Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada

Álgebra Lineal y Geometría Analítica – José Luis Quintero

Tema 1.
Matrices, determinantes y sistemas de
ecuaciones lineales

1.1. Matriz

1.1.1. Definición
Es un arreglo rectangular de elementos (números reales) ordenados en
filas y columnas:
 a11 a12 ⋯ a1n  a13
a ⋯ a2n 
 21 a22 a23
A =  a31 a32 ⋯ a3n  .
a33
 
 ⋮ ⋮ ⋱ ⋮  ⋮
am1 am2 ⋯ amn am3
a ij es el elemento situado en la i-ésima fila y en la j-ésima columna. La

matriz tiene m filas y n columnas.

1.1.2. Observaciones
• Las matrices se designan con letras mayúsculas. Los elementos de la
matriz se designan con la misma letra pero minúscula y con dos
subíndices: el primero indica la fila y el segundo la columna
• Dos matrices A y B del mismo orden son iguales si todos sus
elementos correspondientes son iguales
• Si una matriz tiene m filas y n columnas se dirá que tiene orden m × n

1.1.3. Matriz fila y matriz columna

Las matrices filas son las de orden 1 × n y las matrices columnas son las
de orden m × 1 (vectores)

1
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

A = a11 a12 ⋯ a1n  es una matriz fila

 b11 
 
b
B =  21  es una matriz columna
 ⋮ 
 
 bm1 

1.1.4. Matriz nula y matriz cuadrada

Una matriz m × n cuyas entradas son todas ceros se conoce como la
matriz nula y se denota por O.
Ejemplo. La matriz nula de orden 2 × 3 es
0 0 0
0 0 0 

Una matriz cuadrada es aquella que tiene el mismo número de filas que
de columnas.
Ejemplo.
3 −1 −3 
B = 3 2 −2 
4 0 5 

1.1.5. Matriz diagonal y matriz identidad

Matriz diagonal. Es la matriz cuadrada A n×n = a ij  definida por:
λ si i = j
a ij =  i , λi ∈ R
 0 si i ≠ j
Matriz identidad. Es un caso particular de la matriz diagonal, en la cual
los elementos de la diagonal principal son todos iguales a 1.
1 0 0 ⋯ 0 
0 1 0 ⋯ 0 
 
In = 0 0 1 ⋯ 0 
 
⋮ ⋮ ⋮ ⋱ ⋮ 
0 0 0 ⋯ 1 

2
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.1.6. Matriz triangular

Matriz triangular superior. Es una matriz cuadrada cuyos elementos
situados por debajo de la diagonal principal son todos iguales a cero.
Ejemplo.
3 −1 −3 
B = 0 2 0 
0 0 5 

Matriz triangular inferior. Es una matriz cuadrada cuyos elementos

situados por encima de la diagonal principal son todos iguales a cero.
Ejemplo.
3 0 0 
A = 3 2 0 
1 0 5 

1.2. Adición y sustracción de matrices

1.2.1. Definición
Dadas las matrices A m×n = a ij  y Bm×n =  bij  del mismo orden, la suma

(A+B) o diferencia (A-B) es una matriz cuyos elementos son las sumas o
diferencias de cada uno de los elementos respectivos de las matrices.

1.2.2. Propiedades
Conmutativa. A + B = B + A
Asociativa. A + ( B + C ) = ( A + B ) + C
Elemento neutro. A + O = O + A = A
Elemento opuesto. A + ( − A) = O
La matriz –A, que se obtiene cambiando de signo todos los elementos de
A, recibe el nombre de matriz opuesta de A.

3
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.2.3. Ejemplos ilustrativos

Suma.
 2 −1 −2   −3 0 −1  −1 −1 −3 
 0 4 1 +4 3 3 =4 7 4 
     
 −3 3 5   0 0 4   −3 3 9 

Sustracción.
 2 0 0   −3 0 −1  5 0 1 
     
 0 3 1  −  1 3 1  =  −1 0 0 
 −3 1 2   0 0 1   −3 1 1 

1.3. Multiplicación de un escalar por una matriz

1.3.1. Definición
El producto de un escalar k por una matriz A es otra matriz kA que se
obtiene multiplicando cada elemento de A por k.

1.3.2. Ejemplo ilustrativo

Sea la matriz
2 4 3 
A= .
5 −2 1 
Obtenga la matriz 4A.
Solución
 8 16 12 
4A =  .
20 −8 4 

1.4. Multiplicación de matrices

1.4.1. Producto escalar

Sean A una matriz o vector fila de orden n, y B una matriz o vector
columna de orden n. El producto AB está dado por:

4
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

AB = a11b11 + a12 b21 + a13 b31 + ... + a1n bn1 =

∑ j=1
a1j b j1 .

El producto anterior recibe el nombre de producto escalar.

1.4.2. Ejemplo ilustrativo

Calcule el producto escalar dado por
3
 −1
 
2 1 −3 4 −1  4  .
 
5
 6 

Solución
3
 −1
 
2 1 −3 4 −1  4  = 2 × 3 − 1 × 1 − 3 × 4 + 4 × 5 − 1 × 6 = 7 .
 
5
 6 

1.4.3. Producto de matrices

Dadas las matrices:
A = [aij] de orden m x p
B = [bij] de orden p x n
El producto de AxB es una matriz C = [cij] de orden m x n cuya
componente cij es el producto escalar de la fila i de A y la columna j de B.

1.4.4. Ejemplo ilustrativo

Calcule el producto AB si
4 3
  1 3 2 4 
A = 2 5 , B =  .
3 6  2 5 1 3 
 
Solución

5
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

4 3 10 27 11 25 
  1 3 2 4   
AB =  2 5    = 12 31 9 23  .
3 6 2 5 1 3  15 39 12 30 
   

1.4.5. Propiedades
Sean A, B y C matrices
• A(B + C) = AB + AC
• (A + B)C = AC + BC
• (AB)C = A(BC)
• (kA)B = k(AB) = A(kB), k es un escalar
• Por lo general, AB ≠ BA
• AB = 0 no implica que A = 0 ó B = 0
 1 0  0 0   0 0 
  = 
 0 0  1 0   0 0 
• AB = AC no implica que B = C
 1 0  0 0   1 0  0 0 
  =  
 0 0  1 0   0 0  3 2 

1.5. Matriz traspuesta

1.5.1. Definición
Dada una matriz A mn =[aij], se llamará matriz traspuesta de A a la
matriz que resulta de intercambiar en A las filas por columnas. Esta
t
matriz estará denotada por A mn = [aji].
Ejemplo. Si
2 1 
 
A = 5 3  ,
 1 −1 
 
entonces
2 5 1 
At =  .
 1 3 −1 

6
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.5.2. Propiedades
• (A t )t = A
• (kA)t = kA t , k ∈ R
• (A + B)t = A t + Bt
• (A.B)t = Bt .A t

1.5.3. Ejercicio propuesto

Sean las matrices
1 2 
  1 3  1 0  1 2 −1 
A =  0 −1  , B =   , C=  , D= 
7 0   4 −1  1 2  1 0 2 
 
Calcule 3A t + D , (B − C)t , (D − 2A t )t .

1.6. Matriz simétrica y matriz antisimétrica

1.6.1. Matriz simétrica

Una matriz cuadrada A se llama simétrica si A t = A .
Ejemplo.
2 1 3 
 
A = 1 4 7  .
 3 7 −5 
 

1.6.2. Matriz antisimétrica

Una matriz cuadrada A se llama antisimétrica si A t = − A .
Ejemplo.
 0 1 −4 3 
 
 −1 0 7 2
A= .
 4 −7 0 −6 
 
 −3 −2 6 0 

7
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.7. Operaciones elementales por filas de una matriz

Las operaciones elementales por filas de una matriz vienen dadas como sigue
a. El intercambio de la fila i y la fila j se denotará como fi ↔ f j

b. El producto de todos los elementos de la fila i por una constante real c ≠ 0 se

denotará como cfi
c. Sumar a los elementos de la fila i los correspondientes de la fila j multiplicados
por una constante real c c ≠ 0 se denotará como fi + cf j

1.8. Matriz escalonada reducida por filas

Una matriz está en la forma escalonada reducida por filas cuando cumple con las
siguientes condiciones:
a. Todas las filas cuyos elementos son todos ceros (si existen) están por debajo de
las filas no nulas
b. El primer elemento distinto de cero (comenzando por la izquierda) de cualquier
fila cuyos elementos no son todos nulos es el 1 (este número es llamado pivote)
c. Si dos filas sucesivas tiene elementos distintos de cero, entonces el pivote de la
fila de abajo está más a la derecha que el pivote de la fila de arriba
d. Cualquier columna que contenga el pivote de alguna fila tiene sus otros
elementos iguales a cero
Ejemplo 1. La matriz
1 0 −5 0
 
0 1 3 0
A =
0 0 0 1
 
0 0 0 0
es una matriz dada en forma escalonada reducida por filas.

8
Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Ejemplo 2. La matriz
1 0 0 −2 0
 
0 1 0 5 0
A =
0 0 1 −7 0
 
0 0 0 0 1
es una matriz dada en forma escalonada reducida por filas.
Ejemplo 3. La matriz
 −8 1 7 
 
A =  0 0 0
 0 6 4
 
no es una matriz dada en forma escalonada reducida por filas.
Observación 1. Si una matriz solo cumple con las condiciones a, b y c se llama
matriz escalonada por filas.
Ejemplo 1. La matriz
 1 −1 4 
 
A = 0 1 2
0 0 1 
 
es una matriz dada en forma escalonada por filas.
Ejemplo 2. La matriz
0 1 2 7
 
B = 0 0 1 0
0 0 0 0
 
es una matriz dada en forma escalonada por filas.
Ejemplo 3. La matriz
1 1 0 3 4
 
0 1 2 0 9
C = 0 0 1 6 1
 
0 0 1 −2 8 
0 0 0 0 0 

no es una matriz dada en forma escalonada por filas.
Observación 2. Toda matriz A no nula de orden m × n es equivalente por filas a
una matriz escalonada por filas.

9
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Observación 3. Toda matriz A no nula de orden m × n es equivalente por filas a

una matriz escalonada reducida por filas.

1.9. Rango de una matriz

Sea A una matriz de orden m × n . Se define el rango de A como el número de filas

no nulas de la matriz escalonada por filas que es equivalente por filas a A.

1.10. Ejercicio resuelto

Calcule el rango de la matriz

 2 4 −2 8 
 
A =  1 0 12 −3  .
 0 1 5 −1 
 
Solución
Aplicando operaciones elementales por filas se obtendrá la matriz equivalente
escalonada por filas. En tal sentido
 2 4 −2 8   1 2 −1 4   1 2 −1 4 
     
 1 0 2 −3  f
1 ← 2 f1 1 0 12 −3  f
2 ← −f1 + f2   0 −2 2 −7 
1 1 3

 0 1 5 −1     
   0 1 5 −1   0 1 5 −1 
 1 2 −1 4   1 2 −1 4 
   7 
f2 ← − 12 f2  0 1 − 43 72  f
3 ← − f 2 + f30 1 − 4 2 
3

 0 1 5 −1   0 0 23 − 9 
   4 2

 1 2 −1 4 
 7 
f3 ← 23 f3  0 1 − 43
4
2 

 0 0 1 − 18 
 23 

Por lo tanto el rango de A es igual a 3.

10
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.11. Ejercicio resuelto

Calcule el rango de la matriz

 −1 13 5 3 
 
−1 −3 −2 −1 
A = .
4 −4 1 0 
 
1 11 11
2
3 

Solución
Aplicando operaciones elementales por filas se obtendrá la matriz equivalente
escalonada por filas. En tal sentido
 −1 13 5 3   1 −13 −5 −3   1 −13 −5 −3 
     
 −1 −3 −2 −1   −1 −3 −2 −1   0 −16 −7 −4 
A= f1 ← −f1 f2 ← f1 + f2
 4 −4 1 0    4 −4 1 0    4 −4 1 0 
    
 1 11 11 3 
 1 11 2
11
3   1 11 11 3 
 2   2 
 1 −13 −5 −3   1 −13 −5 −3 
   
 0 −16 −7 −4   0 −16 −7 −4 
3 ← −4f1 + f3 
f f4 ← −f1 + f4
0 48 21 12    0 48 21 12 
   
 1 11
11
2
3   0 24
21
2
6 
 1 −13 −5 −3   1 −13 −5 −3 
 7 1   7 1 
 0 1 4   0 1 4 
f2 ← − 16 f2 f3 ← −48f2 + f3
1 16 16
  0 48 21 12   0 0 0 0
   
 0 24 21 6   0 24 21 6 
 2   2 
 1 −13 −5 −3 
 7 1 
 0 1 4 
4 ← −24f2 + f4 
16
f
0 0 0 0
 
0 0 0 0 
Por lo tanto el rango de A es igual a 2.

11
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.12. Matriz invertible

1.12.1. Definición
Una matriz cuadrada que posee inversa se dice que es invertible o
regular o no singular; en caso contrario recibe el nombre de singular.

1.12.2. Propiedades
• A −1 .A = A.A −1 = I
• (A.B)−1 = B−1 .A −1
• (A −1 )−1 = A
• (kA)−1 = 1
k
A −1 , k ∈ R, k ≠ 0
• (A t )−1 = (A −1 )t

1.13. Cálculo de la matriz inversa.

Método de Gauss – Jordan

1.13.1. Fundamentos
Sea A es una matriz invertible de orden n. La matriz aumentada viene
dada por A In  . La matriz inversa A −1 , se obtiene reduciendo la matriz

mediante operaciones elementales de filas hasta obtener la matriz

In A −1  .
 

1.13.2. Ejercicio resuelto 1

Encuentra (si existe) la matriz inversa de
2 4
A= .
3 1 
Solución

12
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2 4 1 0  1 2 12 0  1 2 1
0
 f ← 1
f
    f ← − 3f +
f 

2

 0 −5 − 2 1 
3 1 0 1 
1 2 1 3 1 0 1 2 1 2 3
 
 1 2 12 0   1 0 − 10 1 2 
f2 ← − 15 f2  ← − + 
5

  0 1 3 − 1  
f1 2f 2 f1 1
 10 5   0 1 3
10
− 5

Por lo tanto
− 1 2 
A −1 =  310 5
.
 − 15 
 10

1.13.3. Ejercicio resuelto 2

Encuentra (si existe) la matriz inversa de
4 2
A= .
2 1
Solución
4 2 1 0  1 12 14 0   1 12 14 0 
 1f ← 1
f
4 1
f ← − 2f + f
 2
 0 0 − 1 1 
 2 1 0 1    2 1 0 1 
2 1
 2 
No es posible tener la matriz inversa en el lado izquierdo por lo tanto la
matriz no es invertible, la matriz inversa no existe.

1.13.4. Ejercicio resuelto 3

Encuentra (si existe) la matriz inversa de
 2 0 1
 
A =  −2 3 4  .
 −5 5 6 
 
Solución
 2 0 1 1 0 0  1 0 12 12 0 0 
   
 −2 3 4 0 1 0  f
1 ← 2 f1 −2 3 4 0 1 0  f
2 ← 2f1 + f2
1
 
 −5 5 6 0 0 1   −5 5 6 0 0 1 
   
 1 0 2 2 0 0
1 1 1 0 2 2 0 0 
1 1
   
3 ← 5f1 + f3
 0 3 5 1 1 0  f ← 13 f2
  0 3 5 1 1 0  f2
 −5 5 6 0 0 1   0 5 17 5 0 1 
   2 2 

13
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1 0 1 1
0 0 1 0 1 1
0
0
 2 2
  2 2

3 ← −5f2 + f3  0 1 3 ← 6f3
5 1 1 5 11
0 1 3 3 3
0  f 3 33
0  f
   
0 5 17
2
5
2
0 1 0 0
1
6
− 3 1
5
6
5

1 0 1
2
1
2
0 0  1 0 12 12 0 0 
   
0 1 5 1 1
0  f2 ← − 35 f3 + f2  0 1 0 −8 17 −10 
3 3 3 
0 0 1 5 −10 6   0 0 1 5 −10 6 
  
1 0 0 −2 5 −3 
 
f1 ← − 12 f3 + f1  0 1 0 −8 17 −10 

0 0 1 5 −10 6 

Por lo tanto
 −2 5 −3 
−1  
A =  −8 17 −10  .
 5 −10 6 
 

1.14. Ejercicios propuestos

1.14.1. Ejercicio propuesto 1

1 0   1 0
Verifica que la matriz inversa de   es  −1 1  .
2 2  2

1.14.2. Ejercicio propuesto 2

1 0 −2   −9 2 2 
   
Verifica que la matriz inversa de  4 −2 1  es  − 41
2
4 92  .
 1 2 −10   −5 1 1 
   

1.15. Determinante de una matriz de orden 2

Se denomina determinante de la matriz cuadrada A de orden 2 al número dado por

a11a22 − a12a21 y se escribe como det(A) = A = a11a22 − a12a21 .

14
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.16. Determinante de una matriz de orden 3

Se denomina determinante de la matriz cuadrada A de orden 3 al número dado por

det(A) = A = a11a22a33 + a12a23a31 + a13a21a32 − (a12a21a33 + a11a23a32 + a13a22a31 ) .

1.17. Cálculo de un determinante de una matriz de orden 3

Un primer procedimiento para el cálculo de un determinante de orden 3 se

describe como sigue: Se copian de nuevo las dos primeras columnas del
determinante. En tal sentido, se tiene que

a11 a12 a13 a11 a12

a21 a22 a23 a21 a22
a31 a32 a33 a31 a32

Seguidamente, se multiplican los elementos con las líneas azules y luego se

suman. De la misma forma, se multiplican los elementos con las líneas rojas y
luego se suman. Finalmente se resta el resultado obtenido con las líneas azules
con los resultados obtenidos con las líneas rojas. Comúnmente a este método se le
llama el método de la lluvia.

a11 a12 a13 a11 a12

a21 a22 a23 a21 a22
a31 a32 a33 a31 a32

15
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.18. Ejercicio resuelto

Calcule el determinante de las siguientes matrices:

 5 4 −1   0 1 −1 
   
A =  7 2 −3  , B =  2 −2 −1  .
 −4 3 1   
   −1 1 1 
Solución
5 4 −1
A = 7 2 −3 = (10 + 48 − 21) − (8 − 45 + 28) = 37 − ( −9) = 46
−4 3 1
0 1 −1
B = 2 −2 −1 = (0 + 1 − 2) − ( −2 + 0 + 2) = −1
−1 1 1

1.19. Ejercicio propuesto

Calcule el valor de a para el cual el determinante dado es igual a cero.

1−a 2 3
2+a 1 0
−2 −4 a
Rta. a = −2 , a = −3

1.20. Propiedades de los determinantes

A continuación se enuncian propiedades de los determinantes:

a. Aplicación de la operación elemental 1. Si B se obtiene intercambiando dos filas
de A, entonces el determinante cambia de signo: det(B) = − det(A)
b. Aplicación de la operación elemental 2. Si B se obtiene multiplicando una fila
de A por el escalar c, entonces el determinante queda multiplicado por el
escalar c: det(B) = [Link](A)

16
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

c. Aplicación de la operación elemental 3. Si B se obtiene sumando a una fila de A

un múltiplo de otra fila de A, entonces el determinante no se altera:
det(B) = det(A)
d. Determinante de una matriz triangular. El determinante de una matriz
triangular está dado por el producto de los elementos de su diagonal principal.
e. Determinante del producto de matrices. det(A.B) = det(A).det(B)
f. Determinante del producto de un escalar por una matriz. det(cA) = c n det(A) ,
donde n es el orden de la matriz A
g. Determinante de la traspuesta. det(A) = det(A t )
h. Fila nula o columna nula. Si un determinante tiene una fila nula o una
columna nula, entonces el determinante es igual a cero.
i. Filas iguales o columnas iguales. Si un determinante tiene dos filas iguales o
dos columnas iguales, entonces el determinante es igual a cero.

1.21. Cálculo de un determinante usando propiedades

Calcule el determinante de la matriz A dada por

2 2 0 4
 
 3 3 2 2
A= .
0 1 3 2
 
2 0 2 1 
Solución
2 2 0 4 1 1 0 2
3 3 2 2 3 3 2 2
=2 ( f1 ← 12 f1 : det(A) = 2det(B) )
0 1 3 2 0 1 3 2
2 0 2 1 2 0 2 1
1 1 0 2 1 1 0 2
3 3 2 2 0 0 2 −4
2 =2 ( f2 ← −3f1 + f2 : det(B) = det(C) )
0 1 3 2 0 1 3 2
2 0 2 1 2 0 2 1

17
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1 1 0 2 1 1 0 2
0 0 2 −4 0 0 2 −4
2 =2 ( f4 ← −2f1 + f4 : det(C) = det(D) )
0 1 3 2 0 1 3 2
2 0 2 1 0 −2 2 −3
1 1 0 2 1 1 0 2
0 0 2 −4 0 1 3 2
2 = −2 ( f2 ↔ f3 : det(D) = − det(E) )
0 1 3 2 0 0 2 −4
0 −2 2 −3 0 −2 2 −3
1 1 0 2 1 1 0 2
0 1 3 2 0 1 3 2
−2 = −2 ( f4 ← 2f2 + f4 : det(E) = det(F) )
0 0 2 −4 0 0 2 −4
0 −2 2 −3 0 0 8 1
1 1 0 2 1 1 0 2
0 1 3 2 0 1 3 2
−2 = −4 ( f3 ← 12 f3 : det(F) = 2det(G) )
0 0 2 −4 0 0 1 −2
0 0 8 1 0 0 8 1
1 1 0 2 1 1 0 2
0 1 3 2 0 1 3 2
−4 = −4 ( f4 ← −8f3 + f4 : det(G) = det(H) )
0 0 1 −2 0 0 1 −2
0 0 8 1 0 0 0 17
1 1 0 2
0 1 3 2
−4 = −4 × 17 = −68 (Determinante de una matriz triangular)
0 0 1 −2
0 0 0 17

1.22. Menor y cofactor de una matriz

1.22.1. Menor de una matriz

Si A es una matriz de orden nxn, se llama ij- ésimo menor de A a la
matriz Mij de orden (n-1)x(n-1) que se obtiene al eliminar la fila i y la
columna j de A.

18
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Ejemplo. Si
2 1 0
 
A = 5 3 7 ,
 1 −1 2 
 
entonces
2 1 
M23 =  .
 1 −1 

1.22.2. Cofactor de una matriz

Sea A una matriz de orden n>1. Se define el cofactor correspondiente al
elemento aij, que se denota por Aij, como el número dado por:
A ij = ( −1)i + j Mij .

Ejemplo. Si
2 1 0
 
A = 5 3 7 ,
 1 −1 2 
 
entonces
A 23 = ( −1)2+3 M 23 = −1 × −3 = 3 .

1.23. Determinante

Sea A=(aij ) una matriz de orden n>1. Se define el determinante de A, que se

denota por det(A) ó |A|, como el número:
n

A =
∑j=1
aij A ij

que se denomina desarrollo por los cofactores de la fila i-ésima o

A =
∑i =1
aij A ij

19
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

que se denomina desarrollo por los cofactores de la columna j-ésima

Ejemplo. Sea
2 1 0
 
A = 5 3 7 .
 1 −1 2 
 
Si se desarrollan los cofactores de la fila 2 se tiene que
A = a21 A 21 + a22 A 22 + a23 A 23 = a21 ( −1)2+1 M21 + a22 ( −1)2+2 M22 + a23 ( −1)2+3 M23
= −5 M21 + 3 M22 − 7 M23 = −5 × 2 + 3 × 4 − 7 × ( −3) = 23

Si se desarrollan los cofactores de la columna 1 se tiene que

A = a11 A11 + a21 A 21 + a31 A 31 = a11 ( −1)1+1 M11 + a21 ( −1)2+1 M21 + a31 ( −1)3+1 M31
= 2 M11 − 5 M21 + M31 = 2 × 13 − 5 × 2 + 7 = 23

1.24. Ejercicio propuesto

Usando desarrollo por cofactores, calcule el determinante de la matriz

2 4 7
 
A = 6 0 3 .
1 5 3
 
Rta. 120

1.25. Matriz ortogonal

Una matriz cuadrada se denomina ortogonal si su inversa coincide con su

traspuesta. En tal sentido, si Q es una matriz ortogonal entonces Qt = Q−1 . De lo
anterior, se deduce que det(Q) = ±1 .

20
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.26. Matriz adjunta

Se define la matriz adjunta de una matriz A cuadrada como la matriz transpuesta

de los cofactores, es decir,
 A11 A 21 ⋯ A n1 
 
A A 22 ⋯ A n2 
adj(A) =  12 .
 ⋮ ⋮ ⋱ ⋮ 
 
 A1n A 2n ⋯ A nn 

1.27. Cálculo de la matriz inversa.

Método de la matriz adjunta

1.27.1. Fundamentos
Sea A una matriz cuadrada no singular, es decir con det(A) ≠ 0 .
Entonces
1
A −1 = adj(A) .
det(A)

1.27.2. Ejercicio resuelto

Encuentra (si existe) la matriz inversa de
 2 0 1
 
A =  −2 3 4  .
 −5 5 6 
 
Solución
Paso 1. Cálculo del determinante de A
Usando desarrollo por cofactores en la fila 1 se tiene que
det(A) = 2A11 + A13 .
En tal sentido
3 4 −2 3
A11 = ( −1)2 = −2 , A13 = ( −1)4 =5
5 6 −5 5
En consecuencia, det(A) = 2( −2) + 5 = 1

21
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Paso 2. Construcción de la matriz adjunta de A

−2 4
A12 = ( −1)3 = −8 ,
−5 6
0 1 2 1 2 0
A 21 = ( −1)3 = 5 , A 22 = ( −1)4 = 17 , A 23 = ( −1)5 = −10
5 6 −5 6 −5 5
0 1 2 1 2 0
A 31 = ( −1)4 = −3 , A 32 = ( −1)5 = −10 , A 33 = ( −1)6 =6
3 4 −2 4 −2 3
Por lo tanto
 −2 2 2 
 
adj(A) =  −8 17 −10 
 5 −10 6 
 
Paso 3. Cálculo de la matriz inversa de A
 −2 5 −3 
−1 1  
A = adj(A) =  −8 17 −10 
det(A)  5 −10 6 
 

1.28. Sistema de ecuaciones lineales

1.28.1. Definición
Un sistema de ecuaciones lineales, es un sistema de ecuaciones en donde
cada ecuación es de primer grado.
a11x1 + a12 x 2 + ... + a1n x n = b1
a21x1 + a22 x 2 + ... + a2n x n = b2
.
⋮ = ⋮
am1x1 + am2x 2 + ... + amn x n = bm

De lo anterior se identifican varios elementos:

Incógnitas. x1 , x 2 , ..., x n
Coeficientes. a ij
Términos independientes. b1 , b2 , ..., bm

22
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.28.2. Problema a resolver

Hallar los valores de x1 , x 2 , ..., x n que hacen que las m igualdades
formuladas sean todas ciertas.

1.28.3. Expresión matricial

Un sistema de ecuaciones lineales puede expresarse de la forma Ax = b ,
donde
 a11 a12 ⋯ a1n 
 
a a22 ⋯ a2n 
Matriz de coeficientes: A =  21
 ⋮ ⋮ ⋱ ⋮ 
 
 am1 am2 ⋯ amn 
 x1 
 
x
Vector de incógnitas: x =  2 
 ⋮ 
 
 xn 
 b1 
 
b
Vector de términos independientes: b =  2 
 ⋮ 
 
 bm 

1.28.4. Sistema de ecuaciones lineales homógeneo

Un sistema de ecuaciones lineales homogéneo es aquel donde b = 0 , en tal
sentido, Ax = 0

1.28.5. Sistema de ecuaciones lineales fáciles de resolver

• In x = b , donde In es la matriz identidad de orden n
• Dx = b , donde D es una matriz diagonal
• Ts x = b , donde es una matriz triangular superior
• Ti x = b , donde es una matriz triangular inferior

23
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.28.6. Sistema de ecuaciones lineales equivalentes

Dos sistemas de ecuaciones lineales se dicen equivalentes si tienen la
misma solución.

1.28.7. Tipos de sistemas de ecuaciones lineales

Los sistemas de ecuaciones lineales se pueden clasificar en tres tipos
dependiendo de su conjunto de soluciones.
Sistema compatible determinado.
Es un sistema de ecuaciones lineales que tiene una única solución.
Sistema compatible indeterminado.
Es un sistema de ecuaciones lineales que tiene infinitas soluciones.
Sistema incompatible.
Es un sistema de ecuaciones lineales que no tiene solución.

1.29. Teorema de Rouché – Frobenius

1.29.1. Enunciado
Sea Ax = b la representación matricial de un sistema de m ecuaciones
lineales con n incógnitas. Entonces
• El sistema es incompatible si el rango de la matriz de coeficientes A
es distinto del rango de la matriz ampliada A b .

• El sistema es compatible si los rangos coinciden. En este caso, si el

rango es igual al número de incógnitas (es decir n), el sistema es
determinado. Si es menor que n, es indeterminado.

1.29.2. Ejemplo ilustrativo 1

Aplique el Teorema de Rouché – Frobenius para clasificar el sistema
 x + 2y + z = 2
 3x + y − 2z = 1


 4x − 3y − z = 3
2x + 4y + 2z = 4

24
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Solución
Matriz escalonada por filas de la matriz ampliada:
1 2 1 2 
0 1 1 1 
 .
0 0 1 1 
 
0 0 0 0 
De lo anterior se deduce que Rango(A) = Rango(A b) = 3 . Se observa que

los rangos coinciden y son iguales al número de incógnitas, por lo tanto el

sistema es compatible determinado.

1.29.3. Ejemplo ilustrativo 2

Aplique el Teorema de Rouché – Frobenius para clasificar el sistema
 x1 − 3x 2 = 0

2x1 + 2x 2 = 3 .
 5x − x = 1
 1 2

Solución
Matriz escalonada por filas de la matriz ampliada:
1 −3 0 
 3
0 1 8 
0 0 1 
 
De lo anterior se deduce que Rango(A) = 2 y Rango(A b) = 3 . Como no

coinciden, entonces el sistema es incompatible.

1.29.4. Ejemplo ilustrativo 3

Aplique el Teorema de Rouché – Frobenius para clasificar el sistema
x + 2y + z = 4
 .
 3x + 2z = 5
Solución
Matriz escalonada por filas de la matriz ampliada:
1 2 1 4 
0 1 1 7 
 6 6

25
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

De lo anterior se deduce que Rango(A) = Rango(A b) = 2 . Se observa que

los rangos coinciden pero son menores que el número de incógnitas, por lo
tanto el sistema es compatible indeterminado.

1.30. Método para resolver un sistema de ecuaciones

lineales. Eliminación gaussiana

1.30.1. Fundamentos
Para resolver el sistema, se requiere el uso de la matriz ampliada del
sistema, la cual se define como [A:B]. Luego, se sustituye A por la matriz
escalonada for filas equivalente, aplicando operaciones elementales.

1.30.2. Ejemplo ilustrativo 1

Resolver el sistema
 x + 2y + z = 2
 3x + y − 2z = 1


 4x − 3y − z = 3
2x + 4y + 2z = 4
Solución

1 2 1 2  1 2 1 2
3 1 −2 1  0 −5 −5 −5
  f ← −3f + f   f ← −4f + f
4 −3 −1 3  
2 1 3
4 −3 −1 3  
3 1 3

   
2 4 2 4  2 4 2 4 
1 2 1 2 1 2 1 2
0 −5 −5 −5  0 −5 −5 −5 
  f ← −2f + f  f ← −1 f
0 −11 −5 −5  
4 1 4
0 −11 −5 −5  
2 5 2
   
2 4 2 4 0 0 0 0
1 2 1 2 1 2 1 2  1 2 1 2
0 1 1 1   0 1 1 1 0 1 1 1 
 f3 ← 11f2 + f3  f3 ← 6 f3 
1
0 −11 −5 −5   0 0 6 6   0 0 1 1
     
0 0 0 0 0 0 0 0  0 0 0 0

26
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

x + 2y + z = 2

⇒  y+z = 1 ⇒ x =1 , y = 0 , z =1
 z = 1

Sistema compatible determinado.

1.30.3. Ejemplo ilustrativo 2

Resolver el sistema
 x1 − 3x 2 = 0

2x1 + 2x 2 = 3.
 5x − x = 1
 1 2

Solución
1 −3 0  1 −3 0  1 −3 0 
2 2 3  f ← −2f + f 0 8 3  f ← −5f + f 0 8 3  f ← 1 f
  
2 1 2  
3 1 3  
2 8 2
5 −1 1  5 −1 1  0 14 1 

1 −3 0  1 −3 0  1 −3 0 
 3
   
3 ← −14f2 + f3 0 f3 ← 21 f3 0 1 83 
3 4
0 1 8  f 1 8  
0 14 1  0 0 21  0 0 1 
   4   
x1 − 3x 2 = 0

⇒  x2 = 3
8

 0 = 1
Sistema incompatible.

1.30.4. Ejemplo ilustrativo 3

Resolver el sistema
x + 2y + z = 4
 .
 3x + 2z = 5
Solución
1 2 1 4  1 2 1 4  1 2 1 4 
2 ← −3f1 + f2  2 ← − 6 f2 
1
  f  f 7
0 −6 −1 −7 
1
3 0 2 5  0 1 6 6 
x = 10 − 46 t
 x + 2y + z = 4 6
⇒ ⇒ y = 76 − 16 t , t ∈ R
 y + 1
6
z = 7
6
z = t
Sistema compatible indeterminado.
27
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.31. Método para resolver un sistema de ecuaciones

lineales. Método de Gauss Jordan

1.31.1. Fundamentos
Para resolver el sistema, se requiere el uso de la matriz ampliada del
sistema, la cual se define como [A:B]. Luego, se sustituye A por la matriz
escalonada reducida por filas equivalente, aplicando operaciones
elementales.

1.31.2. Ejemplo ilustrativo 1

Resolver el sistema
 x + 2y + z = 2
 3x + y − 2z =
 1

 4x − 3y − z = 3
2x + 4y + 2z = 4
Solución
1 2 1 2 1 2 1 2
3 1 −2 1   0 −5 −5 −5
 f2 ← −3f1 + f3  f3 ← −4f1 + f3
4 −3 −1 3   4 −3 −1 3  
   
2 4 2 4 2 4 2 4
1 2 1 2 1 2 1 2
0 −5 −5 −5    −5 −5 
 0 −5
4 ← −2f1 + f4 2 ← − 5 f2
1
f f
0 −11 −5 −5  0 −11 −5 −5 
   
2 4 2 4 0 0 0 0
1 2 1 2 1 2 1 2 1 2 1 2 
0 1 1 1  0 1 1 1 0 1 1 1 
 ← +
f
11f f  ← 1
ff  
0 −11 −5 −5 
3 2 3
0 0 6 6
3 6 3
0 0 1 1
     
0 0 0 0 0 0 0 0 0 0 0 0 
1 2 1 2  1 2 0 1
0 1 0 0   1 0 0 
← − +
f
f f   f ← − f + f 0 f1 ← −2f2 + f1
 0 0 1 1    0 0 1 1  
2 3 2 1 3 1

   
0 0 0 0  0 0 0 0

28
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1 0 0 1
0 x = 1
 1 0 0  
⇒ y = 0 ⇒ x = 1 , y = 0 , z = 1
0 0 1 1  z = 1
  
0 0 0 0
Sistema compatible determinado.

1.31.3. Ejemplo ilustrativo 2

Resolver el sistema
 x1 − 3x 2 = 0

2x1 + 2x 2 = 3.
 5x − x = 1
 1 2

Solución
1 −3 0  1 −3 0  1 −3 0 
2 2 3  f ← −2f + f 0 8 3  f ← −5f + f 0 8 3  f ← 1 f
  
2 1 2  
3 1 3  
2 8 2
5 −1 1  5 −1 1  0 14 1 

1 −3 0  1 −3 0  1 −3 0 
     
3 ← −14f2 + f3 3 ← 21 f3 0 1 83  f2 ← − 83 f3 + f2
3 3 4
0 1 8  f  0 1 8  f 
0 14 1  0 0 21  0 0 1 
   4   
1 −3 0  1 0 0   x1 = 0
0 1 0  f ← 3f + f 0 1 0  ⇒ x = 0
  
1 2 1   2
0 0 1  0 0 1  0 = 1

Sistema incompatible.

1.31.4. Ejemplo ilustrativo 3

Resolver el sistema
x + 2y + z = 4
 .
 3x + 2z = 5
Solución
1 2 1 4  1 2 1 4  1 2 1 4 
2 ← −3f1 + f2  2 ← − 6 f2 
1
3 0 2 5  f  f 7
0 −6 −1 −7 
1
  0 1 6 6 
x = 10 − 64 t
1 0 46 10   x + 4
z = 10 6

1 ← −2f2 + f1  ⇒ y = 76 − 16 t , t ∈ R
6 6 6
f ⇒
 0 1 1 7

6   y + 1
z = 7
6 6 6
z = t
29
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Sistema compatible indeterminado.

1.32. Método para resolver un sistema de ecuaciones

lineales. Método de Cramer

1.32.1. Fundamentos
Si Ax = b es un sistema de n ecuaciones con n incógnitas tal que A ≠ 0 ,

entonces cada variable se calcula mediante:

A
x i = i , i = 1,...,n
A
donde A i representa a la matriz obtenida a partir de A, sustituyendo la
columna i de A por la columna b de los términos independientes.

1.32.2. Ejemplo ilustrativo 1

Resolver el sistema
 x1 + 2x 2 + x3 = 2

3x1 + x 2 − 2x3 = 1
4x − 3x − x = 3
 1 2 3

Solución
1 2 1 2 2 1
A = 3 1 −2 = −30 , A1 = 1 1 −2 = −30,
4 −3 −1 3 −3 −1
1 2 1 1 2 2
A 2 = 3 1 −2 = 0 , A 3 = 3 1 1 = −30,
4 3 −1 4 −3 3
A1 −30 A 0 A −30
x1 = = = 1 , x2 = 2 = = 0 , x3 = 3 = =1
A −30 A −30 A −30

30
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.33. Método para resolver un sistema de ecuaciones

lineales. Método de la matriz inversa

1.33.1. Fundamentos
Si A n×n Xn×1 = bn×1 es un sistema de n ecuaciones con n incógnitas tal que
A ≠ 0 , entonces el sistema tiene solución única dada por X = A −1b .

Recordar que los métodos de la Regla de Cramer y de la Matriz Inversa

sólo pueden utilizarse cuando el sistema es determinado y además cuando
el número de ecuaciones es igual al número de incógnitas.

1.33.2. Ejemplo ilustrativo 1

Resolver el sistema
 x1 + 2x 2 + x3 = 2

3x1 + x 2 − 2x3 = 1
4x − 3x − x = 3
 1 2 3

Solución
−1
2   30
7 1 1 
1 2 1  30 6 2  1   x1 
X = A b = 3 1 −2
−1   1 
1  
= 0  =  x 2  .
1  =  6 − 6  1 
1
6
4 −3 −1 3   13 − 11 1  3  1   x3 
 30 30 6  

1.34. Cálculo de la matriz inversa.

Método del sistema de ecuaciones lineales

1.34.1. Ejercicio resuelto

Encuentra (si existe) la matriz inversa de
 2 0 1
 
A =  −2 3 4  .
 −5 5 6 
 
Solución

31
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Sea
a b c
−1  
A = d e f .
g h i 
 
En tal sentido,
 2 0 1 a b c  1 0 0
−1     
AA = I3 ⇒  −2 3 4   d e f  = 0 1 0
 −5 5 6   g h i   0 0 1 
 
 2a + g 2b + h 2c + i  1 0 0 
   
⇒  −2a + 3d + 4g −2b + 3e + 4h −2c + 3f + 4i  =  0 1 0 
 −5a + 5d + 6g −5b + 5e + 6h −5c + 5f + 6i   0 0 1 

 2a + g = 1 a = −2

⇒  −2a + 3d + 4g = 0 ⇒ d = −8
 −5a + 5d + 6g = 0 g = 5

 2b + h = 0 b = 5

 −2b + 3e + 4h = 1 ⇒ e = 17
 −5b + 5e + 6h = 0 h = −10

 2c + i = 0 c = −3

 −2c + 3f + 4i = 0 ⇒ f = −10
 −5c + 5f + 6i = 1 i = 6

Por lo tanto
 −2 5 −3 
−1  
A =  −8 17 −10  .
 5 −10 6 
 

1.35. Ejercicio resuelto

Halle todos los valores reales de k para que el sistema de ecuaciones

 x+y+z = 6

2x − y + k z =
2
3
3x + 2z = k + 8


32
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

tenga solución única, infinitas soluciones o que no tenga solución. Halle la solución
en los cuales donde tenga sentido.

Solución
Usando eliminación gaussiana
1 1 1 6  1 1 1 6 
  f ← − 2f + f 2 
2 −1 k −3 k2 − 2 −9  f2 ← − 13 f2
2 2 1
3  0
f ← −3f + f
3 0 2 k + 8   0

 
3 1 3
 −3 −1 k − 10 
1 1 1 6  1 1 1 6 
 2   
2 − k2
0 1 2−3k 3 ← 3f2 + f3
3  f  0 1 3
3 
   
0 −3 −1 k − 10  0 0 1 − k 2 k − 1

Para que el sistema tenga solución única se debe cumplir que 1 − k2 ≠ 0 . En tal
sentido, k ≠ ±1 . La solución viene dada por
k2 + 9k + 10 (k + 81−2 41 )(k + 81+2 41 )
x= =
3(k + 1) 3(k + 1)
9+5 5
k2 − 9k − 11 (k − )(k − 9−52 5 )
y=− =− 2
3(k + 1) 3(k + 1)
1
z=−
k +1
k =1:
1 1 1 6   x = 3 − 23 t
   x + y + z = 6
0 1 3 3  ⇒  y + 1 z = 3 ⇒ y = 3 − 3 t , t ∈ R
1 1

0 0 0 0   3
   z = t

El sistema tiene infinitas soluciones.

k = −1 :
1 1 1 6  1 1 1 6 
  f3 ←− 1 f3  
0 1 3 3  → ⇒ 0 1 3 3 
1 2 1

0 0 0 −2  0 0 0 1 
   
El sistema es incompatible.

33
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.36. Ejercicio resuelto

Sea el sistema de ecuaciones lineales dado por
2αx + αy = β
 , α, β ∈ R .
 αx − 3y = 1
Encuentre la solución del sistema para los distintos valores de α y β .
Solución
La representación matricial del sistema de ecuaciones viene dada por
 2α α  x   β 
   =   .
 α −3  y   1 
Con base en lo que se enuncia en la regla de Cramer, el sistema de ecuaciones en
estudio posee solución única si
2α α
≠ 0 ⇒ −6α − α2 ≠ 0 ⇒ 6α + α2 ≠ 0 ⇒ α(6 + α ) ≠ 0 ⇒ α ≠ 0 ∧ α ≠ −6
α −3
Por lo tanto, el sistema tiene solución única si α ∈ R − {−6,0} y β ∈ R .

La solución del sistema de ecuaciones viene dada por

β α 2α β
1 −3 −3β − α 3β + α α 1 2α − αβ β−2
x= = = , y= = =
2α α −6α − α 2
α( α + 6) 2α α −6α − α 2
α+6
α −3 α −3
Por lo tanto
3β+α
 x   α( α+6) 
3β+α
1  α 
  = =  .
 y   α+β−2  α + 6  β − 2 
6 

 0 = β
Con α = 0 se tiene el sistema de ecuaciones dado por  , β∈R.
 −3y = 1
El sistema anterior no tiene solución si β ≠ 0 , pero posee infinitas soluciones si
β = 0.
Si ( α, β) = (0,0) , la solución del sistema de ecuaciones viene dada por
x  t 
  = −1  , x ∈R
y  3 
−12x − 6y = β
Con α = −6 se tiene el sistema de ecuaciones dado por  , β∈R.
 −6x − 3y = 1

34
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

−12x − 6y = β
El sistema anterior es equivalente al sistema dado por  , β∈R
−12x − 6y = 2
El sistema anterior no tiene solución si β ≠ 2 , pero posee infinitas soluciones si
β = 2.
Si ( α, β) = ( −6,2) , la solución del sistema de ecuaciones viene dada por
x  t 
  =  −2t − 1  , t ∈ R
y  3

Por lo tanto, el sistema tiene infinitas soluciones si ( α, β) = (0,0) ∨ ( α, β) = ( −6,2) .

El sistema no tiene solución si α = 0 y β ∈ R − {0} ∨ α = −6 y β ∈ R − {2} .

1.37. Formulación y solución de sistemas de ecuaciones

1.37.1. Ejemplo ilustrativo 1

¿De cuántas maneras es posible combinar la cantidad de 3300 unidades
monetarias (u.m.), empleando monedas de 10, 20 y 50 u.m., usando
exactamente un total de 310 monedas?
Solución
Paso 1. Definición de las variables
x: cantidad de monedas de 10 u.m.
y: cantidad de monedas de 20 u.m.
z: cantidad de monedas de 50 u.m.
x ≥ 0, y ≥ 0, z ≥ 0 y enteras
Paso 2. Construcción de las relaciones matemáticas
x + y + z = 310 , 10x + 20y + 50z = 3300
Paso 3. Formulación del sistema de ecuaciones lineales
 x+y+z = 310  x + y + z = 310
 ⇒
10x + 20y + 50z = 3300 x + 2y + 5z = 330
Paso 4. Solución del sistema de ecuaciones lineales
Se aplicará eliminación gaussiana. En tal sentido
1 1 1 310  1 1 1 310  x + y + z = 310
2 ← −f1 + f2
 0 1 4 20  ⇒  y + 4z = 20
1 2 5 330  f
    

35
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

El conjunto solución viene dado por

x = 290 − 3t
y = 20 − 4t , t ∈ R
z = t
Paso 5. Incorporación de restricciones adicionales
Al incorporar las restricciones x ≥ 0, y ≥ 0, z ≥ 0 se tiene que
290 − 3t ≥ 0 , 20 − 4t ≥ 0 , t ≥ 0 ⇒ t ∈ 0,5

Al incorporar la restricción de que las variables son enteras se tiene que

t ∈ {0,1,2,3,4,5} . En tal sentido

t 0 1 2 3 4 5
x 290 293 296 299 302 305
y 20 16 12 8 4 0
z 0 1 2 3 4 5

1.37.2. Ejemplo ilustrativo 2

Al inicio del refrigerio de un evento, se dispusieron sobre una mesa tazas
de café con leche, café negro, té y chocolate. Alguién notó que la cantidad
de tazas de café con leche, cefé negro y té sumaban 60 y que el número
de tazas de café con leche, duplicaba el número de tazas de café negro y
que también era igual a la suma del número de tazas de café negro, té y
chocolate. ¿Cuál es la cantidad de tazas de cada bebida que había al
inicio del refrigerio? Presente sus resultados en una tabla.
Solución
Paso 1. Definición de las variables de decisión
x: número de tazas de café con leche
y: número de tazas de café negro
z: número de tazas de té
w: número de tazas de chocolate
x,y,z,w > 0 enteras

36
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Paso 2. Planteamiento del sistema de ecuaciones lineales

x + y + z = 60
  3y + z = 60
 x = 2y ⇒
y−z−w = 0
 x
 = y+z+w 

Paso 3. Solución del sistema de ecuaciones lineales

x = 2t
 3y + z = 60 y = t
 ⇒
y − z − w = 0 z = 60 − 3t
w = 4t − 60
Paso 4. Incorporación de restricciones adicionales
x = 2t > 0
y = t>0
⇒ t ∈ {16,17,18,19}
z = 60 − 3t > 0
w = 4t − 60 > 0

t 16 17 18 19
x 32 34 36 38
y 16 17 18 19
z 12 9 6 3
w 4 8 12 16

1.37.3. Ejemplo ilustrativo 3

La ecuación general de una sección cónica viene dada por la expresión
ax 2 + bxy + cy2 + dx + ey + f = 0 . Hallar la ecuación de la cónica cuya
gráfica pasa por los puntos (0,0); (0,-1); (2,0); (2,-5); (4,-1).
Solución
Sustitución de cada punto de la cónica en la ecuación
(0,0) : f = 0
(0, −1) : c − e = 0
(2,0) : 4a + 2d = 0
(2, −5) : 4a − 10b + 25c + 2d − 5e = 0
(4, −1) : 16a − 4b + c + 4d − e = 0
En tal sentido
f = 0 , c = e , 2a + d = 0 , 4a − 10b + 25c + 2d − 5e = 0 ,
16a − 4b + c + 4d − e = 0
37
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

En consecuencia f = 0 , c = e , d = −2a , − b + 2c = 0 , 2a − b = 0 .
Por lo tanto b = 2a , c = a , d = −2a ,e = a , f = 0 .
La ecuación general toma la forma ax 2 + 2axy + ay2 − 2ax + ay = 0 . Si
a ≠ 0 se tiene que la ecuación general es x 2 + 2xy + y2 − 2x + y = 0 .

1.38. Ejercicios resueltos variados

1.38.1. Ejercicio resuelto 1

Resuelva el sistema matricial
 t 3 1 
2X + Y =  
 0 −2 
 .
 X + 2Y t =  1 0
  
  −2 4
Solución
 t 3 1   3 1 
t

2X + Y =   (2X t + Y)t =  

 0 −2    0 −2  ⇒
 ⇒
X + 2Y t =  1 0   1 0
   X + 2Y t =  
  −2 4    −2 4 
 3 0  3 0 
2X + Y =   2X + Y =
t t
  
 1 −2    1 −2 
 ⇒ ⇒
X + 2Y t 1 0   −2 0 
=   −2X − 4Y t =  
  −2 4    4 −8 

1 0   − 13 0  − 13 − 35 
−3Y t =   ⇒ Y t
=  5  ⇒ Y =  
 5 −10  − 10   0 10 
 3 3   3 

3 0   − 3 0 
1
3 0 
2X + Y t =   ⇒ 2X =   −  5 10  ⇒
 1 −2   1 −2   − 3 3 
 10 0   53 0 
2X =  83
⇒ X =4 
 − 16   − 8
 3 3   3 3 

38
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.38.2. Ejercicio resuelto 2

Sea la matriz
1 0 1 
 
A = 0 1 0.
0 1 0
 
Calcule A n ,n = 1,2,3,...
Solución
 1 0 1  1 0 1  1 1 1
    
A =  0 1 0  0
2
1 0 = 0 1 0 ,
 0 1 0  0 1 0   0 1 0 
 
1 1 1  1 0 1  1 2 1
    
A = 0 1 00
3
1 0 = 0 1 0 ,
0 1 00 1 0   0 1 0 
 
1 1 1  1 0 1  1 3 1
    
A4 =  0 1 0   0 1 0 = 0 1 0 ,
0 1 00 1 0   0 1 0 
 
 1 2 1  1 0 1  1 4 1
    
A =  0 1 0  0
5
1 0 = 0 1 0
 0 1 0  0 1 0   0 1 0 
 
En tal sentido
1 n −1 1 
 
A = 0
n
1 0  , n = 1,2,3,...
0 1 0 


1.38.3. Ejercicio resuelto 3

Encuentre los valores de a y b para que la matriz
 2 −1 
A = 
a b 
satisfaga A 2 = A .
Solución

39
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

 2 −1  2 −1   2 −1   4 − a −2 − b   2 −1 
  = ⇒ 2
= 
 a b  a b   a b   2a + ab −a + b   a b 
 4−a = 2 a = 2
 
 −2 − b = −1  b = −1
⇒ ⇒
2a + ab = a  b = −1
 −a + b2 = b  b = −1

a = 2
⇒
 b = −1

1.38.4. Ejercicio resuelto 4

Encuentre todas las matrices cuadradas de orden 2 que conmutan con
1 2 
 .
0 1 
Solución
 a b  1 2   1 2  a b   a 2a + b   a + 2c b + 2d 
  =  ⇒ = 
 c d  0 1   0 1  c d   c 2c + d   c d 
 a = a + 2c c = 0
 
2a + b = b + 2d a = d
⇒ ⇒
 c = c 0 = 0
 2c + d = d  c = 0
Por lo tanto, todas las matrices cuadradas de orden 2 que conmutan con
1 2
 
0 1
son de la forma
a b
  , a,b ∈ R .
0 a

1.38.5. Ejercicio resuelto 5

Dada la matriz diagonal
3 0 0
 
D =  0 −2 0  ,
0 0 5
 

40
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

calcule D−1 . ¿Cómo generalizaría una fórmula para calcular de manera

rápida la inversa de una matriz diagonal y bajo qué condiciones?
Solución
3 0 0 1 0 0  1 0 0 13 0 0 
 1   1
 0 −2 0 0 1 0 f → f
   0 − 2 0 0 1 0 − f → f2
3 1 1 
2 2
0 0 5 0 0 1  0 0 5 0 0 1 
   
 1 0 0 13 0 0   1 0 0 13 0 0   13 0 0 
    −1  
 0 1 0 0 − 2 0  
→ − ⇒ = −
1 1 1 1
5
f 3 f 3  0 1 0 0 2
0  D  0 2
0 
0 0 5 0 0 1  0 0 1 0 1 1  0 0 1 
   5   5

Fórmula general.
Sea D una matriz diagonal de orden n dada por
 λ1 0 ⋯ 0 0
 
 0 λ2 ⋯ 0 0
D= ⋮ ⋮ ⋱ ⋮ ⋮  , λ i ≠ 0, i = 1,...,n .
 
 0 0 ⋯ λn −1 0 
0 0 ⋯ 0 λn 

La matriz inversa D−1 viene dada por
 λ1 0 ⋯ 0 0
 1 
 0 λ1 ⋯ 0 0
 2

D−1 =  ⋮ ⋮ ⋱ ⋮ ⋮ .
0 0 ⋯ 1
0 
 λn −1
 0 0 ⋯ 0 1 

 λn 

1.38.6. Ejercicio resuelto 6

Si
18 0 
A= ,
 0 −2 
X es una matriz diagonal y O la matriz nula, encuentre el conjunto
solución de la ecuación matricial X2 + 3X − A = O .
Solución

41
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Sea X una matriz diagonal de la forma

a 0
X= .
0 b
Se tiene entonces que
2
a 0  a 0  18 0   0 0 
X 2 + 3X − A = O ⇒   + 3 − = 
0 b  0 b   0 −2   0 0 
 a2 0   3a 0   −18 0   0 0 
⇒ + + =
 0 b2   0 3b   0 2   0 0 
 
 a + 3a − 18
2
0  0 0
⇒
  =  
 0 b 2
+ 3b + 2  0 0
a + 3a − 18 = 0  a = −6 ∨ a = 3
2
⇒ ⇒
 b + 3b + 2 = 0 b = −2 ∨ b = −1
2

Por lo tanto el conjunto solución viene dado por

 −6 0   −6 0   3 0   3 0  
  ,  ,  ,  .
 0 −2   0 −1   0 −2   0 −1  

1.38.7. Ejercicio resuelto 7

Demuestre que si A y B son matrices:
a. invertibles tales que AB = BA −1 , entonces
A(B + A)B = BA −1B + ABA −1
Solución
A(B + A)B = (AB + A 2 )B = ABB + A 2B = ABB + AAB
= BA −1B + ABA −1
b. cuadradas de orden n que satisfacen el sistema de ecuaciones
matriciales
4A + 2B = I
 ,
 2A − B = O
entonces
1 1
det(A) = 3n
y det(B) = 2n .
2 2
Solución

42
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Al resolver el sistema de ecuaciones matriciales se tiene que

4A + 2B = I 1 1
 ⇒A = I , B= I
 2A − B = O 8 4

Se puede deducir que las matrices A y B son matrices diagonales de

la forma
 18 0 ⋯ 0 0   14 0 ⋯ 0 0 
 1
  
0 8 ⋯ 0 0 1
0 4 ⋯ 0 0
A =⋮ ⋮ ⋱ ⋮ ⋮ , B=⋮ ⋮ ⋱ ⋮ ⋮
   
 0 0 0 18 0  1
0 0 0 4 0
  0 0 0 0 1 
0 0 0 0 1   4
 8

Al calcular el determinante de cada matriz aplicado propiedades se

tiene que
1
8
0 ⋯ 0 0 1 0 ⋯ 0 0
1
0 ⋯ 0 08 0 1 ⋯ 0 0
1 1
det(A) = ⋮ ⋮ ⋱ ⋮ ⋮ = . ⋯ . ⋮ ⋮ ⋱ ⋮ ⋮
8 nveces 8
0 0 0 18 0 0 0 0 1 0
0 0 0 0 18 0 0 0 0 1
1 1
=n
det(In ) = 3n
8 2
1
4
0 ⋯ 0 0 1 0 ⋯ 0 0
0 14 ⋯ 0 0 0 1 ⋯ 0 0
1 1
det(B) = ⋮ ⋮ ⋱ ⋮ ⋮ = . ⋯ . ⋮ ⋮ ⋱ ⋮ ⋮
4 nveces 4
0 0 0 14 0 0 0 0 1 0
0 0 0 0 14 0 0 0 0 1
1 1
= n
det(In ) = 2n
4 2

1.38.8. Ejercicio resuelto 8

Utilice las propiedades de los determinantes para demostrar que
x a a a
a x a a
= (x − a)3 (x + 3a) .
a a x a
a a a x

43
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Solución
x a a a x −a a a a x −a 0 a a
a x a a a−x x a a a−x x −a a a
= =
a a x a 0 a x a 0 a−x x a
a a a x 0 a a x 0 0 a x
c1 − c2 → c1 c2 − c3 → c 2
x −a 0 0 a
a−x x −a 0 a
=
0 a−x x −a a
0 0 a−x x
c3 − c 4 → c 3
x −a 0 0 a x −a 0 0 a
0 x −a 0 2a 0 x −a 0 2a
= =
0 a−x x −a a 0 0 x − a 3a
0 0 a−x x 0 0 a−x x
f1 + f2 → f2 f2 + f3 → f3
x −a 0 0 a
0 x −a 0 2a
= = (x − a)3 (x + 3a)
0 0 x −a 3a
0 0 0 x + 3a
f3 + f4 → f4

1.38.9. Ejercicio resuelto 9

Demuestre que si A y B son matrices de orden n tales A + B = I y
0 0 0 ⋯ 0 0 
 
 0 −1 0 ⋯ 0 0 
 0 0 −2 ⋯ 0 0 
AB + BA =  ,
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 
 0 0 0 ⋯ −n + 2 0 
 
0 0 0 ⋯ 0 −n + 1 
donde I es la matriz identidad, entonces det(A 2 + B2 ) = n!
Solución
Si A + B = I , entonces B = I − A y

44
Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

A(I − A) + (I − A)A = A − A 2 + A − A 2 = 2A − 2A 2
0 0 0 ⋯ 0  0
 
 0 −1 0 ⋯ 0  0
 0 0 −2 ⋯ 0  0
= 
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 
0 0 0 ⋯ −n + 2 0 
 
0 0 0 ⋯ 0 −n + 1 
Por otro lado, si A + B = I , entonces A = I − B y
(I − B)B + B(I − B) = B − B2 + B − B2 = 2B − 2B2
0 0 0 ⋯ 0 0 
 
 0 −1 0 ⋯ 0 0 
 0 0 −2 ⋯ 0 0 
= 
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 
0 0 0 ⋯ −n + 2 0 
 
0 0 0 ⋯ 0 −n + 1 
En tal sentido
2A − 2A 2 + 2B − 2B2 = 2I − 2(A 2 + B2 )
0 0 0 ⋯ 0  0
 
 0 −2 0 ⋯ 0  0
 0 0 −4 ⋯ 0 0 .
= 
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 
0 0 0 ⋯ −2n + 4 0 
 
0 0 0 ⋯ 0 −2n + 2 
Lo cual implica que

45
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

0 0 0 ⋯ 0 0 
 
 0 −2 0 ⋯ 0 0 
 0 0 −4 ⋯ 0 0 
2(A 2 + B2 ) = 2I −  
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 
0 0 0 ⋯ −2n + 4 0 
 
0 0 0 ⋯ 0 −2n + 2 
2 0 0 ⋯ 0 0 
 
0 4 0 ⋯ 0 0 
0 0 6 ⋯ 0 0 
= 
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 
0 0 0 ⋯ 2n − 2 0 
 
0 0 0 ⋯ 0 2n 
Por lo tanto
2 0 0 ⋯ 0 0  1 0 0 ⋯ 0 0
   
0 4 0 ⋯ 0 0  0 2 0 ⋯ 0 0
1 0 0 6 ⋯ 0 0  0 0 3 ⋯ 0 0
A 2 + B2 =  = 
2⋮ ⋮ ⋮ ⋱ ⋮ ⋮  ⋮ ⋮ ⋮ ⋱ ⋮ ⋮
0 0 0 ⋯ 2n − 2 0   0 0 0 ⋯ n −1 0
   
0 0 0 ⋯ 0 2n   0 0 0 ⋯ 0 n 
En consecuencia, det(A 2 + B2 ) = n!

1.38.10. Ejercicio resuelto 10

Demuestre las siguientes proposiciones:
1. Si A = A 3 , entonces el determinante de A es 0 ó 1 ó –1.
Solución
Si A = A 3 , entonces
det(A) = (det(A))3 ⇒ (det(A))3 − det(A) = 0
⇒ det(A)((det(A))3 − 1) = 0
⇒ det(A) = 0 ó det(A) = 1 ó det(A) = −1
2. Si A y B son matrices cuadradas tales que AA t = B , entonces
det(B) ≥ 0 .
Solución
Si AA t = B , entonces

46
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2
det(AA t ) = det(B) ⇒ det(A).det(A t ) = det(B) ⇒ det(A) = det(B) .
2
Como se observa anteriormente, det(B) ≥ 0 ya que det(A) ≥ 0 .

3. Sean A, B y X matrices cuadradas del mismo orden. Suponga que

A 2 es la inversa de B. Demuestre que:
a. La matriz inversa de AB es A
Solución
Se sabe que A 2 B = BA 2 = I . Por lo tanto A(AB) = (BA)A = I .
Lo anterior permite afirmar que la matriz inversa de AB es A.
b. Si det(B) = 1 , entonces det(A) = ±1
Solución
A 2 B = I ⇒ [det(A)]2 det(B) = det(I) ⇒ [det(A)]2 = 1 ⇒ det(A) = ±1
c. La ecuación (AB)X = A tiene como solución X = A 2
Solución
(AB)X = A ⇒ (AB)−1 (AB)X = (AB)−1 A ⇒ X = A.A ⇒ X = A 2

1.38.11. Ejercicio resuelto 11

Si se sabe que det(A) = 2 , det(B) = 4 ,
a b c
det(AB) = k l m ,
x y z

calcule
c 2m z
b 2l y .
a + b 2k + 2l x + y
Solución
Aplicando propiedades:
c 2m z a + b 2k + 2l x + y a+b b c
b 2l y =− b 2l y = − 2k + 2l 2l 2m
a + b 2k + 2l x + y c 2m z x+y y z
a+b b c a b c
= −2 k + l l m = −2 k l m
x+y y z x y z
= −2det(A).det(B) = −16
47
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1.38.12. Ejercicio resuelto 12

Sean A, B y C matrices cuadradas de orden 4 con det(A) = 2 ,
det(B) = −2 y det(C) = −3 . Calcule det( 2 (A t BC−1 )−1 A −1 ) .
Solución
Aplicando propiedades:
det(2 (A t BC−1 )−1 A −1 ) = det(2 (C(A t B)−1 )A −1 ) = det(2 CB−1 (A t )−1 A −1 )
= 24 det(CB−1 (A t )−1 A −1 )
= 16 det(C)det(B−1 )det((A t )−1 )det(A −1 )
det(C)
= 16
det(B)det(A t )det(A)
det(C)
= 16
det(B)det(A)det(A)
det(C)
= 16 =6
det(B)[det(A)]2

1.38.13. Ejercicio resuelto 13

Sea el sistema de ecuaciones lineales dado por
 x + αy = β
 .
 αx + β y = β
a. Indique para qué valores de α, β ∈ R , el sistema es compatible
determinado, compatible indeterminado o incompatible
Solución
Paso 1. Cálculo del determinante del sistema
1 α
Ds = = β − α2
α β
Paso 2. Cálculo de los valores de α y β para que el sistema sea
compatible determinado
Ds ≠ 0 ⇒ β − α2 ≠ 0 ⇒ β ≠ α2
Paso 3. Cálculo de los valores de α y β para que el sistema sea
compatible indeterminado o sea incompatible
 x + αy = α2

αx + α y = α
2 2

48
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

1 α α2  f2 ←−αf1 + f2 1 α α2 
  →  
α α α2  0 0 α (1 − α )
2 2

Si α = 0 ∨ α = 1 , el sistema es compatible indeterminado. En tal

sentido si ( α, β) = (0,0) ∨ ( α, β) = (1,1) el sistema es compatible
indeterminado.
Si α ≠ 0 ∧ α ≠ 1 ∧ β = α2 el sistema es incompatible.
b. Encuentre la solución del sistema para todos los casos posibles
Solución
Paso 1. Cálculo de la solución del sistema si se trata de un sistema
compatible determinado
D β(β − α) D β(1 − α )
x= x = , y= y = .
Ds β−α 2
Ds β − α2
Paso 2. Cálculo de la solución del sistema si se trata de un sistema
compatible indeterminado
( α, β) = (0,0) ⇒ x = 0 ⇒ (x,y) = (0,t), t ∈ R
( α, β) = (1,1) ⇒ x + y = 1 ⇒ (x,y) = (1 − t,t), t ∈ R

1.38.14. Ejercicio resuelto 14

Encuentre los valores de k para que el sistema
kx + ky − z = 2
 3x − ky = 0


 5x + ky = 0
 x + 2y = 1
sea compatible determinado, compatible indeterminado o incompatible.
Solución

49
Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

k k −1 2 1 2 0 1
 3 −k 0   f2 ← −3f1 + f2
 0  3 −k 0 0 
1 ↔ f4
f f3 ← −5f1 + f3
5 k 0 0 5 k 0 0
    f4 ← −kf1 + f4
1 2 0 1 k k −1 2  
1 2 0 1  1 2 0 1 
  0 3 
0 −6 − k 0 −3   1 0 k +6 
← 1
f f
−6 −k 2  0 −10 + k 0
0 −10 + k 0 −5  −5 
2

   
0 −k −1 2 − k  0 −k −1 2 − k 
1 2 0 1  1 2 0 1 
0 1 0 3   0 1 0 3 
 k +6   k +6 
3 ← (10 − k)f2 + f3 
f f3 ↔ f4
  0 −k −1 2 − k 
0 0 0 − k8k +6
   
0 −k −1 2 − k  0 0 0 − k8k +6 

1 2 0 1  1 2 0 1 
0 1 0 3  0 1 0 3 
 k +6   k +6 
3 ← kf2 + f3
f 3 ← −f3 
 0 0 −1 − (k +4)(k −3)  f (k + 4)(k −3) 
0 0 1
 k +6   k +6 
0 0 0 − k +6 
8k   − k +6 
8k
 0 0 0
Si k = −6 , se tiene que
 −6 −6 −1 2  1 2 0 1
 3 6 0 0 3 6 0 f2 ← −3f1 + f2
 f ↔ f  0 
f3 ← −5f1 + f3
 5 −6 0 0  
1 4
 5 −6 0 0
    f4 ← 6f1 + f4
1 2 0 1  −6 −6 −1 2  
1 2 0 1 1 2 0 1
   
0 0 0 −3  0 6 −1 8 
2 ↔ f4
f f2 ← 16 f2
0 −16 0 −5  0 −16 0 −5  
   
0 6 −1 8  0 0 0 −3 
1 2 0 1 1 2 0 1
0 1  
 − 16 34  0 1 − 16 34 
3 ← 16f2 + f3 
f f3 ← − 38 f3
49  
0 −16 0 −5  0 0 −3 3 8
   
0 0 0 −3  0 0 0 −3 
1 2 0 1  1 2 0 1 
0 1 − 16 4  0 1 − 16 4 
 3 
f4 ← − 3 f4 
1 3 
0 0 1 49  
−8 0 0 1 − 49 
   8

0 0 0 −3  0 0 0 1 

50
Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Conclusiones:
Si k = 0 , el sistema es compatible determinado y su solución viene
dada por x = 0 , y = 12 , z = −2 .
Si k ≠ 0 , el sistema es incompatible.

51
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

Tema 2.
Vectores en R2 y R3

2.1. Vector

2.1.1. Definición
Un vector es un segmento de recta orientado.

2.1.2. Elementos
Longitud. Dada por un valor numérico al que se llama módulo, norma o tamaño
del vector.
Dirección. Dada por la recta a la que pertenece.
Sentido. Dado por la flecha del segmento.

2.1.3. Representaciones
Un vector es una n-upla, es decir, un objeto de la forma x = (x1 ,...,x n ) con x i ∈ R
para i = 1,...,n .
Otra manera de denotar vectores en el plano y el espacio es la siguiente: Sea i el
vector cuyo punto terminal es (1,0) y j el vector cuyo punto terminal es (0,1).
Entonces si P es un punto de coordenadas (x,y), se puede escribir el vector P como
P = xi + yj .
Sea i el vector cuyo punto terminal es (1,0,0), j el vector cuyo punto terminal es
(0,1,0) y k el vector fijo cuyo punto terminal es (0,0,1).
Entonces si P es un punto del espacio de coordenadas (x,y,z), se puede escribir el
vector P como P = xi + yj + zk .

52
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2.2. Operaciones con vectores

2.2.1. Definición
Sean x = (x1 ,...,x n ) , y = (y1 ,...,yn ) y λ ∈ R . Se definen:
Suma algebraica. x + y = (x1 ,...,x n ) + (y1 ,...,yn ) = (x1 + y1 ,...,x n + yn ) .
Producto por un escalar. λx = λ(x1 ,...,x n ) = ( λx1 ,..., λx n ) .

2.2.2. Propiedades
Sean x, y, z ∈ R n y λ, β ∈ R . Entonces:
a. (Clausurativa en la suma algebraica). x + y ∈ R n .
b. (Conmutativa). x + y = y + x .
c. (Modulativa). x + 0 = 0 + x = x donde 0 = (0,...,0) .
d. (Asociativa). ( x + y ) + z = x + ( y + z) .
e. (Invertiva). x + ( −x ) = 0 .
f. (Clausurativa en el producto por un escalar). λx ∈ Rn .
g. (Distributiva de la suma de escalares con respecto al producto por un escalar).
( λ + β)x = λx + β x .
h. (Distributiva del producto por un escalar respecto a la suma de dos n-uplas).
λ( x + y ) = λ x + λ y .
i. (Asociatividad del producto por un escalar). λ(β x) = ( λβ)x .

j. (Identidad escalar). 1.x = x .

2.2.3. Interpretación geométrica

Interpretación geométrica de la suma
Sean x = (x1 ,x 2 ) y y = (y1 ,y2 ) , entonces x + y = (x1 + y1 ,x 2 + y2 )

53
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

A la suma de dos parejas ordenadas, (x1 + y1 ,x 2 + y 2 ) se le puede asociar el vector

fijo que tiene por punto inicial el origen y por punto terminal el punto
(x1 + y1 ,x 2 + y2 ) que es la diagonal del paralelogramo que tiene por lados
adyacentes los vectores fijos OX y OY.
Interpretación geométrica del producto por un escalar.
Sean x = ( −2,3) , λ = 2 y β = 32 .

2.3. Paralelismo, longitud y dirección

2.3.1. Paralelismo
Se dice que dos vectores x, y son paralelos si existe λ ∈ R tal que x = λy .
Observación. Si λ > 0 se dice que x y y tienen el mismo sentido. Si λ < 0 se dice
que x y y tienen sentidos opuestos. Si dos vectores x y y son paralelos se usará la
notación x y .

2.3.2. Longitud
La longitud, magnitud o norma es una cantidad escalar “asociada con el
tamaño del vector” calculada como x = x12 + x 22 + ... + x 2n .

2.3.3. Propiedad de la norma

a. x =0⇔x=0
b. x >0⇔x≠0
c. λx = λ x

54
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

d. x + y ≤ x + y (Desigualdad triangular)
Observación. x se dice unitario si y sólo si x = 1 . Si x ∈ R n , entonces x x

es unitario.

2.3.4. Vectores canónicos

Los vectores de R3 dados como i = (1,0,0) , j = (0,1,0) , k = (0,0,1) se conocen con

el nombre de canónicos y dibujados con punto inicial el origen coinciden con las
direcciones positivas de los ejes de coordenadas y son unitarios.

2.4. Combinación lineal, dependencia e independencia

2.4.1. Combinación lineal

Se dice que el vector v es combinación lineal de los vectores u1 , u2 ,..., un si
v = λ1u1 + λ2u2 + ... + λ n un , λ i ∈ R, i = 1,...,n .

2.4.2. Dependencia lineal

Los vectores u1 , u2 ,..., un son linealmente dependientes si existen unos escalares
λ1 , λ 2 ,..., λn no todos nulos tal que λ1u1 + λ2 u2 + ... + λn un = 0 . Si por el contrario,
esta igualdad sólo se verifica cuando todos los escalares son cero, se dice que los
vectores son linealmente independientes.

2.5. Producto escalar

2.5.1. Definición
Dados los vectores x = (x1 ,x 2 ,...,x n ) y y = (y1 ,y 2 ,...,yn ) , se define el producto
n
escalar x  y, por x  y = x1 y1 + ... + x n y n = ∑x y .
i =1
i i

Observación. x  y = x y cos( θ) .

55
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2.5.2. Vectores ortogonales

Un vector x es ortogonal (perpendicular) al vector y si y sólo si x + y = x − y .

Observaciones.
a. Si x e y son perpendiculares se usará la notación x ⊥ y .
b. Dos vectores x e y son ortogonales si y sólo si x  y = 0 .

2.5.3. Propiedades del producto escalar

a. xy = yx
b. ( λx )  y = λ( x  y)
c. x  ( y + z) = x  y + x  z
d. x  x ≥ 0
e. xx = 0 ⇔ x = 0
Observación. x  x = x .

2.5.4. Proyección ortogonal de un vector sobre otro

Dados los vectores fijos a y b no nulos es posible proyectar el vector a sobre el
vector b y sobre un vector fijo w’ perpendicular a b como se indica en la figura.

Como se observa en la figura a = v + w , donde v es la proyección de a sobre b y

w es la proyección ortogonal de a sobre b.

56
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2.5.5. Propiedades de la proyección de un vector

a. v = λb para algún escalar λ (v es paralelo a b)
b. a = v + w
c. wb = 0

2.5.6. Cálculo de la proyección de un vector

a  b = (w + v )  b = w  b + v  b = 0 + v  b = v  b = ( λb )  b = λ(b  b )
De lo anterior se tiene que
a b
λ= .
bb
La proyección de a sobre b se puede escribir como
a b
proyba =  b .
 b2 
 
El vector
a b
w = a − λb = a −  b
 b2 
 
es ortogonal a b para cualquier vector a (ver figura).

57
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2.6. Producto vectorial

2.6.1. Definición
Para cualquier par de vectores A y B de R3 el producto vectorial de A por B se
define como: A × B = (a2 b3 − a3 b2 ,a3 b1 − a1 b3 ,a1 b2 − a2 b1 ) .

Observaciones.
a. Si A o B es el vector nulo, entonces es claro que A × B = 0 .
b. Si A o B no son nulos y A es paralelo a B, entonces B = λA para algún escalar
λ , por tanto
A × B = A × ( λA ) = (a1 ,a2 ,a3 ) × ( λa1 , λa2 , λa3 )
= (a2 ( λa3 ) − a3 ( λa2 ),a3 ( λa1 ) − a1 ( λa3 ),a1 ( λa2 ) − a2 ( λa1 ))
= ( λa2a3 − λa3a2 , λa3a1 − λa1a3 , λa1a2 − λa2a1 ) = (0,0,0)
c. Usando determinantes se tiene que
i j k
A × B = a1 a2 a3 .
b1 b2 b3

2.6.2. Propiedades
Sean A, B y C vectores de R3 y λ un número real.
a. A×A = 0
b. 0 × A = A × 0 = 0
c. B × A = −A × B
d. A × ( B + C) = A × B + A × C
e. ( λ A ) × B = λ( A × B ) = A × ( λB )
Observación. Relacionando al producto vectorial con el producto escalar se tiene
2 2 2
A × B + ( A • B)2 = A B .

2.6.3. Teorema
Si A y B son vectores de R3 y θ es el ángulo entre los vectores A y B, entonces
A × B = A B sen( θ) .

Demostración.

58
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2 2 2 2 2 2 2
A×B = A B − ( A • B)2 = A B − A B cos2 ( θ)
2 2 2 2
= A B (1 − cos2 ( θ)) = A B sen 2 ( θ)

De modo que A × B = A B sen( θ) .

La fórmula anterior para A × B tiene una interpretación geométrica para lo cual

se construirá el paralelogramo determinado por A y B. El área de un

paralelogramo es base por la altura, donde la base es A y la altura es B sen( θ)
, entonces el área del paralelogramo viene dada por A × B = A B sen( θ) . Para

el cálculo del área de un triángulo de vértices A, B y C se tiene que:

ÁREA = 12 AB × AC .

2.7. Producto mixto. Triple producto vectorial

2.7.1. Producto mixto

Sean A, B y C vectores de R3 , se llama triple producto escalar o producto mixto al
número real A  ( B × C) .

Observación. Tres vectores A, B y C son coplanares si y sólo si su triple producto

escalar es cero.

2.7.2. Triple producto vectorial

Sean A, B y C vectores de R3 , se llama triple producto vectorial al vector
A × ( B × C) .
59
 Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

2.7.3. Aplicaciones geométricas

 w  (u × v) 
Volumen del paralelepípedo = u × v  
 u × v 
u1 u2 u3
= w  ( u × v ) = v1 v2 v3
w1 w2 w3

Volumen del paralelepípedo

Volumen del tetraedro =
6

2.8. Ejercicios ilustrativos

2.8.1. Ejercicio ilustrativo 1

Considere los puntos P(1,1,0), Q(1,0,1) y R(0,1,1).
a. Calcule el área del triángulo PQR
Solución.
0  −1   −1 
      1 3
PQ =  −1  , PR =  0  , PQ × PR =  −1  , A = ( −1, −1, −1) = .
1  1   −1  2 2
     
b. Calcule v = proyPQPR

Solución.
0  0 
PR • PQ 1   1
v = proyPQPR = PQ =  −1  =  − 2  .
PQ • PQ 2   1 
1   2 

2.8.2. Ejercicio ilustrativo 2

Sean los vectores a = ( −1,1,1) , b = (1,4,0) y c = (1,1,1) . Halle
a. los vectores d y e en R3 tales que b = d + e con d paralelo a a y e
perpendicular a a.
Solución.
Como d es paralelo a a se tiene que d = αa y como e = (e1 ,e2 ,e3 ) es

perpendicular a a se tiene que

60
Universidad Central de Venezuela – Facultad de Ingeniería – Departamento de Matemática Aplicada
Álgebra Lineal y Geometría Analítica – José Luis Quintero

e  a = 0 ⇒ −e1 + e2 + e3 = 0 ⇒ e3 = e1 − e2 .
Ahora bien:
 −α + e1 = 1

b = d + e ⇒ (1,4,0) = ( −α, α, α ) + (e1 ,e2 ,e3 ) ⇒  α + e2 = 4
α+e =0
 3

 −α + e1 = 1

⇒  α + e2 = 4
α + e − e = 0
 1 2

De la segunda ecuación se tiene que α = 4 − e2 . Sustituyendo en la primera y

en la tercera ecuación se tiene que

 −(4 − e2 ) + e1 = 1  e + e2 = 5
 ⇒ 1 ⇒ e1 = 2 , e2 = 3 .
4 − e2 + e1 − e2 = 0 e1 − 2e2 = −4
Por lo tanto e3 = −1 y α = 1 . En consecuencia,
d = ( −1,1,1) y e = (2,3, −1) .
b. c  (d × e) e indique una interpretación geométrica del resultado
Solución.
1 −1 2
c  (d × e) = 1 1 3 = (1,1,1)  ( −1,1,1) × (2,3, −1)
1 1 −1
= (1,1,1)  ( −4,1, −5) = 8

El resultado corresponde al volumen del paralelepípedo generado por los

vectores c, d y e.

61