SISTEMAS DE ECUACIONES LINEALES

Introducción
Un problema fundamental que aparece en matemáticas y en otras ciencias es el análisis y
resolución de m ecuaciones algebraicas con n incógnitas. El estudio de un sistema de
ecuaciones lineales simultáneas está íntimamente ligado al estudio de una matriz
rectangular de números definida por los coeficientes de las ecuaciones. Esta relación parece
que se ha notado desde el momento en que aparecieron estos problemas.
El primer análisis registrado de ecuaciones simultáneas lo encontramos en el libro chino
Jiu Zhang Suan-shu (Nueve Capítulos sobre las artes matemáticas), (véase Mc. Tutor y
Carlos Maza) escrito alrededor del 200 a.C. Al comienzo del capítulo VIII, aparece un
problema de la siguiente forma:
Tres gavillas de buen cereal, dos gavillas de cereal mediocre y una gavilla de cereal malo
se venden por 39 dou. Dos gavillas de bueno, tres mediocres y una mala se venden por 34
dou. Y una buena, dos mediocres y tres malas se venden por 26 dou. ¿Cuál es el precio
recibido por cada gavilla de buen cereal, cada gavilla de cereal mediocre, y cada gavilla
de cereal malo?
Hoy en día, este problema lo formularíamos como un sistema de tres ecuaciones con tres
incógnitas:
3 x+2 y + z=39
2 x +3 y + z=34

x+ 2 y +3 z=26
donde

x, y ,z

representan el precio de una gavilla de buen, mediocre y mal cereal,

respectivamente.
Los chinos vieron el problema esencial. Colocaron los coeficientes de este sistema,
representados por cañas de bambú de color, como un cuadrado sobre un tablero de contar
(similar a un ábaco), y manipulaban las filas del cuadrado según ciertas reglas establecidas.
Su tablero de contar y sus reglas encontraron su camino hacia Japón y finalmente

aparecieron en Europa, con las cañas de color sustituidas por números y el tablero
reemplazado por tinta y papel.
En Europa, esta técnica llegó a ser conocida como eliminación Gaussiana, en honor del
matemático alemán Carl F. Gauss.

Como la técnica de eliminación es fundamental, empezamos el estudio de nuestra materia
aprendiendo cómo aplicar este método para calcular las soluciones de los sistemas lineales.
Después de que los aspectos computacionales se manejen bien, profundizaremos en
cuestiones más teóricas.
Eliminación Gaussiana y matrices
En lo que sigue consideraremos fijado un cuerpo k de coeficientes. En el texto nos
referiremos a los elementos del cuerpo como números o escalares. El lector bien puede
pensar que k es el cuerpo Q de los números racionales, R de los reales o incluso C de los
complejos. Aunque debe tener en cuenta que todo lo dicho sobre sistemas de ecuaciones
lineales y matrices es cierto en general para cualquier cuerpo k.
Definición 1.2.1. Sea n ≥1

un número natural. Una ecuación lineal es una expresión de

la forma
a1 x1 + a2 x 2 +…+a n x n=b
Donde
números

a1 , a2 , … , an
ai

y

b

son números conocidos

x1 , x2 , … , xn

son incógnitas. Los

se denominan coeficientes de la ecuación, mientras que

b

es el término

independiente.
La solución de la ecuación lineal anterior es una serie de números
satisfacen, es decir, que verifican:

α 1, α 2, … , α n

que la

… . Una solución del sistema lineal anterior es una serie de números α 1. su única solución es x 1=3/2 . es decir. si es posible.El problema es calcular. que verifica ai 1 α 1 +a i2 α 2+ …+a¿ α n=b i Para i=1. α n que satisface cada ecuación del sistema. Un sistema lineal es un conjunto de m ecuaciones lineales y n incógnitas de la forma: a11 x 1 +¿ a12 x 2 +¿ ⋯⋯ +¿ a1 n x n ¿ b1 a21 x 1 ¿ ¿ ¿ +¿ ¿ a 22 x 2 ¿ ¿ +¿ ¿ ⋯ ⋯ +¿ a 2 n x n ¿ b2 ⋮ ⋮ ⋮⋮ ¿ ¿ am1 x 1 +¿ am 2 x 2 +¿ ⋯⋯ + ¿ amn S≡¿ . donde las xi son las incógnitas y los aij . n Problema. una solución común a un sistema lineal como el anterior.2. Por ejemplo el sistema formado por la única 2 x 1=3 ecuación lineal es compatible determinado. existen tres posibilidades:  SOLUCION UNICA: Existe uno y sólo un conjunto de valores para las incógnitas xi que satisfacen las ecuaciones simultáneamente.2. Se dice entonces que el sistema es compatible determinado. y el conjunto de los bi aij se términos independientes del sistema. . Para estos sistemas. Los números denominan coeficientes del sistema.a1 α 1 +a 2 α 2+ …+a n α n=b Definición 1. … . bi son números. Sean m≥ 1 y n ≥1 números naturales.2. α 2..

Decimos que estos sistemas son incompatibles. es infinito.1. Por ejemplo. La idea es llegar a un sistema lo más sencillo posible. entonces tiene infinitas si k. Por ejemplo. En este caso se dice que el sistema lineal es compatible indeterminado. INFINITAS SOLUCIONES: Existen infinitos conjuntos de valores para las xi incógnitas que satisfacen las ecuaciones simultáneamente.2. donde a es cualquier elemento de k . 2 x 1 + x 2=3 Por ejemplo. Dos sistemas lineales con n incógnitas se dicen equivalentes si tienen los mismos conjuntos de soluciones. No es difícil probar que si el sistema tiene más de una solución. uno triangular para el caso m=n . pues no hay ningún valor de x1 que satisfaga ambas ecuaciones. eliminando variables. Gran parte del trabajo acerca de los sistemas de ecuaciones es decidir cuál de estas tres posibilidades es la que se presenta.3. La otra parte de la tarea es calcular la solución si es única o describir el conjunto de soluciones si hay más de una. luego es compatible indeterminado. El conjunto de soluciones es vacío. El proceso de eliminaci´on descansa sobre tres operaciones simples que transforman un sistema en otro Ek equivalente. 1 es incompatible. Para describir estas operaciones. Dar un ejemplo de dos sistemas de ecuaciones lineales equivalentes con distinto número de ecuaciones. el sistema formado por la ecuación lineal tiene como soluciones  x 1=a . La eliminación Gaussiana es una herramienta que nos permitirá tratar las dos primeras situaciones. el sistema dado 2 x 1=3 x =1 por las ecuaciones . Ejercicio 1. Definición 1. x 2=3−2 a . Es un algoritmo que sistemáticamente transforma un sistema en otro más simple. el cuerpo de números. sea la k −esima ecuación: Ek :ak 1 x1 +a k 2 x 2 +…+a kn x n =bk Y escribamos el sistema: .2. y obtener al final un sistema que sea fácilmente resoluble. SIN SOLUCION: No hay ningún conjunto de valores para las incógnitas xi que satisfagan todas las ecuaciones simultáneamente. pero equivalente.

cada una de las siguientes transformaciones elementales produce un sistema equivalente S ' . Esto es.{} E1 S ≡ E2 ⋮ Em Dado un sistema lineal S . Esto es. Esto es. Intercambio de las ecuaciones i−esima y j−esima (1≤ i≤ j≤ m) . si {} E1 ⋮ Ei S≡ ⋮ Ej ⋮ Em . donde α ≠ 0 ⋮ Em 3. 1. Reemplaza la i−esima {} E1 ⋮ Ej S'≡ ⋮ Ei ⋮ Em ecuación por un múltiplo no nulo de ella. entonces 2. Reemplaza la la i−esima j−esima ecuación por la suma de ella misma con un múltiplo de ecuación. {} E1 ⋮ S ' ≡ α Ei . .

Elimina todos los términos por debajo del pivote. Consideremos el sistema 2 x + y + z=1 6 x+ 2 y + z=−1 −2 x +2 y + z =7 En cada paso. Paso 1. entonces la ecuación pivote se intercambia con una ecuación por debajo para producir un pivote no nulo. y eliminar todos los términos por debajo de la posición usando las tres operaciones elementales. A menos que sea cero.1. El coeficiente en la posición pivote se denomina pivote. Esto siempre es posible para sistemas cuadrados con solución única.{} E1 ⋮ Ei S'≡ ⋮ E j +αE i ⋮ Em Ejemplo 1. mientras que la ecuación en donde se encuentra el pivote se llama ecuación pivote. Solamente se permiten números no nulos como pivotes. la estrategia es centrarse en una posici´on. el elemento 2 del sistema es el pivote del primer paso: 2 x + y + z=1. Por ejemplo. −2 x +2 y + z =7.2. Si un coeficiente en una posición pivote es cero. 6 x+ 2 y + z=−1. llamada posición pivote. el primer coeficiente de la primera ecuación se toma como el primer pivote. Resta tres veces la primera ecuación de la segunda para generar el sistema equivalente 2 x + y + z=1 .

Elimina todos los términos por debajo del pivote. Suma tres veces la segunda ecuación a la tercera para llegar al sistema equivalente: 2 x + y + z=1 −1 y−2 z=−4 −4 z=−4 ( E3 +3 E2 ) . Si este coeficiente no es cero. Más adelante veremos una mejor estrategia. seleccionamos un nuevo pivote buscando para abajo y a la derecha. −1 es el segundo pivote: 2 x + y + z=1 −1 y−2 z=−4 3 y+ 2 z=8 Paso 3. Selecciona un nuevo pivote. entonces es nuestro pivote.E ¿ 2−3 E 1) (¿ −y −2 z =−4 ¿ −2 x +2 y + z =7 Suma la primera ecuaci´on a la tercera para formar el sistema equivalente 2 x + y + z=1 −y −2 z =−4 3 y+ 2 z=8( E3 + E1 ) Paso 2. En nuestro ejemplo. En otro caso. De momento. intercambiamos con una ecuación que esté por debajo de esta posición para colocar el elemento no nulo en la posición pivote.

en cada paso nos movemos abajo y hacia la derecha para seleccionar el nuevo pivote. sustituimos z=1 y y=2 en la primera ecuación para obtener 1 1 x= (1− y−z)= (1−2−1)=−1 2 2 que completa la solución. decimos que hemos triangularizado el sistema. y continuamos así hasta llegar a la primera ecuación. pero como ya no hay nada por debajo que eliminar.z en cada paso. entonces el sistema de ecuaciones se reduce a una matriz rectangular de números en la que cada fila representa una ecuación. paramos el proceso. de la ´ultima ecuación obtenemos z=1 Sustituimos z=1 en la segunda ecuación. En este punto. y . Un sistema triangular se resuelve muy fácilmente mediante el método de sustitución hacia atrás. En este ejemplo. y tenemos y=4−2 z=4−2(1)=2 Por ´ultimo. No hay razón para escribir los símbolos como x. en el que la ´ultima ecuación se resuelve para la ´ultima incógnita y se sustituye hacia atrás en la penúltima ecuación.En general. la cual se vuelve a resolver para la penúltima incógnita. Por ejemplo. pues lo único que manejamos son los coeficientes. Si descartamos los símbolos. el sistema se reduce a la siguiente matriz ( |) 2 1 1 1 6 2 1 −1 −2 2 1 7 Matrices de un sistema lineal Llamamos matriz de coeficientes del sistema lineal . En nuestro ejemplo. y entonces eliminar todos los términos por debajo de ´el hasta que ya no podamos seguir. el tercer pivote es −4.

y una matriz es una disposición de escalares en rectángulo.a11 x 1 +¿ a12 x 2 +¿ ⋯⋯ +¿ a1 n x n ¿ b1 a21 x 1 ¿ ¿ ¿ +¿ ¿ a 22 x 2 ¿ ¿ +¿ ¿ ⋯ ⋯ +¿ a 2 n x n ¿ b2 ⋮ ⋮ ⋮⋮ ¿ ¿ am1 x 1 +¿ am 2 x 2 +¿ ⋯⋯ + ¿ S≡¿ A la matriz a 11 a12 ⋯⋯ a1 n A= a21 a22 ⋯⋯ a2 n ⋮ ⋮⋱ ⋮ a m 1 am 2 ⋯⋯ amn ( ) Si aumentamos la matriz de coeficientes a la derecha con los términos independientes tenemos la matriz ampliada del sistema: |) a11 a12 ⋯ ⋯ a1 n b1 ⌊ [ A|b ] = a21 a 22 ⋯⋯ a2 n b2 ⌋ ⋮ ⋮⋮ ⋱ ⋮ b am 1 am 2 ⋯ ⋯ amn n ( Un escalar es un elemento del cuerpo k . Usaremos letras mayúsculas para las matrices y minúsculas con subíndice para las entradas individuales de la matriz. Así. escribiremos a 11 a12 ⋯⋯ a1 n A= a21 a22 ⋯⋯ a2 n =( a ij ) ⋮ ⋮⋱ ⋮ a m 1 am 2 ⋯⋯ amn ( ) .

Las matrices que tienen una sola fila o una sola columna las llamaremos.El primer subíndice de un elemento de la matriz indica la fila. En otro caso. Estas operaciones elementales de filas se corresponden a las tres operaciones elementales que hemos visto antes. Tipo I. Cuando m× n . Operaciones elementales por filas Para una matriz de orden m× n de la forma ( a 11 a 12 ⋯⋯ a1 n a21 a22 ⋯⋯ a2 n ⋮ ⋮⋱ ⋮ a m1 am 2 ⋯ ⋯ amn ) Los tres tipos de operaciones elementales de filas sobre M son como sigue. La eliminación Gaussiana se puede realizar sobre la matriz ampliada mediante operaciones elementales sobre las filas de [ A∨b] [ A∨b] . Reemplazo de una fila por la suma de ella con un múltiplo de otra fila Método de Gauss-Jordan Las características que distinguen el método de Gauss-Jordan de la eliminación Gaussiana son los siguientes: . Por convenio. y al revés. Para enfatizar que una matriz A es de orden Am× n . usaremos la notación m=n . es decir. Reemplazo de la fila i por un múltiplo no nulo de ella Tipo III. la llamamos rectangular. respectivamente. Intercambio de filas Tipo II. y el segundo subíndice denota la columna donde se encuentra. las matrices 1× 1 se identifican con escalares. cuando el número de filas y columnas coincide. Una matriz A se dice que tiene orden m× n cuando A tiene exactamente m filas y n columnas. vectores fila o vectores columna. diremos que la matriz es cuadrada.

y se marca el pivote. si: ( |) a11 a12 ⋯ ⋯ a1 n b1 a21 a 22 ⋯⋯ a2 n b2 ⋮ ⋮⋮ ⋱ ⋮ a n1 an 2 ⋯ ⋯ ann bn Es la matriz ampliada del sistema. La sucesión de operaciones se indican en cada paso. todos los términos por encima del pivote así como todos los que están por debajo deben ser anulados. . entonces mediante operaciones elementales la reducimos a: ( |) 1 0 ⋯ ⋯0 s 1 0 1 ⋯ ⋯0 s 2 ⋮⋮ ⋱ ⋮ ⋮ 0 0 ⋯ ⋯ 1 sn La solución aparece en la última columna (x i=s i ) . En otras palabras.  En cada paso. por lo que no es necesaria la sustitución hacia atrás. En cada paso. el elemento pivote tiene que ser 1. Ejemplo: Apliquemos Gauss-Jordan al siguiente sistema: 2 x 1 +2 x2 +6 x 3=4 2 x 1 + x 2+ 7 x 3=6 −2 x 1−6 x 2−7 x 3=−1 Sea R la matriz ampliada del sistema.

Si no sabemos con seguridad que son iguales. las posiciones pivote siempre se localizan a lo largo de la diagonal principal de la matriz . x 2=−1. La primera tarea es extender la eliminación Gaussiana de sistemas cuadrados a sistemas rectangulares. x3 =1 Forma escalonada por filas Ya estamos preparados para analizar sistemas rectangulares con m ecuaciones y n incógnitas a11 x 1 +¿ a12 x 2 +¿ ⋯⋯ +¿ a1 n x n ¿ b1 a21 x 1 ¿ ¿ ¿ +¿ ¿ a 22 x 2 ¿ ¿ +¿ ¿ ⋯ ⋯ +¿ a 2 n x n ¿ b2 ⋮ ⋮ ⋮⋮ ¿ ¿ am1 x 1 +¿ am 2 x 2 +¿ ⋯⋯ + ¿ ¿ . Recordemos que para un sistema cuadrado de solución única.Por lo tanto la solución es x 1=0. entonces decimos que el sistema es rectangular. donde m puede ser diferente de n . El caso m=n myn también queda comprendido en lo que digamos.

de coeficientes A A . para n=4 . a ( ¿ 0 T= 0 0 ¿ ¿ 0 0 ¿ ¿ ¿ 0 ) ¿ ¿ ¿ ¿ Recordemos que un pivote debe ser siempre un valor no nulo. por lo que la eliminación Gaussiana resulta en una reducción de a una matriz triangular. probaremos que siempre podremos obtener un valor no nulo en cada posición pivote a lo largo de la diagonal principal. es decir. los términos independientes. e ignoremos de momento el lado derecho del sistema. Esto significa que el resultado final de la eliminación Gaussiana no será una forma triangular. no siempre es posible tener las posiciones pivote en la diagonal principal de la matriz de coeficientes. Sin embargo. Para sistemas cuadrados con una única solución. consideremos el siguiente sistema: x 1+2 x 2+ x 3 +3 x 4 +3 x 5=5 2 x 1 +4 x2 + 4 x 4 +4 x5 =6 x 1+2 x 2+ 3 x 3 +5 x 4 +5 x5 =9 2 x 1 +4 x2 + 4 x 4 +7 x 5=9 Fijemos nuestra atención en la matriz de coeficientes ( 1 2 1 2 2 4 2 4 1 0 3 0 3 4 5 4 3 4 5 7 ) . Por ejemplo. Aplicando eliminación Gaussiana a A obtenemos el siguiente resultado: . en el caso de un sistema rectangular general. similar.

en otro caso se dice indeterminado. Si la matriz ampliada asociada [ A∨b] se reduce mediante operaciones por filas a una forma escalonada por filas [E∨c ] . Lo mismo ocurre para m planos en el espacio. n=2) mediante el intercambio de la segunda fila con una fila inferior. Teorema de Rouché-Frobenius Recuérdese la siguiente clasificación de sistemas lineales Definición: Un sistema de m ecuaciones y n incógnitas se dice compatible si posee el menos una solución. para m grande. un sistema lineal de m ecuaciones con dos incógnitas es compatible si y solamente si las m rectas definidas por las m ecuaciones tienen al menos un punto común de intersección. en este ejemplo. nos movemos abajo y a la derecha.( [ 1] 2 1 3 3 )( 1 2 1 2 4 0 4 4 → 0 [ 0 ] −2 1 2 3 5 5 0 0 2 2 4 0 4 7 0 0 −2 3 3 −2 −2 2 2 −2 1 ) En el proceso de eliminación básico. Por tanto. estas condiciones geométricas pueden ser difíciles de verificar visualmente. es imposible llevar un elemento no nulo a la posición (m=2. El propósito de esta sección es determinar las condiciones bajo las que un sistema es compatible. y cuando n>3 no es posible esta representación tan visual. Compatibilidad de los sistemas lineales. Supongamos que en un momento del proceso de reducción de [ A|b ] a [E∨c ] llegamos a una situación en la que la . Un sistema lineal compatible se dice determinado si tiene una única solución. y una ecuación lineal con tres incógnitas es un plano en el espacio de tres dimensiones. Sin embargo. Si no tiene soluciones. Mejor que depender de la Geometría para establecer la compatibilidad. a la siguiente posición pivote. decimos que el sistema es incompatible. Si encontramos un cero en esta posición. se efectúa un intercambio con una fila inferior para llevar un número no nulo a la posición pivote. entonces la compatibilidad o no del sistema es evidente. Sin embargo. debemos modificar el procedimiento de la eliminación Gaussiana. Para manejar esta situación. Una ecuación lineal con dos incógnitas representa una recta en el plano. usaremos la eliminación Gaussiana. Establecer dichas condiciones para un sistema de dos o tres incógnitas es fácil.

Observemos que el requerimiento de que una matriz conmute con su inversa implica que ambas matrices son cuadradas y del mismo orden. xn =α Para α ≠ 0 . entonces en algún momento del proceso de eliminación llegamos a una fila de la forma ( 0 0 … 0|α ) INVERSA DE UNA MATRIZ La división por números reales es equivalente a la multiplicación por el recíproco. Así. aun cuando se mantiene la notación A−1 .única entrada no nula de una fila aparece en el lado derecho. y se usa la palabra inversa de una en lugar de recíproca. Esto es. las inversas sólo están .2. Un número real b es el recíproco de a si y sólo si ab=1 . Podemos resolver la ecuación lineal 5 x=20 para la variable x o bien dividiendo la ecuación por 5 o bien multiplicando la ecuación por 0. si el sistema es incompatible. en cuyo caso escribimos b=a−1 El concepto de recíproco se puede extender a matrices. Definición: Diremos que una matriz sólo si B ∈ M n× n es la inversa de una matriz A ∈ M n ×n si y AB =B A=I en cuyo caso escribimos B= A−1 . La matriz que hace el papel del número 1 es la matriz identidad matriz A I . x 2+ …+0. el recíproco de 5. El recíproco también se verifica. esta ecuaci´on no tiene solución. como mostramos a continuación: ( |) ¿ ¿ ¿ ¿ ¿ ¿ ¿ 0 0 0 ¿ ¿ α 0 0 0 0 0 ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ Si esto ocurre en una fila. entonces una ecuación del sistema asociado es: 0. y el sistema original es incompatible (recordemos que las operaciones por filas no alteran el conjunto de soluciones). x1 +0.

Propiedades 1.definidas para matrices cuadradas. entonces −1 ( A−1 ) = A . se dice que singular. La inversa de una matriz simétrica regular es simétrica. 5. ( λA )−1 = ( A )−1 . 2. Si A es una matriz regular. Si A A tiene inversa. T −1 ( A−1 ) =( AT ) . entonces no tiene inversa. Si A y B son matrices regulares del mismo orden se cumple que ( AB )−1= ( A )−1 ( B )−1 4. La inversa de una matriz triangular regular también es triangular.λ≠0 λ 3. La inversa de una matriz es única. Si una matriz cuadrada se dice que A es invertible o regular. Cálculo de la inversa mediante operaciones elementales sobre filas A es .

en el diseño del algoritmo. la descomposicion LU puede utilizarse para otros procesos como la obtencion de la matriz inversa.DESCOMPOSICION LU La descomposicion LU es una forma de expresar las transformaciones del metodo Gauss-Jordan por medio de ecuaciones matriciales. lo que implica una reduccion notable en las operaciones propias y. adicionalmente. se reduce notablemente el impacto de la produccion de errores debidos al pivoteo. U L y U . construidas de tal forma que se cumpla que: A=L . Definicion: La descomposicion LU consiste en encontrar dos matrices. naturalmente. Asimismo.

i=1. en su lugar se utilizan otras tecnicas. Los determinantes eran usados para calcular inversas de matrices. Hasta hace poco los determinantes jugaban un papel destacado en el estudio del algebra lineal. i=1. para resolver sistemas de ecuaciones lineales.n j−1 aij −∑ Lik U kj U ij = U 1 j= k=1 Lii .L11 0 ⋯⋯ 0 L= L21 L22 ⋯ ⋯ 0 ⋮⋮ ⋱ ⋮ Ln 1 Ln 2 ⋯⋯ Lnn ( ( 1 U 12 ⋯ ⋯ U 1 n U= 0 1 ⋯ ⋯U 2n ⋮⋮ ⋱ ⋮ 0 0 ⋯⋯ U nn ( ) ) L11 0 ⋯⋯ 0 1 U 12 ⋯⋯ U 1 n a11 a12 ⋯⋯ a1 n L21 L22 ⋯⋯ 0 . a menudo .2. … . L =a L11 a11 i1 i 1 DETERMINANTES Introduccion: Toda matriz cuadrada tiene asociado un escalar. … .3. i≤ j . llamado su determinante. 0 1 ⋯⋯ U 2 n = a 21 a22 ⋯ ⋯a 2 n ⋮ ⋮⋱ ⋮ ⋮ ⋮⋱ ⋮ ⋮ ⋮ ⋱⋮ Ln 1 Ln 2 ⋯ ⋯ Lnn 0 0 ⋯ ⋯U nn an 1 a n 2 ⋯⋯ ann )( )( ) j−1 Lij =aij −∑ Lik U kj . k=1 j ≤i . Hoy dia. n a1 j a1 j = .3.2. etc.

entonces a 21 a22 . da lugar a metodos mas simples para calcular determinantes. pero una vez completada. La teoria es complicada. Dada una matriz cuadrada A . Los determinantes se definen solo para matrices cuadradas. ( ) a11 a12 a13 A= a 21 a22 a 23 a 31 a32 a33 | | | A|= a11 a12 =a 11 × a22−a21 × a12 . Por ejemplo. si: ( ) 2 5 9 4 0 8 1 3 7 entonces | | 2 5 9 det ( A )=| A|= 4 0 8 1 3 7 Si A ( es una matriz 2× 2 . entonces A es una matriz 3 ×3 . designaremos su determinante remplazando los parentesis por lineas verticales. Nosotros no desarrollaremos la teoria. Si la matriz puede ser escrita explicitamente. A= a11 a12 a 21 a22 Si ) . sino que nos limitaremos a estudiar algunos metodos de calculo. Los determinantes se definen en terminos de permutaciones sobre enteros positivos. las cuales son mas eficientes y mejor adaptadas al calculo computacional.basadas en operaciones elementales sobre las filas de la matriz. usaremos det (A ) o bien | A| para denotar del determinante de A .

| | a11 a12 a13 | A|= a a a =a11 × a22 × a33+ a12 × a23 × a31 +a21 ×a32 ×a13−¿ 21 22 23 a 31 a32 a33 a13 ×a22 ×a31−a23 × a32 × a11 −a12 × a21 × a33 Ejercicios: Determinar la solucion del sistema: x 1+3 x 2 + x3 −x 4=6 2 x 1 +7 x 2+3 x 3−4 x 4 =15 x 1+ x 2 +2 x 3 + x 4 =1 Dada la matriz A ( obtener las matrices L y U ) 3 −1 4 −1 3 1 A= −1 −1 2 3 −1 −1 7 1 1 2 Calcular la matriz inversa y el determinante de: ( ) ( ) 1 −2 1 A= 2 2 2 3 −4 −3 2 −3 1 B= 1 −1 2 2 1 −3 .

Pura Vindel Algebra Lineal y Geometriıa I.departamento.us.es/da . Departamento de Algebra.Fernando Casas. http://www.Bibliografia: Algebra lineal . Curso 2010/11. Maria Vicenta Ferrer.