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
· · · a
mn
b
m
_
¸
¸
¸
_
la cual se denomina matriz aumentada del sistema S. Esta matriz contiene toda la data relevante del
sistema S: las filas contienen la data num´erica de las ecuaciones del sistema. Observe que se ha utilizado
una linea vertical para separar los coeficientes de las ecuaciones de sus t´erminos independientes, esto no
es necesario y s´olo se hace para facilitar el paso a la representaci´on algebraica de los sistemas.
Ejemplo 4.1. En el sistema
S :
_
¸
_
¸
_
x +y −z = 1
3x +y +z = 2
5x +y + 3z = 3
la matriz de coeficientes del sistema es la matriz
22 1. SISTEMAS DE ECUACIONES LINEALES
A =
_
_
1 1 −1
3 1 1
5 1 3
_
_
,
el vector de t´erminos independiente es el vector b =
_
_
1
2
3
_
_
y el sistema S quedar´a representado por la
matriz ampliada
[A | b ] =
_
_
1 1 −1 1
3 1 1 2
5 1 3 3
_
_
.
Ejemplo 4.2. Si la matriz aumentada de un sistema es
_
¸
¸
_
1 −1 2 1 −3 2
0 2 1 1 −1 3
2 −1 3 −2 4 1
1 5 1 1 0 3
_
¸
¸
_
su representaci´on algebraica est´a dada por
x
1
−x
2
+2x
3
+x
4
−3x
5
= 2
2x
2
+x
3
+x
4
−x
5
= 3
2x
1
−x
2
+3x
3
−2x
4
+4x
5
= 1
x
1
+5x
2
+x
3
+x
4
= 3
Puesto que la matriz aumentada de un sistema representa fielmente todas sus ecuaciones, de inme-
diato se puede observar que toda operaci´on elemental aplicada sobre un sistema S, se transforma en una
operaci´on sobre las filas de su matriz ampliada, operaci´on que denominar´emos Operaci´on elemental
de fila.
4.1. Operaciones elementales de fila.
Las operaciones elementales de fila pueden ser definidas en forma general para cualquier matriz
A ∈ M
m×n
(R)
6
, sea que represente ´o no a un sistema de ecuaciones lineales.
Existen tres operaciones elementales de fila: Intercambio de fila, escalamiento y reducci´on.
Si representamos la matriz A = (a
ij
)
m×n
por medio de sus vectores fila,
A =
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
F
1
F
2
.
.
.
F
i
.
.
.
F
j
.
.
.
F
m
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
las operaciones elementales de fila quedan definidas de la siguiente manera:
6
Las operaciones que se van a definir, no cambian si considera A ∈ M
m×n
(C)
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 23
Intercambio de filas. Un intercambio de filas es la funci´on ρ : M
m×n
(R) → M
m×n
(R) definida
por:
ρ(A) =
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
F
1
F
2
.
.
.
F
j
.
.
.
F
i
.
.
.
F
m
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Esta operaci´on consiste en permutar (intercambiar) dos filas en una matriz.
Si en una matriz se intercambia la fila i con la fila j se escribe: F
i
↔ F
j
para indicar la operaci´on
realizada.
Escalamiento. Dado α ∈ R − {0} un escalamiento es la funci´on ρ : M
m×n
(R) → M
m×n
(R)
definida por:
ρ(A) =
_
¸
¸
¸
¸
¸
¸
¸
¸
_
F
1
F
2
.
.
.
αF
i
.
.
.
F
m
_
¸
¸
¸
¸
¸
¸
¸
¸
_
.
Esta operaci´on consiste en multiplicar una fila de A por un n´ umero distinto de cero.
Si la fila i de una matriz se multiplica por α = 0, para indicar esta operaci´on, se escribe: αF
i
.
Reducci´on. Dado α ∈ R una reducci´on es la funci´on ρ : M
m×n
(R) → M
m×n
(R) definida por:
ρ(A) =
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
F
1
F
2
.
.
.
F
i
.
.
.
F
j
+αF
i
.
.
.
F
m
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Esta operaci´on consiste en un escalamiento, la suma de dos filas y una sustituci´on.
Si el vector fila F
i
de A se multiplica por α, se obtiene el vector αF
i
; si a continuaci´on este
vector se suma con el vector fila F
j
se genera el vector F
j
+ αF
i
el cual sustituye al vector F
j
de A para obtener la matriz B = ρ(A) que es una reducci´on de la matriz A. Esta operaci´on se
denota por: F
j
+αF
i
, (indicando explicitamente cual fila es multiplicada por el escalar α y cual
es la fila sustituida).
24 1. SISTEMAS DE ECUACIONES LINEALES
Definici´ on 4.1. Dos matrices A y B en M
m×n
(R) se dicen equivalentes por filas, si existe una
sucesi´on de operaciones elementales de fila ρ
1
, ρ
2
, . . . , ρ
s
tal que,
B = (ρ
s
◦ ρ
s−1
◦ · · · ◦ ρ
2
◦ ρ
1
)(A) = ρ
s

s−1
(· · · (ρ
2

1
(A))))).
Dos matrices ser´an equivalentes por filas, si una se obtiene a partir de la otra aplicando sucesiva-
mente operaciones elementales de fila. Si las matrices A y B son equivalentes por filas se escribir´a: A ≈ B.
En los ejemplos siguientes se determinar´a la soluci´on de un sistema lineal mediante su representaci´on
matricial y la aplicaci´on sucesiva de operaciones elementales de fila. Preste especial atenci´on a las carac-
ter´ısticas de la matriz con la cual se puede determinar si el sistema es o no consistente.
Ejemplo 4.3. Determine el conjunto soluci´on del sistema
_
¸
_
¸
_
x + 2y +z = 1
−x −y −z = 0
x + 5y + 2z = 2
Soluci´ on
A partir de la matriz aumentada del sistema:
[A | b ] =
_
_
1 2 1 1
−1 −1 −1 0
1 5 2 2
_
_
aplicamos operaciones elementales de fila de la siguiente forma:
_
_
1 2 1 1
−1 −1 −1 0
1 5 2 2
_
_

F
2
+F
1
_
_
1 2 1 1
0 1 0 1
1 5 2 2
_
_
Note que la ´operaci´on de fila aplicada, equivale algebraicamente a haber eliminado la variable x de la
segunda ecuaci´on del sistema. Es conveniente ir indicando en cada paso las operaciones elementales de
fila realizadas, ya que esto facilita el proceso de revisi´on de los c´alculos n´ umericos.
_
_
1 2 1 1
0 1 0 1
1 5 2 2
_
_

F
3
+ (−1)F
1
_
_
1 2 1 1
0 1 0 1
0 3 1 1
_
_

F
3
+ (−3)F
2
_
_
1 2 1 1
0 1 0 1
0 0 1 −2
_
_
en este punto, podemos darnos cuenta que es el sistema tiene soluci´on ´ unica. Cambiando a la represen-
taci´on algebraica se tiene que S es equivalente al sistema
_
¸
_
¸
_
x + 2y +z = 1
y = 1
z = −2
.
Por sustituci´on se obtiene: x = 1, y = 1 y z = −2.
Por tanto, el conjunto soluci´on del sistema contiene un solo elemento,
C
S
= {(1, 1, −2)}.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 25
La interpretaci´on geom´etrica de este resultado es la siguiente: los planos que forman el sistema se
intersectan en un punto.
La etapa de sustituci´on, puede ser reemplazada por la aplicaci´on de operaciones elementales de la
manera siguiente,
_
_
1 2 1 1
0 1 0 1
0 0 1 −2
_
_

F
1
+ (−1)F
3
_
_
1 2 0 3
0 1 0 1
0 0 1 −2
_
_

F
1
+ (−2)F
2
_
_
1 2 1 1
0 1 0 1
0 0 1 −2
_
_

F
1
+ (−1)F
3
_
_
1 2 1 1
0 1 0 1
0 0 1 −2
_
_

F
1
+ (−1)F
3
_
_
1 0 0 1
0 1 0 1
0 0 1 −2
_
_
Directamente de la ´ ultima matriz, se tiene x = 1, y = 1 y z = −1.

Observe que, si el inter´es es s´olo analizar si un sistema es consistente o no, el proceso terminar´a al
obtener la matriz
_
_
1 2 1 1
0 1 0 1
0 0 1 −2
_
_
.
Ejemplo 4.4. Determine el conjunto soluci´on del sistema lineal de orden 3 ×3
S :
_
¸
_
¸
_
x +y −z = 1
3x +y +z = 2
5x +y + 3z = 3
Soluci´ on
El conjunto soluci´on de este sistema fue encontrado anteriormente, utilizando su representaci´on al-
gebraica. Ahora se resolver´a mediante la aplicaci´on de operaciones elementales de fila con el prop´osito de
observar la simplificaci´on que se obtiene con la representaci´on matricial.
[A | b ] =
_
_
1 1 −1 1
3 1 1 2
5 1 3 3
_
_

F
2
+ (−3)F
1
F
3
+ (−5)F
1
_
_
1 1 −1 1
0 −2 4 −1
0 −4 8 −2
_
_

F
3
+ (−2)F
2
_
_
1 1 −1 1
0 −2 4 −1
0 0 0 0
_
_
En este momento, se puede afirmar que el sistema tiene soluci´on. Que la ´ ultima fila de la matriz sea nula,
significa que el sistema tiene infinitas soluciones, note que su soluci´on depender´a de la variable z ¿De
qu´e depende esto?.
Continuando con la aplicaci´on de las operaciones elementales de fila se tiene,
_
_
1 1 −1 1
0 −2 4 −1
0 0 0 0
_
_

(−
1
2
)F
2
_
_
1 1 −1 1
0 1 −2
1
2
0 0 0 0
_
_

F
1
+ (−1)F
2
_
_
1 0 1
1
2
0 1 −2
1
2
0 0 0 0
_
_
.
26 1. SISTEMAS DE ECUACIONES LINEALES
Por tanto,
x =
1
2
−z, y =
1
2
+ 2z, z ∈ R
y
C
S
=
_
(
1
2
,
1
2
, 0) +z(−1, 2, 1) | z ∈ R
_
.

Ejemplo 4.5.
Determine si el sistema lineal
_
¸
_
¸
_
y −4z = 8
2x −3y + 2z = 1
5x −8y + 7z = 1
tiene soluci´on.
Soluci´ on Aplicando operaciones elementales del fila a la matriz aumentada del sistema se tiene
_
_
0 1 −4 8
2 −3 2 1
5 −8 7 1
_
_

F
1
↔ F
2
_
_
2 −3 2 1
0 1 −4 8
5 −8 7 1
_
_

(
1
2
)F
1
_
_
1 −
3
2
1
1
2
0 1 −4 8
5 −8 7 1
_
_

F
3
+ (−5)F
1
_
_
1 −
3
2
1
1
2
0 1 −4 8
0 −
1
2
2 −
3
2
_
_

F
3
+ (
1
2
)F
2
_
_
1 −
3
2
1
1
2
0 1 −4 8
0 0 0
5
2
_
_
Si se representa algebraicamente la fila inferior de la ´ ultima matriz obtenida, se llega a la contradicci´on
0 =
5
2
, lo que indica que el sistema no tiene soluci´on.

4.2. Formas escalonadas y algoritmos para la soluci´on de un sistema lineal.
En los ejemplos anteriores, para analizar la consistencia de un sistema lineal, se han aplicado ope-
raciones elementales a la matriz aumentada del sistema hasta obtener una matriz con una forma bien
determinada, de escal´on
_
¸
_
1 −
3
2
1
1
2
0 1 −4 8
0 0 0
5
2
_
¸
_
motivo por el cu´al son denominadas: formas escalonadas.
Definici´ on 4.2. Se dice que una matriz A ∈ M
m×n
(R) se encuentra en forma escalonada por
filas, si satisface las condiciones siguientes:
1. Las filas nulas, si existen, est´an en la parte inferior de la matriz.
2. El primer elemento distinto de cero (de izquierda a derecha) en una fila no nula es un uno,
denominado uno principal.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 27
3. Cada uno principal, est´a a la derecha de los unos principales de las filas anteriores.
Si adicionalmente A satisface la propiedad:
4. Cada columna que tiene un uno principal, tiene nulos los dem´as elementos
se dice que A est´a en forma escalonada reducida.
El primer elemento, de izquierda a derecha, distinto de cero en una fila se denomina un pivote. Todo
pivote en una fila puede ser convertido en un 1 principal. La columna en la cual se encuentra un pivote
se suele llamar columna pivote.
Las siguientes matrices se encuentran en forma escalonada,
_
¸
¸
¸
¸
_
1 0 3 −1 4
0 1 0 8 2
0 0 0 1 2
0 0 0 0 0
0 0 0 0 0
_
¸
¸
¸
¸
_
_
¸
_
1 2 3 −1
0 0 1 2
0 0 0 1
_
¸
_
_
¸
_
0 1 0 0 3 2
0 0 0 1 −1 0
0 0 0 0 0 1
_
¸
_.
Las siguientes matrices est´an en forma escalonada reducida,
_
¸
¸
¸
¸
_
1 0 3 0 6
0 1 0 0 −14
0 0 0 1 2
0 0 0 0 0
0 0 0 0 0
_
¸
¸
¸
¸
_
_
¸
_
1 2 0 0
0 0 1 0
0 0 0 1
_
¸
_
_
¸
_
0 1 0 0 3 0
0 0 0 1 −1 0
0 0 0 0 0 1
_
¸
_.
y son equivalentes por filas, respectivamente a las formas escalonadas anteriores.
Mientras que las matrices siguientes, no se encuentran en forma escalonada ni en forma escalonada
reducida,
_
_
0 1 0 0 3 0
0 0 0 0 0 1
0 0 0 1 −1 0
_
_
_
¸
¸
_
1 3 1 −1 2 0
0 0 0 0 0 0
0 0 1 0 −1 3
0 0 0 1 −1 0
_
¸
¸
_
Teorema 4.1. Dada A ∈ M
m×n
(R) existe una forma escalonada B ∈ M
m×n
(R) talque A ≈ B.
Demostraci´ on (Algor´ıtmo de Gauss)
Debido a que se trata de una demostraci´on de existencia, basta con determinar un algor´ıtmo que
permita, dada cualquier matriz A, obtener una forma escalonada equivalente a ella. Este algor´ıtmo es
denominado Algor´ıtmo de reducci´on Gaussiana o simplemente Algor´ıtmo de Gauss
Si A = 0, no hay nada que demostrar ya que A se encuentra en forma escalonada. Si A = 0, entonces,
Paso 1. De izquierda a derecha, determine la primera columna de A con elementos distintos de cero, es
decir la primera columna pivote.
28 1. SISTEMAS DE ECUACIONES LINEALES
Paso 2. Intercambie filas, si fuera necesario, para que el primer elemento distinto de cero (el pivote) de
la columna pivote, quede en la fila m´as arriba de la matriz. Supongamos que el pivote es a y que
la fila m´as alta en la que se puede colocar es la fila j.
Paso 3. Realice la operaci´on
1
a
F
j
, para obtener el 1 principal en la columna pivote.
Paso 4. Transforme todos los elementos de la columna pivote que se encuentran bajo el 1 principal en 0,
utilizando operaciones elementales del tipo F
k
+αF
j
.
Paso 5. No considere la fila F
j
y todas las fila por encima de ella, as´ı como la columna pivote y todas las
columnas que se encuentran a su izquierda. Con la submatriz resultante, repita los pasos 1 a 5,
hasta que no sea posible obtener columnas pivote.
Como en este procedimiento s´olo se utilizan operaciones elementales por filas, la matriz resultante B
es una forma escalonada equivalente por filas a A, como se queria demostrar.

Ejemplo 4.6. Dada la matriz
A =
_
_
1 1 1 6
2 1 −1 3
3 1 0 6
_
_
determine una forma escalonada equivalente por filas a A. ¿Es est´a ´ unica?
Soluci´ on Utilizando operaciones elementales de fila se tiene
A =
_
_
1 1 1 6
2 1 −1 3
3 1 0 6
_
_

F
2
−2F
1
F
3
−3F
1
_
_
1 1 1 6
0 −1 −3 −9
0 −2 −3 −12
_
_

(−1)F
2
_
_
1 1 1 6
0 1 3 9
0 −2 −3 −12
_
_

F
3
+ 2F
2
_
_
1 1 1 6
0 1 3 9
0 0 3 6
_
_

1
3
F
3
_
¸
_
1 1 1 6
0 1 3 9
0 0 1 2
_
¸
_.
Por tanto, una forma escalonada equivalente por filas a A es:
U
1
=
_
¸
_
1 1 1 6
0 1 3 9
0 0 1 2
_
¸
_.
Basta con darse cuenta que si antes de aplicar el algor´ıtmo de Gauss, se intercambian dos filas, la forma
escalonada equivalente por filas a A, ser´a distinta a la encontrada anteriormente. En efecto,
A =
_
_
1 1 1 6
2 1 −1 3
3 1 0 6
_
_

F
2
↔ F
3
_
_
1 1 1 6
3 1 0 6
2 1 −1 3
_
_

F
2
−3F
1
F
3
−2F
1
_
_
1 1 1 6
0 −2 −3 −12
0 −1 −3 −9
_
_


1
2
F
2
_
_
1 1 1 6
0 1
3
2
6
0 −1 −3 −9
_
_

F
3
+F
2
_
_
1 1 1 6
0 1
3
2
6
0 0 −
3
2
−3
_
_


2
3
F
3
_
¸
_
1 1 1 6
0 1
3
2
6
0 0 1 2
_
¸
_.
A es equivalente por filas a la forma escalonada,
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 29
U
2
=
_
¸
_
1 1 1 6
0 1
3
2
6
0 0 1 2
_
¸
_.
Como U
1
= U
2
, se tiene que A no es equivalente por filas a una ´ unica forma escalonada.

Ejemplo 4.7. Dada la matriz
B =
_
_
0 −2 0 1
1 2 3 1
1 1 1 0
_
_
determine dos formas escalonadas, diferentes, equivalentes por filas a B.
Soluci´ on
B =
_
_
0 −2 0 1
1 2 3 1
1 1 1 0
_
_

F
1
↔ F
2
_
_
1 2 3 1
0 −2 0 1
1 1 1 0
_
_

F
3
−F
1
_
_
1 2 3 1
0 −2 0 1
0 −1 −2 −1
_
_


1
2
F
2
_
_
1 2 3 1
0 1 0 −
1
2
0 −1 −2 −1
_
_

F
3
+F
2
_
_
1 2 3 1
0 1 0 −
1
2
0 0 −2 −
3
2
_
_


1
2
F
3
_
¸
_
1 2 3 1
0 1 0 −
1
2
0 0 1
3
4
_
¸
_
Una forma escalonada equivalente a B es U
1
=
_
¸
_
1 2 3 1
0 1 0 −
1
2
0 0 1
3
4
_
¸
_.
Note que al inicio de las reducciones se eligi´o como primer pivote el 1 que se encontraba en la fila 2
de B. Si se elige el 1 que se encuentra en la fila 3 de B como primer pivote se tiene,
B =
_
_
0 −2 0 1
1 2 3 1
1 1 1 0
_
_

F
1
↔ F
3
_
_
1 1 1 0
1 2 3 1
0 −2 0 1
_
_

F
2
−F
1
_
_
1 1 1 0
0 1 2 1
0 −2 0 1
_
_

F
3
−2F
2
_
_
1 1 1 0
0 1 2 1
0 0 4 3
_
_

1
4
F
3
_
¸
_
1 1 1 0
0 1 2 1
0 0 1
3
4
_
¸
_
Otra forma escalonada equivalente a la matriz B es
U
2
=
_
¸
_
1 1 1 0
0 1 2 1
0 0 1
3
4
_
¸
_.

Observe que a pesar que una matriz A puede ser equivalente a m´as de una forma escalonada, lo que
se mantiene invariante en ellas es:
Posici´on de los pivotes y por ende de los unos principales,
30 1. SISTEMAS DE ECUACIONES LINEALES
Cantidad de unos principales y
Cantidad de columnas pivotes.
Si A es la matriz de coeficientes de un sistema lineal y b el vector de t´erminos independientes del
sistema, el m´etodo de reducci´on Gaussiana para determinar la soluci´on del sistema, consiste en
encontrar una forma escalonada equivalente por filas a la matriz aumentada del sistema [A | b ] y a con-
tinuaci´on realizar sustituciones regresivas, como se ilustra en el ejemplo siguiente.
Ejemplo 4.8. Determine si el sistema lineal
_
¸
_
¸
_
x + 2y +z = 5
2x −3y −z +w = 8
x + 2y −3z + 2w = −1
es consistente. En el caso de serlo determine el conjunto soluci´on del sistema.
Soluci´ on
De acuerdo con el m´etodo de reducci´on Gaussiana, se debe determinar una forma escalonada equi-
valente por filas a la matriz aumentada del sistema.
[A | b ] =
_
_
1 2 1 0 5
2 −3 −1 1 8
1 2 −3 2 −1
_
_

F
2
−2F
1
F
3
−F
1
_
_
1 2 1 0 5
0 −7 −3 1 −2
0 0 −4 2 −6
_
_


1
7
F
2

1
4
F
3
_
¸
_
1 2 1 0 5
0 1
3
7

1
7
2
7
0 0 1 −
1
2
3
2
_
¸
_.
Observe que la matriz de coeficientes del sistema A, es equivalente por filas a la forma escalonada
_
¸
_
1 2 1 0
0 1
3
7

1
7
0 0 1 −
1
2
_
¸
_
la cual tiene tres columnas pivotes, que coinciden no s´olo en n´ umero sino en posici´on, con las columnas
pivote de la forma escalonada equivalente a la matriz aumentada del sistema [A | b ]. Esta doble coin-
cidencia nos indica, por una parte, que el sistema tiene soluci´on, debido a que la ´ ultima columna de la
forma escalonada equivalente a [A | b ] no es una columna pivote, y por otra, que el sistema tiene infini-
tas soluciones que dependen de la variable libre w. Note adem´as, que w es la variable que corresponde
precisamente a la columna no pivote y que las variables x, y y z las cuales corresponden a las columnas
pivotes depender´an de w.
En general, las variables que corresponden a las columnas pivotes se denominan variables b´asicas
y las que corresponden a las columnas no pivotes variables libres o par´ametros.
Para determinar el conjunto soluci´on del sistema, utilizamos la representaci´on algebraica de la forma
escalonada equivalente a la matriz aumentada,
_
¸
_
1 2 1 0 5
0 1
3
7

1
7
2
7
0 0 1 −
1
2
3
2
_
¸
_
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 31
para obtener el sistema
_
_
_
x + 2y + z = 5
y +
3
7
z −
1
7
w =
2
7
z −
1
2
w =
3
2
denominado sistema triangular por analog´ıa a la forma que presenta.
De la ´ ultima ecuaci´on, se obtiene
z =
3
2
+
1
2
w.
Ahora se inicia la etapa de sustituciones regresivas (o hacia atr´as). De la segunda ecuaci´on se tiene,
y =
2
7

3
7
z +
1
7
w =
2
7

3
7
_
3
2
+
1
2
w
_
+
1
7
w = −
5
14

1
14
w,
y de la primera,
x = 5 −2y −z = 5 −2
_

5
14

1
14
w
_

_
3
2
+
1
2
w
_
=
19
14

5
14
w.
De est´a forma se tiene que, (x, y, z, w) pertenece a C
S
si y solo si
(x, y, z, w) =
_
19
14

5
14
w, −
5
14

1
14
w,
3
2
+
1
2
w, w
_
=
_
19
14
, −
5
14
,
3
2
, 0
_
+w
_

5
14
, −
1
14
,
1
2
, 1
_
.
Por tanto,
C
S
=
__
19
14
, −
5
14
,
3
2
, 0
_
+w
_

5
14
, −
1
14
,
1
2
, 1
_
| w ∈ R
_
.

Teorema 4.2. Dada cualquier matriz A ∈ M
m×n
(R) existe una forma escalonada reducida R ∈
M
m×n
(R) talque A ≈ R.
Demostraci´ on (Algor´ıtmo de Gauss-Jordan
7
)
Si A = 0, no hay nada que demostrar, A est´a en forma escalonada reducida. Si A = 0 entonces,
Paso 1. Utilice el algor´ıtmo de Gauss para determinar una forma escalonada equivalente por filas a A.
Paso 2. De derecha a izquierda, utilice operaciones elementales de fila del tipo F
k
+ αF
j
, para convertir
en 0, los elementos de las columnas pivote que se encuentran arriba del 1 principal de la columna
pivote.
7
Wilhelm Jordan fu´e un geodesista alem´an conocido no s´olo por sus trabajos en topograf´ıa, sino por ser el fundador del
Journal of Geodesy. En 1873 Jordan publica su libro Handbuch der Vermessungskunde cuya primera secci´on est´a dedicada al
estudio del m´etodo de m´ınimos cuadrados, por ser uno de los m´etodos m´as utilizados en topograf´ıa. En esa secci´on presenta
en forma detallada el m´etodo de eliminaci´on de Gauss, para convertir un sistema lineal dado en un sistema triangular.
En la cuarta edici´on del Handbuch presenta un algor´ıtmo expl´ıcito para resolver un sistema de ecuaciones con matriz de
coeficientes sim´etrica, m´etodo que en la actualidad es concido como algor´ıtmo de Gauss-Jordan. A pesar que Jordan no
utiliz´o matrices, si explic´o como realizar transformaciones de filas sobre tablas que contenian los coeficientes del sistema.
La diferencia del algor´ıtmo presentado en el Handbuch y el que actualmente se utiliza, es que no se transforman los pivotes
a unos principales.
32 1. SISTEMAS DE ECUACIONES LINEALES
Cuando se halla aplicado el paso dos a todas las columnas pivote de A, se ha determinado la matriz
R.

Puesto que las columnas pivotes en cualquier forma escalonada equivalente a la matriz A son las
mismas, al aplicar el algor´ıtmo de Gauss-Jordan no ser´a posible obtener diferentes formas escalonadas,
es dicir la matriz R obtenida es ´ unica. Es por este motivo, que se dice la forma escalonada reducida y no
una forma escalonada reducida.
Ejemplo 4.9. Dada la matriz
A =
_
_
2 4 2 0
−1 3 1 3
1 0 −1 1
_
_
determine la forma escalonada reducida equivalente por filas a A.
Soluci´ on
Utilizando el algor´ıtmo de Gauss-Jordan se tiene que,
A =
_
_
2 4 2 0
−1 3 1 3
1 0 −1 1
_
_

F
1
↔ F
3
_
_
1 0 −1 1
−1 3 1 3
2 4 2 0
_
_

F
2
+F
1
F
3
−2F
1
_
_
1 0 −1 1
0 3 0 4
0 4 4 −2
_
_

F
2
↔ F
3
_
_
1 0 −1 1
0 4 4 −2
0 3 0 4
_
_

1
4
F
2
_
_
1 0 −1 1
0 1 1 −
1
2
0 3 0 4
_
_

F
3
−3F
2
_
_
1 0 −1 1
0 1 1 −
1
2
0 0 −3
11
2
_
_


1
3
F
3
_
¸
_
1 0 −1 1
0 1 1 −
1
2
0 0 1 −
11
6
_
¸
_

F
2
−F
3
F
1
+F
3
_
¸
_
1 0 0 −
5
6
0 1 0
4
3
0 0 1 −
11
6
_
¸
_.
Por tanto, la forma escalonada reducida de A es la matriz
R =
_
_
1 0 0 −
5
6
0 1 0
4
3
0 0 1 −
11
6
_
_
.

El m´etodo de Gauss-Jordan para la soluci´on de un sistema lineal S, consiste en determinar la
forma escalonada reducida de la matriz aumentada del sistema [A | b ] y por simple inspecci´on determi-
nar las soluciones del sistema. Note que, la etapa de sustituciones regresivas, del m´etodo de reducci´on
Gaussiana, es reemplazada por operaciones elementales de fila.
Ejemplo 4.10. Utilice el m´etodo de Gauus-Jordan para determine el conjunto soluci´on del sistema
lineal
_
¸
_
¸
_
x
1
+x
2
+x
3
+x
4
= 6
2x
1
+x
2
−x
3
= 3
3x
1
+x
2
+ 2x
4
= 6
.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 33
Soluci´ on
De acuerdo a la observaci´on anterior, se debe determinar la forma escalonada reducida equivalente a
la matriz aumentada del sistema,
_
_
1 1 1 1 6
2 1 −1 0 3
3 1 0 2 6
_
_
.
_
_
1 1 1 1 6
2 1 −1 0 3
3 1 0 2 6
_
_

F
2
−2F
1
F
3
−3F
1
_
_
1 1 1 1 6
0 −1 −3 −2 −9
0 −2 −3 −1 −12
_
_

(−1)F
2
_
_
1 1 1 1 6
0 1 3 2 9
0 −2 −3 −1 −12
_
_

F
3
+ 2F
2
_
_
1 1 1 1 6
0 1 3 2 9
0 0 3 3 6
_
_

1
3
F
3
_
_
1 1 1 1 6
0 1 3 2 9
0 0 1 1 2
_
_

F
2
−3F
3
F
1
−F
3
_
¸
_
1 1 0 0 4
0 1 0 −1 3
0 0 1 1 2
_
¸
_

F
1
−F
2
_
¸
_
1 0 0 1 1
0 1 0 −1 3
0 0 1 1 2
_
¸
_.
De donde se obtiene
_
¸
_
¸
_
x
1
= 1 −x
4
x
2
= 3 +x
4
x
3
= 2 −x
4
, con x
4
∈ R.
(x
1
, x
2
, x
3
, x
4
) ∈ C
S
⇔ (x
1
, x
2
, x
3
, x
4
) = (1 −x
4
, 3 +x
4
, 2 −x
4
, x
4
) = (1, 3, 2, 0) +x
4
(−1, 1, −1, 1).
Por tanto,
C
S
= {(1, 3, 2, 0) +x
4
(−1, 1, −1, 1) | x
4
∈ R}.

Dada una matriz A ∈ M
m×n
(R) y U cualquier forma escalonada equivalente por filas a A, el al-
gor´ıtmo de Gauss-Jordan garantiza que a partir de U es posible obtener R, la forma escalona reducida de
A. Debido a que no hay intercambio de columnas, resulta obvio, que si R es la forma escalonada reducida
de A, la caracter´ıstica com´ un entre todas las matrices U y la matriz R es la posici´on y la cantidad de
unos principales (columnas pivotes). Por tanto, la cantidad y posici´on de los unos principales (columnas
pivote) es una caracter´ıstica de la matriz A.
Definici´ on 4.3. El rango de una matriz A ∈ M
m×n
(R) es el n´ umero de unos principales (columnas
pivotes) en una forma escalonada equivalente por filas a A.
Este n´ umero es denotado por: rang(A).
34 1. SISTEMAS DE ECUACIONES LINEALES
Note que, dada cualquier matriz A ∈ M
m×n
(R) el rango de A, es menor igual al n´ umero de columnas
de A,
(∀A ∈ M
m×n
(R))(rang(A) ≤ n).
Ejemplo 4.11. Determine el rango de la matriz
B =
_
¸
¸
_
0 1 0 −1 3
2 2 4 6 4
−1 1 0 2 1
3 2 1 5 1
_
¸
¸
_
Soluci´ on Para determinar el rango de la matriz B, basta con determinar una forma escalonada
equivalente por filas a B. Utilizando el algor´ıtmo de Gauss, el lector puede verificar que
B =
_
¸
¸
_
0 1 0 −1 3
2 2 4 6 4
−1 1 0 2 1
3 2 1 5 1
_
¸
¸
_

_
¸
¸
¸
_
1 −1 0 −2 −1
0 1 0 −1 3
0 0 1 16 −11
0 0 0 1 −
19
25
_
¸
¸
¸
_
.
Por tanto, rang(B) = 4.

El concepto de rango de una matriz, aplicado a las matrices asociadas a un sistema de ecuaciones
lineales, permite dar una primera respuesta a las preguntas fundamentales de existencia y tipo de soluci´on
de los sistemas lineales.
Teorema 4.3. (Teorema de Rouch´e- Frobenius)
Sean A ∈ M
m×n
(R) la matriz de coeficiente de un sistema lineal S de orden m×n y b ∈ M
m×1
(R)
la matriz de t´erminos independientes de S.
1. Si rang(A) < rang([A | b ]) entonces S no tiene soluci´on (es inconsistente).
2. Si rang(A) = rang([A | b ]) = r entonces S tiene soluci´on (es consistente). Adem´as,
a) Si r = n entonces S tiene soluci´on ´ unica.
b) Si r < n entonces S tiene infinitas soluciones con n −r par´ametros.
Demostraci´ on
Si U es una forma escalonada equivalente por filas a la matriz A, existe una sucesi´on de operaciones
elementales tales que [A | b ] ≈ [U | b
1
] y claramente rang(A) ≤ rang([A | b ]).
rang(A) < rang([A | b ]), implica que b
1
es una columna pivote y tiene un 1 principal en alguna
posici´on. Si suponemos que el 1 principal de b
1
se encuentra en s-´esima posici´on, la fila s de la matriz
[U | b
1
] ser´a de la forma
_
0 0 · · · 0 1
¸
, lo que conduce algebraicamente a la contradicci´on 0 = 1,
concluyendose que el sistema S no tiene soluci´on.
Si rang(A) = rang([A | b ]) = r entonces r ≤ n, por tanto b
1
no contiene un 1-principal y claramente
el sistema S tiene soluci´on.
Si r = n, toda columna de U tiene un 1-principal (es una columna pivote), lo que significa que
ninguna variable podr´a expresarse en t´erminos de las otras. Por tanto, el sistema tiene soluci´on ´ unica.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 35
Finalmente, si r < n las variables correspondientes a los unos principales de U (a las columnas
pivotes), quedar´an expresadas en t´erminos de las n −r variables restantes (las que no tienen unos prin-
cipales) que ser´an las variables libres del sistema. Esto significa que S tiene infinitas soluciones con n−r
par´ametros.

El teorema anterior, permite un an´alsis de las posibles soluciones de un sistema.
Ejemplo 4.12. Analizar seg´ un sean los valores de k y p en R, las posibles soluciones del sistema
_
2x + (k −1)y = 4
kx +y = p
Soluci´ on Para poder aplicar el teorema de Roch´e-Frobenius, se debe obtener una forma escalonada
de la matriz aumentada del sistema
[A | b ] =
_
2 k −1 4
k 1 p
_
..
Utilizando el algor´ıtmo de reducci´on de Gauss se obtiene,
_
2 k −1 4
k 1 p
_

1
2
F
1
_
1
1
2
(k −1) 2
k 1 p
_

F
2
−kF
1
_
1
1
2
(k −1) 2
0 1 −
1
2
k(k −1) p −2k
_
.
Observe que, rang(A) ≥ 1.
rang(A) = 2 si y solo si 1 −
1
2
k(k −1) = 0.
Puesto que,
1 −
1
2
k(k −1) = 0 ⇔ k
2
−k −2 = 0 ⇔ (k −2)(k + 1) = 0 ⇔ k = 2 ´o k = −1
se tiene que,
rang(A) = 2 si y solo si k = 2 ´o k = −1 y
rang(A) = 1 si y solo si k = 2 ´o k = −1.
Por tanto,
1. El sistema lineal dado no tiene soluci´on, para todos los valares de k y p para los cuales,
rang(A) < rang([A | b ]).
Esto es, cuando rang(A) = 1 y rang([A | b ]) = 2. Por tanto, el sistema es inconsistente para
a) k = −1 y p = −2 ´o
b) k = 2 y p = 4.
2. El sistema tiene soluci´on cuando
rang(A) = rang([A | b ])
en este caso existen dos posibilidades
36 1. SISTEMAS DE ECUACIONES LINEALES
a) Soluci´on ´ unica, para todos los valores de k y p para los cuales rang(A) = rang([A | b ]) = 2.
Lo cual se cumple para k = 2 ´o k = −1, en ambos casos p puede tomar cualquier valor en R.
b) Infinitas soluciones, dependiendo de un par´amero, para todos los valores de k y p para los
cuales rang(A) = rang([A | b ]) = 1. Esto se cumple,
1) Cuando k = −1 y p = −2 ´o
2) Cuando k = 2 y p = 4.

El determinar si un sistema tiene o n´o soluci´on, cuando depende de valores no determinados, como
en el ejemplo anterior de k y p, no es un problema que est´e alejado del mundo real, por el contrario, es
un problema importante en el an´alisis de situaciones reales, como se ilustra en el siguiente ejemplo.
Ejemplo 4.13. Motos Aguila es una peque˜ na empresa dedicada a la venta de motos Suzuki. En la
actualidad desea adquirir motos de tres modelos diferentes: M1, M2 y M3, las cuales puede vender a un
precio unitario de 1 millon, 3 millones y 6 millones de pesos respectivamente. El encargado de compras,
est´a interesado en determinar la cantidad de motos de cada modelo que debe adquirir, que le aseguren
un ingreso por ventas de exactamente 27 millones de pesos. Para esto, escoge las siguientes variables,
x: Cantidad de motos del modelo M1,
y: Cantidad de motos del modelo M2,
z: Cantidad de motos del modelo M3,
N: Cantidad total de motos de los modelos M1, M2 y M3.
Con esta asignaci´on de variables, obtiene el sistema lineal
_
x + 3y + 6z = 27
x +y +z = N
.
Matem´aticamente el problema no difiere del ejemplo anterior, ya que consiste en determinar todos
los valores de N para los cuales el sistema tiene soluci´on. Aplicando reduccci´on a la matriz aumentada
del sistema se tiene,
[A | b ] =
_
1 3 6 27
1 1 1 N
_

F
2
−F
1
_
1 3 6 27
0 −2 −5 N −27
_


1
2
F
2
_
1 3 6 27
0 1
5
2

1
2
(N −27)
_

F
1
−3F
2
_
1 0 −
3
2
1
2
(3N −27)
0 1
5
2

1
2
(N −27)
_
.
Como rang(A) = rang([A | b ]) = 2 < 3, por el teorema de Roch´e-Frobenius, el sistema tiene infinitas
soluciones dependiendo de un par´ametro para cualquier valor de N. Esto significa matem´aticamente,
que sin importar el valor asignado a N, es posible determinar los valores de x, y, z. Obviamente esta
soluci´on, dista mucho de la soluci´on del problema del encargado, ya que las variables del problema tie-
nen restricciones en la realidad: deben ser positivas y enteras. Esto suele ser usual, cuando se utiliza una
teor´ıa matem´atica para determinar soluciones a situaciones reales, despu´es de encontrar una soluci´on ma-
tem´atica se deben tener en cuenta las restricciones de las variables que surgen del problema en la realidad.
De acuerdo a la forma escalonada reducida de la matriz aumentada del sistema,
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 37
_
x =
1
2
(3N −27) +
3
2
z
y = −
1
2
(N −27) −
5
2
z
, z ∈ N.
x > 0 ⇔
1
2
(3N −27) +
3
2
z > 0 ⇔ z > 9 −N
y > 0 ⇔ −
1
2
(N −27) −
5
2
z > 0 ⇔ z <
1
5
(27 −N)
Como se requiere que z exista, necesariamente, 9 −N <
1
5
(27 −N), por tanto N >
9
2
.
Debido a que z > 0 se obtiene,
9
2
< N < 27.
Puesto que 9 − N < z <
1
5
(27 − N) y z ∈ N, para que existan valores enteros de z es necesario que
1
5
(27 −N) > 1, lo que permite restringuir a´ un m´as los posibles valores de N,
9
2
< N < 22
Utilizando la restricci´on N ∈ N, los valores factibles para N son: N = 5, 6, . . . , 21. El valor N = 5, no
produce valores enteros para z puesto que no hay ning´ un entero entre 4 < z < 4,4 , por tanto se elimina
del an´alisis.
La tabla siguiente muestra para cada valor factible de N, los valores que puede tomar la variable z,
N 9 −N
1
5
(N −27) z
6 3 4,2 4
7 2 4 3
8 1 3,8 2 ´o 3
9 0 3,6 1, 2 ´o 3
10 -1 3,4 1, 2 ´o 3
11 -2 3,2 1, 2 ´o 3
12 -3 3 1 ´o 2
13 -4 2,8 1 ´o 2
14 -5 2,6 1 ´o 2
15 -6 2,4 1 ´o 2
16 -7 2,2 1 ´o 2
17 -8 2 1
18 -9 1,8 1
19 -10 1,6 1
20 -11 1,4 1
21 -12 1,2 1
Para cada uno de los valores de N y los correspondientes valores factibles de z, se debe analizar si es
posible que existan valores enteros positivos para las variables x e y. As´ı por ejemplo, en el caso N = 6
y z = 4, utilizando x =
1
2
(3N − 27) +
3
2
z e y = −
1
2
(N − 27) −
5
2
z, se obtiene x = 1,5 e y = 0,5 lo que
conduce a descartar el valor N = 6.
La tabla siguiente muestra todos las posibilidades que tiene el encargado de obtener un ingreso de exac-
tamente 27 millones de pesos.
38 1. SISTEMAS DE ECUACIONES LINEALES
N z x y
8 3 3 2
9 2 3 4
10 1 3 6
10 3 6 1
12 1 6 5
13 2 9 2
14 1 9 4
15 2 12 1
16 1 12 3
18 1 15 2
20 1 18 1
Ahora su decisi´on depender´a de las otras variables econ´omicas que le sean relevantes.
El siguiente ejemplo muestra que si un sistema tiene infinitas soluciones, la forma de elegir los par´ame-
tros para expresar el conjunto soluci´on no es ´ unica.
Ejemplo 4.14. El sistema
_
¸
¸
_
¸
¸
_
x + 2z −w + 4t = 1
−x +y −3z +w −2t = −2
x +y +z + 6t = 0
y −z + 2t = −1
tiene infinitas soluciones dependiendo de dos par´ametros. En efecto,
[A | b ] =
_
¸
¸
_
1 0 2 −1 4 1
−1 1 −3 1 −2 −2
1 1 1 0 0 0
0 1 −1 0 0 −1
_
¸
¸
_

_
¸
¸
_
1 0 2 0 4 1
0 1 −1 0 2 −1
0 0 0 1 0 0
0 0 0 0 0 0
_
¸
¸
_
como rang([A | b ]) = rang(A) = 3, el teorema de Roch´e-Frobenius asegura que el sistema tiene infinitas
soluciones con 5 −3 = 2 par´ametros.
Utilizando la forma escalonada reducida de la matriz [A | b ], una manera natural de expresar la
soluci´on del sistema es:
_
_
_
x = 1 −2z −4t
y = −1 +z −2t
w = 0
z, t ∈ R
C
S
= {(1, −1, 0, 0, 0) +z(−2, 1, 1, 0, 0) +t(−4, −2, 0, 0, 1) | z, t ∈ R}
donde las variables z, t son par´ametros. En general, al determinar la forma escalonada reducida de la
matriz ampliada de un sistema, las columnas no pivotes (las que no tienen unos principales), nos propor-
cionan la forma natural de elegir los par´ametros para expresar la soluci´on del sistema: las variables que
corresponden a las columnas no pivote.
Sin embargo, al escribir el sistema de ecuaciones que la forma escalonada representa
_
_
_
x + 2z + 4t = 1
y −z + 2t = −1
w = 0
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 39
se observa que no s´olo x e y se pueden expresar en t´erminos de las variables z, t, si no que tambi´en, es
posible determinar x y z en t´erminos de y, t, lo que permite expresar el conjunto soluci´on del sistema
dado utilizando ahora como par´ametros las variables y, t, en lugar de z, t. Para esto, se despeja la variable
z de la segunda ecuaci´on y se sustituye en la primera
_
_
_
x + 2z + 4t = 1
y −z + 2t = −1
w = 0

_
_
_
x = −1 −2y −8t
z = 1 +y + 2t
w = 0
y, t ∈ R
C
s
= {(−1, 0, 1, 0) +y(−2, 1, 1, , 0, 0) +t(−8, 0, 2, 0, 1) | y, t ∈ R}.
Observe que, an´alogamente es posible expresar el conjunto soluci´on del sistema utilizando las variables
y, z como par´ametros: despejando t de la segunda ecuaci´on en vez de z y sustituyendola en la primera.
Lo que no es posible, es expresar el conjunto soluci´on utilizando la variable w como par´ametro, debido a
que est´a variable toma un valor fijo, w = 0.
Surge entonces la pregunta, ¿De cu´antas formas se pueden elegir los dos par´ametros para expresar la so-
luci´on del sistema considerado?. El sistema tiene cinco variables, de las cuales w es fija, por tanto existen
_
4
2
_
= 6 formas de elegir los dos par´ametros. En general si, A ∈ M
m×n
(R) y rang(A) = rang([A | b ]) =
r < n y ninguna variable toma un valor fijo, existen
_
n
n −r
_
formas diferentes de elegir los n−r par´ame-
tros; si s de las n variables toman un valor fijo, los n −r par´ametros se pueden elegir de
_
s
n −r
_
.
Cuando se desea encontrar la soluci´on de un sistema no es necesario determinar todas las formas
posibles de expresar el conjunto soluci´on, basta con encontrar una, y generalmente se utiliza la natural: la
dada por la forma escalonada reducida de la matriz aumentada del sistema, en la cual los par´ametros (si
los hay) corresponden a las variables de las columnas no pivotes. Sin embargo, para algunas aplicaciones
se requiere expresar el conjunto soluci´on de los sistemas a resolver en t´erminos de variables espec´ıficas,
las cuales no corresponden a las columnas pivote. En el ejemplo estudiado se mostr´o la forma algebraica
de hacerlo, m´as adelante se estudiar´a un procedimiento m´as adecuado.
4.3. Sistemas Lineales Homog´eneos.
Existe una clase de sistemas de ecuaciones lineales que es de gran importancia en los estudios te´oricos,
ellos son los denominados sistemas lineales homog´eneos.
Definici´ on 4.4. Un sistema de ecuaciones lineales se denomina homog´eneo si los t´erminos inde-
pendientes de todas las ecuaciones del sistema son iguales a cero, es decir es un sistema de la forma
S :
_
¸
¸
¸
_
¸
¸
¸
_
a
11
x
1
+a
12
x
2
+· · · +a
1n
x
n
= 0
a
21
x
1
+a
22
x
2
+· · · +a
2n
x
n
= 0
.
.
.
a
m1
x
1
+a
m2
x
2
+· · · +a
mn
x
n
= 0
.
Observe que todo sistema lineal homog´eneo es consistente, ya que el vector (x
1
, x
2
, . . . , x
n
) =
(0, 0, . . . , 0) ∈ R
n
es soluci´on de cada una de las ecuaciones del sistema. Nos referiremos a esta solu-
ci´on como la soluci´on trivial y en el caso en que el sistema tenga soluci´on ´ unica (esta debe ser la trivial)
diremos que el sistema lineal homog´eneo tiene soluci´on trivial.
En el contexto de los sistemas lineales homog´eneos, la pregunta a responder ser´a: ¿Cu´ando un sistema
lineal homog´eneo tiene soluciones distintas de la trivial?. La respuesta a esta pregunta la proporciona el
teorema de Roch´e-Frobenius. Primero observe que la matriz aumentada de un sistema lineal homog´eneo
40 1. SISTEMAS DE ECUACIONES LINEALES
est´a dada por: [A | 0 ].
Debido a que la ´ ultima columna de la matriz aumentada de un sistema lineal homog´eneo, est´a formada
´ unicamente por ceros, todas las matrices equivalentes por filas a ella conservan esta caracter´ıstica, ser´an
de la forma
[A | 0 ] ≈ [A
1
| 0 ] ≈ · · · ≈ [R | 0 ].
Por tanto, la soluci´on de un sistema lineal homog´eneo, depende ´ unicamente del rango de su matriz de
coeficientes.
Si A ∈ M
m×n
(R) denota la matriz de coeficientes de un sistema lineal homog´eneo y rang(A) = r, el
teorema de Roch´e-Frobenius permite afirmar que,
1. Si r = n el sistema lineal homog´eneo tiene soluci´on trivial, y
2. Si r < n el sistema lineal homog´eneo tiene infinitas soluciones con n −r par´ametros.
Recuerde que, en general se tiene que r = rang(A) ≤ m. En el caso en que un sistema lineal homo-
geneo tenga m´as variables que ecuaciones, es decir m < n , de la proposici´on 2 se concluye que el sistema
tiene infinitas soluciones. Por tanto
Todos sistema lineal homog´eneo con m´as variables que ecuaciones tiene infinitas soluciones.
El ejemplo siguiente, muestra que el reciproco de esta afirmaci´on no es cierto: si un sistema lineal
homog´eneo tiene infinitas soluciones, no necesariamente debe tener m´as variables que ecuaciones.
Ejemplo 4.15. Dado el sistema lineal homog´eneo
_
_
_
x −2y −z = 0
x −3y −2z = 0
2x + 4y + 6z = 0
para determinar si tiene soluciones distintas de la trivial, es suficiente determinar el rango de la matriz
A =
_
_
1 −2 −1
1 −3 −2
2 4 6
_
_
de coeficientes del sistema,
_
_
1 −2 −1
1 −3 −2
2 4 6
_
_

F
2
−F
1
F
3
−2F
1
_
_
1 −2 −1
0 −1 −1
0 8 8
_
_

F
3
+ 8F
2
_
_
1 −2 −1
0 −1 −1
0 0 0
_
_

(−1)F
2
_
_
1 −2 −1
0 1 1
0 0 0
_
_
Como rang(A) = 2 < 3, el sistema tiene infinitas soluciones con 1 par´ametro. Para encontrar el conjunto
soluci´on del sistema, determinamos la forma escalonada reducida de A,
A ≈
_
_
1 0 1
0 1 1
0 0 0
_
_
.
Para hacer una lectura adecuada, tenga presente que la forma escalonada reducida de la matriz aumentada
del sistema lineal homog´eneo es
_
_
1 0 1 0
0 1 1 0
0 0 0 0
_
_
.
Por tanto, x = −z e y = −z. De donde
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 41
C
s
= {(−1, −1, 1)z | z ∈ R}.
Observe que C
s
representa geom´etricamente una recta que pasa por el origen. Esto no es una coinciden-
cia, se debe a que siempre el conjunto soluci´on de un sistema lineal homog´eneo siempre contiene al vector 0.
Se˜ nalamos que no es necesario explicitar la forma escalonada reducida de [A | 0] para determinar la
soluciones de un sistema lineal homog´eneo, es suficiente recordar su forma y hacer el c´alculo directamente
utilizando la forma escalonada reducida de A.
Ejemplo 4.16. Dado el sistema lineal homog´eneo
_
_
_
x
1
+ 2x
2
+ax
3
= 0
2x
1
−4ax
2
−2x
3
= 0
ax
1
−2x
2
+x
3
= 0
Analice las posibles soluciones del sistema, dependiendo de los valores de a ∈ R.
Soluci´ on
El problema es equivalente a determinar los posibles valores del rango de la matriz de coeficientes
del sistema
A =
_
_
1 2 a
2 −4a −2
a −2 1
_
_
dependiendo de los valores de a ∈ R.
_
_
1 2 a
2 −4a −2
a −2 1
_
_

F
2
−2F
1
F
3
−aF
1
_
_
1 2 a
0 −4(a + 1) −2(a + 1)
0 −2(a + 1) 1 −a
2
_
_


1
2
F
2
_
_
1 2 a
0 2(a + 1) (a + 1)
0 −2(a + 1) 1 −a
2
_
_

F
3
+F
2
_
_
1 2 a
0 2(a + 1) (a + 1)
0 0 −(a + 1)(a −2)
_
_
.
Para a = 2 se tiene rang(A) = 2, lo que implica que el sistema tiene soluci´on no trivial dependiendo de
un par´ametro. En el caso en que a = −1, rang(A) = 1 y el sistema tiene soluci´on no trivial dependiendo
de dos par´ametros. Finalmente, para todo a = 2 y a = −1, rang(A) = 3 y el sistema tiene soluci´on
trivial.

Ejercicios 4.1.
1. Determine una forma escalonada equivalente por filas a la matriz dada y su forma escalonada
reducida.
a)
_
¸
¸
_
1 2 −1 1 4
3 1 2 3 0
−1 5 1 4 1
4 2 3 1 −3
_
¸
¸
_
42 1. SISTEMAS DE ECUACIONES LINEALES
b)
_
¸
¸
_
2 0 1
5 −3 2
3 4 −1
3 9 2
_
¸
¸
_
c)
_
¸
¸
¸
¸
_
1 2 −1 4 3
2 1 0 −1 −2
3 2 1 0 −1
4 3 2 1 0
5 4 3 2 1
_
¸
¸
¸
¸
_
d)
_
¸
¸
¸
¸
_
1 1 1 0
1 1 0 0
1 0 0 0
0 1 1 1
0 0 1 1
_
¸
¸
¸
¸
_
e)
_
_
1 2 −1 −2 2
2 3 0 −1 2
1 1 1 0 2
_
_
2. Determine dos formas escalonadas diferentes, para cada una de las matrices dadas
a)
_
_
−1 0 0
1 −1 1
0 1 −1
_
_
b)
_
_
−2 0 0 −1
1 −2 1 0
0 1 −2 1
_
_
3. Demuestre que si ad−bc = 0, la forma escalonada reducida de la matriz A =
_
a b
c d
_
, es la matriz
identidad I
2
.
4. Demuestre que la forma escalonada reducida de la matriz R =
_
cos θ −sin θ
sin θ cos θ
_
, es la matriz
identidad I
2
.
Determine el rango, de cada una de las matrices dadas
5. A =
_
_
2 0 4
1 −1 3
−1 −3 1
_
_
6. B =
_
¸
¸
_
1 2 −3
−2 0 4
0 4 −2
2 4 6
_
¸
¸
_
7. C =
_
¸
¸
_
2 5 6 −8
1 2 −4 3
0 1 14 −14
3 6 −12 9
_
¸
¸
_
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 43
8. D =
_
_
1 0 6 6 4
0 1 4 3 2
1 −1 2 3 2
_
_
9. Sea A =
_
_
1 1 −1 2
1 a b 2
1 1 c 2a
_
_
, determine los valores de a, b, c ∈ R para que
a) rang(A) = 1
b) rang(A) = 2
c) rang(A) = 3
10. Sea B =
_
_
1 −1 4a
2
+ 1 b
0 1 3 −a 0
2 −1 7 −a −2
_
_
,
a) Determine los valores de a, b ∈ R para que: rang(B) = 1, rang(B) = 2 ´o rang(B) = 3.
b) Suponga que B es la matriz aumentada de un sistema de ecuaciones lineales de orden 3 ×3.
Determine los valores de a, b ∈ R, para que el sistema sea inconsistente, tenga soluci´on ´ unica
o infinitas soluciones.
11. Sea C =
_
¸
¸
_
1 −a −b b
1 −1 −2 2
−1 1 4 −b −a +b −2
1 −a −2 −a
_
¸
¸
_
,
a) Determine los valores de a, b ∈ R para que: rang(C) = 1, rang(C) = 2, rang(C) = 3
´o rang(C) = 4.
b) Suponga que C es la matriz aumentada de un sistema de ecuaciones lineales de orden 4 ×3.
Determine los valores de a, b ∈ R, para que el sistema sea inconsistente, tenga soluci´on ´ unica
o infinitas soluciones.
12. Determine el valor de verdad de las siguientes proposiciones. Si es verdadera demu´estrelo y si es
falsa de un contraejemplo
a) Si A ∈ M
n
(R), entonces rang(A
2
) = (rang(A))
2
.
b) Sea A ∈ M
n
(R). Si rang(A) = 0 entonces tr(A) = 0.
c) Sea A =
_
a 1
1 b
_
. Si rang(A) = 1 entonces ab = 1.
d) Sean A, B ∈ M
2
(R) tales que AB = AC. Si rang(A) = 2 entonces B = C.
Determine el conjunto soluci´on de cada uno de los sistemas dados
13.
_
_
_
x −y +z −w = 0
2x −y −z +w = 1
x +y −3z −w = 2
14.
_
¸
¸
_
¸
¸
_
x +y +z −w = 3
2x −y + 2z +w = 8
x −y +z = 1
x +y −z −w = −1
15.
_
¸
¸
_
¸
¸
_
x +z +w = 5
x −z +w = 1
x +y +z +w = 3
2x + 2z = 2
44 1. SISTEMAS DE ECUACIONES LINEALES
16.
_
¸
¸
_
¸
¸
_
a −b +c + 2d = 0
a +d = −1
b −c −d = 1
a + 2b +c = −3
17.
_
¸
¸
_
¸
¸
_
x + 2y + 3z −4w = 0
2x + 2y + 3z + 4w = 0
3x + 3y + 3z + 4w = 0
4x + 4y −4z −4w = 0
En cada caso, determine los valores de los par´ametros k, a, b, c ∈ R (seg´ un corresponda), para
que el sistema dado sea inconsistente, tenga soluci´on ´ unica o infinitas soluciones. Justifique sus
respuestas utilizando el teorema de Roche-Frobenius.
18.
_
¸
_
¸
_
ax +y +z = 1
x +y −z = 2
2x −y +z = a
19.
_
¸
_
¸
_
2x −5y + 3z = 0
x −y +z = 0
3x +by +z = 0
20.
_
¸
_
¸
_
x +ay = 0
ax −ay + 2z = 0
2x +az = 0
21.
_
¸
_
¸
_
kx +y +z = 1
x +ky +z = 1
x +y +kz = 1
22.
_
¸
_
¸
_
ax +y +z = a
x +ay +z = 1
x +y +az = −1
23.
_
¸
_
¸
_
x + 2y −2z = 0
2x −y +az = b
2x −2y + 3z = 1 +b
24.
_
¸
_
¸
_
(1 +k)x + (1 +k)y +z = 2
x + (1 +k)y +z = 3
2x −y +z = 1 +k
25.
_
¸
_
¸
_
2x + (2 −b)y = 0
(2b + 2)x +by + 2z = 2b −2
(b + 1)x + (b + 1)z = b −1
26. Demuestre que si el orden de una matriz es m× n, la cantidad de columnas pivote es menor o
igual a m y menor o igual a n.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 45
27. Muestre que si el sistema cuya matriz aumentada es [A | b] tiene soluci´on ´ unica, entonces cual-
quier sistema de matriz aumentada [A | c] tambi´en tiene soluci´on ´ unica.
28. Indicando los valores de a, b ∈ R, determine el conjunto soluci´on del sistema dado, en todos los
casos posible
_
_
_
x
1
+x
2
= 2
x
1
+x
3
= a
x
1
+ 2x
2
+bx
3
= 1
29. Dado el sistema
_
¸
¸
_
¸
¸
_
2x −3y +z −w = a
4x −7y + 2z = b
−2x +y −z + 25w = c
2y −2w = d
.
Demuestre que es consistente si a +c +d + 0 y 2b + 4c + 5d = 0.
30. Dado el sistema
_
¸
¸
_
¸
¸
_
x
1
−ax
2
−x
3
+x
4
= b
x
1
+bx
2
+ 2x
3
−x
4
= c
−x
1
+cx
2
−2x
3
+ 2x
4
= a
x
1
+x
2
−x
3
−x
4
= a +b +c
a) Determine los valores de a, b y c para que el sistema dado admita como soluci´on a
(1, 2, 0, 1) +t(−1, 0, 1, 2), para un valor fijo del par´ametro t
b) Determine condiciones entre a, b y c para que el sistema dado tenga soluci´on dependiendo
de un par´ametro.
31. Dado el sistema
_
¸
¸
_
¸
¸
_
x −2y −z = 2
x −αy −βz = α
2x −4y −2βz = 4β
2x + (α −6)y −(β + 1)z = γ
Determine los valores de α, β, γ ∈ R para que el sistema sea consistente y tenga infinitas solucio-
nes. Resuelva el sistema para el caso en que el cojunto soluci´on dependa de un par´ametro.
32. Dado el sistema
_
_
_
2x +y + 3z +w = 6
4x +y −3z +w = −5
2x +y +az +w = b
a) Determine los valores de a, b ∈ R para que el sistema tenga infinitas soluciones.
b) Resuelva el sistema de modo que su soluci´on dependa de dos par´ametros.
c) ¿Es posible resolver el sistema considerando a z como ´ unico par´ametro?. Justifique con pre-
cisi´on
46 1. SISTEMAS DE ECUACIONES LINEALES
33. Dado el sistema lineal
_
x
1
+x
2
+x
3
= 6
2x
1
+x
2
−x
3
= 4
Determine todas las soluciones posibles del sistema, si se supone que x
1
, x
2
, x
3
∈ N ∪ {0}.
34. Sea X = (1, −2, 0, 3) +t(a, b, 1, c) con t ∈ R, una soluci´on del sistema
_
¸
¸
_
¸
¸
_
x
1
+ 3x
3
+ 2x
4
= α
3x
1
−2x
2
−x
4
= β
x
1
−x
2
+x
3
−2x
4
= γ
3x
1
−x
2
+ 2x
3
+ 3x
4
= δ
Determine los valores de α, β, γ, δ, a, b y c.
35. Un nutricionista esta preparando una dieta que consta de los alimentos A, B y C. Cada onza de
alimento A contiene 2 unidades de prote´ına, 3 unidades de grasa y 4 unidades de carbohidratos.
Cada onza del alimento B contiene 3 unidades de prote´ına, 2 unidades de grasa y 1 unidad de
carbohidratos. Cada onza del alimento C contiene 3 unidades de prote´ına, 3 unidades de grasa y 2
unidades de carbohidratos. Si la dieta debe proporcionar exactamente 25 unidades de prote´ına, 24
unidades de grasa y 21 unidades de carbohidratos, ¿Cu´antas onzas de cada comida se necesitan?
36. En una helader´ıa, por una copa de helado, dos pasteles y cuatro jugos, le cobran $3.400 un d´ıa.
Otro d´ıa, por cuatro copas de helado y cuatro pasteles, le cobran $4.400 y, un tercer d´ıa, le piden
$2.300 por un pastel y cuatro jugos. ¿Tiene motivos para pensar que alguno de los tres d´ıas le
han presentado una cuenta incorrecta?
37. (El problema de Fibbonacci) Tres hombres poseen una sola pila de monedas y sus aportaciones
son
1
2
,
1
3
y
1
6
. Cada uno toma algo de dinero de la pila, hasta que no queda nada. A continuaci´on
el primer hombre regresa
1
2
de lo que tom´o, el segundo
1
3
y el tercero
1
6
. Cuando el total de
lo que regresaron se divide por igual entre ellos, se descubre que cada hombre posee lo que le
corresponde por su aportaci´on.
a) ¿Cu´antas monedas hab´ıa en la pila y cu´anto tom´o cada uno?. Designe por x, y, z la cantidad
de dinero que tomaron los tres hombres de la pila de monedas y por M la cantidad total de
monedas de la pila.
b) La soluci´on dada por Fibonacci a este problema fu´e: M = 47, x = 33, y = 13 y z = 1. En
relaci´on con la soluci´on encontrada en a), ¿Porqu´e es correcta est´a soluci´on?
38. Un padre deja todo su dinero a sus hijos herederos con las siguientes condiciones: al mayor le deja
la media de lo que les deja a los otros dos m´as $30.000.000; al mediano, exactamente la media de
lo de los otros dos; y al peque˜ no, la media de lo de los otros dos menos $30.000.000. Conociendo
estas condiciones solamente, ¿pueden los hijos saber cu´anto dinero ha heredado cada uno?
39. Construya un polinomio cuadr´atico p(x) = ax
2
+bx +c que satisfaga las siguientes condiciones:
p(1) = f(1), p

(1) = f

(1) y p”(1) = f”(1), donde f es una funci´on , f

y f” denotan su primera
y segunda derivada, respectivamente. Para,
a) f(x) = e
2x
.
b) f(x) = xe
x−1
.
40. Una persona invirti´o un total de 20 mil d´olares en tres inversiones al 6 %, 8 % y 10 %. El ingreso
anual total fu´e de $1624 y el ingreso de la inversi´on al 10 % fu´e dos veces el ingreso de la inversi´on
al 6 %. ¿De cu´anto fu´e cada inversi´on?
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI
´
ON MATRICIAL 47
41. Una firma de transporte posee tres tipos distintos de camiones A, B y C. Los camiones est´an
equipados para el transporte de maquinaria pesada: Horquillas y rodillos rompe hielo. Cada
cami´ on A puede transportar 2 horquillas, cada cami´on tipo B puede transportar una horquilla
y un rodillo rompe hielo, cada cami´on tipo C una horquilla y dos rodillos rompe hielo. La firma
consigue una orden para transportar 32 horquillas y 10 rodillos rompe hielo.
a) Determine el n´ umero de camiones de cada tipo que se requieren para cumplir la orden, asu-
miendo que, cada cami´on debe estar completamente cargado y el n´ umero exacto de m´aquinas
pedidas es el que se debe despachar.
b) Si la operaci´on de cada tipo de cami´on tiene el mismo costo para la firma ¿Cu´al es la soluci´on
m´as econ´omica?
42. Una empresa fabrica tres modelos de guitarras electricas, stratocaster, telecaster y FIV. El costo
de producci´on de cada unidad del modelo stractocaster es de $60.000 pesos, del modelo telecaster
es de $40.000 pesos y del modelo FIV es de $90.000 pesos. Adem´as la fabricaci´on de cada modelo
(por unidad) requiere la utlizaci´on de 2 tipos de materia prima como se muestra en la tabla
siguiente:
Modelo Unidades materia prima 1 Unidades materia prima 2
Stratocaster 1 2
Telecaster 3 5
FIV 4 7
Materia prima disponible 40 77
a) Determine la funci´on que permite calcular el costo total de producir x unidades del modelo
stratocaster, y unidades del modelo telecaster, z unidades del modelo FIV.
b) Si se debe ocupar toda la materia prima disponible del tipo 1 y del tipo 2, plantee un sistema
que permita calcular la cantidad guitarras de cada modelo que deben producirse. Resuelva
el sistema.
c) Determine la cantidad de guitarras que deben producirse de cada modelo para que el costo
total sea m´ınimo, si se deben producir al menos una guitarra de cada modelo.
43. Una compa˜ n´ıa de inversiones vende tres tipos de fondos de inversi´on, est´andar (E),de lujo (D) y
Golden (G). Cada unidad de E tiene 1 acci´on tipo A, 2 tipo B y 3 tipo C. Cada unidad de D
tiene 4 acciones tipo A, 1 tipo B y 2 tipo C. Cada unidad de G tiene 5 acciones tipo A, 3 tipo
B y 5 tipo C. Suponga que un inversionista desea comprar exactamente 10 acciones tipo A, 13
acciones tipo B y 20 tipo C, comprando unidades de los tres fondos.
a) Determine las combinaciones posibles de fondos tipo E, D y G que satisfagan los requeri-
mientos del inversionista.
b) Si cada unidad de E, D y G le cuesta al inversionista $300, $400 y $600 pesos respectiva-
mente ¿Cuales de las combinaciones encontradas anteriormente minimizar´a el costo total del
inversionista?
44. Una peque˜ na empresa fabrica tres productos. Si se venden x
1
, x
2
y x
3
unidades de cada producto,
se obtiene una ganancia neta por venta seg´ un la funci´on
G(x
1
, x
2
, x
3
) = 20x
1
−5x
2
+ 10x
3
.
Las perturbaciones del mercado indican que dicha ganancia est´a sujeta a las siguientes restric-
ciones:
x
1
+ 2x
2
+ 8x
3
= 50
2x
1
+ 3x
2
+ 11x
3
= 80
x
1
, x
2
, x
3
≥ 0
a) Resuelva el sistema, considerando que las soluciones deben ser enteras.
b) ¿Cu´al ser´a la ganancia m´axima que se puede obtener?
48 1. SISTEMAS DE ECUACIONES LINEALES
c) Si se introduce la restricci´on 7x
1
+13x
2
+kx
3
= p, determine los valores de k y p adecuados
de modo que la soluci´on obtenida en a) se mantenga.
5. Sistemas Lineales: Segunda representaci´on matricial
Hasta el momento se han utilizado matrices s´olo para codificar la data relevante de un sistema de
ecuaciones lineales, al utilizar el producto matricial, se obtiene una segunda representaci´on matricial de
un sistema lineal. Esta nueva representaci´on, no s´olo nos servir´a para dar respuesta a las preguntas de
consistencia de los sistemas, nos permitir´a representar adecuadamente los algor´ıtmos de soluci´on estudia-
dos anteriormente y enrriquecer´a nuestro conocimiento sobre las matrices mismas.
En general, dado un sistema lineal de orden m×n,
S :
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
a
11
x
1
+a
12
x
2
+· · · +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+· · · +a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+a
m2
x
2
+· · · +a
mn
x
n
= b
m
denotando por,
A =
_
¸
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
· · · a
mn
_
¸
¸
¸
_
la matriz de coeficientes del sistema, por
b =
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
n
_
¸
¸
¸
_
la matriz de t´erminos independientes (como se ha hecho anteriormente) y definiendo la matriz X por,
X =
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
n
_
¸
¸
¸
_
matriz de variables del sistema, al utilizar el producto matricial, el sistema S se transforma en la ecuaci´on
matricial
AX = b.
Est´a ecuaci´on, es usualmente denominada forma matricial del sistema S.
Si S es un sistema de ecuaciones de orden n ×n (con igual n´ umero de ecuaciones que de variables),
la matriz de coeficientes del sistema A es una matriz cuadrada de orden n y AX = b es una ecuaci´on en
M
n
(R), que es un conjunto en el cual el producto matricial es una operaci´on. Como se vi´o en el cap´ıtulo
1, la soluci´on de la ecuaci´on AX = b en M
n
(R) se facilita cuando A es una matriz invertible. En tal caso,
la soluci´on de la ecuaci´on Ax = b est´a dada por,
X = A
−1
b.
Debido a que la inversa de la matriz A es ´ unica, el valor de X determinado es ´ unico.
Traduciendo esto en el lenguaje de los sistema, diremos que un sistema lineal de orden n ×n tiene solu-
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 49
ci´on ´ unica si la matriz de coeficientes del sistema A es invertible y ser´a inconsistente ´o tendr´a infinitas
soluciones en el caso en que A no sea invertible. Esto nos conduce a las preguntas ¿Cu´ando una matriz
cuadrada de orden n es invertible? y si es invertible, ¿ C´omo calcular su inversa?, que son precisamente los
interrogantes que quedaron abiertas en el capitulo 1. Es el momento de dar soluci´on a estos interrogantes.
Antes de abordar las preguntas anteriores, veamos como la forma matricial de los sistemas lineales
nos facilita la demostraci´on de algunas propiedades de los sistemas, que bajo la representaci´on algebrai-
ca resultan un poco m´as dif´ıciles de hacer. De ahora en adelante se har´a referencia a un sistema lineal
mediante su forma matricial.
Teorema 5.1. Sea X
p
una soluci´on part´ıcular del sistema lineal AX = b. Toda soluci´on de AX = b
es de la forma
X = X
p
+X
h
donde X
h
es una soluci´on del sistema lineal homog´eneo AX = 0. En otras palabras, lo que se afirma es
que si denotamos por C
S
el conjunto soluci´on del sistema AX = b y por C
H
el conjunto soluci´on del
sistema lineal homog´eneo Ax = 0 se tiene
C
S
= X
p
+C
H
= {X
p
+X
h
| X
h
∈ C
H
}.
Demostraci´ on
Sean X
h
una soluci´on del sistema lineal homog´eneo AX = 0 y Z = X
p
+X
h
∈ {X
p
+X
h
| X
h
∈ C
h
}.
Puesto que,
AZ = A(X
p
+X
h
) = AX
p
+AX
h
= b + 0 = b
se tiene que Z es una soluci´on del sistema AX = b. Por tanto,
{X
p
+X
h
| X
h
∈ C
h
} ⊆ C
S
.
Por otra parte, dada cualquier soluci´on X

de AX = b, sea V = X

−X
p
. Al efectuar el producto AV se
obtiene
AV = A(X

−X
p
) = AX

−AX
p
= b −b = 0
lo que significa que V ∈ C
H
.
Esto demuestra que, dada cualquier soluci´ on X

del sistema AX = b, existe un vector V que es soluci´on
del sistema homog´eneo AV = 0 que permite expresar
X

= X
p
+V.
Por tanto,
C
S
⊆ {X
p
+X
h
| X
h
∈ C
H
}.
Lo que finalmente demuestra,
C
S
= X
p
+C
H
= {X
p
+X
h
| X
h
∈ C
H
}.

En la pr´ actica, el teorema afirma que dado un sistema compatible AX = b y una soluci´on particular
X
p
, para determinar todas las soluciones del sistema AX = b, basta con resolver el sistema lineal ho-
mog´eneo asociado AX = 0 y sumar cada vector de este conjunto soluci´on, con la soluci´on X
p
de AX = b.
Puesto que la soluci´on del sistema lineal homog´eneo es un hiperplano que pasa por el origen, en t´erminos
geom´etricos, el teorema establece que la soluci´on del sistema AX = b, se obtiene trasladando este hiper-
plano a una soluci´on particular de AX = b.
50 1. SISTEMAS DE ECUACIONES LINEALES
El expresar el conjunto soluci´on de un sistema AX = b en forma vectorial, permite distinguir con
claridad cual es la soluci´on particular a la que hace referencia el teorema y cual es la soluci´on del sistema
lineal homog´eneo asociado, como se ilustra en el ejemplo siguiente.
Ejemplo 5.1. El sistema lineal
_
¸
¸
_
¸
¸
_
x + 2z −w + 4t = 1
−x +y −3z +w −2t = −2
x +y +z + 6t = 0
y −z + 2t = −1
tiene infinitas soluciones, como se demostr´o en el ejemplo 4.14, su conjunto soluci´on est´a formado por
todos los vectores X de R
5
que satisfacen
X =
_
¸
¸
¸
¸
_
x
y
z
w
t
_
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
_
1
−1
0
0
0
_
¸
¸
¸
¸
_
+z
_
¸
¸
¸
¸
_
−2
1
1
0
0
_
¸
¸
¸
¸
_
+t
_
¸
¸
¸
¸
_
−4
−2
0
0
1
_
¸
¸
¸
¸
_
, z, t ∈ R.
Luego, una soluci´on part´ıcular del sistema es
X
p
=
_
¸
¸
¸
¸
_
1
−1
0
0
0
_
¸
¸
¸
¸
_
y toda soluci´ on del sistema lineal homog´eneo asociado
_
¸
¸
_
¸
¸
_
x + 2z −w + 4t = 0
−x +y −3z +w −2t = 0
x +y +z + 6t = 0
y −z + 2t = 0
es de la forma
X
h
= z
_
¸
¸
¸
¸
_
−2
1
1
0
0
_
¸
¸
¸
¸
_
+t
_
¸
¸
¸
¸
_
−4
−2
0
0
1
_
¸
¸
¸
¸
_
z, t ∈ R.
Es decir,
C
H
= {z
_
−2 1 1 0 0
¸
t
+t
_
−4 −2 0 0 1
¸
t
| z, t ∈ R}.
Observe que para escribir este conjunto se ha utilizado la trasposici´on de matrices, esto solo se ha hecho
con el prop´osito de ahorrar un poco de espacio y que el conjunto soluci´on se vea mejor.
Ejemplo 5.2. Si X
p
=
_
1 2 0 2 1
¸
t
es una soluci´on del sistema
_
¸
¸
_
¸
¸
_
x + 2z −w + 3t = a
−x + 2y −2z + 3w +t = b
3x −4y −z +t = c
5x −6y + 3z −4w + 3t = d
Determine los valores de a, b, c, d ∈ R y encuentre todas las soluciones del sistema.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 51
Soluci´ on
Si X
p
es una soluci´on particular del sistema, al remplazar los valores x = 1, y = 2, z = 0, w = 2 y
t = 1 en cada una de las ecuaciones del sistema, estas se deben satisfacer. Es decir,
_
¸
¸
_
¸
¸
_
1 + 2 · 0 −2 + 3 · 1 = a
−1 + 2 · 2 −2 · 0 + 3 · 2 + 1 = b
3 · 1 −4 · 2 −·0 + 1 = c
5 · 1 −6 · 2 + 3 · 0 −4 · 2 + 3 · 1 = d
.
Luego, a = 2, b = 10, c = −4 y d = −12.
De acuerdo al teorema anterior, para determinar el conjunto soluci´on del sistema dado, basta con deter-
minar las soluciones del sistema lineal homog´eneo asociado,
_
¸
¸
_
¸
¸
_
x + 2z −w + 3t = 0
−x + 2y −2z + 3w +t = 0
3x −4y −z +t = 0
5x −6y + 3z −4w + 3t = 0
.
Para esto, buscamos la forma escalonada equivalente por filas a la matriz de coeficientes
_
¸
¸
_
1 0 2 −1 3
−1 2 −2 3 1
3 −4 −1 0 1
5 −6 3 −4 3
_
¸
¸
_

_
¸
¸
_
1 0 0 1 3
0 1 0 1 2
0 0 1 −1 0
0 0 0 0 0
_
¸
¸
_
.
De donde,
_
_
_
x = −w −3t
y = −w −2t
z = w
w, t ∈ R.
Las soluciones del sistema lineal homog´eneo est´an dadas por,
X
H
= w
_
¸
¸
¸
¸
_
−1
−1
1
1
0
_
¸
¸
¸
¸
_
+t
_
¸
¸
¸
¸
_
−3
−2
0
0
1
_
¸
¸
¸
¸
_
w, t ∈ R.
Por el teorema anterior, las soluciones del sistema
_
¸
¸
_
¸
¸
_
x + 2z −w + 3t = 2
−x + 2y −2z + 3w +t = 10
3x −4y −z +t = −4
5x −6y + 3z −4w + 3t = −12
son de la forma
X = X
p
+X
h
=
_
¸
¸
¸
¸
_
1
2
0
2
1
_
¸
¸
¸
¸
_
+w
_
¸
¸
¸
¸
_
−1
−1
1
1
0
_
¸
¸
¸
¸
_
+t
_
¸
¸
¸
¸
_
−3
−2
0
0
1
_
¸
¸
¸
¸
_
w, t ∈ R.

52 1. SISTEMAS DE ECUACIONES LINEALES
Ejemplo 5.3. Dado el sistema lineal AX = b, donde A es una matriz cuadrada de orden 4 y las
soluciones del sistema lineal homog´eneo asociado son
X
H
= t
1
_
¸
¸
_
1
0
2
−1
_
¸
¸
_
+t
2
_
¸
¸
_
0
1
3
4
_
¸
¸
_
t
1
, t
2
∈ R
1. ¿ Es posible que A ≈ I
4
?
Observe que las soluciones del sistema lineal homog´eneo asociado, dependen de dos par´ametros,
lo que significa que rang(A) = 4 − 2 = 2. Si R es la forma escalonada reducida equivalente por
filas a la matriz A, R necesariamente debe tener dos filas iguales a cero. Por tanto, no es posible
que A ≈ I
4
.
2. Si una soluci´on particular del sistema dado es
X
p
=
_
¸
¸
_
0
0
4
6
_
¸
¸
_
determine las soluciones de AX = b. ¿Es posible determinar la matriz A?, en caso afirmativo,
encuentr´ela.
Las soluciones del sistema AX = b son
X =
_
¸
¸
_
0
0
4
6
_
¸
¸
_
+t
1
_
¸
¸
_
1
0
2
−1
_
¸
¸
_
+t
2
_
¸
¸
_
0
1
3
4
_
¸
¸
_
t
1
, t
2
∈ R.
Primero observe que la matriz A no es ´ unica ¿Porqu´e ?. Se determinar´a una de ellas.
De la soluci´on anterior,
X =
_
¸
¸
_
x
1
x
2
x
3
x
4
_
¸
¸
_
=
_
¸
¸
_
0
0
4
6
_
¸
¸
_
+t
1
_
¸
¸
_
1
0
2
−1
_
¸
¸
_
+t
2
_
¸
¸
_
0
1
3
4
_
¸
¸
_
=
_
¸
¸
_
t
1
t
2
4 + 2t
1
+ 3t
2
6 −t
1
+ 4t
2
_
¸
¸
_

_
¸
¸
_
¸
¸
_
x
1
= t
1
x
2
= t
2
x
3
= 4 + 2t
1
+ 3t
2
x
4
= 6 −t
1
+ 4t
2
.
Luego, x
1
, x
2
, x
3
, x
4
satisfacen el sistema
_
−2x
1
−3x
2
+x
3
= 4
x
1
−4x
2
+x
4
= 6
.
Representando matricialmente este sistema y recordando que A es una matriz cuadrada de orden
4, se obtiene
_
¸
¸
_
−2 −3 1 0
1 −4 0 1
0 0 0 0
0 0 0 0
_
¸
¸
_
_
¸
¸
_
x
1
x
2
x
3
x
4
_
¸
¸
_
=
_
¸
¸
_
4
6
0
0
_
¸
¸
_
.
As´ı, una posible matriz es,
A =
_
¸
¸
_
−2 −3 1 0
1 −4 0 1
0 0 0 0
0 0 0 0
_
¸
¸
_
.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 53
Note que, si aplicamos operaciones elementales a la matriz aumentada del sistema AX =
_
¸
¸
_
4
6
0
0
_
¸
¸
_
,
se obtiene un sistema equivalente lo que implica que es posible elegir una matriz A diferente a la
encontrada. As´ı, por ejemplo, puesto que
_
¸
¸
_
−2 −3 1 0 4
1 −4 0 1 6
0 0 0 0 0
0 0 0 0 0
_
¸
¸
_

_
¸
¸
_
2 3 −1 0 −4
1 −4 0 1 6
−4 5 1 −2 −8
1 −4 0 1 6
_
¸
¸
_
otra posibilidad para A es,
A =
_
¸
¸
_
2 3 −1 0
1 −4 0 1
−4 5 1 −2
1 −4 0 1
_
¸
¸
_
.
3. Resolver el sistema, considerando como par´ametros las variables x
3
y x
4
. Considere la soluci´on
particular dada en el item anterior.
Utilizando operaciones elementales de fila se tiene,
_
¸
¸
_
−2 −3 1 0 4
1 −4 0 1 6
0 0 0 0 0
0 0 0 0 0
_
¸
¸
_

_
¸
¸
_
1 0 −
4
11
3
11
2
11
0 1 −
1
11

2
11

16
11
0 0 0 0 0
0 0 0 0 0
_
¸
¸
_
Por tanto,
X =
_
¸
¸
_
2
11

16
11
0
0
_
¸
¸
_
+x
3
_
¸
¸
_
4
11
1
11
1
0
_
¸
¸
_
+x
4
_
¸
¸
_

3
11
2
11
0
1
_
¸
¸
_
, x
3
, x
4
∈ R
4. Si al sistema dado se le agrega la ecuaci´on 2x
1
+ 3x
2
− x
3
+ 5x
4
= k, determine el valor de la
constante k, para que se conserve la soluci´on del sistema encontrada en 2.
Una forma de determinar k, es exigir que la soluci´on dada en 2. satisfaga la ecuaci´on dada, es
decir
2t
1
+ 3t
2
−(4 + 2t
1
+ 3t
2
) + 5(6 −t
1
+ 4t
2
) = k
−5t
1
+ 20t
2
+ 26 = k
Como se supone que k es constante, esta relaci´on contradice la naturaleza de k. Por tanto, no
existe un k ∈ R de modo que se mantenga la soluci´on del sistema.
5. ¿ Es tambi´en X
H
=
_
¸
¸
_
2
−3
−5
2
_
¸
¸
_
una soluci´on del sistema lineal homog´eneo asociado?
54 1. SISTEMAS DE ECUACIONES LINEALES
Para que X
H
=
_
¸
¸
_
2
−3
−5
2
_
¸
¸
_
, sea una soluci´on del sistema lineal homog´eneo asociado, deben existir t
1
,
t
2
en R tales que
t
1
_
¸
¸
_
1
0
2
−1
_
¸
¸
_
+t
2
_
¸
¸
_
0
1
3
4
_
¸
¸
_
=
_
¸
¸
_
2
−3
−5
2
_
¸
¸
_
de donde, t
1
= 2, t
2
= −3, 2t
1
+ 3t
2
= −5 y −t
1
+ 4t
2
= 2, lo cual es imposible, ya que si se
sustituyen los valores de t
1
y t
2
en la ultima ecuaci´on se llega al absurdo −14 = 2. Por tanto,
X
H
no es una soluci´on del sistema lineal homog´eneo.
5.1. Matrices Invertibles.
Esta secci´on est´a dedicada a resolver el problema de determinar condiciones para que una matriz
A ∈ M
n
(R) sea invertible y en caso de serlo, como poder determinar su inversa.
Si A ∈ M
n
(R), se desea determinar condiciones para que exista una matriz X ∈ M
n
(R) que satisfaga
las ecuaciones matriciales
AX = I
n
y XA = I
n
.
Si se representa la matriz X por medio de sus columnas,
X =
_
C
1
C
2
· · · C
n
¸
el producto
AX = A
_
C
1
C
2
· · · C
n
¸
=
_
AC
1
AC
2
· · · AC
n
¸
.
Al representar la matriz identidad I
n
mediante sus vectores columnas,
I
n
=
_
e
1
e
2
· · · e
n
¸
donde e
k
, para todo k = 1, 2, . . . , n, es el vector cuya k-´esima componente es 1 y sus dem´as componentes
son todas iguales a 0, la ecuaci´on AX = I
n
se transforma en
_
AC
1
AC
2
· · · AC
n
¸
=
_
e
1
e
2
· · · e
n
¸
.
Utilizando la igualdad de matrices se obtiene,
AC
1
= e
1
AC
2
= e
2
· · · AC
n
= e
n
.
Como se desea que cada uno de los n sistemas anteriores tenga soluci´on ´ unica, por el teorema de Roch´e-
Frobenius, el
rang(A) = n.
Por otra parte, como XA = I
n
implica que A
t
X
t
= I
n
, representando X
t
mediante sus vectores
columnas,
X
t
=
_
F
1
F
2
· · · F
n
¸
donde F
k
es la k-´esima fila de la matrix X, para k = 1, 2, . . . , n, se tiene que XA = I
n
si y solo si se
satisfacen las ecuaciones matriciales
A
t
F
1
= e
1
A
t
F
2
= e
2
· · · A
t
F
n
= e
n
.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 55
Debido a que cada uno de los n sistemas anteriores deben tener soluci´on ´ unica, por el teorema de Roch´e-
Frobenius, se tiene que rang(A
t
) = n.
Puesto que, en general rang(A) = rang(A
t
), las dos condiciones anteriores se reducen a una s´ola
rang(A) = n.
Note que para que A tenga inversa es necesario que cada uno de los 2n sistemas tengan soluci´on
´ unica, lo que implica que cualquier sistema de la forma AX = b debe tener igualmente soluci´on ´ unica
y por tanto el sistema lineal homog´eneo asociado AX = 0 tiene soluci´on trivial. El teorema siguiente
resume todas las conclusiones que surgen del procedimiento expuesto anteriormente.
Teorema 5.2. Dada una matriz A ∈ M
n
(R), las proposiciones siguientes son equivalentes,
1. A es invertible.
2. La ecuaci´ on AX = b tiene soluci´on ´ unica para todo b ∈ R
n
.
3. La ecuaci´ on AX = 0 tiene soluci´on trivial.
4. La forma escalonada reducida de A es la matriz identidad, I
n
.
5. rang(A) = n.
6. Existe una ´ unica matriz B ∈ M
n
(R) talque AB = I
n
.
Demostraci´ on
Para demostrar que las seis proposiciones son equivalentes, se utilizar´a un m´etodo c´ıclico, se mos-
trar´a que: 1 ⇒ 2 ⇒ 3 ⇒ 4 ⇒ 5 ⇒ 6 ⇒ 1.
1 ⇒ 2: Si A ∈ M
n
(R) es invertible, existe una ´ unica matriz A
−1
∈ M
n
(R) talque
A
−1
A = A
−1
A = I
n
.
Dado cualquier sistema AX = b, multiplicando a izquierda por A
−1
ambos lados de la igualdad,
se tiene
A
−1
AX = A
−1
b
I
n
X = A
−1
b
X = A
−1
b.
Por tanto, el sistema AX = b tiene soluci´on ´ unica X = A
−1
b, para todo b ∈ R
n
.
2 ⇒ 3: Si AX = b tiene soluci´on ´ unica para todo b ∈ R
n
, en particular para b = 0, lo que significa
que el sistema lineal homog´eneo AX = 0 tiene soluci´on ´ unica X = 0.
3 ⇒ 4: Sea R la forma escalonada reducida de A. Si R = I
n
, la matriz R necesariamente debe tener
una fila de ceros. Puesto que R es una matriz cuadrada de orden n, rang(A) < n. El teorema de
Roch´e-Frobenius, asegura que el sistema lineal homog´eneo AX = 0 tiene infinitas soluciones, lo
que contradice la h´ıp´otesis. Por tanto, R = I
n
.
4 ⇒ 5: Si A es equivalente por filas a la matriz identidad I
n
, claramente rang(A) = n.
5 ⇒ 6: Sea I
n
=
_
e
1
e
2
· · · e
n
¸
donde los e
k
representan los vectores columna de I
n
. Como
rang(A) = n, se tiene que para cada k = 1, 2, . . . , n, el sistema AX = e
k
tiene soluci´on ´ unica un
vector B
k
∈ R
n
. Entonces, para cada k = 1, 2, . . . , n, B
k
es el ´ unico vector de R
n
que satisface:
AB
k
= e
k
.
Sea B =
_
B
1
B
2
· · · B
n
¸
la matriz cuyas columnas est´an formadas por los vectores B
k
,
efectuando la multiplicaci´on AB se obtiene
56 1. SISTEMAS DE ECUACIONES LINEALES
AB = A
_
B
1
B
2
· · · B
n
¸
=
_
AB
1
AB
2
· · · AB
n
¸
=
_
e
1
e
2
· · · e
n
¸
= I
n
.
Lo que demuestra que existe una ´ unica matrix B ∈ M
n
(R), talque AB = I
n
.
6 ⇒ 1: Supongamos que existe una ´ unica matriz B ∈ M
n
(R) talque AB = I
n
. Si se considera el
sistema lineal homog´eneo BX = 0, puesto que X se expresa en forma ´ unica como X = I
n
X e I
n
como I
n
= AB se tiene,
X = I
n
X = (AB)X = A(BX) = A0 = 0.
Lo que muestra que X = 0, es la ´ unica soluci´on posible para BX = 0.
Como se ha demostrado que, 2 ⇒ 3 ⇒ 4 ⇒ 5 ⇒ 6 y que el sistema BX = 0 tiene soluci´on trivial,
se asegura la existencia de una ´ unica matriz B
1
∈ M
n
(R), tal que BB
1
= I
n
, ya que 2 ⇒ 6.
Como
A = AI
n
= A(BB
1
) = (AB)B
1
= I
n
B
1
= B
1
,
se tiene que,
BA = BB
1
= I
n
.
De esta ´ ultima igualdad y de la hip´otesis AB = I
n
se concluye que A es una matriz invertible.

El teorema anterior ser´a de gran importancia para los desarrollos que se har´an a lo largo de todo el
texto, as´ı que le suger´ımos que lo tenga presente, ya que no s´olo ser´a aplicado con frecuencia, si no que
le ser´a ´ util en cursos futuros. En este momento nos servir´a para determinar un procedimiento para el
c´alculo de la inversa de una matriz A ∈ M
n
(R).
Primero observe que, al demostrar que 6 ⇒ 1, se mostr´o que si existe una ´ unica matriz X talque
AX = I
n
, necesariamente XA = I
n
. Lo que significa que las matrices A y X son inversas una de la otra
y por tanto
X = A
−1
.
Este hecho, simplifica la tarea del c´alculo de la inversa de una matriz: ser´a suficiente asegurar la existencia
de una ´ unica matriz que satisface AX = I
n
, para tener la certeza que X = A
−1
.
Por otra parte, si se supone que A ∈ M
n
(R) es una matriz invertible, 6 asegura que existe una ´ unica
matriz X talque AX = I
n
. Expresando X e I
n
mediante sus columnas,
X =
_
C
1
C
2
· · · C
n
¸
y I
n
=
_
e
1
e
2
· · · e
n
¸
y efectuaando la multiplicaci´on, como se ha hecho anteriormente,
AX =
_
AC
1
AC
2
· · · AC
n
¸
=
_
e
1
e
2
· · · e
n
¸
se tiene que cada uno de los sistemas
AC
1
= e
1
AC
2
= e
2
· · · AC
n
= e
n
tiene soluci´on ´ unica.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 57
Ahora si se piensa en detalle como se resuelven cada uno de estos sistemas utilizando el algor´ıtmo de
Gauss-Jordan, surge naturalmente el m´etodo que se busca. Recuerde que lo primero que se hace es
construir las matrices aumentadas de cada sistema,
[A | e
1
], [A | e
2
], · · · , [A | e
n
],
a continuaci´ on se determina la forma escalonada reducida de cada una de ellas. Puesto que A ≈ I
n
, la
misma sucesi´on de operaciones elementales que hacen A equivalente a I
n
, sirven para determinar cada
una de las formas escalonadas reducidas que se requieren. Adem´as, como para cada k = 1, 2, . . . , n, el
k-´esimo sistema tiene a C
k
por soluci´on, se tiene que
[A | e
1
] ≈ [I
n
| C
1
], [A | e
2
] ≈ [I
n
| C
2
], · · · , [A | e
n
] ≈ [I
n
| C
n
].
Debido a que, sobre cada matriz aumenta se utilizan las mismas operaciones elementales, resulta
impr´actico (por no decir absurdo) repetir n veces por separado, el mismo procedimiento. Lo adecuado
ser´ıa, ingeniarnos la manera de realizar estas operaciones en paralelo. ¿C´omo se podr´ıa hacer?. Constru-
yendo la matriz
[A | e
1
e
2
· · · e
n
] = [A | I
n
]
de orden n ×2n, y determinando su forma escalonada reducida R.
Finalmente, observe que
[A | I
n
] ≈ R = [I
n
| C
1
C
2
· · · C
n
] = [I
n
| A
−1
]
lo que permite en n pasos (en lugar de n
2
pasos) determinar A
−1
. El m´etodo encontrado es uno de los
m´etodos m´as efectivos para el c´alculo de la matriz inversa.
El m´etodo anterior, se puede extender al problema de determinar si una matriz A es o n´o invertible. De
acuerdo al teorema anterior, para decidir si una matriz es invertible, es suficiente con calcular su rango.
Note que, el rango de la matriz A se puede obtener a partir de la matriz
[A | I
n
],
buscando una forma escalonada equivalente. Si A no es invertible, no es necesario continuar el proceso
para hallar la forma escalonada reducida. Pero si A es invertible y se desea determinar su inversa, el
trabajo se ha adelantado bastante. Por supuesto, si ´ unicamente se quiere determinar si A es invertible,
resulta impr´ actico utilizar [A | I
n
] en lugar de A, pues conlleva mayor cantidad de c´alculos. As´ı, que se
aconseja utilizar la matriz [A | I
n
] ´ unicamente cuando se quiere saber si A es invertible y se requiere
determinar A
−1
.
Los ejemplos siguientes ilustran el uso de este m´etodo.
Ejemplo 5.4. Decida si la matriz
A =
_
_
−1 4 0
2 3 1
2 2 1
_
_
es invertible. Si lo es, determine su inversa.
Soluci´ on
Como se desea, determinar si la matriz A es invertible y en caso de serlo, calcular A
−1
. Se utiliza la
matriz [A | I
n
].
[A | I
n
] =
_
_
−1 4 0 1 0 0
2 3 1 0 1 0
2 2 1 0 0 1
_
_

F
1
↔ F
2
_
_
1 −4 0 −1 0 0
2 3 1 0 1 0
2 2 1 0 0 1
_
_
58 1. SISTEMAS DE ECUACIONES LINEALES

F
2
−2F
1
F
3
−2F
1
_
_
1 −4 0 −1 0 0
0 11 1 2 1 0
0 10 1 2 0 1
_
_

1
11
F
2
_
_
1 −4 0 −1 0 0
0 1
1
11
2
11
1
11
0
0 10 1 2 0 1
_
_

F
3
−10F
2
_
_
1 −4 0 −1 0 0
0 1
1
11
2
11
1
11
0
0 0
1
11
2
11

10
11
1
_
_

11F
3
_
_
1 −4 0 −1 0 0
0 1
1
11
2
11
1
11
0
0 0 1 2 −10 11
_
_
Puesto que rang(A) = 3, se concluye que A es invertible.
Para calcular la matriz inversa de A, se continua con la reducci´on para determinar la forma escalonada
reducida.
[A | I
n
] ≈
_
_
1 −4 0 −1 0 0
0 1
1
11
2
11
1
11
0
0 0 1 2 −10 11
_
_

F
2

1
11
F
3
_
_
1 −4 0 −1 0 0
0 1 0 0 1 −1
0 0 1 2 −10 11
_
_

F

4F
2
_
_
1 0 0 −1 4 −4
0 1 0 0 1 −1
0 0 1 2 −10 11
_
_
= [I
n
| A
−1
]
Luego,
A
−1
=
_
_
−1 4 −4
0 1 −1
2 −10 11
_
_
.

Ejemplo 5.5. ¿Es la matriz
B =
_
¸
¸
_
1 0 1 −1
2 −1 1 0
2 3 1 2
1 −4 1 −3
_
¸
¸
_
invertible?
Soluci´ on
Puesto que lo ´ unico que se requiere saber es si B es o n´o una matriz invertible, utilizamos directamente
B para determinar su rango. El lector puede verificar
B =
_
¸
¸
_
1 0 1 −1
2 −1 1 0
2 3 1 2
1 −4 1 −3
_
¸
¸
_

_
¸
¸
_
1 0 1 −1
0 1 1 −2
0 0 −4 10
0 0 0 0
_
¸
¸
_
.
Como rang(B) = 3 = 4, se tiene que B no es una matriz invertible.

Ejemplo 5.6. Sea A = (a
ij
)
n×n
la matriz definida por
a
ij
=
_
1 +x
i
si i = j
x
i
si i = j
donde, los x
i
∈ R para cada i = 1, 2, . . . , n son tales que: x
1
+x
2
+· · · +x
n
= 1. ¿A es invertible?.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 59
Soluci´ on
Por definici´on la matriz A est´a dada por,
A =
_
¸
¸
¸
¸
¸
_
1 +x
1
x
1
x
1
· · · x
1
x
2
1 +x
2
x
2
· · · x
2
x
3
x
3
1 +x
3
· · · x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
· · · 1 +x
n
_
¸
¸
¸
¸
¸
_
.
Al realizar la sucesi´on de operaciones elementales: F
1
+F
i
para i = 2, 3, . . . , n se obtiene
A =
_
¸
¸
¸
¸
¸
_
1 +x
1
x
1
x
1
· · · x
1
x
2
1 +x
2
x
2
· · · x
2
x
3
x
3
1 +x
3
· · · x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
· · · 1 +x
n
_
¸
¸
¸
¸
¸
_

_
¸
¸
¸
¸
¸
_
1 +

n
k=1
x
k
1 +

n
k=1
x
k
1 +

n
k=1
x
k
· · · 1 +

n
k=1
x
k
x
2
1 +x
2
x
2
· · · x
2
x
3
x
3
1 +x
3
· · · x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
· · · 1 +x
n
_
¸
¸
¸
¸
¸
_
.
Utilizando la hip´otesis, x
1
+x
2
+· · · +x
n
= 1 se tiene,
A ≈
_
¸
¸
¸
¸
¸
_
1 + 1 1 + 1 1 + 1 · · · 1 + 1
x
2
1 +x
2
x
2
· · · x
2
x
3
x
3
1 +x
3
· · · x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
· · · 1 +x
n
_
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
_
2 2 2 · · · 2
x
2
1 +x
2
x
2
· · · x
2
x
3
x
3
1 +x
3
· · · x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
· · · 1 +x
n
_
¸
¸
¸
¸
¸
_

_
¸
¸
¸
¸
¸
_
1 1 1 · · · 1
x
2
1 +x
2
x
2
· · · x
2
x
3
x
3
1 +x
3
· · · x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
· · · 1 +x
n
_
¸
¸
¸
¸
¸
_
Aplicando las operaciones, F
k
−x
k
F
1
para k = 2, 3, . . . , n, se obtiene finalmente que,
A ≈
_
¸
¸
¸
¸
¸
_
1 1 1 · · · 1
0 1 0 · · · 0
0 0 1 · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 · · · 1
_
¸
¸
¸
¸
¸
_
.
De donde se deduce que rang(A) = n. Por tanto A es invertible.

5.2. Matrices Elementales.
La idea fundamental de est´a secci´on, es utilizar la multiplicaci´on de matrices para expresar cada una
de las operaciones elementales de fila y as´ı describir de mejor forma los algor´ıtmos de reducci´on que han
sido utilizados hasta el momento.
Suponga que se tienen la matriz
A =
_
a
11
a
12
a
13
a
21
a
22
a
23
_
y la matriz B la cual es obtenida a partir de A por la aplicaci´on de la operaci´on elemental: F
1
↔ F
2
,
60 1. SISTEMAS DE ECUACIONES LINEALES
B =
_
a
21
a
22
a
23
a
11
a
12
a
13
_
.
La pregunta es: ¿Es posible determinar una matriz E talque B = EA?
Primero determinemos el orden de la matriz E. Puesto que E y A deben ser compatibles para el pro-
ducto EA, el orden de E debe ser s×2. Como EA = B, las dos matrices deben tener igual orden. Debido a
que el orden de EA es s×3 y el de B es 2×3, se concluye que E debe ser una matriz cuadrada de orden 2.
Si E = (ε
ij
)
2×2
, el problema se reduce a determinar una matriz E talque,
_
ε
11
ε
12
ε
21
ε
22
_ _
a
11
a
12
a
13
a
21
a
22
a
23
_
=
_
a
21
a
22
a
23
a
11
a
12
a
13
_
Efectuando el producto se obtiene,
_
ε
11
a
11

12
a
21
ε
11
a
12

12
a
22
ε
11
a
13

12
a
23
ε
21
a
11

22
a
21
ε
21
a
12

22
a
22
ε
21
a
13

22
a
23
_
=
_
a
21
a
22
a
23
a
11
a
12
a
13
_
.
Por tanto,
ε
11
a
11

12
a
21
= a
21
ε
11
a
12

12
a
22
= a
22
ε
11
a
13

12
a
23
= a
23
.
Para que estas ecuaciones se satisfagan simult´aneamente, ε
11
= 0 y ε
12
= 1. An´alogamente, comparando
las segundas filas, se tiene finalmente que
E =
_
0 1
1 0
_
.
Note que si a la matriz identidad I
2
=
_
1 0
0 1
_
, se le aplica la misma operaci´on elemental de la cual
se obtuvo B a partir de A: F
1
↔ F
2
, se obtiene la matriz E. Lo interesante es que esto siempre es as´ı.
Definici´ on 5.1. Se dice que una matriz E ∈ M
n
(R) es una matriz elemental, si se obtiene a partir
de la identidad I
n
por la aplicaci´on de una y solo una operaci´on elemental de fila. Lo que equivale a que,
si ρ es una operaci´on elemental de fila, entonces E = ρ(I
n
) se denomina matriz elemental.
Como existen tres tipos diferentes de operaciones elementales de fila, existen tres tipos diferentes de
matrices elementales. As´ı por ejemplos, en M
2
(R) se tienen los tres tipos de matrices elementales:
Matriz de Intercambio de Fila: E =
_
0 1
1 0
_
.
Matrices de Escalamiento: E
1
=
_
α 0
0 1
_
y E
2
=
_
1 0
0 β
_
con α, β ∈ R −{0}.
Matrices de Reducci´on: E
1
=
_
1 0
α 1
_
y E
2
=
_
1 β
0 1
_
con α, β ∈ R.
Teorema 5.3. Sea A ∈ M
m×n
(R) y sea E ∈ M
m
(R) la matriz elemental obtenida a partir de I
m
por aplicaci´on de la operaci´on elemental ρ. Si se aplica sobre A la operaci´ on elemental ρ, entonces
ρ(A) = EA.
Demostraci´ on
Denotemos la matriz A y la matriz I
m
por medio de sus vectores filas,
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 61
A =
_
¸
¸
¸
_
F
1
F
2
.
.
.
F
m
_
¸
¸
¸
_
, I
m
=
_
¸
¸
¸
_
e
1
e
2
.
.
.
e
m
_
¸
¸
¸
_
..
Distinguimos tres casos seg´ un el tipo de matriz elemental E que se tenga.
Matriz de Intercambio de fila: Sea ρ una operaci´on elemental del tipo F
i
↔ F
j
y E = ρ(I
m
) .
Si se denotan las filas de E por Fil
k
(E) con k = 1, 2, . . . , m, se tiene
Fil
k
(E) =
_
_
_
e
k
si k = i y k = j
e
j
si k = i
e
i
si k = j
.
An´alogamente, si las filas de EA se denotan por Fil
k
(EA), se tiene
Fil
k
(EA) =
_
_
_
e
k
A si k = i y k = j
e
j
A si k = i
e
i
A si k = j
=
_
_
_
F
k
si k = i y k = j
F
j
si k = i
F
i
si k = j
.
Por tanto, EA = ρ(A).
Matriz de Escalamiento: Si ρ es una operaci´on elemental del tipo αF
i
con α = 0 y E = ρ(I
m
),
utilizando la misma notaci´on del item anterior, se tiene ahora que
Fil
k
(E) =
_
e
k
si k = i
αe
i
si k = i
de donde,
Fil
k
(EA) =
_
e
k
A si k = i
αe
i
A si k = i
=
_
F
k
si k = i
αF
i
si k = i
.
Por tanto, EA = ρ(A).
Matriz de Reducci´on: Finalmente, si ρ es una operaci´on elemental del tipo F
j
+αF
i
y E = ρ(I
m
),
se tiene
Fil
k
(E) =
_
e
k
si k = j
e
j
+αe
i
si k = j
de donde,
Fil
k
(EA) =
_
e
k
A si k = j
(e
j
+αe
i
)A si k = j
=
_
F
k
si k = j
F
j
+αF
i
si k = j
.
Por tanto, EA = ρ(A).

De este teorema, se deduce que los algoritmos de Gauss y de Gauss-Jordan pueden ser interpretados
como multiplicaciones a izquierda por matrices elementales. As´ı por ejemplo, si U es una forma escalonada
equivalente por filas a una matriz A ∈ M
m×n
(R), la cual es obtenida a partir de A, aplicando la sucesi´on
de operaciones elementales ρ
1
, ρ
2
, . . . , ρ
s
y E
1
, E
2
, . . . , E
s
son las matrices elementales correspondientes
a cada una de estas operaciones, se tiene que
A ≈ A
1
≈ A
2
≈ A
3
≈ · · · ≈ U
62 1. SISTEMAS DE ECUACIONES LINEALES
corresponde a la sucesi´on de matrices
A
1
= ρ
1
(A) = E
1
A
A
2
= ρ
2

1
(A)) = E
2
E
1
A
A
3
= ρ
3

2

1
(A))) = E
3
E
2
E
1
A
.
.
.
A
s
= U = ρ
s
(· · · (ρ
2

1
(A))) = E
s
· · · E
2
E
1
A.
Observe que si, se denota por G = E
s
· · · E
2
E
1
el algor´ıtmo anterior puede resumirse en la igualdad
U = GA.
Como G = E
s
· · · E
2
E
1
I
m
, el teorema anterior asegura que G se puede obtener a partir de la identi-
dad I
m
, aplicando las mismas operaciones elementales ρ
1
, ρ
2
, . . . , ρ
s
que fueron aplicadas sobre A.
Por tanto, si una sucesi´on de operaciones elementales cualesquiera transforma la matriz A en GA, la
misma sucesi´ on de operaciones elementales transforma la identidad I
m
en G. Ilustr´emos esto mediante
un ejemplo.
Ejemplo 5.7. Determinar una forma escalonada U de la matriz
B =
_
2 1 4
1 −1 2
_
,
y hallar una matriz G, talque GB = U.
Soluci´ on
Hay dos formas de proceder para determinar G.
La primera, consiste en determinar una forma escalonada de la matriz B. A medida que se van apli-
cando las operaciones elementales se van registr´ando las matrices elementales correspondientes. Como G
es el producto de las matrices elementales, el problema est´a resuelto. El cuidado que hay que tener es en
realizar la multiplicaci´on en el orden adecuado y tener presente que las matrices elementales se obtienen
a partir de la matriz identidad, aplicando una sola operaci´on elemental (si se aplican dos operaciones
elementales a la identidad, la matriz resultante ya no es una matriz elemental).
La segunda, consiste en utilizar en lugar de la matriz B, la matriz A = [B | I
2
]. El resultado se obtiene
directamente al determinar cualquier forma escalonada equivalente a A, puesto que
A = [B | I
2
] ≈ [U | G].
El c´alculo de las matrices elementales se justificar´a s´olo en el caso en que se quiera expresar la ma-
triz G como producto de matrices elementales. Se aprovechar´a este ejemplo para determinar no s´olo
la factorizaci´ on pedida U = GB, si no tambi´en para expresar la matriz G como producto de matrices
elementales.
_
2 1 4 1 0
1 −1 2 0 1
_
. ¸¸ .
A

F
1
↔ F
2
_
1 −1 2 0 1
2 1 4 1 0
_
. ¸¸ .
E
1
A

F
2
−2F
1
_
1 −1 2 0 1
0 3 0 1 −2
_
. ¸¸ .
E
2
E
1
A

1
3
F
2
_
1 −1 2 0 1
0 1 0
1
3

2
3
_
. ¸¸ .
E
3
E
2
E
1
A
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 63
donde
E
1
=
_
0 1
1 0
_
, E
2
=
_
0 1
1 0
_
y E
3
=
_
0 1
1 0
_
.
Note que los productos: E
1
A, E
2
E
1
A , E
3
E
2
E
1
A est´an dados por:
E
1
A = [E
1
B | E
1
I
2
], E
2
E
1
A = [E
2
E
1
B | E
2
E
1
I
2
], E
3
E
2
E
1
A = [E
3
E
2
E
1
B | E
3
E
2
E
1
I
2
]
De donde se obtiene que,
U = E
3
E
2
E
1
B y G = E
3
E
2
E
1
I
2
.
Por tanto
_
1 −1 2
0 1 0
_
. ¸¸ .
U
=
_
1 1
1
3

2
3
_
. ¸¸ .
G
_
2 1 4
1 −1 2
_
. ¸¸ .
B
Por otra parte, observe que G queda factorizada como
_
1 1
1
3

2
3
_
. ¸¸ .
G
=
_
1 0
0
1
3
_
. ¸¸ .
E
3
_
1 0
−2 1
_
. ¸¸ .
E
2
_
0 1
1 0
_
. ¸¸ .
E
1
.

En general, si A = [B | I
m
], los productos: E
1
A, E
2
E
1
A , E
s
· · · E
2
E
1
A est´an dados por:
E
1
A = [E
1
B | E
1
I
2
], E
2
E
1
A = [E
2
E
1
B | E
2
E
1
I
2
], . . . , E
s
· · · E
2
E
1
A = [E
s
· · · E
2
E
1
B | E
s
· · · E
2
E
1
I
2
]
De donde se obtiene,
U = E
s
· · · E
2
E
1
B y G = E
s
· · · E
2
E
1
I
2
.
Observe la similitud del procedimiento anterior con el algor´ıtmo para el c´alculo de la inversa de una
matriz: si B ∈ M
n
(R) es invertible, B ≈ I
n
y se tiene que
I
n
= (E
n
· · · E
2
E
1
)B.
Esto implica que,
B
−1
= E
n
· · · E
2
E
1
.
Como cada matriz elemental es equivalente por filas a I
n
, se tiene que para cada i = 1, 2, . . . , n, la matriz
E
i
es invertible. Aplicando las propiedades de las matrices invertibles, la igualdad anterior se convierte
en
B = (E
n
· · · E
2
E
1
)
−1
= E
−1
1
E
−1
2
· · · E
−1
s
.
Expresi´on que factoriza la matriz B como un producto de inversas de matrices elementales, lo que nos
queda por demostrar es precisamente que la inversa de una matriz elemental es una matriz elemental.
Para finalmente obtener el siguiente resultado: Una matriz es invertible si y solo si es producto de ma-
trices elementales.
Antes de continuar, observe que toda operaci´on elemental de fila ρ es invertible y
1. Si ρ es la operaci´on elemental F
i
↔ F
j
entonces ρ
−1
= ρ.
2. Si ρ es la operaci´on elemental αF
i
, con α = 0, entonces ρ
−1
es la operaci´on elemental
1
α
F
i
.
3. Si ρ es la operaci´on elemental F
i
+αF
j
, entonces ρ
−1
es la operaci´on elemental F
i
−αF
j
.
64 1. SISTEMAS DE ECUACIONES LINEALES
La demostraci´on de las afirmaciones anteriores se deducen directamente de la definici´on de cada una
de las operaciones elementales y se deja como ejercicio para el lector.
Teorema 5.4. Toda matriz elemental E ∈ M
n
(R) es invertible. Adem´as, si ρ es la operaci´on ele-
mental talque E = ρ(I
n
) entonces E
−1
= ρ
−1
(I
n
).
Demostraci´ on La demostraci´on es inmediata ya que, si E = ρ(I
n
) y E

= ρ
−1
(I
n
), se tiene
I
n
= ρ(ρ
−1
(I
n
)) = ρ(E

) = EE

y
I
n
= ρ
−1
(ρ(I
n
)) = ρ
−1
(E) = E

E.
Por tanto, E es invertible y E

= E
−1
.

Observe que, el teorema anterior afirma no s´olo que las matrices elementales son invertibles, si no que la
inversa de una matriz elemental es ella misma una matriz elemental, la cual es obtenida a partir de la
identidad por la aplicaci´on de la operaci´on elemental inversa.
Teorema 5.5. A ∈ M
n
(R) es invertible si y solo si A es producto de matrices elementales.
Demostraci´ on Si A es una matriz invertible, la forma escalonada reducida de A es I
n
. Por tanto,
existe una sucesi´on finita de matrices elementales E
1
, E
2
, . . . , E
r
tales que
I
n
= E
r
E
r−1
· · · E
2
E
1
A.
Puesto que E
i
es una matriz invertible para i = 1, 2, . . . , r, la matriz E
r
E
r−1
· · · E
2
E
1
es invertible, y de
la igualdad anterior se tiene,
A = (E
r
E
r−1
· · · E
2
E
1
)
−1
= E
−1
1
E
−1
2
· · · E
−1
r−1
E
−1
r
Como cada E
−1
i
es una matriz elemental, A es producto de matrices elementales, como se queria demos-
trar.
La otra implicaci´on es inmediata, ya que si existen matrices elementales E
1
, E
2
, . . . , E
s
tales que
A = E
1
E
2
· · · E
r
A es invertible, por ser el producto finito de matrices invertibles.

Ejemplo 5.8.
Dada la matriz
A =
_
_
0 a 0
b 0 c
b 0 0
_
_
con a = 0, b = 0 y c = 0, demuestre que A es invertible y expr´esela como producto de matrices elementales.
Soluci´ on
Para demostrar que la matriz A es invertible, basta demostrar que su forma escalonada reducida R es
igual I
3
. Como adem´as se requiere expresar A como producto de matrices elementales, una estrategia es
ir aplicando las operaciones elementales (una a la vez) y determinando en cada caso la matriz elemental
correspondiente a dicha operaci´on. Tenga presente, que la aplicaci´on de una operaci´on elemental ρ a
una matriz C cualquiera, es el producto a izquierda de la matriz elemental E = ρ(I
n
), por C, esto es:
ρ(C) = EC.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 65
_
_
0 a 0
b 0 c
b 0 0
_
_

F
2
↔ F
3
_
_
0 a 0
b 0 0
b 0 c
_
_

F
1
↔ F
2
_
_
b 0 0
0 a 0
b 0 c
_
_

F
3
−F
1
_
_
b 0 0
0 a 0
0 0 c
_
_
Como a = 0, b = 0 y c = 0, se tiene

1
b
F
1
_
_
1 0 0
0 a 0
0 0 c
_
_

1
a
F
2
_
_
1 0 0
0 1 0
0 0 c
_
_

1
c
F
3
_
_
1 0 0
0 1 0
0 0 1
_
_
.
Como A ≈ I
n
, A es invertible.
Si denotamos por, E
1
, E
2
, · · · , E
6
las matrices elementales, correspondientes a cada una de las operacio-
nes elementales aplicadas a la matriz A para obtener su forma escalonada reducida,
E
1
=
_
_
1 0 0
0 0 1
0 1 0
_
_
, E
2
=
_
_
0 1 0
1 0 0
0 0 1
_
_
, E
3
=
_
_
1 0 0
0 1 0
−1 0 1
_
_
, E
4
=
_
_
1
b
0 0
0 1 0
0 0 1
_
_
,
E
5
=
_
_
1 0 0
0
1
a
0
0 0 1
_
_
, E
6
=
_
_
1 0 0
0 1 0
0 0
1
c
_
_
,
entonces, E
6
E
5
E
4
E
3
E
2
E
1
A = I
3
As´ı, A = E
−1
1
E
−1
2
E
−1
3
E
−1
4
E
−1
5
E
−1
6
.
Para determinar las matrices inversas de cada una de las matrices elementales, se utiliza la propiedad: si
E
i
= ρ(I
3
), E
−1
i
= ρ
−1
(I
n
), lo que facilita el c´alculo de la inversa de cada una de las matrices elementales.
E
−1
1
=
_
_
1 0 0
0 0 1
0 1 0
_
_
E
−1
2
=
_
_
0 1 0
1 0 0
0 0 1
_
_
E
−1
3
=
_
_
1 0 0
0 1 0
1 0 1
_
_
E
−1
4
=
_
_
b 0 0
0 1 0
0 0 1
_
_
E
−1
5
=
_
_
1 0 0
0 a 0
0 0 1
_
_
E
−1
6
=
_
_
1 0 0
0 1 0
0 0 c
_
_
, es decir,
A =
_
_
1 0 0
0 0 1
0 1 0
_
_
_
_
0 1 0
1 0 0
0 0 1
_
_
_
_
1 0 0
0 1 0
1 0 1
_
_
_
_
b 0 0
0 1 0
0 0 1
_
_
_
_
1 0 0
0 a 0
0 0 1
_
_
_
_
1 0 0
0 1 0
0 0 c
_
_

Para finalizar esta secci´on presentar´emos una de las aplicaciones econ´omicas m´as interesantes, que
muestran la habilidad del algebra matricial para simplificar el an´alisis de diversos fen´omenos econ´omicos.
El modelo que presentaremos fu´e introducido por Wassily Leontief, premio nobel de econom´ıa en
1973, en un estudio sobre la econom´ıa de los Estados Unidos
8
. Su an´alisis introduce el ´algebra matricial
al tratamiento de los problemas del equilibrio general y desarrolla un modelo est´atico, el cu´al resulta
ser de gran importancia para estimar los niveles productivos sectoriales y las relaciones intersectoriales
en una econom´ıa. El objetivo principal del modelo, es permitir a los economistas predecir los niveles
de producci´on futuros de cada sector o industria, a fin de satisfacer las demandas futuras para diversos
productos.
8
The Structure of American Economy, 1941
66 1. SISTEMAS DE ECUACIONES LINEALES
El an´alisis Insumo-Producto (Input-output) introducido por Leontief ha demostrado, a lo largo del
tiempo, ser uno de los instrumentos m´as ´ utiles para describir y analizar la estructura productiva de un
entorno econ´omico determinado. Como parte de la Econometr´ıa, el an´alisis Insumo-Producto combina
el uso de la Teor´ıa Econ´omica, el An´alisis Estad´ıstico y el Matem´atico. La construcci´on de matrices
insumo-producto se continuando haciendo actualmente. En Europa, por ejemplo, paises como Noruega,
Espa˜ na, Dinamarca, Francia, Holanda, Aleman´ıa y el Reino Unido estiman matrices Insumo-Producto
aproximadamente cada 5 a˜ nos y en latinoam´erica lo hacen paises como M´exico, Chile
9
, Colombia, Cuba,
Costa Rica y Puerto Rico. En Puerto Rico existen matrices de Insumo-Producto desde 1949, siendo el
mismo Leontief junto con Amor Gosfield, quienes supervisaron directamente su construcci´on.
Para hacer su modelo de equilibrio general emp´ıricamente manejable, Leontief introdujo ciertas sim-
plificaciones y supuestos. En primer lugar, redujo el n´ umero de mercancias (bienes econ´omicos de todo
tipo destinados al intercambio) a unos pocos productos, uno por cada industria, el propio que lo caracte-
riza y el cual no es producido por ninguna otra. As´ı, por ejemplo, la industria automotriz, s´olo produce
veh´ıculos a motor y es la ´ unica que lo hace, las dem´as industrias producen otros productos; en otras
palabras, Leontief hace un supuesto de identidad de la industria y el producto. En segundo instancia,
consider´o que cada producto era uniforme, es decir hay un supuesto de homogeniedad de los productos,
en el ejemplo anterior, esto significar´ıa considerar que todos los veh´ıculos a motor son los mismos. El
tercer supuesto que hace y el m´as relevante, es declarar que en determinado per´ıodo, cada insumo es
requerido en una relaci´on fija a la producci´on a la cual contribuye, supuesto conocido como, supuesto de
los coeficientes fijos: la relaci´on expresada en t´erminos de cocientes, es independiente de los niveles de
producci´on. La consecuencia inmediata del supuesto de coeficientes fijos es que cualquier cambio en los
datos, en el corto plazo, no conduce a una substituci´on de los procesos productivos.
A lo largo del tiempo, cada uno de estos supuestos ha sido cuestionado por los economistas y se le han
hecho algunas modificaciones al modelo original para ir generalizandolo. Por ejemplo, el uso de la progra-
maci´on lineal convierte el modelo de Insumo- Producto en un procedimiento de optimizaci´on, eliminando
algunas de las restricciones del modelo simple de Leontief. En palabras de Chenery, la programaci´on lineal
ofrece un medio para eludir el supuesto limitativo de coeficientes constantes de insumo en cado sector, al
mismo tiempo que retiene una formulaci´on que permite realizar la medida estad´ıstica
10
. Los modelos de
Insumo-Producto basados en matrices Commodity-by-Industry (mercancia-por-Industria) en los cuales
las mercancias y las industrias entran explicitamente en el modelo, evitando la necesidad de agregar la
producci´on multimercancia de cada industria en una mercancia sintetizada (como lo hizo Leontief); en
este an´alisis se reconoce el hecho de que cada industria usa y produce muchos productos y algunos de
los bienes es producido por m´as de una industria
11
. Ya sea en su forma original ´o con variaci´on en
sus supuestos, el an´alisis Insumo-Producto, es actualmente aplicado a diferentes ramas de la econom´ıa
como son, el comercio internacional, la planificaci´on econ´omica, el an´alisis econ´omico regional, la teor´ıa
de precios entre otras.
El modelo que estudiaremos, es el modelo Insumo-Producto de demanda, cuyo objetivo es per-
mitir predecir los niveles de producci´on futura de cada sector o industria a fin de satisfacer las demandas
futuras para diversos productos.
En una econom´ıa hay un cierto n´ umero de sectores de producci´on o industrias, cuyos productos ofer-
tados se destinan como materia prima para otras industrias (o sectores de producci´on), o son destinados
a satisfacer la demanda final de los consumidores, como pueden ser los productos destinados al sector
p´ ublico, a las familias o al comercio exterior. La econom´ıa es dividida en sectores productivos y sectores
finales, cada uno de los sectores productivos es constituido por diferentes empresas productivas con alguna
caracter´ıstica en com´ un, por ejemplo, se podria considerar un sector agropecuario, conformado por las
empresas agr´ıcolas y ganaderas tales como: producci´on de hortalizas, de cereales, forrajes, ganado lechero,
ganado lanar, av´ıcola, porcinos, etc. La producci´on de un sector, es requerida como insumo para la pro-
ducci´on de otros sectores, e incluso para la producci´on de ese mismo sector. El nivel correcto (sin d´eficit
9
Ver Instituto Nacional de Estad´ısticas de Chile INE
10
Chenery, H.B; Clark, P.G. (1963). Econom´ıa Interindustrial. Insumo-Producto y Programaci´on lineal.
11
Este tipo de modelos fueron generado por economistas miembros del Canada’s Dominion Bureau of Statistics-DBS.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 67
ni excedente) de producci´on en un sector depender´a de los requerimientos de su producto como insumo de
los sectores de la econom´ıa y a su vez, la producci´on de otros sectores entrar´a en el sector como insumo.
En consecuencia, los niveles correctos de los otros productos depender´an de los requerimientos de insumo
del sector, estableciendose una dependencia entre sectores: cualquier conjunto de niveles correctos de los
sectores, debe ser consistente con los requerimientos de insumos en la econom´ıa. Es natural pensar, que
cuanto mayor sea el n´ umero de sectores que se consideren, m´as utilidad tendr´a el an´alisis; lo ideal ser´ıa,
considerar tantos sectores como bienes se producen en una econom´ıa, pero eso resultar´ıa excesivamente
costoso, por la dificultad para recoger los datos necesarios para el an´alisis y por la complejidad de los
c´alculos necesarios para realizarlo, es tal el costo, que en la pr´actica se han realizado a trav´es del tiempo,
una disminuci´on en el n´ umero de sectores productivos considerados, m´as que un aumento.
Supongamos que la econom´ıa de una regi´on se ha dividido en n sectores, para su modelo Leontief
distingue dos casos: cuando los n sectores constituyen el total de la econom´ıa y sus productos son para
el ´ unico prop´osito de satisfacer la demanda de insumos de los mismos n sectores, o equivalentemente,
cuando se considera que todos los insumos utilizados en la econom´ıa, son insumos intermedios (los sumi-
nistrados por los n sectores) el modelo se denomina cerrado. Cuando los productos deben satisfacer la
demanda de insumos de los sectores productivos y de la demanda final ( la demanda de los consumidores
y no s´olo para la producci´on), consider´andose de este modo, un sector abierto fuera de la red de los n
sectores productivos, los insumos intermedios (para la producci´on) y los insumos primarios (que no son
productos industriales, como podr´ıa ser la mano de obra) el modelo se denomina abierto. En este texto
se estudiar´a principalmente el modelo abierto, por ser uno de los m´as utilizados.
Para comprender, la modelaci´on realizada por Leontief consideremos una econom´ıa ficticia formada
por tres sectores A, I y S, donde A es el sector Agropecuario (formado por las empresas agr´ıcolas y
ganaderas), I el sector industrial (formado por todas las empresas que producen textiles, farmac´euticos,
petroqu´ımicos, alimentos, bebidas, papel y derivados, etc.) y S el sector servicios (formado por todas
las empresas que prestan alg´ un tipo de servicio tales como bancos, transporte de carga, transporte de
pasajeros, comercio, servicios profesionales, servicios p´ ublicos, etc.). Para describir la interdependencia
de los sectores, lo primero que Leontief propone es construir una tabla de transacciones intersectoriales,
en la que se muestre como se interrelacionan todas las industrias, en el sentido de que cada una adquiere
productos fabricados por los dem´as sectores a fin de llevar acabo su propio proceso productivo. Supon-
gamos, que la tabla para esta econom´ıa es la dada a continuaci´on, la cual se obtiene utilizando inferencia
estad´ıstica, por medio de encuestas a las empresas representativas de cada uno de los sectores productivos,
I/O A I S Demanda Final Producci´on Bruta
A 1200 800 2800 1200 6000
I 3000 1600 1400 2000 8000
S 600 3600 4600 5200 14000
La primera columna (con data num´erica) de la tabla, se interpreta de la siguiente manera: el pri-
mer elemento 1200, representa las compras que el sector agropecuario ha efectuado a otras empresas
del mismo sector, por ejemplo, semillas, abonos, ganado para engorde, follaje, etc. El segundo elemento,
3000 representa las compras que el sector agropecuario ha efectuado al sector industrial, como pueden
ser, herramientas, fertilizantes, qu´ımicos, insecticidas, tractores, tuber´ıas, etc. El tercer elemento, 600
representa las compras que el sector agropecuario ha efectuado al sector servicios, tales como, servicio de
transporte de carga, servicio de sanidad e inmunizaci´on, asesor´ıa legal, servicio de almacenaje, servicio
de comercializaci´on, etc.
Por tanto, Las tres primeras columnas representan las demandas intermedias o la utilizaci´on interme-
dia, ya que estas cifras corresponden a los insumos que los sectores adquieren para fabricar sus productos,
y que corresponden a bienes que no llegan al consumidor final, si no que se utilizan en el proceso de pro-
ducci´on.
La cuarta columna de la tabla, representa las compras que los consumidores finales efect´ uan a los
sectores de producci´on, por tanto corresponde a los bienes que son adquiridos por las familias, por las
68 1. SISTEMAS DE ECUACIONES LINEALES
instituciones estatales, por otros pa´ıses, etc., siendo utilizados en consumo (compra de vestuarios, alimen-
tos, etc.) o en inversiones (compra de maquinaria, veh´ıculos, bienes de activo fijo, etc.). Esta columna
recibe el nombre de Demanda Final, ya que corresponde a bienes que no se utilizan como insumos in-
termedios para la producci´on de otros bienes, sino que satisfacen una necesidad de alg´ un consumidor final.
Las filas, indican las cantidades vendidas por un sector dado a todos los sectores compradores, es
decir, el destino de la producci´on. Observe que, mientras las filas indican como se distribuye el volumen
de producci´on de un determinado sector, las columnas indican de donde provienen los insumos de bienes
y servicios, necesarios para obtener la producci´on en un sector espec´ıfico. Esta matriz se conoce con el
nombre de Matriz Insumo-Producto ´o Matriz de Demandas Intermedias ´o Matriz de Inter-
cambio Intersectorial.
La ´ ultima columna representa el valor bruto de producci´on de cada sector, que se calcula sumando
las ventas que cada sector ha efectuado a cada uno de los sectores de la econom´ıa considerada.
En la tabla de transacciones intersectoriales los resultados del proceso productivo no se expresan en
unidades f´ısicas (se venden 100 millones de toneladas de...), debido a que ser´ıa posible sumar los elemen-
tos en las filas porque representan las ventas de un mismo sector y se expresan en las mismas unidades
f´ısicas, pero no tendr´ıa sentido sumar verticalmente (los elementos en las columnas) debido a que cada
cifra representa una compra realizada a otro sector, y por tanto se expresan en diversas unidades, se
estar´a sumando por ejemplo, x toneladas de cereal + y metros c´ ubicos de acero + z horas de trabajo de
mano de obra +... lo cual carece de sentido. Por este motivo, es que las dimensiones en que se expresan
los insumos no deben ser f´ısicas sino monetarias.
Supongamos que la oficina de planeaci´on, ha determinado el incremento de la demanda final que
predeciblemente ocurrir´a en el pr´oximo a˜ no de actividad, y se pregunta: ¿Cu´al debe ser el valor de la
producci´on bruta de cada sector, que se requerir´a para que se satisfaga esas necesidades?. Conviene dete-
nernos en esa pregunta, para captar mejor la naturaleza del fen´omeno de interrelaci´on entre los distintos
sectores. Supongamos que por una raz´on determinada, la demanda final del sector agropecuario se in-
crementa en 100 unidades. ¿Qu´e efecto producir´a este incremento de demanda final sobre el proceso de
producci´on?. Por supuesto, un incremento de la producci´on en el sector agropecuario en un monto igual
al incremento de la demanda final, pero para producir estas unidades adicionales, el sector agropecuario
se ver´a obligado a incrementar sus compras de productos intermedios, tanto del mismo sector (semillas,
abonos,..) como del sector industrial (maquinaria, abonos qu´ımicos..) y del sector de servicios (transporte
de carga, sanidad ..), esto es lo que indica la columna 1 de la tabla anterior. Pero, el proceso no para
ah´ı, al efecto directo de la columna 1 se agrega una cadena de efectos indirectos que se transmiten a las
dem´as columnas de insumos. La interdependencia de los sectores da origen a una cadena de reacciones de
cada uno de los sectores, que cada vez puede ir comprometiendo nuevos sectores. La magnitud de estos
efectos va siendo cada vez m´as d´ebil, como lo veremos m´as tarde.
Lo esencial del problema es, ¿C´omo cuantificar no solo los efectos directos, si no tambi´en todos los
efectos indirectos que se derivan del incremento de la demanda final de un sector determinado?, o ¿En
que medida tendr´ıa que aumentar la producci´on de todos y cada uno de los sectores de la econom´ıa,
para que pueda tener lugar una expansi´on de cierta magnitud en un sector determinado?. El modelo de
insumo-producto, ilustra la forma en que tiene que modificarse todo el flujo de transacciones interindus-
triales y por tanto, los niveles de producci´on bruta, para poder hacer frente a un cambio dado del nivel
de la demanda final, y da herramientas de c´alculo que permiten cuantificar estas modificaciones.
Sean X
i
la producci´on bruta del sector i, d
i
la demanda final del sector i y b
ij
las ventas que el sector
i ha efectuado al sector j por unidad de tiempo, en nuestro caso i, j = 1, 2, 3. Note que, b
ij
= b significa
que el sector i vende b unidades de su producci´on por unidad de tiempo al sector j, o que el sector j
requiere como insumo b unidades del sector i.
En general, si la econom´ıa se ha dividido en n sectores se tendr´ıa,
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 69
X =
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
n
_
¸
¸
¸
_
. ¸¸ .
Producci´ on Bruta
, D =
_
¸
¸
¸
_
d
1
d
2
.
.
.
d
n
_
¸
¸
¸
_
. ¸¸ .
Demanda Final
y B =
_
¸
¸
¸
_
b
11
b
12
· · · b
1n
b
21
b
22
· · · b
2n
.
.
.
.
.
. · · ·
.
.
.
b
n1
b
n2
· · · b
nn
_
¸
¸
¸
_
. ¸¸ .
Matriz de demandas intermedias ´ o
Matriz de Intercambio Intersectorial.
En el caso considerado,
X =
_
_
6000
8000
14000
_
_
. ¸¸ .
Producci´ on Bruta
, D =
_
_
1200
2000
5200
_
_
. ¸¸ .
Demanda Final
, B =
_
_
1200 800 2800
3000 1600 1400
600 3600 4600
_
_
. ¸¸ .
Matriz de Demandas Intermedias
Una de las hip´otesis del modelo es que, todos los insumos de cada sector se transforman en productos
ofertados por ´el y todos lo que produce son consumidos (van como insumos a otros sectores o al sector
final), lo que se traduce en que la producci´on bruta de cada sector, es igual a la suma de las ventas a
demanda intermedia, m´as los valores de la demanda final. La relaci´on entre producci´on y demanda se
puede expresar mediante las ecuaciones
_
¸
¸
¸
_
¸
¸
¸
_
b
11
+b
12
+· · · +b
1n
+d
1
= X
1
b
21
+b
22
+· · · +b
2n
+d
2
= X
2
.
.
.
b
n1
+b
n2
+· · · +b
nn
+d
n
= X
n
.
Para seguir la cadena de reacciones directas e indirectas que tienden a modificar todo el flujo de
transacciones interindustriales, se observa en primera instancia lo siguiente: en cada transacci´on existen
dos sectores, el sector vendedor i y el sector comprador j. Relacionando las ventas que el sector i ha
efectuado al sector j: b
ij
, con la producci´on bruta del sector comprador j: X
j
, se busca la proporci´on de
venta
b
ij
X
j
la cual representa los requerimientos de insumos del sector i, necesarios para producir una unidad de
producto del sector j.
Es en este punto, donde se toma encuenta el segundo supuesto del modelo: Existe proporcionalidad
directa, entre la producci´on bruta del sector j y el volumen total de insumos, que este sector adquiere
de los dem´as sectores proveedores. En otras palabras, los insumos que venden los sectores proveedores,
varian en la misma proporci´on en que se modifica la producci´on bruta del sector que la adquiere.
Admitido este supuesto, se genera una matriz denominada Matriz Insumo-Producto ´o Matriz
de coeficientes T´ecnicos, cuyos elementos son las constantes de proporcionalidad, las cuales se les suele
denominar: Coeficientes T´ecnicos.
Si A = (a
ij
)
n×n
denota la matriz de coeficientes t´ecnicos, se tiene
a
ij
=
b
ij
X
j
, para todo i, j = 1, 2, . . . , n.
Para la econom´ıa ficticia que se est´a considerando donde,
70 1. SISTEMAS DE ECUACIONES LINEALES
B =
_
_
1200 800 2800
3000 1600 1400
600 3600 4600
_
_
X =
_
_
6000
8000
14000
_
_
se tendr´ıa que,
a
11
=
x
11
X
1
=
1200
6000
= 0,2 a
12
=
x
12
X
2
=
800
8000
= 0,1 a
13
=
x
13
X
3
=
2800
14000
= 0,2
a
21
=
x
21
X
1
=
3000
6000
= 0,5 a
22
=
x
22
X
2
=
1600
8000
= 0,2 a
23
=
x
23
X
3
=
1400
14000
= 0,1
a
31
=
x
31
X
1
=
600
6000
= 0,1 a
32
=
x
32
X
2
=
3600
8000
= 0,45 a
33
=
x
33
X
3
=
4600
14000
= 0,3286.
Por tanto, la matriz de coeficientes t´ecnicos para esta econom´ıa es
A =
_
_
0,2 0,1 0,2
0,5 0,2 0,1
0,1 0,45 0,3286
_
_
.
Si en las ecuaciones
_
¸
¸
¸
_
¸
¸
¸
_
b
11
+b
12
+· · · +b
1n
+d
1
= X
1
b
21
+b
22
+· · · +b
2n
+d
2
= X
2
.
.
.
b
n1
+b
n2
+· · · +b
nn
+d
n
= X
n
se sustituye b
ij
= a
ij
X
j
, para cada i, j = 1, 2, . . . , n se obtiene,
_
¸
¸
¸
_
¸
¸
¸
_
a
11
X
1
+a
12
X
2
+· · · +a
1n
X
n
+d
1
= X
1
a
21
X
1
+a
22
X
2
+· · · +a
2n
X
n
+d
2
= X
2
.
.
.
a
n1
X
1
+a
n2
X
2
+· · · +a
nn
X
n
+d
n
= X
n
.
Lo que conduce a la ecuaci´on matricial
AX +D = X
donde A es la matriz de coeficientes t´ecnicos, D la matriz de demanda final y X la matriz de producci´on
bruta.
Puesto que los coeficientes t´ecnicos, a
ij
, no varian durante un cierto tiempo, la ecuaci´on AX+D = X,
se utiliza para determinar el nivel de producci´on bruta que se requiere en cada sector, para satisfacer una
demanda final prevista para el per´ıodo siguiente. En el caso considerado, supongamos que se trata de
satisfacer un aumento en la demanda final para el pr´oximo periodo de 400 unidades en el sector agrope-
cuario, de 200 unidades en el sector industria y 200 unidades en el sector servicios, la pregunta de inter´es
ser´ıa: ¿Cu´ales deben ser los valores de X
1
, X
2
y X
3
que permitan satisfacer estos incrementos?
Este problema, se resuelve expresando el sistema AX +D = X, como una relaci´on funcional entre la
producci´on bruta y la demanda final, en la cual el vector X es la variable dependiente y el vector D es
la variable independiente. Matem´aticamente esto se traduce en despejar de la ecuaci´on, X en t´erminos
de D. Haciendo uso del ´algebra matricial,
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 71
AX +D = X
X −AX = D
(I
n
−A)X = D
en donde I
n
es la matriz identidad de orden n. Note que, X es la soluci´on de un sistema de ecuaciones
lineales, con matriz de coeficientes I
n
−A, el cual puede ser resuelto utilizando cualquiera de los algorit-
mos estudiados en este cap´ıtulo. A la matriz I
n
− A se le denomina Matriz de Leontief ´o matriz de
requerimientos directos.
En el caso en que, la matriz I
n
−A sea invertible, el sistema tendr´a soluci´on ´ unica, la cual se obtiene
multiplicando a izquierda por la matriz (I
n
− A)
−1
, la cual se denomina Matriz inversa de Leontief
´o matriz de requerimientos indirectos. En tal caso, la soluci´on del sistema est´a dada por,
X = (I
n
−A)
−1
D.
Para la econom´ıa considerada se tendr´ıa,
I
3
−A =
_
_
1 0 0
0 1 0
0 0 1
_
_

_
_
0,2 0,1 0,2
0,5 0,2 0,1
0,1 0,45 0,3286
_
_
=
_
_
0,8 −0,1 −0,2
−0,5 0,8 −0,1
−0,1 −0,45 0,6714
_
_
.
Para determinar si I
3
−A es invertible, se calcula su rango. El lector puede verificar que: rang(I
3
−A) = 3,
lo que garantiza que I
3
− A es invertible. Utilizando el algor´ıtmo de Gauss- Jordan, para determinar la
forma escalonada reducida de [I
3
−A | I
3
] se obtiene que
(I
3
−A)
−1
=
_
_
1,6507 0,5271 0,5702
1,1596 1,7345 0,6037
1,0230 1,2410 1,9789
_
_
Antes de utilizar (I
3
− A)
−1
con fines de proyecci´on, se debe verificar que los datos est´an correctos
para el a˜ no que se est´a considerando,
(I
3
−A)
−1
D =
_
_
1,6507 0,5271 0,5702
1,1596 1,7345 0,6037
1,0230 1,2410 1,9789
_
_
_
_
1200
2000
5200
_
_
=
_
_
6000
8000
14000
_
_
= X
Tomamos en cuenta los incrementos previstos en la demanda final, se obtiene una nueva matriz de
demanda
D

=
_
_
1200
2000
5200
_
_
+
_
_
400
200
200
_
_
=
_
_
1600
2200
5400
_
_
Para satisfacer la demanda proyectada: D

, se debe generar una producci´on bruta X

, dada por
X

= (I
3
−A)
−1
D

=
_
_
1,6507 0,5271 0,5702
1,1596 1,7345 0,6037
1,0230 1,2410 1,9789
_
_
_
_
1600
2200
5400
_
_
=
_
_
6880
8931
15053
_
_
Comparando el vector X

y X se obtienen los incrementos de la producci´on en cada sector, necesarios
para satisfacer el incremento previsto en la demanda final.
∆X = X

−X =
_
_
880
931
1053
_
_
.
72 1. SISTEMAS DE ECUACIONES LINEALES
Imagine que la demanda representada por D, se presenta a las distintas industrias al inicio del a˜ no.
Las industrias responden estableciendo sus niveles de producci´on en X = D , lo cual satisfar´a la demanda
final. Conforme las industrias se preparan para producir D, emiten ordenes solicitando materia prima y
otros insumos. Esto crea una demanda intermedia de insumos
D
1
= AD.
An´alogamente, para satisfacer la demanda adicional D
1
, las industrias necesitar´an como insumos adicio-
nales las cantidades
D
2
= AD
1
= A
2
D
Esto crea una segunda ronda de demandas intermedias D
2
, cuando las industrias deciden producir
a´ un m´as para satisfacer esta nueva demanda, se crea una tercera demanda intermedia,
D
3
= AD
2
= A
3
D
y as´ı sucesivamente. El nivel de producci´on X, que satisface el total de la demanda, debe ser tal que
X = D +AD +A
2
D +· · · +A
m
D +· · · = (I
n
+A+A
2
+A
3
+. . . +A
m
+· · · )D = (

k=0
A
k
)D.
Por otra parte, X debe satisfacer el sistema (I
n
−A)X = D. En el caso en que la matriz I
n
−A sea
invertible, sabemos que existe un ´ unico vector X que es soluci´on del sistema,
X = (I
n
−A)
−1
D.
Puesto que, X = (


k=0
A
k
)D se tiene,
(I
n
−A)
−1
D = (

k=0
A
k
)D con D = 0,
lo que implica que
(I
n
−A)
−1
=

k=0
A
k
.
En las situaciones reales, en las que se utilizan los modelos de Insumo-Producto, las potencias de
la matriz de coeficientes t´ecnicos se aproximan a la matriz cero con cierta rapidez, la f´ormula anterior
proporciona una manera pr´actica de calcular la matriz inversa de Leontief.
Nos quedan, algunas preguntas abiertas: ¿En qu´e casos, la matriz de Leontief I
n
−A es invertible? y
de serlo ¿C´omo estar seguros que el vector de producci´on X = (I
n
−A)
−1
D tiene entradas no negativas?,
esto es ¿Qu´e nos garantiza que el vector de producci´on sea asequible econ´omicamente?. Para responder a
estas preguntas, es necesario introducir el concepto de determinante de una matriz cuadrada, tema que
se estudiar´a en la pr´oxima secci´on.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 73
Ejercicios 5.1.
1. Sea X =
_
¸
¸
_
1
−2
0
3
_
¸
¸
_
+
_
¸
¸
_
a
b
1
c
_
¸
¸
_
t con t ∈ R, una soluci´on del sistema lineal
_
¸
¸
_
¸
¸
_
x
1
+ 3x
3
+ 2x
4
= α
3x
1
−2x
2
−x
4
= β
x
1
−x
2
+x
3
−2x
4
= γ
3x
1
−x
2
+ 2x
3
+ 3x
4
= δ
Determine los valores de α, β, γ, δ, a, b y c.
2. El sistema AX = b tiene al menos dos soluciones diferentes U y V .
a) Demuestre que X
k
= U +k(U −V ) es soluci´on del sistema para todo k ∈ N.
b) Demuestre que si X
k
= X
m
entonces k = m.
c) Deduzca que AX = b tiene infinitas soluciones.
3. Sea X =
_
¸
¸
_
0
−1
2
0
_
¸
¸
_
+t
_
¸
¸
_
1
2
1
0
_
¸
¸
_
+s
_
¸
¸
_
0
−1
0
1
_
¸
¸
_
soluci´on de un sistema lineal Ax = b de orden 3 ×4
a) Determine la soluci´on del sistema homog´eneo Ax = 0.
b) Determine una matriz A.
c) Indique el valor de k, si existe, de modo que al agregar al sistema Ax = b, la ecuaci´on
x
1
+ 2x
2
+kx
3
−3x
4
= −9, no cambie su conjunto soluci´on.
4. Sean
A =
_
_
1 1 −1 2
1 a b 2
1 1 c 2a
_
_
y α =
_
_
1
d
2
_
_
.
a) Para que valores de a, b, c ∈ R, el sistema lineal homog´eneo Ax = 0 tiene soluci´on con 2
par´ametros.
b) Para que valores de a, b, c ∈ R, el sistema lineal homog´eneo Ax = 0 tiene soluci´on con 3
par´ametros.
c) Resuelva el sistema Ax = α para a = 1, b = −1 y c = 2, indicando el valor adecuado para
d ∈ R.
5. Dado el sistema Ax = b con A ∈ M
4×4
(R) cuya soluci´on del sistema lineal homog´eneo asociado
es
X = µ
_
¸
¸
_
0
1
3
4
_
¸
¸
_

_
¸
¸
_
1
0
2
−1
_
¸
¸
_
, µ, β ∈ R
a) ¿Es A una matriz invertible?
b) ¿ Se puede asegurar que el sistema AX = b tiene infinitas soluciones?
c) Resuelva el sistema dado si se sabe que el vector Y =
_
¸
¸
_
0
0
4
6
_
¸
¸
_
es una soluci´on de Ax = b.
74 1. SISTEMAS DE ECUACIONES LINEALES
6. Determine si las siguientes afirmaciones son verdaderos o falsas, si es verdadera demu´estrela si es
falsa de un contraejemplo.
a) Si x
1
, x
2
, x
3
son soluciones de un sistema Ax = b entonces x = x
1
+λ(x
2
−x
1
) +β(x
3
−x
1
)
con λ, β ∈ R es una soluci´on de Ax = b.
b) Si x
1
, x
2
, x
3
son soluciones del sistema Ax = 0 entonces para todo α, β, γ ∈ R, el vector
w = αx
1
+βx
2
+γx
3
es otra soluci´on de Ax = b.
c) Si Ax = 0 tiene infinitas soluciones con un par´ametro, entonces el sistema Ax = b tiene
soluci´on infinita con un par´ametro para cada b ∈ R.
7. La soluci´on de un sistema lineal de orden 3×4 , Ax = b est´a dado por las ecuaciones param´etricas:
_
¸
¸
_
¸
¸
_
x
1
= 2 +t −2s
x
2
= 5 + 2t −3s
x
3
= t
x
4
= s
t, s ∈ R
a) Determine el rango de la matriz aumentada del sistema [A | b].
b) Determine la soluci´on del sistema cuando b = 0
c) Encuentre un sistema de orden 3 ×4 que tenga la misma soluci´on que el sistema Ax = b.
d) Determine otra soluci´on param´etrica para el sistema Ax = b en la cual los par´ametros sean
las variables x
1
y x
3
.
8. Si
B =
_
−1 −2
−2 2
_
determine todos los valores de α ∈ R para que el sistema lineal homog´eneo (B−αI
2
)x = 0 tenga
soluci´on no trivial.
9. Si A
_
_
1
−1
1
_
_
= 0, A
_
_
2
1
0
_
_
= 0 y el sistema Ax = b tien una soluci´on x
p
=
_
_
3
−1
2
_
_
a) Encuentre una familia de soluciones dependiendo de dos par´ametros para Ax = b.
b) Si A ∈ M
3×3
(R) determine rang(A) y una matriz A talque Ax = b.
c) ¿Es posible que
_
_
−1
0
0
_
_
sea tambi´en una soluci´on de Ax = b.
10. Sea A ∈ M
2×3
(R) definida por
a
ij
=
_
2i +j si i < j
j
2
si i ≥ j
a) Calcule (A
t
A)
t
b) Determine el valor de k ∈ R de modo que el sistema A
t
x = c con c
t
=
_
1 k 7
¸
tenga
soluci´on.
11. ¿Para qu´e valores de a ∈ R la matriz A =
_
_
a −1 0
1 a
2
1 +a
3
2 2 2 + 2a
_
_
no es invertible?
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 75
12. Determine si las matrices dadas son o no invertibles, en caso de serlo calcule su inversa.
a)
_
¸
¸
¸
¸
_
1 1 0 0 0
0 1 1 0 0
0 0 1 1 0
0 0 0 1 1
1 0 0 0 1
_
¸
¸
¸
¸
_
b)
_
¸
¸
_
2 1 −1 1
−1 4 1 0
−14 2 8 0
1 5 0 1
_
¸
¸
_
c)
_
¸
¸
_
3 1 1 1
1 3 1 1
1 1 3 1
1 1 1 3
_
¸
¸
_
d)
_
¸
¸
_
1 1 1 1
1 1 −1 −1
1 −1 1 −1
1 −1 −1 1
_
¸
¸
_
13. Si A =
_
_
1
2
−1 1
1 1
1
2
3
2
0
1
2
_
_
muestre que el sistema Ax = b tiene soluci´on ´ unica para todo vector b ∈ R
3
.
14. Determine los valores de α ∈ R para que la matriz
_
_
3 α 0
α 3 1
α 3 α
_
_
sea invertible.
15. Determine los valores de α, β ∈ R para que la matriz
_
_
−1 0 0
α 1 −1
β 1 1
_
_
sea invertible.
16. Determine los valores de α, β ∈ R para que la matriz
_
¸
¸
_
1 1 α 0
−2 −1 0 β
0 0 1 1
0 0 −1 −2
_
¸
¸
_
sea invertible.
17. Determine los valores de a, b, c ∈ R para que la matriz
_
_
1 +a 1 1
1 1 +b 1
1 1 1 +c
_
_
sea invertible.
18. Sea A ∈ M
n
(R) la matriz definida por: a
ij
=
_
0 si i = j
1 si i = j
. Muestre que A es invertible y
calcule su inversa.
19. Determine los valores de x ∈ R para que la matriz
_
¸
¸
_
x 1 1 1
1 x 1 1
1 1 x 1
1 1 1 x
_
¸
¸
_
sea invertible.
En los ejercicios siguientes, calcule A
−1
para todos los valores de a ∈ R para los cuales A sea
invertible.
76 1. SISTEMAS DE ECUACIONES LINEALES
20. A =
_
¸
¸
_
1 a a
2
a
3
0 1 a a
2
0 0 1 a
0 0 0 1
_
¸
¸
_
21. A =
_
¸
¸
_
a + 1 1 1 a
1 a + 1 1 1
0 0 1 a
0 0 0 a
_
¸
¸
_
22. A =
_
¸
¸
_
a 1 1 1
1 a 1 1
1 1 a 1
1 1 1 a
_
¸
¸
_
23. Sea A =
_
_
1 1 1
a 1 a −1
1 a 1
_
_
y B =
_
_
a 1
a + 1 2
1 1
_
_
.
Determine todos los valores de a ∈ R para que la ecuaci´on matricial AX = B tenga soluci´on
´ unica y determ´ınela.
24. Sea A =
_
1 1 1
1 0 a
_
y B =
_
2 0 2
1 2 1
_
.
Determine todos los valores de a ∈ R para que la ecuaci´on matricial XA = B tenga soluci´on
´ unica y determ´ınela.
25. Suponga que a, b, c, d , e y f son n´ umeros reales distintos de cero y A ∈ M
3
(R) definida por
A =
_
_
a
b
c
_
_
_
d e f
¸
.
Muestre que A no es una matriz invertible.
26. Determine si las siguientes proposiciones son verdaderas o falsas. Justifique adecuadamente su
respuesta
a) Sean A, B, C ∈ M
n
(R). Si AB = AC y rang(A) = n, entonces B = C.
b) Si A, B ∈ M
n
(R) entonces, rang(A+B) = rang(A) +rang(B)
c) Si A, B ∈ M
n
(R) tienen rango n, entonces rang(A+B) = n
d) Si A, B ∈ M
n
(R) tienen rango n, entonces rang(A−B) < n
27. Demuestre que para todo n´ umero real θ la matriz R =
_
_
sin θ cos θ 0
cos θ −sin θ 0
0 0 1
_
_
es invertible y calcule
su inversa.
28. Dada la matriz A =
_
_
1 2
−1 4
3 4
_
_
determine todas las matrices B tales que BA = I
2
.
29. Demuestre que una matriz triangular (ya sea superior o inferior) es invertible si y solo si cada
uno de los elementos en su diagonal principal es diferente de cero.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 77
30. Demuestre que una matriz diagonal D ∈ M
n
(R) es invertible si y solo si cada elemento en su
diagonal principal es distinto de cero. ¿Como ser´ıa D
−1
en este caso?
31. Escriba la matriz elemental E de orden 4 × 4, correspondiente a la operaci´on elemental de fila
dada y calcule E
−1
.
a) F
2
−5F
4
b) F
1
−2F
3
c) F
2
+F
3
d) πF
3
e) F
1
↔ F
4
32. Para A =
_
_
9 4 −2
4 6 0
−2 0 10
_
_
, encuentre una matriz triangular superior U, tal que A = BU.
33. Para B =
_
¸
¸
_
1 −1 2
4 −1 8
−2 1 4
0 1 −1
_
¸
¸
_
, encuentre una matriz U, tal que B = CU.
34. Para A =
_
_
1 −3 3 1
0 −3 1 −1
1 0 1 4
_
_
, encuentre una matriz U, tal que A = BU.
35. Demuestre que toda matriz A ∈ M
m×n
se puede factorizar como A = BR donde B es una matriz
invertible y R se encuentra en forma escalonada reducida.
Demuestre que cada matriz es invertible y escr´ıbala como producto de matrices elementales.
36.
_
_
0 −1 0
0 1 −1
1 0 1
_
_
37.
_
¸
¸
_
3 0 0 0
0 2 0 0
0 0 −4 0
0 0 0 2
_
¸
¸
_
38.
_
_
5 5 1
0 2 3
1 1 1
_
_
39.
_
¸
¸
_
3 1 0 0
0 3 1 0
0 0 3 1
0 0 0 3
_
¸
¸
_
40.
_
¸
¸
_
−1 1 0 0
0 1 0 0
0 0 −4 1
0 0 0 2
_
¸
¸
_
78 1. SISTEMAS DE ECUACIONES LINEALES
41. Sea U =
_
_
a b c
0 d e
0 0 f
_
_
donde adf = 0. Escriba U como producto de seis matrices elementales y
concluya que U es invertible.
42. Demuestre que la factorizaci´on de una matriz invertible en forma de un producto de matrices
elementales no es ´ unica.
43. Sean E ∈ M
n
(R) una matriz elemental y A ∈ M
n
(R). ¿Cu´al es el efecto de la multiplicaci´on AE?
44. Si A
−1
=
_
_
1 −2 1
2 1 1
0 −4 1
_
_
y B se obtiene a A intercambiando las filas 1 y 3, luego intercambian-
do las columnas 2 y 3 y finalmente sumando 3 veces la fila 2 con la fila 3, determine la matriz B
−1
45. Sea A ∈ M
m×n
. Una matriz B se denomina inversa derecha de A si AB = I
n
. An´alogamente,
Una matriz C se denomina inversa izquierda de A si CA = I
n
.
a) Si una matriz A ∈ M
m×n
tiene una inversa derecha B ¿Cu´al debe ser el orden de la matriz
B?
b) Si una matriz A ∈ M
m×n
tiene una inversa izquierda C ¿Cu´al debe ser el orden de la matriz
C?
c) Demuestre que si A ∈ M
m×n
tiene una inversa derecha, entonces A
t
tiene una inversa iz-
quierda.
d) Demuestre que A tiene una inversa derecha si y solo si el sistema Ax = b es consistente para
todo b ∈ R
m
.
e) Demuestre que A tiene una inversa izquierda si y solo si el sistema Ax = 0 tiene soluci´on
trivial.
46. En la actualidad, tres empresas A, B y C procesadoras de harina de trigo controlan el 50 %, 30 % y
20 % del mercado, respectivamente. Cada empresa representa una marca de harina. El comporta-
mineto de los consumidores durante un a˜ no es el siguiente: A retiene el 60 % de sus consumidores,
cede el 20 % a B y 20 % a C; B conserva el 50 % de sus consumidores y pierde 30 % con A y 20 %
con C, mientras que C retiene el 70 % de sus consumidores, cede el 10 % a A y el 20 % a B. Supo-
niendo que esta tendencia contin´ ua ¿qu´e porci´on del mercado tendr´a cada empresa a largo plazo?
47. El valor de cierta acci´on en la bolsa de valores puede ir al alza, a la baja o permanecer sin cambio
en cualquier d´ıa. Mediante un estudio se ha podido determinar el siguiente comportamiento: Si
la acci´on est´a en alza un d´ıa, la probabilidad de que al d´ıa siguiente vaya al alza es 0.2, a la
baja 0.7 y que permanezca estable es 0.1; si est´a a la baja un d´ıa la probabilidad de que al d´ıa
siguiente vaya al alza es 0.6, a la baja 0.2 y permanezca estable es 0.2 y finalmente, si permanece
estable la probabilidad de que al d´ıa siguiente vaya al alza es 0.2, a la baja 0.5 y continue estable
0.3. Suponiendo que la tendencia se mantiene d´ıa a d´ıa ¿Cu´al es la probabilidad de que la acci´on
est´e a la baja a largo plazo, si hoy se encuentra estable?
48. Un grupo de personas compra autom´oviles, cada cuatro a˜ nos, con algunos de los tres fabricantes
X, Y , Z. Las probabilidades de cambiar de un fabricante a otro se describen en la matriz
_
_
0,4 0,6 0,5
0,4 0,3 0,3
0,2 0,1 0,2
_
_
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI
´
ON MATRICIAL 79
Si en el 2009 el fabricante X vendi´o 1000 automoviles, el fabricante Y 800 y el Z 400. A largo
plazo ¿alguno de los fabricantes dominar´a el mercado?
49. Suponga que tres industrias A, B y C son tales que toda la producci´on de A es utilizada por
B, toda la producci´on de B es utilizada por C y toda la producci´on de C es utilizada por A.
Determine la posible estructura de precios de equilibrio.
50. La tabla de transacciones intersectoriales para una econom´ıa con tres sectores productivos: Agra-
rio y pesca (1), industrial (2) y Servicios (3), expresada en millares de millones de d´olares y a
precio de salida de f´abrica, esta dada por
I/O 1 2 3 Demanda Final Producci´on Total
1 89.6 118.9 1.3 120.9 330.7
2 35.8 332 36.5 466.6 870.9
3 16.2 69.9 76.4 310.1 472.6
a) Calcular la matriz de coeficientes t´ecnicos.
b) Calcular la matriz inversa de Leontief.
c) Pronostique como debe comportarse cada sector productivo para abastecer una demanda
final proyectada para el a˜ no pr´oximo de 125 unidades monetarias para el sector Agrario y de
pesca, 738 unidades monetarias para el sector industrial y de 547 unidades monetarias para
el sector servicios.
51. Suponga que para una econom´ıa dividida en tres sectores la matriz de coeficientes t´ecnicos es
A =
_
_
0,1 0 0,1
0,5 0,2 0,2
0,0 0,0 0,1
_
_
a) Explicar el significado de los elementos a
11
y a
23
.
b) Muestre que para cualquier vector de demandas finales D ≥ 0 fijado, existe un vector de
producci´on P ≥ 0 que satisface dichas demandas.
12
.
c) ¿Cu´anto debe producir cada sector para satisfacer una demanda final de 10, 20 y 10 unidades
respectivamente?
52. Una matriz de coeficientes t´ecnicos A genera una econom´ıa productiva si y solo si para cada
matriz D de demanda final no negativa, existe un vector X de producci´on total no negativo tal
que se verifique la igualdad (I −A)X = D.
Considere la tabla de transacciones industriales en una econom´ıa dividida en tres sectores pro-
ductivos, expresada en millares de millones de d´olares.
I/O 1 2 3 Demanda Final Producci´on Total
1 75 160 0 65 330
2 30 160 100 210 500
3 48 64 80 448 640
a) Hallar la matriz inversa de Leontief y razonar, a partir de ella, si la matriz A genera una
econom´ıa productiva.
b) Calcular los niveles de producci´on total necesarios en cada sector para alcanzar una demanda
final D =
_
70 200 500
¸
t
.
12
Si A, B ∈ M
m×n
(R) decimos que A ≥ B si y solo si a
ij
≥ b
ij
para cada i = 1, 2, . . . , m y j = 1, 2, . . . , n.
80 1. SISTEMAS DE ECUACIONES LINEALES
6. Determinante de una matr´ız cuadrada.
Para completar nuestro estudio sobre matrices invertibles, introducir´emos el concepto de determinante
para una matriz cuadrada de orden n > 2. Recordemos que si A es una matriz cuadrada de orden 2 ×2,
A =
_
a b
c d
_
A es invertible si y solo si, det(A) = ad−bc = 0. Este teorema es precisamente el que se quiere generalizar
para el caso n > 2.
En general, el determinante es una funci´on que a cada matriz A ∈ M
n
(R) le asocia un n´ umero real,
esto es
det : M
n
(R) → R
A → det(A).
Cuando no se preste a confusi´on, el determinante de una matriz A ∈ M
n
(R) se denotar´a por:
det(A) = |A|, colocando los elementos de la matriz entre dos barras verticales.
Puesto que el objetivo que tenemos para introducir el determinante es netamente pr´actico, vamos a
presentar la forma como se encuentran en cada M
n
(R) los valores de la funci´on determinante. Procedemos
inductivamente.
Si n = 1, A = [a
11
] se define
det : M
1
(R) → R
A → det(A) = a
11
.
Si n = 2, A =
_
a
11
a
12
a
21
a
22
_
, sabemos que,
det : M
2
(R) → R
A → det(A) = a
11
a
22
−a
12
a
21
.
Para determinar el valor det(A) para n > 2, primero definir´emos los cofactores de una matriz A.
Definici´ on 6.1. Dada una matriz A ∈ M
n
(R), el ij-´esimo cofactor de A es el n´ umero real, C
ij
(A)
definido por:
C
ij
(A) = (−1)
i+j
det(A
ij
)
donde A
ij
es la submatriz de orden (n −1) ×(n −1), obtenida a partir de A por eliminaci´on de su fila i
y su columna j.
A la submatriz A
ij
se le denomina el ij-´esimo menor de A y al n´ umero (−1)
i+j
se le conoce como el
signo de la posici´on ij de A. Ilustrar´emos la definici´on anterior, mediante el ejemplo siguiente,
Ejemplo 6.1.
Dada la matriz A =
_
_
1 2 3
−1 5 4
3 2 1
_
_
, el 11-cofactor de A (se lee el 1, 1 cofactor de A) es el n´ umero
C
11
(A) = (−1)
1+1
det(A
11
)
donde A
11
es la matriz que se obtiene al eliminar la fila 1 y la columna 1 de la matriz A, esto es,
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 81
A
11
=
_
5 4
2 1
_
C
11
(A) = (−1)
2
det
_
5 4
2 1
_
= −3.
An´alogamente, el 12-cofactor de A (se lee el 1, 2 cofactor de A)es,
C
12
(A) = (−1)
1+2
det(A
12
) = (−1)
3
det
_
−1 4
3 1
_
= 13.
El lector puede calcular los restantes 7 cofactores de A, como ejercicio.
Ahora estamos en condiciones de definir los valores de la funci´on determinante para el caso n > 2. Si
A =
_
¸
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
21
· · · a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
· · · a
nn
_
¸
¸
¸
_
y se supone que la funci´on determinante est´a definida en M
k
(R) para k = 1, 2, . . . , (n−1), los valores
de la funci´on det : M
n
(R) →R se obtienen de la siguiente manera,
det(A) = a
11
C
11
(A) +a
12
C
12
(A) +· · · +a
1n
C
1n
(A) =
n

k=1
a
1k
C
1k
(A).
Note que, para calcular el valor det(A), se eligen los elementos de la primera fila de A, F
1
=
_
a
11
a
12
· · · a
1n
¸
, cada elemento de F
1
, se multiplica por el cofactor correspondiente C
1k
(A), y
finalmente se suman estos resultados. Esta forma de calcular det(A), se conoce como el desarrollo por
cofactores a lo largo de la primera fila ´o desarrollo de Laplace utilizando la fila 1.
Ejemplo 6.2.
Calcular el determinante de la matriz A =
_
_
1 2 1
0 1 3
2 1 1
_
_
.
Soluci´ on
Utilizando la definici´on se tiene,
det(A) = a
11
C
11
(A) +a
12
C
12
(A) +a
13
C
13
= 1 · (−1)
1+1
det
_
1 3
1 1
_
+ 2 · (−1)
1+2
det
_
0 3
2 1
_
+ 1 · (−1)
1+3
det
_
0 1
2 1
_
= det
_
1 3
1 1
_
−2 · det
_
0 3
2 1
_
+ det
_
0 1
2 1
_
= 8

82 1. SISTEMAS DE ECUACIONES LINEALES
Lo que resulta asombroso, es que si se elige una fila cualquiera de A, F
i
=
_
a
11
a
12
· · · a
1n
¸
y
se realiza el mismo procedimiento anterior (se multiplica cada elemento de la fila por el cofactor corres-
pondiente y se suma), el n´ umero que se obtiene es el mismo. M´as extraordinario resulta ser el hecho de
que este n´ umero no var´ıa, si en lugar de elegir una fila se elige una columna. Esta propiedad se conoce
como el desarrollo ´o expansi´on de Laplace en honor al matem´atico franc´es Pierre-Simon Laplace, quien
en 1772, en un art´ıculo sobre el estudio de las ´orbitas de los planetas plante´o la resoluci´on de sistemas de
ecuaciones lineales, usando determinantes y enunci´o una regla para el c´alculo de los mismos.
13
Est´a regla
se enuncia en el siguiente teorema.
Teorema 6.1. (Teorema de Expansi´on de Laplace)
Si A ∈ M
n
(R) entonces
det(A) = a
i1
C
i1
(A) +a
i2
C
i2
(A) +· · · +a
in
C
in
(A) =
n

k=1
a
ik
C
ik
(A),
denominada la expasi´on por cofactores utilizando la fila i de A.
Adem´as,
det(A) = a
1j
C
1j
(A) +a
2j
C
2j
(A) +· · · +a
nj
C
nj
(A) =
n

k=1
a
kj
C
kj
(A),
denominada la expansi´on por cofactores utilizando la columna j de A.
La importancia, a nivel pr´actico, del desarrollo de Laplace se hace evidente cuando una matriz tiene
fila o columnas con elementos iguales a cero, ya que al elegir esta fila ´o columna para el c´alculo del
determinante, se logra reducir el n´ umero de determiantes de orden inferior que se deben evaluar, como
se ilustra en el ejemplo siguiente.
Ejemplo 6.3. Calcule el determinante de la matriz
A =
_
¸
¸
_
1 2 −1 0
0 −3 2 0
2 2 −1 3
1 0 1 0
_
¸
¸
_
Soluci´ on
Primero observe que la columna 4 tiene ´ unicamente una entrada diferente de cero. Si utilizamos
la expansi´on de Laplace utilizando esta columna, el c´alculo del determinante de la matriz A se reduce
considerablemente, ya que de los 4 determinantes de orden 3 × 3 que se deber´ıan calcular al elegir una
columna o fila sin elementos nulos (por ejemplo, la fila 3 ´o la columna 3), utilizando la columna 4 s´olo se
calcular´ıa uno.
Al desarrollar el determinante de A utilizando la columna 4 se tendr´ıa,
det(A) =
¸
¸
¸
¸
¸
¸
¸
¸
1 2 −1 0
0 −3 2 0
2 2 −1 3
1 0 1 0
¸
¸
¸
¸
¸
¸
¸
¸
= a
14
C
14
(A) +a
24
C
24
(A) +a
34
C
34
(A) +a
44
C
44
(A)
13
Seg´ un algunos historiadores, no fu´e Laplace el que demostr´o esta propiedad, si no fu´e Cauchy quien en 1812 enunci´o y
demostr´o la regla de expansi´on utilizada por Laplace.
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 83
= a
34
C
34
(A) = 3
˙
( −1)
7
¸
¸
¸
¸
¸
¸
1 2 −1
0 −3 2
1 0 1
¸
¸
¸
¸
¸
¸
Para el c´alculo del determinante de orden 3, observe que se obtiene la misma simplificaci´on en el
n´ umero de determinantes de orden 2 a calcular, si se elige la columna 1 ´o la fila 3, s´olo para variar
calcular´emos este determinante utilizando la fila 3.
¸
¸
¸
¸
¸
¸
1 2 −1
0 −3 2
1 0 1
¸
¸
¸
¸
¸
¸
= 1 · (−1)
4
¸
¸
¸
¸
2 −1
−3 2
¸
¸
¸
¸
+ 1 · (−1)
6
¸
¸
¸
¸
1 2
0 −3
¸
¸
¸
¸
= −2
Por tanto
det(A) = (−3)(−2) = 6.
Para verificar el resultado del teorema de Laplace, calculemos el determinante de A utilizando una
fila ´o columna diferente a la elegida anteriormente. Por ejemplo, la fila 2.
det(A) =
¸
¸
¸
¸
¸
¸
¸
¸
1 2 −1 0
0 −3 2 0
2 2 −1 3
1 0 1 0
¸
¸
¸
¸
¸
¸
¸
¸
= a
21
C
21
(A) +a
22
C
22
(A) +a
23
C
23
(A) +a
24
C
24
(A)
= a
22
C
22
(A) +a
23
C
23
(A)
= (−3)
˙
( −1)
4
¸
¸
¸
¸
¸
¸
1 −1 0
2 −1 3
1 1 0
¸
¸
¸
¸
¸
¸
+ 2 · (−1)
5
¸
¸
¸
¸
¸
¸
1 2 0
2 2 3
1 0 0
¸
¸
¸
¸
¸
¸
= −3
¸
¸
¸
¸
¸
¸
1 −1 0
2 −1 3
1 1 0
¸
¸
¸
¸
¸
¸
−2
¸
¸
¸
¸
¸
¸
1 2 0
2 2 3
1 0 0
¸
¸
¸
¸
¸
¸
= −3 · 3 · (−1)
5
¸
¸
¸
¸
1 −1
1 1
¸
¸
¸
¸
−2 · 3 · (−1)
5
¸
¸
¸
¸
1 2
1 0
¸
¸
¸
¸
= 9 · 2 + 6 · (−2) = 6
Donde los determinantes de orden 3 se han calculando mediante el desarrollo de Laplace utilizando
la tercera columna.

Observe que entre m´as ceros tenga la matriz A, el c´alculo de su determinante se reduce considera-
blemente. En general si la matriz A ∈ M
n
(R) no tiene elementos iguales a cero, el desarrollo de Laplace
por medio de cualquier fila o columna (sin contar el c´alculo del signo de cada posici´on), tendr´a n! su-
mandos. Para el c´alculo de cada sumando se requieren n − 1 multiplicaciones, lo que significa que para
calcular cada sumando se deben efectuar un total de n!(n−1) multiplicaciones. Finalmente para obtener
el determinante es necesario efectuar las sumas, que en total son n! − 1. De este modo, el n´ umero total
de operaciones necesarias para calcular el determinante de una matriz cuadrada de orden n son:
n!(n −1) +n! −1 = n · n! −1.
Imagine por un momento que se tiene una econom´ıa dividida en 40 sectores y se desea determinar, si
la matriz de Leontief es invertible. Para esto, se decide calcular su determinante utilizando el desarrollo
84 1. SISTEMAS DE ECUACIONES LINEALES
de Laplace. De acuerdo a los c´alculos anteriores, ser´a necesario realizar 40· 40! −1 operaciones, aproxima-
damente 3,26 ×10
49
. Hasta junio del 2011, la computadora m´as r´apida que se conoce, es el ordenador K
japon´es, que se encuentra en el instituto RIKEN en Kabe (jap´on) y es capaz de realizar m´as de 8 billones
de operaciones por segundo: 8 ×10
12
operaciones. Supongamos que, fuera posible utilizar este ordenador
o una computadora que al menos sea capaz de procesar 8×10
12
c´alculos por segundo, esto significar´ıa que
para hallar el determinante deseado, necesitar´ıamos aproximadamente: 4,08 ×10
36
segundos. Puesto que
un a˜ no de 365 d´ıas, tiene 31,536,000 segundos, necesitar´ıamos utilizar dicha computadora unos 13 ×10
28
a˜ nos: ¡130.000 cuatrillones de a˜ nos!, lo cual es imposible. La pregunta obvia es, si en situaciones pr´acticas
es necesario trabajar con matrices de gran tama˜ no (incluso de orden mayor de 40), entonces ¿c´omo es
posible calcular el determinante de estas matrices?. Para atisbar la soluci´on a esta pregunta, calculemos
el siguiente determinante.
Ejemplo 6.4.
Cacular el determinante de la matriz
U =
_
¸
¸
¸
¸
_
3 10 2 5 −1
0 −1 4 3 8
0 0 2 3 20
0 0 0 −2 21
0 0 0 0 1
_
¸
¸
¸
¸
_
.
Soluci´ on
Si se utiliza el desarrollo de Laplace utilizando la primera columna se tiene,
det(U) = 3 ·
¸
¸
¸
¸
¸
¸
¸
¸
−1 4 3 8
0 2 3 20
0 0 −2 21
0 0 0 1
¸
¸
¸
¸
¸
¸
¸
¸
.
Si se desarrolla el determinante de orden 4, utilizando la primera columna, se obtiene
det(U) = 3 · (−1) ·
¸
¸
¸
¸
¸
¸
2 3 20
0 −2 21
0 0 1
¸
¸
¸
¸
¸
¸
Finalmente, utilizando nuevamente la primera columna para el desarrollo del determinante de orden
3, y calculando el determinante de orden 2 que resulta, se completa el c´alculo del determinante.
det(U) = 3 · (−1) · 2 ·
¸
¸
¸
¸
−2 21
0 1
¸
¸
¸
¸
= 3 · (−1) · 2 · (−2) · 1 = 12.

Observe la facilidad con que se calcul´ o el determinante de la matriz U y el resultado que se obtuvo:
det(U) es el producto de los elementos de su diagonal principal. Esto se debe a que la matriz U es una
matriz triangular.
Teorema 6.2. Si A es una matriz triangular (superior o inferior), det(A) = a
11
a
22
· · · a
nn
Demostraci´ on Se deja como ejercicio para el lector.

6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 85
Resulta natural pensar que una forma de calcular el determinante de una matriz A, consistir´ıa en
hallar una forma escalonada U equivalente por filas a A, ya que al ser U una matriz triangular superior,
todo el trabajo consistir´ıa en aplicar operaciones elementales a la matriz A para obtener U y luego multi-
plicar los elementos de su diagonal principal. Esta intuici´on es correcta, pero antes ser´a necesario analizar
el comportamiento de la funci´on determinante, bajo cada uno de los tipos de operaciones elementales de
fila que se pueden aplicar. El siguiente teorema resume este an´alisis.
Teorema 6.3. Sea A ∈ M
n
(R),
1. Si A tiene una fila nula, det(A) = 0.
2. Si ρ es la operaci´on elemental ρ : F
i
↔ F
j
y B = ρ(A), entonces
det(B) = −det(A).
3. Si A tiene dos filas iguales, det(A) = 0.
4. Si ρ es la operaci´on elemental ρ : αF
i
, α = 0 y B = ρ(A), entonces
det(B) = αdet(A).
5. Si α ∈ R,
det(αA) = α
n
det(A).
6. Si ρ es la operaci´on elemental ρ : F
i
+αF
j
y B = ρ(A), entonces
det(B) = det(A).
Demostraci´ on
1. Esta propiedad se obtiene directamente del desarrollo de Laplace utilizando la fila nula.
2. Supongamos en primer lugar, que las filas que se intercambian son filas consecutivas, esto es:
ρ : F
i
↔ F
i+1
.
Si se desarrolla el determinante de la matriz B = ρ(A), utilizando la fila (i + 1) se tiene,
det(B) = b
(i+1)1
C
(i+1)1
(B) +b
(i+1)2
C
(i+1)2
(B) +· · · +b
i(i+1)n
C
(i+1)n
(B)
=
n

k=1
b
(i+1)k
C
(i+1)k
(B)
Puesto que B = ρ(A), se tiene F
i+1
(B) = F
i
(A). Por tanto,
b
(i+1)k
= a
ik
, para todo k = 1, 2, . . . , n.
Por otra parte, observe que al eliminar en la matriz B la fila (i + 1) y cualquier columna k, se
obtienen las mismas submatrices que al eliminar en A la fila i y cualquier columna k, lo que
significa que,
B
(i+1)k
= A
ik
para todo k = 1, 2, . . . , n
86 1. SISTEMAS DE ECUACIONES LINEALES
De este modo,
det(B) =
n

k=1
b
(i+1)k
C
(i+1)k
(B)
=
n

k=1
b
(i+1)k
(−1)
i+1+k
det(B
(i+1)k
)
=
n

k=1
a
ik
(−1)
i+1+k
det(A
ik
)
=
n

k=1
a
ik
(−1)
i+k
(−1) det(A
ik
)
= −
n

k=1
a
ik
(−1)
i+k
det(A
ik
)
= −
n

k=1
a
ik
C
ik
(A) = −det(A).
Para completar la demostraci´on, supongamos que i < j, y ρ : F
i
↔ F
j
. La operaci´on ρ, se puede
realizar utilizando intercambios consecutivos de las filas de A. Por ejemplo, si suponemos que ρ
es la operaci´on ρ : F
2
↔ F
5
, se deber´ıa realizar la siguiente sucesi´on de operaciones elementales
consecutivas: ρ
1
: F
4
↔ F
5
, ρ
2
: F
3
↔ F
4
, ρ
3
: F
2
↔ F
3
, ρ
4
: F
3
↔ F
4
y ρ
5
: F
4
↔ F
5
. En efecto,
si s´olo se consideran las filas 2 a 5 de A para ver el efecto de la aplicaci´on de esta sucesi´on de
operaciones elementales, se tiene:
_
¸
¸
_
F
2
F
3
F
4
F
5
_
¸
¸
_

ρ
1
_
¸
¸
_
F
2
F
3
F
5
F
4
_
¸
¸
_

ρ
2
_
¸
¸
_
F
2
F
5
F
3
F
4
_
¸
¸
_

ρ
3
_
¸
¸
_
F
5
F
2
F
3
F
4
_
¸
¸
_

ρ
4
_
¸
¸
_
F
5
F
3
F
2
F
4
_
¸
¸
_

ρ
5
_
¸
¸
_
F
5
F
3
F
4
F
2
_
¸
¸
_
.
En general, observe que se necesitan j − i intercambios de filas consecutivos, para mover la fila
j a la fila i. Con estos intercambios, la fila i quedar´a en la fila i + 1, y ser´a necesario realizar
nuevamente j −i −1 intercambios de fila consecutivos, para llevar la fila i a la posici´on j.
De este modo, el n´ umero total de intercambio de filas consecutivas es: (j − i) + (j − i − 1) =
2(j − i) + 1. Puesto que, se realiza un n´ umero impar de intercambios consecutivos de filas para
obtener la matriz B, se concluye que,
det(B) = −det(A).
3. Suponga que las filas m y r (m = r)de la matriz A son iguales. Note que si se realiza la operaci´on
elemental ρ : F
m
↔ F
r
se tiene, ρ(A) = A.
Por la propiedad 2, se sabe que
det(A) = −det(A)
De donde, det(A) = 0.
4. Si ρ es la operaci´on elemental ρ : αF
i
, α = 0 y B = ρ(A), utilizando el teorema de Laplace para
calcular el determinante de la matriz B utilizando la fila i, se tiene
det(B) = b
(i1
C
i1
(B) +b
i2
C
i2
(B) +· · · +b
in
C
in
(B) =
n

k=1
b
ik
C
ik
(B).
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 87
Debido a que la ´ unica diferencia entre la matriz A y la B es la fila i, resulta evidente que para
todo k = 1, 2, . . . , n,
C
ik
(B) = C
ik
(A).
Por otra parte, B = ρ(A) implica F
i
(B) = αF
i
(A). Utilizando estas dos observaciones, se obtiene:
det(B) =
n

k=1
b
ik
C
ik
(B) =
n

k=1
αa
ik
C
ik
(A) = α
n

k=1
a
ik
C
ik
(A) = αdet(A).
5. Para probar el resultado se utiliza la inducci´on matem´atica (se deja como ejercicio para el lector).
Se observa que si B = α(A) aplicando sucesivamente las operaciones de fila ρ
i
: αF
i
, i = 1, 2, . . . , n
a la matriz A para obtener B, se obtiene una sucesi´on de matrices B
1
= ρ
1
(A), B
2
= ρ
2
(B
1
), ...,
B
n
= ρ
n
(B
n−1
). Por la propiedad anterior se tiene,
det(B
1
) = αdet(A)
det(B
2
) = αdet(B
1
) = (α
2
) det(A)
Note que al aplicar la n-´esima operaci´on de filaρ
n
a la matriz B
n−1
se obtine B = ρ
n
(B
n−1
) =
αB
n−1
, de donde
det(B) = αdet(B
n−1
) = (α)
n
det(A)
6. Como ρ es la operaci´on elemental ρ : F
i
+ αF
j
y B = ρ(A), se calcular´a el det(B) utilizando la
fila i.
det(B) = b
i1
C
i1
(B) +b
i2
C
i2
(B) +· · · +b
in
C
in
(B) =
n

k=1
b
ik
C
ik
(B).
Puesto que, A y B difieren s´olo en la fila i,
C
ik
(B) = C
ik
(A)
para todo k = 1, 2, . . . , n.
Adem´as, B = ρ(A), implica
F
i
(B) = F
i
(A) +αF
j
(A).
Utilizando estas dos observaciones, se tiene
det(B) =
n

k=1
b
ik
C
ik
(B)
=
n

k=1
(a
ik
+αa
jk
)C
ik
(A)
=
n

k=1
a
ik
C
ik
(A) +α
n

k=1
a
jk
C
ik
(A).
Observe que la primera sumatoria, es precisamente el determinante de A desarrollado a trav´es
de su i-´esima fila.
88 1. SISTEMAS DE ECUACIONES LINEALES
La segunda sumatoria, es el determinante de una matriz G, ´el cual ha sido desarrollado utilizando
su i-´esima fila (esto es lo que indican los cofactores que aparecen) de donde, C
ik
(G) = C
ik
(A).
La diferencia entre la matriz A y la G radica en los elementos de su i-´esima fila, esto es
F
r
(G) = F
r
(A)
para todo r = i. En particular, en el caso r = j se tiene: F
j
(G) = F
j
(A).
Por otra parte, y referidos a la misma sumatoria, la expresi´on a
jk
C
ik
(A) indica que los elementos
de la fila i de G son los elementos de la fila j de A, es decir, F
i
(G) = F
j
(A).
De donde se deduce que, F
i
(G) = F
j
(A) = F
j
(G). Puesto que G tiene dos filas iguales, det(G) = 0
y
det(B) =
n

k=1
a
ik
C
ik
(A) +α
n

k=1
a
jk
C
ik
(A) = det(A) +αdet(G) = det(A).

Al tener claro, cual es el efecto sobre el determinate de una matriz al aplicar operaciones elementales
de fila, un m´etodo para poder calcular su determinante consistir´a en reducirla a una forma triangular,
teniendo siempre presente que operaci´on elemental es aplicada y cual es el cambio que ocurre en el valor
del determinante.
Ejemplo 6.5.
Calcular el determinante de la matriz
A =
_
¸
¸
_
0 1 2 −1
0 3 1 0
1 2 1 0
−1 1 1 3
_
¸
¸
_
Soluci´ on
det(A) =
¸
¸
¸
¸
¸
¸
¸
¸
0 1 2 −1
0 3 1 0
1 2 1 0
−1 1 1 3
¸
¸
¸
¸
¸
¸
¸
¸
=
F
1
↔ F
3

¸
¸
¸
¸
¸
¸
¸
¸
1 2 1 0
0 3 1 0
0 1 2 −1
−1 1 1 3
¸
¸
¸
¸
¸
¸
¸
¸
=
F
4
+F
1

¸
¸
¸
¸
¸
¸
¸
¸
1 2 1 0
0 3 1 0
0 1 2 −1
0 3 2 3
¸
¸
¸
¸
¸
¸
¸
¸
=
F
4
−F
2

¸
¸
¸
¸
¸
¸
¸
¸
1 2 1 0
0 3 1 0
0 1 2 −1
0 0 1 3
¸
¸
¸
¸
¸
¸
¸
¸
=
F
2
↔ F
3
¸
¸
¸
¸
¸
¸
¸
¸
1 2 1 0
0 1 2 −1
0 3 1 0
0 0 1 3
¸
¸
¸
¸
¸
¸
¸
¸
=
F
3
−3F
2
¸
¸
¸
¸
¸
¸
¸
¸
1 2 1 0
0 1 2 −1
0 0 −5 3
0 0 1 3
¸
¸
¸
¸
¸
¸
¸
¸
=
(−
1
5
)F
3
−5
¸
¸
¸
¸
¸
¸
¸
¸
1 2 1 0
0 1 2 −1
0 0 1 −
3
5
0 0 1 3
¸
¸
¸
¸
¸
¸
¸
¸
=
F
4
−F
3
−5
¸
¸
¸
¸
¸
¸
¸
¸
1 2 1 0
0 1 2 −1
0 0 1 −
3
5
0 0 0
18
5
¸
¸
¸
¸
¸
¸
¸
¸
= (−5)(
18
5
) = −18

Posiblemente, la ´ unica duda que se tenga en el ejemplo anterior, es si la propiedad del determinante
fu´e aplicada correctamente cuando se realiz´o la operaci´on elemental ρ : (−
1
5
F
3
). Varios a˜ nos dedicados a
la docencia del Algebra Lineal, nos han mostrado que es precisamente est´a propiedad del determinante,
la que tiene mayor dificultad de ser entendida y por ende, de ser aplicada en forma correcta. Prestemos
atenci´on a las matrices que intervienen en ese paso del c´alculo del determinante de A, para esto denotemos
por
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 89
C =
_
¸
¸
_
1 2 1 0
0 1 2 −1
0 0 −5 3
0 0 1 3
_
¸
¸
_
y por B =
_
¸
¸
_
1 2 1 0
0 1 2 −1
0 0 1 −
3
5
0 0 1 3
_
¸
¸
_
,
Puesto que ρ : −
1
5
F
3
, se tiene ρ(C) = B. Aplicando la propiedad 4. del teorema anterior, se tiene
det(B) = −
1
5
det(C).
Note que, lo que se requiere es det(C), por tanto, det(C) = −5 det(B), tal cual se aplic´o en el ejemplo.
Ejemplo 6.6.
Demuestre que para cualquier a, b, c ∈ R
¸
¸
¸
¸
¸
¸
1 a a
2
1 b b
2
1 c c
2
¸
¸
¸
¸
¸
¸
= (b −a)(c −a)(c −b)
Soluci´ on
La propiedad se verifica si a = b ´o c = a ´o c = b, puesto que en cualquiera de los tres casos se tendr´ıa
el determinante de una matriz con dos filas iguales.
¸
¸
¸
¸
¸
¸
1 a a
2
1 b b
2
1 c c
2
¸
¸
¸
¸
¸
¸
= 0 = (b −a)(c −a)(c −b).
Si a = b, c = a y c = b, utilizando las propiedades de los determinantes se tiene,
¸
¸
¸
¸
¸
¸
1 a a
2
1 b b
2
1 c c
2
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
¸
1 a a
2
0 b −a b
2
−a
2
0 c −a c
2
−a
2
¸
¸
¸
¸
¸
¸
(Porque se ha aplicando: F
2
−F
1
y F
3
−F
1
)
= (b −a)(c −a)
¸
¸
¸
¸
¸
¸
1 a a
2
0 1 b +a
0 1 c +a
¸
¸
¸
¸
¸
¸
(Porque se ha aplicando:
1
b −a
F
2
y
1
c −a
F
3
)
= (b −a)(c −a)
¸
¸
¸
¸
¸
¸
1 a a
2
0 1 b +a
0 0 c −b
¸
¸
¸
¸
¸
¸
= (b −a)(c −a)(c −b).

Ejemplo 6.7.
Determine todos los valores de x ∈ R que satisfacen
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
x
3
1 2 4 8
1 3 9 27
1 4 16 64
¸
¸
¸
¸
¸
¸
¸
¸
= 0
Soluci´ on
Denotemos por ∆ el valor del determinante. Aplicando las operaciones elementales: F
2
−F
1
, F
3
−F
1
y F
4
−F
1
, se obtiene
90 1. SISTEMAS DE ECUACIONES LINEALES
∆ =
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
x
3
1 2 4 8
1 3 9 27
1 4 16 64
¸
¸
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
x
3
0 2 −x 4 −x
2
8 −x
3
0 3 −x 9 −x
2
27 −x
3
0 4 −x 16 −x
2
64 −x
3
¸
¸
¸
¸
¸
¸
¸
¸
Observe que si x toma el valor 2, 3 ´o 4, se obtiene una matriz con determinante igual a 0, porque se
tendr´ıa una fila nula. Por tanto, x = 2, x = 3 y x = 4 satisfacen la ecuaci´on planteada.
Para determinar si existen otros valores, supongamos que x = 2, x = 3 y x = 4.
Realizando las operaciones elementales (
1
2 −x
)F
2
, (
1
3 −x
)F
3
y (
1
4 −x
)F
4
, se tiene
∆ = (2 −x)(3 −x)(4 −x)
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
x
3
0 1 2 +x 4 + 2x +x
2
0 1 3 +x 9 + 3x +x
2
0 1 4 +x 16 + 4x +x
2
¸
¸
¸
¸
¸
¸
¸
¸
Aplicando F
3
−F
2
y F
4
−F
2
,
∆ = (2 −x)(3 −x)(4 −x)
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
x
3
0 1 2 +x 4 + 2x +x
2
0 0 1 5 −x
0 0 2 12 + 2x
¸
¸
¸
¸
¸
¸
¸
¸
Para terminar la reducci´on, se realizan las operaciones elementales:
1
2
F
3
y F
4
−F
3
,
∆ = (2 −x)(3 −x)(4 −x)
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
x
3
0 1 2 +x 4 + 2x +x
2
0 0 1 5 −x
0 0 0 1
¸
¸
¸
¸
¸
¸
¸
¸
= 1 = 0.
Concluy´endose, que los ´ unicos valores que satisfacen la ecuaci´on planteada son: x = 2, x = 3 y x = 4.

Utilizando las propiedades de los determinantes, resulta f´acil calcular el determinante de una matriz
elemental. En efecto, si E ∈ M
n
(R) es una matriz elemental, entonces
a) Si ρ : F
i
↔ F
j
y E = ρ(I
n
), det(E) = −det(I
n
) = −1.
b) Si ρ : αF
i
, α = 0 y E = ρ(I
n
), det(E) = αdet(I
n
) = α.
b) Si ρ : F
i
+αF
j
y E = ρ(I
n
), det(E) = det(I
n
) = 1.
Debido a que dada cualquier matriz A ∈ M
n
(R) y cualquier operaci´on elemental ρ : M
n
(R) → M
n
(R),
se tiene que ρ(A) = EA donde E = ρ(I
n
), el siguiente teorema se sigue de las propiedades anteriores.
Teorema 6.4. Sea A ∈ M
n
(R) y E una matriz elemental, entonces
det(EA) = det(E) det(A).
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 91
Demostraci´ on
Se distinguen tres casos, seg´ un el tipo de operaci´on elemental ρ de la cual provenga la matriz ele-
mental E.
Suponga que, ρ : F
i
↔ F
j
, E = ρ(I
n
) y B = ρ(A) = EA. Por el teorema 6.3, se tiene det(E) = −1 y
det(EA) = det(B) = (−1) det(A) = det(E) det(A)
An´alogamente, si α = 0, ρ : αF
i
, E = ρ(I
n
) y B = ρ(A) = EA, aplicando el mismo teorema se tiene,
det(E) = α y
det(EA) = det(B) = αdet(A) = det(E) det(A).
Finalmente, si ρ : F
i
+αF
j
, E = ρ(I
n
) y B = ρ(A) = EA, como det(E) = 1, se tiene
det(EA) = det(B) = det(A) = det(E) det(A).

Utilizando inducci´on, se puede demostrar que para todo n ∈ N, si E
1
, E
2
,. . . , E
n
son matrices elementales
det(E
n
E
n−1
· · · E
1
A) = det(E
n
) det(E
n−1
) · · · det(E
1
) det(A).
Teorema 6.5. Dada A ∈ M
n
(R), A es invertible si y solo si det(A) = 0.
Demostraci´ on
Si A es invertible entonces A ≈ I
n
. Por tanto, existen matrices elementales E
1
, E
2
,. . . , E
s
, tales que
E
s
E
s−1
· · · E
1
A = I
n
De donde
det(E
s
E
s−1
· · · E
1
A) = det(I
n
) = 1.
Por la propiedad enunciada anteriormente,
det(E
s
) det(E
s−1
) · · · det(E
1
) det(A) = det(I
n
) = 1.
Debido a que, para cada k = 1, 2, . . . , s, det(E
k
) = 0, la igualdad anterior implica que det(A) = 0. Lo
que demuestra la primera implicaci´on.
Supongamos, ahora que det(A) = 0. Si R es la forma escalonada reducida de A, existe matrices
elementales E

1
, E

2
,. . . , E

r
tales que
E

r
E

r−1
· · · E

1
A = R.
De donde,
det(E

r
) det(E

r−1
) · · · det(E

1
) det(A) = det(R).
Observe que det(R) = 0, ya que det(E

k
) = 0 para cada k = 1, 2, . . . , r y por hip´otesis det(A) = 0. Puesto
que R es una matriz triangular superior, se concluye que la diagonal de R no contiene elementos iguales
a 0 y as´ı R = I
n
. Como A es equivalente por filas a I
n
, A es invertible.

92 1. SISTEMAS DE ECUACIONES LINEALES
Dada una matriz A ∈ M
n
(R), el teorema anterior nos proporciona otra equivalencia sobre las matrices
invertibles. Hasta el momento se tienen las siguientes equivalencias:
A invertible ⇔ para todo b ∈ R
n
, AX = b tiene soluci´on ´ unica
⇔ AX = 0 tiene soluci´on trivial
⇔ A ≈ I
n
⇔ rang(A) = n
⇔ Existe una ´ unica matriz B tal queAB = I
n
⇔ A es producto de matrices elementales
⇔ det(A) = 0
Los siguientes ejemplos ilustran la aplicaci´on del teorema.
Ejemplo 6.8.
¿Es la matriz A =
_
¸
¸
_
1 −1 2 3
2 4 −1 2
3 −1 1 4
3 3 1 5
_
¸
¸
_
invertible?
Soluci´ on
det(A) =
¸
¸
¸
¸
¸
¸
¸
¸
1 −1 2 3
2 4 −1 2
3 −1 1 4
3 3 1 5
¸
¸
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
¸
¸
¸
1 −1 2 3
0 6 −5 −4
0 2 −5 −5
0 6 −5 −4
¸
¸
¸
¸
¸
¸
¸
¸
= 0
Como det(A) = 0, A no es invertible.

Ejemplo 6.9.
Dada la matriz
A =
_
_
x c d
c x d
c d x
_
_
,
con c, d ∈ R fijos, determine todos los valores de x ∈ R para los cuales A no es invertible.
Soluci´ on
De acuerdo al teorema, determinar los valores de x para los cuales A no es invertible, equivale a
calcular los valores de x para los cuales det(A) = 0.
Para calcular det(A), utilizar´emos primero la operaci´on elemental, F
3
− F
2
, F
2
− F
1
y a continuaci´on
desarrolar´emos el determinante resultante, utilizando la primera columna.
det(A) =
¸
¸
¸
¸
¸
¸
x c d
c x d
c d x
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
¸
x c d
c x d
0 d −x x −d
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
¸
x c d
c −x x −c 0
0 d −x x −d
¸
¸
¸
¸
¸
¸
= x
¸
¸
¸
¸
x −c 0
d −x x −d
¸
¸
¸
¸
−(c −x)
¸
¸
¸
¸
c d
d −x x −d
¸
¸
¸
¸
= x(x −c)(x −d) −(c −x)[c(x −d) −d(d −x)]
= x(x −c)(x −d) + (x −c)[c(x −d) +d(x −d)]
= x(x −c)(x −d) + (x −c)(x −d)(c +d)
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 93
= (x −c)(x −d)(x +c +d)
El det(A) = 0 para x = c, x = d ´o x = −c −d.

La propiedad det(EA) = det(E) det(B) es v´alida aunque E no sea una matriz elemental.
Teorema 6.6. Si A ∈ M
n
(R) y B ∈ M
n
(R) entonces
det(AB) = det(A) det(B).
Demostraci´ on
Si A no es invertible, entonces AB no es invertible. Por el teorema anterior, det(A) = 0 y det(AB) = 0.
El teorema se cumple.
Si A es invertible, existen matrices elementales E
1
, E
2
, . . . , E
r
tales que A = E
1
E
2
· · · E
r
,
det(AB) = det(E
1
E
2
· · · E
r
B) = det(E
1
) det(E
2
) · · · det(E
r
) det(B) = det(E
1
E
2
· · · E
r
) det(B) = det(A) det(B).

El teorema anterior es conocido como el Teorema de Binet-Cauchy.
Ejemplo 6.10.
Si A ∈ M
n
(R) es invertible, encuentre det(A
−1
).
Soluci´ on
Si A es invertible, se tiene det(A) = 0. Puesto que
AA
−1
= I
n
,
aplicando la funci´on determinante, se tiene
det(AA
−1
) = det(I
n
)
det(A) det(A
−1
) = 1
Por tanto,
det(A
−1
) =
1
det(A)
.

Ejemplo 6.11.
Demuestre que si E ∈ M
n
(R) es una matriz elemental, entonces
det(E) = det(E
t
)
94 1. SISTEMAS DE ECUACIONES LINEALES
Soluci´ on
Como existen tres tipos de matrices elementales, se debe demostrar que la propiedad es cierta en
cada uno de ellos.
Si ρ : F
i
↔ F
j
y E = ρ(I
n
), E es sim´etrica. Como E
t
= E se tiene, det(E) = det(E
t
).
Si ρ : αF
i
, α = 0 y E = ρ(I
n
), E es una matriz diagonal y por tanto sim´etrica, de donde det(E) = det(E
t
).
Si ρ : F
i
+αF
j
y E = ρ(I
n
), entonces det(E) = 1. En este caso, note que E
t
= ρ
1
(I
n
) donde ρ
1
: F
j
+αF
i
de donde det(E
t
) = 1 y se satisface det(E
t
) = 1 = det(E).

El ejemplo anterior, puede ser generalizado a cualquier matriz A ∈ M
n
(R). El teorema siguiente,
afirma que el determinante de una matriz A y de su transpuesta son iguales. Esto ser´a de gran utilidad ya
que nos permitir´a extender todas las propiedades de los determinantes, que se refieren a las operaciones
elementales de fila, a operaciones elementales de columna. As´ı, para calcular el determinante de una
matriz A ser´ a posible realizar operaciones de fila o de columna a A, seg´ un convenga.
Teorema 6.7. Si A ∈ M
n
(R), entonces
det(A) = det(A
t
)
Demostraci´ on
Si A no es invertible, A
t
tampoco lo ser´a y trivialmente se tiene, det(A) = 0 = det(A
t
).
Si A es invertible, entonces existen matrices elementales E
1
, E
2
, . . . , E
r
tales que
A = E
1
E
2
· · · E
r
.
Por tanto,
A
t
= E
t
r
E
t
r−1
· · · E
t
2
E
t
1
.
Aplicando la funci´on determinante, se obtiene
det(A
t
) = det(E
t
r
) det(E
t
r−1
) · · · det(E
t
2
) det(E
t
1
) = det(E
r
) det(E
r−1
) · · · det(E
2
) det(E
1
).
Puesto que el determinante es una funci´on de valor real, y la multiplicaci´on de n´ umeros reales es conmu-
tativa,
det(A
t
) = det(E
1
) det(E
2
) · · · det(E
r
) = det(E
1
E
2
· · · E
r
) = det(A).

Hasta el momento, no hemos necesitado definir operaciones elementales de columna, debido a que
no han sido de utilidad para la soluci´on de sistemas de ecuaciones lineales. Pero en vista de que el teo-
rema anterior, nos da la posibilidad de realizar operaciones elementales de columna para el c´alculo del
determinante, es el momento de aclarar su signficado. En primer lugar, observe que aplicar una operaci´on
elemental de columna a una matriz A es equivalente a aplicar sobre la matriz A
t
una operaci´on elemental
de fila.
Sea A ∈ M
n
(R) y suponga que sobre la matriz A
t
, se ha aplicado la operaci´on elemental de fila ρ,
para obtener la matriz B (equivalente por filas a A
t
) B = ρ(A
t
). Sabemos que, si E = ρ(I
n
), entonces
B = ρ(A
t
) = EA
t
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 95
Esto implica que,
B
t
= (EA
t
)
t
= AE
t
.
Observe que B
t
es la matriz que se obtiene si a la matriz A, se le aplicara directamente una operaci´on
an´aloga a ρ pero cambiando fila por columna. Esto permite definir las operaciones de columna, por
analog´ıa a las operaciones de fila. Si C
k
denota las columnas de la matriz A, k = 1, 2, . . . , n, entonces
1. Si ρ : F
i
↔ F
j
, la operaci´on elemental de columna an´aloga ser´ıa σ : C
i
↔ C
i
.
2. Si ρ : αF
i
con α = 0 la operaci´on elemental de columna an´aloga ser´ıa σ : αC
i
.
3. Si ρ : F
j
+αF
i
la operaci´on elemental de columna an´aloga, ser´ıa σ : C
j
+αC
i
.
Con lo que podemos afirmar que, B
t
= σ(A) donde σ es alguno de los tres tipos de operaciones
columnas anteriores.
Por otra parte, considerando la igualdad B
t
= (EA
t
)
t
= AE
t
e nterpret´andola en t´erminos de la
operaci´on columna σ, se tiene
σ(A) = AE
t
.
De donde se infiere que aplicar una operaci´on de columna a una matriz cuadrada, consiste en multi-
plicar a derecha por una matriz elemental, esto es:
σ(A) = AF
Adem´as, note en M
n
(R), F = E
t
es la matriz elemental correspondiente a σ(I
n
) = F.
En general, si A ∈ M
m×n
, ρ(I
m
) = E y σ(I
n
) = F, entonces ρ(A) = EA equivale a aplicar sobre A
la operaci´on de fila ρ, mientras que σ(A) = AF corresponde a aplicar sobre A la operaci´on columna σ,
pero en este caso E ∈ M
m
(R) y mientras que F ∈ M
n
(R).
Ahora supong´amos que sobre la matriz A ∈ M
n
(R), se ha aplicado la operaci´on columna ρ para
obtener D = σ(A) y sea F = σ(I
n
) ¿C´omo se relaciona det(D) con det(A)? en otras palabras, ¿Las
propiedades de los determinantes se conservan, si en lugar de aplicar operaciones elementales de fila, se
utilizan operaciones de columna?.
Como,
det(D) = det(σ(A)) = det(AF) = det(A) det(F) = det(F
t
) det(A
t
) = det(F
t
A
t
) = det(EA
t
) = det(ρ(A)),
donde ρ es la operaci´on de fila determinada por E = F
t
, se tiene
1. Si σ : C
i
↔ C
j
, entonces ρ : F
i
↔ F
j
y det(D) = det(ρ(A)) = −det(A)
2. Si σ : αC
i
, α = 0, entonces ρ : αF
i
y det(D) = det(ρ(A)) = αdet(A)
3. Si σ : C
i
+αC
j
, entonces ρ : F
i
+αF
j
y det(D) = det(ρ(A)) = det(A).
Por tanto, la respuesta a la pregunta anterior es afirmativa: Las propiedades de los determinantes
son las mismas si en lugar de aplicar operaciones elementales de fila, se utilizan operaciones de columna.
Ejemplo 6.12.
Si a, e, c ∈ R −{0}, demuestre que
det
_
¸
¸
_
0 −a −b −c
a 0 −d −e
b d 0 −f
c e f 0
_
¸
¸
_
= (af −be +cd)
2
96 1. SISTEMAS DE ECUACIONES LINEALES
Soluci´ on
Sea A =
_
¸
¸
_
0 −a −b −c
a 0 −d −e
b d 0 −f
c e f 0
_
¸
¸
_
, aplicando operaciones de columna se obtiene,
det(A) =
¸
¸
¸
¸
¸
¸
¸
¸
0 −a −b −c
a 0 −d −e
b d 0 −f
c e f 0
¸
¸
¸
¸
¸
¸
¸
¸
=
1
aec
¸
¸
¸
¸
¸
¸
¸
¸
0 −ac −b −ac
ae 0 −d −ae
be dc 0 −af
ce ec f 0
¸
¸
¸
¸
¸
¸
¸
¸

1
: eC
1
; σ
2
: cC
2
; σ
3
: aC
4
)
=
1
aec
¸
¸
¸
¸
¸
¸
¸
¸
ac −ac −b −ac
ae 0 −d −ae
be −dc dc 0 −af
0 ec f 0
¸
¸
¸
¸
¸
¸
¸
¸

4
: C
1
−C
2
)
=
1
aec
¸
¸
¸
¸
¸
¸
¸
¸
ac −ac −b 0
ae 0 −d 0
be −dc dc 0 be −dc −af
0 ec f 0
¸
¸
¸
¸
¸
¸
¸
¸

5
: C
4
+C
1
)
Desarrollando este determinante, utilizando la columna 4, se tiene
det(A) = −
be −dc −af
aec
¸
¸
¸
¸
¸
¸
ac −ac −b
ae 0 −d
0 ec f
¸
¸
¸
¸
¸
¸
=
af −be +dc
a
2
e
2
c
2
¸
¸
¸
¸
¸
¸
ace −ace −be
aec 0 −dc
0 eca fa
¸
¸
¸
¸
¸
¸

1
: eF
1
; ρ
2
: cF
2
; ρ
3
: aF
3
)
=
af −be +dc
a
2
e
2
c
2
¸
¸
¸
¸
¸
¸
ace −ace −be
0 ace be −dc
0 eca fa
¸
¸
¸
¸
¸
¸

4
: F
2
−F
1
)
=
af −be +dc
a
2
e
2
c
2
¸
¸
¸
¸
¸
¸
ace −ace −be
0 ace be −dc
0 0 af −be +dc
¸
¸
¸
¸
¸
¸

5
: F
3
−F
2
)
=
af −be +dc
a
2
e
2
c
2
(ace)
2
(af −be +dc) = (af −be +dc)
2
.

Para finalizar esta secci´on, utilizar´emos el concepto de determinante para encontrar otra forma de
calcular la inversa de una matriz A invertible. Para esto se definir´a lo que se entiende por la matriz
cofactora de A y la matriz adjunta de A.
Definici´ on 6.2. Sea A ∈ M
n
(R), la matriz cofactora de A , denotada por Cof(A) es la matriz
de M
n
(R) definida por:
Cof(A) = (C
ij
(A))
n×n
,
donde C
ij
(A) es el ij-´esimo cofactor de A.
La matriz adjunta de A, es la matriz traspuesta de la matriz cofactora, la cual es denotada por
Adj(A),
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 97
Adj(A) = [Cof(A)]
t
= (C
ji
(A))
n×n
Por ejemplo, dada la matriz
A =
_
_
1 2 3
1 0 0
−1 1 4
_
_
,
para determinar la matriz cofactora de A se deben determinar los 9 cofactores de A,
C
11
=
¸
¸
¸
¸
0 0
1 4
¸
¸
¸
¸
= 0; C
12
= −
¸
¸
¸
¸
1 0
−1 4
¸
¸
¸
¸
= −4; C
13
=
¸
¸
¸
¸
1 0
−1 1
¸
¸
¸
¸
= 1
C
21
= −
¸
¸
¸
¸
2 3
1 4
¸
¸
¸
¸
= −5; C
22
=
¸
¸
¸
¸
1 3
−1 4
¸
¸
¸
¸
= 7; C
23
= −
¸
¸
¸
¸
1 2
−1 1
¸
¸
¸
¸
= −3
C
31
=
¸
¸
¸
¸
2 3
0 0
¸
¸
¸
¸
= 0; C
32
= −
¸
¸
¸
¸
1 3
1 0
¸
¸
¸
¸
= 3; C
33
=
¸
¸
¸
¸
1 2
1 0
¸
¸
¸
¸
= −2
Cof(A) =
_
_
0 −4 1
−5 7 −3
0 3 −2
_
_
y Adj(A) =
_
_
0 −5 0
−4 7 3
1 −3 −2
_
_
.
Teorema 6.8. Si A ∈ M
n
(R), A(Adj(A)) = (Adj(A))A = det(A)I
n
.
Demostraci´ on
Si se denota por B = A(Adj(A)), utilizando la definici´on de la multiplicaci´on matricial, se tiene
b
ij
= F
i
(A)col
j
(Adj(A)) = F
i
(A)F
j
(Cof(A))
_
a
i1
a
i2
· · · a
in
¸
_
¸
¸
¸
_
C
j1
(A)
C
j2
(A)
.
.
.
C
jn
(A)
_
¸
¸
¸
_
= a
i1
C
j1
(A)+a
i2
C
j2
(A)+· · ·+a
in
C
jn
(A).
Si i = j ,
b
ii
= a
i1
C
i1
(A) +a
i2
C
i2
(A) +· · · +a
in
C
in
(A) = det(A).
Si i = j
b
ii
= a
i1
C
j1
(A) +a
i2
C
j2
(A) +· · · +a
in
C
jn
(A) = det(G)
donde G es talque F
k
(G) = F
k
(A) cuando k = j y F
j
(G) = F
i
(A), luego det(G) = 0, ya que
F
i
(G) = F
i
(A) = F
j
(G).
Por tanto, B es la matriz diagonal
B =
_
¸
¸
¸
_
det(A) 0 · · · 0
0 det(A) · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 · · · det(A)
_
¸
¸
¸
_
= det(A)I
n
.
La demostraci´on de la igualdad (Adj(A))A = I
n
, es an´aloga a la anterior y se deja como ejercicio para el
lector.

98 1. SISTEMAS DE ECUACIONES LINEALES
Si A es una matriz invertible, det(A) = 0. Multiplicando por:
1
det(A)
ambos lados de la igualdad,
A(Adj(A)) = (Adj(A))A = det(A)I
n
se obtiene
A(
1
det(A)
Adj(A)) = (
1
det(A)
Adj(A))A = I
n
lo que implica que
A
−1
=
1
det(A)
Adj(A).
La relaci´on anterior, proporciona un m´etodo para calcular la inversa de una matriz A. Sin embargo,
resulta obvio que no es una forma eficiente de hacerlo, ya que requiere determinar la matriz adjunta de
A, la cual involucra n
2
determinantes de orden n − 1. La utilidad de est´a relaci´on es m´as bi´en te´orica,
como lo muestra el ejemplo siguiente.
Ejemplo 6.13.
Si A ∈ M
n
(R) es una matriz invertible y b ∈ M
n×1
, determine la soluci´on del sistema AX = b.
Soluci´ on
Puesto que A es invertible, el sistema AX = b tiene soluci´on ´ unica, X = A
−1
b.
X = A
−1
b =
1
det(A)
Adj(A)b =
1
det(A)
_
¸
¸
¸
_
C
11
C
21
· · · C
n1
C
12
C
22
· · · C
n2
.
.
.
.
.
.
.
.
.
.
.
.
C
1n
C
2n
· · · C
nn
_
¸
¸
¸
_
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
n
_
¸
¸
¸
_
.
La i-´esima coordenada del vector X, est´a dada por
x
i
=
1
det(A)
(C
1i
b
1
+C
2i
b
2
+· · · +C
ni
b
n
=
det(A
i
)
det(A)
,
donde A
i
es la matriz obtenida a partir de A reemplazando su i-´esima columna por el vector b.

El ejemplo anterior, nos d´a una regla para determinar la soluci´on de un sistema cuando se sabe que
la matriz de coeficientes es invertible. Esta regla es conocida como La Regla de Cramer.
Ejemplo 6.14. Dado el sistema
_
_
_
x −2y + 2z = 1
2x −y + 4z = 0
3x −y + 2z = 1
demuestre que tiene soluci´on ´ unica y determine la tercera componente de la soluci´on del sistema.
Soluci´ on
La matriz de coeficientes del sistema es la matriz
A =
_
_
1 −2 2
2 −1 4
3 −1 2
_
_
.
Como det(A) = −12 = 0, el sistema tiene soluci´on ´ unica. Para determinar el valor de z en la soluci´on
del sistema, aplicamos la regla de Cramer,
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 99
z =
1
det(A)
det(A3) = −
1
12
¸
¸
¸
¸
¸
¸
1 −2 1
2 −1 0
3 −1 1
¸
¸
¸
¸
¸
¸
= −
1
12
· 4 = −
1
4
.

Para finalizar este cap´ıtulo, retornemos al modelo Insumo- Producto de Leontief estudiado en la
secci´on 5, con el prop´osito de dar respuesta a la pregunta que qued´o abierta: ¿Dado un modelo Insumo-
Producto X = AX +D, se puede asegurar que siempre existe una soluci´on X =
_
x
1
x
2
· · · x
n
¸
t
del
sistema (I
n
−A)X = D, para cualquier demanda final no negativa d y que dicha soluci´on es no negativa?
Para dar una soluci´on a esta pregunta, se utiliza el concepto de determinante. Hawkins y H.A. Si-
mon en su art´ıculo Some condition of macroeconomic stability (1949), estudiaron el sistema planteado y
generaron condiciones para la no negatividad de soluciones. Hukukane Nikaido en su texto Introduction
to sets and mappings in modern Economics (1970), demuestra y generaliza las condiciones dadas por
Hawkins-Simons. Para no extendernos demasiado, demostrar´emos s´olo uno de los resultados encontrados
y dejamos al lector el estudio de sus variaciones.
Definici´ on 6.3. Dada A =
_
¸
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
· · · a
nn
_
¸
¸
¸
_
∈ M
n
(R) los determinantes

1
= det[a
11
], ∆
2
= det
_
a
11
a
12
a
21
a
22
_
, ∆
3
= det
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, ...,

n−1
= det
_
¸
¸
¸
_
a
11
a
12
· · · a
1(n−1)
a
21
a
22
· · · a
2(n−1)
.
.
.
.
.
.
.
.
.
.
.
.
a
(n−1)1
a
(n−1)2
· · · a
(n−1)(n−1)
_
¸
¸
¸
_
, ∆
n
= det
_
¸
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
· · · a
nn
_
¸
¸
¸
_
= det(A)
se denominan los menores principales de A.
Definici´ on 6.4. Se dice que una matriz
A =
_
¸
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
· · · a
nn
_
¸
¸
¸
_
∈ M
n
(R)
verifica la Condici´on de Hawkins-Simon si todos los menores principales de A son positivos.
Antes de continuar, observe que en el modelo de Insumo-Producto, se tiene un sistema de ecuaciones
(I
n
− A)X = D en donde la matriz de Leontief L = I
n
− A = (l
ij
)
n×n
es talque l
ij
≤ 0 para i = j,
i, j = 1, . . . , n y D = (d
i
)
n×1
satisface d
i
≥ 0 para i = 1, . . . , n, por tanto el sistema (I
n
− A)X = D
no es cualquier sistema de orden n ×n, si no que est´a determinado por dichas restricciones. El teorema
siguiente, nos acerca una soluci´on de la pregunta que queremos responder.
Teorema 6.9. Sea AX = B un sistema de ecuaciones, A ∈ M
n
(R), D ∈ M
n×1
, X ∈ M
n×1
que
verifica las restricciones a
ij
≤ 0 para i = j, i, j = 1, 2, . . . , n y b
i
> 0 para i = 1, 2, . . . , n.
AX = B tiene una soluci´on X =
_
x
1
x
2
· · · x
n
¸
t
con x
i
≥ 0 para todo i = 1, 2, . . . , n si y solo
si A satisface la condici´on de Hawkins-Simon.
100 1. SISTEMAS DE ECUACIONES LINEALES
Demostraci´ on
Supong´amos que el sistema AX = B satisface las restricciones a
ij
≤ 0 para i = j i, j = 1, 2, . . . , n
y b
i
> 0 para i = 1, 2, . . . , n y que tiene una soluci´on X =
_
x
1
x
2
· · · x
n
¸
t
con x
i
≥ 0 para todo
i = 1, 2, . . . , n, y demostremos por inducci´on sobre el orden del sistema, que A satisface la condici´on de
Hawkin-Simon (que todos los menores principales de A son positivos).
Si n = 1, A = (a
11
)
1×1
, el sistema AX = B, es la ecuaci´on real a
11
x
1
= b
1
donde b
1
> 0, lo que implica
que a
11
x
1
> 0. Como x
1
≥ 0 necesariamente a
11
> 0. Puesto que el ´ unico menor principal de A es

1
= a
11
y ∆
1
> 0, A verifica la condici´on de Hawkins-Simon.
Si n = 2, A =
_
a
11
a
12
a
21
a
22
_
, B =
_
b
1
b
2
_
, con a
12
≤ 0, a
21
≤ 0, b
1
> 0 y b
2
> 0. El sistema AX = B, es el
sistema
_
a
11
a
12
a
21
a
22
_ _
x
1
x
2
_
=
_
b
1
b
2
_
,
el cual tiene soluci´on X =
_
x
1
x
2
_
, con x
1
≥ 0 y x
2
≥ 0. De la primera ecuaci´on del sistema
a
11
x
1
+a
12
x
2
= b
1
se tiene
a
11
x
1
= b
1
−a
12
x
2
.
Como x
2
≥ 0 y a
12
≤ 0 el sumando −a
12
x
2
≥ 0, luego a
11
x
1
> 0 debido a que b
1
> 0. De donde se
concluye, ∆
1
= a
11
> 0.
Utilizando reducci´on sobre la matriz aumentada del sistema AX = B, se obtiene
_
a
11
a
12
b
1
a
21
a
22
b
2
_

_
1
a12
a11
b1
a11
a
21
a
22
b
2
_

_
1
a12
a11
b1
a11
0 a
22
−a
21
a12
a11
b
2
−a
21
b1
a11
_

_
1
a12
a11
b1
a11
0 a
22
a
11
−a
21
a
12
b
2
a
11
−a
21
b
1
_
.
De donde,
det(A)x
2
= b
2
a
11
−a
21
b
1
> 0,
ya que b
2
> 0, b
1
> 0, a
21
≤ 0. Como x
2
≥ 0, det(A) > 0. En este caso, los menores princiaples de A
son, ∆
1
= a
11
y δ
2
= det(A), los cuales son positivos, portanto A satisface la condici´on de Hawkins-Simon.
Supongamos que si A

∈ M
(k−1)×(k−1)
(R), B

∈ M
(k−1)×1
(R) y X

∈ M
(k−1)×1
(R), satisfacen a

ij
≤ 0
para i = j para i, j = 1, . . . , (k−1), b

i
> 0 y x

i
≥ 0, i = 1, . . . , (k−1), entonces A

satisface las condiciones
de Hawkins-Simons (Hip´otesis de Inducci´on) y demostr´emoslo para el caso en que el sistema AX = B sea
de orden k ×k. Es decir, veamos que si A ∈ M
k×k
(R), B ∈ M
k×1
(R) y X ∈ M
k×1
(R), satisfacen a
ij
≤ 0
para i = j i, j = 1, . . . , k, b
i
> 0 y x
i
≥ 0 para cada i = 1, . . . , k, entonces A satisface las condiciones de
Hawkins-Simons.
De la primera ecuaci´on del sistema de orden k ×k
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 101
_
¸
¸
¸
_
a
11
a
12
· · · a
1k
a
21
a
22
· · · a
2k
.
.
.
.
.
. · · ·
.
.
.
a
k1
a
k2
· · · a
kk
_
¸
¸
¸
_
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
k
_
¸
¸
¸
_
=
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
k
_
¸
¸
¸
_
,
a
11
x
1
+a
12
x
2
+· · · +a
1k
x
k
= b
1
se tiene
a
11
x
1
= b
1
−a
12
x
2
−· · · −a
1k
x
k
.
Como a
1j
≤ 0 y x
j
≥ 0, se tiene que cada sumando −a
1j
x
j
≥ 0. Utilizando que b
1
> 0, se tiene que
a
11
x
1
> 0, lo que implica que ∆
1
= a
11
> 0, por ser x
1
≥ 0.
Utilizando reducci´on a la matriz aumentada del sistema AX = B, se tiene
_
¸
¸
¸
_
a
11
a
12
· · · a
1k
b
1
a
21
a
22
· · · a
2k
b
2
.
.
.
.
.
. · · ·
.
.
.
.
.
.
a
k1
a
k2
· · · a
kk
b
k
_
¸
¸
¸
_

_
¸
¸
¸
_
1
a12
a11
· · ·
a
1k
a11
b1
a11
a
21
a
22
· · · a
2k
b
2
.
.
.
.
.
. · · ·
.
.
.
.
.
.
a
k1
a
k2
· · · a
kk
b
k
_
¸
¸
¸
_

_
¸
¸
¸
_
1
a12
a11
· · ·
a
1k
a11
b1
a11
0 a
22

a21a12
a11
· · · a
2k

a21a
1k
a11
b
2

a21b1
a11
.
.
.
.
.
. · · ·
.
.
.
0 a
k2

a
k1
a12
a11
· · · a
kk

a
k1
a
1k
a11
b
k

a
k1
b1
a11
_
¸
¸
¸
_
Denot´emos por:
a

ij
= a
ij

a
1j
a
i1
a
11
i, j = 2, 3, . . . , k y por b

j
= b
j

a
1j
b
1
a
11
j = 2, 3, . . . , k
La matriz
A

=
_
¸
¸
¸
_
a

22
a

23
· · · a

2n
a
32
a
33
· · · a
3n
.
.
.
.
.
.
.
.
.
.
.
.
a

k2
a

k3
· · · a

kk
_
¸
¸
¸
_
es de orden (k −1) ×(k −1). El sistema A

X = B

de orden (k −1) ×(k −1) satisface las condiciones para
aplicar la hip´otesis de inducci´on. En efecto, si i = j, a
ij
≤ 0 y a
1j
≤ 0 por ser elementos de A y j = 1,
i = 1, entonces a

ij
= a
ij

a
1j
a
i1
a
11
≤ 0. Por otra parte, a
11
> 0 y b
1
> 0, implican b

j
= b
j

a
1j
b
1
a
11
> 0.
Por tanto A

satisface la condici´on de Hawkins-Simon. Esto es
a

22
> 0, det
_
a

22
a

23
a

32
a

33
_
> 0, det
_
_
a

22
a

23
a

24
a

32
a

33
a

34
a

42
a

43
a

44
_
_
> 0, ... , det(A

) > 0.
De a

22
= a
22

a
21
a
12
a
11
=
a
22
a
11
−a
21
a
12
a
11
> 0, se tiene det
_
a
11
a
12
a
21
a
22
_
> 0.
Para demostrar que los dem´as menores principales de A son positivos, utilizamos las propiedades de los
determinantes para expresarlos en t´erminos de los menores de A

, de la manera siguiente,
102 1. SISTEMAS DE ECUACIONES LINEALES
det
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
= det
_
_
a
11
a
12
a
13
0 a

22
a

23
0 a

32
a

33
_
_
= a
11
det
_
a

22
a

23
a

32
a

33
_
> 0
En general
det
_
¸
¸
¸
_
a
11
a
12
· · · a
1k
a
21
a
22
· · · a
2k
.
.
.
.
.
. · · ·
.
.
.
a
k1
a
k2
· · · a
kk
_
¸
¸
¸
_
= det
_
¸
¸
¸
_
a
11
a
12
· · · a
1k
0 a

22
· · · a

2k
.
.
.
.
.
. · · ·
.
.
.
0 a

k2
· · · a

kk
_
¸
¸
¸
_
= a
11
det
_
¸
¸
¸
_
a
12
· · · a
1k
a

22
· · · a

2k
.
.
. · · ·
.
.
.
a

k2
· · · a

kk
_
¸
¸
¸
_
> 0
Lo que demuestra que todos los menores principales de A son positivos.
Para la otra implicaci´on, supongamos que A satisface la condici´on de Hawkins-Simon y demostremos
que AX = B tiene una soluci´on X talque x
i
≥ 0 para i = 1, 2, . . . , n. La demostraci´on se realizar´a por
inducci´on sobre el orden de la matriz A.
Para n = 1 se tiene A = (a
11
)
1×1
, el sistema AX = B, se reduce a la ecuaci´on a
11
x
1
= b
1
. Como el ´ unico
menor principal de A es a
11
y a
11
> 0, se tiene x
1
=
b1
a11
> 0.
Supongamos que si A

∈ M
(k−1)×(k−1)
satisface la condici´on de Hawkins-Simon, entonces dado B


M
(k−1)×1
existe una soluci´on X

de A

X

= B

con x

i
≥ 0, para i = 1, . . . , (k −1), y demostremos que el
resultado se tiene para el sistema AX = B, con A ∈ M
k×k
y A ∈ M
k×1
.
Sea
_
¸
¸
¸
_
a
11
a
12
· · · a
1k
a
21
a
22
· · · a
2k
.
.
.
.
.
. · · ·
.
.
.
a
k1
a
k2
· · · a
kk
_
¸
¸
¸
_
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
k
_
¸
¸
¸
_
=
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
k
_
¸
¸
¸
_
,
un sistema de orden k × k que satisface la condici´on de Hawkins-Simon. Como a
11
es uno de los meno-
res principales de A, a
11
> 0. Aplicando reducci´on para determinar la soluci´on del sistema AX = B,
obtenemos
_
¸
¸
¸
_
a
11
a
12
· · · a
1k
b
1
a
21
a
22
· · · a
2k
b
2
.
.
.
.
.
. · · ·
.
.
.
.
.
.
a
k1
a
k2
· · · a
kk
b
k
_
¸
¸
¸
_

_
¸
¸
¸
_
a
11
a
12
· · · a
1k
b
1
0 a

22
· · · a

2k
b

2
.
.
.
.
.
. · · ·
.
.
.
.
.
.
0 a

k2
· · · a

kk
b

k
_
¸
¸
¸
_
Considerando el sistema A

X = B

, b
i
> 0 y a
ij
≤ 0 para i = j (la justificaci´on es igual a la realizada
anteriormente). Adem´as,
det
_
a

22
a

23
a

32
a

33
_
=
1
a
11
det
_
_
a
11
a
12
a
13
0 a

22
a

23
0 a

32
a

33
_
_
= det
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
> 0.
En general,
det
_
¸
¸
¸
_
a

22
a

23
· · · a

2k
a

32
a

33
· · · a

3k
.
.
.
.
.
. · · ·
.
.
.
a

k2
a

k3
· · · a

kk
_
¸
¸
¸
_
=
1
a
11
det
_
¸
¸
¸
¸
¸
_
a
11
a
12
a
13
· · · a
1k
0 a

22
a

23
· · · a

2k
0 a

32
a

33
· · · a

3k
.
.
.
.
.
.
.
.
. · · ·
.
.
.
0 a

k2
a

k3
· · · a

kk
_
¸
¸
¸
¸
¸
_
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 103
=
1
a
11
det
_
¸
¸
¸
¸
¸
_
a
11
a
12
a
13
· · · a
1k
a
21
a
22
a
23
· · · a
2k
a
31
a
32
a
33
· · · a
3k
.
.
.
.
.
.
.
.
. · · ·
.
.
.
a
k1
a
k2
a
k3
· · · a
kk
_
¸
¸
¸
¸
¸
_
> 0
Luego, A

satisface la condci´on de Hawkins-Simon. Por hip´otesis de inducci´on se tiene que existe una
soluci´on de A

X = B

talque x
i
≥ 0 con i = 2, 3, . . . , k.
Solo queda probar que x
1
≥ 0. En efecto,
a
11
x
1
+a
12
x
2
+· · · +a
1k
x
k
= b
1
y a
11
> 0,
entonces
x
1
=
1
a
11
(b
1
−a
12
x
2
−· · · −a
1k
x
k
).
Como b
1
> 0, a
1j
≤ 0 y x
j
≥ 0 para j = 2, 3, . . . , k se tiene que x
1
≥ 0.
Por tanto, el sistema AX = B tiene una soluci´on X = (x
i
)
n×1
con x
i
≥ 0, siempre que b
i
> 0 para
i = 1, . . . , n.

Una generalizaci´on, del teorema anterior es la siguiente.
Teorema 6.10. Sea AX = B un sistema de ecuaciones, A ∈ M
n
(R), D ∈ M
n×1
, X ∈ M
n×1
que
verifica las restricciones a
ij
≤ 0 para i = j, i, j = 1, 2, . . . , n y b
i
≥ 0 para i = 1, 2, . . . , n.
AX = B tiene una soluci´on X =
_
x
1
x
2
· · · x
n
¸
t
con x
i
≥ 0 para todo i = 1, 2, . . . , n si y solo
si A satisface la condici´on de Hawkins-Simon.
Estos dos teoremas nos permiten afirmar, que
Un modelo Insumo-Producto AX + D = X tiene soluci´on no negativa X para cualquier vector de
demanda final no negativo dado, si y solo si, la matriz de Leontief I −A verifica la condici´ on de Hawkins-
Simon.
Dir´emos que una matriz de coeficientes t´ecnicos A genera una econom´ıa productiva si y solo si, para
cualquier matriz de demanda final D no negativa, existe un vector de producci´on bruta no negativo talque
se verifica la igualdad (I −A)X = D. En consecuencia,
Una matriz de coeficientes t´ecnicos A genera una econom´ıa productiva si y solo si la matriz de Leon-
tief, I −A verifica la condici´on de Hawkins-Simon.
Ejemplo 6.15.
¿La matriz A =
_
0,6 0,3
0,5 0,8
_
genera una econom´ıa productiva?
Soluci´ on
I
2
−A =
_
0,4 −0,3
−0,5 0,2
_

1
= 0,4 > 0 y ∆
2
= det(I
2
−A) = −0,07.
Como I
2
−A no satisface la condici´on de Hawkins-Simon, no genera una econom´ıa productiva.
104 1. SISTEMAS DE ECUACIONES LINEALES

6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 105
Ejercicios 6.1.
1. Determine los determinantes de cada una de las matrices dadas.
a) A =
_
cos α −sin α
sin α cos α
_
α ∈ R.
b) A =
_
cd c
2
d
2
α cd
_
c, d ∈ R.
c) A =
_
_
b c d
0 a 0
b 0 0
_
_
a, b, c, d ∈ R.
2. Determine el valor de los siguientes determinantes
a)
¸
¸
¸
¸
¸
¸
1 1 −2
2 1 −1
1 3 1
¸
¸
¸
¸
¸
¸
b)
¸
¸
¸
¸
¸
¸
2 0 1
1 1 −1
2 1 3
¸
¸
¸
¸
¸
¸
c)
¸
¸
¸
¸
¸
¸
1 0 −1
1 2 1
2 1 3
¸
¸
¸
¸
¸
¸
3. Verifique el teorema de expansi´on de Laplace en cada uno de los casos dados. Utilice el desarrollo
por la fila 1 y por la columna 3.
a)
¸
¸
¸
¸
¸
¸
1 1 1
3 −1 0
1 2 0
¸
¸
¸
¸
¸
¸
b)
¸
¸
¸
¸
¸
¸
2 −1 3
5 −3 0
1 2 −1
¸
¸
¸
¸
¸
¸
c)
¸
¸
¸
¸
¸
¸
¸
¸
1 0 2 3
1 −2 0 2
1 −1 1 −1
3 2 0 1
¸
¸
¸
¸
¸
¸
¸
¸
4. Determine los valores de x ∈ R, que satisfacen cada una de las igualdades dadas.
a)
¸
¸
¸
¸
¸
¸
1 1 1
1 x 1
1 1 x
2
¸
¸
¸
¸
¸
¸
= 0
b)
¸
¸
¸
¸
¸
¸
1 2 4
2 x 8
3 6 x
¸
¸
¸
¸
¸
¸
= 0
c)
¸
¸
¸
¸
¸
¸
1 1 −1
2 1 3
3 x 2
¸
¸
¸
¸
¸
¸
= 0
106 1. SISTEMAS DE ECUACIONES LINEALES
5. Demuestre que det(I
n
) = 1, para todo n ∈ N.
6. Seg´ un el valor del determinante ∆
1
, calcule el determinante ∆
2
.

1
=
¸
¸
¸
¸
¸
¸
a b c
x y z
r s t
¸
¸
¸
¸
¸
¸
y ∆
2
=
¸
¸
¸
¸
¸
¸
2a 2b 2c
2r 2s 2t
2x 2y 2z
¸
¸
¸
¸
¸
¸
.
7. Determine si las siguientes igualdades son verdaderas o falsa.
a) det
_
_
−2 2 −2
2 2 2
2 −2 2
_
_
= 0
b) det
_
_
a b c
a
2
b
2
c
2
a
3
b
3
c
3
_
_
= (a −b)(a −c)(b −c
c) det
_
_
1 a 1
1 b −1
1 c 1
_
_
= −
1
ab
det
_
_
1 a
2
1
1 ab −1
1 ac 1
_
_
d) det
_
_
x +y y +z x +z
x y z
1 1 1
_
_
= 0
8. Utilizando ´ unicamente propiedades de los determinantes, demuestre que
det
_
_
1 a
2
a
3
1 b
2
b
3
1 c
2
c
3
_
_
= det
_
_
bc a a
2
ca b b
2
ab c c
2
_
_
9. Determine el (o los valores) de x, si existen, que son soluci´on de cada una de las ecuaciones dadas.
a)
¸
¸
¸
¸
¸
¸
0 x x
x 0 x
x x 0
¸
¸
¸
¸
¸
¸
= 0
b)
¸
¸
¸
¸
¸
¸
a a x
m m m
b x b
¸
¸
¸
¸
¸
¸
= 0
c)
¸
¸
¸
¸
¸
¸
x 1 −1
2 0 1
3 2 −1
¸
¸
¸
¸
¸
¸
= 2
d)
¸
¸
¸
¸
¸
¸
b +x c +x a +x
c +x a +x b +x
a +x b +x c +x
¸
¸
¸
¸
¸
¸
= 0
e)
¸
¸
¸
¸
¸
¸
x −1 0 1
−2 x + 2 −1
0 0 x + 1
¸
¸
¸
¸
¸
¸
= 0
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 107
10. Calcular el determinante
det
_
¸
¸
_
a
2
ab ab b
2
ab a
2
b
2
ab
ab b
2
a
2
ab
b
2
ab ab a
2
_
¸
¸
_
11. Calcule el determinante dado, utilizando propiedades.
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
−3 1 1 1 1
1 −3 1 1 1
1 1 −3 1 1
1 1 1 −3 1
1 1 1 1 −3
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
12. Demuestre que
¸
¸
¸
¸
¸
¸
1 sin α cos α
1 sin β cos β
1 sin θ cos θ
¸
¸
¸
¸
¸
¸
= sin(β −θ) + sin(θ −α) + sin(α −θ)
13. Demuestre que, si α = 0,
¸
¸
¸
¸
¸
¸
x αx
2
a
−1
y αy
2
a
−1
z αz
2
a
−1
¸
¸
¸
¸
¸
¸
= (x −y)(y −z)(z −x)
14. Si
¸
¸
¸
¸
¸
¸
a b c
x y z
1 0 1
¸
¸
¸
¸
¸
¸
= 3, calcular
a)
¸
¸
¸
¸
¸
¸
1 1 0
x z y
a c b
¸
¸
¸
¸
¸
¸
b)
¸
¸
¸
¸
¸
¸
2c b −c a
2z y −z x
2 −1 1
¸
¸
¸
¸
¸
¸
c)
¸
¸
¸
¸
¸
¸
x −1 y z −1
1 0 1
a −2 b c −2
¸
¸
¸
¸
¸
¸
15. Si x, y, z, t son distintos de cero, demuestre que
¸
¸
¸
¸
¸
¸
¸
¸
1 +x 1 1 1
1 1 +y 1 1
1 1 1 +z 1
1 1 1 1 +t
¸
¸
¸
¸
¸
¸
¸
¸
= xyzt(
1
x
+
1
y
+
1
z
+
1
t
+ 1)
108 1. SISTEMAS DE ECUACIONES LINEALES
16. a) Demuestre que
¸
¸
¸
¸
¸
¸
1 x x
2
x
2
1 x
x x
2
1
¸
¸
¸
¸
¸
¸
= (1 −x
3
)
2
b) Demuestre que
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
x
3
x
3
1 x x
2
x
2
x
3
1 x
x x
2
x
3
1
¸
¸
¸
¸
¸
¸
¸
¸
= (1 −x
4
)
3
c) Utilizando a) y b) encuentre una f´ormula para
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 x x
2
· · · x
n
x
n
1 x · · · x
n−1
x
n−1
x
n
1 · · · x
n−2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x x
2
x
3
· · · 1
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
.
17. a) Sea A =
_
A
11
0
A
21
A
22
_
una matriz por bloques de orden (p +q) ×(p +q). Demuestre que
det(A) = det(A
11
) det(A
22
)
b) Sea A =
_
A
11
A
12
0 A
22
_
una matriz por bloques de orden (p +q) ×(p +q). Demuestre que
det(A) = det(A
11
) det(A
22
)
c) Realice una divisi´on por bloques, para calcular el determinante de cada una de las matrices
dadas
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
3 −1 2 0 0
1 0 1 0 0
2 0 0 0 0
0 1 −1 3 1
1 0 1 −1 1
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 −1 −1 1 0 −1
1 0 1 0 0 −1
2 1 0 0 0 3
0 0 0 3 1 −2
0 0 0 1 −1 1
0 0 0 0 −2 1
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
18. Demuestre que
¸
¸
¸
¸
¸
¸
¸
¸
x −1 0 0
0 x −1 0
0 0 x −1
a b c x +d
¸
¸
¸
¸
¸
¸
¸
¸
= a +bx +cx
2
+dx
3
+x
4
19. Demuestre que
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
0 0 · · · 0 a
1n
0 0 · · · a
2(n−1)
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
(n−1)2
· · · a(n −1)(n −1) a
n(n−1)
a
n1
a
n2
· · · a
n(n−1)
a
nn
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
= (−1)
k
a
1n
a
2(n−1)
· · · a
(n−1)2
a
n1
donde n = 2k ´o n = 2k + 1
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 109
20. Si A ∈ M
n
(R) es una matriz antisim´etrica, muestre que det(A) = 0.
21. Demuestre que, si A ∈ M
n
(R), para todo n ∈ N se tiene det(A
n
) = (det(A))
n
.
22. Demuestre que, si A ∈ M
n
(R) es invertible, para todo n ∈ Z se tiene det(A
n
) = (det(A))
n
.
23. Demuestre que, si A ∈ M
4
0(R) y α ∈ R entonces det(αA) = α
40
det(A).
24. Si A ∈ M
n
(R) muestre que, la ecuaci´on Ax = λx tiene una soluci´on x = 0 si y solo si
det(I
n
−λA) = 0.
Determine si las siguientes matrices son invertibles.
25. A =
_
_
2 2 2
0 2 3
5 5 1
_
_
26. B =
_
_
0 0 5
0 0 1
−2 1 2
_
_
27. C =
_
¸
¸
_
1 2 2 4
2 3 2 8
4 2 4 13
2 8 4 11
_
¸
¸
_
28. D =
_
¸
¸
_
1 2 −1 2
1 1 1 1
1 −1 2 1
1 2 2 1
_
¸
¸
_
29. F =
_
¸
¸
_
−1 1 1 1
1 −1 1 1
1 1 −1 1
1 1 1 −1
_
¸
¸
_
30. Si A es una matriz invertible y su inversa es la matriz B =
_
_
2 1 2
0 1 3
0 0 −1
_
_
determine A.
31. Si B = (b
ij
)
n×n
, donde
b
ij
=
_
1 si i ≤ j
0 si i > j
Muestre que B es invertible y calcule B
−1
.
32. Dada A ∈ M
n
(R), demuestre que A es invertible si y solo si A
t
es invertible.
110 1. SISTEMAS DE ECUACIONES LINEALES
33. Sea A ∈ M
n
(R) la matriz definida por: a
ij
=
_
0 si i = j
1 si i = j
. Use determinantes para demostrar
que A es invertible.
34. ¿ Para que valores de a ∈ R la matriz
_
_
1 2 3
−a a −1 a + 1
2 −a a + 3 a + 7
_
_
es invertible?
35. ¿ Para que valores de α, β ∈ R la matriz
_
_
1 0 α
0 −1 0
α β 0
_
_
es invertible?
36. Si a +b +c = 0, determine los valores de x ∈ R que hacen que la matriz
_
_
a −x c b
c b −x a
b a c −x
_
_
no sea invertible?
37. ¿ Para que valores de z ∈ R la matriz
_
¸
¸
_
1 z z
2
z
3
1 2 4 8
1 3 9 27
1 4 16 64
_
¸
¸
_
no es invertible?
38. Si a ∈ R, ¿ para qu´e valores de x ∈ R la matriz
_
¸
¸
_
x a a a
a x a a
a a x a
a a a x
_
¸
¸
_
es invertible?
39. Muestre que para cualquier a, b, c, d ∈ R la matriz
_
¸
¸
_
1 a a
2
a
3
+bcd
1 b b
2
b
3
+acd
1 c c
2
c
3
+abd
1 d d
2
d
3
+abc
_
¸
¸
_
no es invertible.
6. DETERMINANTE DE UNA MATR
´
IZ CUADRADA. 111
40. Muestre que
_
_
1 cos α cos β
cos α 1 cos γ
cos β cos γ 1
_
_
es invertible si α +β +γ = 0.
En cada uno de los items siguientes, determine cuando la matriz dada es invertible y calcule su
inversa para todos los casos en que exista
41. A =
_
¸
¸
_
2 1 0 0
3 2 0 0
1 1 3 4
2 −1 2 3
_
¸
¸
_
42. B =
_
_
1 1 1
1 x x
2
1 x
2
x
_
_
con x ∈ R
43. C =
_
¸
¸
_
1 a a
2
a
3
0 1 a a
2
0 0 1 a
0 0 0 1
_
¸
¸
_
con a ∈ R.
44. B =
_
¸
¸
_
1 1 1 1
1 1 +a 1 1
1 1 1 +b 1
1 1 1 1 +c
_
¸
¸
_
donde a, b, c ∈ R −{0} .
45. Sea A =
_
_
0 −3 4
−2 0 3
2 −1 0
_
_
, determine los valores de λ ∈ R para los cuales det(A−λI
3
) = 0.
46. Sea B =
_
¸
¸
_
0 1 1 1
1 0 1 1
1 1 0 1
1 1 1 0
_
¸
¸
_
, determine los valores de λ ∈ R para los cuales det(B −λI
4
) = 0.
En cada caso determine Adj(B) y B(Adj(B))
47. B =
_
_
1 3 2
−1 1 0
0 0 3
_
_
.
48. B =
_
_
1 2 3
4 5 6
7 −1 1
_
_
.
49. B =
_
¸
¸
_
1 −1 1 −1
−1 1 −1 1
1 −1 −1 1
−1 −1 1 −1
_
¸
¸
_
.
112 1. SISTEMAS DE ECUACIONES LINEALES
50. De un ejemplo de una matriz A talque A = 0 pero Adj(A) = 0.
51. Demuestre que si A ∈ M
n
(R)
det(Adj(A)) = (det(A))
n−1
.
52. Sea A = (a
ij
)
3×3
talque a
11
= −a
33
= −1, a
12
= −a
32
= 2, a
13
= −a
32
= 2, a
13
= a
31
= 2,
a
21
= 5, a
22
= 6 y a
23
= 0. Determine
a) Adj(A)
b) det(A)
c) A
−1
d) (Adj(Adj(A)))
−1
.
En los ejercicios 52 a 55, determine si la matriz de coeficientes t´ecnicos, genera una econom´ıa
productiva. Justifique con precisi´on.
53. La tabla de transacciones intersectoriales para una econom´ıa con tres sectores productivos A, M
y E, est´a dada por
I/O A M E Producci´on Total
A 70 60 75 415
B 45 70 105 500
C 60 55 90 455
54. La tabla de transacciones intersectoriales para una econom´ıa ficticia con tres sectores productivos
A, B y C, expresada en millares de millones de d´olares y a precio de salida de f´abrica, esta dada
por
I/O A B C Demanda Final Producci´on Total
A 89.6 118.9 1.3 120.9 330.7
B 35.8 332 36.5 466.6 870.9
C 16.2 69.9 76.4 310.1 472.6
55. Suponga que para una econom´ıa dividida en tres sectores la matriz de coeficientes t´ecnicos es
A =
_
_
0,1 0 0,1
0,5 0,2 0,2
0,0 0,0 0,1
_
_
56. La tabla de transacciones industriales en una econom´ıa dividida en tres sectores productivos,
expresada en millares de millones de d´olares, est´a dada por
I/O 1 2 3 Demanda Final Producci´on Total
1 75 160 30 65 330
2 30 160 100 210 500
3 48 64 80 448 640