ALGEBRA Y GEOMETRIA ANALITICA

PRACTICO
Docente: Ing. SANDRA GARCIA RECHE

1º PARTE
-AÑO 2015-
Colaboradores: SAE- CET AETI

Dedicatoria
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

A todos los integrantes de:

 CET (Centro de estudiantes Tecnológicos) Agrupación AETI

 SAE (Secretaria de Asuntos Estudiantiles)

Ustedes me ayudaron, acompañaron e inspiraron...muchas gracias!!!...ya saben cuanto

los quiero!

A mi hijo Franco Oscar Boni....sos hermoso Franquito!!

A todos mis chicos...

Ing. Sandra Garcia Reche

Esta es mi ofrenda Señor

PROGRAMA ANALÍTICO ALGEBRA – 2015

2
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

UNIDAD N°1: Números. Sistemas de coordenadas.

 Números complejos. Operaciones. Suma. Resta. Producto. Cociente. Potencia. Raíz.
Gráfico.
 Formas binómicas y trigonométricas.
 Sistemas de coordenadas sobre una recta, en el plano y en el espacio. Coordenadas
cartesianas.

UNIDAD N°2: Vectores libres en R2 y R3 .

 Vectores libres. Definición. Operaciones de “suma” y “multiplicación por un escalar”.
Propiedades.
 Paralelismo de vectores libres. Expresión cartesiana de un vector.
 Producto escalar canónico en R2 y R3. Definición y propiedades.
 Aplicaciones del producto: Longitud de un vector. Ángulo entre vectores.
 Ortogonalidad. Vectores unitarios. Descomposición de un vector en dos direcciones
perpendiculares. Distancia entre dos puntos.
 “Producto vectorial” y “Producto mixto” de vectores en R3. Definición. Propiedades.
Aplicaciones.
 Combinación lineal de vectores. Dependencia e independencia lineal de vectores.

UNIDAD N°3: Matrices.

 Matriz, definición, clasificación.
 Operaciones de suma de matrices y producto de una matriz por un escalar,
propiedades.
 Multiplicación de matrices, definición, propiedades.
 Operaciones elementales de filas y equivalencias por filas de matrices.
 Matriz escalón reducida por filas. Rango de una matriz.
 Matrices elementales. Condición de equivalencia de matrices.
 Inversibilidad de matrices, definición.
 Caracterización de matrices inversibles. Cálculo de la inversa. Método de la matriz
reducida por fila. Inversibilidad de productos y de matices elementales. Propiedades.

UNIDAD N°4: Determinantes.

 Definición, propiedades.
 Cálculo de determinante. Regla de Sarrus. Desarrollo por cofactores. Método de
triangulación. Método de Chio.
 Aplicación del determinante a la caracterización de irreversibilidad de una matriz y al
cálculo de la matriz inversa. Método de la matriz adjunta.

UNIDAD N°5: Sistema de ecuaciones lineales.

 Sistema de ecuaciones lineales. Notación matricial de un sistema.
 Equivalencia de sistemas. Sistemas homogéneos y no homogéneos.
 Métodos de resolución: Gauss, Gauss-Jordan, de la matriz inversa.
 Teorema de Rouche Frobenius.

UNIDAD N°6: Rectas y planos.

3
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 Ecuaciones vectoriales, paramétricas y cartesianas de la recta en R2 y R3.
 Ecuaciones vectoriales, paramétricas y cartesianas del plano en R3.
 Posiciones relativas entre dos rectas, dos planos, una recta y un plano.
 Problemas de paralelismo e intersección. Problemas de distancia. Ecuación normal de
la recta y el plano. Ángulo entre dos rectas, ángulo entre rectas y planos. Ángulos
entre planos.
 Haz de rectas. Haz de planos.

UNIDAD N°7: Cónicas y Cuádricas.

 Traslación de ejes coordenados. Ecuaciones.
 Circunferencia, definición, ecuación canónica, ordinaria y general.
 Parábola, definición, ecuación canónica, foco, directriz, ecuación ordinaria y general.
 Elipse, definición, ecuación canónica, focos, excentricidad, ecuación ordinaria y
general.
 Hipérbola, definición, ecuación canónica, focos, excentricidad, asíntotas, ecuación
ordinaria y general.
 Tangente a las cónicas.
 Cuádricas: elipsoide, hiperboloide, paraboloide, etc. Ecuaciones. Gráficos

UNIDAD N°8: Espacios Vectoriales.

 Espacios vectoriales y subespacios, definiciones, ejemplos, propiedades.
 Definiciones y teoremas de caracterización. Generación de un Espacio Vectorial.
 Bases y dimensión de un Espacio Vectorial. Definiciones. Ejemplos. Teoremas.
 Cambio de bases. Matriz de cambio de bases.

UNIDAD N°9: Aplicaciones o transformaciones lineales.

 Definición. Propiedades. Aplicación lineal matricial.
 Imagen y núcleo de una aplicación lineal. Definición. Propiedades. Teoremas de las
dimensiones.
 Matriz estándar (Rn→Rm). Operadores lineales en el plano R2→R2.
 “Composición” de las aplicaciones lineales. Matrices de las transformaciones lineales.
Representación de aplicaciones lineales por matrices. Base canónica y otras bases.
 Semejanza y/o similaridad.

UNIDAD N° 10: Valores y vectores propios.
 Definiciones de “valor propio”, “vector propio” y “subespacio propio”
 Caracterización de los valores propios. Ecuación y polinomio característico.
 Determinación de los subespacios propios. Propiedades de los valores y vectores
propios.
 Operadores diagonalizables.
 Espacios de productos interiores. Definición. Propiedades.
 Teorema de Cauchy-Schwarz. Desigualdad del triángulo y Pitágoras generalizado.
 Longitud y ángulo.
 Normalización de un vector. Bases ortogonales y ortonormales.
 Proceso de ortogonalización de Gram-Schmidt.
 Diagonalización ortogonal.

4
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 Aplicación a los cónicas.

5
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Tema: VECTORES

Un segmento de recta queda determinado por sus puntos extremos. Si estos puntos están dados en un
cierto orden se dice que el segmento está orientado.

Definición: un vector es un segmento orientado.

r
A
B

En la recta r tomamos los puntos A y B. Consideremos a A como el origen y a B como el estremo,

entonces hemos definido el vector AB . El punto A se llama punto inicial y el punto B punto final. La
punta de la flecha se dibuja en el punto final.

Los vectores tienen tres elementos:

 módulo: está dado por la longitud del segmento orientado,
 dirección: está definida por la orientación de la recta que contiene el segmento, esta orientación
se define por medio del ángulo que la recta forma con el semieje positivo de las x ,
 sentido: indica cual es el origen y cual es el extremo final del segmento (punta de la flecha)

Notación: un vector se define

 por medio de sus puntos extremos, ambos escritos en mayúsculas, con una barra en la parte
superior, por ejemplo: AB (se lee vector AB)
 por medio de una letra en minúscula con una barra en la parte superior, por ejemplo: v (se lee
vector v)

Es indistinta la notación que utilicemos:

B
v

Componentes de un vector
Las componentes de un vector son los segmentos que representan sus proyecciones sobre los ejes
coordenados cartesianos.

En el plano R 2 :
Supongamos que tenemos el vector v  AB , definido por sus puntos final e inicial cuyas coordenadas
son conocidas:
A  ( Ax , Ay ) ; B  ( Bx , B y )
Las componentes del vector v  AB son:
 sobre el eje x  vx  Bx  Ax
 sobre el eje y  v y  B y  Ay
El vector en función de sus componentes, se puede escribir: v  (vx , v y )  Bx  Ax , By  Ay 

6
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

B
By

vy=By-Ay v
A
Ay

Ax Bx
x
vx=Bx-Ax
Resumiendo, las componentes de un vector se obtienen restando a las coordenadas de su punto final,
las coordenadas de su punto inicial.

Componentes del vector= coordenadas del punto final – coordenadas del punto inicial

Ejemplo
Hallar las componentes del vector AB siendo A  (2,4) B(1,5) .Graficar.

Para hallar las componentes del vector pedido haremos: coordenadas del punto final menos
coordenadas del punto inicial.

AB  B  A  (1,5)  (2,4)  (3,1)

7
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

z z
eje
el espacio R 3

plano xy

eje y

eje x
plano yz

plano xz

En el espacio R 3 :
Las componentes del vector v  AB son:
 sobre el eje x  vx  Bx  Ax
 sobre el eje y  v y  B y  Ay
 sobre el eje z  vz  Bz  Az
El vector en función de sus componentes, se puede escribir:
v  (vx , v y , vz )  Bx  Ax , By  Ay , Bz  Az 

vx

v
vz

vy
x

Operaciones entre vectores

Suma de vectores
La suma de dos vectores u y v es ley de composición interna, esto significa que si sumo dos vectores
obtengo como resultado otro vector w . Como los vectores se pueden escribir en función de sus
componentes, la suma puede definirse de esta manera:

8
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
En R 2 , u  (u x , u y ) , v  (vx , v y )
u  v  (u x , u y )  (vx , v y )  (u x  vx , u y  v y )

En R 3 , u  (u x , u y , u z ) , v  (vx , v y , vz )
u  v  (u x , u y , u z )  (vx , v y , vz )  (u x  vx , u y  v y , u z  vz )
Las notaciones de arriba se leen: la suma de dos vectores es otro vector, cuyas componentes son las
sumas de las componentes homólogas de los vectores sumandos.
Componentes homólogas son las componentes que pertenecen a un mismo eje coordenado.
Gráficamente, la suma de dos vectores, se resuelve usando la regla del paralelogramo.

Propiedades de la suma de vectores

1. Propiedad conmutativa: u  v  v  u


2. Propiedad asociativa: u  v  w  u  v  w   

3. Elemento neutro: es el vector nulo, en el plano O  (0,0) y en el espacio O  (0,0,0) , para cualquier
vector u , se cumple u  O  O  u  u .
El vector nulo se representa como un vector cuyo punto inicial coincide con el punto final, su módulo
es cero: O  0 .
Es un vector incapaz de efectuar, mediante la suma, modificación alguna a todos los vectores.

4. Elemento opuesto: para el vector u su opuesto es el vector - u . La suma de ambos vectores da como
 
resultado el vector nulo: u   u  u  u  0 .

El vector - u tiene el mismo módulo y la misma dirección que el vector u , pero sentido contrario.

9
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejemplo
Sean los vectores u  7iˆ  k ˆj y v  4iˆ  3 ˆj , hallar el valor de la componente k para que se
cumpla: u  v  3iˆ  5 ˆj .

Partimos de u  v  3iˆ  5 ˆj , es decir, del dato que es el vector suma de los dos vectores dados, si
reemplazamos queda:
   
7iˆ  k ˆj +  4iˆ  3 ˆj = 3iˆ  5 ˆj si sumamos estos dos vectores, aplicando la definición de suma queda:
7  4iˆ  k  3 ˆj  3iˆ  5 ˆj
Como dos vectores son iguales si lo son sus componentes homólogas, podemos afirmar que:
33
k  3  5  k  8

Producto de un vector por un escalar

Si u es un vector no nulo y k es un número real (escalar) diferente de cero, entonces el producto k. u es

otro vector, cuyo módulo es k veces la longitud de u y cuya dirección es:
 la misma que la de u , si k  0 y
 es opuesta a la de u si k  0 .
Si k=0 o u  0 se define k . u  0
El módulo del vector v  k . u , es el producto del escalar por el módulo del vector, su dirección es
igual a la del vector, y su sentido es contrario a este, si el escalar es negativo.

El producto de un vector por un escalar es ley de composición externa, esto significa que necesito dos
conjuntos, uno que contiene los escalares (cuerpo de los números reales) y otro que contiene los
vectores. El cuerpo real presta sus escalares al conjunto de los vectores, para poder hacer esta
operación, el resultado final cae dentro del conjunto de los vectores.

Como los vectores se pueden escribir en función de sus componentes, el producto de un vector por un
escalar puede definirse de esta manera:
En R 2 , u  (u x , u y )
k . u  (k .u x , k .u y )
En R 3 , u  (u x , u y , u z ) ,
k u  (k .u x , k .u y , k .u z )

10
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Ejemplo
Sea u   3,2,1 calcular 3.u y (2).u analítica y gráficamente

3.u  3.(3,2,1)  (9,6,3)

obtuvimos un vector de la misma dirección y sentido que u y cuyo módulo es 3 veces el módulo de u
(2).u  (2).(3,2,1)  (6,4,2)
obtuvimos un vector de la misma dirección pero sentido opuesto al de u y cuyo módulo es 2 veces el
módulo de u

Un vector de la forma k.u se llama múltiplo escalar de u . En la figura superior se observa que los
vectores que son múltiplos escalares entre sí son paralelos.
Esta operación nos da la condición de paralelismo entre dos vectores: si v  k . u entonces u y v son
vectores paralelos.
Por ejemplo los vectores u  (1,2,3) y v  (3,6,9) son paralelos ya que v  (3). u
Observar que el vector (-1). u tiene la misma longitud que u , pero sentido contrario. Así (-1). u es el
opuesto de u , (-1). u = - u .

Propiedades del producto de un vector por un escalar

 
1. Propiedad asociativa mixta: k1 k2 ..u  k1. k2 .u  k2 . k1. u
  
 
vector escalar vector
         
vector vector vector
2. Propiedad distributiva del producto de un vector por un escalar con respecto a la suma de vectores:
 
k. u  v  k. u  k. v

3. Propiedad distributiva del producto de un vector por un escalar con respecto a la suma de escalares:
k1  k2  . u  k1. u  k2 . u
4. Elemento neutro: es el número 1 , cualquier vector multiplicado por el número 1 da como resultado
el mismo vector 1. u  u

Ejemplo
Hallar el vector w si 2w  u  v siendo u  iˆ  3 ˆj  5kˆ y v  2 ˆj  4kˆ

11
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Partimos de la ecuación 2w  u  v reemplazando y operando queda: w  v  u
1
2
 
w
1
2
  
 2 ˆj  4kˆ  iˆ  3 ˆj  5kˆ 
1 1 9
w = iˆ  ˆj  kˆ
2 2 2

Versores

Los versores son vectores que tienen las siguientes características:

 módulo unitario, esto significa que la longitud del segmento mide 1,
 dirección y sentido coinciden con las direcciones y sentidos de los semiejes coordenados
cartesianos positivos
En el plano se designan por iˆ , ˆj , cuyas componentes son iˆ  (1,0) , ˆj  (0,1) , y en el espacio
iˆ , ˆj , kˆ , cuyas componentes son iˆ  (1,0,0) , ˆj  (0,1,0) , kˆ(0,0,1) .
k

k̂

ĵ ĵ y
iˆ

iˆ x
x

Todo vector del plano o del espacio puede expresarse en función de los versores.

Al vector u lo puedo pensar como el vector resultante de la suma u  u x  u y . A su vez los vectores
u x y u y los puedo escribir como el producto entre un escalar (componente) y un vector (versor) :

12
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
u x  u x . iˆ ; u y  u y . ˆj reemplazando nos queda: u  u x .iˆ  u y . ˆj esta es la expresión
 vector 
escalar escalar vector
cartesiana de un vector en el plano.

En el espacio el razonamiento es análogo: v  vx .iˆ  v y . ˆj  vz .kˆ

Módulo de un vector

El módulo de un vector es la longitud del segmento que lo representa. Si el vector está en el plano su
módulo se calcula aplicando el teorema de Pitágoras:
y

B
By v  AB  vx2  v 2y  Bx  Ax 2  By  Ay 2
vy=By-Ay v
A
Ay

Ax Bx
x
vx=Bx-Ax
En el espacio se calcula con el siguiente teorema:

Teorema
El módulo del vector v  (vx , v y , vz ) del espacio R 3 es v  vx2  v y2  vz2 .
Demostración:

13
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Representemos al vector v  (vx , v y , vz ) del espacio R 3 con punto inicial en O y punto final en P. Vemos
 
en la figura que se forman dos triángulos rectángulos O A B y O B P .


En el triángulo O A B , la hipotenusa es el segmento OB , vx y v y son los catetos, podemos aplicar el
teorema de Pitágoras:

2 2 2
OB  vx  v y (1)


En el triángulo O B P , la hipotenusa es el segmento OP , OB y vz son los catetos, podemos aplicar otra
vez el teorema de Pitágoras:

2 2 2
OP  OB  vz (2)

Si reemplazamos la expresión (1) en la (2) queda:

2 2 2 2 2 2 2
OP  vx  v y  vz o lo que es lo mismo: OP  vx  v y  vz

2 2 2
Como la longitud del segmento OP es el módulo del vector v , se cumple: v  vx  v y  v z

Una de las aplicaciones que tiene este tema y que utilizaremos mas adelante, cuando veamos recta y
plano, es que permite hallar la distancia entre dos puntos.

Supongamos que P  ( Px , Py , Pz ) y Q  (Qx , Qy , Qz ) son dos puntos en el espacio tridimensional,

entonces la distancia entre ellos es el módulo del vector PQ . Las componentes del vector PQ son:
PQ  (Qx  Px , Qy  Py , Qz  Pz ) , aplicando el teorema ya visto queda:
d  PQ  (Qx  Px ) 2  (Qy  Py ) 2  (Qz  Pz ) 2 .

Si los puntos estuvieran en el plano seria: d  PQ  (Qx  Px ) 2  (Qy  Py ) 2

14
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejemplo
Hallar el módulo del vector v  (3, 2, 1)

2 2 2
v  vx  v y  vz  (3) 2  2 2  12  14

Hallar la distancia entre los puntos P  (2,1,5) y Q  (4,3, 1)

d  PQ  (Qx  Px ) 2  (Qy  Py ) 2  (Qz  Pz ) 2  (4  2) 2  (3  1) 2  (1  5) 2  44

Hallar el módulo del vector con punto inicial P  (1,  1, 2) y extremo en Q  (0, 5, 4)

PQ  (Qx  Px , Qy  Py , Qz  Pz )  (0  1, 5  1, 4  2)  (1, 6, 2)
PQ  (1) 2  6 2  2 2  41

Propiedades del módulo de un vector

Sean u y v dos vectores y k un escalar, entonces:

1. El módulo de un vector es un número real positivo o nulo: v  0 .
2. El módulo de la suma de dos vectores es menor o igual a la suma de los módulos de cada uno
de los vectores: u  v  u  v (Desigualdad del triángulo).
3. El módulo del vector que se obtiene mediante el producto de un escalar por un vector, es igual
al valor absoluto del escalar multiplicado por el módulo del vector: k .u  k . u

Ángulos directores
Un vector v del plano o del espacio, forma con los semiejes coordenados cartesianos positivos
ángulos, que se llaman ángulos directores. En la figura vemos que proyectar ortogonalmente al vector
 v
v sobre el eje z queda determinado el triángulo rectángulo O MP , donde se cumple que cos   z . De
v
vx v
manera análoga, se deduce que: cos  y cos   y .
v v

15
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Estos valores se denominan cosenos directores del vector v , y a partir de ellos se deduce que los
ángulos directores del vector son:
v v v
  arccos x   arccos y   arccos z
v v v
vx
En el plano el razonamiento es similar, sea v  (v x , v y ) entonces los cosenos directores son cos 
v
vy vx vy
y cos   , por lo tanto los ángulos directores son:   arccos y   arccos .
v v v

Relación pitagórica

1. Sean ̂ y ̂ los ángulos directores de un vector v  (v x , v y ) del plano, entonces: cos 2   cos 2   1 .
2. Sean ̂ , ̂ y ˆ los ángulos directores de un vector v  (v x , v y , v z ) del espacio, entonces:
cos 2   cos 2   cos 2   1 .

Ejemplo
1 3
Hallar los ángulos directores del vector v   , 

 2 2 
Primero calculamos el módulo del vector dato:
 1   3 
2
2 2
v  vx  v y      1
 2   2 
El módulo de este vector vale 1, en este caso se le llama vector unitario.

vx 1 1
cos       arccos  60º
v 2 2
vy 3 3
  arccos     arccos  30º
v 2 2

Versor o vector unitario asociado a un vector

El versor asociado a un vector v  0 cumple con:

1. tiene la misma dirección y sentido que el vector v
2. su módulo es igual a 1.

En consecuencia, el versor u asociado a un vector v es un múltiplo escalar de este vector; es decir

u  k . v , siendo k  0 .

Teorema
1
Sea el vector v  0 , entonces su versor asociado es u  .v.
v
Demostración

16
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Por la definición de versor asociado se tiene que u  k . v , siendo k  0 , de modo que u  k .v  1
Que por propiedad del módulo del múltiplo escalar de un vector se `puede escribir u  k . v  1 .
1 1 1
Entonces k  y, como k  0 , resulta k  , reemplazando queda: u  . v .
v v v

Ejemplo

Hallar el versor asociado al vector v  (1,1,1)

1 1  1 1 1 
u .v  (1,1,1)   , , 
v 3  3 3 3
2
 1 2  1 2  1 
Si calculamos el módulo de u se verifica : u        1
 3  3  3
 

EJERCITACION

Ejercicio Nº1

Hallar las componentes y el módulo de un vector, con punto inicial P:(3,2,0) y punto final F:(1,0,0).

Este ejercicio da como datos dos puntos: P:(3,2,0) y F:(1,0,0) y pide las componentes y el módulo
del vector cuyos puntos inicial y final son los puntos P y F.

Recordemos que las componentes de un vector son sus proyecciones sobre los ejes coordenados, como
este vector está en el espacio, tendrá tres componentes, una sobre cada eje.
Para hallar las componentes del vector pedido haremos: coordenadas del punto final menos
coordenadas del punto inicial.

Componentes del vector:

coordenadas del punto final – coordenadas del punto inicial

Consideremos el vector PF , el punto inicial es P y el punto final es F.

PF  F  P  ( Fx , Fy , Fz )  ( Px , Py , Pz )  (1,0,0)  (3,2,0)  (2,2,0)

Punto final

Punto inicial

Componentes

17
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Las componentes del vector se pueden escribir en forma de terna ordenada de esta manera:
PF  (2,2,0) o en forma cartesiana utilizando los versores iˆ, ˆj , kˆ . Por lo que el vector también se
puede expresar así: PF  2iˆ  2 ˆj  0kˆ .
El vector se puede nombrar usando el punto inicial seguido por el punto final, con un segmento en la
parte superior, de esta forma: PF , aquí el punto inicial es P y el final es F. Otra forma de nombrar al
mismo vector, es usando una letra minúscula con un segmento en la parte superior, de esta forma: v .

v  2iˆ  2 ˆj  0kˆ

F punto final
v  PF

P punto inicial

Para hallar el módulo del vector v  PF , es decir la longitud del segmento que lo representa,
aplicamos el teorema de Pitágoras en el espacio:

v  PF  ( Fx  Px ) 2  ( Fy  Py ) 2  ( Fz  Pz ) 2  (2) 2  (2) 2  02  8

Rta: v  2iˆ  2 ˆj  0kˆ v  8

Ejercicio Nº2

Hallar las componentes y el módulo de un vector, con punto inicial P=(0,0,0) y punto final
F= (-1,-1,3).
Idem ejercicio Nº 1;
Conclusión: el vector encontrado es el vector posición del punto F. El vector nulo es el vector posición
del origen de coordenadas O  (0,0,0)

Ejercicio Nº3

Dadas las componentes vx , v y , vz de un vector v y su punto inicial P, encontrar el punto final F.

Datos: vx  2, v y  1, vz  0 , P:(2,1,-3)

Recordando:

Componentes del vector: coordenadas del punto final – coordenadas del punto inicial

Podemos deducir despejando que:

Coordenadas del punto final: Componentes del vector+ coordenadas del punto inicial

Reemplazando en la ecuación obtenida por los datos queda:

( Fx , Fy , Fz )  (vx , v y , vz )  ( Px , Py , Pz )  (2,1,0)  (2,1,3)  (4,2,3)

18
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Rta: F= (4,2,-3)

Ejercicio Nº4

Dado el vector v  (1,2,1) ; a) Hallar el punto final F del mismo si su punto inicial es P  (1,1,1) b)
Utilizando el mismo vector v , encontrar las coordenadas del punto inicial P si su punto final es
F  (3,2,2) .

Similar al ejercicio Nº3

Ejercicio Nº5

Hallar un vector con sentido opuesto al de v  (2,4,1) y que tenga el punto final F = (2,0,-7)

Para hallar un vector con sentido opuesto al del vector v , debemos multiplicar el vector dado por el
número (-1). Gráficamente:

v  (2,4,1)

- v  (1).(2,4,1)  (2,4,1)

Es decir que debemos trabajar ahora con el vector w  (1).v  (2,4,1) , buscaremos el punto inicial
de este vector.

Recordando:

Componentes del vector: coordenadas del punto final – coordenadas del punto inicial

Podemos deducir despejando que:

Coordenadas del punto inicial: coordenadas del punto final – componentes del vector

Reemplazando en la ecuación obtenida por los datos queda:

P  ( Px , Py , Pz )  (2,0,7)  (2,4,1)  (0,4,8)

Rta: P = (0,4,-8)

Ejercicio Nº6

Hallar un vector u cuyo punto inicial es P  (1,3) tal que:

a- u tiene la misma dirección y sentido que v  (6,2)
b- u tiene la misma dirección pero sentido contrario al de v  (6,2)
c- Graficar

Ejercicio Nº7

19
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Dados los vectores u  (1,2,3) v  (2,3,1) w  (3,2,1) hallar las componentes del vector x que
satisfaga la ecuación 2u  v  x  7 x  w
 1 5 
Rta: x    , ,1
 2 6 

Ejercicio Nº8

Dados los vectores u  (1,3,2) v  (1,1,0) w  (2,2,4) hallar

a) u  v Rta: 12  2 3

b) u  v Rta: 2

c)  2.u  2.u Rta: 56  56  4 14

d) 3u  5v  w Rta: 148  2 37
1  1 1 2
e) . w Rta:  , , 
w  6 6 6

1
f) . w Rta:1
w

Ejercicio Nº9
3
Hallar todos los escalares k tales que: k .v  3 siendo v  (1,2) .Graficar. Rta: k  
5
Ejercicio Nº10

Sean los puntos M  (1,2,3) N  (2,4,6) y S  (3,0,1) obtener:

a) Los vectores MN y MS ,expresar estos vectores en función de sus componentes y en forma
canónica.
b) NS  SN ,a partir del resultado que conclusión obtuvo?
c) 2 MN  3 MS
d) 2 MN  3 MS
e) Los cosenos directores y los ángulos directores del vector MN
f) El versor asociado al vector MN
g) Un vector paralelo al vector MN de módulo 5
h) La distancia entre los puntos M y S
i) El punto medio del segmento NS

Espacio vectorial

Vimos que en el plano R 2 y en el espacio R 3 podemos definir una ley de composición interna o suma y
una ley de composición externa o producto por un escalar. En la figura podemos ver la representación
gráfica de estas leyes, en el caso de la suma, tanto los vectores sumandos u y v como el vector suma
u  v , pertenecen al mismo conjunto, por ello se llama ley de composición interna.

20
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
En el caso del producto por un escalar, es necesario un elemento ajeno al conjunto de vectores, un
escalar. El conjunto que presta sus elementos es el conjunto de los números reales (sus elementos se
llaman escalares). Para realizar esta operación necesito un elemento externo al conjunto de vectores, de
allí el nombre de esta ley.

Llamamos V al conjunto de R 2 o R 3 , u , v y w son vectores de V, k ,k1 y k2 son elementos de R, ya

vimos que se cumplen las siguientes propiedades.
Para la suma:
1. Propiedad conmutativa: u  v  v  u

2. Propiedad asociativa: u  v  w  u  v  w   
3. Elemento neutro: u  O  O  u  u .
4. Elemento opuesto: u   u  u  u  0 . 
Para el producto por un escalar:
 
1. Propiedad asociativa mixta: k1 k2 .u  k1.k 2 .u  k2 k1.u  
2. Propiedad distributiva del producto de un vector por un escalar con respecto a la suma de vectores:
 
k. u  v  k. u  k. v
3. Propiedad distributiva del producto de un vector por un escalar con respecto a la suma de escalares:
k1  k2  . u  k1. u  k2 . u
4. Elemento neutro: 1. u  u

Por cumplirse estas 8 propiedades, podemos decir que V tiene una estructura algebraica denominada
espacio vectorial. Estas propiedades no son exclusivas de los vectores geométricos de R 2 y R 3 , sino
que se transforman en conceptos que permiten definir conjuntos de vectores generalizados.

Resumiendo:
El conjunto de todos los vectores que se encuentran en el plano, es un espacio vectorial.
El conjunto de todos los vectores que se encuentran en el espacio, es un espacio vectorial.

Producto punto o escalar

Ahora veremos un producto que se realiza entre dos vectores, la operación producto punto o escalar es
una herramienta que nos permite obtener el ángulo entre dos vectores, considerados con un origen
común, y efectuar proyecciones ortogonales. También es una herramienta muy útil para describir
analíticamente ecuaciones de rectas y planos.

21
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Este producto de denomina producto punto haciendo referencia a su notación, que es un punto bien
marcado, también se lo denomina producto escalar, porque el resultado que se obtiene es un número
real (escalar). Los dos nombres se usan de manera indistinta.

Sean u y v dos vectores no nulos del plano o del espacio, estos vectores se colocan de modo que sus
puntos iniciales coincidan. El ángulo  entre u y v , es el ángulo que determinan las direcciones de los
vectores y satisface 0     .

Después de definir ángulo entre dos vectores, estamos en condiciones de definir producto escalar.

Definición:
Sean u y v dos vectores, y sea  el ángulo entre u y v , el producto escalar entre u y v se define como:
 u . v . cos si u  0  v  0
uv  
0 si u  0  v  0

En general, no resulta fácil calcular el producto escalar entre vectores utilizando la definición previa,
ya que no suele conocerse la medida del ángulo entre ellos. Ahora veremos un teorema que permite
calcular el producto escalar de otra manera, usando las componentes de los vectores.

Teorema

Sean los vectores u  (u x , u y , u z ) y v  (vx , v y , vz ) , entonces el producto escalar entre u y v es:

u  v  u x .vv  u y .v y  u z .vz .
Se lee: el producto escalar entre dos vectores es igual a la suma de los productos entre componentes
homólogas.

Demostración:

Sean u y v dos vectores no nulos, como se muestra en la figura,  es al ángulo entre ellos. Aplicando el
teorema del coseno queda:

2 2 2
u  v  u  v  2. u . v . cos

definición de producto escalar
2 2 2
u  v  u  v  2.u  v

22
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Despejamos de esta expresión el producto escalar:

1 2
u  v  uv 
2 2
uv 
2  

Escribimos ahora los módulos de los vectores en función de sus componentes:

uv 
1 2
2
   2
 
u x  u 2y  u z2  vx2  v y2  vz2  u x  vx   u y  v y   u z  vz 
2 2

Si operamos desarrollando los cuadrados de los binomios y cancelando términos queda:

u  v  u x .vx  u y .v y  u z .vz
Que es lo que queríamos demostrar.

NOTA
Si u  (u x , u y ) y v  (vx , v y ) son dos vectores del plano, entonces el producto punto en función de las
componentes de los vectores, será: u  v  u x .vx  u y .v y .

Ejemplo
Sean los vectores u  (2,3,4) y v  (5,1,2) entonces u  v  (2).5  3.(1)  4.2  10  3  8  5
Sean los vectores u  (1,4) y v  (3,6) entonces u  v  (1).3  4.(6)  3  24  27

Propiedades del producto escalar entre vectores

1. Propiedad conmutativa: u  v  v  u .

Sean u  (u x , u y , u z ) y v  (vx , v y , vz ) el producto escalar entre u y v es u  v  u x .vx  u y .v y  u z .vz por ser

conmutativa la multiplicación de números reales, podemos escribir:
u  v  u x .vx  u y .v y  u z .vz  vx .u x  v y .u y  vz .u z  v  u

2. Propiedad distributiva del producto escalar con respecto a la suma de vectores:


u v  w  uv uw. 
Sean u  (u x , u y , u z ) , v  (vx , v y , vz ) y w  ( wx , wy , wz ) , entonces
   
u  v  w  u x , u y , u z   v x , v y , vz   wx , wy , wz  resolviendo la suma de vectores
u  v  w  u , u , u   v
x y z  w , v  w , v  w  resolvemos el producto escalar
x x y y z z

u , u , u   v
x y z  wx , v y
x y  w , v  w  = u .v  w   u .v  w   u .v  w  aplicamos las
z z x x x y y y z z z

propiedades distributiva del producto respecto de la suma y conmutativa del producto de números
reales:
u x vx  u x wx  u y v y  u y wy  u z vz  u z wz  u x vx  u y v y  u z vz  u x wx  u y wy  u z wz  u  v  u  w
     
uv uw

   
3. Propiedad asociativa mixta: k . u  v  k . u  v  u  k .v , con k  R .  

23
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Sean u  (u x , u y , u z ) y v  (vx , v y , vz ) con k  R , por definición de producto escalar y propiedad
asociativa de la multiplicación en R queda:
 
k . u  v  k . u x .vx  u y .v y  u z .vz   ku x vx  ku y v y  ku z vz  k u  v  
De manera análoga se puede demostrar: k . u  v  u  k .v    
4. Si los vectores u y v son ortogonales (perpendiculares), entonces u  v  0 .


u  v  u . v . cos 0
2
5. Si el producto escalar entre u y v es nulo, entonces alguno de los vectores es el vector nulo o los
vectores son ortogonales u  v  0  u  0  v  0  u  v .
Se deduce a partir de la definición de producto escalar.

6. El producto escalar de un vector por sí mismo es igual al cuadrado del módulo del vector:
2
u u  u . u  u .

El ángulo que un vector forma con sí mismo es 0º, entonces u  u  u . u . cos 0º  u

7. El módulo de un vector es igual a la raíz cuadrada del producto escalar del vector por sí
mismo u  u  u .
2
Se deduce a partir de la propiedad anterior: u  u  u . u  u  u  u  u .

Ejemplo
Aplicar las propiedades del producto escalar y comprobar u  v  u x .vx  u y .v y  u z .vz con los vectores:
u  u x .iˆ  u y . ˆj  u z .kˆ y v  vx .iˆ  v y . ˆj  vz .kˆ .

  
u  v  u x .iˆ  u y . ˆj  u z .kˆ  vx .iˆ  v y . ˆj  vz .kˆ 
  
    
   
u  v  u x vx  iˆ  iˆ  u x v y  iˆ  ˆj  u x vz  iˆ  kˆ  u y vx  ˆj  iˆ  u y v y  ˆj  ˆj  u y vz   ˆj  kˆ 
 
 
0 0 0 0

 u v kˆ  iˆ   u v kˆ  ˆj   u v kˆ  kˆ 


z x 
z y z z
0 0
Se anulan 6 de los 9 términos por ser productos escalares de versores ortogonales, queda:

2 2 2
u  v  u x .vx iˆ  u y .v y ˆj  u z .vz kˆ por la propiedad 6 que vimos arriba: u  v  u x .vx  u y .v y  u z .vz .
  
1 1 1

Ángulo entre dos vectores

Vimos que la definición de producto punto o escalar entre dos vectores u y v ambos no nulos, es:
u  v  u . v . cos , siendo  el ángulo entre ellos, por lo general, el ángulo no es un dato conocido o
no es sencillo conocerlo.
Veamos ahora como obtenerlo a partir de la definición de producto escalar.

24
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
u v
De u  v  u . v . cos podemos despejar la función coseno y escribir: cos  . Si a esta función
u.v
le aplicamos su función inversa, es decir la función arco coseno del ángulo, se tiene:

 u v 
arccoscos     arccos  de esta manera obtenemos el valor del ángulo  entre los dos
 u.v 
 
 uv 
vectores u y v .   arccos 
 u.v 
 

 u xvx  u y v y
Si u y v son dos vectores del plano:   arccos 
2 
 u x  u y . vx  v y 
2 2 2

 u v u v u v 
Si u y v son dos vectores del espacio:   arccos 2 x 2x 2y y 2 z v2 2 

 u x  u y  u z . vx  v y  v z 

El producto escalar nos brinda información sobre el ángulo  entre los dos vectores, veamos:

u v
cos  si analizamos esta expresión vemos que el denominador será siempre positivo, por ser
u.v
producto de dos módulos, que por definición son valores siempre positivos. El signo de la función
coseno depende entonces del signo del numerador, donde figura el producto punto. Cuando definimos
producto escalar fijamos que 0     :


Si u  v  0 entonces la función coseno también lo será, y cos  0 implica que 0    por lo que
2
 es un ángulo agudo.


Si u  v  0 entonces la función coseno también lo será, y cos  0 implica que     por lo que
2
 es un ángulo obtuso.


Si u  v  0 entonces la función coseno también lo será, y cos  0 implica que   por lo que  es
2
un ángulo recto. En este caso se dice que los vectores son ortogonales (perpendiculares) entre sí.

Ejemplo
Si u  (1,2,3) , v  (3,4,2) y w  (3,6,3) , entonces:

u  v  1.(3)  (2).4  3.2  5

v  w  (3).3  4.6  2.3  21
u  w  1.3  (2).6  3.3  0
Conclusión: u y v forman un ángulo obtuso, v y w forman un ángulo agudo, u y w son
perpendiculares.

25
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejercicio Nº11

Encontrar los ángulos interiores del triángulo cuyos vértices son los puntos:
A=(-1,0) ; B=(-2,1) y C=(1,4).
B

 
A C
Recordar que la definición de producto punto entre dos vectores es: u.v  u . v . cos  (siendo  el
ángulo formado por los dos vectores y menor o igual de 180º)

u

v
Observar que si   90º entonces cos   0 , por lo que el producto punto sería igual a cero. Podemos
generalizar diciendo:

u.v  0  u  v condición de perpendicularidad entre dos vectores.

u.v
Despejando de la expresión de producto punto: cos  
u.v
En este ejercicio se pide hallar los ángulos interiores de un triángulo:  ,  y  .

1. Angulo 
B

 
A C
El ángulo  está formado por los lados AC, AB con los puntos A,B,C se pueden formar los vectores
AC, AB .
B

 
A C
Buscamos las componentes de ambos vectores

AC  C  A  (1,4)  (1,0)  (2,4)

26
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
AB  B  A  (2,1)  (1,0)  (1,1)

Hacemos el producto punto entre ambos vectores, usando la forma cartesiana de este producto
(sumatoria de los productos de las componentes homólogas):

AB. AC  (1,1).(2,4)  (1).2  1.4  2  4  2

Observar que el producto punto da como resultado un escalar.

Buscamos el módulo de cada vector:

AB  (1) 2  12  2 AC  2 2  4 2  20

Reemplazamos ahora:

AB. AC 2 2
cos      arccos(cos )   ;   71º33`54"
AB . AC 2 . 20 40
2. Angulo 
El ángulo  está formado por los lados BA, BC con los puntos A,B,C se pueden formar los vectores
BA, BC .
B

 
A C
Buscamos las componentes de ambos vectores

BA  A  B  (1,0)  (2,1)  (1,1)

BC  C  B  (1,4)  (2,1)  (3,3)

Hacemos el producto punto entre ambos vectores:

[Link]  (1,1).(3,3)  0
como el producto punto es cero ya podemos afirmar que   90º (no es necesario seguir operando!!)

3. Angulo 
B

 
A C
Se procede de manera análoga a lo expuesto en el punto 1. Angulo  ,   18º 26`6"

27
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Verificar que:       180º

Ejercicio Nº12

Hallar los ángulos interiores del triángulo cuyos vértices son los puntos A:(1,3,-1), B:(2,-2,-3) y
C:(-2,-1,4).

Similar al ejercicio Nº 11

Ejercicio Nº13

Verifique usando producto escalar, si los siguientes pares de vectores son paralelos, perpendiculares
o forman un ángulo cualquiera:
a) u  (3,1,2); v  (2,4,5) b) u  (2,4,6); v  (1,2,3)
c) u  1iˆ  1 ˆj  3kˆ ; v  2iˆ  2 ˆj  6kˆ d) u  3iˆ  2 ˆj  4kˆ ; v  5iˆ  3 ˆj  kˆ

a) Usamos la forma cartesiana del producto punto

u  v  u x .vx  u y .v y  u z .vz = (3,1,2)  (2,4,5)  3.(2)  (1).4  2.5  6  4  10  0
Por ser el producto punto o escalar igual a cero, concluimos que los vectores u y v son perpendiculares,
es decir que el ángulo entre ellos mide 90º.

b) Usamos la forma cartesiana del producto punto

u  v  u x .vx  u y .v y  u z .vz = (2,4,6)  (1,2,3)  2.(1)  (4).2  6.(3)  2  8  18  28
Los vectores u y v forman un ángulo obtuso, ahora buscamos el valor del ángulo.
uv  28 28 28
cos      1  arccos(1)  180º
u.v 22  (4) 2  62 . (1) 2  22  (3) 2 56 . 14 784

El ángulo entre los vectores u y v mide 180º, por lo que podemos afirmar que los dos vectores son
paralelos y de sentido contrario.

c) Usamos la forma cartesiana del producto punto

u  v  u x .vx  u y .v y  u z .vz = (1,1,3)  (2,2,6)  1.2  (1).(2)  3.6  2  2  18  22
Los vectores u y v forman un ángulo agudo, ahora buscamos el valor del ángulo.
uv 22 22 22
cos      1  arccos1  0º
u.v 1  (1)  3 . 2  (2)  6
2 2 2 2 2 2
11. 44 484

El ángulo entre los vectores u y v mide 0º, por lo que podemos afirmar que los dos vectores son
paralelos y de igual sentido.

d) Resolver Rta.: 57 º 453"

Ejercicio Nº14

Determinar el valor de k de manera que los vectores (4,5  k ,4) (3, k ,4) sean ortogonales

Si los vectores son perpendiculares, entonces el producto punto es igual a cero:

(4,5  k ,4)  (3, k ,4)  4.3  (5  k ).k  4.(4)  12  5k  k 2  16  4  5k  k 2  0

28
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Nos quedó una ecuación cuadrática en k, esto significa que existen dos valores de k que satisfacen la
condición pedida. Las raíces de esta ecuación son : k1  4, k2  1 , si reemplazamos en los vectores dato
queda:

(4,5  k ,4)  (4,5  4,4)  (4,1,4) y (3, k ,4)  (3,4,4)

Verificamos que (4,1,4)  (3,4,4)  0

(4,5  k ,4)  (4,5  1,4)  (4,4,4) y (3, k ,4)  (3,1,4)

Verificamos que (4,4,4)  (3,1,4)  0

Ejercicio Nº15

Demostrar que los vectores u  (a, b) y v  (b, a ) son ortogonales.

Demostrar que los vectores u  (a, b) y v  (b,a ) son ortogonales.
Encontrar dos vectores que sean ortogonales al vector (3,-2). Graficar.
Encontrar dos vectores unitarios que sean ortogonales al vector (3,-2). Graficar.
 2 3   2 3 
Rta.: v1   ,  v2    , 
 13 13   13 13 

Ejercicio Nº16

Sean u  (3,4) v  (5,1) y w  (7,1) evaluar las expresiones:


a) u  7v  w  
b) u  v .w  
c) u . v  w   
d) u .v  w

Ejercicio Nº17

Explicar porqué cada una de las siguientes expresiones carece de sentido

   
a) u  v  w b) u  v  w c) u  v d) k  u  v  
Ejercicio Nº18

Sean u  (2, k ) y v  (3,5) encontrar k tal que:

a) u y v sean paralelos
b) u y v sean ortogonales
c) el ángulo entre u y v sea 
3 cos 3  12 
d) el ángulo entre u y v sea 
4 cos 
4  2
2


Proyecciones ortogonales

En muchas aplicaciones se desea descomponer un vector v en una suma de dos sumandos, uno
paralelo a un vector no nulo u , y el otro perpendicular a u . Si u y v se colocan de modo que sus
puntos iniciales coincidan en un punto Q, entonces es posible descomponer el vector v como muestra
la figura:

29
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Observemos que, la proyección ortogonal del vector v sobre la dirección del vector u es un vector que
es múltiplo escalar del vector sobre el que proyectamos, denominado vector proyección de v sobre u ,
el cual se simboliza mediante el vector proyu v , para simplificar lo llamamos p .
En la primera figura vemos que el vector proyección p coincide con el sentido del vector sobre el que
proyectamos, pues el ángulo entre u y v es agudo. En la segunda figura, como el ángulo entre los
vectores es obtuso, el vector proyección p tiene sentido opuesto del vector sobre el que proyectamos.
Ahora obtendremos el vector p , es decir, su módulo, dirección y sentido:

 La dirección de p es dato, al ser paralelo a v tienen la misma dirección

 El sentido y el módulo de p surgen de una magnitud escalar, la cual se denomina proyección escalar
del vector v sobre u y se simboliza proyu v , para simplificar la escritura lo llamaremos p. Por
trigonometría vemos que p  v cos , donde:
Si  es agudo, p  0 , y representa el módulo del vector proyección e informa que el sentido de este
vector es el mismo que el del vector u . (figura de la derecha)
Si  es obtuso, p  0 , y el valor absoluto de p representa al módulo del vector proyección, y el
sentido de este vector es opuesto al del vector u .(figura de la izquierda)
 
Resulta entonces: p  p.u  v cos u , pero ya vimos que cos 
u.v
,reemplazando y
u.v
 u  v  u v
simplificando v queda : p   v u u
 u.v  u
 
Para que u sea un vector unitario, debo hallar su versor asociado, esto se obtiene dividiendo por su
módulo:
   
uv uv u uv uv
p u   2  u , el vector proyección de v sobre u es: p   2  u
u u u  u   u 
     
escalar vector
unitario

30
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Hemos analizado cómo determinar el vector p , que es el vector proyección del vector v sobre la
dirección del vector u . Ahora hallaremos un vector que se llama componente vectorial del vector v
ortogonal a la dirección del vector u , lo cual se simboliza como ortog u v . El vector se representa en
las figuras siguientes como q .

En ambas figuras se observa que v  p  q . Es decir, el vector v es la suma del vector proyección de
v sobre la dirección del vector u y la componente vectorial de v ortogonal a la dirección del vector u .
Entonces, ortog u v  q  v  p , reemplazando por la expresión que ya obtuvimos de p , queda:
 
uv
q  v 2 u
 u 
 

Resumiendo:

Sean u y v dos vectores, distintos del vector nulo:

uv
 La proyección escalar de v sobre u es: proy escu v 
u
 La longitud de la proyección escalar, o el módulo del vector proyección de v sobre u es:
uv
proy escu v 
u
 
uv
 El vector proyección de v sobre u es: vector proyu v   2  u .
 u 
 
 
u v
 La componente ortogonal de v sobre u es: comp ortog u v  v   2  u
 u 
 
Ejemplo

Sean los vectores a  (4,4,4) y b  (6,6,0) . Calcularla proyección escalar, la longitud de la proyección
escalar y el vector proyección del vector a sobre el vector b .

31
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
a  b (4,4,4)  (6,6,0)
La proyección escalar del vector a sobre el vector b es: proyb a   4 2
b 6 2  62  0 2

La longitud de la proyección escalar del vector a sobre el vector b es:

a  b (4,4,4)  (6,6,0)
proyb a    4 2 4 2
b 6 2  62  0 2
El vector proyección del vector a sobre el vector b es:
   (4,4,4)  (6,6,0) 
 ab
p  vector proyb a   2 b   
2 (6,6,0)  ( 4,4,0)
 b 
 
 6 2  62  0 2   
Calcular la componente vectorial de a  (4,4,4) ortogonal a la dirección del vector b  (6,6,0)

Ya conocemos el vector proyección del vector a sobre el vector b :

   (4,4,4)  (6,6,0) 
 ab
p  vector proyb a   2 b   
2 (6,6,0)  ( 4,4,0)
 b 
 
 6 2  62  0 2   
Luego la componente vectorial de a ortogonal a la dirección del vector b será: q  a  p , es decir,
q  comp ortog b a  (4,4,4)  (4,4,0)  (0,0,4)
Teniendo en cuenta los datos del ejemplo y los resultados obtenidos, se puede verificar:
La suma entre el vector proyección p y la componente ortogonal q es el vector a que proyectamos
sobre la dirección del vector b :
a  p  q  (4,4,0)  (0,0,4)  (4,4,4)

Algunas demostraciones con producto punto

Las siguientes demostraciones serán de utilidad cuando veamos el tema: recta en el plano.

1) Demostrar que en el plano el vector n  ( A, B ) no nulo, es perpendicular a la recta Ax  By  C  0 .

Sean P  ( Px , Py ) y Q  (Qx , Qy ) dos puntos diferentes que pertenecen a la recta, entonces verifican:
APx  BPy  C  0
AQx  BQy  C  0

32
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Como el vector PQ  (Qx  Px , Qy  Py ) está contenido en la recta, basta demostrar que n y PQ son
perpendiculares. Al restar las dos ecuaciones superiores queda:
AQx  Px   B Qy  Py   0
Que puede escribirse  A, B   Qx  Px , Qy  Py   0 o n  PQ =0 , así n y PQ son perpendiculares.

2) Encontrar una fórmula para calcular la distancia entre el punto P  ( Px , Py ) y la recta

Ax  By  C  0 .

Sea Q  (Qx , Qy ) un punto cualquiera de la recta y el vector n  ( A, B ) se coloca de modo que su punto
inicial sea Q . Ya vimos en la demostración anterior, que el vector n es perpendicular a la recta .
Como se observa en la figura, la distancia d es igual a la longitud de la proyección ortogonal del vector

QP  n
QP sobre el vector n , así se tiene que : d  proyn QP 
n
Pero QP  ( Px  Qx , Py  Qy ) ,
QP  n  A( Px  Qx )  B( Py  Qy )
A( Px  Qx )  B( Py  Qy )
n  A2  B 2 , reemplazando en la fórmula de d queda: d 
A2  B 2
Como el punto Q está sobre la recta, sus coordenadas satisfacen su ecuación y podemos escribir:

AQx  BQy  C  0 , si despejamos C queda: C   AQx  BQy , reemplazando en la fórmula de d

APx  AQx  BPy  BQy ) APx  BPy  ( AQx  BQy ) APx  BPy  C
queda: d   
A2  B 2 A2  B 2 A2  B 2

APx  BPy  C
d
A2  B 2

33
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

NOTA:
Hemos visto que con los vectores podemos hacer
diferentes operaciones:
 Suma
 Producto por un escalar
 Producto punto o escalar

Existen otros dos productos entre vectores:

 Producto cruz o vectorial
 Producto mixto

Estos dos últimos productos los veremos más adelante,

en el tema: Determinante.

34
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Tema: SISTEMAS DE ECUACIONES LINEALES

El estudio de los sistemas de ecuaciones lineales y sus soluciones es uno de los temas más importantes
del Álgebra Lineal.
Esta expresión matemática es una igualdad: 3+1 = 4, es siempre verdadera.
En cambio, ésta es una ecuación: 3+x = 4, puede ser verdadera o no, dependiendo del valor que se le
asigne a x.

Las siguientes ecuaciones no son ecuaciones aisladas, sino que forman un conjunto o sistema de
ecuaciones lineales, esto se representa por medio de la llave que aparece uniendo las ecuaciones.
3  x  4

2  x  1

La llave indica que el valor que tome la incógnita x, debe satisfacer simultáneamente las dos
ecuaciones. Ese valor o solución se expresa: S = 1

En el siguiente sistema

3 x  4 

4  5 x  5

No existe un valor de x que satisfaga simultáneamente las dos condiciones, esto es no existe solución,
lo cual se expresa: S    o S   .
En este caso diremos que el sistema es incompatible.

Ecuaciones lineales

Las ecuaciones siguientes son lineales:

2 x  5 y  1
1
x1  5 x 2  2 .x3  0
3
x  y  2z  5
x1  x 2  x3  ....  x n  2

Note que en una ecuación lineal, todas las incógnitas están elevadas sólo a la primera potencia, no
aparecen como argumentos de funciones trigonométricas, logarítmicas o exponenciales, tampoco hay
productos, ni raíz de las incógnitas.
Las siguientes ecuaciones no son lineales:

x  4y3  1
z  seny  x  0
2 x  y  xy  3
x1  x 2  1
Ahora daremos la definición de ecuación lineal.

Definición:

35
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Dados los escalares a1 , a2 ,..., an , h se denomina ecuación lineal con n incógnitas a la expresión:
a1 x1  a2 x2  ...  an xn  h . Las n incógnitas o variables está representadas por x1 , x2 ,..., xn .
a1 , a2 ,..., an son los coeficientes de las incógnitas y b es el término independiente de la ecuación.
Al conjunto ordenado de escalares o n-upla 1 , 2 ,...,  n  que verifican la ecuación, esto es, que se
cumpla: a11  a2 2  ...  an n  h , se denomina solución de la ecuación.
Al conjunto de todas las soluciones se denomina conjunto solución de la ecuación o solución general.

Sistemas de ecuaciones lineales

Un conjunto finito de ecuaciones lineales se denomina sistema de ecuaciones lineales.

Por ejemplo, el sistema:

2 x  y  4 

 3x  2 y  7

es un sistema de dos ecuaciones lineales en las incógnitas x e y.

Su solución está formada por el conjunto de soluciones de cada una de las ecuaciones que lo forman.
Resolver este sistema es hallar todos los valores de x e y que son solución de él.
En este caso la solución está dada por los valores x  1 e y  2 .
Ahora daremos la definición de sistemas de ecuaciones lineales.

Definición:
Un conjunto finito de m ecuaciones lineales con n incógnitas x1 , x2 ,..., xn se denomina sistema de
ecuaciones lineales.
Al conjunto ordenado de números 1 , 2 ,...,  n  que verifican simultáneamente todas las ecuaciones se
denomina solución del sistema lineal.
Al conjunto de todas las soluciones se denomina conjunto solución o solución general del sistema de
ecuaciones lineales.

a11 x1  a12 x2  ...  a1n xn  h1 

a21 x1  a22 x2  ...  a2 n xn  h2 

.......................................... 
am1 x1  am 2 x2  ...  amn xn  hm 

En un sistema de ecuaciones lineales es necesario emplear un doble subíndice para los coeficientes de
las incógnitas. El primer subíndice indica la ecuación en la que se encuentra, y el segundo la incógnita
a la que multiplica.

Sistemas de ecuaciones equivalentes

Se dice que dos sistemas son equivalentes si tienen el mismo conjunto solución.
Consideremos el sistema anterior:

2 x  y  4 
 Sistema I
 3x  2 y  7

36
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Si multiplicamos la primera ecuación por 3, obtenemos: 6 x  3 y  12 . Ahora, multiplicamos la
segunda ecuación por 2, obteniendo:  6 x  4 y  14 .
Nos queda el siguiente sistema:

6 x  3 y  12 
 Sistema II
 6 x  4 y  14

Si sumamos las dos ecuaciones del sistema II y reemplazamos la segunda ecuación por ésta nueva,
obtenemos:

6 x  3 y  12
 Sistema III
y2 

Si multiplicamos por 3 a la segunda ecuación del sistema III y la sumamos a la primera obtenemos:

6 x  6 
 Sistema IV
y2 

1
Finalmente, multiplicamos la primera ecuación del sistema IV por .
6

x  1
 Sistema V
y2 

Los sistemas I, II, III, IV y V, son todos equivalentes entre sí. El método adecuado para resolver un
sistema de ecuaciones lineales, será transformarlo en otro sistema equivalente, donde la solución sea
fácil de determinar.
En el último sistema V podemos ver, que la solución del sistema de ecuaciones planteado es el par
( x, y )  (1,2) .
El sistema V recibe el nombre de sistema resolverte.

2 x  y  4 
Partimos del sistema dato :  y lo transformamos en el sistema equivalente (sistema
 3x  2 y  7
x  1
resolvente) :  , en el cual es evidente que la solución es el par ( x, y )  (1,2) .
y2 

Veremos ahora la notación matricial para describir un sistema de ecuaciones lineales.

Representación matricial de un sistema de ecuaciones lineales.

Dado el siguiente sistema de ecuaciones lineales:

2 x1  x2  4 x3  1

x1  3x2  5 x3  2 
 x1  x2  x3  2 

37
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Si ahora trabajamos con el “esqueleto numérico” del sistema, es decir prescindiendo de las letras que
representan a las incógnitas y de los signos igual, obtenemos:

 2  1 4  1
1 3  5 2 

 1 1 1  2

Este sistema de ecuaciones lineales, queda definido por una disposición u ordenamiento numérico que
recibe el nombre de matriz asociada.
Los elementos de una matriz están dispuestos horizontalmente formando filas y verticalmente
formando columnas. Note que cada fila está en correspondencia con una ecuación y cada columna con
una incógnita. La última columna está separada de las anteriores sólo para indicar que se trata de los
términos independientes.
Las matrices se designan con una letra mayúscula.

Observemos que en el sistema aparecen tres tipos diferentes de cantidades: las incógnitas x1 , x2 , x3 ; los
lados derechos o términos independientes -1,2,-2 ; y finalmente, hay un conjunto de nueve
coeficientes numéricos en el lado izquierdo.

Los nueve coeficientes del lado izquierdo de las ecuaciones están dispuestos en un arreglo de números
o matriz, que se indica con la letra A. En este caso se dice que A es de orden 3x3, A se llama matriz
de los coeficientes:

 2 1 4 
A=  1 3  5
 1 1 1 

Para la columna H de números del lado derecho introducimos la notación vectorial:

 1 
H   2  ; H es una matriz columna o vector llamado matriz segundo miembro
 2

También representamos las tres incógnitas del sistema mediante una matriz columna X:

 x1 
X   x2  ; llamada matriz de las incógnitas
 x3 

Ahora el sistema original puede ser escrito: A.X=H

El conjunto al que pertenece la matriz A lo denotamos R 3 X 3 ; esto es el conjunto de matrices de tres

filas y tres columnas cuyos elementos son los números reales.

El conjunto al que pertenece la matriz H lo denotamos R 3 X 1 ; esto es el conjunto de matrices de tres

filas y una columnas cuyos elementos son los números reales.

38
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
El conjunto al que pertenece la matriz X lo denotamos R 3 X 1 ; esto es el conjunto de matrices de tres
filas y una columnas cuyos elementos son las incógnitas.

Ya resolvimos un sistema de ecuaciones lineales hasta llegar al sistema resolvente y vimos que los
sistemas I, II, III, IV y V, son todos equivalentes entre sí. Ahora escribiremos los sistemas en
correspondencia con sus matrices asociadas:

2 x  y  4   2  1  4
   3 2
 3x  2 y  7  7 

6 x  3 y  12   6  3  12
   6 4
 6 x  4 y  14  14 

6 x  3 y  12 6  3  12
  0 1
y2   2 

6 x  6  6 0  6 
  0 1
y2   2 

x  1 1 0  1
  0 1
y2   2
Cada operación realizada sobre una ecuación se traduce en una operación sobre la correspondiente fila
de su matriz asociada, que se llama operación de fila.
Resumiendo, podemos esquematizar:

Es decir que el procedimiento a seguir para resolver un sistema de ecuaciones lineales consiste en
transformar su matriz asociada, mediante operaciones de filas en la matriz del sistema resolvente:
1. A partir del sistema original, escribir su matriz asociada
2. Realizar a partir de esta matriz una sucesión de operaciones de fila de modo que la transformen
en otra matriz que esté asociada a un sistema resolvente
3. Escribir el sistema resolvente
4. En el sistema resolvente la solución es evidente.

Operaciones elementales de filas

Las operaciones elementales de filas que podemos realizar son tres:

TIPO I: Se indica: ei (k ) con k  0 significa que a la fila i la multiplico por el escalar no nulo k

39
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

ei (k )
 
fila escalar
 1 3
A   e1( 3)
 2 1
 3  9
B 
2 1 

Observar que:

 3  9
B e 1
2 1  1(  3 )
 1 3
A 
 2 1
TIPO II: Se indica: eij (k ) con k  0 significa que a la fila i le sumo la fila j multiplicada por el escalar
no nulo k

e i j (k )
 
  
fila que fila a usar escalar
cambia en el cálculo
 1 3
A  e21( 2)
2 1
 1 3
B
4  5
Esta operación consta de dos pasos, el primero es multiplicar la fila 1 por (-2), lo que daría:
 1 3.(2)  2  6
El segundo paso consiste en sumar a la fila anterior, la fila 2: 2  6  2 1
La nueva fila 2 es el resultado anterior: 2  6  2 1  4  5
Observar que la fila 2 cambió, pasó de 2 1 a 4  5 , en cambio la fila 1 si bien la empleamos
en el cálculo, no se modificó.

Observar que:

 1 3
B  e21( 2)
4  5
 1 3
A
2 1
TIPO III: Se indica: eij significa que a la fila i la cambio por la fila j

40
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

ei j

fila fila
 1 3
A  e21
2 1
2 1
B
 1 3

Observar que:

2 1
B  e12
 1 3
 1 3
A
2 1

NOTA:
Si una matriz B se obtiene al aplicar una operación elemental de filas e sobre otra matriz A, existe una
operación del mismo tipo, que aplicada a B da como resultado la matriz A. Esta segunda operación se
denomina inversa de la primera y se indica e 1 .
ei ( k ) e 1i  1 
k

Si A  B entonces B  A
eij ( k ) e 1ij   k 
Si A  B entonces B  A
eij e 1 ji
Si A  B entonces B  A

Matriz escalonada reducida por filas

Si todos los elementos de una fila son ceros, es una fila nula.
Elemento conductor de una fila no nula, es el primer elemento no nulo de esa fila (recorrida de
izquierda a derecha).
Ahora veremos cuales son las condiciones que tiene que cumplir una matriz para ser una matriz
escalonada reducida por filas:

1) Si la matriz tiene filas nulas, estas se encuentran en la parte inferior de la matriz.

2) El primer elemento no nulo de cada fila, es un número 1 (uno principal o pivote).
3) En dos filas consecutivas, el uno principal de la fila inferior aparece mas a la derecha que el 1
principal de la fila superior.
4) Las columnas en las que se encuentran los unos principales, tienen ceros en los demás
elementos.

Son ejemplos de matrices reducidas por filas:

1 1 0 0 5 0 1 0 3 6 0 
A  0 0 1 3 2 B  0 0 1 1 2 0
 
0 0 0 0 0 0 0 0 0 0 1

Las matrices siguientes no son matrices reducidas por filas:

41
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0 0 0 1 0 0
1 0 8 
C  0 0 0 0 D  E  0 1 2
 0 2 3 
0 1 0 0 0 0 1 

La matriz C no cumple con la condición 1.

La matriz D no cumple con la condición 2.
La matriz E no cumple con la condición 4.

Si a estas matrices les aplicamos operaciones elementales de filas, obtendríamos matrices reducidas
por filas:

1 0 0 0 1 0 0
C  0 0 0 0  e23 1 0 8 E  0 1 2  e23( 2)
D e 1
0 1 0 0 0 2 3 2 2  0 0 1 
1 0 0 0 1 0 8 1 0 0
G
F  0 1 0 0 0 1 32  H  0 1 0
0 0 0 0 0 0 1 

Las matrices F, G y H son matrices reducidas por filas. Verificar que cumplen con las 4 condiciones.

Equivalencia por filas de matrices

Si la matriz B se obtiene de A, mediante una sucesión finita de operaciones elementales de filas, se dice
f
que “B es equivalente por filas a A”. Se indica: A  B

La equivalencia por filas, cumplen las propiedades de:

f
1) Refexividad: A  A una matriz A es equivalente por filas a sí misma
f f
2) Simetría: B  A  A  B si una matriz A es equivalente por filas a B, entonces B es equivalente
por filas a A.
f f f
3) Transitividad: A  B  B  C  A  C si una matriz B es equivalente por filas a A, y C es
equivalente por filas a B, entonces C es equivalente por filas a A.

Teorema

Toda matriz es equivalente por filas a una única matriz escalonada reducida por filas.

Ejemplos de sistemas resolventes.

Más arriba vimos que un sistema resolvente equivalente por filas al sistema original, tiene el mismo
conjunto solución que este. La matriz asociada a un sistema resolvente, es siempre una matriz
escalonada reducida por filas, es decir, cumple con las 4 condiciones.

Ejemplo Nº 1

Escribiremos la matriz escalonada reducida por filas asociada al sistema resolvente:

42
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
x1  4 x3  x4  1  1 0 4  1 1
   
x2  3x3  2 x4  2 0 1  3 2 2 

En este sistema resolvente, diremos que las incógnitas que encontramos primero en cada ecuación y
que están precedidas por un coeficiente igual a 1, son las variables principales. Observar que en la
matriz, las incógnitas principales están asociadas a los unos principales o pivotes. En nuestro ejemplo
x1 y x 2 son variables principales.
Las variables no principales se denominan, variables secundarias. En nuestro ejemplo
x3 y x4 son variables secundarias.
Expresaremos ahora a las variables principales en función de las secundarias:

x1  4 x3  x4  1 

x2  3x3  2 x4  2

Se observa que a las variables secundarias se les puede asignar cualquier valor real, esto se representa
asignando una letra cualquiera, llamada parámetro.

Si a x3 le asignamos la letra t y a x4 la letra s y reemplazamos en el sistema anterior:

x1  4t  s  1 

x2  3t  2s  2

x3 y x4 son incógnitas, es decir, valores a encontrar; t y s representan valores que ya encontramos, en

este ejemplo existen infinitas soluciones.

Las cuaternas de la forma (4t  s  1,3t  2 s  2, t , s ) constituyen el conjunto solución o solución

general del sistema.

Podemos escribir esta cuaterna como suma de otras tres:

S  (4t  s  1,3t  2 s  2, t , s )  (1,2,0,0)  (4t ,3t , t ,0)  ( s,2 s,0, s )
Expresando los segundos términos como producto de los escalares (parámetros) por las cuaternas
queda:
S  (4t  s  1,3t  2 s  2, t , s )  (1,2,0,0)  t (4,3,1,0)  s (1,2,0,1)

Finalmente escribimos la solución general de la siguiente forma:

S  ( x1 , x2 , x3 , x4 )  (1,2,0,0)  t (4,3,1,0)  s (1,2,0,1) s  R; t  R

Si a los parámetros les asigno cualquier valor específico, obtenemos una solución particular.

Por ejemplo t=1, s=2

( x1 , x2 , x3 , x4 )  (1,2,0,0)  1(4,3,1,0)  2(1,2,0,1)

S  ( x1 , x2 , x3 , x4 )  (1,1,1,1) esta es una solución particular de nuestro sistema.

Ejemplo Nº 2

43
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
x1  2 x2  3x3  x4  3

Este es un sistema de una ecuación con cuatro incógnitas.

Expresamos x1 en función de las otras incógnitas:

x1  2 x2  3x3  x4  3

Asignamos parámetros a las variables secundarias:

x 2  t1
x3  t 2
x4  t 3
Con t1 , t 2 , t3 que pertenecen a R
S  ( x1 , x2 , x3 , x4 )  (2t1  3t2  t3  3, t1 , t2 , t3 )

Expresamos la cuaterna anterior como suma de otras cuatro:

S  ( x1 , x2 , x3 , x4 )  (3,0,0,0)  t1 (2,1,0,0)  t2 (3,0,1,0)  t3 (1,0,0,1) Solución general

Buscamos ahora una solución particular, asignamos a los parámetros los siguientes valores:
t1  1 , t 2  2 , t3  1
Reemplazando en la solución general, nos queda:
S  ( x1 , x2 , x3 , x4 )  (3,0,0,0)  (1)(2,1,0,0)  2(3,0,1,0)  1(1,0,0,1)

S  ( x1 , x2 , x3 , x4 )  (12,1,2,1) Solución particular

Ejemplo Nº 3

x1  2 x2  x5  2

x3  2 x5  1 

En este sistema las variables principales son x1 y x3

x1  2 x2  x5  2

x3  2 x5  1 

Asignamos parámetros a las variables secundarias:

x2  r
x4  s
x5  t

Notar que la variable x4 no aparece escrita en el sistema porque su coeficiente es cero, lo que no
significa que su valor sea cero.

Reemplazamos:

44
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
x1  2r  t  2

x3  2t  1 

Escribimos la solución general:

S  ( x1 , x2 , x3 , x4 , x5 )  (2r  t  2, r ,2t  1, s, t )

S  ( x1 , x2 , x3 , x4 , x5 )  (2,0,1,0,0)  r (2,1,0,0,0)  s (0,0,0,1,0)  t (1,0,2,0,1)

Para hallar una solución particular, asignamos los siguientes valores a los parámetros:
r2
s  1
t 0

Reemplazamos en la solución general:

S  ( x1 , x2 , x3 , x4 , x5 )  (2,0,1,0,0)  2(2,1,0,0,0)  (1)(0,0,0,1,0)  0(1,0,2,0,1)

S  ( x1 , x2 , x3 , x4 , x5 )  (2,2,1,1,0)

Clasificación de los sistemas de ecuaciones lineales por su tipo de solución

Los sistemas de ecuaciones lineales pueden ser compatibles, si tienen una o infinitas soluciones, o
incompatibles si no tienen solución.

Teorema de Rouché Frobenius

A la cantidad de filas no nulas que tiene la matriz reducida por filas de una matriz A se la denomina
rango de la matriz A, y se indica r  A .

Teorema de Rouché Frobenius:

Un sistema de ecuaciones lineales tiene solución si y solo si, el rango de la matriz de coeficientes es
igual al rango de la matriz ampliada.

Demostración:
Dado un sistema lineal de m ecuaciones con n incógnitas:

45
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
a11 x1  a12 x2  ...  a1n xn  h1 
a21 x1  a22 x2  ...  a2 n xn  h2 

.......................................... 
am1 x1  am 2 x2  ...  amn xn  hm 

La matriz de los coeficientes A es de orden mxn, H es la matriz columna de los términos

independientes de orden mx1, y  A H es la matriz ampliada de orden mx(n+1), el objetivo es
encontrar una relación entre el tipo de solución y los rangos de las matrices de coeficientes y ampliada.
Notar que en toda matriz r  A  r A H  porque las matrices A y  A H , sólo difieren en la última
columna, por lo que solo puede haber un pivote de diferencia.

Caso I: si r  A  r A H , el sistema es incompatible. La ecuación correspondiente a la última fila

tendrá la forma: 0 x1  0 x2  ...  0 xn  0 lo que es absurdo. Por lo tanto no hay solución y el sistema es
incompatible.

Caso II: si r  A  r A H  , se pueden presentar dos situaciones:

a) r  A  r A H   n si la cantidad de unos principales coincide con el número n de incógnitas, la
reducida por filas de la matriz ampliada permitirá escribir una solución única (todas las incógnitas son
principales) y el sistema es compatible determinado.

b) r  A  r A H   n si el rango es menor que el número de incógnitas, la reducida por filas de la

matriz ampliada permitirá escribir una cantidad igual al r  A de incógnitas principales. Habrá entonces
la cantidad n  r A de variables secundarias, por lo que el sistema tendrá infinitas soluciones. El
sistema es compatible indeterminado.

Resumiendo:

Si r  A  r A H  el sistema es incompatible
Si r  A  r A H  el sistema es compatible pudiendo ser:
 r  A  r A H   n el sistema es compatible determinado
 r  A  r A H   n el sistema es compatible indeterminado

La principal utilidad de este teorema es que nos permite clasificar el sistema de ecuaciones en función
a su tipo de solución.

Ejemplos

Sean la matriz ampliada asociada a un sistema lineal y su matriz reducida por filas:

1 2 3 4 1 0 0  1
A H   5 6 5 6  R( A) H   0 1 0 1 
1 1 1 1 0 0 1 1 

En este caso se cumple r  A  r A H   3  n por lo que el sistema es compatible determinado.

46
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 2 3 4  1 0  1  2
A H   5 6 7 8   R( A) H   0 1 2 3 
9 10 11 12 0 0 0 0 
En este caso se cumple r  A  r A H   2  n  3 el sistema es compatible indeterminado con un
parámetro.
1 2 3 4  1 2 3 4
A H   2 4 6 8   R( A) H   0 0 0 0
 
3 6 9 12 0 0 0 0
En este caso se cumple r  A  r A H   1  n  3 el sistema es compatible indeterminado con dos
parámetro.
1 2 3 4  1 2 3 4
A H   2 4 6 8  R( A) H   0 0 0 1
 
3 6 9 0 0 0 0 0

En este caso se cumple r  A  1  r A H   2 el sistema es incompatible.

NOTA:
Una consecuencia importante del teorema de Rouché Frobenius es que, si el número de ecuaciones es
menor al número de incógnitas es decir m  n , el sistema no será compatible determinado. El rango de
la matriz ampliada será a lo sumo m, luego r A H   m  n . Por lo tanto el sistema podrá ser
compatible indeterminado o incompatible.

Como se reduce una matriz

Ahora reduciremos una matriz ampliada asociada a un sistema de ecuaciones lineales. El

procedimiento a seguir, por simplicidad, no usará fracciones en las cuentas.

2 2 4 18
2 4 3 1
3 6 5 0

Vamos a usar el número 2 de la primera columna como elemento conductor de dicha columna, este
elemento cumple la función de permitir anular todos los elementos de la columna en la que se
encuentra. Elemento conductor puede ser cualquier número distinto de cero. Para anular el 2 de la fila
2 haremos una operación tipo II.

elemento conductor
de la 1º columna

Las cuentas parciales serian:

2 2 4 18 1º fila 1 por (-1)  2 2 4 18.(1)   2  2  4  18
2 4 3 1  e21( 1) 2º sumo a la fila anterior la antigua fila 2
3 6 5 0
 2  2  4  18  2 4  3 1  0 2  7  17
La nueva fila 2 es  0 2  7  17

47
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2 2 4 18
0 2  7  17
3 6 5 0

Ahora vamos a anular el 3 que se encuentre en la fila 3, como el elemento conductor es el número 2 y
3 no es múltiplo de 2, vamos a hacer dos operaciones elementales de filas:
1º hacemos múltiplo del conductor al elemento a anular usando una operación tipo I y
2º anulamos el elemento en cuestión usando una operación tipo II.

2 2 4 18
0 2  7  17  e3( 2)
3 6 5 0 La cuenta parcial seria:
2 2 4 18 fila 3 por (2)  3 6  5 0.(2)  6 12  10 0
La nueva fila 3 es  6 12  10 0
0 2  7  17
6 12  10 0

2 2 4 18 Las cuentas parciales serian:

0 2  7  17  e31( 3) 1º fila 1 por (-3)  2 2 4 18.(3)   6  6  12  54
6 12  10 0 2º sumo a la fila anterior la antigua fila 3
2 2 4 18
 6  6  12  54  6 12  10 0  0 6  22  54
La nueva fila 3 es  0 6  22  54
0 2  7  17
0 6  22  54

Observar que ya no es posible obtener más ceros en la primera columna. Seguiremos con la segunda
columna. Diremos que la matriz se reduce “columna a columna” partiendo siempre desde la izquierda.
El elemento conductor de la segunda columna es el 2, con él anularemos los elementos de la segunda
columna. Para anular el 2 de la segunda columna, el que se encuentra encima del conductor, usaremos
una operación tipo II.
elemento conductor
de la 2º columna
Las cuentas parciales serian:
2 2 4 18 1º fila 2 por (-1)  0 2  7  17.(1)  0  2 7 17
0 2  7  17  e12( 1) 2º sumo a la fila anterior la antigua fila 1
0 6  22  54
0  2 7 17  2 2 4 18  2 0 11 35
La nueva fila 1 es  2 0 11 35
2 0 11 35
0 2  7  17
0 6  22  54

Para anular el 6 de la segunda columna, el que se encuentra debajo del conductor, usaremos una
operación tipo II.

48
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2 0 11 35
0 2  7  17  e32 ( 3) Las cuentas parciales serian:
0 6  22  54 1º fila 2 por (-3)  0 2  7  17.(3)  0  6 21 51
2º sumo a la fila anterior la antigua fila 3
2 0 11 35 0  6 21 51  0 6  22  54  0 0  1  3
0 2  7  17 La nueva fila 3 es  0 0  1  3
0 0 1  3

Observar que ya no es posible obtener más ceros en la segunda columna. Seguiremos con la tercera
columna. El elemento conductor de la tercera columna es el -1, con él anularemos los elementos de la
tercera columna. Para anular el 11 de la tercera columna, el que se encuentra encima del conductor,
usaremos una operación tipo II.

elemento conductor
de la 3º columna

2 0 11 35 Las cuentas parciales serian:

1º fila 3 por (11)  0 0  1  3.(11)  0 0  11  33
0 2  7  17  e13(11)
2º sumo a la fila anterior la antigua fila 1
0 0 1  3 0 0  11  33  2 0 11 35  2 0 0 2
2 0 0 2 La nueva fila 1 es  2 0 0 2
0 2  7  17
0 0 1  3

Para anular el -7 de la tercera columna, el que se encuentra encima del conductor, usaremos una
operación tipo II.

2 0 0 2
Las cuentas parciales serian:
0 2  7  17  e23( 7 )
1º fila 3 por (-7)  0 0  1  3.(7)  0 0 7 21
0 0 1  3 2º sumo a la fila anterior la antigua fila 2
2 0 0 2 0 0 7 21  0 2  7  17  0 2 0 4
0 2 0 4 La nueva fila 2 es  0 2 0 4
0 0 1  3

Observar que ya no es posible obtener más ceros en la tercera columna. Ahora haremos 1 los
elementos conductores, para ello usaremos operaciones tipo I.

2 0 0 2
0 2 0 4  e1 1 , e2 1 , e3( 1)
2 2

0 0 1  3
1 0 0 1
0 1 0 2
0 0 1 3

Con lo que queda reducida la matriz, el sistema lineal es compatible determinado y su solución es
S  (1,2,3)

49
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejercitación

Ejercicio Nº1

Dadas las matrices siguientes señalar:

a- las matrices reducidas por filas
b- para las que no estén reducidas por filas indicar que condición o condiciones no cumplen
c- en los casos en que la matriz no sea reducida, encontrar la matriz reducida por filas
d- el rango de cada matriz

1 0 0 0 1 0 0 0 0 2 3 0  0 1 0  2 0 
A  0 1  3 0 , B  0 1  1 0 , C  0 0 0 1 , D  0 0 1 4 0
     
0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1

1 0 0 1 3 0 0 0 1 0  2   0 1  1 0 0 1 0
E  0 1 0 , F  0 0 1 0 , G  1 0 2 1  , M  2 0 3 0 5 , N  0 1
       
0 0 1 0 0 1 1 0 0 1 0  0 0 0 1 6 0 0

Método de resolución de sistemas de ecuaciones lineales

Toda matriz ampliada asociada a un sistema de ecuaciones lineales se puede llevar a la forma reducida
por filas usando operaciones elementales de filas. Puesto que éstas no cambian la solución del sistema,
su uso se constituirá en un método de solución del sistema que ahorra una cantidad considerable de
escritura. El método que usaremos para encontrar el conjunto solución de un sistema de ecuaciones
lineales, es el método de Gauss-Jordan.
Seguiremos los siguientes pasos:

1) Dado el sistema de ecuaciones lineales AX  H , escribimos la matriz ampliada asociada al sistema

A H  .
2) Mediante operaciones elementales de filas transformamos la matriz A H  en su matriz equivalente
reducida por filas R A H 
3) Si r  A  r A H  el sistema es incompatible, no tiene solución.
Si r  A  r A H  seguir con el paso 4.
4) Escribir el sistema resolvente R AX  H  asociado a la matriz R A H , continuar con los pasos
5) o 6) según corresponda.
5) Si r  A  n todas las incógnitas son principales y la única solución está a la vista. El sistema es
compatible determinado. Continuar con el paso 7)
6) Si r  A  n , el sistema tiene infinitas soluciones, es compatible indeterminado. Escribir las r
incógnitas principales en función de las n-r incógnitas secundarias.
7) Escribir el conjunto solución como un conjunto de n-uplas, esta es la solución general del sistema.
8) Para obtener soluciones particulares asignar a las incógnitas secundarias valores reales arbitrarios.

Ejemplos

Determinar si los siguientes sistemas de ecuaciones lineales tienen o no solución. Si la tienen, indique
si es determinada o indeterminada y dé en cada caso los valores de dicha solución.

50
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejemplo Nº 1

2 x  5 y  4 z  3

x  2y  z  5 
x  4 y  6 z  10 

Se usará el método de Gauss Jordan para resolver este sistema de ecuaciones lineales.

1º PASO

Escribimos la matriz ampliada asociada a este sistema y la reducimos por filas:

2  5 4  3
A H   1  2 1 5   e2(2)
1  4 6 10 
 
2 5 4 3
2  4 2 10  e21( 1)
1  4 6 10
2 5 4 3
0 1  2 13  e3( 2 )
1  4 6 10
2 5 4 3
0 1  2 13  e31( 1)
2  8 12 20
2 5 4 3
0 1  2 13  e12( 5)
0  3 8 23
2 0  6 62
0 1  2 13  e32( 3)
0  3 8 23
2 0  6 62
0 1  2 13  e13(3)
0 0 2 62
2 0 0 248
0 1  2 13  e23(1)
0 0 2 62
2 0 0 248
0 1 0 75  e1 1   e3 1 
2 2

0 0 2 62

51
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0 0 124
R( A) H   0 1 0 75 
0 0 1 31 
 

2º PASO

El sistema asociado a la matriz R( A) H  (reducida de la matriz ampliada) es:

x  0 y  0 z  124

0 x  y  0 z  75  este sistema se llama sistema resolvente.
0 x  0 y  z  31 
x  124

El sistema resolvente también puede escribirse: y  75 
z  31 

3º PASO

Teorema de Rouché- Frobenius:

Vamos a analizar los rangos de la matriz de los coeficientes y de la matriz ampliada para clasificar este
sistema:

r  A  3 ; r A H   3 por ser los rangos iguales este sistema es compatible

Este sistema tiene tres incógnitas, esto lo indicamos como n=3.

Por ser los rangos r  A  r A H   n iguales al número n de incógnitas el sistema es compatible

determinado, es decir la solución es única.

4º PASO

La solución de este sistema se escribe:

S  ( x, y, z )  (124,75,31)

Geométricamente una ecuación lineal con tres incógnitas representa un plano en el espacio, en este
sistema tenemos tres ecuaciones lineales con tres incógnitas, o sea, tres planos. Este sistema de
ecuaciones lineales, está representando geométricamente, un conjunto de tres planos en el espacio.
La solución que obtuvimos representa el único punto en el que los tres planos se intersecan en el
espacio, como se muestra en la figura, de allí que el sistema sea compatible determinado.

52
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

P  ( x, y , z )  (124,75,31)

53
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejemplo Nº2

2x  7 y  z  4 

 4 x  5 y  7 z  2
x  2y  z 1 


1º PASO
 2  7 1 4 
A H    4 5  7  2  e21(2)
 1 2 1 1 

2  7 1 4
0  9  9 6  e3( 2 )
1 2 1 1
2  7 1 4
0  9  9 6  e31( 1)
2 4 2 2
2  7 1 4
0  9  9 6  e3( 3)
0 3 3 2
2  7 1 4
0  9  9 6  e32(1)
0 9 9 6
2  7 1 4
0  9  9 6  e1( 9)
0 0 0 0
18  63  9 36
0  9  9 6  e12 ( 7 )
0 0 0 0
18 0 54  6
0  9  9 6  e1 1   e2 1 
18 9

0 0 0 0
1 0 3  13 
R( A) H   0 1 1  23 
0 0 0 0 
 

2º PASO

El sistema asociado a la matriz R( A) H  es:

54
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
x  0 y  3 z   13 

0 x  y  z   23  este sistema se llama sistema resolvente.
0 x  0 y  0 z  0 
Escribimos las incógnitas principales en función de las secundarias:

x   13  3 z 

y   23  z 

3º PASO

Teorema de Rouché- Frobenius:

Vamos a analizar los rangos de la matriz de los coeficientes y de la matriz ampliada para clasificar este
sistema:

r  A  2 ; r A H   2 por ser los rangos iguales este sistema es compatible.

Este sistema tiene tres incógnitas, n=3.

Por ser los rangos r  A  r A H    n menores al número n de incógnitas el sistema es compatible

indeterminado, es decir tiene infinitas soluciones.

De la expresión n  r  t , siendo n el número de incógnitas y r el rango de las matrices, se despeja la

cantidad de parámetros (o sea variables secundarias del sistema), en este caso n  r  3  2  1 , en la
solución de este sistema habrá un parámetro.

4º PASO

En el sistema resolvente observamos que la incógnita z, puede tomar infinitos valores, esto lo
representamos asignando a z un parámetro: z  t .

x   13  3t 
El sistema resolvente queda: 
y   23  t 
Ahora escribimos el conjunto solución o solución general:

S  ( x, y, z )  ( 13  3t , 23  t , t )  ( 13 , 23 ,0)  t (3,1,1) solución general

Asignando a t un valor particular, obtendríamos una solución particular.

Por ejemplo

t=2  S1  ( x, y, z )  ( 13 , 23 ,0)  2.(3,1,1)   193 , 83 ,2 

t=0  S2  ( x, y, z )  ( 13 , 23 ,0)  0.(3,1,1)   13 , 23 ,0

Este sistema de ecuaciones lineales, que representa geométricamente un conjunto de tres planos en el
espacio, es compatible indeterminado.
En este caso los tres planos se intersecan en una recta, como muestra la figura.

55
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

La solución general que obtuvimos: S  ( x, y, z )  ( 13 , 23 ,0)  t (3,1,1) , representa la ecuación de

esa recta intersección.
La terna ( 13 , 23 ,0) es un punto de la recta y (3,1,1) es su vector dirección. Esta forma de escribir la
recta en el espacio se llama forma vectorial.
Una recta tiene infinitos puntos, cada solución particular del sistema representa a cada uno de los
puntos que pertenecen a la recta. Por lo que P1   193 , 83 ,2  y P2   13 , 23 ,0  serían dos puntos de la
recta.
Concluyendo, los tres planos se cortan en el espacio en una recta que tiene infinitos puntos, de allí que
el sistema que los representa tenga infinitas soluciones, o sea compatible indeterminado.

Ejemplo Nº 3

2 x  5 y  4 z  3

x  2y  z  5 
x  4 y  5 z  10 

2  5 4  3
A H   1  2 1 5   e12
1  4 5 10 
 
1 2 1 5
2  5 4  3  e21( 2)
1  4 5 10
1 2 1 5
0  1 2  13  e31( 1)
1  4 5 10
1 2 1 5
0  1 2  13  e12 ( 2)
0 2 4 5

56
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0  3 31
0  1 2  13  e32( 2 )
0 2 4 5
1 0  3 31
0  1 2  13
0 0 0 31

Observar que la ecuación asociada a la última fila es: 0x+0y+0z=31, lo que conduce a 0=31, esta
afirmación es matemáticamente absurda.

Teorema de Rouché- Frobenius:

Vamos a analizar los rangos de la matriz de los coeficientes y de la matriz ampliada para clasificar este
sistema:

r  A  2 ; r A H   3

por ser los rangos distintos este sistema es incompatible, es decir no tiene solución.

Este sistema de ecuaciones lineales, que representa geométricamente un conjunto de tres planos en el
espacio, es incompatible. Este sistema no tiene solución, los tres planos son secantes de dos en dos,
como muestra la figura. Los planos así ubicados en el espacio, no tienen simultáneamente nada en
común, por ello no hay solución.

Sistemas de ecuaciones lineales homogéneos

Un sistema de ecuaciones lineales es homogéneo si todos los términos independientes son ceros. Se
representa:

57
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
a11 x1  a12 x2  ...  a1n xn  0 
a21 x1  a22 x2  ...  a2 n xn  0 

.......................................... 
am1 x1  am 2 x2  ...  amn xn  0

La matriz ampliada tiene la última columna nula. Los rangos de las matrices de coeficientes y
ampliada serán siempre iguales, ya que la última columna tiene sus elementos nulos y cualquier
operación elemental de fila no cambiará dichos valores.
Luego, por el teorema de Rouché Frobenius, todo sistema homogéneo es compatible.
Una solución que se identifica fácilmente es la solución nula, esto es : 0,0,...,0 , se denomina
solución trivial.

 Si el rango del sistema es igual al número de incógnitas, el sistema es compatible determinado, la

única solución es la trivial.
 Si el rango de la matriz de coeficientes es menor que el número de incógnitas, el sistema es
compatible indeterminado, el sistema tiene infinitas soluciones incluida la solución trivial.

Matricialmente un sistema de ecuaciones lineales homogéneo se representa: AX  O . Siendo O la

columna nula.

Ejemplo Nº 4

x yz 0 

3x  3 y  z  0 
x  7 y  3z  0

Este es un sistema homogéneo, los segundos miembros son todos ceros. Este tipo de sistema es
siempre compatible.
En la matriz ampliada la columna nula puede no escribirse, esto no modifica la solución ya que las
operaciones elementales no cambiarán los ceros de dicha columna.

1º PASO

1 1 1
A  3  3  1  e21( 3)

1 7  3
1 1 1
0  6  4  e31( 1)
1 7 3
1 1 1
0  6  4  e1( 6 )
0 6 4
6 6 6
0  6  4  e12 (1)
0 6 4

58
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
6 0 2
0  6  4  e32(1)
0 6 4
6 0 2
0  6  4  e3(  1 )
8

0 0 8
6 0 2
0  6  4  e13( 2)
0 0 1
6 0 0
0  6  4  e23( 4)
0 0 1
6 0 0
0 6 0  e1( 1 )  e2(  1 )
6 6

0 0 1
1 0 0
R(A)  0 1 0
0 0 1

2º PASO

El sistema asociado a la matriz R (A) (reducida de la matriz ampliada) es:

x  0 y  0 z  0

0 x  y  0 z  0
0 x  0 y  z  0
x  0

El sistema resolvente también puede escribirse: y  0
z  0 
3º PASO

Teorema de Rouché- Frobenius:

r  A  3 ; r A O   3 por ser los rangos iguales este sistema es compatible.

Por ser los rangos r  A  r A O   n iguales al número n de incógnitas el sistema es compatible

determinado, es decir la solución es única.

4º PASO

La solución de este sistema se escribe:

S  ( x, y, z )  (0,0,0) esta solución formada por ceros se llama solución trivial.

59
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Este sistema de ecuaciones lineales está representando geométricamente, un conjunto de tres planos
que pasan por el origen (término independiente nulo).
La solución trivial indica que los tres planos se intersecan en el origen de coordenadas, de allí que el
sistema sea compatible determinado.

Ejemplo Nº 5

4x  y  z  0 

x  2y  z  0 
3x  3 y  2 z  0

1º PASO
4  1 1 
 
A= 1 2  1  e12
3  3 2 
 
1 2 1
4  1 1  e21( 4)
3 3 2
1 2 1
0  9 5  e31( 3)
3 3 2
1 2 1
0  9 5  e32 ( 1)
0 9 5
1 2 1
0  9 5  e1( 9)
0 0 0
9 18  9
0  9 5  e12( 2)
0 0 0
9 0 1
0  9 5  e1( 1 )  e2(  1 )
9 9

0 0 0
1 0 19
0 1  59
0 0 0

2º PASO

El sistema asociado a la matriz R (A) (reducida de la matriz ampliada) es:

60
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
x  0 y  19 z  0 

0 x  y  59 z  0  sistema resolvente
0 x  0 y  0 z  0

Escribimos las incógnitas principales en función de las secundarias:

x   19 z 

y  59 z 

3º PASO

Teorema de Rouché- Frobenius:

Vamos a analizar los rangos de la matriz de los coeficientes y de la matriz ampliada para clasificar este
sistema:

r  A  2 ; r A H   2 por ser los rangos iguales este sistema es compatible.

Este sistema tiene tres incógnitas, n=3.

Por ser los rangos r  A  r A H    n menores al número n de incógnitas el sistema es compatible

indeterminado, es decir tiene infinitas soluciones.

De la expresión n  r  t , siendo n el número de incógnitas y r el rango de las matrices, se despeja la

cantidad de parámetros (o sea variables secundarias del sistema), en este caso n  r  3  2  1 , en la
solución de este sistema habrá un parámetro.

4º PASO

En el sistema resolvente observamos que la incógnita z, puede tomar infinitos valores, esto lo
representamos asignando a z un parámetro: z  t .

x   19 t 
El sistema resolvente queda: 
y  95 t 

Ahora escribimos el conjunto solución o solución general:

S  ( x, y, z )  ( 19 t , 59 t , t )  t ( 19 , 59 ,1) solución general

Asignando a t un valor particular, obtendríamos una solución particular.

Este sistema de ecuaciones lineales está representando geométricamente, un conjunto de tres planos
que pasan por el origen (término independiente nulo) y que se intersecan en una recta.
La solución general que obtuvimos: S  ( x, y, z )  t ( 19 , 59 ,1) representa la ecuación de esa recta
intersección.
Si hacemos t=0 obtenemos la solución particular S  ( x, y, z )  t ( 19 , 59 ,1)  (0,0,0) , es decir que la
solución trivial está incluida en el conjunto solución, esto indica que la recta también pasa por el
origen de coordenadas.

61
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
La recta pasa por el origen y la terna ( 19 , 59 ,1) es su vector dirección.
Una recta tiene infinitos puntos, cada solución particular del sistema representa a cada uno de los
puntos que pertenecen a la recta. Concluyendo, los tres planos que pasan por el origen se cortan en el
espacio en una recta, que también pasa por el origen y que por tener infinitos puntos el sistema tiene
infinitas soluciones, o sea es compatible indeterminado.

Ejemplo Nº 6

3x1  x2  x3  x4  0

5 x1  x2  x3  x4  0

Este sistema tiene más incógnitas que ecuaciones, por lo que será compatible indeterminado.

1º PASO

3 1 1 1
A=   e2(3)
5  1 1  1
3 1 1 1
 e21( 5)
15  3 3 3
3 1 1 1
e
0  8  2  8 1(8)
24 8 8 8
e
0  8  2  8 12 (1)
24 0 6 0
 e 1  e2(  1 )
0  8  2  8 1( 24 ) 8

1 0 1
4
0
R(A)=  
0 1 1
1
4

2º PASO

El sistema asociado a la matriz R (A) (reducida de la matriz ampliada) es:

x1  0 x2  14 x3  0 x4  0
 sistema resolvente
0 x1  x2  14 x3  x4  0 

Escribimos las incógnitas principales en función de las secundarias:

x1   14 x3 

x2   x3  x4 
1
4

3º PASO

Teorema de Rouché- Frobenius:

62
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Vamos a analizar los rangos de la matriz de los coeficientes y de la matriz ampliada para clasificar este
sistema:

r  A  2 ; r A H   2 por ser los rangos iguales este sistema es compatible.

Este sistema tiene cuatro incógnitas, n=4.

Por ser los rangos r  A  r A H    n menores al número n de incógnitas el sistema es compatible

indeterminado, es decir tiene infinitas soluciones.

De la expresión n  r  t , siendo n el número de incógnitas y r el rango de las matrices, se despeja la

cantidad de parámetros (o sea variables secundarias del sistema), en este caso n  r  4  2  2 , en la
solución de este sistema habrá dos parámetros.

4º PASO

En el sistema resolvente observamos que las incógnitas x3 y x4 , pueden tomar infinitos valores, esto
lo representamos asignando a x3 un parámetro x3  t1 y a x4 otro parámetro x4  t2 .

x1   14 t1 
El sistema resolvente queda: 
x2   14 t1  t2 

Ahora escribimos el conjunto solución o solución general:

S  ( x1 , x2 , x3 , x4 )  ( 14 t1 , 14 t1  t 2 , t1 , t 2 )  t1 ( 14 , 14 ,1,0)  t2 (0,1,0,1) solución general

Asignando a t1 y a t2 un valor particular a cada uno, obtendríamos una solución particular.

Ejemplo Nº 7

Determinar la condición que deben cumplir los segundos miembros y1 , y2 , y3 para que el siguiente
sistema de ecuaciones sea compatible.

x1  2 x2  3x3  y1 

2 x1  3x2  x3  y2 
5 x1  4 x2  x3  y3 

Comenzamos a reducir la matriz ampliada:

1 2  3 y1
2  3 1 y2  e21( 2)
5  4  1 y3
1 2 3 y1
0  7 7  2 y1  y2  e31( 5)
5  4 1 y3

63
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 2 3 y1
0  7 7  2 y1  y2  e32( 2 )
0  14 14  5 y1  y3
1 2 3 y1
0 7 7  2 y1  y2
0 0 0  y1  2 y2  y3

No es necesario continuar reduciendo la matriz, en esta instancia en la que se ha anulado una fila,
podemos analizar la compatibilidad del sistema usando el teorema de Rouché Frobenius.
Para que este sistema sea compatible deben ser los rangos de las matrices iguales, vemos que el rango
de la matriz A es r  A  2 , por lo tanto el rango de la matriz ampliada también debe ser r A H   2 .
Para que r A H   2 , el elemento  y1  2 y2  y3 debe ser igual a cero:
 y1  2 y2  y3  0 .

La ecuación anterior se puede escribir: y1  2 y2  y3  0 esta es la condición pedida.

NOTA:
Los segundos miembros y1 , y2 , y3 deben cumplir tantas condiciones como filas se anulen, si no se anula
ninguna fila, no hay condición que cumplir y cualquier juego de valores que se les asigne a y1 , y2 , y3 ,
conduce a un sistema compatible.

Resolver:
x1  2 x2  5 x3  y1  x1  2 x2  x3  y1 
6 x1  4 x2  y1   
 4 x1  5 x2  8 x3  y2   4 x1  5 x2  2 x3  y2 
3x1  2 x2  y2 
 3x1  3x2  3x3  y3   4 x1  7 x2  4 x3  y3 
Rta.: y1  2y2 , y1  y2  y3 , no hay condición a cumplir

Ejemplo Nº 8

ax  0 y  2 z  0

5x  2 y  0z  1 
x  2 y  bz  3 

a 0 2 0
5 2 0 1  e13
1 2 b 3
1 2 b 3
5 2 0 1  e21( 5)  e31(  a )
a 0 2 0
1 2 b 3
0 12  5b  14  e32 (  1 a )
6

0 2a  ab  2  3a

64
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 2 b 3
0 12  5b  14  e3( 6 )
0 0  6 ab  2  23 a
1

1 2 b 3
0 12  5b  14
0 0  ab  12  4a

Analizamos usando el teorema de Rouché Frobenius:

Si a.b  12 con  4a  0  sistema incompatible

Si a.b  12 con  4a  0  sistema compatible indeterminado

Si a.b  12  sistema compatible determinado

Ejercicio Nº 2

Resolver los siguientes sistemas de ecuaciones lineales por el método de Gauss-Jordan

3x  4 y  20  10 x  15 y  0 x  2 y  5 
a)  , b)  , c) 
 5 x  4 y  36 3x  4 y  1  2 x  y  1

x1  x2  x3  0  4 x1  x2  x3  0  x1  2 x2  3x3  4 x4  0
2x  3 y  5    
d)  , e) 3x1  3x2  x3  0  , f) x1  2 x2  x3  0  , g) x1  x2  2 x3  3 x4  0 
3x  2 y  12
x1  7 x2  3x3  0 3x1  x2  5 x3  0 x1  2 x2  3x3  0 

3 x  3 y  2 z  2 2x  2 y  2z  0  x1  x2  x3  x4  2 
  
h) 0 x  2 y  z  1  , i)  2 x  5 y  2 z  0 , j)  x1  2 x2  x3  x4  4
3 x  5 y  0 z  2  7 x  7 y  z  0  2 x1  x2  2 x3  x4  1 

2 x  y  z  2 

k) x  2y  z 1 
0 x  5 y  z  1 

Rta.: a) S  ( x, y )  (4,2) , b) S  ( x, y )  (3,2) , c) S  ( x, y )  (1,3) , d) S  ( x, y )  (2,3) ,

2 1   7 1 
e) S  ( x1 , x2 , x3 )  t  , ,1 , f) S  ( x1 , x2 , x3 )  0,0,0  , g) S  ( x1 , x2 , x3 .x4 )  t   , , 1, 0 
3 3   3 3 

 3 4 
h) S  ( x, y, z )  1, 1, 1 , i) S  ( x, y, z )  t   , ,1
 7 7 
1 3  5 9 
j) S  ( x1 , x2 , x3 , x4 )   ,3, ,0   t  ,3, ,1 , k) sistema incompatible
2 2  2 2 

65
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejercicio Nº 3

Determinar la condición que deben cumplir los segundos miembros y1 , y2 , y3 para que el siguiente
sistema de ecuaciones sea compatible.

x1  x2  2 x3  y1 

a) x1  x3  y2  Rta.: y3  y1  y2
2 x1  x2  3x3  y3 

3x1  x2  3x3  y1 

b) 2 x1  x2  2 x3  y2  Rta.: 7 y1  8 y2  5 y3  0
x1  3x2  x3  y3 

Ejercicio Nº 4

Determinar el valor que debe tomar el escalar a para que el siguiente sistema no tenga solución.

0 x  7 y  10 z  4

2 x  3 y  4 z  4  Rta.: a  4
x  2 y  3z  a 

Ejercicio Nº5

Determinar el valor que debe tomar el escalar a para que el siguiente sistema admita solución distinta
de la trivial.

x  2y  z  0 

2 x  y  z  0  Rta.: a  5
0 x  ay  z  0

Ejercicio Nº 6

Determinar el valor que debe tomar el escalar m para que el siguiente sistema sea: compatible
determinado, compatible indeterminado o incompatible.

x  y  z  m 1 
 m  1  sist incomp
mx  y  (m  1) z  m  Rta.:
m  1  sist comp det er min ado
0 x  (m  1) y  0 z   m

Ejercicio Nº 7

Determinar los valores que deben tomar los escalares a,b,c para que el siguiente sistema sea:
compatible determinado, compatible indeterminado o incompatible.

66
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2 x  ay  bz  c  a  b  2  c  sist comp in det

 2 x  0 y  0 z  2 Rta.: a  b  sist comp det er min ado
 2 x  y  z  1  a  b  2  c  sist incomp

Ejercicio Nº8

Determinar el valor que debe tomar el escalar a para que el siguiente sistema sea: compatible
determinado, compatible indeterminado o incompatible.

kx  y  1 
 k  1  S  ( x, y )  (2,3)
3x  2 y  0 Rta.:
k 1 S   
x  ky  1 

Ejercicio Nº9

Determinar el valor que debe tomar el escalar a para que el siguiente sistema sea: compatible
determinado, compatible indeterminado o incompatible.

x  2 y  3z  4  a  4  sist comp in det


3x  y  5 z  2  Rta.: a  4  sist comp det er min ado
 a  4  sist incomp
4 x  y  (a  14) z  a  2
2

Ejercicio Nº10

Suponer que la matriz dada es la matriz reducida por filas de la matriz ampliada de un sistema lineal,
dar el conjunto solución.

1  6 0 0 3  2
1 0 0  3 1 0 0  7 8   1  3 0 0
0 0 1 0 4 7  
a) 0 1 0 0  b) 0 1 0 3 2  c)  d ) 0 0 1 0
0 0 0 1 5 8
0 0 1 7  0 0 1 1  5   0 0 0 1
0 0 0 0 0 0 

a) S  ( x, y, z )   3, 0, 7  , b) S  ( x, y, z , w)  8,2,5,0   t 7,3,1,1

c) S  ( x1 , x2 , x3 , x4 , x5 )   2,0,7,8,0   s6,1,0,0,0   t  3,0,4,5,1 , d )incomp

Ejercicio Nº11

Determinar el valor que debe tomar el escalar a para que el siguiente sistema sea: compatible
determinado, compatible indeterminado o incompatible.

x y z 4  3
a2a Compatible indeterminado
 2
z2  Rta.:
 3 Incompatible
( a 2  4) z  a  2  a  2 a  
2

Ejercicio Nº12

67
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 a 0 b 2
Sea a a 4 4 la matriz ampliada de un sistema lineal, hallar los valores de a y b para que:
0 a 2 b 
a) tenga una solución única, b) tenga una solución general con un parámetro, c) tenga una solución
general con dos parámetros d) no tenga solución

a )a  0, b  2 c)a  0, b  2
Rta.:
b)a  0, b  2 d )a  0, b  2

Ejercicio Nº13

Hallar los valores de a,b,c, de modo que el sistema tenga solución (1,-1, 2)
ax  by  3z  3 

2 x  by  cz  1 Rta.: a  2, b  1, c  1
ax  3 y  cz  3 

Tema: MATRICES
Los arreglos rectangulares de números reales surgen en muchos contextos distintos a las matrices
aumentadas de sistemas de ecuaciones lineales. A continuación, estos arreglos se considerarán como
objetos en sí y se desarrollarán algunas de sus propiedades para aplicarlas más tarde.

Matrices

Dados m y n enteros positivos, una matriz A de m x n es un arreglo rectangular de escalares dispuestos

en m filas y n columnas.
Los m x n números del arreglo se llaman elementos de la matriz. Un elemento genérico de la matriz se
simboliza aij , esto significa que este elemento representa a un elemento cualquiera. En la notación aij ,
el primer subíndice i, significa que el elemento se encuentra en la fila i, también se dice i-ésima fila. El
segundo subíndice j, significa que el elemento se encuentra en la columna j, también se dice j-ésima
columna.
Las matrices se nombran con una letra mayúscula y sus elementos con la misma letra pero en
minúscula, así aij es el elemento genérico de la matriz A, a12 es el elemento particular de A ubicado en
la fila 1 y en la columna 2.
columna j

 a11 a12 ... a1 j ... a1n 

a ... a2 n 
 21 a22 ... a2 j elemento genérico
 : : : : 
Amxn  
 ai1 ai 2 ... aij ... ain  fila i
 : : : : 
 
am1 am 2 ... amj ... amn 

68
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Trabajaremos con matrices cuyos elementos son números reales, estas matrices se denominan matrices
reales y se simbolizan: A R mxn , se lee: A pertenece al conjunto de las matrices de m filas y n
columnas cuyos elementos son números reales.

a1 j 
 
 a2 j 
 : 

La fila i se indica : Ai  ai1 ai 2 ...aij ...ain  , la columna j se indica: A    .
j

aij 
 
 : 
amj 
 

 
La matriz A se puede escribir en forma abreviada: Amxn  aij , usando la notación del elemento
genérico, y sin necesidad de escribir todos sus elementos.

Tamaño u orden de una matriz

Una matriz que tiene m filas y n columnas es de tamaño u orden m x n .

Matriz fila

Si una matriz es de orden 1 x n, se denomina matriz fila o vector fila.

Ejemplo: A  2  7 0 13 1

Matriz columna

Si una matriz es de tamaño m x 1, se denomina matriz columna o vector columna.

 2
Ejemplo: A    1
 5

Matriz cuadrada

Una matriz Amxn es cuadrada si m=n. En este caso, se dice que el orden de A es n.

2 3 0
Ejemplo: A3   1 5  1  decimos que A es una matriz cuadrada de orden 3

 3 0  2

Los elementos de una matriz cuadrada de iguales subíndices, forman la diagonal principal:
a11 , a22 ,..., akk ,..., ann , en el ejemplo los elementos 2,5,-2 forman la diagonal principal.

Matriz identidad

 1 si i  j
Se le asigna la letra I, es una matriz cuadrada en la que se cumple: aij 
 0 si i  j
Ejemplo:

69
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0 0 0
1 0 0 0 1 0 0 
  1 0  
I 3  0 1 0  , I 2    , I 4  0 0 1 0 
 0 1 
0 0 1  
0 0 0 1 

Matriz nula

Es la matriz de cualquier orden cuyos elementos son todos ceros. Se designa con la letra O.

Ejemplo:

0 0 0 
0 0 0   
O2 x 3   matriz nula de orden 2x3 , O3  0 0 0 matriz nula de orden 3.
 0 0 0  0 0 0

Igualdad de matrices

Dos matrices Ay B son iguales si tienen el mismo orden y si aij  bij i  1,..., m y j  1,..., n , es decir,
cuando los elementos correspondientes u homólogos son iguales.

Ejemplo:

 1 2 3  1 2 3  1 2
A  ,B  ,C    A  B  x  3 y  0
  1 x 0  1 3 y   1 x 

C  A porque son de distintos tamaños.

Operaciones con matrices

Habíamos usado las matrices para resolver sistemas de ecuaciones lineales, para otras aplicaciones es
necesario desarrollar una aritmética de matrices en la que sea posible sumar, restar y multiplicar
matrices. A continuación desarrollaremos esa aritmética.

Suma de matrices

 
Sean las matrices A, B  R mxn , se define la suma de A  aij y B  bij , que denotamos : A  B , de  
la manera siguiente: A  B  aij  bij  
Ejemplo:

 1 2  1 3 0  1  4 2  2
A  , B   1  4 2  , A  B  0 1 2 
 1 5 0     

Si A y B son matrices del mismo tamaño, entonces la suma A+B es la matriz obtenida al sumar los
elementos de B con los elementos homólogos de A, la resta A-B es la matriz obtenida al restar los
elementos de B de los elementos homólogos de A. No es posible sumar o restar matrices de tamaños
diferentes.

70
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejemplo:

2 1 0 3  4 3 5 1
1 1 
A   1 0 2 4 , B   2 2 0  1 , C  
  

 4  2 7 0  3 2  4 5   2 2

  2 4 5 4  6 2 5 2 
A  B   1 2 2 3 , A  B   3  2 2
  5 
 7 0 3 5  1  4 11  5
Las expresiones A  C , B  C , A  C , B  C no están definidas. Ahora veremos las propiedades de la
suma de matrices.

Propiedades de la suma de matrices

Sean A, B, C  R mxn , entonces:

1. Propiedad conmutativa: A  B  B  A

2. Propiedad asociativa:  A  B   C  A  ( B  C )

3. Elemento neutro: es la matriz nula O  R mxn . Se verifica: A  O  O  A  A .

4. Elemento opuesto: para la matriz A su opuesto se denota (–A),  A R mxn . La suma de ambas
matrices da como resultado la matriz nula: A   A   A  A  O .

Producto de una matriz por un escalar

Sea A  R mxn y k  R , se define el producto del escalar k por la matriz A, que denotamos: kA, como la
matriz kA R mxn , de la manera siguiente: kA  kaij .  
Ejemplo:

 1 2  1  1 2  1  3  6 3
A  , k  3  kA  (3)   
 1 5 0   1 5 0   3  15 0

0 2 7 0  2  7 
B  , k  1  kB  (1) B     B , es común denotar (-1)B por -B.
 1 3  5 1  3 5 

Propiedades del producto de una matriz por un escalar

Sean A, B  R mxn , k1 , k2  R entonces:

71
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1. Propiedad asociativa mixta: k1 k2 . A  k1. k2 . A  k2 .k1. A
  
matriz escalar matriz
       
matriz matriz matriz
2. Propiedad distributiva del producto de una matriz por un escalar con respecto a la suma de matrices:
k.  A  B  k. A  k. B

3. Propiedad distributiva del producto de una matriz por un escalar con respecto a la suma de escalares:
k1  k2  . A  k1. A  k2 . A
4. Elemento neutro: es el número 1, cualquier matriz multiplicada por el número 1 da como resultado
la misma matriz 1. A  A

Espacio vectorial

Vimos que en el conjunto de matrices R mxn podemos definir una ley de composición interna o suma y
una ley de composición externa o producto por un escalar. En la figura podemos ver la representación
gráfica de estas leyes, en el caso de la suma, tanto las matrices sumandos A y B como el vector suma
A+B, pertenecen al mismo conjunto, por ello se llama ley de composición interna.
En el caso del producto por un escalar, es necesario un elemento ajeno al conjunto de matrices, un
escalar. El conjunto que presta sus elementos es el conjunto de los números reales (sus elementos se
llaman escalares). Para realizar esta operación necesito un elemento externo al conjunto de matrices,
de allí el nombre de esta ley.

Vimos que para la suma de matrices se cumple:

Sean A, B, C  R mxn , entonces:
1. Propiedad conmutativa: A  B  B  A
2. Propiedad asociativa:  A  B   C  A  ( B  C )
3. Elemento neutro: es la matriz nula O  R mxn . Se verifica: A  O  O  A  A .
4. Elemento opuesto: para la matriz A su opuesto se denota (–A),  A R mxn . La suma de ambas
matrices da como resultado la matriz nula: A   A   A  A  O .

Para el producto de una matriz por un escalar se cumple:

Sean A, B  R mxn , k1 , k2  R entonces:

72
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1. Propiedad asociativa mixta: k1 k2 . A  k1. k2 . A  k2 .k1. A
  
matriz escalar matriz
       
matriz matriz matriz
2. Propiedad distributiva del producto de una matriz por un escalar con respecto a la suma de matrices:
k.  A  B  k. A  k. B
3. Propiedad distributiva del producto de una matriz por un escalar con respecto a la suma de escalares:
k1  k2  . A  k1. A  k2 . A
4. Elemento neutro: es el número 1, cualquier matriz multiplicada por el número 1 da como resultado
la misma matriz 1. A  A

Por cumplirse estas 8 propiedades, podemos decir que V  R mxn tiene una estructura algebraica
denominada espacio vectorial. Estas propiedades ya las vimos con los vectores geométricos de R 2 y
R 3 , es decir, que un espacio vectorial es un conjunto que puede estar formado por: vectores en el
plano, vectores en el espacio, matrices u otros elementos siempre que se cumpla las 8 propiedades de
arriba.

Resumiendo:
El conjunto de todas las matrices de orden mxn con elementos reales, es un espacio vectorial.

Combinación lineal

Hemos visto que a las matrices las podemos sumar y multiplicar por un escalar, estas dos operaciones
dan origen a una nueva operación que se deriva de las dos operaciones anteriores: la combinación
lineal.
Diremos que una combinación lineal es una sumatoria de productos por un escalar. Podemos hacer
combinaciones lineales de vectores en el plano, de vectores en el espacio, de matrices, de filas de
matrices, de columnas de matrices, etc.

Sean A, B, C  R mxn , k1 , k2 , k3  R . La matriz k1 A  k2 B  k3C se llama combinación lineal de las

matrices A, B, C según los escalares k1 , k2 , k3 .

Ejemplo

 2 3 4 0 2 7 9  6 3 
Dadas las matrices A    ,B    ,C    , haremos la combinación
1 3 1   1 3  5 3 0 12
1
lineal usando los escalares: 2, -1 , :
3
1 4 6 8  0 2 7  3  2 1  7 2 2 
2A  B  C     
3 2 6 2  1 3  5 1 0 4 4 3 11

7 2 2  1
La matriz D    es combinación lineal de las matrices A, B, C según los escalares: 2, -1 , .
4 3 11 3

Ahora trabajaremos con las filas de una matriz.

Sean A1 , A2 ,..., An filas de una matriz A  R mxn , k1 , k2 ,..., k n  R . La fila k1 A1  k2 A2  ...  k n An se llama
combinación lineal de las filas A1 , A2 ,..., An según los escalares k1 , k2 ,..., k n .

73
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
3  5 1
Dada la matriz B    , sus filas son: B1  3  5 1 , B2  1 0 4
1 0 4
Formaremos una matriz C, cuyas filas son combinación lineal de las filas de B:

C1  2 B1  5B2  23  5 1  51 0 4  1  10  18 y

1  10  18
C2  B1  3B2  3  5 1  31 0 4  6  5 13 , entonces C   
6  5 13 

Producto de matrices

Recién vimos el producto de una matriz por un escalar, ahora veremos el producto entre dos matrices A
y B.
Si A es una matriz de orden mxr y B es una matriz de orden rxn , entonces el producto AB es la matriz
mxn cuyos elementos se determinan así:
 Para hallar el elemento en la fila i y en la columna j de AB, considerar la fila i de A y la
columna j de B.
 Multiplicar entre sí los elementos correspondientes de la fila i y de la columna j y luego sumar
los productos resultantes.

 4 1 4 3
1 2 4 
A  B  0  1 3 1
2 6 0 2 7 5 2
Como A es 2x3 y B es 3x4, el producto AB es una matriz 2x4. Para hallar el elemento en la fila 2 y en
la columna 3 de AB, sólo se considera la fila 2 de A y la columna 3 de B. Luego los elementos
correspondientes se multiplican entre sí y se suman los productos obtenidos.

2.4  6.3  0.5  26

El elemento en la fila 1 y columna 4 de AB se calcula así:

 4 1 4 3
1 2 4 
A  B  0  1 3 1
2 6 0 2 7 5 2
1.3  2.1  4.2  13
Así los otros elementos son:

74
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1.4  2.0  4.2  12
1.1  2.1  4.7  27
1.4  2.3  4.5  30 12 27 30 13
la matriz producto es: AB   
2 .4  6 .0  0 .2  8  8  4 26 12
2.1  6.1  0.7  4
2.3  6.1  0.2  12

Para formar el producto AB, la definición de producto de matrices requiere que el número de columnas
del primer factor A, sea el mismo que el número de filas del segundo factor B. Si no se cumple esta
condición, entonces el producto está indefinido.
Una manera rápida para determinar si el producto de dos matrices está definido es escribir el tamaño
del primer factor y, a la derecha, escribir el tamaño del segundo factor. Si los números internos son
iguales, entonces el producto está definido. Los números externos indican el orden de la matriz
producto.

Ejemplo

Dadas las matrices A, B, C cuyos tamaños son: A3x 4 , B4 x 7 y C7 x 3 .

Observar que AB está definida, se trata de una matriz 3x7, CA está definido se trata de una matriz 7x4
y BC está definido se trata de una matriz 4x3. Los productos AC, CB y BA están indefinidos.

Producto de matrices por columnas y por filas

Recién resolvimos el producto:

 4 1 4 3
1 2 4 
0  1 3 1  12 27 30 13
AB   .   8  4 26 12
 2 6 0
2 7 5 2  
Las matrices columnas de AB se pueden escribir como combinaciones lineales de las matrices columna
de A, los escalares son los elementos de las columnas de B:

12 1   2  4  27  1 2 4 30 1   2   4 

 8   42  06  20 ,  4  2  6  7 0 , 26  42  36  50
                       

13 1   2   4
12  32  6  20
       

Las matrices filas de AB se pueden escribir como combinaciones lineales de las matrices fila de B, los
escalares son los elementos de las filas de A:

75
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
12 27 30 13  4 1 4 3  20  1 3 1  42 7 5 2

8  4 26 12  24 1 4 3  60  1 3 1  02 7 5 2

Forma matricial de un sistema lineal

El producto de matrices tiene una aplicación importante en los sistemas de ecuaciones lineales. Sea el
sistema de m ecuaciones lineales con n incógnitas:

a11 x1  a12 x2  ...  a1n xn  h1 

a21 x1  a22 x2  ...  a2 n xn  h2 

............................................ 
am1 x1  am 2 x2  ...  amn xn  hm 

Como dos matrices son iguales si y solo si sus elementos homólogos son iguales, podemos sustituir las
m ecuaciones lineales en el sistema por la ecuación matricial:

a11 x1  a12 x2  ...  a1n xn   h1 

a x  a x  ...  a x   h 
 21 1 22 2 2n n 
  2
....................................   ... 
   
am1 x1  am 2 x2  ...  amn xn  hm 

La matriz mx1 en el primer miembro se puede escribir como un producto:

 a11 a12 ... a1n   x1   h1 

a ... a2 n   x2   h2 
 21 a22 
 : : ... :   :   : 
    
am1 am 2 ... amn   xn  hm 

Si estas matrices se designan A, X, H respectivamente, entonces el sistema original de m ecuaciones

con n incógnitas se puede escribir: AX  H , expresión que recibe el nombre de forma matricial de un
sistema de ecuaciones lineales. Esta notación tiene la ventaja de que simplifica notablemente la forma
de escribir un sistema lineal.
Veremos una operación matricial que carece de análogo en los números reales: la transposición de
matrices.

Transpuesta de una matriz

Si A es una matriz mxn entonces la transpuesta de A, denotada AT , se define como la matriz nxm que
se obtiene al intercambiar las filas y las columnas de A, es decir, la primera columna de AT es la
primera fila de A, la segunda columna de AT es la segunda fila de A, y así sucesivamente.

 2 3  1  2 4  1 3  5
2 1 5
B  1 4 , BT   , A   3 7 0 , A   2 7 8 
T

 3 4 6
5 6  5 8 6  4 0 6 

76
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Traza de una matriz cuadrada

Sea A una matriz cuadrada, entonces la traza de A, denotada por tr(A), se define como la suma de los
elementos de la diagonal principal. La traza de A no está definida si A no es una matriz cuadrada.

 1  2 4
A   3 7 0 tr ( A)  1  7  6  14
 5 8 6

Ejercicio Nº1

Dadas A4 x 5 B4 x 5 C5 x 2 D4 x 2 E5 x 4 ,determinar cuáles de las siguientes expresiones de matrices están

definidas. Para las que están definidas dar el orden de la matriz resultante.
a ) BA e) E ( A  B )
b) AC  D f ) E ( AC )
Rta.:a) c) d) g)indefinida, b)4x2 e)5x5 f)5x2 h)5x2
c) AE  B g )ET A
d ) AB  B 
h) AT  E D 
Ejercicio Nº2
 ab b  c  8 1 
Resolver la ecuación matricial:   
3d  c 2a  4d  7 6
NOTA: Igualar los elementos homólogos y luego resolver el sistema en las incógnitas a,b,c,d.
Rta.: a=5,b= -3,c=4,d=1

Ejercicio Nº3

Sean las matrices:

 3 0  1 5 2  6 1 3
  4  1 1 4 2
A    1 2 B    C  D   1 0 1 E   1 1 2
 
 1 1 0 2  3 1 5  3 2 4  4 1 3
Calcular si es posible:
a) D  E e) 2 B  C i )tr ( D)
b) D  E f )4 E  2 D j )tr ( D  3E )
c)5 A g )  3( D  2 E ) k )4tr (7 B )
d )  7C h) A  A l )tr ( A)

Ejercicio Nº4

Con las matrices del ejercicio 3, calcular si es posible:

1 1
a)2 AT  C e) C T  A
2 4
b) D T  E T f )B  B T

c ) D  E 
T
g ) 2 E T  3D T
d ) BT  5C T

h) 2 E T  3DT T

77
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Ejemplo
 0 1
 3 2  1
Realizar los productos AB y BA siendo A   1 2 y B  
  1 4 0 
 4 2

La matriz A es de orden 3x2, la matriz B de 2x3, el producto AB será de orden 3x3, pero el BA de
orden 2x2. Realizar el producto haciendo las combinaciones lineales de filas o de columnas resulta
muy tedioso, por ello es que para los dos productos, usaremos una disposición práctica que consiste en
dibujar una cruz y colocar las matrices de la siguiente manera:

matriz que posmultiplica

matriz que premultiplica matriz producto

Luego se procede como se muestra con el elemento de la fila 1 y columna 1 de la matriz producto, este
elemento se obtiene de sumar los productos entre los elementos correspondientes a la primera fila de la
matriz que premultiplica, por los elementos de la primera columna de la matriz que posmultiplica.

El elemento -1 de la matriz AB se obtiene haciendo la

 3 2  1
 1 4 B siguiente operación:
 0  0.3+1.(-1)=-1
 0 1 1 4 0  El elemento -4 de la matriz producto se obtiene
A   1 2  5 6 1   AB
 
haciendo: 4.(-1)+2.0=-4
De manera análoga, se obtienen los restantes elementos
 4 2  10 16  4 de la matriz AB.

 0 1
  1 2  A El elemento -4 de la matriz BA se obtiene
 
 4 2 haciendo: (-1).0+4.(-1)+0.4=-4

 3 2  1   6 5
B   4 7  BA
 1 4 0   

Este ejemplo muestra que si bien ambos productos están definidos, es decir, A y B son compatibles
para realizar tanto AB como BA, obtuvimos resultados diferentes. Podemos concluir que el producto de
matrices no goza de la propiedad conmutativa.

  1 0 1 2
Realizar los productos AB y BA siendo A    y B 
 2 3 3 0
  1  2  3 6
En este caso obtendremos: AB    y BA    . (Verificar!)
 11 4    3 0
Ambos productos están definidos y son matrices del mismo orden, pero AB  BA .

Conclusión:
Cuando multiplicamos dos matrices A y B puede suceder:
1. que AB esté definido pero BA no, por ejemplo si A es una matriz 2x3 y B es una matriz 3x4,

78
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2. que AB y BA estén ambos definidos, pero que sean de tamaños diferentes, por ejemplo si A es
una matriz 2x3 y B es una matriz 3x2,
3. que AB y BA estén ambos definidos, y que sean del mismo tamaño, por ejemplo si A es una
matriz 3x3 y B es una matriz 3x3

En general, el producto de
matrices no goza de la propiedad
conmutativa.

1 2 0 
1 2 0 0 1 1
Realizar los productos AB y CB siendo A    , B  2 1 1 y C  
0 1 2   2 3 0
3 3 1
1 2 0 
2 1 1   B
 
3 3 1
1 2 0 5 4 2
A  8 7 3  AB
0 1 2   

1 2 0 
2 1 1   B
 
3 3 1
0 1 1 5 4 2
C  8 7 3  CB
 2 3 0  

En este caso AB=CB lo que no implica que A=C, podemos ver que A y C son matrices distintas.

Conclusión:
En general, en el producto de matrices no vale la ley de simplificación. Lo que significa, que en la
igualdad AB = AC no puede deducirse que B = C.

1 2 0 
1 1  1  
Realizar los productos AB y BA siendo A    y B   2 1 1
  2  2 2  3 3 1
Resolver…

Conclusión:
El producto de matrices no nulas, puede ser una matriz nula.

79
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Ejercicio Nº5

Con las matrices del ejercicio 3, calcular si es posible:

a ) AB e) A( BC )  
i )tr DDT
j )tr 4 E  D 
T
b) BA f )CC T

c)(3E ) D g )( DA)T k )tr C A  2 E 

T T T

d )( AB)C 
h) C T B AT 
Ejercicio Nº6

Con las matrices del ejercicio 3, calcular si es posible:

 
a ) 2 DT  E A
b) AC   5D
T T

e) BT CC T  AT A 
c)BA  2C  f ) DT E T  ED 
T T T

d )(4 B)C  2 B

Ejercicio Nº7

Determinar las matrices A,X y H que expresen el sistema de ecuaciones lineales como una ecuación
matricial AX=H.
2 x1  3x2  5 x3  7 x1  6 x2  4 x3  2
 
a) 9 x1  x2  x3  1  b) 2 x1  x2  3x3  1 
x1  5 x2  4 x3  0  4 x1  x2  2 x3  1

Ejercicio Nº8

Expresar la ecuación matricial como un sistema de ecuaciones lineales:

 3  1 2   x   2
4 3 7. y    1

 2 1 5  z   4

Propiedades del producto de matrices

Sean A , B y C matrices de órdenes adecuados para realizar las operaciones indicadas, k  R :

1. Propiedad asociativa:  AB C  ABC 

2. Propiedad distributiva del producto de matrices respecto de la suma de matrices:

Se presentan dos casos:
 Distributiva por la derecha:  A  B C  AC  BC , observar que C posmultiplica en el primer
miembro, por no cumplir el producto de matrices con la propiedad conmutativa, C debe estar
también posmultiplicando en los dos términos del segundo miembro para que se cumpla la
igualdad.

80
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 Distributiva por la izquierda: AB  C   AB  AC , observar que A premultiplica en el primer
miembro, por no cumplir el producto de matrices con la propiedad conmutativa, A debe estar
también premultiplicando en los dos términos del segundo miembro para que se cumpla la
igualdad.

3. Propiedad asociativa mixta: kAB  k ( AB)  A(kB) , observar que en esta propiedad el escalar
puede conmutar pero las matrices no, en todos los casos A premultiplica (primera matriz factor) y B
posmultiplica (segunda matriz factor).

4. Elemento neutro: sea A R mxn , entonces I m A  A y AI n  A , la matriz identidad de orden

adecuado es elemento neutro para la multiplicación, tanto a izquierda como a derecha.

Ejemplo
1 2
  1 0 0 0 2
 1 2  2  1  2 2 1
Dadas: A    B  C   0  2 0 0 D
3 2 1   0  1 1 0 1
 1 0 0 1  
 1 3
Comprobar las siguientes igualdades:
a) AI  IA  A b)BC D  B(CD) c)( A  B)C  AC  BC

a ) AI  IA  A
A tiene de tamaño 2x3, así que para poder realizar el producto AI, la matriz identidad debe ser de
tamaño 3. Para el producto IA debe ser de tamaño 2.

1 0 0
0 1 0   I
  3  1 2  2
3 A
0 0 1
 2 1 
 1 2  2  1 2  2 1 0    1 2  2
A    A2 x 3 I 3 I2     I 2 A2 x 3
3 2 1  3 2 1  0 1   3 2 1 

b)BC D  B(CD) BC D 

 D

C
  
  1 2
  1 0 0 0  2 1
 0  2 0 0  
   0 1
 1 0 0 1  
  1 3
 1  2 2 3 4 0 2 9 16
B  1 2 0 1  4 7 
 0  1 1  
 
BC ( BC ) D

B (CD )

81
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 D 
 1 2
 2 1
 
 0 1
 
  1 3
  1 0 0 0  0 1 
C   0  2 0 0  1 2  CD
 1 0 0 1  4 2
 1  2 2 9 16
B  4 7   B(CD )
 0  1 1  

c)( A  B )C  AC  BC

( A  B )C
  1 2  2    1  2 2   2 0 0 
A B    +   
 3 2 1   0  1 1   3 1 2

 1 0 0 0
 0 2 0 0  C

 1 0 0 1
 2 0 0 2 0 0 0
A B    1  2  ( A  B)C
 3 1 2

 0 2

AC  BC
 1 0 0 0
 0 2 0 0  C

 1 0 0 1
 1 2  2   1  4 0  2
A   AC
 3 2 1   2  4 0 1 

  1 0 0 0
 0  2 0 0  C
 
 1 0 0 1
 1  2 2 3 4 0 2
B     BC
 0  1 1  1 2 0 1 

  1  4 0  2 3 4 0 2 2 0 0 0
AC  BC    1 2 0 1  1 2 0 1
 2  4 0 1     

Ejercicio Nº8
 2  4 1   1 3 1 0 1 2 
Dadas las matices A    B  C  , hallar:
0 3 5  2 0 5 0  1 3 

82
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
o) AT
a) A  B f ) B  ( C ) k )3 A  3B
b) B  C g ) B  ( B ) l )(5  3) A  
p) BT
T

q ) B  C 
T
c) A  ( B  C ) h) A  O m)5 A  3 A
d )B  A i )3 A  2C n)3(2 B ) r )C T  BT
e)( A  B )  C j )3( A  B ) ñ)(3.2) B s ) BT  C T

Compare los distintos incisos y diga que operaciones y propiedades aparecen.

Matrices elementales

Una matriz mxm se denomina matriz elemental si se puede obtener a partir de la matriz identidad mxm
mediante una sola operación elemental de filas.

Ejemplos

1 0 0  1 0 
I 3  0 1 0  e21( 2) I2     e2  13 
0 1
0 0 1
1 0
E
0 13 
 1 0 0

E    2 1 0  
 0 0 1
Las matrices E son matrices elementales de órdenes 3 y 2 respectivamente.

Veremos ahora en el teorema que sigue, que si tenemos una matriz elemental E que resulta de realizar
cierta operación elemental en una matriz identidad de orden m, y una matriz A de orden mxn, entonces
el producto EA es la matriz que se obtiene cuando se realiza en A la misma operación elemental de
filas. Es decir, cuando se premultiplica una matriz A por una matriz elemental E, el efecto es efectuar
una operación elemental de filas en A.

Teorema 1

Sea A R mxn y e una operación elemental de filas, entonces e( A)  eI m A

Como las operaciones elementales son de tres tipos, la demostración del teorema consta de tres partes,
una para cada tipo de operación. Haremos una de ellas, las otras quedan como ejercicio.

Demostración:

 A1 
A 
Sea A   2  donde A1 , A2 ,..., Am son las filas de A y la operación elemental tipo II eij (k ) , entonces:
 : 
 
 Am 
e A   e I m  A

83
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 E1   E1 A   E1 A   A1 
 E   E A   E A   A 
 2   2   2   2 
 :   :   :   : 
e I m  A   . A       e( A)
 Ei  kE j  Ei  kE j A  Ei A  kE j A  Ai  kAj 
 :   :   :   : 
       
 Em   Em A   Em A   Am 

Con lo que se demuestra el teorema.

Veamos un ejemplo:
 A  e
Por comodidad, usaremos la notación: B=E.A siendo e I m  A
B E
Trabajaremos con la matriz A y una operación elemental de tipo II, buscamos la matriz elemental de
orden 3 que corresponde a esa operación elemental:

1 0 0
 1 2 
I 3  0 1 0  e12 ( 3)
A   3 1 
0 0 1
 0  2
1  3 0
E  0 1 0  eI 3 
0 0 1

Ahora multiplicaremos cada fila de la matriz elemental E por la matriz A, las filas de E son matrices
filas de orden 1x3 y A es de orden 3x2 por lo que el producto será una matriz fila de orden 1x2. Luego,
con estas filas armamos la matriz B

 1 2 
3 1   A

 0  2
E1  1  3 0  10  1  E1 A  B1

 1 2 
3 1   A

 0  2
E2  0 1 0 3 1  E2 A  B2

 1 2 
3 1   A

 0  2
E3  0 0 1 0  2  E3 A  B3

84
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 10  1
Ahora armamos la matriz B con las filas encontradas:  3 1   B
 0  2

Apliquemos ahora la misma operación elemental sobre la matriz A :

 1 2 
A   3 1   e12( 3)
 0  2
 10  1
B   3 1 
 0  2
Obtuvimos la misma matriz de recién, con lo que se cumple el teorema.

El teorema anterior reviste interés teórico y lo usaremos para obtener algunas conclusiones sobre
matrices y sistemas de ecuaciones lineales. Desde un punto de vista práctico, realizaremos
directamente las operaciones elementales de filas sobre la matriz A, en vez de multiplicar por la
izquierda por una matriz elemental.

Si una matriz B se puede obtener a partir de una matriz A mediante una sucesión finita de operaciones
elementales de filas, entonces resulta evidente que B se puede convertir de nuevo en A mediante la
ejecución al revés de las inversas de tales operaciones de filas. Las matrices que se pueden obtener a
partir de otra matriz mediante la ejecución de una sucesión finita de operaciones elementales de filas
son matrices equivalentes por filas.

Veremos a continuación otro teorema relacionado con éste, y que dice que si dos matrices son
equivalentes por filas, entonces están vinculadas mediante el producto por una matriz adecuada.

Teorema 2

Sea A, B  R mxn , entonces A es equivalente por filas con B si y solo si B  PA , donde P es un

producto de matrices elementales.

Demostración:

Si A y B son matrices equivalentes por filas, entonces existe una sucesión finita de operaciones
elementales de filas que transforma a A en B, esto esquemáticamente es:

A  e1
:  e2
: si aplicamos cada vez que realizamos una operación elemental, el teorema 1:
:  ep
B

85
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
A  e1
E1 A  e2
E2 E1 A  e3
:
 ep
:
E p ...E2 E1 A  B
  
P

P  E p ...E2 E1 es producto de matrices elementales y B  PA .

Observación:

El teorema anterior es de interés teórico y lo usaremos para justificar el procedimiento de cálculo para
hallar la inversa de una matriz. En la práctica, realizaremos directamente las operaciones elementales
de filas sobre la matriz P, en vez de realizar el producto de todas las matrices elementales.
En resumen, la matriz P la obtendremos realizando sobre la matriz identidad de orden m, la misma
sucesión finita de operaciones elementales de filas que transforman a A en B.

Como toda matriz A tiene una única matriz reducida por filas R(A), equivalente por filas a ella, resulta
como caso particular, que siempre es posible escribir R(A)=P.A.

Inversa de una matriz

Sea A  R nxn si existe una matriz B  R nxn tal que: AB  BA  I . Si B existe, entonces se dice que A es
invertible y B se denomina inversa de A. La inversa de A se denota A1 .

3 5  2  5  2  5 3 5 1 0
La matriz B    es inversa de A   1 3  ya que AB   1 3  . 1 2  0 1  I
1 2        

3 5  2  5 1 0
y BA    .  I
1 2  1 3  0 1

1 4 0  b11 b12 b13 

La matriz A  2 5 0 no es invertible, ya que para cualquier matriz 3x3 B  b21 b22 b23  ,
 
3 6 0 b31 b32 b33 
b11 b12 b13  0 0
La tercera columna de BA será: b21 b22 b23 .0  0 por lo que el resultado del producto no puede
b31 b32 b33  0 0
ser la matriz identidad BA  I .

De manera similar, si la matriz A tuviera una fila nula tampoco seria invertible.
Una matriz cuadrada reducida por filas es invertible si y solo si es la matriz identidad. En efecto, si una
matriz reducida por filas cuadrada no es la matriz identidad, tiene al menos una fila nula, por lo que no
seria invertible.

86
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
La definición de matriz inversa no asegura que toda matriz cuadrada sea invertible. De hecho, hay
muchas matrices cuadradas que no son invertibles. Ahora nos preguntamos si una matriz invertible
puede tener más de una inversa. El siguiente teorema muestra que una matriz invertible tiene
exactamente una inversa.

Teorema 3

Si B y C  R nxn son ambas inversas de la matriz de la matriz A  R nxn , entonces B = C.

Demostración:

Ya que B es una inversa de A, se tiene que BA = I.

Si posmultiplicamos ambos miembros por C queda ( BA)C  IC  C. Pero ( BA)C  B( AC )  BI  B ,
de modo que C=B.

Si A es invertible, entonces su inversa se denota A1 y se cumple AA1  I y A1 A  I

Ejercicio Nº9

 1 2  1   5 10  3
Mostrar que B   0 1 1  es la inversa de C   2  3 1 
 2 0 5   2 4  1

Ya vimos que, en general, en el producto de matrices no vale la ley de simplificación. Lo que significa,
que en la igualdad AB = AC no puede deducirse que B = C. Ahora veremos un teorema que establece
en qué casos se puede simplificar una matriz, esto es una excepción. Este teorema nos será de utilidad
cuando queramos despejar una incógnita de una ecuación matricial.

Teorema 4

Sea A  R nxn una matriz invertible, entonces A es simplificable.

Demostración:

Si AB  AC premultiplicamos ambos miembros por la inversa de A  A1 :

A1  AB   A1  AC  aplicamos la propiedad asociativa del producto de matrices:

AA B  AA C
1 1
aplicamos la definición de matriz inversa:
I I

I BIC la matriz identidad es el elemento neutro del producto matricial, por lo que queda:

BC

Si fuera BA  CA la demostración es similar.

Teorema 5

87
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Sea A  R nxn , si A es una matriz invertible, también lo es A1 y A1   1
A

Teorema 6

Sea A, B  R nxn invertibles, entonces AB es invertible y lo es  AB   B 1 A1 .

1

Demostración:

Como A y B son invertibles existen A1 B 1 , entonces:

I n  AA1 este producto no se modifica si lo expresamos de la siguiente manera:

I n  AI n A1 ahora reemplazamos I n  BB 1 , con lo que queda:

 
I n  A BB 1 A1 si aplicamos la propiedad asociativa del producto matricial, podemos escribir:

 
I n   AB  B 1 A1 por lo que AB es invertible y su inversa es B 1 A1 .

Corolario:

Un producto de cualquier número de matrices invertibles es invertible, y la inversa es el producto de

las inversas en orden invertido, por ejemplo:  A.B.C   C 1.B 1. A1 .
1

Ejemplo
1 2  3 2  3  2
Dadas las matrices invertibles: A    y B  , sus inversas son: A1   y
1 3  2 2  1 1 
 1  1  4  3
. La inversa del producto AB es:  AB    9
1
B 1   3  7 
y el producto de las inversas en
 1 2   2 2 

orden invertido es:

 1  1  3  2  4  3
, por lo que se cumple  AB   B 1 A1 .
1
B 1 A1   .
3      9 7 
  1 2    1 1   2 2 

El siguiente teorema establece una propiedad importante de las matrices elementales.

Teorema 7

Toda matriz elemental es invertible, y la inversa también es una matriz elemental.

Demostración:

Sea E una matriz elemental correspondiente a la operación elemental de filas e, esto es, E  e(I ) .
Como toda operación elemental de filas tiene una operación elemental de filas inversa. Si e 1 es la
inversa de e y E1  e 1 ( I ) entonces aplicando el teorema 1 que ya vimos, que dice que e( A)  eI m A ,
queda:
I  e 1 e( I )   e 1 E   e 1 I E  E1E

88
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 
I  e e 1 ( I )  eE1   eI E1  EE1

De lo anterior se ve que E es invertible y que E 1  e 1 ( I ) , esto es, la inversa de una matriz elemental
es otra matriz elemental.

El siguiente teorema establece algunas relaciones fundamentales entre invertibilidad, sistemas de

ecuaciones lineales homogéneos, matrices reducidas por filas y matrices elementales. Estos resultados
son muy importantes y los usaremos muchas veces en los temas siguientes.

Teorema 8

Sea A  R nxn , entonces las siguientes proposiciones son equivalentes, es decir, todas son verdaderas o
todas son falsas:
a) A es invertible
b) el sistema de ecuaciones lineales homogéneo AX  O solo tiene la solución trivial
c) la matriz reducida por filas de A es la matriz identidad de orden n
d) A se puede expresar como un producto de matrices elementales

Demostración:

Para demostrar el teorema es suficiente demostrar la cadena de implicaciones, según el siguiente

esquema: a )  b) , b)  c) , c)  d ) , d )  a ) .

a )  b) Suponer que A es invertible y sea X 0 cualquier solución de AX  O , o sea AX 0  O . Al

premultiplicar ambos miembros de esta ecuación por A1 queda:

A1  AX 0   A1O si aplicamos propiedad asociativa del producto matricial queda:

AAX
1
0 A1O por definición de matriz inversa y por ser la matriz nula O elemento absorbente:

I O

IX 0  O por ser I elemento neutro del producto:

X 0  O por lo tanto AX  O solo tiene la solución trivial.

b)  c )
Sea AX  O la forma matricial del sistema:

a11 x1  a12 x2  ...  a1n xn  0 

a21 x1  a22 x2  ...  a2 n xn  0 

.......................................... 
am1 x1  am 2 x2  ...  amn xn  0

Suponemos que el sistema sólo tiene la solución trivial. Si el sistema se resuelve por el método de
Gauss Jordan, entonces el sistema resolvente es:

89
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
x1  0 x2  ...  0 xn  0 
0 x1  x2  ...  0 xn  0 


..........................................
0 x1  0 x2  ...  xn  0 

La matriz ampliada asociada al sistema lineal es:

 a11 a12 ... a1n 0

a 0
 21 a22 ... a2 n
 : : : : :
 
an1 an 2 ... ann 0

Por medio de una sucesión finita de operaciones elementales de filas se puede reducir, su matriz
reducida por filas es:

1 0 ... 0 0
0 1 ... 0 0
 
: : : : :
 
0 0 ... 1 0

Si eliminamos la última columna de ceros, se puede concluir que la matriz reducida por filas de la
matriz A es la matriz identidad I n .

c)  d )
Suponer que la matriz reducida por filas de la matriz A es la matriz identidad I n , de modo que A se
puede reducir mediante una sucesión finita de operaciones elementales de filas. Por el teorema 1, cada
una de las operaciones se puede efectuar multiplicando por la izquierda por una matriz elemental
adecuada. Así es posible hallar matrices elementales E1 , E2 ,..., Ek tales que: E k ...E2 E1 A  I n .
Las matrices elementales E1 , E2 ,..., Ek son invertibles. Al premultiplicar ambos miembros de la
expresión anterior sucesivamente por Ek1 ,..., E21 , E11 , se obtiene:
Comenzando con Ek1 queda: Ek1E k ...E2 E1 A  Ek1I lo que es igual a :
E2 E1 A  Ek1I seguimos con E21
E21E2 E1 A  E21...Ek1I lo que es igual a :
E1 A  E21...Ek1I finalmente E11
E11E1 A  E11E21...Ek1I n o que es igual a :
A  E11E21...Ek1 I n  E11E21...Ek1
Por lo que A se puede expresar como un producto de matrices elementales

d )  a ) Si A es un producto de matrices elementales, entonces por los teoremas 6 y 7 la matriz A es un

producto de matrices invertibles y por lo tanto es invertible.

90
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Este último teorema nos indica un camino para caracterizar si una matriz cuadrada es o no invertible:
calcular la matriz reducida por filas equivalente por filas a A, si la reducida es la identidad R( A)  I n ,
estonces A es invertible.

Un método para invertir matrices

Como primera aplicación del teorema anterior, se establecerá un método para determinar la inversa de
una matriz invertible. Al invertir ambos miembros de la expresión A  E11E21...Ek1I n se obtiene:
A1  Ek ...E2 E1I n , que establece que A1 se puede obtener al multiplicar I n sucesivamente por la
izquierda por matrices elementales E1 , E2 ,..., Ek . Como cada multiplicación por la izquierda efectúa
una operación elemental de filas, se concluye que la sucesión de operaciones de filas que reducen A a
I n también reducen I n a A1 . Resumiendo:

Para determinar la inversa de una matriz invertible A, es necesario encontrar una sucesión
de operaciones elementales de filas que reduzca A a la matriz identidad I n y luego efectuar
esta misma sucesión de operaciones en I n para obtener A1 .

Ahora resolveremos unos ejemplos en los que aplicaremos el último teorema:

Ejemplos
1 2 0 
Hallar, si existe, la inversa de la matriz A  0 1  1 .
1 2 1 

Tenemos que reducir A a la matriz identidad mediante operaciones elementales de filas y aplicar
simultáneamente las operaciones a I para obtener A1 . Colocamos la matriz identidad a la izquierda de
la matriz A. Observar que la identidad es del mismo orden de A, en este caso 3, luego realizamos
operaciones elementales de filas hasta que A se reduce a I , es decir, R ( A)  I . Las mismas
operaciones en el lado izquierdo convierten a I en A1 .

91
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0 0 1 2 0 
I 3  0 1 0 0 1  1  A  e31( 1)
0 0 1 1 2 1 
 1 0 0 1 2 0 
 0 1 0 0 1  1  e
   12 ( 2)
 1 0 1 0 0 1 
 1  2 0 1 0 2 
0 1 0 0 1  1  e13( 2)

 1 0 1 0 0 1 
 1  2  2 1 0 0 
0 1 0  0 1  1  e23(1)

 1 0 1  0 0 1 
 3  2  2 1 0 0
 1 1 1  0 1 0  R( A)  I
A 1 = 
 1 0 1  0 0 1

Verificar haciendo: A. A1  I y A1. A  I

Resolveremos ahora el siguiente sistema de ecuaciones lineales homogéneo:

x1  2 x2  0 x3  0 1 2 0 

0 x1  x2  x3  0  la matriz de los coeficientes de este sistema es: A  0 1  1 , recién vimos en el
x1  2 x2  x3  0  1 2 1 
ejemplo anterior, que esta matriz es invertible, por lo que por el teorema 8 el sistema AX  O sólo
tiene la solución trivial. El conjunto solución de este sistema es: S  ( x1 , x2 , x3 )  (0,0,0) .

Ahora para relacionar conceptos, resolveremos un sistema de ecuaciones lineales no homogéneo:

x1  2 x2  0 x3  4

0 x1  x2  x3  1 
x1  2 x2  x3  0 

En forma matricial este sistema se puede escribir: AX  H , donde:

1 2 0   x1   4
A  0 1  1 , X   x2  , H  1
   
1 2 1   x3  0
 3  2 2
La matriz A es invertible y su inversa es A   1 1 1 (verificar!)
1

 1 0 1
En la ecuación AX  H podemos premultiplicar ambos miembros por A1 :

92
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
A1 AX  A1H , con lo que finalmente queda: X  A1H . En conclusión, podemos resolver este
sistema no homogéneo realizando el producto entre las matrices A1 y H.

 3  2 2 4  10 
X   1 1 1.1    3
 1 0 1 0  4

Este sistema es compatible determinado, el conjunto solución es: S  ( x1 , x2 , x3 )  (10,3,4) .

También es posible verificarlo en forma matricial, esto es, comprobando que AX  H :

1 2 0   10  4
AX  H , 0 1  1 .   3 = 1 
1 2 1   4 0
En el tema sistema de ecuaciones lineales vimos el método de Gauss Jordan, para resolver sistemas
lineales, en general de m ecuaciones con n incógnitas.
Podemos concluir lo visto en el ejemplo anterior, que ciertos sistemas de ecuaciones lineales pueden
resolverse por inversión de matrices. Esto nos lleva al teorema 9 que completa el teorema 8.

Teorema 9

Sea A  R nxn matriz invertible, entonces para toda matriz H  R nx1 , el sistema de ecuaciones lineales
AX  H tiene exactamente una solución, a saber, X  A1H .

Demostración

Partimos del sistema AX  H , su solución es X  A1H , si reemplazamos la solución en la expresión

matricial del sistema queda:
 
A A1H  H , como X  A1H verifica el sistema, se concluye que es una solución de AX  H .

Para demostrar que esta solución es única, supondremos que X  es otra solución arbitraria del sistema
y demostraremos que X  debe ser igual a la solución A1H .
Si X  es una solución del sistema, entonces podemos escribir AX   H , al premultiplicar ambos
miembros por A1 se obtiene X  = A1H , con lo que se demuestra que X  =X por lo tanto la solución
es única.

Resumiremos lo visto en resolución de sistemas lineales por inversión de matrices:

93
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Si el sistema tiene tantas ecuaciones como incógnitas, la matriz A es cuadrada. El sistema se
escribe en forma matricial Anxn X nx1  H nx1 .
 Si la matriz A es invertible, entonces podemos encontrar la matriz incógnita X
premultiplicando ambos miembros de AX  H , por A1 : A1 AX  A1H ,
quedando: X  A1H .
 Si el sistema es homogéneo, la matriz columna de los términos independientes es la
columna nula: AX  O . Si la matriz A es invertible, entonces podemos encontrar la
matriz incógnita X premultiplicando ambos miembros de AX  O , por A1 :
A1 AX  A1O , quedando: X  O .

En el caso de que la inversa de A no exista, el sistema homogéneo de n ecuaciones y n

incógnitas será compatible indeterminado (los sistemas homogéneos no pueden ser
incompatibles).
Si el sistema es no homogéneo, la no existencia de A1 no concluye sobre el tipo de solución.
El sistema podrá ser compatible indeterminado o incompatible.

Ejemplo
1 6 4
Hallar, si existe, la inversa de la matriz A   2 4  1
 1 2 5 
1 0 0   1 6 4 
I  0 1 0  2 4  1  A  e21( 2 )
0 0 1  1 2 5 
1 0 0  1 6 4
 2 1 0  0  8  9  e31(1)

 0 0 1  1 2 5 
1 0 0 1 6 4
 2 1 0 0  8  9  e32(1)

 1 0 1 0 8 9 
 1 0 0 1 6 4
  2 1 0  0  8  9 
  
  1 1 1 0 0 0 

94
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
La matriz A no se puede reducir a la identidad, por haber obtenido una fila de ceros. Concluimos que A
no es invertible, es decir no existe A1 .
Ejercicio Nº10

Determinar la matriz X que verifique la ecuación matricial AXB  C , siendo:

 2 0 2
 1 2 10 3 14
A  , B  0 3 0 , C   
 1 2 0 0 1  6  15 2 
Vamos a despejar la incógnita matricial X, para ello partimos de la ecuación matricial dato:

AXB  C si existe A1 , podemos premultiplicar ambos miembros por esta matriz (estamos
usando la propiedad B  C  AB  AC que demostramos en un teorema) queda:

A1 AXB  A1C aplicamos propiedad asociativa del producto de matrices:

A AXB  A
1 1
C por definición de matriz inversa, se cumple que A1 A  I , si reemplazamos:

IXB  A1C por ser la matriz identidad el elemento neutro del producto matricial podemos escribir:

XB  A1C si existe B 1 , podemos posmultiplicar ambos miembros por esta matriz (estamos
usando la propiedad B  C  BA  CA que demostramos en un teorema) queda:

XBB 1  A1CB 1 aplicamos propiedad asociativa del producto de matrices:

 
X BB 1  A1CB 1 por definición de matriz inversa, se cumple que BB 1  I , si reemplazamos:

XI  A1CB 1 por ser la matriz identidad el elemento neutro del producto matricial podemos escribir:

X  A1CB 1 ahora que conocemos la expresión de X procedemos a realizar las cuentas.

Primero buscamos las matrices inversas A1 y B 1 , luego haremos el triple producto.
1 0   1 2  1 0 0 2 0 2
I      A  e21(1)
0 1   1 2 I  0 1 0 0 3 0  B  e13( 2 )
1 0 1 2 0 0 1  0 0 1 
1 1 0 4  e1( 2 )
   1 0  2 2 0 0
0 1 0   0 3 0   e , e
 2 0  2 4     1 12  2 13 
 e
1 1 0 4 12( 1)
   0 0 1  0 0 1 

1  1 2 0  12 0  1 1 0 0
1 1  0 4  e1 12 , e2  14   
B 1  0 13 0  0 1 0  R ( B )  I
  
 12  12  1 0 0 0 1  0 0 1 
1
A  1 1  
 R( A)  I
4 4  0 1

95
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 12 0  1
  2  10 3 14 
1 1
 1 3 4 
X   12 1     0 13 0    
 4 4   6  15 2  0 0 1  2  1 0
 
Ejercicio Nº11
2 1
Determinar la matriz X que verifique la ecuación matricial AX  C  X , siendo: A    y
1 1
5  3
C 
0 1 
Usaremos en este ejercicio el concepto de inversa de una matriz, para despejar la incógnita matricial X
partimos de la ecuación matricial dato:

AX  C  X sumamos en ambos miembros el opuesto de X, que es la matriz – X (recordar que una

de las propiedades de la suma de matrices es la existencia del opuesto de una matriz:
A+(-A)=(-A)+A=O)

AX  C  ( X )  X  ( X ) resolviendo queda:

AX  C  X  O sumamos en ambos miembros el opuesto de - C, que es la matriz C

AX  C  X  C  O  C aplicamos propiedades asociativa y conmutativa de la suma:

AX  X  C  C   O  C lo anterior equivale a cancelar directamente la matriz C con su opuesta – C

 
O C

, resolviendo queda:

AX  X  C podemos reemplazar a X por IX, al ser I elemento neutro del producto, escribir de
esta manera la matriz, no la modifica:

A X
 I X
  C usamos la propiedad distributiva del producto de matrices respecto de la
posmultiplica posmultiplica

suma:

A  I  X
 C si A-I es invertible, podemos premultiplicar ambos miembros por su inversa:
posmultiplica

A
 I   A  I X   A  I  C
1

1
por definición de matriz inversa, finalmente:
I

X   A  I  C ahora que conocemos la expresión de X procedemos a realizar las cuentas.

1

Primero buscamos la matriz A  I , luego su inversa y por último haremos el doble producto.

2 1 1 0 1 1
A I     
1 1 0 1 1 0

96
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0 1 1
I     A  I  e12
0 1 1 0
0 1 1 0
1 0 1 1  e21( 1)
  
0 1  1 0
( A  I ) 1    I
1  1 0 1

5  3
0 1   C
 

 A  I 1  
0 1 0 1
 5  4   X
1  1  

Ejercicio Nº12
1 0 2 1  1 1 
Dadas las matrices A  0 1 0 y B  0 2 0 calcular:
1 0 1 2 2 5
f )BA
1
a ) A 1
b) B 1  
g ) B 1
T

c) A  B  h)B  T 1
1

d ) B 1  A1 i ) B 1 A1
e)( AB) 1 j ) A1B 1
Compare los distintos incisos y diga que operaciones y propiedades aparecen.

Ejercicio Nº13

Resolver las siguientes ecuaciones matriciales:

1 2  3 2 1  3
1) A   ; C ; A.B  C ; B  ? Rta : B   5 
0 2  2 5 1 2 

 2 3  5 2  12  117 
2) B   ; C ; A.B  C ; A  ? Rta : A   17 16 
  1 2   2 5 7 7 

1 2  0 2 16  22
3) A   ; C ; A.( B  C )  AB  BA ; B  ? Rta : B   
1 1   3 4  9  12 

1 0  0 1   5  1
4) A   ; B ; (2 A  C ).B  C.( A  2 B) ; C  ? Rta : C   
2 1  3 2  11  1

97
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0  0 1   34 34 
5) A   ; B  3 2; A.B  X  B. X ; X  ? Rta : X   3 7 
 2 1   4 4

Ejercicio Nº14

En las siguientes ecuaciones matriciales, despeje la matriz pedida:

1) ( A  B ).C  A; C  ?
( A  B) 1.( A  B ).C  ( A  B ) 1. A premultiplico ambos miembros por ( A  B ) 1
 
I

C  ( A  B ) 1. A

2) (2 A  B).C  B. A; B?
2. A.C  B.C  B. A [Link] del producto respecto de la suma
B.C  B. A  2. A.C los ter min os que contienen B pasan al primer miembro
B.(C  A)  2. A.C se saca factor común B
B.(C  A).(C  A) 1  2. A.C.(C  A) 1 posmultiplico ambos miembros por (C  A) 1
B  2. A.C.(C  A) 1
B  2. A.C.( A  C ) 1

3) C.( A  B)  2 A; A  ?
C. A  C.B  2 A
C. A  2 A  C.B
(C  2.I ). A  C.B
(C  2 I ) 1.(C  2.I ). A  (C  2 I ) 1.C.B
A  (C  2 I ) 1.C.B
A  (2 I  C ) 1.C.B

4) A  C  2 B  BC; C  ?
C  BC  2 B  A
( I  B ).C  2 B  A
( I  B ) 1.( I  B ).C  ( I  B ) 1.(2 B  A)
C  ( I  B ) 1.(2 B  A)

5) ( A  2 B ).C  (2 A  B ).C ; A?

 A.C  2 B.C  2. A.C  B.C
 A.C  2. A.C   B.C  2 BC
 3 A.C  3B.C
A B

98
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
6) I  A  ( A  B).C ; A  ?
I  A  A.C  B.C
A  A.C  B.C  I
A( I  C )  B.C  I
A( I  C ).( I  C ) 1  ( B.C  I ).( I  C ) 1
A  ( B.C  I ).( I  C ) 1

Ejercicio Nº15

Dadas las matrices

2 1  3 1
A  ; B   1 0 calcular una matriz C tal que:
1 1  

1)( A  C ).B  C.( A  B )

2)3I  2C  A.C  B
3) A.C  2 B  C  3 A.B.C
4) A.C  I  A.B

Respuestas:
2 1  3 1  1  1 3  1
1) C  A.B. A1   . .  
1 1  1 0  1 2  1 0 
 1  1  0 1  1 2 
2) C  (2 I  A) 1.( B  3I )   .  
 1 0   1  3 0  1
 3  5  3 1 1  28 6 
3) C  ( I  3 A.B  A) 1.2 B  171  .2.   17  
 5 14   1 0  58  10
 1  1  2 1  3 1 1 0   4 0
4) C  A1.( AB  I )   .  .      
 1 2   1 1  1 0 0 1   2 2

Ya vimos las diferentes operaciones que podemos hacer con matrices, entre ellas, suma, multiplicación
por un escalar, combinación lineal, multiplicación de matrices. Ahora veremos otra operación: la
potencia de una matriz.

Potencia de una matriz

La potencia de una matriz se define en términos de la multiplicación de la matriz consigo misma un

número finito de veces. Si A es una matriz cuadrada, entonces las potencias enteras no negativas de A
A n  0  . Se cumple A  I .
n 0
se definen como: A   AA
 ...
n factores

Si A es invertible, entonces las potencias enteras negativas de A se definen como:

A
n
 
 A1  
n
A
1 1
A ...
A1
n factores

99
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Debido a que esta definición es similar a la de los números reales, se cumplen las leyes usuales de la
potencia: Ar As  Ar  s , Ar  Ars .   s

Veamos las propiedades de la potencia de matrices con exponentes negativos.

Propiedades de los exponentes negativos

Si A es una matriz invertible se cumple:

   A , la inversa de la inversa de A es A.
1) A1 es invertible y A1
1

es invertible y A   A  para n=0,1,2,…, la inversa de la potencia es la potencia de la

1 1 n
2) An n

inversa.
3) Para cualquier escalar k diferente de cero, la matriz kA es invertible y kA  1k A1 , la inversa del
1

producto por un escalar es el recíproco del escalar por la inversa de la matriz.

Ejemplo
1 2 1  3  2
Sean A    y A   1 1 
1 3  

1 2 1 2 1 2 11 30  3  2  3  2  3  2  41  30

A3   . .   
3
, A 3  A1   . .
1   1
 

1   15 11 
1 3 1 3 1 2 15 41  1 1   1

Ya vimos la definición de matriz transpuesta de A, denotada AT , que se obtiene al intercambiar las filas
y las columnas de A. Veremos ahora algunas las propiedades más importantes de la operación de
transposición.

Propiedades de la transpuesta

Si los tamaños de las matrices son tales que se pueden realizar las operaciones planteadas, entonces:
 
1) AT
T
 A ,la transpuesta de la transpuesta de A es A.
2)  A  B   AT  BT , la transpuesta de la suma es la suma de las transpuestas
T

3) kA  kAT , la transpuesta del producto de una matriz por un escalar es el escalar por la transpuesta
T

de la matriz
4)  AB   BT AT , la transpuesta del producto de matrices es igual al producto de sus transpuestas en
T

orden invertido
   A 
5) A1
T T 1
, la transpuesta de la inversa es la inversa de la transpuesta.

A continuación veremos ciertas matrices que tienen formas especiales: matrices diagonales,
triangulares y simétricas. Estas matrices se encuentran entre las más importantes del Algebra Lineal.

Matrices diagonales

Una matriz cuadrada en la que todos los elementos fuera de la diagonal principal son ceros, se
denomina matriz diagonal.

100
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0 0
 2 0  
 0 3  , 0 1 0 
  0 0 1 
 
Una matriz diagonal Dn se puede escribir:
d1 0 ... 0 
 0 d ... 0 
D 2 
: : ... : 
 
 0 0 ... d n 
Una matriz diagonal es invertible si y solo si todos los elementos en su diagonal principal son
diferentes de cero, en este caso la inversa de D es:

 1 d1 0 ... 0
0 1 ... 0
D   , comprobar que: DD 1  D 1D  I .
1 d2

 : : ... :
 
0 0 ...
1
dn 

Las potencias de las matrices diagonales son fáciles de calcular:

d1k 0 ... 0 
 
0 d 2k ... 0 
Dk  
: : ... : 
 k
 0 0 ... d n 
Ejemplo

1 0 0 1 0 0 1 0 0 1 0 0
  1     3  
D  0  3 0 , D  0  13 0 , D  0  27 0 , D  0  271
3
0
0 0 2 0 0 1
2
0 0 8 0 0 1
8

Los productos de matrices en que aparecen factores diagonales son fáciles de calcular:

1 0 0  1 6 4   1.1 1.6 1.4   1 6 4

DA  0  3 0 .  2 4  1    3.2  3.4  3.(1)    6  12 3 
0 0 2  1 2 5  2.(1) 2.2 2.5   2 4 10

 1 6 4  1 0 0  1.1  3.6 2.4   1  18 8 

    
AD   2 4  1 . 0  3 0   1.2  3.4 2.(1)   2  12  2
 1 2 5  0 0 2 1.(1)  3.2 2.5   1  6 10 

Para premultiplicar una matriz A por una matriz diagonal D, se multiplican las filas sucesivas de A por
los elementos diagonales sucesivos de D.
Para posmultiplicar una matriz A por una matriz diagonal D, se multiplican las columnas sucesivas de
A por los elementos diagonales sucesivos de D.

Matrices triangulares

101
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Una matriz cuadrada en la que todos los elementos arriba de la diagonal principal son cero se
denomina triangular inferior, y una matriz cuadrada en la que todos los elementos debajo de la
diagonal principal son cero se denomina triangular superior.

1 13 4  1 1 0 0 0
  4 0 
0 2 7  5  2 0
A , B
0 0 5 6  2  6  7 0 
   2 
0 0 0  1  5 1 3  1

La matriz A es triangular superior, la matriz B es triangular inferior.

Las matrices diagonales son tanto triangulares superiores como triangulares inferiores, ya que tienen
ceros por abajo y arriba de la diagonal principal. Veremos las propiedades de las matrices triangulares.

Propiedades de las matrices triangulares

1) La transpuesta de una matriz triangular inferior es triangular superior, y la transpuesta de una matriz
triangular superior es triangular inferior.
2) El producto de matrices triangulares inferiores es triangular inferior, y el producto de matrices
triangulares superiores es triangular superior.
3) Una matriz triangular es invertible si y sólo si todos sus elementos diagonales son diferentes de
cero.
4) La inversa de una matriz triangular inferior invertible es triangular inferior, y la inversa de una
matriz triangular superior invertible es triangular superior.

Ejemplo
1 3  1 3  2 2 
Dadas las matrices triangulares superiores: A  0 2 4  , B  0 0  1
 
0 0 5  0 0 1 
La matriz A es invertible, ya que sus elementos diagonales son diferentes de cero, pero la matriz B no
lo es.

102
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1 0 0 1 3  1
I  0 1 0 0 2 4   A  e1( 2)
0 0 1 0 0 5 
 2 0 0  2 6  2
0 1 0 0 2 4   e
   12 ( 3)
0 0 1  0 0 5 
2  3 0 2 0  14
0 1 0 0 2 4   e1(5)
 
0 0 1  0 0 5 
10  15 0 10 0  70
0 1 0  0 2 4   e13(14)

 0 0 1   0 0 5 
10  15 14 10 0 0
0 1 0   0 2 4  e2( 5)

 0 0 1   0 0 5
10  15 14 10 0 0 
0 5 0   0 10 20  e23( 4)

 0 0 1   0 0 5 
10  15 14  10 0 0
0 5  4  0 10 0  e1 1 , e2  1 , e31 
 10 10 5

 0 0 1   0 0 5
1  32 7
5  1 0 0 
 
A1  0 12  52  0 1 0  I
0 0 1 
5  
0 0 1

Como era de esperar A1 es triangular superior.

3 2 2 
0 0  1  B

0 0 1 
1 3  1 3  2  2
A  0 2 4  0 0 2   AB
0 0 5  0 0 5 
Como era de esperar AB es triangular superior.

Matrices simétricas

Una matriz cuadrada A es simétrica si A  AT .

1 4 5 2 0 0 
 7  3    
Las matrices: 
 3 5  , 4  3 0 , 0 3 0  son matrices simétricas.
  5 0 7 0 0 1
   

103
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Una matriz cuadrada A es antisimétrica si A   AT .
0  4  1 0 4 1 0  4  1
La matriz 4 0  3  es antisimétrica ya que su transpuesta es:  4 0  3  (1) 4 0
   3  .
1  3 0    1 3 0  1  3 0 

Matrices de la forma AAT y AT A

Si A es una matriz mxn, entonces AT es una matriz nxm , de modo que los dos productos AAT y
AT A son matrices cuadradas. La matriz AAT es de orden mxm y la matriz AT A es de orden nxn. Estos
productos son siempre simétricos.

1  2 4 
Dada la matriz A    , entonces:
3 0  5
1 3  10  2  11
  1  2 4  
A A   2 0 .
T
    2 4  8 
3 0  5
 4  5   11  8 41 
1 3
1  2 4    21  17
AA  
T
 .  2 0    
3 0  5  4  5  17 34 
 
Las matrices AAT y AT A son matrices simétricas, como era de esperarse.
Por último, diremos que se cumple la siguiente propiedad: si A es una matriz invertible, entonces
AAT y AT A también son invertibles.
Veremos ahora, las propiedades de las matrices simétricas.

Propiedades de las matrices simétricas

Si A y B son matrices simétricas del mismo tamaño y k un escalar, entonces:

1) AT es simétrica
2) A+B es simétrica
3) kA es simétrica
4) En general, el producto de matrices simétricas no es simétrico.
5) Si A es una matriz simétrica invertible, entonces A1 es simétrica.

Ejercicio Nº16

1 3 5  0  1 2 1 2 6  1 2 3 
 
Dadas las matrices E  0 2 4 , F   1  0 3 , G  3 4 7 , H   2 4
   5  hallar:
0 0 6  2  3 0 5 8 9  3 5  8
T T
a) E diga que tipo de matrices son E y E
b) F T diga que tipo de matrices son F y F T
c)  F diga que tipo de matrices son F , F T y –F, dar una conclusión
d )G  G T diga que tipo de matriz obtuvo, dar una conclusión
e)G  G T diga que tipo de matriz obtuvo, dar una conclusión
f ) H T diga que tipo de matriz es H, dar una conclusión
h) F  F T dar una conclusión

104
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Ejercicio Nº17

2 2  3 0 1  3
Dadas las matrices A  4 1  3 , B  4  5 1  verificar que:  A  B   AT  B T .
  T

4 5 4  1 2 4 
Ejercicio Nº18
4 6  1  2 4

Dadas las matrices K  3 0 2  , L   0 1 , M  3 1 2 de las siguientes operaciones

1  2 5   1 2
hallar aquellas que estén definidas:

a) KL f )K T K k ) KM
b) LK g ) LLT l ) KM T
o) MKL
c) K 2 h) LT L m) MK

p) KLT M T 
i )KL 
2 T T
d )L n) MM
e) KK T j ) LT K T ñ) M T M
Compare los distintos incisos y diga que operaciones y propiedades aparecen.

Ejercicio Nº19
1 2 0 
1 1  1
Dadas las matrices A    y B  2 1 1 hallar AB y dar una conclusión.
 2  2 2  3 3 1
Ejercicio Nº20

1 1 
2 1  1 1
Dadas las matrices A    , B  2 0  , C    verificar que:  AB C  A(BC ) .
3 1 1  3  1 3
Ejercicio Nº21
1 2 
1 2 1 3 0   0 2  1
Dadas las matrices A    , B  ,C    , D  0 3
0 1  2 1  1  3 2 1  2 5
a ) AB  C   AB  AC
verificar que:
b) B  C D  BD  CD

Ejercicio Nº22
1 2 0 
1 2 0 0 1 1
Dadas las matrices A    , B  2 1 1 , C   verificar que: AB  CB , dar una
0 1 2   2 3 0
3 3 1
conclusión.

Ejercicio Nº23

105
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 3 2  4 0 0  1
Dadas las matrices A    , B  ,C    y los escalares a  3 , b  2 verificar:
 1 3 1 5  4 6 
a ) A  B  C    A  B   C
b)  AB C  ABC 
c)a  b C  aC  bC
d )a B  C   aB  aC

Ejercicio Nº24
2 1 8 2 0  2
Dadas las matrices A    , B  , C    calcular aplicando propiedades:
0 1 0 1 0  0
 
a) AT B
T

b ) C A  C
T T T

16 8
8 0 

Rta.: a) A B   4 3 ,
T

T
 T

b) C T A C T   
 0 0  4 0
Ejercicio Nº25
1 0 0 1  0
Dadas las matrices D  0 2 0 , E  2 , F  0 calcular aplicando propiedades:
  
0 0 0 0 7
0 0 0 

a) DT EF T  T
T

Rta.: a) D EF T T
 T

 0 0 0 b) E T F D  operación no conformable 
b)  E F  D
T T
7 28 0

Ejercicio Nº26
3 0 0  4
Dadas las matrices A  0 2 0 , Z  5 hallar la matriz X que verifica la expresión
 
0 0 3 6
 A  I T X  AX  3Z .
Despejaremos la incógnita matricial X de la ecuación matricial dato:

 A  I T X  AX  3Z aplicamos la propiedad de la transpuesta de la suma:  A  B   AT  B T

T

A T

 I T X  AX  3Z por ser A y I matrices diagonales, se cumple AT  A y I T  I , por lo que
podemos escribir:
 A  I X  AX  3Z aplicamos propiedad distributiva del producto matricial respecto de la suma de
matrices:

AX  IX  AX  3Z por ser I elemento neutro del producto se cumple IX=X

AX  X  AX  3Z podemos sumar en ambos miembros el opuesto de la matriz AX, esto es lo

mismo que cancelar las matrices AX ya que se encuentran en ambos miembros
con signos iguales:

106
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
AX  X  AX  3Z

 X  3Z para despejar X multiplicamos ambos miembros por el escalar (-1)

 X (1)  (1)3Z finalmente queda:

X   3Z

4  12
X  3Z  35   15
6  18

Ejercicio Nº27

 2 1 3 8  3  5 0  2 3 
Dadas las matrices A   0 4  
5 , B  0 1 2  , C  1 7 4 ,a=4, b=-7

 2 1 4 4  7 6  3 5 9
Demostrar que:
a) A  ( B  C )  ( A  B )  C c)a  b C  aC  bC
b) AB C  ABC  d )a ( B  C )  aB  aC

Ejercicio Nº28

Usando las matrices y los escalares del ejercicio 27, demostrar:

a )a BC   aB C  B aC  c)B  C A  BA  CA

b) AB  C   AB  AC d )abC   ab C

Ejercicio Nº28

Usando las matrices y los escalares del ejercicio 27, demostrar:

 
a) AT
T
A c)aC   aC T
T

b) A  B   AT  BT d ) AB   BT AT
T T

Ejercicio Nº29
3 1 2  3  2 0
Hallar las inversas de las matrices: A    ,B    ,C   
5 2 4 4   0 3
Ejercicio Nº30

Comprobar que las tres matrices del ejercicio 29 satisfacen:

a ) AB   B 1 A1
1

b) ABC   C 1B 1 A1

1

Ejercicio Nº31

Hallar la matriz A:

107
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2  1  3 7   3  1  1 2
a) A1    b)7 A  
1
  
c) 5 AT  
1
 d ) I  2 A   
1

3 5   1  2 5 2  4 5
 135 1
  72 1  52 1  139 
1
Rta.: a)A   3 13
 b)A   1 3
c) A   1 3  d ) A   2 13

 13  5 5   
2 6
13  7 7  13 13

Ejercicio Nº32
 2 0
Sea la matriz A    calcular:
 4 1
a ) A3
3  8 0  18
3
0 1 0 
b) A Rta.: a) A   3
 b) A   7  c ) A2  2 A  I   
28 1  2 1  4 0
c ) A2  2 A  I

Ejercicio Nº33

Encontrar una operación elemental de fila que convierta la matriz elemental dada en la matriz
identidad.

0 0 0 1 1 0  17 0
1 0 0 0   
 1 0 1 0 0 0 1 0 0
a)   b) 0 1 0 c)  d )
 3 1 0 0 1 0 0 0 1 0
0 0 3    
1 0 0 0 0 0 0 1
Ejercicio Nº34
3 4 1 8 1 5 3 4 1
Dadas las matrices A  2  7  1 , B  2  7
   1 , C  2  7  1 , encontrar las matrices
 
8 1 5  3 4 1  2  7 3 
elementales E1 , E2 , E3 , E4 tales que:
a) E1 A  B c) E3 A  C
b) E2 B  A d ) E4C  A
0 0 1  0 0 1   1 0 0 1 0 0 
Rta.: a) 0 1 0 b) 0 1 0 c)  0 1 0 d ) 0 1 0
1 0 0 1 0 0  2 0 1 2 0 1
Ejercicio Nº35

Hallar la inversa de las siguientes matrices y comprobar la respuesta por multiplicación.

3 4  1   1 3  4
1 4    3 6  6  4
a)A    b)B    c)C    d )D  1 0 3  e)E   2 4 1 
 
 2 7  4 5  3 2  2 5  4  4 2  9
1 0 1 2 6 6  2 6 6
f )F  0 1 1 g )G  2 7 6 h)H  2 7 6
   
1 1 0 2 7 7 2 7 7

108
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 32  10 11
 65 
 7 4   5 2
  
Rta.: a) A1    b)B 1   439 131  c) no invertible d )D 1    1 1 1  e) no invertible
 2  1  39 13   12 107 2 
5 

 12  12 1
2   72 0  3  12  12 1
2 
     
f )F 1   12 12 1
2
1
 g )G   1 1 0  h)H 1  0 0 1
 12 1
2
 12   0  1 1   12 12  12 
Ejercicio Nº36
 1 0
Considerar la matriz A   
  5 2
a) encontrar matrices elementales E1 , E2 tales que E2 E1 A  I ,
b) escribir A1 como un producto de dos matrices elementales,
c) escribir A como un producto de dos matrices elementales.

1 0 1 0
Rta.: a) E1    E2   1
b) A1  E2 E1 c) A  E11E21
5 1   0 2

Ejercicio Nº37
2  1 0 
En cada inciso efectuar en : A  4 5  3 , la operación elemental de fila que se indica,
1  4 7 
premultiplicando A por una matriz elemental. En cada caso, comprobar la respuesta efectuando la
operación en las filas de A directamente.
a) Intercambiar las filas primera y tercera,
1
b) Multiplicar por la segunda fila
3
c) Sumar dos veces la segunda fila a la primera.

Ejercicio Nº38

Resolver los siguientes sistemas lineales por inversión de matrices:

x  3y  z  4 
x y 2  4 x  3 y  3 
a)  b)  c) 2 x  2 y  z  1
5 x  6 y  9 2x  5 y  9 
2 x  3 y  z  3 
Rta.:a) S  ( x, y )  (3,1) b) S  ( x, y )  (3,3) c) S  ( x, y, z )  (1,4 ,7)

Ejercicio Nº39

Determinar si cada sistema homogéneo tiene una solución no trivial (sin hacer cuentas), luego decir si
la matriz dada es invertible:

2 x1  x2  3x3  x4  0  2 1 3 1
0 x1  5 x2  4 x3  3x4  0 0 5 4 3
a)   Rta.: solución trivial, invertible
0 x1  0 x2  x3  2 x4  0  0 0 1 2
 
0 x1  0 x2  0 x3  3 x4  0 0 0 0 3

109
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
5 x1  x2  4 x3  x4  0  5 1 4 1 
0 x1  0 x2  2 x3  x4  0   0 0 2  1
b)    Rta.: infinitas soluciones, no es invertible
0 x1  0 x2  x3  x4  0  0 0 1 1 
 
0 x1  0 x2  0 x3  7 x4  0 0 0 0 7 

Ejercicio Nº40

Determinar si la matriz es invertible, en caso afirmativo, encontrar la inversa por inspección:

4 0 0  1 0 0
2 0     
A  B  0 0 0 C   0 2 0
0  5 0 0 5  0 0 13 

 1 0 0
 12 0 
Rta.: A   1
1
, B no es invertible, C   0 12 0
1

0  5   0 0 3
Ejercicio Nº41

Encontrar el producto por inspección:

 3 0 0   2 1 2 0 0  4  1 3    3 0 0
  
a) 0  1 0. 4 1  b) 0  1 0. 1 2 0 . 0 5 0
0 0 2  2 5 0 0 4  5 1  2  0 0 2
6 3   24  10 12 
Rta.: a) 4  1 b)  3  10 0 
4 10   60 20  16
Ejercicio Nº42

Encontrar A2 , A2 por inspección:

 12 0 0
1 0   
a) A    b)A  0 13 0
0  2  0 0 14 
 14 0 0 4 0 0 
1 0  2 1 0   2 
Rta.:a) A2   , A  1
b) A2  0 19 0 , A  0 9 0 
0 4  0 4  0 0 1 
0 0 16
16 

Ejercicio Nº43

Diga si las matrices son simétricas:

 2  1 3 0 0 1 
2  1  3 4
a)  b)   c)  1 5 1  d ) 0 2 0 Rta.: b) y c)
1 2  4 0  3 1 7 3 0 0
Ejercicio Nº44

Por inspección, determinar si la matriz dada es invertible:

110
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
0 1  2 5 
  1 2 4 0 1 5 6 

a )  0 3 0  b)   Rta.: a)es invertible b)no es invertible
0 0  3 1 
 0 0 5  
0 0 0 5 
Ejercicio Nº45

Encontrar todos los valores de a,b,c para los cuales A es simétrica:

2 a  2b  2c 2a  b  c 
A  3 5 a  c  Rta.: a  11, b  9, c  13
0 2 7 

Ejercicio Nº46

Encontrar una matriz diagonal A que cumple:

1 0 0  9 0 0

a ) A  0  1 0 
5  b) A  0 4 0
2

0 0  1 0 0 1

1 0 0   13 0 0
 
Rta.: a) A  0  1 0  b) A  0 12 0
0 0  1 0 0 1
Ejercicio Nº47
 A  B 1  
2 1
 A  B   
3 1
Calcular las matrices A y B sabiendo que:  y .
5 3   1 0
3 0  0  1
Rta: A    ,B   
 3 1  2 1 
Ejercicio Nº48

 A  B 1  
3 5 2 5
Calcular las matrices A y B sabiendo que:  y A  3B   .
4 7   3  8
Ejercicio Nº49
3  1
 A  B 1  
1 3
Calcular las matrices A  AT y B  BT , sabiendo que:  y  A  B    .
2 1 0 2 
 14 0  165 1 
Rta: A  AT   5 9
, B  B T
  
0 5  1  115 

111
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Resumen de las propiedades de las operaciones con matrices

OPERACION NOTACION PROPIEDAD

1 A B  B A Conmutativa
2 ( A  B)  C  A  ( B  C ) Asociativa
SUMA
3 AO O A A Elemento neutro
4 A   A   A  A  O Elemento opuesto
5 k1 k2 . A  k1. k2 . A  k2 .k1. A Asociativa mixta
  
matriz escalar matriz
         
matriz matriz matriz
6 k.  A  B  k. A  k. B Distributiva del producto de
una matriz por un escalar con
PRODUCTO POR respecto a la suma
7 UN ESCALAR k1  k2  . A  k1. A  k2 . A Distributiva del producto de
una matriz por un escalar con
respecto a la suma de
escalares
8 1. A  A Elemento neutro
9 k. A  O  k  0  A  O
10  AB C  ABC  Asociativa
11  A  B C  AC  BC Distributiva por la derecha
12 AB  C   AB  AC Distributiva por la izquierda
13 kAB  k ( AB)  A(kB) Asociativa mixta
14 I m A  A y AI n  A Elemento neutro
15 PRODUCTO MATRICIAL AB  O  A  O  B  O  Divisores propios del cero
16 AO  OA  O Elemento absorbente (matriz
nula)
17 AB  AC  B  C No vale la ley de
BA  CA  B  C simplificación
18 AB  BA No vale la propiedad
conmutativa
19
A T T
A Transpuesta de la transpuesta
20  A  B T  AT  BT Transpuesta de la suma
21 kAT  kAT Transpuesta del producto por
TRANSPUESTA un escalar
22  AB T  B T AT Transpuesta del producto
matricial
23
A    A 
1 T T 1 Transpuesta de la inversa
24
A   A
1 1 Inversa de la inversa
25  A  B 1  A1  B 1 Inversa de la suma de matrices
26
INVERSA kA1  1k A1 Inversa del producto por un
escalar
27  AB 1  B 1 A1 Inversa del producto matricial
28
A    A 
n 1 1 n Inversa de la potencia

112
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Tema: DETERMINANTE

Ya hemos visto funciones matemáticas que asocian un número real f(x) a un valor real de la variable x.
Tanto x como f(x) asumen sólo valores reales, esas funciones se llaman funciones con valores reales de
una variable real. Ahora veremos una nueva función: la función determinante, que es una función con
valores reales de una variable matricial. Esta función asocia un número real f(A) con una matriz
cuadrada A.
La función determinante tiene importancia en la resolución de sistemas de ecuaciones lineales, también
nos proporcionará un nuevo método para hallar la inversa de una matriz invertible.

Función determinante
La función determinante es una función que asigna a una matriz cuadrada un número real. El
determinante de una matriz A R nxn se denota por A o det(A).
Se dice que el determinante es de orden n si la matriz a la que se le asocia es de tamaño nxn. El
determinante es un escalar que se obtiene usando los elementos de A de acuerdo a ciertas reglas.
Para una matriz de orden 2 el valor de su determinante es:

a a    1 3
A   11 12   a11a22  a12 a21 , por ejemplo: det( A)  det    (1).4  3.2  4  6  10
a21 a22   2 4
Para una matriz A de orden 3, el correspondiente determinante de tercer orden es:

 a11 a12 a13 

det( A)  a21 a22 a23   a11a22 a33  a12 a23a31  a13a21a32  a13a22 a31  a12 a21a33  a11a23a32
 a31 a32 a33 
Para recordar esta expresión se usará la regla de Sarrus. Esta regla consiste en agregar en la parte
inferior, las dos primeras filas de la matriz A. Luego se suman los tres productos de tres factores,
indicados mediante flechas descendentes en las diagonales, de izquierda a derecha, y se restan los tres
productos de tres factores, indicados mediante flechas descendentes en las contra diagonales, de
derecha a izquierda.

a11 a12 a13

a21 a22 a23
a31 a32 a33
a11 a12 a13
a21 a22 a23

Tener presente que la regla de Sarrus

sólo es válida para calcular
determinantes de orden 3.

113
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

1 3  2
Sea A   2  1 1 
 su determinante es:
 2 2 3 

1 3 2
2 1 1
2 2 3  1.(1).3  2.2.(2)  (2).3.1  (2).(1).(2)  1.2.1  3.3.2  3  8  6  4  2  18  33
1 3 2
2 1 1

det(A)= -33
Ahora veremos algunos conceptos que nos servirán para enunciar cómo calcular el determinante
asociado a una matriz de orden nxn.
Menores y cofactores
Si A es una matriz cuadrada, entonces el menor del elemento aij se designa M ij y se define como el
determinante de la submatriz que queda después de quitar la i-ésima fila y la j-ésima columna de A.
El número 1 M ij se denota por Cij y se denomina cofactor del elemento aij .
i j

Cij   1 M ij
i j

1 3  2
Sea A   2  1 1 
 sus cofactores son:
 2 2 3 

1 1 1 2 2 1
C11   1  (1).3  1.2  5 , C12   1  (1)2.3  1.(2)  8 ,
1 1

2 3 2 3
2 1 3 2
C13   1 C21   1   13.3  (2).2  13 ,
13 21
 2.2  (1).(2)  2 ,
2 2 2 3

1 2 2 3 1 3
C22   1  1.3  (2).(2)  1 , C23   1  (1)1.2  3.(2)  8
2 2

2 3 2 2

3 2 3 2 1 2
C31   1  3.1  (2).(1)  1 , C32   1  (1)1.1  (2)2  5
31

1 1 2 1

1 3
C33   1
33
 1.( 1)  3.2  7
2 1

El factor 1 se llama signo de posición, el signo resultante depende de la posición del elemento en
i j

cuestión dentro de la matriz, y no de su valor. Los signos de posición de todos los elementos tienen un
arreglo en forma de tablero de ajedrez, para la matriz A queda:

114
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
   
   
 
   

Desarrollo por cofactores

 a11 a12 a13 
Sea la matriz A  a21 a22 a23  de orden 3x3, recién vimos que su determinante es:
a31 a32 a33 

det( A)  a11a22 a33  a12 a23a31  a13a21a32  a13a22 a31  a12 a21a33  a11a23a32 , expresión que se puede
escribir así:
det( A)  a11 (a22 a33  a23a32 )  a21 (a13a32  a12 a33 )  a31 (a12 a23  a13a22 )
Las expresiones entre paréntesis son los cofactores C11 , C21 , C31 , entonces:
det( A)  a11C11  a21C21  a31C31
Esta expresión muestra que el determinante de A, se puede calcular multiplicando los elementos de la
primera columna de A por sus cofactores, y sumando los productos resultantes.
Esta forma de evaluar el determinante de A se denomina desarrollo por cofactores a lo largo de la
primera columna de A.
Calculemos ahora el determinante de la matriz de recién cuyo determinante resultó de aplicar la regla
de Sarrus, apliquemos el desarrollo por cofactores s lo largo de la primera columna:
det( A)  a11C11  a21C21  a31C31  1 C11  2C21  (2)C31 , ya habíamos encontrados los cofactores,
reemplazando queda:
det( A)  1 C11  2C21  (2)C31  1.(5)  2.(13)  (2).1  5  26  2  33 , resultado que ya
conocíamos.
Si en esta expresión: det( A)  a11a22 a33  a12 a23a31  a13a21a32  a13a22 a31  a12 a21a33  a11a23a32 ,
reordenamos los términos de otras maneras obtendremos las siguientes igualdades:

det( A)  a11C11  a12C12  a13C13

det( A)  a11C11  a21C21  a31C31
det( A)  a21C21  a22C22  a23C23
det( A)  a12C12  a22C22  a32C32
det( A)  a31C31  a32C32  a33C33
det( A)  a13C13  a23C23  a33C33

En cada ecuación todos los elementos y los cofactores provienen de la misma fila o de la misma
columna. Estas ecuaciones se llaman desarrollos por cofactores de det(A).Estos resultados para
matrices de orden 3 constituyen un caso especial, en general para matrices de orden n:
El determinante de una matriz A nxn se puede calcular multiplicando los elementos de cualquier fila o
de cualquier columna por sus cofactores y sumando los productos resultantes, es decir, para cada
1  i  n y 1  j  n , se tiene:
det( A)  a1 j C1 j  a2 j C2 j  ...  anj Cnj , desarrollo por cofactores a lo largo de la j-ésima columna

115
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
det( A)  ai1Ci1  ai 2Ci 2  ...  ainCin , desarrollo por cofactores a lo largo de la i-ésima fila
Evaluaremos el determinante de la matriz A ahora a lo largo de la primera fila:

det( A)  a11C11  a12C12  a13C13  1. 5  3.(8)  (2).2  5  24  4  33

Lo que coincide con el resultado que ya habíamos obtenido, cuando calculamos el determinante
desarrollando por cofactores a lo largo de la primera columna de A .
La importancia del desarrollo de un determinante por cofactores, es que nos permite calcular un
determinante de orden n en función de los determinantes de orden n-1.
En general, el desarrollo por cofactores se utiliza para calcular los determinantes de orden n  4 .
Insistimos en que para el desarrollo por cofactores se puede usar cualquier fila o cualquier columna,
debido a esto conviene elegir la fila o columna que tenga la mayor cantidad de ceros, ya que los
correspondientes cofactores no intervienen y no es necesario calcularlos.
1 0  1  2 
2 0 0 1 
Dada la matriz A   calcularemos su determinante por el método anterior, usaremos
5 4 3 6
 
0 0 3 1 
la segunda columna para hacer el desarrollo por cofactores:

1 1  2
3 2
det( A)  a32C32  4(1) 2 0 1  4(1)(13)  52
0 3 1
Se eligió la segunda columna porque es la línea que tiene más elementos nulos, se necesitan calcular
menos cofactores. El valor del determinante de la matriz es el mismo si se utiliza otra columna u otra
fila. Verificar!!
Ahora calcularemos el determinante de una matriz triangular por el mismo método.
1  1 5  2
0  2 0 1 
A trabajaremos con la última fila:
0 0 3 6
 
0 0 0 4

1 1 5
det( A)  a44C44  4(1) 4 4

0  2 0  4.1.a11C11   4.1.1. (1)11  2.3  0   1.(2).3.4  24 
0 0 3

aplicamos cofactores
usamos la 1º columna

Vemos que el determinante es igual al producto de los elementos de la diagonal principal, vamos a
generalizar esta conclusión:
Si A es una matriz nxn triangular superior, triangular inferior o diagonal, entonces det (A) es el
producto de los elementos de la diagonal principal, es decir, det  A  a11.a22 ....ann .
Por ejemplo:

116
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2 7 2 2 5
0 3 4 5 7
0 0 6  4  3  2.(3).6.9.4  1296
0 0 0 9 1
0 0 0 0 4

En este ejemplo podemos ver que si la matriz tuviera una fila o una columna formada completamente
por ceros, habría al menos un cero en la diagonal principal, en este caso el determinante valdría cero.
Generalizamos esta conclusión para cualquier matriz cuadrada:
Si A es una matriz nxn y tiene una fila o una columna nula, su determinante es cero det  A  0 .
Si transponemos ahora la matriz triangular superior anterior, obtendremos una matriz triangular
inferior. Por la conclusión ya vista, su determinante es el producto de los elementos de la diagonal
principal, por lo que queda:

2 0 0 0 0
7 3 0 0 0
2 4 6 0 0  2.(3).6.9.4  1296
2 5 4 9 0
 5 7  3 1 4

Obtuvimos el mismo resultado, con lo que podemos concluir:

Si A es una matriz nxn su determinante es igual al de su transpuesta: det  A  det AT .  
Ejercicio Nº1
Calcular el determinante de las siguientes matrices usando regla de Sarrus y método de los cofactores:
2 0  4 1 2  3 1  2 7 

A 3 2  3 B   4  2 5 
 C  3 5 1
 4  3 5   7 1 0  4 3 8

Rta.: det  A  6, det B   45, det C   0

Ejercicio Nº2
Calcular el determinante de las siguientes matrices usando método de los cofactores:
2 3 2 4 3 2 1 0  0 1 3 2
 3 2 1 2 0 4 0  2  3 0 1  2
D E F  
3 2 3 4  1 3 8 4 1  1 4 3
     
 2 4 0 5 3 5 1 0  2 2  1 1 
Rta.: det D   286, det E   138, det F   97
Efecto de las operaciones elementales de filas
Veremos en tres ejemplos sencillos, como las operaciones elementales de filas afectan el valor del
determinante.
Operación TIPO I:

117
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

 2 1
A  e2 2  det( A)  2.4  1.3  11
3 4
 2 1 
B  det( B )   2 8  1. 6  22 , det B   (2) det  A
  6  8

Operación TIPO II:

 2 1
A  e213 det( A)  2.4  1.3  11
3 4
 2 1
B det( B)   2.7  1. 3  11 , det B   det  A
 3 7 

Operación TIPO III:

 2 1
A  e21 det( A)  2.4  1.3  11
3 4
3 4
B det( B )  3.1  4. 2  11 , det B    det  A
 2 1 

En resumen:
Si A es una matriz nxn y B es la matriz que se obtienen cuando:
1) a una fila de A se la multiplica por un escalar k, entonces: det B   k det  A ,el determinante de A
se multiplica por el escalar.
2) a una fila de A se le suma otra fila de A multiplicada por un escalar k, entonces det B   det  A , el
determinante de A no varía.
3) se intercambian dos filas de A, entonces: det B    det  A , el determinante de A cambia el signo.

NOTA:
En caso que multipliquemos una fila de la matriz A por un escalar, queda el determinante de A
multiplicado por el escalar: det B   k det  A .
De esto se desprende que, si hiciéramos la operación producto de una matriz por un escalar kA, aquí
todas las filas de A están multiplicadas por k , por lo que: det kA  k n det  A , siendo n el número de
filas de la matriz A.
Cálculo del determinante por triangulación
Veremos un método para hallar el determinante de una matriz, que consiste en reducir la matriz dada a
la forma triangular superior mediante operaciones elementales de filas.
A medida que se reduce la matriz, se deberá considerar como las operaciones elementales de filas
modifican el valor del determinante. Luego hallaremos el valor del determinante de la matriz triangular
superior que, como ya vimos, consiste en multiplicar los elementos de la diagonal principal.

118
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 2 1 1
A  4 2 3  e21( 2)
1 3 0
 2 1 1
B  0 0 1  e31 det B   det  A
1 3 0
1 3 0 
C  0 0 1  e31( 2 ) det C    det  A
2 1 1
1 3 0
D  0 0 1  e23 det D   det  A
0  5 1
1 3 0
E  0  5 1 det E   det  A  1.(5).1  5
0 0 1

Veamos otro ejemplo:

119
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 2 1 3 1
1 0 1 1 
A e
 0 2 1 0 2 ( 2 )
 
 0 1 2 3
2 1 3 1
2 0 2 2
B  e21( 1) det B   2 det  A
0 2 1 0
 
0 1 2 3
2 1 3 1
0  1  1 1
C  e32( 2) det C   2 det  A
0 2 1 0
 
0 1 2 3
2 1 3 1
0  1  1 1 
D e det D   2 det  A
0 0  1 2 42 (1)
 
0 1 2 3
2 1 3 1
0  1  1 1 
E e det E   2 det  A
0 0  1 2 34
 
 0 0 1 4
2 1 3 1
0  1  1 1
F  e43(1) det F   2 det  A
0 0 1 4
 
0 0  1 2
2 1 3 1
0  1  1 1
G det G   2 det  A
0 0 1 4
 
0 0 0 6

1
De la ecuación det G   2 det  A despejamos la incógnita que es det  A  det  A   det G  ,
2
Por ser G matriz triangular, det G   2.(1).1.6  12 , reemplazando queda:
1 1
det  A   det G    (12)  6 .
2 2
Otro ejemplo mas….

120
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2 3 7
A  0 0  3  e3( 2)

1  2 7 
2 3 7 
B   0 0  3   e31(1)
 det B   2 det  A
 2 4  14
2 3 7 
C  0 0  3  e23 det C   2 det  A
0 7  7 
2 3 7 
D  0 7  7  det D   2 det  A
0 0  3

1 1
det D   2 det  A  det  A  det D   2.7.(3)  21
2 2
Ejercicio Nº3
Calcular el determinante de las siguientes matrices usando el método de triangulación:
2 1 3 1 3 6 9 3
1 0 1 1  1 0 1 0 
A B
0 2 1 0 1 3 2  1
   
0 1 2 3  1  2  2 1 
Rta.: det  A  6 , det B   21
Propiedades de los determinantes
Si A es una matriz nxn y tiene dos filas iguales o proporcionales, entonces su determinante es
cero: det  A  0 .
Veamos unos ejemplos sencillos:

 2  3
A  , det  A  2.6  (3).(4)  0
 4 6 

2  3
A  , det  A  2.(3)  (3).2  0
2  3

Observar que en ambos casos la segunda fila se puede anular si aplicamos una operación tipo II, ya
vimos que esta operación no cambia el determinante de la matriz original A, y también vimos que si
una matriz tiene una fila nula, su determinante es cero. Por lo que det  A  0 .
Ya vimos el efecto de las operaciones elementales de filas sobre el valor del determinante, ahora
veremos como lo afectan las operaciones con matrices.
 Producto por de una matriz por un escalar kA: det kA  k n det  A , siendo n el número de filas
de la matriz A.

121
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
 Suma de matrices A+B: det  A  B   det  A  det B 
 Producto entre matrices A.B: det  A.B   det  A. det B 
 Transpuesta: det  A  det AT  
 Inversa: si A es invertible det A1    1
det  A
 
 Potencia: det A  det  Ak k

1 2  3 1 4 3
A  , B  1 3 , A  B  3 8 det  A  1 , det B   8 , det  A  B   23 , con lo que:
2 5     
det  A  B   det  A  det B 

3 1  1 3 2 17
A  ,B    , A.B    det  A  1 , det B   23 , det  A.B   23 con lo que:
2 1  5 8 3 14
det  A.B   det  A. det B 

Ejercicio Nº 4

Sea A una matriz de orden 3x3 y det A=5. Hallar : a) det (3A) b) det 2 A1 c) det 2 A d) det A1   1
 
a) Aplicamos la propiedad: det k . A  k n . det A , A  R nxn
det 3. A  33. det A  27.5  135

b) Aplicamos la propiedad: det k . A  k n . det A , A  R nxn

 
det 2. A1  23. det A1  
1
Aplicamos la propiedad: det A1 
det A

 
23. det A1  23.
1

det A 5
8

1
c) Aplicamos la propiedad de matriz inversa: k . A  . A1
1

k
2. A1  1 . A1
2
Aplicamos la propiedad: det k . A  k . det A , A  R
n nxn

3
1  1
det A1     . det A1
2  2

1
Aplicamos la propiedad: det A1 
det A

122
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
3
1 1 1 1 1 1 1
  . det A   . 
2 8 det A 8 5 40
1 1
d) Aplicamos la propiedad: det A1  
det A 5

Ejercicio Nº5

Sean A y B matrices 3x3 con detA=5 y detB=10, aplicar propiedades de los determinantes para
calcular, de ser posible, el valor de los siguientes:

    
a) det  A.B  b) det 2 A c) det [Link] d ) det AT . B 2 e) det 2 AT 3B  f ) det AT . B 3      
2

  1 1  1  1 
g ) det  A  A  
 2  2  


Ejercicio Nº 6
1 1 3 0
 1 1 2 0
Dada la matriz A  
0 2
 
calcular det A1 A3 AT . Hallar el determinante de la matriz por
2 1
 
0 4 3 3
distintos métodos. Rta.: det A1 A3 AT  32768 
Ejercicio Nº 7
a b c
Suponer que el determinante de d e f  5 , encontrar el determinante de:
g h i
d e f a b c ad be c f a b c
a) g h i b) 2d 2e 2 f c) d e f d ) d  3a e  3b f  3c e) det 3 A
a b c g h i g h i 2g 2h 2i

a g d
f ) det A  1

g ) det 2 A 1
 h) b h e
c i f

Ejercicio Nº 8
2 1 0 1  1 3 
Dadas las matrices A  3 4 0 y B  7 1 2 , comprobar que: det  A.B   det  A. det B  .
 
0 0 2 5 0 1
Ejercicio Nº 9

Hallar los valores de  para los cuales el det  A  0 .

  1  2 
A Rta.: 1  3 , 2  2
 1   4

123
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Adjunta de una matriz

Si A es una matriz nxn y Cij es el cofactor de aij , entonces la matriz:

C11 C12 ... C1n 

C 
 21 C22 ... C2 n 
 : : : : 
 
Cn1 Cn 2 ... Cnn 

se denomina matriz de cofactores de A. La transpuesta de esta matriz se denomina adjunta de A y se

denota adj(A).
3 2  1
Por ejemplo, sea A  1 6 3  , los cofactores de A son:
2  4 0 

C11  12 C12  6 C13  16 12 6  16

C21  4 C22  2 
C23  16 , la matriz de cofactores es:  4 2 16  y la adjunta
C31  12 C32  10 C33  16 12  10 16 

 12 4 12 

de A es: adj  A   6 2  10 .
 16 16 16 

La matriz adjunta nos proporciona otra manera de obtener la inversa de una matriz, mediante la
siguiente expresión:
1
Si A es una matriz invertible, entonces A1  adj  A .
det  A
Esta fórmula es útil para obtener propiedades de la inversa.
La inversa de la matriz del ejemplo es:
 12 4 12   163 1
16 3
16
1 1   
A1  adj  A  6 2  10   323 1
  verificar haciendo A. A1  I .
5
det  A 64  32 32
 16 16 16   14 1
4

1
4

Este método es razonable para invertir manualmente matrices 3x3, el algoritmo para hallar la inversa
que vimos en el tema matrices, es más eficaz para matrices más grandes.
La fórmula vista sirve para establecer la condición necesaria y suficiente para la existencia de la matriz
inversa.
Teorema
Sea A R nxn , existe la matriz inversa de A si y sólo si, el determinante de A es no nulo.
En símbolos: A1  det  A  0 .
Demostración:
Se debe demostrar que:
a) det  A  0  A1 , y

124
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
b) A1  det  A  0 .
1
a) por la fórmula que vimos recién: si det  A  0  A1  adj  A , por lo que sabemos que
det  A
existe la inversa y también como calcularla.
b) Si A1 , entonces AA1  A1 A  I , por la propiedad del determinante de un producto de
     
matrices se sabe que det AA1  det A1 A  det A1 det  A  1 , para que este producto sea no
 
nulo, es necesario que tanto det  A como det A1 sean no nulos. Entonces, det  A  0 .

Por el teorema anterior podemos afirmar

que, lo que caracteriza a una matriz
invertible A es que su determinante sea no
nulo: A1  det  A  0

Ejercicio Nº 10

Hallar los valores de  para que la matriz A sea no invertible.

 1 2 4  2 0  1
   2
a) A   3 1 6 b)B    c)C   1 0 
 3 2  2    0 1 3 

Rta.: a )  1 b)1  2 , 2  2 c)  6

Ejercicio Nº 11

Calcular la inversa de las siguientes matrices usando el método de la adjunta:

2  1 0 3 0 1
D  0  2 1 , E   0 5 0 
1 0 1  1 1  1

 52  15 1
5   12  101 1
2 
   
Rta.: D 1    15  2
5
2
5  , N 1   0 1
5
0
 25 1
5
4
5
  12 3
10
 32 
Sistemas de ecuaciones lineales y determinante

125
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
La forma matricial de un sistema de n ecuaciones con n incógnitas Anxn X nx1  H nx1 , donde X nx1 es la
matriz de las incógnitas y H nx1 es la matriz de los términos independientes.

Si A R nxn es tal que det  A  0 entonces A1 , si premultiplicamos ambos miembros por A1 queda:
A1 A X  A1H
 por definición de matriz inversa:
I

IX  A1H
 por ser la matriz identidad elemento neutro del producto matricial:
X

X  A 1 H
Dado que la inversa de una matriz es única, entonces el sistema AX  H tiene sólo una solución:
X  A 1 H .
Si H  0nx1 y det  A  0 , se puede concluir que el sistema no es compatible determinado. En este caso
puede ser: compatible indeterminado o incompatible.
Si el sistema es homogéneo y det  A  0 , la solución única es la trivial:

AX  O premultiplicamos ambos miembros por A1 queda:

A1 A X  A1O por definición de matriz inversa:

I

X  A1O por ser la matriz identidad elemento neutro del producto matricial:
X  Onx1
Los sistemas homogéneos son siempre compatibles, si det  A  0 , el sistema es compatible
indeterminado.
Resumiendo:

Regla de Cramer
La regla de Cramer es un método que permite resolver sistemas compatibles determinados de n
ecuaciones con n incógnitas.
Para encontrar la incógnita i-ésima de un sistema compatible determinado de n ecuaciones lineales con
n incógnitas Anxn X nx1  H nx1 con det  A  0 , basta realizar el cociente entre dos determinantes.

126
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
El numerador es el determinante de la matriz que se forma al sustituir en la matriz de coeficientes A de
las incógnitas la i-ésima columna por la matriz columna H de los términos independientes, y el
denominador es el determinante de la matriz de coeficientes A.
Veamos un ejemplo:
x y z 0  1 1 1

2 x  5 y  3z  10 buscamos el determinante de la matriz de coeficientes: 2  5  3  68  0 Por
4 x  8 y  2 z  4  4 8 2
ser det  A  0 este sistema tiene solución única, aplicamos la regla de Cramer:

Columna de términos independientes

0 1 1 1 0 1 1 1 0
10  5  3 2 10  3 2  5 10
4 8 2 68 4 4 2 0 4 8 4  68
x  2 ,y  0 , z   2
1 1 1 34 1 1 1 34 1 1 1 34
2 5 3 2 5 3 2 5 3
4 8 2 4 8 2 4 8 2

La solución de este sistema es S  ( x, y, z )  (2,0,2)

Para resolver un sistema de n ecuaciones con n incógnitas mediante la regla de Cramer, es necesario
evaluar n+1 determinantes de matrices nxn. Para sistemas con más de tres ecuaciones, el método de
Gauss- Jordan es más eficaz, ya que sólo es necesario reducir la matriz ampliada de orden nx(n+1).
Sin embargo, la regla de Cramer proporciona un método para la solución si el determinante de la
matriz de coeficientes es diferente de cero.
Ejercicio Nº 12

Resolver el sistema de ecuaciones lineales mediante la regla de Cramer:

x  y  2z  9 

2 x  4 y  3z  1  Rta.:  x, y, z   1,2,3
3x  6 y  5 z  0

Los determinantes sirven para analizar y resolver operaciones entre vectores, ahora veremos la
combinación lineal entre vectores y sacaremos conclusiones aplicando determinantes y sus
propiedades.
Combinación lineal de vectores
El vector v  R n es combinación lineal de los vectores v1 , v 2 ,..., v n si y sólo si existen los escalares
k1 , k2 ,..., kn tales que: v  k1 v1  k 2 v 2  ...  kn v n .

127
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Vamos a analizar si el vector v  (4,2,3) es combinación lineal de los vectores:
v1  (4, 3,1), v 2  (6, 1 , 7), v3  (2,1, 1) , si aplicamos la definición debemos ver si existen
escalares k1 , k2 , k3 que cumplan:

k1 v1  k2 v 2  k3 v 3  v
k1 (4,3,1)  k 2 (6,1,7)  k3 (2,1,1)  (4,2,3)
4k1,3k1,k1    6k2 , k2 ,7k2    2k3 ,k3 , k3   (4,2,3)

4k1  6k2  2k3  4 


3k1  k2  k3  2 
 k1  7k2  k3  3

Obtuvimos un sistema de 3 ecuaciones lineales con 3 incógnitas. Este sistema se puede resolver
aplicando: método de Gauss-Jordan, por inversión de la matriz de los coeficientes o por regla de
Cramer. Usaremos esta última:
 4  6  2
Buscamos el determinante de la matriz de los coeficientes A   3 1  1 , pero
 1 7 1 
det  A  0 (verificar!), con lo que el sistema tendrá infinitas soluciones o ninguna.
Observar que la definición de combinación lineal no exige que los escalares k1 , k2 ,..., kn sean únicos,
sino sólo que existan.
Si resolvemos el sistema por el método de Gauss-Jordan, este sistema resulta incompatible (verificar!),
por lo que , concluimos que no existen los escalares k1 , k2 , k3 que permitan escribir al vector v como
combinación lineal de los vectores v1 , v 2 , v3 .
Veamos ahora otro ejemplo:
v  (5,7, 1) , v1  (1, 1,0), v 2  (0, 1 , 1), v3  (1,0, 1)
k1 v1  k2 v 2  k3 v 3  v
k1 (1,1,0)  k2 (0,1,1)  k3 (1,0,1)  (5,7,1)
k1 , k1,0k1   0k2 , k2 , k2   k3 ,0k3 , k3   (5,7,1)

k1  0k2  k3  5 

k1  k2  0k3  7
0k1  k2  k3  1 
Buscamos el determinante de la matriz de los coeficientes, aplicamos la regla de Sarrus:
1 0 1
A  1 1 0  det  A  2 , por lo que este sistema tendrá solución única.
0 1 1

Aplicamos regla de Cramer para resolver el sistema:

128
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
5 0 1 1 5 1 1 0 5
7 1 0 1 7 0 1 1 7
1 1 1 11 0 1 1 3 0 1 1 1
k1   , k2   , k3  
1 0 1 2 1 0 1 2 1 0 1 2
1 1 0 1 1 0 1 1 0
0 1 1 0 1 1 0 1 1

La solución del sistema es: S  (k1 , k2 , k3 )  112 , 32 , 12  , para verificar reemplazamos en la combinación
11 3 1
lineal: (1, 1,0)  (0, 1 , 1)  (1,0, 1)  (5,7,1) .
2 2 2
11 3 1
En este ejemplo la combinación lineal es posible sólo si los escales son: k1  , k 2  , k3   .
2 2 2
Otro ejemplo mas…
v  (12,8) , v1  (3,2), v 2  (6,4)
k1 v1  k2 v 2  v
k1 (3, 2)  k2 (6,4)  (12,8)
 3k1 ,2k1   6k2 ,4k2   (12,8)

 3k1  6k 2  12   3 6 
2k1  4k2  8
 A   det  A  0
 2  4

Este sistema es compatible indeterminado o incompatible, si resolvemos por Gauss-Jordan queda:

 3 6 12 
A  e2(3)
 2 4  8
 3 6 12 
 6  12  24  e21( 2)
 
 3 6 12
 0 0 0   e1 13 
 
1  2  4
0 0  R( A)
 0 

Escribimos la incógnita principal en función de la secundaria, y asignamos un parámetro a la variable

secundaria:
k1  2k2  4
k1  4  2k2 , k2  t
S  (k1 , k2 )   4,0   t (2,1)
En este caso existen infinitos juegos de escalares que permiten escribir la combinación lineal, por
ejemplo si t=0
S1  (k1 , k 2 )   4,0

129
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Verificamos:
 4.(3, 2)  0(6,4)  (12,8)
Ahora con t=2
S  (k1 , k2 )   4,0  (2).(2,1)  (8,2)
Verificamos:
 8.(3, 2)  (2)(6,4)  (12,8)
Para cada valor asignado a t obtenemos un par de escalares que permiten escribir la combinación
lineal.

Ejercicio Nº 13

1-En cada caso analizar si el vector v es combinación lineal de los vectores del conjunto A.

a)v  4,5 A  1,51,10 b)v   4,0 A   3,26,4

c)v  5,7,1 A  1,1,00,1,11,0,1 d )v  2,3,4 A  1,1,12,0,23,1,3

2-Sean los vectores u  (2,0,1) , v  (3,2,0), w  (1,0,3) encontrar el vector combinación lineal de
u , v , w según los escalares 2,-1,3. Verificar si el vector  3,4,1 es combinación lineal de los
vectores u , v , w y en tal caso encontrar los escalares correspondientes.

Rta.: 4,2,11 , k1  2 , k2  2 , k3  1

Independencia y dependencia lineal

El concepto de independencia o dependencia lineal, para el caso de vectores de los espacios R 2 o R 3 ,

implica analizar si la dirección de un vector depende o no de las direcciones de otros vectores.
 
Sea el conjunto de vectores A  v1 , v2 ,..., vn es linealmente independiente si la única forma de escribir
al vector nulo como combinación lineal de los vectores de A, es con todos los escalares nulos. Es decir:
k1 v1  k2 v2  ...  k n vn  0  k1  k2  ...  kn  0
 
En caso contrario, A  v1 , v2 ,..., vn es linealmente dependiente si para escribir al vector nulo no
necesitamos que todos los escalares sean todos nulos. Es decir:
ki : ki  0 con i  1,2,...n / k1 v1  k2 v2  ...  kn vn  0

Para estudiar si un conjunto de vectores es linealmente dependiente o independiente,

se plantea la ecuación k1 v1  k2 v2  ...  kn vn  0 y se estudian sus soluciones. Es decir, se debe
investigar que tipo de combinación lineal genera al vector nulo. Si admite alguna solución no nula el
conjunto de vectores es linealmente dependiente, y si sólo admite la solución trivial, es linealmente
independiente.
Analizaremos los siguientes conjuntos:
A  (1,1)(1,0)
Expresamos el vector nulo como combinación lineal de los vectores de A: k1 v1  k2 v2  0 ,
reemplazamos:

130
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
k1 (1,1)  k2 (1,0)  (0,0)
k1, k1   k2 ,0k2   0,0

k1  k2  0 
 det  A  0
k1  0k2  0

S  k1 , k2   (0,0)
Como los escalares son ambos cero, el conjunto A es LI

B  (1,1)(3,3)
k1 v1  k2 v2  0
k1 (1,1)  k2 (3,3)  (0,0)
k1, k1    3k2 ,3k2   0,0

k1  3k2  0
 det  A  0
k1  3k2  0

S  k1 , k2   t (3,1)

En este caso existen escalares no nulos que permiten escribir al vector nulo como combinación lineal
de los vectores dato. Si hacemos t  1  S1  (k1 , k2 )  (3,1) reemplazando queda:
3.(1,1)  1.(3,3)  (0,0)
Si hacemos t  2  S2  (k1 , k2 )  (6,2) reemplazando queda:  6.(1,1)   2.(3,3)  (0,0)
Como los escalares no son todos cero, el conjunto B es LD.

Geométricamente pasa que los vectores de A no son múltiplos escalares entre sí, en cambio, los
vectores de B si son múltiplos escalares.

Conjunto LI Conjunto LD

Los vectores del conjunto A no son paralelos, esto garantiza que ningún vector del conjunto es
combinación lineal de los vectores restantes, cada vector representa una dirección única. Esto es, la
dirección de cada vector es independiente de las otras direcciones. Por ello el conjunto A es
linealmente independiente.
En cambio en el conjunto B se puede expresar un vector como combinación lineal del otro vector, el
conjunto no tiene vectores con direcciones independientes unas de otras, sino dependientes. Por ello el
conjunto B es linealmente dependiente.
Observar también, que en el caso del conjunto A, el determinante de la matriz de coeficientes es no
nulo, en cambio, el determinante del conjunto B es cero.

131
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Resumiendo:
Si en una matriz cuadrada existe algún vector fila, o vector columna, que es combinación lineal de los
vectores restantes, entonces dichos vectores son linealmente dependientes y el determinante de la
matriz es nulo.
Hablamos de vectores filas o de vectores columnas indistintamente, por la propiedad que dice
 
det  A  det AT , lo que es válido para filas lo es también para las columnas.
Un conjunto de vectores es linealmente dependiente si:
 Uno de los vectores es el vector nulo, la matriz tendría una fila o columna nula y el
determinante es nulo, A  (0,0,0)(1,2,3)(3,5,1)
 Al menos dos vectores proporcionales, la matriz tendría una fila múltiplo de la otra y el
determinante es nulo, A  (1,3,0)(1,2,3)(2,4, 6)
 Uno de los vectores es combinación lineal de los vectores restantes, la matriz tendría una fila
que es combinación lineal de las otras y el determinante es nulo, A  (1,2,3)(1,2,3)(2,0,6) .

Ejercicio Nº 14

Decir si los siguientes conjuntos de vectores son LI o LD:

A  1,2 1,3 B  6,43,2 C  5,1,215,3,625,5,10 D  8,2,1 3,4,6 11,7,2

Resumen
Sea A R nxn , son equivalentes las siguientes proposiciones:
1. det  A  0
2. A es invertible, en símbolos: A1
3. la matriz reducida por filas de A es la matriz identidad
4. el sistema lineal homogéneo AX=O es compatible determinado
5. el sistema lineal no homogéneo AX=H es compatible determinado
6. el rango de A es n
7. los n vectores filas o columnas de A son linealmente independientes.

Producto vectorial o cruz

Este producto entre dos vectores del espacio se denomina producto cruz, haciendo referencia a su
notación que es una cruz, también se lo denomina producto vectorial, porque el resultado que se
obtiene es un vector. Los dos nombres se usan de manera indistinta. Este producto nos permite obtener
un vector perpendicular a otros dos vectores dados.

El producto vectorial de dos vectores u y v de R 3 , distintos del vector nulo y no paralelos, se denota
u  v y tiene por resultado un vector w con las siguientes características:
 Dirección: la dirección del vector w  u  v es perpendicular a la dirección del vector u y a la
del vector v . Por lo tanto w  u  v es perpendicular al plano que contiene los vectores u y v .
 Sentido: sea  el ángulo entre u y v , si suponemos que los dedos de la mano derecha se
mueven siguiendo el giro del vector u según el ángulo  , hasta coincidir con el vector v ,
entonces el pulgar de la mano derecha indicará el sentido del vector w  u  v . Se dice
entonces que la terna ( u , v , u  v ) es directa, es decir, igualmente orientada que la terna
 
iˆ, ˆj , kˆ . En este caso, el giro va en sentido levógiro, es decir antihorario, en contraposición del
sentido horario.

132
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

 Módulo: el módulo del vector w  u  v  u . v .sen , siendo  el ángulo entre u y v .

Si partimos de la descripción geométrica del producto vectorial, es posible deducir el resultado del
producto vectorial entre versores canónicos.

1)iˆ  iˆ  0 5) ˆj  ˆj  0
2)iˆ  ˆj  kˆ 6) ˆj  iˆ   kˆ 9)kˆ  kˆ  0
3) ˆj  kˆ  iˆ 7)kˆ  ˆj  iˆ
4)kˆ  iˆ  ˆj 8)iˆ  kˆ   ˆj

Justificamos 1):
Por definición del módulo del producto vectorial, y sabiendo que la medida del ángulo es 0,
iˆ  iˆ  iˆ . iˆ .sen0  0 , entonces el producto vectorial es un vector cuyo módulo es cero, el único
posible es el vector nulo, por lo tanto iˆ  iˆ  0 .
De manera análoga, se demuestra que ˆj  ˆj  0 y kˆ  kˆ  0 .

Justificamos 2):
Por definición:

 El módulo del producto vectorial iˆ  ˆj  iˆ . ˆj .sen  1 .
2
 El vector iˆ  ˆj debe ser perpendicular a los versores iˆ y ĵ .
 El sentido del vector iˆ  ˆj coincide, por la regla de la mano derecha, con el sentido positivo del
eje z.
A partir de las observaciones anteriores, el vector iˆ  ˆj es el versor k̂ . Por lo tanto, iˆ  ˆj  kˆ .
Ahora veremos las propiedades que tiene esta operación entre vectores del espacio.

Propiedades del producto vectorial

Sean u , v y w tres vectores del espacio R 3 y k  R , entonces:

1) Si u y v son distintos del vector nulo y no colineales, el producto vectorial es anticonmutativo:

u  v  v  u 
2) Si uno de los vectores del producto vectorial es el vector nulo, entonces el producto vectorial es
el vector nulo 0  u  u  0  0 .
3) El producto vectorial de dos vectores paralelos es el vector nulo: si u y v son vectores
paralelos  u  v  0 .

133
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
También podemos decir que los vectores son linealmente dependientes: si u y v son linealmente
dependientes  u  v  0 .
4) Consecuencia de la propiedad 3), u  u  0
5) El producto vectorial es distributivo a derecha e izquierda, con respecto a la suma de vectores,
teniendo en cuenta la no conmutatividad de la operación:
u  v  w   u  v  u  w , v  w   u  v  u  w  u .
6) Extracción de escalar del producto vectorial: ku   v  u  kv   k u  v  .

Las propiedades enunciadas permiten resolver operaciones entre vectores, y la propiedad 3) ofrece otra
manera de cómo determinar si dos vectores del espacio son paralelos.
Ejemplos

1) Aplicar las propiedades del producto vectorial y reducir a una mínima expresión,
u  v  u   v  u  v  siendo u y v dos vectores de R 3 .

u  v  u   v  u  v   aplicamos propiedad 5) distributiva a la izquierda del producto vectorial con

respecto de la suma, queda:
u  v  u u  v  u  v  v  por la propiedad 4) u  u  0 y v  v  0 :
0 0

u  v  v  u  por la propiedad 1) el producto vectorial es anticonmutativo, u  v  v  u  ,

entonces:
 v  u   v  u  como estos vectores son opuestos, su suma es el vector nulo:
 v  u   v  u  0 , resulta: u  v  u   v  u  v   0 .

2) Siendo u , v y w vectores de R 3 y k1 ,k2 escalares, comprobar que las siguientes igualdades son
verdaderas.

a)u  v  u   v  v  u   2u  v  b)u  k1v  k2u   v  k2v  k1u   0

a)u  v  u   v  v  u   aplicamos propiedad 5) distributiva a la izquierda del producto vectorial

con respecto de la suma, queda:
u  v  u u  v  v  v  u  por la propiedad 4) u  u  0 y v  v  0 :
0 0

u  v  v  u  por la propiedad 1) el producto vectorial es anticonmutativo, u  v  v  u  :

u  v   u  v   2u  v  , verificando la igualdad.

b)u  k1v  k2u   v  k2v  k1u   0

u  k1v  u  k2u  v  k2v  v  k1u 
u  k1v  k2 u  u   k2 v  v   v  k1u 
 
0 0

u  k1v  v  k1u 
k1 u  v   k1 v  u  
k1 u  v   k1 u  v   0

3) Considerando que u  v  (2,5,4) determinar el resultado de las siguientes operaciones.

134
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
a )  u  v   (2,5,4)
b)v  u  u  v   (2,5,4)
c)  u   v  u  v    1(2,5,4)   2,5,4 
d )5u  2v  10u  v   10(2,5,4)  (20,50,40)
e)u  u  v   u  u  u  v  (2,5,4)
0

 
f )v  3u  2v   3v  u   2 v
 v   3(u  v )  3(2,5,4)  (6,15,12)
 0 
Fórmula del producto vectorial entre vectores en función de sus coordenadas

Teorema
Sean los vectores u  u xiˆ  u y ˆj  u z kˆ y v  vxiˆ  v y ˆj  vz kˆ , entonces:
u  v  u v  u v iˆ  u v  u v  ˆj  u v  u v kˆ
y z z y z x x z x y y x

Demostración:

Sean los vectores u  u xiˆ  u y ˆj  u z kˆ y v  vxiˆ  v y ˆj  vz kˆ , entonces:

  
u  v  u xiˆ  u y ˆj  u z kˆ  vx iˆ  v y ˆj  vz kˆ 
Cada término de la forma canónica de los vectores es en sí mismo un vector, en consecuencia, por ser
el producto vectorial distributivo con respecto a la suma de vectores, y por la propiedad de extracción
de escalares del producto vectorial, resulta que:

    
  
 
u  v  u xiˆ  u y ˆj  u z kˆ  vxiˆ  v y ˆj  vz kˆ  u x vx  iˆ  iˆ  u x v y  iˆ  ˆj  u x vz  iˆ  kˆ   
0 kˆ  ˆj



 

      
 u y vx  ˆj  iˆ  u y v y  ˆj  ˆj  u y vz  ˆj  kˆ  u z vx  kˆ  iˆ  u z v y  kˆ  ˆj  u z vz  kˆ  kˆ
   
 
 kˆ 0 iˆ ˆj  iˆ 0

Cada término de esta expresión involucra el producto vectorial entre versores canónicos, en
consecuencia, aplicando los resultados del producto vectorial entre versores canónicos analizados
previamente, tres de los términos son iguales al vector nulo y los restantes pueden agruparse por pares,
pues dan por resultado el mismo versor canónico o su opuesto. Entonces, podemos escribir:

u  v  u y vz  u z v y  iˆ  u z vx  u x vz  ˆj  u x v y  u y vx  kˆ .

Resolver un producto vectorial con base en el teorema anterior implica memorizar cómo se arman las
componentes del vector que es resultado del producto vectorial, o bien repetir el proceso algebraico
efectuado en la demostración.
Sin embargo, existe una regla de resolución del producto vectorial que salva este obstáculo, y se
expone en la siguiente definición.

Regla de resolución del producto vectorial aplicando determinante

Sean los vectores u  u xiˆ  u y ˆj  u z kˆ y v  vxiˆ  v y ˆj  vz kˆ , entonces:

135
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
iˆ ˆj kˆ
u y uz u uz u uy ˆ
u  v  ux u y uz  iˆ  x ˆj  x k
v y vz vx v z vx v y
vx v y vz
La forma para resolver un producto vectorial adopta la forma de la función determinante, se resuelve
mediante el desarrollo por cofactores a lo largo de la primera fila, la que contiene a los versores.
La segunda fila contiene las componentes del primer vector y la tercera fila las del segundo vector.
El determinante de orden tres puede ser desarrollado en tres determinantes de orden dos, donde el
resultado escalar de cada determinante define a las componentes del vector resultante del producto
vectorial.

Ejemplos

1) Sean los vectores u  2iˆ  3 ˆj  4kˆ y v  3iˆ  5 ˆj  kˆ , calcular u  v y v  u .

iˆ ˆj kˆ
3 4 2 4 2 3 ˆ
u v  2 3 4  iˆ  ˆj  k
5 1 3 1 3 5
3 5 1

 (3).(1)  4.5iˆ  2.(1)  4.3 ˆj  2.5  3.(3)kˆ  17iˆ  14 ˆj  19kˆ

iˆ ˆj kˆ
5 1 3 1 3 5 ˆ
v  u  3 5 1  iˆ  ˆj  k  17iˆ  14 ˆj  19kˆ
3 4 2 4 2 3
2 3 4
Podemos comprobar que tanto u  v como v  u son vectores ortogonales a los vectores u y v , si
hacemos el producto punto entre ellos queda:

u  v   u   17,14,19  2,3,4  0
u  v   v  (17,14,19)  (3,5,1)  0
Recordar que la condición de perpendicularidad entre dos vectores es que su producto punto sea cero:
u v 0  u  v .
Verificar que sucede lo mismo con el vector v  u .
También se verifica que u  v y v  u son vectores opuestos, esto ejemplifica que el producto
vectorial no es conmutativo.

2) Sean los vectores u   1,2,1 , v  0,3,1 y w  4,8,4 , calcular:

a)u  v y u  v d )v  w y v  w
b )v  u y v  u e) w  v y w  v g )w  u y w  u
c)2u   v y 2u   v f )u  w y u  w
Extraer conclusiones por comparación de los incisos a) con b), d) con e), y f) con g). Puede obtener el
resultado del inciso c) a partir de las respuestas del inciso a)? Justifique.

Interpretación geométrica del módulo del producto vectorial

Teorema

136
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Sean los vectores no paralelos u  u xiˆ  u y ˆj  u z kˆ y v  vxiˆ  v y ˆj  vz kˆ .
Si consideramos que los vectores u y v tienen un origen común en O, entonces determinarán dos
lados de los lados no paralelos de un paralelogramo cuya área quedará definida por el módulo del
producto vectorial u  v .
En símbolos:
Área del paralelogramo: u  v
Demostración

Sean los vectores no paralelos u y v y considerados con origen común en el punto O. Estos vectores
permiten definir al paralelogramo OABC.
areaOABC  base  altura  OC.h .
De la figura se deduce:

long .base  long .OC  u

[Link]  h  v sen
Reemplazando queda: areaOABC  base  altura  OC.h  u . v .sen

Obtuvimos la expresión del módulo del producto vectorial entre los vectores u y v , por lo tanto:

area del parale log ramo  u  v .

Producto mixto

El producto mixto es una operación vectorial que se define entre tres vectores u , v y w tres vectores
del espacio R 3 , y su resultado es un número real.
De igual modo que los productos escalar y vectorial, el producto mixto es una herramienta algebraica
que permite resolver distintas situaciones del álgebra y de la geometría.

Definición:
Dados tres vectores u , v y w del espacio R 3 , se llama producto mixto al número real que se obtiene
al multiplicar u  v  w  .
Para obtener el resultado de un producto mixto, primero se resuelve el producto vectorial y luego el
producto escalar.

Sean los vectores u  (4,1,1), v  (2,3,0), w  (5,0,2) , calcularemos u  v  w  :

137
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
iˆ ˆj kˆ
u  v  4 1 1  (6,4,15) , u  v  w   (4,1,1)  (6,4,15)  5
2 3 0
Una manera apropiada de calcular el producto mixto u  v  w  entre tres vectores de R 3 es tal como
se muestra en el ejemplo previo. Es decir, efectuando primero el producto vectorial y luego el producto
escalar. Sin embargo, existe otro procedimiento equivalente al anterior, que consiste en aplicar
determinantes.

Regla de resolución del producto mixto aplicando determinantes

Sean los vectores u  u xiˆ  u y ˆj  u z kˆ , v  vxiˆ  v y ˆj  vz kˆ y w  wxiˆ  wy ˆj  wz kˆ , entonces el

producto mixto es:

ux uy uz
vy vz vx vz vx vy
u  v  w   vx vy vz  ux  uy  uz
wy wz wx wz wx wy
wx wy wz
En esta operación interviene un determinante de orden tres, cuyas filas están formadas por las
componentes de los vectores.

La regla de resolución del producto mixto puede justificarse por medio de los productos escalar y
vectorial y el concepto de desarrollo de un determinante por los elementos de una fila.
Sean los vectores u  u xiˆ  u y ˆj  u z kˆ , v  vxiˆ  v y ˆj  vz kˆ y w  wxiˆ  wy ˆj  wz kˆ , entonces:
iˆ ˆj kˆ

u  v  w   u xiˆ  u y ˆj  u z kˆ  vx  vy vz 
wx wy wz
Por regla de resolución del producto vectorial:


u  v  w   u xiˆ  u y ˆj  u z kˆ   
 v y vz
 wy wz
iˆ 
wz
vx
wx
vy 
kˆ 
wx wy 
vz
ˆj 
vx

Por el cálculo del producto escalar en función de las componentes de los vectores:
v y vz v vz vx v y
u  v  w   ux  x uy  u , esta expresión es equivalente al determinante:
wy wz wx wz wx wy z
ux uy uz
vx vy vz .
wx wy wz

Ejemplo

Sean los vectores u  (0,1,1), v  (0,3,0), w  (5,0,2) calcular:

u  v  w   15 , v  u  w   15 , v  w  u   15 , w  v  u   15
(hacer las cuentas y verificar los resultados!)

138
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Este ejemplo muestra que el producto mixto es cíclico. Esto es, dados tres vectores, los posibles
productos mixtos que pueden definirse a partir de tales vectores, son iguales en su valor absoluto. El
cambio de signo en el resultado del producto mixto está asociado a la orientación de la terna
u , v , w  con respecto a la terna iˆ, ˆj , kˆ  
Calcular:
 
a )iˆ  ˆj  kˆ 
d )kˆ  ˆj  iˆ 
 
b)iˆ  kˆ  ˆj  
e) ˆj  iˆ  kˆ

c)kˆ  iˆ  ˆj  f ) ˆj  kˆ  iˆ 
Que se observa en los resultados obtenidos?

Interpretación geométrica del valor absoluto del producto mixto

Teorema

Si se consideran tres vectores u , v y w , del espacio R 3 con origen común en O, sus longitudes
determinan tres de las aristas de un paralelepípedo cuyo volumen es el valor absoluto del producto
mixto entre u , v y w .
Es decir: volumen del paralelepípedo  u  v  w 

Demostración:
Al considerar que los vectores tienen origen común en O, queda determinado un paralelepípedo como
muestra la figura:

De geometría sabemos que: volumen del paralelepípedo=[Link] x long. altura

Y de la interpretación geométrica del módulo del producto vectorial, se tiene: sup. base  u  v
En la figura se observa que la recta que contiene a la altura h del paralelepípedo es paralela a la
dirección del vector u  v , en consecuencia:
u  v  w 
long. altura  long proy escv  w u  , por lo tanto se tiene el volumen del paralelepípedo:
v w

u  v  w 
vw . , simplificando queda: volumen del paralelepípedo  u  v  w  .
v w

139
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Condición de coplanaridad de tres vectores

Tres vectores u , v y w , del espacio R 3 se denominan coplanares si, considerados con un origen
común, sus direcciones quedan incluidas en el mismo plano.
Por ejemplo, los vectores u  (0,1,1), v  (0,3,0), w  (0,0,2) son coplanares ya que al representarlos
quedan incluidos en el plano coordenado yz.
Los vectores u , v y w , distintos del vector nulo, del espacio R 3 son coplanares si y sólo si, el
producto mixto entre ellos es nulo.
Si los vectores son coplanares, el paralelepípedo que determinan tiene altura nula, por lo tanto el
volumen es cero. Entonces, por la interpretación geométrica del valor absoluto del producto mixto,
tenemos que: u  v  w   0 .
De modo recíproco, si u  v  w   0 , el volumen del paralelepípedo determinado por los vectores es
cero y, como ninguno de los vectores es el vector nulo, los vectores son necesariamente coplanares.

Una consecuencia importante de la condición de coplanaridad de tres vectores es su vinculación con

los conceptos de dependencia e independencia lineal que ya vimos.
El conjunto de vectores A  1,1,02,1,0 3,0,0 es linealmente dependiente, ya que uno de los
vectores puede expresarse como combinación lineal de los restantes vectores del conjunto. Por
ejemplo: 1,1,0  2,1,0  3,0,0
En consecuencia, por construcción geométrica de la suma de vectores, podemos concluir que son
coplanares.
Comprobar que el producto mixto entre estos vectores es cero!

Podemos resumir:
 El conjunto A  u , v , w  es linealmente independiente si y sólo si u  v  w   0 .
 El conjunto A  u , v , w  es linealmente dependiente si y sólo si u  v  w   0 .

Ejercicio Nº15

140
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Con los siguientes incisos encontrar el área del paralelogramo cuyos lados adyacentes son los vectores:
a) u  (3,2,1); v  (3,0,1) b) u  (0,1,1); v  (1,0,1) c) u  (1,2,0); v  (0,3,3)
Para realiza el producto cruz se colocan los vectores u y v como filas segunda y tercera de una

matriz, y en la primera fila se colocan los versores iˆ, j , kˆ y se desarrolla el determinante de esta
matriz por la primera fila usando el método de los cofactores, esto es:
iˆ ˆj kˆ
u y uz u uz ˆ ux u y
u  v  u x u y u z  iˆ  ˆj x k
v y vz vx v z vx v y
v x v y vz

Observar que el producto cruz da como resultado un vector.

El vector que se obtiene es perpendicular a los dos vectores u y v .

uxv

Reemplazando con los datos del inciso a queda:

iˆ ˆj kˆ
2 1 3 1 3 2
u  v  3 2  1  iˆ  ˆj  kˆ  iˆ2.1  (1).0  ˆj3.1  (1).3  kˆ3.0  2.3
0 1 3 1 3 0
3 0 1

w  u  v  2iˆ  6 ˆj  6kˆ
El módulo del vector w representa el área del paralelogramo cuyos lados son los vectores u y v :

w  2 2  (6) 2  (6) 2  76  4.19  2 19 u.s. (unidades de superficie)

El área del paralelogramo 2 19 u.s.

En los incisos b y c, se procede de la misma forma.

Ejercicio Nº16

141
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Calcular el volumen del paralelepípedo generado por:

I) a  (1,0,0); b  (0,1,1); c  (0,0,5)

II) d  (1,1,3); e  (1,1,1); f  (3,5,2)
1
III) u  5iˆ  1kˆ; v  3iˆ  2 ˆj; w  4iˆ  1 ˆj  kˆ
2
Para resolver el producto mixto se colocan los vectores u , v y w como primera, segunda y tercer
fila, respectivamente, y se desarrolla el determinante de esta matriz por cualquier método, esto es:

ux uy uz
u  v.w  vx vy vz
wx wy wz

Observar que el producto mixto da como resultado un escalar.

El escalar que obtenemos representa un volumen de un cuerpo que se llama paralelepípedo, cuyos
lados son los tres vectores u , v y w

Reemplazando con los datos del inciso I queda:

1 0 0
a  b.c  0 1 1 Aplicaremos la regla de Sarrus para resolver este determinante.
0 0 5

Escribimos la matriz y repetimos las dos primeras filas:

1 0 0
0 1 1
0 0 5 =1.1.5+0.0.0+0.0.1-0.1.0-1.0.1-5.0.0=5 u.v. (unidades de volumen)
1 0 0
0 1 1

142
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Unimos los elementos de a tres, como indican los segmentos (trazo continuo para los elementos de las
diagonales principales y discontinuo para los elementos de las contra diagonales), los tres elementos se
multiplican entre sí y luego los productos se suman o restan dependiendo de que los elementos se
encuentren en las diagonales o en las contra diagonales.

En los incisos II y III, se procede de la misma forma.

Ejercicio Nº17

Se dan los vectores u  (2,1,3) y w  (0,2,1) se pide:

a) u  w
b) área del paralelogramo definido por u y w
c) volumen del paralelepípedo definido por u , w y u  w .

Guiarse por los dos ejercicios anteriores.

Ejercicio Nº18

Dados los siguientes puntos P1  (1,3); P2  (4,2); P3  (7,5) hallar utilizando vectores:
a) un cuarto punto de modo que se forme un paralelogramo
b) las longitudes de las diagonales del paralelogramo
c) los ángulos interiores del paralelogramo
d) la superficie del paralelogramo
e) la longitud de los lados del paralelogramo
f) un vector que sea perpendicular al paralelogramo
g) el volumen del prisma formado por los lados del paralelogramo y el vector perpendicular al
mismo
h) graficar.

a) y P3

P4

P1

P2

Con los puntos dados formamos el paralelogramo cuyos lados son los vectores
P1 P2 y P1P3 , buscamos las componentes de estos dos vectores:

P1P2  P2  P1  (4,2)  (1,3)  (3,1)

P1P3  P3  P1  (7,5)  (1,3)  (6,2)

Si sumamos estos dos vectores obtenemos como resultante el vector P1P4 :

143
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
P1P4 = P1P2  P1P3  (3,1)  (6,2)  (9,1)
P3

P4

P1

P2

Conocidas las componentes del vector P1P4 y las coordenadas del punto P1 podemos encontrar el
punto P4 :

P1P4  P4  P1  P4  P1P4  P1  (9,1)  (1,3)  (10,4)

b) Las diagonales del paralelogramo son los segmentos P1P4 y P2 P3 , con los puntos extremos de
estos segmentos, podemos formar los vectores P1P4 y P2 P3 , los módulos de estos vectores serán las
longitudes de las diagonales.

P3

P4

P1

P2

P1P4 = P4  P1  (10,4)  (1,3)  (9,1)

P2 P3 = P3  P2  (7,5)  (4,2)  (3,3)

Diagonal 1 = P1P4  9 2  12  82

Diagonal 2 = P2 P3  32  32  18  3 2

c) Para hallar los ángulos interiores se procede como en el ejercicio 48 (producto punto)

144
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

y P3

 P4

P1 

P2

d) Para hallar la superficie del paralelogramo se procede como en el ejercicio Nº68 (usar producto
cruz).
NOTA: podemos considerar que el plano está contenido en el espacio, por lo que las terceras
componentes de los vectores serían nulas.

P1P2  (3,1,0)
, trabajar con estos vectores para hacer el producto cruz.
P1P3  (6,2,0)

e) Para hallar las longitudes de los lados se procede como en el inciso b de este ejercicio.
f) Para hallar un vector que sea perpendicular al paralelogramo, se debe hacer el producto cruz, entre
los vectores que forman los lados del paralelogramo.
g) El volumen pedido se obtiene haciendo el producto mixto entre los vectores que forman los lados
del paralelogramo y el vector obtenido en el inciso anterior.
h) Graficar.

a) P4  (10,4) b) P1P4  82 P2 P3  18 c)    36º52 ,     143º 7

Rta.:
d )12us e) P1P3  P2 P4  40  2 10 P1P 2  P3 P4  10 f )v  12kˆ g )144uv

Ejercicio Nº19

Idem ejercicio anterior con los puntos P1  (1,3,4); P2  (2,5,7); P3  (4,6,3) .

Proceder como en el ejercicio anterior.

a) P4  (5,8,6) b) P1P4  45 P2 P3  21 c)    68º 24 ,     111º35

Rta.:
d ) 230us e) P1P3  P2 P4  19 P1P 2  P3 P4  14 f )v  11iˆ  10 ˆj  3kˆ g )230uv

Ejercicio Nº20

Hallar la tercera componente z del vector v3 con la condición de que los vectores resulten paralelos a
un mismo plano. Cómo son los vectores en este caso?
v1  5iˆ  kˆ , v2  3iˆ  2 ˆj , v3  4iˆ  ˆj  zkˆ

Rta.: z   12 , los vectores son coplanares

145
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Ejercicio Nº21

Hallar el valor de k para que los vectores a   1,2,3 , b  k ,2,1 , c  4,3,6 sean coplanares.

Rta.: k  7
3

146
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

Tema: NUMEROS COMPLEJOS

Recordar que: i 2  1 siendo i: unidad imaginaria

Ejercicio Nº47
Aplicar propiedad distributiva
en el numerador

i 26  i i 2  i  1  i  1  i  1  i 1  i  i  i 2 1  2i  1 2i
   .    i
1 i 1 i 1 i 1 i 1 i 1  i2 1  (1) 2

i 26  i 2 Multiplicar y dividir por el

conjugado del denominador

Ejercicio Nº48

Tener presente que: i11  i 3  i

2 2 2 2 2 2 2
 4i11  i   4(i )  i    4i  i    5i    5i 1  2i    5i  10i 2    5i  10 
 1  2i    1  2i    1  2i   1  2i   1  2i . 1  2i    1  4i 2    1  4  
             

2
  5i  10 
   (i  2) 2  i 2  4i  4  4i  3
 5 

Ejercicio Nº52

(3  i )  (3  4i )

2  3i

Similar a los ejercicios anteriores.

Ejercicio Nº58

2 2
1 i  1 i 
    
1 i  1 i 

Resolver primero los cocientes, luego elevar al cuadrado y por último restar.

La forma binómica de un número complejo es: Z  a  i.b , siendo a la componente real y b la

componente imaginaria.

147
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
La forma trigonométrica de un número complejo es: Z  r.(cos  [Link] )

a  [Link]
Las expresiones :  vinculan ambas formas, si reemplazamos en la forma binómica queda:
b  [Link]

Z  a  i.b  r. cos  [Link]  r (cos  [Link] )

b Z


a

Ejercicio Nº88

Dado Z  3(cos 40º isen40º ) , resolver Z 3 en su forma trigonométrica y expresar su resultado en

forma binómica.

Recordar que para elevar un número complejo expresado en forma trigonométrica, a una potencia n se
debe usar la siguiente expresión:

Z n  r n cos(n )  isen(n ) reemplazando con los datos queda:

Z 3  33 cos(3.40º )  isen(3.40º )  27(cos120º isen120º )

Par expresar el número anterior en forma binómica se busca:

b
 1 27
a  r. cos  27. cos120º  27.    
 2 2
r
3
b  [Link]  27.sen120º  27.
2

a
27 27
Z   3.i
2 2

Ejercicio Nº89

Dado Z  2  4i , resolver Z 3 en forma binómica y también en forma trigonométrica. El resultado de

esta última expresión escribirlo en forma binómica.

148
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
Para resolver en forma binómica se aplica el cubo de un trinomio:

Z 3  (2  4i )3  23  3.22.4i  3.2.(4i ) 2  (4i )3  8  48i  96  64i  88  16i

Para resolver Z 3 en la forma trigonométrica y expresar este resultado en forma binómica, se procede
como en el ejercicio el ejercicio 88.

Ejercicio Nº93

2
Z1
Dados Z1  3  2i y Z 2  2  4i , resolver por la forma binómica y también por la forma
Z2
trigonométrica. Este último resultado expréselo en forma binómica y compare ambos.

2
Primero resolvemos la potencia Z1 y luego el cociente. Recordar que para dividir dos números
complejos expresados en forma trigonométrica se debe usar la siguiente expresión:

Z1 r1
 cos(1   2 )  isen(1   2 )
Z 2 r2

Ejercicio Nº103

Dados Z1  3(cos 30º isen30º ) y Z 2  6(cos130º isen130º ) hallar ( Z1.Z 2 ) 4 y expresar su resultado
en forma trigonométrica.

Primero resolvemos el producto Z1.Z 2 . Recordar que para multiplicar dos números complejos
expresados en forma trigonométrica se debe usar la siguiente expresión:

Z1.Z 2  r1.r2 cos(1   2 )  isen(1   2 )

Reemplazando por los datos:

Z1.Z 2  3.6.cos(30º 130º )  isen(30º 130º )  18.(cos160º isen160º )

Ahora elevamos el número anterior a la cuarta potencia:

Z1.Z 2 4  184.cos(4.160º )  isen(4.160º )  104.976(cos 280º isen280º )

Ejercicio Nº111

1
3  2i
Dado Z  , hallar Z 3 . Graficar.
4i

Resolver el cociente y luego la radicación como en el ejercicio siguiente.

Ejercicio Nº115

149
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
1
Dado Z  3  3i , resolver Z y graficar. 4

Para la radicación de un número complejo expresado en forma trigonométrica se aplica:

    2k    2k
1 1
 
Z n  r n cos   isen ; k  0,1,2,..., n  1
  n   n 

Se obtienen n números complejos distintos que son las n raíces de Z

r  32  32  18   arctg1  225º ¡OJO! -3

Reemplazando con los datos:

-3

Para k=0

1 1
  225º   225º 
Z1  18 8 cos   isen   18 8 (cos 56º15`isen56º15`)
  4   4 

Para k=1

1 1
  225º 360º   225º 360º 
Z 2  18 8 cos   isen   18 8 (cos146º15`isen146º15`)
  4   4 

Para k=2

1 1
  225º 720º   225º 720º 
Z 3  18 cos
8
  isen   18 8 (cos 236º15`isen 236º15`)
  4   4 

Para k=3

1 1
  225º 1080º   225º 1080º 
Z 4  18 8 cos   isen   18 8 (cos 326º15`isen326º15`)
  4   4 

Los números Z1 , Z 2 , Z 3 , Z 4 son las 4 raíces de Z  3  3i .

Ejercicio Nº121
4
Dado Z  2  2i , resolver Z 3 y graficar.

150
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

....................................................................................................................................................................
2
r  (2) 2  2 2  8   arctg (1)  135º
-2

4
Considerar que: Z 3  3 Z 4 , primero se resuelve la potencia Z 4 .

Z4   8  .cos(4.135º )  isen(4.135º )  64.(cos 540º sen540º )

4

Ahora se resuelve la raíz:

Para k=0

  540º   540º 
Z1  3 64 cos   isen   4.(cos180º isen180º )
  3   3 

Para k=1

  540º 360º   540º 360º 

Z 2  3 64 cos   isen   4.(cos 300º isen300º )
  3   3 

Para k=2

  540º 720º   540º 720º 

Z 3  3 64 cos   isen   4.(cos 60º isen60º )
  3   3 

Los números Z1 , Z 2 , Z 3 son las 3 raíces de Z  2  2i .

151
Álgebra y Geometría Analítica (primera parte)
Docente: Ing. Sandra Garcia Reche

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

152