,

Notas de clase

Álgebra Lineal I

Profesor
Jorge E. Gómez Rı́os

UNIVERSIDAD INDUSTRIAL DE SANTANDER

Escuela de Matemáticas
Bucaramanga
Actualizado: 8 de noviembre de 2023
Índice general

1. Números Complejos y El Teorema Fundamental del Álgebra 2

1.1. Números Complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Teorema Fundamental del Álgebra . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Fórmulas de Cardano-Vieta . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2. Rn Espacio Vectorial Euclidiano 22

2.1. Rectas en el espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2. Rectas paralelas, secantes u oblicuas . . . . . . . . . . . . . . . . . . . . . . . 27
2.3. Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4. Distancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3. Matrices 42
3.1. Álgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2. Método de eliminación de Gauss para hallar A−1 . . . . . . . . . . . . . . . . 50
3.3. Más definiciones y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.4. Matrices reducidas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4. Determinantes 57

5. Sistemas de ecuaciones lineales 64

1
Capı́tulo 1

Números Complejos y El Teorema

Fundamental del Álgebra

1.1. Números Complejos

C
Complejos

I
Irracionales
R
Reales
Q
Racionales

Z
Enteros

N
Naturales

Sabemos que en el conjunto de los números reales la ecuación x2 + 1 = 0 no tiene solución,

se hace entonces necesario introducir un nuevo número al conjunto de los números reales que
satisfaga la ecuación. “Imaginamos” dicha solución la cual denotaremos por i, esto es i2 + 1 = 0,
√
o equivalentemente i2 = −1, o simplemente i = −1. De este modo surge el conjunto de los
números complejos, el cual denotaremos por C, como una extensión del conjunto de los números
reales, especı́ficamente:
C = {a + bi : a, b ∈ R} .

Cada número complejo z = a + bi, puede interpretarse como un par ordenado de números reales

2
z = (a, b), donde al número a se le llama parte real del complejo z y se le denota por Re(z) = a,
mientras que el número b se denomina parte imaginaria de z y se le denota por Im(z) = b.
La interpretación como parejas ordenadas, nos permite representar geométricamente a los números
complejos como puntos (o flechas) en el plano cartesiano, ası́:

Eje imaginario
z = a + bi
bi bc
= (a, b)

a Eje real

Plano complejo

Diremos que dos números complejos son iguales si sus partes reales son iguales y sus partes
imaginarias son iguales, esto es:

a + bi = c + di ⇐⇒ a = c y b = d.

Aritmética de números complejos

Definición. 1.1. Suma y producto de números complejos

Sean z = a + bi y w = c + di dos números complejos, definimos la suma y el producto de

estos números como sigue:

Suma: (a + bi) + (c + di) = a + c + (b + d)i.

Producto: (a + bi)(c + di) = ac + adi + bci + bdi2 = (ac − bd) + (ad + bc)i.

Ejemplo. 1.1.

(2 + 3i) + (5 + 2i) = 7 + 5i

(−1 + i) + (3 − 4i) = 2 − 3i

(2 + 3i)(5 + 2i) = 10 + 4i + 15i + 6i2 = 10 + 19i + 6(−1) = 4 + 19i.

(2 + i)(2 − i) = 4 − 2i + 2i − i2 = a4 − (−1) = 5.

Definición. 1.2. Conjugado

Dado un número complejo z = a + bi, definimos su conjugado como el número z = a − bi.

 Ejemplo. 1.2.

Para hallar el conjugado de un complejo, simplemente cambiamos el signo a la parte

imaginaria:

z 2 + 3i 1 − 2i 7i 5
z 2 − 3i 1 + 2i −7i 5

Teorema. 1.1. Propiedades del conjugado

Sean z = a + bi w = c + di números complejos, entonces:

i) z = z.

ii) z · z = a2 + b2 .

iii) z es un real, esto es b = 0, si y solo si z = z.

iv) z + w = z + w.

La segunda propiedad del teorema anterior es especialmente útil cuando queremos “dividir” núme-
ros complejos, veamos:

Ejemplo. 1.3.

5−i
Para determinar el resultado de multiplicamos el numerador y denominador por el
3 + 2i
conjugado del complejo del denominador, ası́:

5 − i 3 − 2i 15 − 10i − 3i + 2i2 13 − 13i

· = 2 2
= = 1 − i.
3 + 2i 3 − 2i 3 +2 13

Representación polar de números complejos

La representación polar de un número complejo es una forma alternativa de describir un número
complejo en términos de la distancia desde el origen del plano complejo hasta el punto que
representa al número, y el ángulo entre el eje real positivo y el segmento que une el origen con el
punto que representa al complejo.
 Eje
imaginario

a = r cos(θ) z = a + bi = r cos(θ) + r sen(θ)i

bc

r b = r sen(θ)

θ
bc

Eje real

Definición. 1.3. Magnitud o módulo o radio

Dado un número complejo z = (a, b), la magnitud de z, que denotamos por |z| o
r, se define como la distancia desde el origen del plano complejo (0, 0) hasta el punto (a, b).

En la figura se observa que, por el Teorema de Pitágoras r 2 = a2 + b2 , por lo tanto

p
r = |z| = a 2 + b2 .

A la magnitud de z, también se le llama módulo o radio de z.

Ejemplo. 1.4.
√√
La magnitud del complejo z = 3 + 4i es r = 32 + 42 = 25 = 5.
p √
La magnitud del complejo z = 2 − i es |z| = 22 + (−1)2 = 5.
p √
| − 1 − 3i| = (−1)2 + (−3)2 = 10.
 Definición. 1.4. Argumento

Un argumento de un número complejo z = (a, b), no nulo, es un ángulo cuyos lados

son el semieje real positivo y la semirrecta que une el origen de coordenadas con el punto
(a, b).
Cada número complejo no nulo tiene infinitos argumentos, sin embargo, solo uno de ellos
está en el intervalo (−180◦ , 180◦ ] o en radianes (−π, π], a este argumento se le llama
argumento principal de z y se denota por Arg(z). A cualquiera de los otros argumentos
se les denota por arg(z), de este modo, se cumple que

arg(z) = Arg(z) + 360◦ k,

o en radianes:
arg(z) = Arg(z) + 2πk,

donde k es un número entero.

Teorema. 1.2. Fórmula de Euler

Para todo número real θ, se cumple que

eiθ = cos(θ) + sen(θ).

Apoyados en las definiciones anteriores, la Fórmula de Euler y el gráfico inicial, podemos establecer
que dado un número complejo z = a+bi, si r es su magnitud y θ uno de sus argumentos, entonces

z = a + bi = r cos(θ) + r sen(θ)i = r (cos(θ) + i sen(θ)) = reiθ .

A la representación z = reiθ se le conoce como representación polar del complejo z.

 Ejemplo. 1.5.
√
Dado el número complejo z = 1 + 3i,

su módulo es
√
z =1+ 3i
r √ 2 √ √
r = 12 + 3 = 1 + 3 = 2, 3i bc
= 2e60
◦
i

y su argumento principal es

2
√

r=
√ ! 3
3
θ = tan1 = 60◦ .
1
θ = 60◦
bc
Ası́, la representación polar de z es 1

z = 2e60 i .
◦

Ejemplo. 1.6.
π
Dado el complejo en forma polar z = 3e 3 i , podemos deducir que su magnitud es r = 3 y
π
un argumento es radianes, por lo tanto la forma rectangular o binómica de z es
3
π   π  3 3√3
z = 3 cos + i · 3 sen = + i.
3 3 2 2

La representación polar es útil para realizar operaciones matemáticas con números complejos, ya
que, por ejemplo, la multiplicación se vuelven más simple. De hecho, dados dos complejos en la
forma polar z1 = r1 eiθ1 y z2 = r2 eiθ2 , su producto es
  
z1 · z2 = r1 eiθ1 r2 eiθ2 = r1 r2 e(θ1 +θ2 )i ,

ası́, podrı́amos decir que multiplicar complejos en la forma polar es

“multiplicar sus módulos y sumar sus argumentos”

Ejemplo. 1.7.

Si z = 3e45
◦i
y w = 2e67
◦i
entonces

z · w = (2)(3)e(45
◦ +67◦ )i
= 6e112 i .
◦

La potenciación, al ser la multiplicación de un número por sı́ mismo varias veces, también se torna
más sencilla en la forma polar, pues si z = reiθ y n es un entero, entonces
 n
z n = reiθ = r n einθ .

Ejemplo. 1.8.
√
10 √
Para hallar 1 + 3i , primero escribimos el número 1 + 3i en su forma polar. Del
ejemplo 1.1 tenemos que z = 2e60 i , por lo tanto
◦

 √ 10  60◦ i 10

= 210 e600 i
◦
1 + 3i = 2e

Ahora, si queremos el resultado en la forma rectangular, usamos la fórmula de Euler, ası́:

√ !
1 3 √
210 e600◦ i
= 210 (cos(600) + i sen(600)) = 210 − − = −512 − 512 3i.
2 2
√ 10 √
De modo que, (1 + 3i) = −512 − 512 3i.

La representación polar de los números complejos también es útil para localizar gráficamente estos
números en el plano complejo, pues proporciona una manera intuitiva de visualizar su ubicación
a partir de la distancia desde el origen y la rotación de la flecha que representa al número desde
el semieje real positivo.

Ejemplo. 1.9.

Para determinar en dónde se ubica el número (1 + i)100 basta con escribir al número 1 + i
√
en la forma polar 1 + i = 2e45 i , ası́
◦

√ 100
(1 + i)100 = e4500 i
◦
2

Pero 4500◦ equivalen a 12 vueltas completas y 180◦ . Por lo anterior, (1 + i)100 está alejado
250 unidades del origen sobre el semieje real negativo. De hecho, usando la Fórmula de
Euler se obtiene que (1 + i)100 = −250 + 0i.
 Ejemplo. 1.10. Interpretación geométrica del producto
√
La forma polar del número complejo 1 + i es 2e45 i . Ası́, al multiplicar cualquier número
◦

complejo z = a + bi = reiθ por 1 + i se obtiene

√ √
z · (1 + i) = reiθ · 2e45 i = 2rei(θ+45 ) ,
◦ ◦

√
Lo que geométricamente significa, ampliar el módulo de z en 2 unidades y girar 45◦ en
sentido antihorario.

z · (1 + i)
i z = reiθ

45◦
θ

Observación. En general, el efecto geométrico de multiplicar por un complejo en la forma

polar reiθ , es escalar el módulo (estirarlo si r > 1 o comprimirlo si r < 1) y girar θ grados en
sentido antihorario.

Raı́ces de números complejos

√
Por definición, la raı́z n−ésima de un número complejo z, que denotamos por n z, es un número
complejo z0 tal que (z0 )n = z. Considerando la forma polar del complejo z tenemos:

√  1 1 iθ
z = reiθ
n n
= rne n ,

donde r es el módulo de z y θ es un argumento de z, esto es θ = arg(z) = Arg(z) + 360◦ k, con

k ∈ Z.
Lo anterior sugiere que cada número complejo tiene infinitas raı́ces n−ésimas, pues k varı́a en
los números enteros (que son infinitos), pero, debido a la periodicidad de estas raı́ces, se puede
probar que, de las infinitas respuestas que sugiere la fórmula, solo hay n respuestas diferentes,
que se obtienen al variar k desde 0 hasta n − 1. Por lo tanto, podemos asegurar que cada número
complejo z tiene exactamente n raı́ces n−ésimas diferentes, que se obtienen ası́:

√ Arg(z)+360◦ k
 

1 1 i
n
z = reiθ n
= rne n
, k = 0, 1, 2, . . . , n − 1.
o en radianes:

√
 

1 Arg(z)+2πk
1 i
n
z = reiθ n = r n e n
, k = 0, 1, 2, . . . , n − 1.

Ejemplo. 1.11. Raı́ces cúbicas de i

La forma polar del número complejo i es e90 i , luego las raı́ces cúbicas de i están dadas
◦

por:
√
 ◦ 
90 +360◦ k
6
i=e 3
, con k = 0, 1, 2.

Explı́citamente:

con k = 0, se obtiene
√
90◦ +360◦ (0)
i 30◦ i 3 1
z0 = e 3 =e = cos(30) + i sen(30) = + i,
2 2

con k = 1,
√
90◦ +360◦ (1)
i 150◦ i − 3 1
z1 = e 3 =e = cos(150) + i sen(150) = + i,
2 2

con k = 2,
90◦ +360◦ (2)
i
= e270 i = cos(270) + i sen(270) = −i.
◦
z2 = e 3

En el plano complejo, las raı́ces cúbicas de i se ven ası́:

i bc

z1 bc bc z0

bc

z2

Observación. A partir de la representación en el plano complejo de las raı́ces n−ésimas de

un número complejo z = reiθ vemos que:

Todas las raı́ces tienen el mismo módulo r 1/n y por lo tanto todas están sobre la cir-
cunferencia con radio r 1/n .
 360◦
En ángulo entre dos raı́ces consecutivas es siempre el mismo y corresponde a .
n
Las n raı́ces dividen a la circunferencia en n partes iguales, formando ası́ un polı́gono
regular con n lados cuyos vértices son precisamente las n raı́ces.

Lo anterior nos puede facilitar el cálculo de las n raı́ces n−ésimas de un complejo, ya que a partir
360◦
de las observaciones, bastará hallar la primera raı́z (con k = 0 en la fórmula) e ir sumando
n
al argumento para hallar la raı́z siguiente, hasta completar las n raı́ces diferentes.

Ejemplo. 1.12.
√
Para hallar las raı́ces sextas del complejo 1 + 3i, primero lo escribimos en su forma polar:
√
1 + 3i = 2e60 i . Luego calculamos la primera raı́z usando la fórmula con k = 0,
◦

1 60 1
z0 = 2 6 e 6 i = 2 6 e10 i .
◦

Ahora, como en total son 6 raı́ces que dividen en partes iguales a la circunferencia, la
separación entre ellas debe ser 360
◦
6 = 60◦ . Ası́, es fácil determinar las restantes raı́ces,
sumando cada vez 60◦ al argumento:

z1
bc
1
10◦ i z2
z0 = 2 e
6 ≈ 1,11 + 0,19i bc

1
70◦ i
z1 = 2 e
6 ≈ 0,38 + 1,05i
1
130◦ i
bc
z0
z2 = 2 e
6 ≈ −0,72 + 0,86i
z3 bc 1
1
z3 = 2 6 e190 i ≈ −1,11 − 0,19i
◦ 26
1
z4 = 2 6 e250 i ≈ −0,38 − 1,05i
◦
bc

1
310◦ i
bc z5
z5 = 2 e
6 ≈ 0,72 − 0,86i z4

1.2. Teorema Fundamental del Álgebra

Polinomios
Un polinomio en la variable x, es una expresión de la forma:

P (x) = an xn + an−1 xn−1 + ... + a1 x + a0 ,

donde n es un número entero no negativo y los coeficientes an , an−1 , . . . , a1 , a0 son números

tomados de un conjunto especı́fico, puede ser el conjunto de los números, complejos, reales, ra-
cionales, enteros, etc. El grado de un polinomio con una sola variable P (x), es el mayor exponente
de la variable y se denota por grad(P (x)). Todos los polinomios tienen grado mayor o igual a cero;
excepto el polinomio nulo (P (x) = 0), cuyo grado no está definido. Si se trata de un polinomio
de varias variables el grado del polinomio es la suma máxima de exponentes de algún término.
Al coeficiente que acompaña a la variable con el mayor exponente, se le llama coeficiente lı́der, y
al coeficiente que “no tiene variable” se le llama coeficiente constante. Si el coeficiente lı́der de
un polinomio es 1, al polinomio se le llama mónico.

Ejemplo. 1.13.

Si P (x) = a0 , con a0 6= 0, se dice que el polinomio es constante y en tal caso

grad(P (x)) = 0.

Si P (x) = ax + bx, con a 6= 0, se dice que el polinomio es lineal y grad(P (x)) = 1.

Si P (x) = ax2 + bx + c, con a 6= 0, se dice que el polinomio es cuadrático y

grad(P (x)) = 2.

P (x) = 6x3 − 17x2 + 11x − 2 es un polinomio cúbico, esto es grad(P (x)) = 3.

Los polinomios con grado n ≥ 4 no tienen una denominación especial, a ellos sim-
plemente se les puede llamar polinomios de grado n.

Definición. 1.5. Raı́z de un polinomio

Una raı́z de un polinomio P (x) es un número r tal que P (r) = 0, esto es:

P (r) = an r n + an−1 r n−1 + . . . + a1 r + a0 = 0.

Ejemplo. 1.14. Factorización

En ocasiones es útil factorizar el polinomio para hallar sus raı́ces, por ejemplo, note que el
polinomio P (x) = x2 + x − 6 se puede factorizar como P (x) = (x + 3)(x − 2) y haciendo
(x + 3)(x − 2) = 0, obtenemos que −3 y 2 son sus raı́ces.

Ejemplo. 1.15. Única raı́z de un polinomio lineal

Todo polinomio lineal con coeficientes reales P (x) = ax + b tiene una única raı́z, a saber
b
r=− .
a
 Ejemplo. 1.16. Raı́ces de un polinomio cuadrático

En general, las raı́ces de un polinomio cuadrático con coeficientes reales P (x) = ax2 +
bx + c, están dadas por la famosa ecuación:
√
−b ± b2 − 4ac
r= .
2a

Por ejemplo: las raı́ces del polinomio P (x) = x2 − x − 1 están dadas por:
p √
−(−1) ± (−1)2 − 4(1)(−1) 1± 5
= ,
2(1) 2
√ √
1+ 5 1± 5
esto es: r1 = y r2 = son sus raı́ces. Note que aunque un polinomio
2 2
cuadrático tenga coeficientes reales, sus raı́ces pueden ser números complejos, por ejemplo
si P (x) = x2 + 1, sus raı́ces son:
p √
−(0) ± (0)2 − 4(1)(1) ± −4 ±2i
= = = ±i.
2(1) 2 2

√
1+ 5
Nota. Al número se le conoce como el número áureo o número de oro, número de
2
Dios, razón áurea, razón dorada, media áurea, proporción áurea o divina proporción. Consulta
por qué a este número se le llama ası́.

Teorema. 1.3. del factor

Si P (x) es un polinomio de grado n y r ∈ R es una raı́z de P (x) entonces existe un
polinomio Q (x) , con grad (Q (x)) = n − 1 tal que P (x) = (x − r) Q (x) , es decir, x − r
es un factor de P (x) .
 Ejemplo. 1.17. Factorizando un polinomio cúbico

Dado el polinomio P (x) = x3 − 3x2 − x + 3, se quiere hallar sus raı́ces. Por inspección,
note que P (1) = 0, luego 1 es una raı́z de P (x). Ası́, por el teorema del factor tenemos
que P (x) = (x − 1)Q(x).
Además, el polinomio Q(x) lo podemos hallar efectuando la división de P (x) entre x − 1,

x3 − 3x2 − x + 3 x − 1
− x3 + x2 x2 − 2x − 3
− 2x2 − x
2x2 − 2x
− 3x + 3
3x − 3
0

Por lo tanto, P (x) = (x − 1)(x2 − 2x − 3). Ahora bien, como estamos interesados en hallar
las demás raı́ces del polinomio P (x), basta con hallar las raı́ces de Q(x), cuya factorización
es:   
Q(x) = x + 1 x − 3 .

De modo que    
P (x) = x − 1 x + 1 x − 3 ,

de ahı́ que sus raı́ces son: 1, −1 y 3.

En esta dirección tenemos un resultado muy importante y valioso que nos da la cota máxima de
raı́ces de un polinomio de grado n.

Teorema. 1.4. Fundamental del Álgebra

Si P (x) es un polinomio de grado n ≥ 1, con coeficientes complejos, entonces P (x) tiene

por lo menos una raı́z en los complejos. Esto es, existe z1 ∈ C tal que

P (z0 ) = 0.

Note que si P (x) es un polinomio de grado n ≥ 1, entonces tiene al menos una raı́z z1 , de modo
que
P (x) = (x − z1 )P1 (x),

donde Q(x) es un polinomio de grado n − 1. Ahora, si n − 1 ≥ 1, entonces P1 (x) tiene al menos

una raı́z z2 ∈ C, de modo que P1 (x) = (x − z2 )P2 (x), donde el grado de P2 (x) es n − 2, ası́ que

P (x) = (x − z1 )(x − z2 )P2 (x).

Continuado con este proceso, obtenemos una factorización de P (x) de la siguiente manera:

Teorema. 1.5. Fundamental del Álgebra-Versión 2.0

Si P (x)es un polinomio de grado n ≥ 1 con coeficientes complejos, entonces P (x) tiene

exactamente n raı́ces complejas, contando multiplicidades. De hecho,

P (x) = a(x − z1 )(x − z2 )(x − z3 ) · · · (x − zn ),

donde a es el coeficiente lı́der, los zi ∈ C, son las raı́ces de P (x) y los zi no necesariamente
son diferentes.

Note que si P (x) es un polinomio de grado n ≥ 1 con coeficientes complejos, entonces

P (x) = a(x − z1 )m1 (x − z2 )m2 · · · (x − zk )mk ,

k
X
donde a es el coeficiente lı́der, los zi ∈ C son las raı́ces de P (x), todas diferentes y mj = n
j=1
(la suma de las multiplicidades es el grado del polinomio).

Teorema. 1.6. Raı́ces conjugadas

Si a + bi es una raı́z compleja del polinomio con coeficientes reales P (x), entonces su
conjugado a − bi también es raı́z de P (x).

Ejemplo. 1.18. Factorizando un polinomio dada una raı́z

Factorizar y encontrar todas las raı́ces del polinomio

P (x) = x4 − 4x3 + 9x2 − 16x + 20,

sabiendo que 2 + i es una de sus raı́ces.

Solución. Dado que 2 + i es una de sus raı́ces, usando división sintética tenemos:

1 −4 9 −16 20 2+i
2+i −5 8 + 4i −20
1 −2 + i 4 −8 + 4i 0

Luego,
P (x) = (x − (2 + i)) (x3 + (−2 + i)x2 + 4x − 8 + 4i)

Pero, como 2+i es raı́z, su conjugado 2−i también lo es, nuevamente usando división sintética
tenemos:
 1 −2 + i 4 −8 + 4i 2−i
2−i 0 8 − 4i
1 0 4 0

De modo que,
P (x) = (x − (2 + i)) (x − (2 − i)) x2 + 4 ,

Finalmente, de x2 + 4 = 0 tenemos x = ±2i. Por lo tanto, las raı́ces de P (x) son: 2 + i, 2 − i,

2i, −2i; y su factorización está dada por:

P (x) = (x − (2 + i)) (x − (2 − i)) (x − 2i) (x + 2i) .

Ejemplo. 1.19.

Sean a, b y c las raı́ces del polinomio P (x) = x3 − 5x2 + 3x − 8. Determinar el valor de

(a + b + c) y de a × b × c.
Dado que a, b y c son las raı́ces del polinomio cúbico P (x) = x3 − 5x2 + 3x − 8 cuyo
coeficiente lı́der es 1, por el Teorema Fundamental del Álgebra se tiene que

x3 − 5x2 + 3x − 8 = (x − a)(x − b)(x − c).

Al resolver el producto del lado derecho de la igualdad, se obtiene:

x3 − 5x2 + 3x − 8 = (x2 − (a + b)x + ab)(x − c)

= x3 − (a + b + c)x2 + (ab + bc + ac)x − abc,

Ası́, igualando los coeficientes se tiene que: a + b + c = 5 y a × b × c = 8.

1.3. Fórmulas de Cardano-Vieta

Las fórmulas de Vieta relacionan la suma y el producto de las raı́ces de un polinomio con sus
coeficientes. La aplicación más sencilla de ello es con polinomios de grado 2. Si tenemos el
polinomio cuadrático P (x) = ax2 + bx + c, con raı́ces p y q, por el Teorema Fundamental del
Álgebra podemos factorizarlo de la forma:

ax2 + bx + c = a(x − p)(x − q).

Desarrollando el lado derecho de la igualdad tenemos:

ax2 + bx + c = ax2 − a(p + q)x + apq.

De modo que al igual los coeficientes se obtienen las siguientes identidades:

a = a,
b = −a(p + q),
c = a(pq).

A estás identidades se le conocen como las Fórmulas de Vieta, en este caso para un polinomio de
grado 2.
Un razonamiento similar se puede hacer para un polinomio cúbico P (x) = ax3 + bx2 + cx + d
con raı́ces p, q, r :

ax3 + bx2 + cx + d = a(x − p)(x − q)(x − r),

= ax3 − a(p + q + r)x2 + a(pq + pr + qr)x − a(pqr),

de donde se obtiene:

a = a,
b = −a(p + q + r),
c = a(pq + pr + qr),
d = −a(pqr).

De manera general, si P (x) = an xn + an−1 xn−1 + · · · + a1 x + a0 es un polinomio de grado n,

por el Teorema Fundamental del Álgebra podemos escribirlo en la forma:

an xn + an−1 xn−1 + · · · + a1 x + a0 = an (x − r1 )(x − r2 ) · · · (x − rn ),

donde r1 , . . . , rn son las raı́ces de P (x). Al expandir el lado derecho de la igualdad y comparando
coeficientes encontramos lo siguiente:

Fórmulas de Vieta

an = an ,
an−1 = −an (r1 + r2 + · · · + rn ),
an−2 = an (r1 r2 + r1 r3 + · · · + r1 rn + r2 r3 + · · · + r2 rn + · · · + rn−1 rn ),
an−3 = −an (r1 r2 r3 + r1 r2 r4 + · · · + rn−2 rn−1 rn ),
..
.
a0 = (−1)n an r1 r2 · · · rn .
 Ejemplo. 1.20.

Si a, b y c son las raı́ces del polinomio P (x) = x3 + 2x2 − 3x + 4. Determinar el valor de

a(1 + b + c) + b(1 + a + c) + c(1 + a + b).

Note que

a(1 + b + c) + b(1 + b + c) + c(1 + a + b) = a + ab + ac + b + ba + bc + c + ca + cb,

= a + b + c + 2(ab + ac + bc),

y por las Fórmulas de Vieta sabemos que

2 = −(a + b + c),
−3 = ab + ac + bc.

Luego, a(1 + b + c) + b(1 + b + c) + c(1 + a + b) = −2 + 2(−3) = −8.

Ejemplo. 1.21.

Sean r1 , r2 , r3 las raı́ces de un polinomio cúbico P (x) tal que

P (1) + P (−1) = P (0) 6= 0.

1 1 1
Determinar el valor de + + .
r1 · r2 r1 · r3 r2 · r3

Suponga que P (x) = ax3 + bx2 + cx + d, entonces

P (1) = a + b + c + d,
P (−1) = −a + b − c + d,
P (0) = d;

b 1
Ası́, dada la condición P (1)+P (−1) = P (0) 6= 0, se tiene que 2b+2d = d, luego = − .
d 2
Además, por las fórmulas de Vieta, se sigue que

b = −a (r1 + r2 + r3 ) ,
d = −a (r1 · r2 · r3 ) .

Por lo tanto,
1 1 1 r1 + r2 + r3 b 1
+ + = = =− .
r2 · r3 r1 · r3 r1 · r2 r1 · r2 · r3 d 2

Ejercicios
 1. Encuentre un polinomio con coeficientes reales, del menor grado posible, de modo que los
números dados sean raı́ces.

(a) 1, 2, 3 (b) 2, −i, i (c) 0, −1, 1 − i 1

(d) , −3i, 2+i.
2

2. En cada literal se da un polinomio y una de sus raı́ces, encuentre todas las raı́ces del
polinomio.

(a) p(x) = 90 − 54x + 19x2 − 6x3 + x4 , raı́z: 3 + i.

(b) q(x) = x4 − 6x3 + 71x2 − 146x + 530; raı́z: 2 + 7i.

3. Encuentre todas las raı́ces y factorice el polinomio dado.

(a) p(x) = x4 + x3 − 2x2 + 4x − 24

(b) q(x) = x5 + 11x3 + 18x
(c) f (x) = x6 + 2

4. Encuentre un polinomio con coeficientes reales que satisfaga las condiciones dadas

(a) raı́ces: −3, 2 − 5i; grado 4; su gráfica pasa por el punto (0, −2).
(b) 1 es una raı́z de multiplicidad 4; grado 4 pasa por el punto (−1, 10).
(c) raı́ces: 3i, 2; grado 3; P (3) = 27.

5. ¿Cuántos polinomios de grado 2 poseen las mismas raı́ces? ¿Cuántos de ellos son mónicos?

6. Si x = 2 es una raı́z de P (x) = 3x2 + 4kx + 4. ¿Cuál es el otro valor donde P (x) se hace
cero?

7. Deduzca el valor numérico de a y b en la expresión (x − 3)(x + a) = x2 + bx + 9.

8. Encuentre el valor numérico de a y b sabiendo que a y 1 son raı́ces del polinomio P (x) =
6x2 + bx + 3.

9. ¿Para cuáles valores de m el polinomio P (x) = m2 x2 + 2(m + 1)x + 4 posee exactamente

una raı́z diferente?

10. Si x = 2 es una raı́z del polinomio P (x) = 3x3 − 2ax − 4, es decir P (2) = 0; ¿cuál es el
valor de P (1)?

11. Si a y b son las raı́ces del polinomio 2x2 + 3x + 2, ¿cuál es el valor de (2 − a)(2 − b)?

12. ¿Si las raı́ces del polinomio P (x) = 2x3 − bx2 − 3x − d, son r, −r y 3, ¿cuál es el valor
numérico de b + d?

13. Sea P un polinomio tal que la suma de sus coeficientes es 10 y el coeficiente independiente
(constante) es −2. Si además P (x − 3) = P (x − 4) + 2a, ¿cuál es el valor de a?
14. Si i y 1 + i son algunas de las raı́ces de un polinomio P de grado 4, tal que P (2) = 1, ¿cuál
es la suma de los coeficientes de P ?

15. Halle el coeficiente principal y el grado del polinomio:

1000
(1 + 2x)n = (1 + 2x) (1 + 2x)2 (1 + 2x)3 · · · (1 + 2x)1000 .
Y

n=1

16. Si a, b y c son las raı́ces del polinomio P (x) = x3 − 2x2 − 9, y Q(x) = x2 − 1, hallar el
valor numérico de Q(a)Q(b)Q(c).

17. Si r1 , r2 y r3 son las raı́ces del polinomio cúbico P (x) = x3 + 3x2 + 4x − 4, halle el valor
de r1 r2 + r1 r3 + r2 r3 .

18. Si a, b y c son las raı́ces del polinomio P (x) = x3 − 2x2 − 3x + 8, ¿cuál es el valor de
a2 + b2 + c2 ?

19. Si a, b, c y d son las raı́ces el polinomio P (x) = 2x4 + 5x3 − 21x2 + 5x + 2, ¿cuál es el valor
de  
1 1 1 1
a+b+c+d− + + + ?
a b c d

20. Considere el polinomio P (x) = x1000 + x − 1.

(a) ¿Cuántas de las raı́ces de P (x) son números reales?

(b) Si r1 , r2 , . . . , r1000 son todas las raı́ces de P (x), reales y complejas, calcule la suma:

(r1 )1000 + (r2 )1000 + · · · + (r1000 )1000 .

50
21. Dado que x2 + 2x + 1 = a0 + a1 x + a2 x2 + · · · + a99 x99 + a100 x100 , calcular:

(a) a0
(b) a0 + a1 + a2 + · · · + a99 + a100 .
(c) a0 + a2 + a4 + · · · + a98 + a100 .
(d) a1 + a3 + a5 + · · · + a97 + a99 .

22. ¿Cuál es el coeficiente de x2019 en la expansión del polinomio

2
1 + x + x2 + · · · + x2018 1 + x + x2 + · · · + x1009 ?

23. ¿Para qué número real a la suma de los cuadrados de las raı́ces del polinomio P (x) =
x2 − a(x − 1) + x − 3 es mı́nima?

24. Factorizar cada uno de los siguientes polinomios:

 a) P (x) = 2x3 − x2 − 18x + 9,
b) Q (x) = x4 − 4x3 + 3x2 + 4x − 4,
c) R (x) = x5 − 3x4 + 2x3 − 6x2 .

25. Determine un polinomio P (x) de grado 3 tal que P (0) = P (−1) = P (−2) = 1 y
P (1) = 7.

26. Determine todos los posibles valores enteros de n > 0 distintos para los cuales la ecuación
x2 − 13x + n = 0 tiene sus dos raı́ces enteras.
1 1
27. Sean a y b las raı́ces de la ecuación x2 − mx + 2 = 0. Suponga que a + y b + son las
b a
raı́ces de la ecuación x2 − px + q = 0. ¿Cuál es el valor de q?

28. Sean a, b y c las raı́ces del polinomio P (x) = x3 − 11x2 + 23x + 35. ¿Cuál es el resultado
de la expresión abc + 2ab + 2ac + 2bc + a + b + c?

29. Sea P (x) = ax2 + bx + c un polinomio cuadrático.

(a) Muestre que P (x) puede escribirse de la forma

 2
b 1 2
P (x) = a x + − (b − 4ac).
2a 4a

(b) Use el ı́tem (a) para dar una fórmula general que permita hallar las raı́ces de un
polinomio cuadrático. ¿Le es familiar tal expresión?

30. Sean a, b y c números reales positivos con a < b < c tales que a+b+c = 12, a2 +b2 +c2 = 50
y a3 + b3 + c3 = 216. Halle a + 2b + 3c.

31. Las raı́ces de la ecuación x4 −(m+4)x2 +4m = 0 están en progresión aritmética. Determine
los valores posibles de m.

32. ¿Cuántos polinomios de grado n cuyos coeficientes son todos, en valor absoluto, iguales a
1, tienen al 1 como raı́z?
Capı́tulo 2

Rn Espacio Vectorial Euclidiano

En construcción

2.1. Rectas en el espacio

Como se ha estudiado en R2 , para determinar la ecuación de una recta, es suficiente con conocer
un punto P (x0 , y0 ) por donde pasa la recta y su inclinación. En el contexto de R2 , esta inclinación
está dada por la pendiente m. Con estos dos datos, es posible establecer la ecuación de la recta
utilizando la fórmula Punto-Pendiente:

y − y0 = m(x − x0 )

En el contexto de R3 , podemos definir a una recta como el conjunto de puntos alineados con un
punto dado P (x0 , y0 , z0 ) en la dirección de un vector dado v = (a, b, c).

Q
bc

tv
v
P
bc

bc

Por lo tanto, si Q es cualquier punto de la recta, se cumple que

→ →
Q = P + tv (2.1)

22
para algún t ∈ R. De modo que, si t varı́a en todos los números reales, se obtiene la recta
completa. A la ecuación (2.1) se le llama Ecuación vectorial de la recta.
Si Q(x, y, z) es cualquier punto de la recta, entonces
     
x x0 a
 y  =  y0  + t  b  , t ∈ R.
     

z z0 c

o equivalentemente,


 x = x0 + at

y = y0 + bt con t ∈ R. (2.2)

z = z0 + ct


A estas ecuaciones se les llama Ecuaciones paramétricas de la recta. Ahora bien, despejando de
cada una de las ecuaciones parametricas el paramétro t, se obtiene que

x − x0
=t
a
y − y0
=t
b
z − z0
=t
c

si a, b y c son diferentes de cero. De este modo se obtiene la expresión

x − x0 y − y0 z − z0
= = , con a, b y c diferentes de cero. (2.3)
a b c

a las ecuaciones (2.3) se les llama Ecuaciones simétricas de la recta.

Ejemplo. 2.1.

Determine una ecuación vectorial de la recta que pasa por el punto P (1, 3, −4) y tiene la
dirección del vector v = (−2, 7, 9). Luego determine cinco puntos de esta recta.

Solución. De acuerdo con la ecuación (2.1), una ecuación para la recta que pasa por el punto
P (1, 3, −4), con vector director v = (−2, 7, 9), es:

Q(t) = (1, 2, −4) + t(−2, 7, 9); con t ∈ R.

Teniendo la ecuación, podemos hallar fácilmente puntos de la recta, dado valores al parámetro
t, ası́:
 t Q(t)
t=0 Q(0) = (1, 2, −4) + 0(−2, 7, 9) = (1, 2, −4)
t=1 Q(1) = (1, 2, −4) + 1(−2, 7, 9) = (−1, 9, 5)
t = −1 Q(−1) = (1, 2, −4) − 1(−2, 7, 9) = (3, −5, −13)
t = 12 Q 12 = (1, 2, −4) + 21 (−2, 7, 9) = 0, 11 1



2 ,2
t=2 Q(2) = (1, 2, −4) + 2(−2, 7, 9) = (−3, 16, 14)

♣ Grafique la recta en GeoGebra y verifique que los puntos encontrados, pertenecen a la

recta.

Ejemplo. 2.2.

Determine ecuaciones vectorial, paramétricas y simétricas de la recta que pasa por los
puntos A(0, 3, −2) y B(3, 2, 0).

Solución. Para determinar una ecuación para un recta en el espacio, requerimos de un punto
de la recta y un vector director de la misma. Del enunciado, tenemos dos puntos de la recta,
tomemos uno de ellos: A(0, 3, −2). Ahora, para obtener un vector director, consideremos el
siguiente bosquejo:

B bc
−→
AB

A bc

El bosquejo sugiere que un vector director para la recta es:

−→
AB = B − A = (3, −1, 2).

De modo que, podemos establecer la ecuaciones de la recta ası́:

Ecuación vectorial: con el esquema dado en (2.1) construimos la siguiente ecuación vecto-
rial de la recta:
Q(t) = (0, 3, −2) + t(3, −1, 2), con t ∈ R.

Ecuaciones paramétricas: de acuerdo con el esquema dado en (2.2), unas ecuaciones pa-
ramétricas para la recta son:

 x = 3t

y =3−t con t ∈ R.

z = −2 + 2t

Ecuaciones simétricas: de acuerdo con el esquema (2.3), tenemos las siguientes ecuaciones
simétricas de la recta:

x y−3 z+2
= = .
3 −1 2

Ejemplo. 2.3.

Una partı́cula que se desplaza con movimiento rectilı́neo uniforme por el espacio, inicia su
movimiento en el punto A(2, 3, 0) y 5 segundos más tarde pasa por el punto B(−1, 4, 5).

(a) Determine una ecuación para la trayectoria de la partı́cula.

(b) ¿Cuál es la posición de la partı́cula a los 10 segundos de iniciar su movimiento?

(c) En los puntos P (4, 6, −3) y R(5, 2, −5) se encuentran dos objetos. ¿Choca la partı́cula
con estos objetos?

(d) Si se desea detener la partı́cula al minuto de iniciado el desplazamiento, provocando

un choque con un objeto en ese instante, ¿dónde deberı́a ubicarse ese objeto?

(e) ¿Cuál es la distancia recorrida por la partı́cula durante el minuto que dura su movi-
miento?

Solución. De acuerdo a los datos del problema, tenemos:

t=5
bc

B(−1, 4, 5)

t=0
bc

A(2, 3, 0)

(a) Dado que el movimiento es rectilı́neo uniforme, podemos usar el modelo

Q(t) = P + tv, con t ∈ R.

Como la partı́cula inicia su movimiento en el punto A, entonces cuando t = 0, tenemos:

Q(0) = P + 0v = A
P = (2, 3, 0).
 Además, cuando t = 5, la partı́cula se encuentra en el punto B, de modo que

Q(5) = P + 5v = B,
(2, 3, 0) + 5v = (−1, 4, 5),
5v = (−1, 4, 5) − (2, 3, 0),
5v = (−3, 1, 5),
1
v = (−3, 1, 5).
5

Por lo tanto, la trayectoria de la partı́cula tiene ecuación:

t
Q(t) = (2, 3, 0) + (−3, 1, 5), con t ≥ 0.
5

(b) Teniendo la ecuación de la trayectoria, es fácil determinar la posición de la partı́cula en

t = 10 segundos, ası́

10
Q(10) = (2, 3, 0) + (−3, 1, 5) = (−4, 5, 10) .
5
Luego a los 10 segundo, la partı́cula se encuentra en el punto (−4, 5, 10).

(c) Para determinar si la partı́cula choca con los objetos situados en los puntos P (4, 6, −3) y
R(5, 2, −5), debemos averiguar si estos puntos están en su trayectoria. Veamos si P está
la trayectoria de la partı́cula, esto es, si existe un t ≥ 0, de modo que Q(t) = P :

3
t  2 − 5t = 4

Q(t) = (2, 3, 0) + (−3, 1, 5) = (4, 6, −3) ⇐⇒ 3 + 15 t = 6
5 
t = −3


De la última ecuación, t = −3, pero si reemplazamos este valor en la primera ecuación

vemos que no se da la igualdad 19


5 6= 4 . Por lo tanto, no existe un t ≥ 0 de modo que
Q(t) = P, esto es, P no está en la trayectoria de la partı́cula y por lo tanto, esta no choca
con el objeto situado en P.
Ahora vemos que pasa con R(5, 2, −5)

3
t  2 − 5t = 5

Q(t) = (2, 3, 0) + (−3, 1, 5) = (5, 2, −5) ⇐⇒ 3 + 15 t = 2
5 
t = −5


De la última ecuación t = −5 y si reemplazamos este valor en las otras dos ecuaciones,

vemos que se cumple la igualdad, luego el punto R está en la recta que contiene a la
trayectoria de la partı́cula. PERO, note que el parámetro es t = −5, lo que según el
contexto significa que la partı́cula “pasa” por R en el segundo −5; claramente esto no
 tiene sentido, porque el movimiento inicia en t = 0. Ası́ pues, aunque R está en la recta,
R NO está en la trayectoria de la partı́cula, y por lo tanto, esta NO choca con el objeto
situado en R.

(d) Basta con determinar la ubicación que tendrá la partı́cula en t = 60 segundos:

60
Q(60) = (2, 3, 0) + (−3, 1, 5) = (−34, 15, 60) .
5
De modo que el objeto debe ubicarse en el punto F (−34, 15, 60) .

(e) La distancia recorrida por la partı́cula desde el punto de inicio A(2, 3, 9) hasta el punto
donde se produce el choque F (−34, 15, 60) está dada por

−→ p √
AF = kF − Ak = k(−36, 12, 51)k = (−36)2 + 122 + 512 = 3 449 ≈ 63, 57 [u].

2.2. Rectas paralelas, secantes u oblicuas

En el plano, dos rectas se cortan o son paralelas. Sin embargo, dadas dos rectas diferentes, en el
espacio tridimensional, puede ocurrir una y solo una de las siguientes tres posibilidades:
 Definición. 2.1.
Sean L1 (t) = P1 + tv1 y L2 (t) = P2 + tv2 , t ∈ R, dos rectas en el espacios tridimensional.
Diremos que L1 y L2 son

Paralelas si sus vectores directores son paralelos

L1 k L2 ⇐⇒ v1 k v2
⇐⇒ v1 = αv2 , para algún α ∈ R.

Secantes si coinciden en un mismo punto (se cortan), esto es, si

L1 (t1 ) = L2 (t2 ), para algunos t1 , t2 ∈ R.

Oblicuas (alabeadas o torcidas) si no son paralelas ni secantes.

L1
L1
v1 L2
v2
L1 (t1 )
bc

L2 (t2 ) L2

Paralelas Oblicuas
Secantes

Ejemplo. 2.4.

Determine si las rectas

L1 (t) = (2, 3, −1) + t(1, 0, −3),

L2 (t) = (5, 0, 1) + t(−2, 0, 6)

son paralelas, secantes u oblicuas.

Solución. Observando las ecuaciones, vemos que un vector director de L1 es v = (1, 0, −3)
y un vector director de L2 es v = (−2, 0, 6). Además v2 = −2v1 , por lo tanto los vectores
directores son paralelos y en consecuencia las rectas son paralelas. al ser paralelas, no son
secantes ni oblicuas. Verifı́quelo en GeoGebra.
 Ejemplo. 2.5.

Determine si las rectas con ecuaciones


 x=3

L1 (t) : y = −1 + 6t , con t ∈ R,

z = 2 − 4t


 x = 3t

L2 (t) : y =3−t , con t ∈ R.

z = −2 + 2t


son paralelas, secantes u oblicuas.

Solución. Un vector director de L1 es v = (0, 6, −4) y un vector director de L2 es v =

(3, −1, 2). Entonces L1 y L2 no son paralelas, por que sus vectores directores no lo son. Veamos
si se cortan. Para ello planteamos, L1 (t1 ) = L2 (t2 ), que equivale al sistema de ecuaciones:

3 = 3t2
−1 + 6t1 = 3 − t2
2 − 4t1 = −2 + 2t2

De la primera ecuación t2 = 1, reemplazando t2 en la segunda ecuación se obtiene que t1 = 12

y al reemplazar los valores t1 = 12 y t2 = 1 en la tercera ecuación, vemos que esta se cumple.
Por lo tanto, las rectas son secantes, se cortan en el punto L1 12 = (3, 2, 0) = L2 (1). Al ser

secantes, las rectas no son oblicuas. Verifı́quelo en GeoGebra.

Ejemplo. 2.6.

Determine si las rectas con ecuaciones


 x = 3t

L1 (t) : y = −1 + 4t , con t ∈ R,

z = 2 − 5t


x−3 5−y
L2 (t) : = = 3z
2 3

son paralelas, secantes u oblicuas.

Solución. Un vector director para la recta L1 es v1 = (3, 4, −5). Para determinar un vector
director de la recta L2 , primero debemos escribir la ecuaciones dadas en la forma estándar
de las ecuaciones simétricas, ası́:

x−3 y−5 z
= = 1,
2 −3 3
de este modo, vemos que un vector director para L2 es v2 = 2, −3, 13 . Como v1 y v2

no son paralelos, las rectas L1 y L2 no son paralelas. Veamos si las rectas se cortan. Para
ello, conviene hacer las ecuaciones paramétricas de L2 . De las ecuaciones simétricas también
podemos obtener un punto de L2 : P (3, 5, 0) de modo que unas ecuaciones paramétricas de
L2 son: 
 x = 3 + 2t

y = 5 − 3t , con t ∈ R,
z = 13 t



Ahora planteamos el sistema de ecuaciones L1 (t1 ) = L2 (t2 ) :

3t1 = 3 + 2t2
−1 + 4t1 = 5 − 3t2
1
2 − 5t1 = t2
3
(
3t1 − 2t2 = 3 21
De las dos primeras ecuaciones llegamos al sistema cuya solución es t1 = 17
4t1 + 3t2 = 6
6
y t2 = 17 . Pero al reemplazar estos valores en la tercer ecuación, esta no se cumple. De modo
que no existen t1 y t2 que cumplan simultáneamente las tres ecuaciones, lo que significa que
las dos rectas no coinciden en ningún punto, es decir no son secantes. Finalmente, como no
son paralelas ni secantes, se concluye que son oblicuas. Verifı́quelo en GeoGebra.

Observación. Otra forma de verificar si las rectas del ejercicio anterior son secantes, es
reemplazar los valores de x, y y z de las ecuaciones paramétricas de la recta L1 en las
ecuaciones dadas de L2 , ası́:

3t − 3 5 − (−1 + 4t)
= = 3(2 − 5t)
2 3
3t − 3 6 − 4t
= = 6 − 15t
2 3
3t − 3 6 − 4t 21
Pero si = , entonces 9t − 9 = 12 − 8t es decir 17t = 21, luego t = . Por otro
2 3 17
6 − 4t 12
lado si = 6 − 15t, entonces 6 − 4t = 18 − 35t, luego t = , lo que contradice el valor
3 31
de t hallado antes. Es decir, las rectas no coinciden.

2.3. Planos
Dados un punto P (x0 , y0 , z0 ) y un vector n = (a, b, c) podemos definir al plano que contiene al
−→
punto P con vector normal n, como el conjunto de puntos Q(x, y, z) tales que P Q es ortogonal
al vector normal n.
 n = (a, b, c)

Q(x, y, x)
bc

bc

P (x0 , y0 , z0 )

De este modo, una ecuación para el plano viene dada por

−→
P Q · n = 0.

Desarrollando esta expresión se tiene:

(x − x0 , y − y0 , z − z0 ) · (a, b, c) = 0
a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0
ax − ax0 + by − by0 + cz − cz0 = 0
ax + by + cz = ax0 + by0 + cz0

Pero note que la parte derecha de la última igualdad es P · n. Por lo tanto, podemos establecer
el modelo:
ax + by + cz = P · n, (2.4)

como ecuación del plano que contiene al punto P (x0 , y0 , z0 ), con vector normal n = (a, b, c),

Definición. 2.2. Vector normal

Un vector normal a un plano, es cualquier vector que sea perpendicular a dicho plano.

Ejemplo. 2.7.

Determine una ecuación para el plano que contiene al punto P (5, 7, −9) y es ortogonal al
vector n = (3, −1, 5).

Solución. El modelo establecido en (2.4) nos permite determinar la ecuación general del
plano a partir de un punto y un vector normal. En esta caso un punto del plano es P (5, 7, −9)
y un vector normal es n = (3, −1, 5). Entonces P · n = 15 − 7 − 45 = −37, de modo que una
ecuación del plano es:
3x − y + 5z = −37.
 Ejemplo. 2.8. Ecuación del plano dados tres puntos

Determine una ecuación para el plano que contiene a los puntos A(3, 2, −1), B(0, 5, 3) y
C(6, −4, 7).

Solución. Considere el siguiente bosquejo de la situación:

−→ −→
n = AB × AC

bc B

bc bc
A C

−→ −→
Observe que los vectores AB = (−3, 3, 4) y AC = (3, −6, 8) están sobre el plano. Además
−→ −→ −→ −→
el vector n = AB × AC es ortogonal tanto a AB como a AC y por lo tanto es ortogonal al
plano.

i j k
−→ −→
AB × AC = −3 3 4 = (48, 36, 9).
3 −6 8

Ası́, tomando al punto A(3, 2, −1) y al vector normal n = (48, 36, 9) formulamos una ecuación
para el plano:
48x + 36y + 9z = 144 + 72 − 9 = 207,

que al simplificarla nos queda: 16x + 12y + 3z = 69.

Ejemplo. 2.9.

Encuentre una ecuación para el plano que contiene al punto P (1, −2, 3) y es ortogonal a
x−2 y+3 z
la recta con ecuaciones = = .
3 5 2

Solución. Considere un bosquejo de la situación:

 n

bc

Observe que, como la recta es ortogonal al plano, entonces un vector director de la recta es
un vector normal del plano. De la ecuación de la recta vemos que un vector director de la
recta, y por tanto normal al plano es n = (3, 5, 2). Además, un punto del plano es P (1, −2, 3),
y P · n = −1. Por lo tanto, una ecuación del plano es:

3x + 5y + 2z = −1.

Observación. Dos rectas están contenidas en el mismo plano si son paralelas o secantes.
Note que si las rectas son alabeadas no es posible contenerlas en un mismo plano.

Ejemplo. 2.10.

Determine si las rectas con ecuaciones:

L1 (t) = (2t, 2 + t, 6 − 3t); con t ∈ R,

L2 (t) = (3 − t, 7 + 3t, 5 + 5t); con t ∈ R,

están contenidas en un plano. Si lo están, determine una ecuación para el plano que las
contiene.

Solución. Como ejercicio se deja verificar que las rectas se cortan en el punto (4, 4, 0), luego
están contenidas en un mismo plano. Considere el siguiente bosquejo:
 n = v1 × v2
L1

v1
bc

v2
L2

Para establecer una ecuación del plano, se necesita un punto del plano, que puede ser cualquier
punto sobre alguna de las dos rectas, por ejemplo P (2, 2, 6) (que es un punto de la recta L1 );
y un vector normal al plano; en el gráfico vemos que si v1 y v2 son vectores directores de las
rectas L1 y L2 , respectivamente, entonces el vector

i j k
n = v1 × v2 = 2 1 −3 = (14, −7, 7),
−1 3 5

es ortogonal al plano. Por lo tanto, una ecuación para el plano que contiene a las dos rectas
es:

14x − 7y + 7z = 28 − 14 + 42, ax + by + cz = P · n
2x − y + z = 8.

Ejemplo. 2.11.

Determine si las rectas con ecuaciones:

L1 (t) = (5 − t, 2t, 1 + t); con t ∈ R,

x−2 y−6 z+3
L2 (t) : = =
−2 4 2

están contenidas en un plano. Si lo están, determine una ecuación para el plano que las
contiene.

Solución. Un vector director de la recta L1 es v1 = (−1, 2, 1) y un vector director de la recta

L2 es v2 = (−2, 4, 2). Dado que v2 = 2v1 , entonces las rectas son paralelas y están contenida
en un plano. Considere la siguiente ilustración:
 n = AB × v1

L2 bc
B
−→
AB
L1 bc

A v1

Note que el vector

i j k
−→
n = AB × v1 = −3 6 −4 = (14, 7, 0),
−1 2 1

es un vector normal del plano, donde A(5, 0, 1) y B(2, 6, −3) son puntos de las rectas L1 y
L2 , respectivamente. Ası́, tomando como punto del plano a cualquier punto de las rectas L1
o L2 , por ejemplo A(5, 0, 1); tenemos que una ecuación para el plano que contiene a estas
rectas es:

14x + 7y + 0z = 70 + 0 + 0, ax + by + cz = P · n
2x + y = 10.

Ejemplo. 2.12.

Determine si las rectas con ecuaciones:


 x = 3t

L1 (t) : y = −1 + 4t , con t ∈ R,

z = 2 − 5t


x−3 5−y
L2 (t) : = = 3z
2 3

están contenidas en un plano. Si lo están determine una ecuación para el plano que las
contiene.

Solución. En un el ejemplo anterior se determinó que estas rectas son oblicuas, por lo tanto
no existe un plano que contenga a las dos rectas.

Observación. Si el un vector normal de un plano es ortogonal a un vector director de una

recta, entonces el plano y la recta son paralelos, por lo tanto no se intersecan o la recta
está contenida en el plano. Para descartar que la recta esté contenida en el plano, basta con
verificar que un punto de la recta NO satisfaga la ecuación del plano.
 bc
I

Ejemplo. 2.13. Intersección Recta-Plano

Determine, si existe, el punto de 

intersección entre el plano Π : x − 3y + 2z = 5 y la recta
 x = 3t

con ecuaciones paramétricas L : y =3−t , con t ∈ R.

z = −2 + 2t


Solución. Un vector normal del plano es n = (1, −3, 2) y un vector director de la recta es
v = (3, −1, 2). Como n · v = 10 6= 0, entonces el plano y la recta se cortan en un punto.
Para determinar este punto, reemplazamos los valores de x, y y z, dados por las ecuaciones
paramétricas de la recta, en la ecuación del plano, ası́:

x − 3y + 2z = 5
3t − 3(3 − t) + 2(−2 + 2t) = 5
3t − 9 + 3t − 4 + 4t = 5
10t = 18
9
t= .
5
   
9 27 6 8
Luego el punto de intersección de plano con la recta es L = , , .
5 5 5 5

Ejemplo. 2.14. Intersección Recta-Plano

¿Se intersecan el plano Π : x − 2y + 5z = 8 y la recta L(t) = (2 + 3t, 4t, 2 + t)?

Solución. Un vector normal del plano es n = (1, −2, 5) y un vector director de la recta es
v = (3, 4, 1). Como n · v = 0, es decir los vectores n y v son ortogonales y además, el punto
(2, 4, 2) de la recta no está en el plano, entonces el plano y la recta NO se cortan.
 Ejemplo. 2.15. Ángulo entre una recta y un plano

Determine el ángulo, menora 90◦ entre el plano Π : x − 3y + 2z = 5 y la recta con

 x = 3t

ecuaciones paramétricas L : y =3−t , con t ∈ R.

z = −2 + 2t


Solución. El ángulo α entre el vector normal del plano n = (1, −3, 2) y el vector director de
la recta v = (3, −1, 2) es:
   
−1 n·v −1 10
α = cos = cos √ √ ≈ 44,42◦ .
knk kvk 14 14

Por lo tanto, el ángulo menor a 90◦ entre el plano y la recta es

θ ≈ 90◦ − 44,42◦ = 45,58◦

n
v
α
θ
bc

Observación. Note que si el ángulo α entre el vector normal del plano y el vector director
de la recta es mayor a 90◦ , entonces el ángulo θ, menor a 90◦ , entre el plano y la recta es
θ = α − 90◦ ¿por qué? Ilustre este caso con un dibujo.
 Definición. 2.3. Planos paralelos y secantes

Dados dos planos diferentes en el espacio, diremos que los planos son paralelos y sus
vectores directores son paralelos, en caso contrario diremos que son secantes.

n1
Π2

Π1

n2 Recta
intesección

Planos paralelos Planos secantes

Observación. Dos planos secantes, diferentes, siempre coinciden en una recta.

Ejemplo. 2.16. Dos planos paralelos

Determine si los planos Π1 : x − 2y + 3z = 5 y Π2 : 2x − 4y + 6z = 7 son paralelos o

secantes.

Solución. Dado que los vectores normales n1 = (1, −2, 3) y n2 = (2, −4, 6) son paralelos,
entonces los planos son paralelos. Verifı́quelo en GeoGebra.

Ejemplo. 2.17. Intersección de dos planos

Determine el lugar geométrico de la intersección de los planos Π1 : x − 2y + 3z = 1 y

Π2 : 3x + y − z = 4.

Solución. Dado que los vectores normales n1 = (1, −2, 3) y n2 = (3, 1, −1) no son paralelos,
entonces los planos se cortan en una recta. Para determinar las ecuaciones paramétricas de
esta recta, definimos a una variable como parámetro, por ejemplo z = t, luego escribimos a
las otras dos variables (x y y) en términos de t, ası́: De la ecuación del plano Π1 , despejamos a
x = 2y −3t+1, y reemplazamos esta expresión para x en la ecuación del plano Π2 , obteniendo
3(2y − 3t + 1) + y − z = 4, y de esta última despejamos a y :

3(2y − 3t + 1) + y − t = 4
6y − 9t + 3 − t = 4
6y = 1 + 10t
1 5
y = + t.
6 3
Finalmente, reemplazando a y en la expresión que tenı́amos para x, obtenemos:

x = 2y − 3t + 1
 
1 5
x=2 + t − 3t + 1,
6 3
2 10
x = + t − 3t + 1
6 3
4 1
x= + t
3 3

De esta manera encontramos las ecuaciones paramétricas de la recta intersección de los dos
planos: 
4 1
 x = 3 + 3t

L(t) : y = 16 + 35 t , con t ∈ R.

z=t


Verifı́quelo en GeoGebra.

2.4. Distancias
Teorema. 2.1. Distancia de un punto a una recta

Sea P un punto en el espacio y L : Q + tv, t ∈ R, una recta en el espacio. Entonces la

distancia de P a la recta L está dada por:

−→
QP × v
d(P, L) = (2.5)
kvk

Ejemplo. 2.18.
x
Calcule la distancia del punto P (1, −2, 3) a la recta dada por las ecuaciones = y−2 = 2z.
2

Solución. Primero escribamos las ecuaciones simétricas de la recta en la forma estándar

(2.3):
x y−2 z
= = 1.
2 1 2

Para aplicar la fórmula (2.5) debemos tomar un punto de la recta,√ por ejemplo Q(0, 2, 0) y
21 −→
un vector director de la recta v = 2, 1, 12 . De este modo, kvk =


, QP = (1, −4, 3),
2

i j k  
−→ 11
QP × v = 1 −4 3 = −5, , 9 ,
2
2 1 21
 √
−→ 545
y QP × v = . Por lo tanto la distancia del punto P a la recta es
2

−→ √
QP × v 545 √
2 545
d(P, L) = = √ = √ ≈ 5,09.
kvk 21 21
2

Ejemplo. 2.19. Distancia entre dos rectas paralelas

 
 x= 1−t
  x= 2−t

Determine la distancia entre las rectas L1 (t) : y = 2 + t y L2 (t) : y = 3+t
 
z = 3 − 2t z = 10 − 2t
 

Solución. Dado que las rectas son paralelas (porque sus vectores directores son paralelos),
basta con tomar un punto P de una de las rectas y calcular la distancia de este punto a la
otra recta, usando la fórmula (2.5), como se hizo en el ejemplo anterior.

Teorema. 2.2. Distancia entre dos rectas alabeadas

Sean L1 : A + tu y L2 : B + tv dos rectas alabeadas del espacio. Entonces la distancia
entre estas rectas está dada por:
 
−→
u · v × AB
d(L1 , L2 ) =
ku × vk

Ejemplo. 2.20.

Determine la distancia entre las rectas

x−1 y−2
L1 = = = −z + 2,
2 4
y+1 z−1
L2 = x − 3 = =− .
3 2

Teorema. 2.3. Distancia de un punto a un plano

Sea P (xo , y0 , z0 ) un punto en espacio y Π : ax + by + cz = d un plano. Entonces la

distancia de P al plano Π está dada por:

|ax0 + by0 + cz0 − d| |P · n − d|

d(P, Π) = √ = , (2.6)
2 2
a +b +c 2 knk

donde n = (a, b, c) es el vector normal del plano.

 Ejemplo. 2.21.

Determine la distancia del punto P (1, −2, 5) al plano 2x − y + 5z = 3.

Solución. Para aplicar la fórmula (2.6) determinamos el punto P (1, −2, 5), el vector normal
del plano n = (2, −1, 5) y el término constante en la ecuación del plano d = 3. Ası́, P · n = 29,
√
knk = 30 y la distancia del punto al plano es:

|P · n − d| |29 − 3| 26
= √ = √ ≈ 4, 75.
knk 30 30

Ejemplo. 2.22. Distancia entre dos planos

Calcule la distancia entre los planos 2x − y + 5z = 3 y 2x − y + 5z = 9.

Solución. Dado que los planos son paralelas (porque sus vectores normales son paralelos),
basta con tomar un punto P de uno de los planos y calcular la distancia de este punto al otro
plano, usando la fórmula (2.6), como se hizo en el ejemplo anterior.

Ejemplo. 2.23. Distancia entre una recta y un plano

Calcule la distancia entre el plano 2x + y + 5z = 3 y la recta L(t) = (2 − 3t, 1 − 9t, 1 + 3t),

t ∈ R.

Solución. Verifique que el plano y la recta son paralelos (el vector normal del plano y el
vector director de la recta son ortogonales) y que la recta no está contenida en el plano (tome
un punto de la recta y vea que no cumple la ecuación del plano). Por lo tanto, basta tomar
un punto P de la recta y calcular la distancia de este punto al plano usando la fórmula (2.6).
Esta es la distancia que separa a la recta del plano.

P
bc

Distancia ?
Capı́tulo 3

Matrices

3.1. Álgebra Matricial

Definición. 3.1. Matriz
Una matriz es un arreglo “rectangular” finito de objetos (que usualmente son números). Las
matrices se nombran con letras mayúsculas y a sus elementos se les etiqueta con la misma
letra, pero minúscula, acompañada de un doble subı́ndice que indica, respectivamente, la
fila (horizontal) y la columna (vertical) donde se ubica dicho elemento, ası́:
 
a11 a12 a13 ··· a1n
 a21 a22 a23 ··· a2n 
 
A=
 .. .. .. .. ,
.. 
 . . . . . 
am1 am2 am3 · · · amn

o de manera más compacta, ası́:

A = (aij )m×n .

Si la matriz A tiene m filas y n columnas, se dice que A es una matriz de orden (o

tamaño) m × n.

Si el número de filas A es igual al número de columnas, entonces A se denomina

matriz cuadrada.

Si A = (aij )n×n es una matriz cuadrada, a los elementos aii se les denomina diagonal
principal de A.

42
 Ejemplo. 3.1. Llenando una matriz

La matriz A = (aij )2×3 , donde aij = (−1)i+j es justamente la matriz:

!
1 −1 1
A= ,
−1 1 −1

donde, por ejemplo, a11 = (−1)1+1 = (−1)2 = 1 y a23 = (−1)2+3 = (−1)5 = −1.

Es importante observar que no es lo mismo una matriz de tamaño 2×3 que una matriz de tamaño
3 × 2. Siempre el primer número del tamaño indica la cantidad de filas y el segundo, la cantidad
de columnas.

Matriz 2 × 3 Matriz 3 × 2

!  
3 −1 1 3 −1
A= √ ,
5 0 2 B = 7 10 .
 

1 0

Definición. 3.2. Igualdad de matrices

Dos matrices A = (aij )m×n y B = (bij )m×n son iguales, si son del mismo tamaño y sus
componentes correspondientes son iguales, esto es

aij = bij , para todosi ∈ 1, · · · , m y j ∈ 1, · · · , n

Ejemplo. 3.2.
 
3 −1 !
3 7 1
Las matrices A = 7 9 y B = no son iguales, A 6= B.
 
−1 9 0
1 0

Ejemplo. 3.3.
! !
a −1 2 5 −1 d
Si las matrices A = A= son iguales, A = B, entonces a = 5,
b c 4 7 3 e
b = 7, c = 3, d = 2 y e = 4.

Definición. 3.3. Suma de matrices

Dadas dos matrices A = (aij )m×n y B = (bij )m×n (del mismo tamaño). La suma de estas
matrices está dada por:
A + B = (aij + bij )m×n .
 Ejemplo. 3.4.
! !
3 −1 1 −8 1 6
Si A = yB= , entonces
5 0 2 0 0 3
! !
3 + (−8) −1 + 1 1 + 6 −5 0 7
A+B = =
5+0 0+0 2+3 5 0 5

Observación. Para sumar dos matrices

Ambas deben ser del mismo tamaño,

Se suman sus elementos correspondientes “componente a componente”.

Teorema. 3.1. Algunas propiedades de la suma de matrices

Si A, B y C son matrices del mismo tamaño, entonces

1. La suma es conmutativa, esto es A + B = B + A.

2. La suma es asociativa: (A + B) + C = A + (B + C) .

3. Existe un elemento neutro para la suma, denotado por 0, tal que A + 0 = A. Al

elemento neutro para la suma se le llama matriz nula y es la matriz cuyos elementos
son todos cero.

4. Para cada matriz A existe la matriz −A, tal que A + (−A) = 0. A la matriz −A se
llama la inversa aditiva (u opuesta) de A y es justamente la matriz cuyos elementos
corresponden a los inversos aditivos de los elementos de A.

Las propiedades anteriores nos facilitan los cálculos con matrices, pro ejemplo

Ejemplo. 3.5. Ecuación matricial

! ! !
−1 2 0 −3 −2 10
Dadas A = ,B= yC= , hallar la matriz X tal que
4 3 5 1 7 9

X + A = B + C.
Solución. Usando las propiedades del teorema anterior, tenemos:

X + A = B + C,
X + A + (−A) = B + C + (−A),
X = (B + C) + (−A),
" ! !# !
0 −3 −2 10 1 −2
X= + + ,
5 1 7 9 −4 −3
! !
−2 7 1 −2
X= + ,
12 10 −4 −3
!
−1 5
X= .
8 7

En adelante, denotamos por A − B a la operación A + (−B).

Definición. 3.4. Multiplicación de escalar por matriz

Dado un número real (o complejo) α y una matriz A = (aij )m×n , el producto α por A se
define por:
αA = (α · aij )m×n .

“El número(escalar) multiplica cada elemento de la matriz”.

Ejemplo. 3.6.
 
3 2
Si α = 5 y A = 1 −1 , entonces
 
√
7 2
     
3 2 5(3) 5(2) 15 10
αA = 5 1 −1 = 5(1) 5(−1) =  5 −5 .
     
√ √ √
7 2 5(7) 5( 2) 35 5 2

! !
2 + i 2i i −1 + 2i −2 −1
i = .
1−i 3 6 1 + i 3i 6i
 Definición. 3.5. Producto de matrices
Dadas las matrices A = (aij )m×n y B = (bij )n×s . La matriz producto C = A × B =
(cij )m×s está dada por:

n
X
cij = (fila i de A)↓ · (columna j de B) = aik · bkj
k=1

Observación. Para multiplicar dos matrices:

1. Debe cumplirse que el número de filas de la primera, debe coincidir con el número de
columnas de la segunda, y entonces la matriz resultante tendrá tantas filas como la
primera y columnas como la segunda

Am×n · Bn×s = Cm×s

2. El elemento ij de la matriz producto se obtiene multiplicado cada elemento de la fila

i de la primera matriz, por el correspondiente elemento en la columna j de la segunda
matriz, y sumando dichos productos.

Ejemplo. 3.7.

! ! !
2 −1 1 −2 7 2(1) + (−1)(9) 2(−2) + (−1)(−1) 2(7) + (−1)(4)
· =
3 5 9 −1 4 3(1) + 5(9) 3(−2) + (5)(−1) 3(7) + 5(4)
!
−7 −3 10
=
48 −11 41

! !
1 −2 7 2 −1
El producto · no está definido, pues el número de columnas
9 −1 4 3 5
de la primera matriz no coincide con el número de filas de la segunda.

Observación (¡El orden de los factores SÍ altera el producto!). El ejemplo

anterior muestra que el producto de matrices NO es conmutativo. Esto es, A · B no nece-
sariamente es igual a B · A, en el caso anterior vimos que aunque uno de los producto está
definido el otro no, también puede suceder que ambos producto estén definidos pero que el
resultado sea diferente, como en el siguiente ejemplo:
 Ejemplo. 3.8. AB =6 BA
! !
2 −3 6 7
Dadas A = yB= entonces
0 5 9 −3
! ! !
2 −3 6 7 −15 13
AB = =
0 5 9 −3 45 −15
! ! !
6 7 2 −3 12 17
BA = =
9 −3 0 5 18 −42

Claramente, se observa que AB 6= BA.

Teorema. 3.2. Algunas propiedades del producto de matrices

Sea A, B y C matrices tales que en cada caso están definidas las operaciones indicadas,
entonces

1. Propiedad Asociativa: A (BC) = (AB) C.

2. Propiedad Distributiva:

Por izquierda: A(B + C) = AB + AC.

Por derecha: (B + C)A = BA + CA.

3. Existencia de neutro. Existe una matriz que actúa como neutro para el producto de
matrices n × n, denotado por In , esto es

A · In = In · A = A.

A la matriz In se le llama matriz identidad y es la matriz cuadrada n × n cuyos

elementos de la diagonal principal son unos y los demás ceros.
 
  1 0 ··· 0
! 1 0 0
0 1 · · · 0
 
1 0
I2 = , I3 = 0 1 0 , . . . , In = 
 
 .. .. . . .
0 1 . . . ..

0 0 1
0 0 · · · 1 n×n

Pregunta: ¿Para cada matriz A de tamaño n × n existe una matriz X tal que AX = XA = In ?

Respuesta: NO.

Pregunta: ¿Existen matrices A de tamaño n × n para las cuales hay una matriz X tal que
AX = XA = In ?
Respuesta: Sı́, a tales matrices se les llama invertibles, a la matriz X se le denota por A−1 y
se le llama la inversa multiplicativa A, o simplemente la inversa de A.

Pregunta: ¿Cómo saber si una matriz A de tamaño n × n tiene inversa? y en caso de tenerla
¿cómo hallar A−1 ?

Abordaremos estas preguntas en lo que sigue:

Método. 3.1. Resolver la ecuación AX = I o XA = I

Dada una matriz cuadrada A de tamaño n × n, su inversa, si existe, es la solución de la
ecuación AX = In y por tanto de la ecuación XA = In . Note X debe ser de tamaño n × n
para que la ecuación tenga sentido, entonces construimos la matriz X con sus elementos
cómo incógnitas, efectuamos el producto de matrices e igualamos los elementos, de modo
que se obtiene un sistema de ecuaciones, cuyas soluciones (si existen) son los elementos
de la matriz inversa.

Ejemplo. 3.9.
!
1 5
¿Es invertible la matriz A = ?
−2 0

Veamos si la ecuación AX = I2 tiene solución:

AX = I2 ,
! ! !
1 5 a b 1 0
= ,
−2 0 c d 0 1
! !
a + 5c b + 5d 1 0
= .
−2a −2b 0 1

De la última igualdad tenemos que:

a + 5c = 1,
−2a = 0,
b + 5d = 0,
−2b = 1.

1 1 1
de donde a = 0, c = , b = − y d = . Por lo tanto A sı́ es invertible, y su inversa es
5 2 10
!
−1 0 − 12
X=A = 1 1
5 10
Ejemplo. 3.10.
!
1 2
¿Es invertible la matriz A = ?
2 4

Veamos si la ecuación AX = I2 tiene solución:

AX = I2
! ! !
1 2 a b 1 0
= ,
2 4 c d 0 1
! !
a + 2c b + 2d 1 0
= .
2a + 4c 2b + 4d 0 1

De la última igualdad tenemos que:

a + 2c = 1,
2a + 4c = 0,
b + 2d = 0,
2b + 4d = 1.

Pero observe que las dos primeras ecuaciones se contradicen, pues al multiplicar la primera
por 2 se obtiene 2a + 4c = 2 y con la segunda se concluye que 2 = 0, lo cual es absurdo.
Por lo tanto, no existe una matriz X que satisfaga la ecuación, esto es, A no tiene inversa
(o no es invertible).

Ejemplo. 3.11.

Determine, si existe, una matriz X tal que

! ! !
1 3 2 −5 6 0
X+ =3
−2 0 9 3 1 10
3.2. Método de eliminación de Gauss para hallar A−1
Definición. 3.6. REGLAS DEL JUEGO: Operaciones elementales por filas

Dada una matriz A está permitido:

1. Intercambiar dos filas.

   
3 5 −2 1 0 2
 f1 ↔f2 
 1 0 2  −→  3 5 −2 
 

0 3 6 0 3 6

2. Multiplicar una fila por un escalar diferente de cero.

3
   
! ! 2 3 −4 1
1 2 −2
3 6 3f2 3 6  2 f1 
 5 0 −1  −→  5 0 −1 
 
−→
1 2 3 6 0 1 1 0 1 1

3. A una fila sumarle otra.

   
1 3 −4 1 3 −4
 f3 :f3 +f1 
 0 5 3  −→  0 5 3 
 

−1 0 −2 0 3 −6

Observación. En la práctica, veremos que es muy útil combinar las reglas 1 y 2, de modo
que frecuentemente a una fila le sumaremos un múltiplo escalar de otra fila, por ejemplo:
   
! ! 1 3 −4 1 3 −4
1 2 f2 :f2 −3f1 1 2  f3 :f3 +2f1 
 0 5 3  −→  0 5 3 
 
−→
3 5 0 −1 −2 1 7 0 7 −1
Método. 3.2. EL JUEGO DE GAUSS: Eliminación de Gauss para hallar A−1

Sea A una matriz cuadrada n × n. Iniciaremos el juego de Gauss, escribiendo a la matriz

A y la identidad In separadas por una barra vertical, A a izquierda de In . Luego, con
operaciones elementales por filas, haremos que la matriz identidad pase a la izquierda de
la barra. De conseguirlo, la matriz que quede a la derecha de la barra es la matriz inversa
de A, pero si no es posible (porque se llega a una fila de ceros a la izquierda de la barra),
entonces A no tiene inversa.

operaciones elementales
In |A−1


(A|In ) −→
por renglones

Estrategia ganadora: forme la matriz identidad, columna por columna, de izquierda a

derecha, buscando primero el 1 y luego los ceros.

Ejemplo. 3.12.
!
3 5
Hallemos, si existe, la inversa de la matriz A =
1 2

! !  
3 5 1 0 f1 ←→f2 1 2 0 1 f2 :f2 −3f1 1 2 0 1
−→ −→  
1 2 0 1 3 5 1 0 0 −1 1 −3

! !
(−1)f2 1 2 0 1 f1 :f1 −2f2 1 0 2 −5
−→ −→ .
0 1 −1 3 0 1 −1 3
!
2 −5
Por lo tanto A−1 = .
−1 3
 Ejemplo. 3.13. Una matriz que no tiene inversa

Apliquemos
 el método
de eliminación de Gauss para intentar hallar la inversa de la matriz
1 3 5
A =  −1 4 2 
 

2 −1 3
 
1 3 5 1 0 0
 
1 3 5 1 0 0
  f2 +f1 
 −1 4 2 0 1 0  −→  0 7 7 1 1 0 
 
 f3 −2f1
2 −1 3 0 0 1 0 −7 −7 −2 0 1

4
− 71
   
1
1 3 5 1 0 0 1 0 2 7 0
f
7 2  f 1 −3f 2
−→  0 1 1 −→ 1 1
1 1 0 0 1 1 7 0 
  
7 7 
f3 +7f2
 7
0 −7 −7 −2 0 1 0 0 0 −1 1 1
Hemos llegado a una fila de ceros antes de la barra, luego no hay manera de conseguir el
1 de la tercera columna sin dañar las anteriores columnas. Por lo tanto, la matriz A no
tiene inversa. Esta conclusión se podı́a anticipar desde el segundo paso, pues al sumar las
filas 2 y 3 se llegaba directamente a una fila de ceros antes de la barra.

3.3. Más definiciones y propiedades

Teorema. 3.3. Propiedades de la matriz inversa

Sean A y B matrices invertibles n × n. Entonces

−1
(i) A−1 = A.

(ii) (AB)−1 = B −1 A−1 .

1 −1
(iii) Si k es un escalar no nulo entonces (kA)−1 = A .
k

Definición. 3.7. Matriz transpuesta

Dada una matriz A = (aij )m×n , la matriz transpuesta de A, denotada por AT es la matriz
cuyas columnas son las filas de A, esto es AT = (aji )n×m .

Ejemplo. 3.14.
 
3 −1 !
3 7 1
Si A = 7 9 entonces AT = .
 
−1 9 0
1 0
 Teorema. 3.4. Propiedades de la matriz transpuesta

Sean A y B matrices m × n. Entonces

(i) AT es una matriz n × m.

T
(ii) AT = A.

(iii) (A + B)T = AT + B T .

(iv) (AB)T = B T AT .

−1
T
(v) AT = A−1 .

Ejemplo. 3.15.

Dado que A, B y C son matrices n × n y B es invertible, podemos usar las propiedades

listadas anteriormente para despejar la matriz X en 2A + (XB)T = C, ası́:

2A + (XB)T = C
(XB)T = C − 2A
XB = (C − 2A)T
X = (C − 2A)T B −1

Ejemplo. 3.16.

Dado que A, B y C son matrices n × n invertibles, podemos usar las propiedades listadas

T
anteriormente para despejar la matriz X en AXB T = BC, ası́:

T
AXB T = BC
AXB = (BC)T
T

−1
X = A−1 (BC)T B T

−1
X = A−1 C T B T B T
X = A−1 C T

Definición. 3.8. Matriz Simétrica

Una matriz A es simétrica si cumple que A = AT .

A partir de la definición se deduce que las matrices simétricas deben ser cuadradas.

Am×n = AT


n×m
=⇒ m = n.
 Ejemplo. 3.17.
 
1 3 5
La matriz A =  3 0 1  es simétrica, pues coincide con su transpuesta.
 

5 1 7

Ejemplo. 3.18. ¿Por qué se llaman simétricas?

 
a b c
Supongamos que la matriz A =  d e f  es simétrica, entonces debe cumplirse que
 

g h i

A = AT
   
a b c a d g
 d e f  =  b e h ,
   

g h i c f i

de donde se deduce que b =d, c = g y  f = h. De modo que las matrices simétricas de

a b c
3 × 3 tienen la forma A =  b e f  . Observe que la diagonal, actual como eje de
 

c f i
simetrı́a “espejo”, pues las entradas por encima de la diagonal, se reflejan respecto a ella.

Ejemplo. 3.19. ¿Cuántas matrices simétricas?

¿Cuántas matrices simétricas de 3×3 existen, tales que sus entradas son solo ceros o unos?
¿Cuántas n × n?

Solución. Existen 26 = 64 matrices simétricas de 3 × 3 tales que sus entradas son solo ceros
n(n+1)
o unos. Y n × n, hay 2 2 . ¿Por qué?

Teorema. 3.5.

Sea A cualquier matriz m × n, entonces AAT siempre es simétrica.

Demostración. Para probar que una matriz es simétrica, basta con hallar su transpuesta y si
esta coincide con la matriz original, entonces la matriz es simétrica. Veamos

T
T
AAT = AT AT = AAT .

Por lo tanto, AAT siempre es simétrica.

3.4. Matrices reducidas
Definición. 3.9. Matriz escalonada
Diremos que una matriz A de tamaño m × n está escalonada si cumple las siguientes dos
condiciones:

(i) en caso de tener filas nulas (o filas de ceros) estas se encuentran en la parte inferior
de la matriz.

(ii) el primer elemento no nulo de cada fila, a partir de la segunda, siempre se encuentra
a la derecha del primer elemento no nulo de la fila anterior.

Ejemplo. 3.20. Matrices escalonadas

    !
2 1 7 1 0 0 0 0 0 1
 0 -3 9   0 1 9  0 0 0 0
   

0 0 6 0 0 0  
    0 1 −2
1 1 0 0 1 0 3
 0 0 9   0 0 5 −1 
   

0 0 0 0 0 0 0

Definición. 3.10. Matriz escalonada reducida

Diremos que una matriz está escalonada reducida si es escalonada, los primeros elementos
no nulos de cada fila son unos (1′ s) y los números por encima de estos primeros elementos
no nulos de cada fila (a partir de la segunda) son ceros.
Ejemplo. 3.21.
 
1 1 0
La matriz  0 0 1  está escalonada reducida.
 

0 0 0
 
1 1 0
La matriz  0 0 3  está escalonada, pero no reducida.
 

0 0 0
 
2 1 7
La matriz  0 -3 9  está escalonada, pero no reducida.
 

0 0 6
 
1 0 0 1
La matriz  0 1 0 2  está escalonada reducida.
 

0 0 1 3

Definición. 3.11. Matrices equivalentes por renglones

Dos matrices son equivalente por renglones si una se puede obtener de la otra por medio
de operaciones elementales entre renglones.

Ejemplo. 3.22.

Dado que
     
2 −4 6 1
1 −2 3 1 −2 3
 f1 ↔ 2 f1   f2 →f2 +f1 
 −1 2 9  −→  −1 2 9  −→  0 0 12  ,
 
f3 →f3 −5f1
5 14 3 5 14 3 0 24 −12
     
2 −4 6 1 −2 3 1 −2 3
entonces las matrices  −1 2 9  ,  −1 2 9  y  0 0 12  son
     

5 14 3 5 14 3 0 24 −12
equivalentes por renglones entre sı́.
Capı́tulo 4

Determinantes

Teorema. 4.1. Propiedades de los determinantes I.

Sea A una matriz n × n.

1. Si A tiene una fila (o columna) de ceros, entonces det(A) = 0.

2. Si una fila (o columna) de A es múltiplo de de otra, entonces det(A) = 0.

3. Si una fila (o columna) es combinación lineal de las demás, entonces det(A) = 0.

4. Si A es una matriz triangular, su determinante es igual al producto de los elementos

de su diagonal principal.

57
Ejemplo. 4.1.

5 1
=0
0 0

0 1 7
0 −3 9 =0
0 4 −6

1 4 −3
0 −3 9 = 0, porque f3 = −2f1 .
−2 −8 6

1 4 −3 −1
0 −3 9 4
= 0, porque f4 = −f1 + 2f2 − 3f3 .
−2 −8 6 5
5 14 3 −6

1 4 −3 −1
0 −3 9 4
= 1 × (−3) × 6 × (−6) = 108, porque la matriz es triangular
0 0 6 5
0 0 0 −6
superior.
Teorema. 4.2. Propiedades de los determinantes II.

Sea A una matriz cuadrada.

1. Al intercambiar dos filas o dos columnas de A su determinante cambia de signo.

fi ↔fj
A− − − →B =⇒ |A| = − |B| .
ci ↔cj

2. Al multiplicar una fila o columna de A por un número k, el determinante de la matriz

resultante es igual al de A multiplicado por ese mismo número.

fi →kfi 1
A− − − →B =⇒ |B| = k |A| =⇒ |A| = |B| , si k 6= 0.
ci →kci k

3. Si a una fila (o columna) de A se le suma una combinación lineal de las demás filas
(o columnas), el valor de su determinante no se altera.

4. Si todos los elementos de una fila (o columna) de A se descomponen en dos suman-

dos, entonces el determinante de A es igual a la suma de dos determinantes que
tienen en dicha fila (o columna) el primero y el segundo sumando respectivamente,
siendo los restantes elementos iguales a los del determinante inicial.
Ejemplo:
a+x b+y c+z a b c x y z
d e f = d e f + d e f
g h i g h i g h i

Ejemplo. 4.2.
 
0 0 −3
Hallar el determinante de la matriz A =  0 −2 9 .
 

5 14 3
Observe que A no es una matriz triangular, pero intercambiando la columna 1 con la
columna 2 podemos obtener una matriz triangular, cuyo determinante será el producto de
los elementos de su diagonal, y por la Propiedad 1 del teorema anterior, el determinante
de A será el determinante de la matriz resultante con el signo contrario. Veamos:

0 0 −3 −3 0 0
c1 ↔c2
0 2 9 = (−1) 9 2 0 = (−1)(−3 × 2 × 5) = 30.
5 14 3 3 14 5

Ası́ det(A) = 30.

Las propiedades anteriores nos permiten establecer el siguiente método para hallar el determinante
de una matriz cuadrada de cualquier tamaño.

Método. 4.1. de Eliminación de Gauss para determinantes.

Se trata de llevar la matriz dada a una matriz escalonada (triangular) por medio de ope-
raciones elementales entre filas (o columnas). De modo que el determinante de la matriz
original será el determinante de la matriz escalonada con las respectivas afectaciones que
generaron las operaciones elementales que llevaron a dicha matriz.

La ventaja de este método es que el determinante de la matriz escalonada es simplemente el

producto de los elementos en su diagonal principal y las afectaciones que generan las operaciones
elementales son las establecidas en las propiedades anteriores. Veamos un ejemplo que ilustra este
método.

Ejemplo. 4.3.
 
2 1 −3
Hallar el determinante de la matriz A =  −3 0 9 .
 

1 4 3

2 1 −3 1 2 −3
c1 ↔c2
−3 0 9 = (−1) 0 −3 9
1 4 3 4 1 3
1 2 −3
f3 →f3 −4f1
= (−1) 0 −3 9
0 −7 15
1 2 −3
f2 →− 31 f2
= (−1)(−3) 0 1 −3
0 −7 15
1 2 −3
f3 →f3 +7f2
= (−1)(−3) 0 1 −3 = (−1)(−3)(1 · 1 · −6) = −18.
0 0 −6

Por lo tanto, det(A) = −18.

Ejemplo. 4.4.

a b b + 3y a + 3x
Dado que = 3, hallar
x y 2y 2x
Solución. Observe que

b + 3y a + 3x b a 3y 3x
= +
2y 2x 2y 2x 2y 2x
a b
= −2 + 0 = −2(3) = −6
x y

Teorema. 4.3. Propiedades de los determinantes III.

Sean A y B matrices cuadradas n × n, y k es un entero positivo. Entonces

1. det(A) = det AT .

2. det(A · B) = det(A) · det(B).

3. det Ak = (det(A))k .

4. det(kA) = kn det(A).

Método. 4.2. Para determinar si una matriz tiene inversa.

Sea A una matriz cuadrada. Entonces A tiene inversa si y solo si det(A) 6= 0. Además, si
A tiene inversa, entonces
1
det A−1 =


.
det(A)

Ejemplo. 4.5.
 
2 1 −3
Determinar si la matriz A =  −3 0 9  tiene inversa. En caso afirmativo hallar
 

1 4 3
−1


det A

Dado que det(A) = −18 6= 0, por el teorema anterior, podemos asegurar que A tiene inversa.
1
Además, det A−1 =


−18
Definición. 4.1. Cofactores
Dada la matriz A = (aij )n×n , el cofactor ij de A denotado por Cij está dado por

Cij = (−1)i+j Mij ,

donde Mij es el determinante de la matriz que se obtiene a eliminar la fila i y la columna

j de A.
Note que Cij es un número para cada pareja de subı́ndices ij, de modo que al organizarlos en
una matriz obtenemos la matriz de cofactores de A, ası́:

cofA = (Cij )n×n

Ejemplo. 4.6.
 
2 1 −3
Hallar la matriz de cofactores de A =  −3 0 9 
 

1 4 3

Solución. Hallemos cada cofactor de A :

0 9
C11 = (−1)1+1 = −36
4 3
−3 9
C12 = (−1)1+2 = 18
1 3
−3 0
C13 = (−1)1+3 = −12
1 4
1 −3
C21 = (−1)2+1 = −15
4 3
2 −3
C22 = (−1)2+2 =9
1 3
2 1
C23 = (−1)2+3 = −7
1 4
1 −3
C31 = (−1)3+1 =9
0 9
2 −3
C32 = (−1)3+2 = −9
−3 9
2 1
C33 = (−1)3+3 =3
−3 0

 
−36 18 −12
Cof A =  −15 9 −7 
 

9 −9 3
 Definición. 4.2. Matriz Adjunta

Dada una matriz A de tamaño n × n, la matriz adjunta de A, denotada por adjA, es la

transpuesta de la matriz de cofactores de A, esto es:

adjA = (cofA)T .

Ejemplo. 4.7.
 
2 1 −3
Hallar la matriz adjunta de A =  −3 0 9 
 

1 4 3

Solución. La matriz adjunta de A es

 
−36 −15 9
ajd A = (cof A)T =  18 9 −9 
 

−12 −7 3

Método. 4.3. Para hallar la inversa de una matriz con su adjunta

Sea A una matriz cuadrada. Si A es invertible, entonces

1
A−1 = adjA
det(A)

Note que la fórmula dada en le método anterior tiene sentido si det A 6= 0 y eso ocurre si y solo
A es invertible, según el teorema visto anteriormente...

Ejemplo. 4.8.
 
2 1 −3
Hallar inversa de A =  −3 0 9 
 

1 4 3

Solución. Dado que det(A) = −18, entonces

5
− 12
   
−36 −15 9 2 6
1 1 
A−1 = adj A =  18 9 −9  =  −1 − 21 1
  
det A −18 2 
2 7
−12 −7 3 3 18 − 16
Capı́tulo 5

Sistemas de ecuaciones lineales

Definición. 5.1. Ecuación Lineal

Una ecuación lineal es una igualdad que involucra una o más variables elevadas a la primera
potencia y no contiene productos entre las variables, es decir una expresión de la forma

a1 x1 + a2 x2 + a3 x3 + · · · + an xn = a0 ,

donde los ai son números reales, llamados coeficientes y las xi son las variables, también
llamadas incógnitas, para cada i ∈ {1, 2, 3, . . . , n} .

Ejemplo. 5.1.

1. Las siguientes ecuaciones son lineales:

x+y =1
2x − 3y + 2x = 0
−x1 + 5x2 − 3x3 + 6x4 = 9
√ 1
πx − 2 2y + eπ z = −
2
2. La ecuación x2 + y 2 = 1 no es lineal, pues las variables (incógnitas) están elevadas
a la segunda potencia.

3. La ecuación 2xy + 3y − 2z = 8 no es lineal, pues en el primer término dos variables

se están multiplicando.

64
Definición. 5.2. Sistema de ecuaciones lineales (S.E.L)

Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales. En general, un

sistema m × n, esto es, con m ecuaciones y n incógnitas puede ser escrito en forma normal
ası́: 


 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1

 a x + a x + a x + ··· + a x
21 1 22 2 23 3 2n n = b2


 ··· ···

 a x + a x + a x + ··· + a x = b
m1 1 m2 2 m3 3 mn n m

donde x1 , x2 , . . . , xn son las incógnitas y los números aij son los coeficientes del sistema.
También puede escribirse el sistema en forma matricial como:
    
a11 a12 ... a1n x1 b1
 a21 a22 ... a2n   x2   b2 
    
  ..  =  ..  .
 . .. .. 
..
   
 .
 . . . .  .   . 
am1 am2 . . . amn xn bm

De este modo podemos referirnos a un S.E.L como Ax = b, donde A es la matriz de los

coeficientes del sistema x es la matriz columna de incógnitas y b es la matriz columna de
constantes.

Ejemplo. 5.2.

 2x − 3y + z = 1

La forma matricial del sistema −x + y − z = 4 es

x + 5y − 3z = 6


    
2 −3 1 x 1
 −1 1 −1  y  = 4 .
    

1 5 −3 z 6

Método. 5.1. de eliminación de Gauss

Sea Ax = b, un S.E.L. El método de eliminación de Gauss consiste en reducir por renglones
la matriz ampliada (A|b) a su forma escalonada, obteniendo la matriz ampliada de un S.E.L
cuyas soluciones coinciden con las del sistema original.
 Ejemplo. 5.3.

 2x − 3y + z
 =1
Para resolver el sistema −x + y − z = 4 reducimos por renglones la matriz ampliada

x + 5y − 3z =6

hasta su forma escalonada:
   
2 −3 1 1 1 5 −3 6
 −1 1 −1 4  −→  0 6 −4 10 
   

1 5 −3 6 0 0 −15 96

Y en el sistema resultante empezamos reemplazar de abajo hacia arriba, ası́:

32
de la tercera fila obtenemos −15z = 96, es decir z = − .
5
de la segunda fila tenemos:

6y − 4z = 10
 
32 78
6y = 4 − + 10 = −
5 5
13
y=− .
5

Finalmente, de la primera fila tenemos:

x + 5y − 3z = 6
   
13 32
x=6−5 − +3 −
5 5
1
x=−
5
1 13 32
Por lo tanto la única solución del sistema es x = − , y = − , z = − .
5 5 5

Observe que las operaciones elementales por renglones no afectan las soluciones del S.E.L, por
eso cada paso del método de eliminación de Gauss, obtenemos un S.E.L más sencillo de resolver,
cuyas soluciones son las mismas del original ¡Usted decide cuando parar! De hecho, otro método
de solución denominado Método de eliminación de Gauss-Jordan, va un poco más allá
en el método de Gauss, reduciendo la matriz ampliada hasta su forma escalonada reducida, de
modo que al final el sistema queda completamente resuelto.
Los siguientes dos métodos funcionan únicamente para sistemas de ecuaciones lineales cuadra-
dos, (con número de ecuaciones igual al número de incógnitas) cuya matriz de coeficientes sea
invertible.
Método. 5.2. de la inversa.
Un sistema de ecuaciones lineales Ax = b, con igual número de ecuaciones que de incógni-
tas, tiene solución única si y solo si A es invertible. Además, esta solución está dada por:

x = A−1 b .

Ejemplo. 5.4. Solución por el método de la inversa.


 2x − 3y + z = 1

Para resolver el sistema −x + y − z = 4 por el método de la inversa, primero halla-

x + 5y − 3z = 6

mos el determinante de la matriz de coeficientes A para validar la existencia de su inversa:

2 −3 1
|A| = −1 1 −1 = 10.
1 5 −3

Como |A| =6 0, entonces A tiene inversa y por lo tanto el sistema tiene solución única,
dada por x = A−1 b. Hallamos A−1 por alguno de los métodos estudiados anteriormente
y obtenemos la solución del sistema:
      1 
x 2 −4 2 1 −5
1      13 
x = y  = −4 −7 1  4 = − 5  .
 
10
z −6 −13 −1 6 − 32
5

Método. 5.3. Regla de Cramer.

Sea Ax = b un S.E.L tal que su matriz de coeficientes A es invertible (implica que A es

 
x1
 x2 
 
|Ai |
cuadrada y |A| =  ..  entonces xi = |A| , donde Ai es la matriz que se
6 0). Si x =  
 . 
xn
obtiene al cambiar en A la i−ésima columna por la columna b.
 Ejemplo. 5.5. Solución por la Regla de Cramer.

 2x − 3y + z = 1

Para resolver el sistema −x + y − z = 4 por la regla de Cramer, iniciamos hallando

x + 5y − 3z = 6

el determinante de la matriz de coeficientes A, que como vimos en el ejemplo anterior es
|A| = 10 6= 0, luego el sistema tiene solución única y está dada por:

1 −3 1
4 1 −1
|A1 | 6 5 −3 −2 1
x= = = =−
|A| 10 10 5
2 1 1
−1 4 −1
|A2 | 1 6 −3 −26 13
y= = = =−
|A| 10 10 5
2 −3 1
−1 1 4
|A3 | 1 5 6 −64 32
z= = = =−
|A| 10 10 5

El siguiente diagrama de flujo, ayuda a estudiar la consistencia de sistemas de ecuaciones lineales

cuadrados (con igual número de ecuaciones que de incógnitas)

Consistencia de Ax = b (A cuadrada)

no sı́
det(A) 6= 0

Solución única
Sin solución o infinitas soluciones
(decidir con el método de Gauss)
 Definición. 5.3. Sistema homogéneo.

Un sistema de ecuaciones lineales se denomina homogéneo si el término constante de cada

una de la ecuaciones es cero, es decir si tiene la forma:

 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn =0



 a x + a x + a x + ··· + a x
21 1 22 2 23 3 2n n =0


 ··· ···

 a x + a x + a x + ··· + a x = 0
m1 1 m2 2 m3 3 mn n

o matricialmente Ax = 0.

Observación. Los sistemas de ecuaciones lineales homogéneos siempre es consistente (con

solución única o infinitas). De hecho, la solución trivial:

x1 = 0, x2 = 0, . . . , xn = 0,

siempre es solución de un sistema homogéneo.

Teorema. 5.1.
Sea Ax = 0, un sistema de ecuaciones lineales homogéneo con m ecuaciones y n incógnitas.
Si m < n entonces el sistema tiene infinitas soluciones.

Definición. 5.4. Rango.

El rango de una matriz A, de notado por r(A), es el número de filas no nulas en su matriz
escalonada.
 
1 5 3 2
Ejemplo. Para determinar el rango de la matriz A =  −2 1 4 3  , reducimos A
 

6 8 −2 −2
a su forma escalonada:
   
1 5 3 2 1 5 3 2
 
 −2 1 4 3  −→   0 11 10 7 
 

6 8 −2 −2 0 0 0 0

De modo que r(A) = 2, porque la escalonada tiene dos filas no nulas.

Observación. El rango de una matriz A también es el número de pivotes de la matriz

escalonada reducida de A, y como a lo sumo hay un pivote por fila y por columna, entonces
el rango máximo de A es el mı́nimo entre el número de filas y el número de columnas.
 Teorema. 5.2. Rouché-Frobenius
Sea Ax = b un sistema de ecuaciones lineales. Entonces

I. si r(A) = r(A|b) = # de columnas de A, el sistema tiene solución única.

II. si r(A) = r(A|b) < # de columnas de A, el sistema tiene infinitas soluciones.

III. si r(A) 6= r(A|b), el sistema tiene no tiene solución.

El siguiente diagrama de flujo determina la consistencia de una sistema de ecuaciones lineales

m × n.

Consistencia de Ax = b

no sı́
r(A) = r(A|b)

no sı́
r(A) = #columnas
de A

sin solución infinitas soluciones solución única

Ejemplo. 5.6. Análisis de consistencia

Estudiar la consistencia del sistema



 x − 2y − w = 2
3x − 4y + z + 3w = 1

x + z + 5w = −3


Solución. Escribimos la matriz ampliada y la reducimos con operaciones elementales por

renglones a su forma escalonada:
   
1 −2 0 −1 2 1 0 1 5 −3
1 5 
 3 −4 1 3 1  −→ · · · −→  0 1 2 3 −2 
  

1 0 1 5 −3 0 0 0 0 0

Observamos que r(A) = r(A|b) = 2 < 4 = # columnas de A, entonces el sistema tiene

infinitas soluciones.
 Ejemplo. 5.7.

Resolver el sistema 

 x − 2y − w = 2
3x − 4y + z + 3w = 1

x + z + 5w = −3


Solución. Con la matriz escalonada que se obtuvo en el ejemplo anterior, tenemos que:

x + z + 5w = −3 =⇒ x = −3 − z − 5w
1 5 5 1
y + z + 3w = − =⇒ y = − − z − 3w
2 2 2 2

De modo que dejando a z = t y w = s como parámetros, el conjunto solución del sistema

queda:    


 x 

 x = −3 − t − 5s 


 y   y = − 5 − 1 t − 3s
    

 : 2 2 ; t, s ∈ R


 z  


 z=t 



 w 
 w=s 


Observación. Número de parámetros.

El número de parámetros de un S.E.L consistente es el número de columnas sin pivote en
la matriz escalonada del sistema. Además, las variables correspondientes a la columnas sin
pivote en la matriz escalonada del sistema, funcionan como parámetros.

Ejemplo. 5.8.


 ax + 4y + az = −1
Estudiar la consistencia del sistema x + 4ay + z = 1 a partir del parámetro

3x − (4a − 2)y + 2z = 3

a ∈ R.

Solución. El sistema tiene solución única si y solo si el determinante de la matriz de coefi-

cientes A, es diferente de cero. Veamos

a 4 a
|A| = 1 4a 1 = −4(a2 − 1) = −4(a − 1)(a + 1).
3 −4a + 2 2

Note que el |A| = 0 cuando a = 1 o a = −1, de modo que el sistema tiene solución única
cuando a ∈ R \ {−1, 1} .
¿Qué pasa cuando a = 1? el sistema queda


 x + 4y + z = −1
x + 4y + z = 1

3x − 2y + 2z = 3


pero note que las dos primeras ecuaciones son inconsistentes, luego en este caso el
sistema NO tiene solución.

¿Qué pasa cuando a = −1? al reducir por filas la matriz ampliada del sistema queda:
   
−1 4 −1 −1 −1 4 −1 −1
 1 −4 1 1  −→  0 18 −1 0 
   

3 6 2 3 0 0 0 0

donde notamos que rango(A) = 2 = rango(A|b) < 3 : # de columnas de A. De modo

que por el Teorema de Rouché Frobenius, concluimos que en este caso, el sistema tiene
infinitas soluciones.

A modo de resumen:
Valores de a Consistencia del Sistema
R \ {−1, 1} Solución única (consistente determinando)
1 No tiene solución (inconsistente)
−1 Infinitas soluciones (consistente-indeterminado)