Está en la página 1de 112

Captulo 1

Sistemas de Ecuaciones Lineales


1. Introduccion
Una gran variedad de problemas practicos conllevan a la solucion de sistemas de ecuaciones lineales.
En casos en que el n umero de variables y de ecuaciones sea peque no, no existe dicultad alguna al utilizar
metodos del algebra elemental para resolver estos sistemas, pero a medida que se consideran mas variables
o mas ecuaciones estos metodos se tornan precarios. El

Algebra Lineal surgio precisamente del estudio
de los sistemas de ecuaciones lineales, en cuanto a la existencia de soluciones y tipos de soluciones se re-
ere, y del intento de encontrar metodos ecientes para determinar el conjunto solucion de estos sistemas.
Este captulo gira entorno al estudio de los sistemas de ecuaciones lineales desde diversas perspecti-
vas, haciendo enfasis en encontrar soluciones a tres preguntas fundamentales:
Cuando un sistema lineal tiene solucion?, de tenerla
Cuantas soluciones existen y como determinarlas? y nalmente
Como determinar la solucion en forma eciente?
es decir, nos preocuparemos de problemas de existencia de soluciones, tipos de soluciones y desarrollo de
algoritmos de calculo
1
.
La representacion geometrica de un sistema lineal es limitada, ya que solo es posible realizarla en
espacios de dimension 1, 2 y 3, sin embargo es de gran valor para la comprension e intuiciones futuras,
nos permitira comprender el problema de existencia y tipo de soluciones posibles de un sistema lineal.
La representacion algebraica de los sistemas utilizando matrices, nos permite representar en una pri-
mera instancia un sistema lineal utilizando solo la data importante del sistema (coecientes y terminos
independientes) y nos acerca a la solucion de las preguntas fundamentales, anteriormente planteadas,
por analoga a las operaciones algebraicas que realizamos con las ecuaciones del sistema, al ir reducien-
do las variables de las ecuaciones que lo forman. Esta primera representacion matricial nos facilita, en
sistemas lineales de gran tama no, la tediosa manipulacion de las ecuaciones en los procesos de solu-
cion (que en ocasiones nos confunden y que es causa fundamental de equivocaciones), permitiendonos
una facil codicacion del problema y un trabajo mucho mas sistematico que conlleva a la construccion
de algoritmos de solucion, al mismo tiempo que nos abre caminos para responder a los problemas de
existencia y tipo de solucion de un sistema. En una segunda instancia, utilizando el algebra matricial un
sistema sera representado mediante una ecuacion matricial, lo que nos dara una nueva vision al problema.
La representacion vectorial nos permitira representar un sistema de ecuaciones lineales como una
ecuacion vectorial, introduciendonos naturalmente a conceptos propios del Algebra Lineal como son:
subespacio, conjunto generador, dependencia e independencia lineal, bases y dimension de subespacios,
que nos permitiran dar (o conrmar) respuestas a las preguntas fundamentales acerca de los sistemas.
1
En este libro no nos preocuparemos del analisis computacional de los algortmos presentados, ni de la medicion de
su eciencia. Solo dirigiremos nuestra atencion al estudio de los algortmos cl asicos y conaremos en que constituyen una
buena forma de determinar la soluci on de un sistema.
1
2 1. SISTEMAS DE ECUACIONES LINEALES
2. Las diferentes representaciones del problema
Antes de denir con precision los conceptos basicos de los sistemas de ecuaciones lineales, analicemos
una clasica y sencilla situacion en la que se utilizan sistemas lineales para su modelacion, que proba-
blemente usted ha resuelto con algebra elemental, prestando atencion a las diferentes representaciones
matematicas que puede tener, a la forma que toman las preguntas fundamentales, anteriormente enun-
ciadas, bajo cada una de estas representaciones y siempre con la vision de lograr una generalizacion al
caso de tener un n umero mayor de variables.
Situacion
Supongamos que una compa nia fabrica tazas y platos de ceramica. Para cada taza o plato un traba-
jador mide una cantidad ja de materia prima y la coloca en una maquina que los forma, a continuacion
pasa al vidriado y por ultimo al secado automatico. Se ha podido determinar que en promedio un trabaja-
dor necesita tres minutos para iniciar el proceso de una taza y dos minutos para un plato. El material para
una taza cuesta $125 pesos y el de un plato $100 pesos. Si se asignan un presupuesto determinado, por
ejemplo de $22,000 pesos diaros para la materia prima de las tazas y platos, el fabricante estara intere-
sado en saber cuantos platos y tazas se podran fabricar en un da de trabajo de 8 horas, suponiendo que
sus obreros trabajan cada minuto y se gasta diariamente el total del presupuesto asignado para materiales.
Para la modelacion de esta situacion, elegimos como variables de entrada la cantidad de tazas y platos
fabricadas en un da de trabajo y variables de salida el tiempo requerido diariamente para la produccion
y el costo diario de materiales, esto es:
x: Cantidad de tazas fabricadas en un da de trabajo.
y: Cantidad de platos fabricados en un da de trabajo.
t: Tiempo requerido diariamente para iniciar la produccion de x tazas e y platos.
c: Costo diario de materiales para la produccion de x tazas e y platos.
2.1. Representacion Funcional.
El tiempo total requerido diariamente para iniciar el proceso de elaboracion de x tazas e y platos
es de t = 3x + 2y minutos, el costo diario de materiales de las x tazas y los y platos esta dado por
c = 125x + 100y. Lo que dene la funcion
f(x, y) = (t, c) = (3x + 2y, 125x + 100y)
la cual permite determinar el tiempo de produccion y los costos de materiales, necesarios para la produ-
cion de las x tazas e y platos, y dar soluci on a las preguntas que el fabricante se formule.
Observe que la funcion f actua sobre vectores de la forma v = (x, y) (es una funcion de variable
vectorial) y sus valores son tambien vectores w = (t, c) ( es una funcion de valor vectorial). Este tipo de
funciones son denominadas en general campos vectoriales.
Por otra parte, note que x N
0
e y N
0
al representar cada una cantidades de objetos, lo que
signica que el dominio de f es el conjunto N
2
0
R
2
.
2
La pregunta a responder, planteada bajo esta representacion funcional, sera: (( Existe un vector
v = (x, y) con coordenadas enteras positivas o cero, tal que f(v) = (480, 22000) ? )),
lo que equivale a dos problemas: determinar la preimagen del vector b = (480, 2200) bajo la funcion f, y
elegir las preimagenes que tienen coordenadas enteras positivas, es decir, determinar todos los vectores del
dominio de f que son enviados por la funcion al vector b y de ellos seleccionar los que tengan coordenadas
2
Recuerde que, N
0
= N {0} y N
2
0
denota el producto cartesiano N
0
N
0
.
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 3
positivas y enteras.
El Algebra Lineal se preocupa principalmente en dar respuesta a la primera cuestion, ya que la
segunda depende de las restricciones de la situacion particular que se desee analizar. Esto implica que
se daran solucion a los problemas considerando que las variables toman sus valores en el cuerpo de los
n umeros reales (o en el de los complejos) y a continuacion se utilizaran las restricciones que la situacion
considerada amerite.
Pensando en general, dada cualquier funcion f, resulta obvio que hay solo dos posibilidades: que f
tome el valor b o que no lo tome, seg un b este o no en el recorrido de la funcion. Si f toma el valor b, el
problema tiene solucion y la pregunta natural es, Cuantos vectores del dominio de f se van en el vector
b al aplicar la funcion?. Pasaramos del problema de existencia, al problema de decidir el tipo de solucion
que se tendra: si existe un solo vector cuya imagen por f es b, el problema tendra solucion unica. Lo
sorprendente en este tipo de problemas es que cuando hay solucion, existen unicamente dos posibilidades:
la solucion es unica o es innita
3
.
Esto se debe a que las funciones que se utilizan para modelar estos problemas son campos vectoriales
muy particulares: son transformaciones lineales.
El problema del tipo de solucion, bajo la representacion funcional, dependera de las propiedades de
la transformacion lineal f que se tenga, concretamente de su inyectividad. Esta representacion funcional
sera estudiada con todo detalle en el captulo 4: Transformaciones lineales.
2.2. Representacion Algebraica y Geometrica.
Otra forma de abordar la situacion considerada, es generar a partir de los datos del problema las
ecuaciones que x e y deben satisfacer y utilizar las propiedades algebraicas de los n umeros reales, con el
n de encontrar una solucion. Para facilitar la construccion de las ecuaciones, es util anotar los datos en
una tabla:
Tazas Platos Total
Tiempo 3 2 480
Costo 125 100 22,000
Note que, x e y deben satisfacer simultanemente las siguientes ecuaciones:
_
3x + 2y = 480
125x + 100y = 22000
con x, y N
0
que al ser consideradas en conjunto, forman lo que se denomina un sistema de ecuaciones. Como cada
ecuacion del sistema es lineal (termino que precisaremos mas adelante, pero informalmente signica que
las variables en cada una de estas ecuaciones es de grado 1) diremos que el sistema es un sistema de
ecuaciones lineales.
Observe, que apartir de la representacion fucional se puede obtener esta representacion algebraica (el
sistema de ecuaciones lineales), utilizando el algebra vectorial,
3
Esto no contradice el hecho de que la soluci on de una situacion real contenga un n umero nito de elementos, por
ejemplo 2, 3 o n elementos n = 1, ya que cuando se habla de innitas soluciones se hace referencia a la solucion matematica
del problema, anterior a la consideraci on de las restricciones de las variables utilizadas en la modelacion de la situacion, son
estas restricciones precisamente las que transforman el conjunto solucion en uno nito.
4 1. SISTEMAS DE ECUACIONES LINEALES
f(x, y) = (480, 22000) (3x + 2y, 125x + 100y) = (480, 22000)
_
3x + 2y = 480
125x + 100y = 22000
.
Dado un sistema de ecuaciones lineales, antes de invertir recursos en buscar una solucion, la postura
adecuada sera determinar si es necesario usarlos, lo que se traduce en determinar si el sistema tiene o no
solucion.
En nuestro caso particular, la respuesta a esta pregunta puede ser encontrada con el solo hecho
de considerar la representacion geometrica de cada una de las ecuaciones del sistema. Note que, la
representacion geometrica de cada una de estas ecuaciones es una recta.
L
1
: 3x + 2y = 480
L
2
: 125x + 100y = 22000
.
El querer determinar los valores de x e y que satisfagan ambas ecuaciones, se traduce geometrica-
mente en determinar la interseccion entre estas rectas, es decir el conjunto L
1
L
2
.
Al calcular la pendiente de cada recta se tiene que, la pendiente de L
1
es m
1
=
3
2
y la de L
2
es
m
2
=
5
4
. Puesto que m
1
= m
2
las rectas no son paralelas y por tanto se cortan en un solo punto.
Concluyendose, que el problema tiene solucion unica. La solucion se puede estimar gracamente, como
se muestra en la gura siguiente,
Soluci on x = 80, y = 120
Cuando se tiene un sistema lineal con dos o mas ecuaciones, en el que intervienen unicamente dos
variables, para determinar si el sistema tiene o no solucion y el tipo de solucion que posee (en el caso de
tenerla), basta con pensar en general, en las posibles posiciones de las rectas en el plano: Todas las rectas
pueden ser paralelas y por tanto no existira un punto de interseccion o se intersectan dos a dos en puntos
distintos formando una conguracion poligonal (lo que se traduce en que el sistema no tiene solucion);
o todas las rectas pueden intersectarse en un solo punto (lo que signica que el sistema tiene solucion
unica); o todas las rectas puedan coincidir (que corresponde a que el sistema tiene innitas soluciones),
como se observa en los gracos siguientes:
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 5
Los sistemas no tiene soluci on.
Los sistemas tienen soluci on: unica e innitas respectivamente.
Por supuesto, en este caso el problema de existencia y tipos de solucion se resuelve facilmente, porque
tenemos la forma de determinar la pendiente de cada una de las rectas del sistema, pero que sucede en
el caso de tener mas de dos variables?. Por ejemplo, si se tienen tres variables, sabemos que una ecua-
cion lineal de tres variables tiene como representacion geometrica un plano y el sistema sera entonces
la representacion algebraica del problema de intersectar dos o mas planos en el espacio. Como pueden
intersectarse estos planos en el espacio?, sera ahora la pregunta.
A pesar de que hasta este nivel (tres variables) podemos representar geometricamente las ecuaciones
de un sistema lineal, la representacion geometrica es de gran utilidad ya que le da signicado al sistema,
ahora es facil imaginar que es lo que se desea determinar cuando se busca la solucion de un sistema lineal:
el punto de interseccion de los hiperplanos
4
que cada ecuacion representa.
Al saber que un sistema lineal tiene solucion, es el momento de preguntarse como determinar la
o las soluciones de un sistema?. Si el sistema tiene pocas variables, podemos recurrir a todo nuestro
conocimiento del algebra de los n umeros reales y el tratamiento de ecuaciones, y con toda seguridad no se
presentara ning un problema. Las dicultades comienzan cuando el n umero de variables y de ecuaciones
va aumentando: es usual que con tantas ecuaciones alguna se traspapele (lo que es fatal cuando se quiere
determinar una interseccion), o nos quedemos dando vueltas sin poder hallar la solucion del sistema. Surge
entonces la necesidad de generar procedimientos sistematicos (algortmos) que nos permitan soslayar estas
dicultades.
En el caso que estamos considerando, no debera existir dicultad alguna al aplicar directamente los
procedimientos algebraicos que conocemos, a un mas, los aplicamos en forma automatica, el desafo sera en
prestar especial atencion en los procedimientos que usamos y en la forma en que los realizamos, con el
objetivo de claricar lo que se hace, de buscar la mejor forma de hacerlo ( en el sentido de evitar que se
presenten las dicultades anteriormente planteadas) y de como generalizarlo al caso de tener sistemas de
gran tama no.
2.3. Representacion Matricial.
En el trabajo algebraico de las ecuaciones de un sistema surge la necesidad de abstraer los elementos
relevantes que diferencian cada una de las ecuaciones que lo forman, su data n umerca: los coecientes de
las variables y los terminos independientes. De esta abstraccion nace una primera representacion matricial
de un sistema lineal.
Ilustremosla con el sistema que estamos considerando,
4
Un hiperplano es un subconjunto H de vectores en R
n
el cual est a denido por:
H = {(x
1
, x
2
, . . . , xn) R
n
| a
1
x
1
+a
2
x
2
+ +anxn = b, b R, a
i
R, i = 1, 2, . . . , n}.
Observe que si se tienen dos variables, el hiperplano H coincide con una recta y cuando se tienen tres variables H coincide
con un plano. Por eso es usual decir, que un hiperplano es la generalizacion del concepto de recta al espacio n-dimensional
6 1. SISTEMAS DE ECUACIONES LINEALES
_
3x + 2y = 480
125x + 100y = 22000
Si consideramos la matriz A = (a
ij
)
22
, donde a
ij
representa el coeciente de la variable j en la ecuacion i,
A =
_
3 2
125 100
_
denominada matriz de coecientes del sistema y designamos por
b =
_
480
22000
_
la matriz de orden 2 1, de los terminos independientes en cada ecuacion, el sistema queda codicado
en forma matricial mediante la matriz
[A | b ] =
_
3 2 480
125 100 22000
_
denominada la matriz aumentada del sistema.
Note que con esta representacion cada operacion realizada con las ecuaciones del sistema se trans-
formara en una operacion entre las las de la matriz, lo que permitira analizar el problema algebraico de
la busqueda de soluciones, con la seguridad de no cometer errores en la manipulacion de las ecuaciones
y nos permitira sistematizar la busqueda de las mismas. El objetivo principal en este caso, sera poder
responder a las preguntas fundamentales de existencia y tipo de solucion, observando los cambios en la
matriz aumentada, los cuales son un reejo de la manipulacion algebraica de las ecuaciones.
Una segunda representacion matricial de un sistema lineal se obtendra, al interpretar el sistema ha-
ciendo uso del producto matricial y la igualdad. En este contexto, un sistema lineal no es mas que una
ecuacion matricial del tipo AX = b.
En nuestro caso, para lograr esta representacion basta con considerar, la matriz A de coecientes del
sistema y designar por,
X =
_
x
y
_
la matriz de variables del sistema. Note que,
AX =
_
3 2
125 100
_ _
x
y
_
=
_
3x + 2y
125x + 100y
_
es la representacion conjunta del lado izquierdo de las ecuaciones del sistema. Haciendo uso de la igualdad
matricial, el sistema queda nalmente descrito por:
_
3 2
125 100
_
. .
A
_
x
y
_
..
X
=
_
480
22000
_
. .
b
.
Las soluciones de una ecuacion matricial AX = b dependera de las propiedades de la matriz de coe-
cientes A, en particular, como se mostro en el captulo anterior, la ecuacion AX = b tiene solucion unica
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 7
cuando la matriz A es una matriz invertible. Que podemos decir cuando la matriz A no es invertible?,
Que caractersticas de la matriz A hacen que un sistema tenga o no solucion? seran algunas de las
preguntas de interes bajo esta representacion.
2.4. Representacion Vectorial.
Por ultimo, si utilizamos el algebra vectorial, el sistema lineal que estamos considerando
_
3x + 2y = 480
125x + 100y = 22000
puede ser representado mediante la ecuacion vectorial
_
3
125
_
x +
_
2
100
_
y =
_
480
22000
_
.
Si v
1
=
_
3
125
_
, v
2
=
_
2
100
_
y b =
_
480
22000
_
la ecuacion anterior se transforma en
xv
1
+yv
2
= b donde x, y R.
En este caso, el problema se transforma en determinar si el vector b de R
2
se pueda expresar como
la suma de dos m ultiplos escalares de los vectores v
1
y v
2
.
Las preguntas fundamentales, bajo esta nueva representacion, seran:
Dado un conjunto de s vectores, {v
1
, v
2
, . . . , v
s
} de R
n
, Cuando sera posible expresar un vector b de R
n
mediante la ecuacion vectorial
b = x
1
v
1
+x
2
v
2
+ +x
s
v
s
donde x
i
son n umeros reales (o escalares) para i = 1, 2, . . . , s ?.
Dado que un vector b en R
n
es de la forma b = x
1
v
1
+x
2
v
2
+ +x
s
v
s
, esta representacion es unica?,
que condiciones deben satisfacer los vectores v
1
, v
2
, . . . , v
s
para que lo sea?.
Que condiciones deben satisfacer los vectores v
1
, v
2
, . . . , v
s
, para que cualquier vector b de R
n
pueda
expresarse como suma de m ultiplos escalares de los vectores v
1
, v
2
, . . . , v
s
?.
Sin duda, la expresion vectorial de un sistema de ecuaciones lineales nos dara una solida vision sobre
lo que es un sistema lineal y nos abrira nuevos caminos para explorar las preguntas fundamentales de
este captulo.
Finalmente, no podemos continuar, sin observar que la represetacion matricial y vectorial de un
sistema lineal, permiten precisar el tipo de funciones que intervienen en su representacion funcional. Note
que si un sistema lineal esta representado funcionalmente por f(X) = b, matricialmente por AX = b y
vectorialmente por b = x
1
v
1
+x
2
v
2
+ +x
s
v
s
, entonces
f(X) = AX
o equivalentemente
f(X) = x
1
v
1
+x
2
v
2
+ +x
s
v
s
.
8 1. SISTEMAS DE ECUACIONES LINEALES
Por una parte, el campo vectorial f esta determinado por una matrz A, el cual se puede interpretar
como el efecto de aplicar una matriz A a los vectores de R
n
. Por otra, la funcion f determina todas las
sumas de los m ultiplos escalares de un determinado conjunto de vectores jos en R
n
, que corresponden
precisamente a los vectores columnas de la matriz A.
El estudio detallado de cada una de las representaciones de un sistema lineal, nos permitira dar
respuesta a los interrogantes planteados, desde diferentes puntos de vista. Usted notara en el transcurso
de este estudio, el enrriquecimiento que se obtiene con el cambio oportuno de una representacion a otra.
Este captulo se dedicara al estudio de la representacion algebraica y matricial. Por extension se dedicara el
captulo 3: Espacios vectoriales de dimension nita, al estudio de la representacion vectorial.
Ejercicios 2.1.
1. En un taller de electromecanica se dispone de dos maquinas A y B que elaboran dos productos
P
1
y P
2
. Por razones de mantenimiento de las maquinas, A puede operar unicamente 50 horas
semanales y B solo 60 horas semanales. Cada unidad de producto P
1
debe procesarse 7 horas en la
maquina A y 8 horas en la maquina B, mientras que una unidad del producto P
2
necesita 4 horas
en la maquina A y 6 horas en la maquina B. Se desea determinar el n umero de unidades de cada
producto que deben producirse semanalmente para lograr la plena ocupacion de las maquinas.
a) Encuentre una funcion f, que permita determinar el tiempo de operacion semanal de cada
una de las maquinas para la elaboracion de los dos productos. En terminos de f, reformule
la pregunta que se quiere responder.
b) Determine un sistema de ecuaciones que modele la situacion planteada. Utilice la represen-
tacion geometrica de cada una de las ecuaciones del sistema, para responder a las preguntas:
El sistema tiene solucion?, Que tipo de solucion tiene?. Resuelva el sistema utilizando el
algebra de los n umeros reales. Si existe solucion, Es adecuada esta solucion, para responder
la pregunta de la situacion real?
c) Determine una ecuacion matricial que modele la situacion planteada. Utilice algebra matri-
cial, para responder la pregunta siguiente, La ecuacion tiene solucion unica?.
d) Determine una ecuacion vectorial que modele la situacion. Reformule la pregunta que se
quiere responder a este contexto. Represente geometricamente los vectores utilizados, para
responder a la pregunta: La ecuacion tiene solucion?
2. En una fabrica textil los requerimientos tecnicos de insumo por unidad de producto para la
elaboracion de dos artculos son: Para el artculo A
1
, 15 horas hombre y 1 hora maquina por
unidad de producto, para el artculo A
2
, 2 horas hombre y 17 horas maquina por unidad de
producto. Si se ha estimado que en el mes siguiente se podra disponer de 790 horas hombre y 390
horas maquina, se quiere determinar cual sera el plan de produccion para ese mes: el n umero de
unidades que se podran producirse con los requerimientos tecnicos que se disponen.
a) Determine un sistema de ecuaciones que modele la situacion planteada. Utilice la represen-
tacion geometrica de cada una de las ecuaciones del sistema, para responder a las preguntas:
El sistema tiene solucion?, Que tipo de solucion tiene?. Resuelva el sistema utilizando el
algebra de los n umeros reales. Si existe solucion, Es adecuada esta solucion, para responder
la pregunta de la situacion real?
b) Determine una ecuacion matricial que modele la situacion planteada. Utilice algebra matri-
cial, para responder la pregunta siguiente, La ecuacion tiene solucion unica?.
c) Encuentre una funcion f, que permita determinar el tiempo de operacion semanal de cada
una de las maquinas para la elaboracion de los dos productos. En terminos de f, reformule
la pregunta que se quiere responder.
d) Determine una ecuacion vectorial que modele la situacion. Reformule la pregunta que se
quiere responder a este contexto. Represente geometricamente los vectores utilizados, para
responder a la pregunta: La ecuacion tiene solucion?
2. LAS DIFERENTES REPRESENTACIONES DEL PROBLEMA 9
3. Se han tomado los siguientes datos de los registros de una empresa:
Mes 0 2 4 6 8
Produccion (miles de dolares) 0 2.9 14.8 39.7 74.3
Para modelar la produccion dependiendo del tiempo, el encargado del departamento de produc-
cion basado en su experiencia, supone que la funcion de produccion es del tipo:
P(t) = at
4
+bt
3
+ct
2
+dt +e.
a) Para determinar la funcion P el encargado genera un sistema de ecuaciones C ual sera?.
b) Represente este sistema matricialmente. Puede ser que el sistema tenga solucion unica?
De que dependera?
c) Represente el sistema vectorialmente. En este contexto Que se desea determinar?
4. La ecuacion de demanda para cierto artculo esta dada por 2p+4x = 50 y la ecuacion de la oferta
es 3p9x = 15, en donde p representa el precio y x la cantidad demandada o suministrada, seg un
sea el caso. Se desea determinar los valores de x y p en el punto de equilibrio.
a) Encuentre un sistema de ecuaciones que describa la situacion dada. Utilice la representacion
geometrica de cada una de las ecuaciones del sistema, para responder a las preguntas: El
sistema tiene solucion?, Que tipo de solucion tiene?. Si existe solucion, Es adecuada esta
solucion en la realidad?
b) Use la representacion matricial, para responder la pregunta siguiente, La ecuacion tiene
solucion unica?.
c) Determine una ecuacion vectorial que modele la situacion. Represente geometricamente los
vectores utilizados, para responder a la pregunta: La ecuacion tiene solucion?
5. En cada caso, utilice argumentos geometricos para dar respuesta a las preguntas, El sistema
tiene solucion? Que tipo de solucion posee?
a)
_
2x + 3y = 4
x + 4y = 1
b)
_
2x + 4y = 5
4x + 8y = 7
c)
_
2x +y = 1
4x + 2y = 2
d)
_
x + 3y z = 1
2x +y z = 4
6. Dado el sistema
_
ax +by = r
cx +dy = s
Utilizando su representacion matricial, determine condiciones sobre a, b, c, , d R, para que el
sistema tenga solucion unica y determine su solucion.
7. Dado el sistema
x
1
+3x
2
+x
3
= 0
2x
1
x
2
+5x
3
= 1
3x
1
3x
2
x
3
= 1
4x
1
2x
2
2x
3
= 3
a) Determine su representacion matricial.
b) Determine su representacion vectorial.
c) Determine su representacion funcional.
10 1. SISTEMAS DE ECUACIONES LINEALES
8. Dado el sistema
x +y z +w = 0
3x y +2z +2w = 3
3x 3y w 4z = 1
a) Representelo matricialmente.
b) Representelo vectorialmente.
c) Representelo funcionalmente.
9. Dada la ecuacion matricial
_
_
1 1 3
2 1 1
4 3 1
_
_
_
_
x
y
z
_
_
=
_
_
1
0
2
_
_
a) Determine su representacion algebraica.
b) Determine su representacion funcional.
c) Determine su representacion vectorial.
10. Dada la ecuacion matricial
_
_
1 1
2 3
1 1
_
_
t
_
_
s
r
t
_
_
=
_
0
1
_
a) Determine su representacion algebraica.
b) Determine su representacion funcional.
c) Determine su representacion vectorial.
11. Dada la ecuacion vectorial

_
_
1
2
1
_
_
+
_
_
1
0
1
_
_
=
_
_
1
1
0
_
_
a) Determine su representacion algebraica.
b) Determine su representacion matricial.
c) Determine su representacion funcional.
12. Dada la ecuacion vectorial

_
_
1
0
3
_
_
+
_
_
1
1
1
_
_
+
_
_
0
2
1
_
_
=
_
_
0
0
0
_
_
a) Determine su representacion algebraica.
b) Determine su representacion matricial.
c) Determine su representacion funcional.
3. SISTEMAS LINEALES: REPRESENTACI

ON ALGEBRAICA 11
3. Sistemas lineales: Representacion algebraica
Las deniciones y algortmos presentados en esta secccion no varan si en lugar de considerar el cuerpo
de los n umeros reales R, se considera el cuerpo de los n umeros complejos C (o cualquier otro cuerpo) y
en lugar de utilizar el algebra de n umeros reales se utiliza el algebra de los n umeros complejos.
Definici on 3.1. Dados a
1
, a
2
, . . . , a
n
R y b R una ecuaci on de la forma
a
1
x
1
+a
2
x
2
+ +a
n
x
n
= b
se denomina ecuacion lineal de orden n.
Los n umeros jos, a
1
, a
2
, . . . , a
n
que acompa nan las variables, se denominan coecientes de la ecua-
cion y b termino independiente.
En general, podemos decir que una ecuacion de la forma
a
1
f
1
(x
1
) +a
2
f
2
(x
2
) + +a
n
f
n
(x
n
) = b
donde a
1
, a
2
, . . . , a
n
son n umeros reales y f
1
, f
2
, . . . , f
n
son funciones reales, es una ecuacion lineal si y
solo si f
i
(x
i
) = x
i
para cada i = 1, . . . , n.
Las ecuaciones
2x + 3y = 1,

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

x + 3y = 1,

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

x = x y en la segunda f
2
(y) = e
y
= y.
Observe que, por la conmutatividad de la adicion de los n umeros reales, el orden de los terminos en
una ecuacion no es relevante. Sin embargo, para el estudio de las ecuaciones lineales se conviene establecer
un orden, lo que se ve reejado en los subindices que aparecen en la denicion. As por ejemplo, en la
ecuacion
3x 2y +z 5w = 2
la variable x
1
es la variable que aparece en el primer sumandose la ecuacion, esto es x
1
= x, la variable
x
4
= w ya que es la variable del cuarto sumando de la ecuacion y as sucesivamente. Esta distincion es
importante para poder referirse en forma precisa a las soluciones de una ecuacion lineal.
Definici on 3.2. Dada una ecuacion lineal a
1
x
1
+a
2
x
2
+ +a
n
x
n
= b de orden n, decimos que un
vector (s
1
, s
2
, . . . , s
n
) R
n
es una solucion de la ecuacion si y solo si
a
1
s
1
+a
2
s
2
+ +a
n
s
n
= b
es una proposicion verdadera.
Al conjunto de todos los vectores de R
n
que verican la ecuacion lineal se le denomina conjunto
solucion y se denota por: C
s
.
Ejemplo 3.1. Dada la ecuacion lineal de orden 2, 3x + y = 4, el vector (0, 4) R
2
es una solucion
de la ecuacion, ya que si x
1
= x = 0 y x
2
= y = 4 se tiene que la proposicion 3 0 + 4 = 4 es verdadera.
Mientras que el vector (1, 3) R
2
no es solucion de la ecuacion, debido a que si x = 1 e y = 3 la
proposicion 3 1 + 3 = 4 es falsa.
12 1. SISTEMAS DE ECUACIONES LINEALES
Para que un vector (x, y) de R
2
pertenezca al conjunto solucion de la ecuacion lineal 3x + y = 4 es
necesario que,
y = 4 3x
donde x toma cualquier valor en R. Utilizando la suma de vectores de R
2
y el producto por un escalar,
este conjunto queda expresado mediante la ecuacion vectorial,
(x, y) = (x, 4 3x) = (0, 4) +x(1, 3), x R.
De este modo, el conjunto solucion de la ecuacion lineal 3x +y = 4 es,
C
s
= {(0, 4) +x(1, 3) | x R}
cuya representacion geometricamente es una recta: la recta que pasa por el punto P = (0, 4) en la direccion
del vector v = (1, 3).
Es usual que el conjunto solucion de una ecuacion lineal se exprese en forma vectorial.
Ejemplo 3.2. Para determinar el conjunto solucion de la ecuacion lineal de orden 3,
x + 2y z = 3
despejamos cualquiera de las variables de la ecuacion, por ejemplo x
x = 3 2y +z.
Observe que en este caso las variables y y z son variables libres o parametros, lo que signica que pueden
tomar cualquier valor en el conjunto de los n umeros reales, y x depende de los valores asignados a estas
dos variables. El conjunto solucion en este caso dependera de dos parametros.
Utilizando la suma de vectores y el producto escalar de R
3
, se tiene que un vector (x, y, z) R
3
pertenece al conjunto solucion si y solo si
(x, y, z) = (3 2y +z, y, z) = (3, 0, 0) +y(2, 1, 0) +z(1, 0, 1), y, z R.
Concluyendose que el conjunto solucion de la ecuacion lineal dada es
C
s
= {(3, 0, 0) +y(2, 1, 0) +z(1, 0, 1) | y, z R},
el cual representa geometricamente un plano en R
3
: el plano que pasa por el punto P = (3, 0, 0) y
esta generado por los vectores v = (2, 1, 0) y u = (1, 0, 1).
5
Definici on 3.3. Un sistema de ecuaciones lineales de orden mn es un conjunto de m ecuaciones
lineales de orden n, el cual se representa explicitamente por,
S :
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
donde a
ij
R, para todo i = 1, 2, . . . , m, j = 1, 2, . . . , n, y b
k
R para todo k = 1, 2, . . . , m.
5
Para un repaso del algebra y geometra vectorial, ver el apendice: Geometra vectorial.
3. SISTEMAS LINEALES: REPRESENTACI

ON ALGEBRAICA 13
Los n umeros a
ij
se denominan los coecientes del sistema lineal y los b
k
terminos indepen-
dientes. Los x
i
son las variables del sistema.
Observe que para nombrar los coecientes del sistema se hace referencia a dos subndices: i, j, que
indican respectivamente la ecuacion lineal a la cual pertenece y la variable que acompa na. As, a
ij
sera el
coeciente de la variable j en la ecuacion i del sistema.
Ejemplo 3.3. Dado el sistema lineal de orden 2 3
_
3x + 2y + 3z = 1
4x + 3y 5z = 1
el coeciente a
23
= 5, que es el n umero que en la ecuacion 2 del sistema acompa na a la variable 3 (la
variable z).
Definici on 3.4. Un vector (s
1
, s
2
, . . . , s
n
) R
n
es una solucion del sistema S si y solo si es solucion
de cada una de las ecuaciones lineales del sistema.
Al conjunto de todas las soluciones de un sistema lineal se le denomina conjunto solucion del
sistema y se denota por: C
S
.
Un vector (s
1
, s
2
, . . . , s
n
) R
n
sera una solucion del sistema S si al darle a cada variable x
i
el valor s
i
,
para todo i = 1, 2, . . . n, en cada una de las ecuaciones del sistema, se obtienen proposiciones verdaderas.
Lo que equivale a que el vector (s
1
, s
2
, . . . , s
n
) pertenece a la interseccion de los conjuntos soluciones de
las ecuaciones lineales que forman el sistema. Por tanto
C
S
= C
s1
C
s2
C
sm
donde C
s
k
, k = 1, 2, . . . , m, representa el conjunto solucion de la k esima ecuacion del sistema S de
orden m n. De este modo, determinar el conjunto solucion de un sistema lineal es encontrar la inter-
seccion de los conjuntos soluciones de las ecuaciones lineales del sistema.
Si un sistema de ecuaciones lineales no tiene solucion se dice que es inconsistente y si tiene se
dice que es consistente. Por tanto, dado un sistema lineal S, si C
S
= el sistema es inconsistente, y si
C
S
= el sistema es consistente.
Definici on 3.5. Diremos que dos sistemas lineales S
1
y S
2
son equivalentes si tienen el mismo
conjunto soluci on. En tal caso escribimos: S
1
S
2
. As,
S
1
S
2
si y solo si C
S1
= C
S2
.
Ejemplo 3.4. Los sistema lineal de orden 2 2
S
1
:
_
3x + 5y = 1
2x + 10y = 4
S
2
:
_
3x + 5y = 1
x + 5y = 2
dieren en la segunda ecuacion, pero una ecuacion se puede obtener de la otra multiplicando a ambos
lados de la igualdad por un n umero: por
1
2
si se considera el sistema S
1
o por 2 si se considera S
2
. Como
al multiplicar una ecuacion por un n umero real distinto de 0, el conjunto solucion de la ecuacion lineal
no cambia, se tiene que la interseccion de los conjuntos solucion de las ecuaciones del sistema S
1
y la
interseccion de los conjuntos solucion de las ecuaciones del sistema S
2
es la misma, luego C
S1
= C
S2
y
S
1
S
2
.
14 1. SISTEMAS DE ECUACIONES LINEALES
3.1. Operaciones elementales.
Dado un sistema S de orden m n, utilizando las propiedades algebraicas de los n umeros reales,
podemos darnos cuenta que existen tres tipos de operaciones que permiten obtener sistemas equivalentes,
las cuales denominaremos operaciones elementales. Estas son:
1. Intercambio de ecuaciones.
2. Multiplicar una ecuacion por un n umero distinto de cero.
3. Multiplicar una ecuacion por un n umero y sumarlo a otra ecuacion.
Determinar el conjunto solucion de un sistema lineal S es construir una sucesion de sistemas equi-
valentes, S
1
, S
2
, . . . , S
r
, cada vez mas simples, de forma tal que las soluciones del sistema se puedan
determinar a partir del sistema S
r
por sustitucion o por simple inspeccion, como se puede observar en el
ejemplo siguiente.
Ejemplo 3.5. Determine el conjunto solucion del sistema lineal de orden 3 3
S :
_

_
x +y z = 1
3x +y +z = 2
5x +y + 3z = 3
Soluci on
De acuerdo a lo anterior, para encontrar las soluciones del sistema S determinamos sistemas equiva-
lentes utilizando operaciones elementales.
Si se multiplica la primera ecuacion del sistema S por 3 y se suma termino a termino con la segunda
ecuacion, se obtiene el sistema S
1
el cual es equivalente a S
S S
1
:
_

_
x +y z = 1
2y + 4z = 1
5x +y + 3z = 3
.
Si ahora se multiplica por 5 la primera ecuacion del sistema S
1
y se suma miembro a miembro con la
tercera ecuacion, se tendra un sistema S
2
equivalente a S
1
, que por transitividad es a su vez es equivalente
a S,
S S
1
S
2
:
_

_
x +y z = 1
2y + 4z = 1
4y + 8z = 2
.
Si a continuacion, se multiplica la tercera ecuacion del sistema S
2
por
1
2
, se obtiene un sistema S
3
equivalente a S
2
y a todos los anteriores,
S S
1
S
2
S
3
:
_

_
x +y z = 1
2y + 4z = 1
2y + 4z = 1
.
Note que las dos ultimas ecuaciones del sistema S
3
son iguales, lo que signica geometricamente, que de
los tres planos que forman el sistema S dos son iguales, como la interseccion de dos planos no puede ser
un punto, se concluye que si el sistema S tiene solucion esta no es unica.
Si se multiplica por 1 la segunda ecuacion de S
3
y se suma con la tercera, se tiene el sistema S
4
,
3. SISTEMAS LINEALES: REPRESENTACI

ON ALGEBRAICA 15
S S
1
S
2
S
3
S
4
:
_

_
x +y z = 1
2y + 4z = 1
0 = 0
.
en el cual ya no aparecen tres ecuaciones si no dos, en total coherencia con lo observado geometricamen-
te: hay dos planos y no tres. Preste atenci on al signicado de las dos ecuaciones de S
4
. Observe que los
dos planos representados por las ecuaciones son diferentes y no paralelos, debido a que tienen vectores
normales no paralelos: (1, 1, 1) y (0, 2, 4) respectivamente, lo que permite concluir que su interseccion
es una recta, lo que corresponde algebraicamente a que el sistema tiene innitas soluciones las cuales
dependeran de una variable: el parametro que sirve para describir vectorialmente la recta interseccion.
Finalmente, multiplicando la segunda ecuacion del sistema S
4
por
1
2
obtenemos el sistema S
5
,
S S
1
S
2
S
3
S
4
S
5
:
_

_
x +y z = 1
y 2z =
1
2
0 = 0
.
Utilizando el sistema S
5
, se puede determinar el conjunto solucion del sistema S, de la siguiente manera:
Se despeja la variable y en la ecuacion dos para obtener y en terminos de z,
y =
1
2
+ 2z,
la variable y se sustituye en la ecuacion 1 y se determina x en terminos de z
x = 1 y +z = 1
_
1
2
+ 2z
_
+z =
1
2
z.
Los valores de las variables x e y dependen de los valores de la variable z, esto da origen a una distin-
cion entre estos dos tipos de variables:en general, las variables dependientes se denominaran variables
basicas y las variables independientes variables libres o parametros. En el caso del sistema que se
esta considerado x e y son las variables basicas y z el parametro.
Un vector (x, y, z) de C
S
es de la forma
(x, y, z) =
_
1
2
z,
1
2
+ 2z, z
_
=
_
1
2
,
1
2
, 0
_
+z(1, 2, 1) donde z R.
El conjunto solucion del sistema S esta dado por:
C
S
=
__
1
2
,
1
2
, 0
_
+z(1, 2, 1) | z R
_
y representa la recta de R
3
que pasa por el punto Q = (
1
2
,
1
2
, 0) en la direccion del vector v = (1, 2, 1).

Ejemplo 3.6. Suponga que dos productos P


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

_
d
1
+ 2p
1

1
2
p
2
= 17
d
2

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

1
3
d
2
+p
1
= 2

1
4
d
1

1
2
d
2
+p
2
= 2
Multiplicando la tercera ecuacion por 1 y la cuarta ecuacion por 4, se tiene el sistema equivalente
_

_
d
1
+ 2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+ 3p
2
= 20
d
1
+
1
3
d
2
p
1
= 2
d
1
+ 2d
2
4p
2
= 8
Manteniendo ja la primera ecuacion, y restandola a la tercera y cuarta se obtiene el sistema equivalente
_

_
d
1
+2p
1

1
2
p
2
= 17
d
2

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

7
2
p
2
= 25
.
Manteniendo ja las dos primeras ecuaciones, restandole a la tercera ecuacion la segunda ecuacion mul-
tiplicada por
1
3
y restandole a la cuarta la segunda ecuacion multiplicada por 2 se tiene, el sistema
equivalente
_

_
d
1
+2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+ 3p
2
= 20

17
6
p
1

1
2
p
2
=
77
6
p
1

19
2
p
2
= 65
.
Multiplicando la cuarta ecuacion por 1 e intercambiandola por la tercera se tiene,
_

_
d
1
+2p
1

1
2
p
2
= 17
d
2

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

17
6
p
1

1
2
p
2
=
77
3
.
Multiplicando la ecuacion 3 por
17
6
y sumandola a la 4, se obtiene el sistema triangular
_

_
d
1
+2p
1

1
2
p
2
= 17
d
2

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

_
d
1
+2p
1

1
2
p
2
= 17
d
2

1
2
p
1
+3p
2
= 20
p
1
+
19
2
p
2
= 65
p
2
= 6
3. SISTEMAS LINEALES: REPRESENTACI

ON ALGEBRAICA 17
se obtienen los valores d
1
= 4, d
2
= 6, p
1
= 8 y p
2
= 6, que seran las soluciones para el punto de equilibrio
del mercado.
Es conveniente, que antes de seguir adelante, se resuelvan algebraicamente varios sistemas de ecuacio-
nes lineales de orden cada vez mayor, con el proposito de que se puedan experimentar las dicultades de
los tratamientos algebraicos de los sistemas y que se genere la necesidad de encontrar un procedimiento
sistematico mas eciente para determinar su conjunto solucion.
Ejercicios 3.1.
1. Determine si las ecuaciones dadas, son lineales o no en las variables x, y, z. Justique con preci-
sion.
a) 3x + 2y = 5 z + 2x
b)

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

3z + 2
2. En cada caso, encuentre el conjunto solucion de cada una de las ecuaciones lineales. Que repre-
senta geometricamente?
a) 2x + 3y = 3 2y
b) 3x 2y = y x
c) 3x = 3x y + 1
d) z 5x y = 4 z
e) x + 2y + 3z = 0
f ) x + 3y + 2z = 2 w
3. Utilizando un cambio de variable y determinando las restricciones sobre las variables que hacen
valido este cambio, transforme cada una de las ecuaciones no lineales, a una ecuacion lineal que
tenga el mismo conjunto que la ecuacion no lineal dada.
a) x +
1
y
= z
1
b) sin x + 3 cos y = 1
c)
2
x
+
3
y
+ 3z = 1
d) x
2
+y
2
+z
2
= 10
e) x
2
2x +y
2
4x 4 = 0
f ) cos x + 2 sin y z
2
2z = 0
4. Compruebe que, todo vector (x, y, z) R talque, x = 2 2z, y = 3 + z y z R satisface el
sistema
_
x +y +z = 1
2x + 3y +z = 5
5. Todo vector de la forma
_
2
3
,
2
3
, 0, 0
_
+z
_
4
3
,
1
3
, 1, 0
_
+w(0, 0, 0, 1) con z, w R, es una solucion
del sistema
_
x y +z w = 0
2x +y + 3z +w = 2
?
18 1. SISTEMAS DE ECUACIONES LINEALES
6. Sin resolver los sistemas, demuestre que son equivalentes
_
_
_
x
1
x
2
+x
3
= 1
2x
1
+ 2x
2
3x
3
= 2
3x
1
4x
2
4x
3
= 1
_
_
_
2x
1
+ 2x
2
3x
3
= 2
4x
1
4x
2
+ 4x
3
= 4
5x
2
+ 2x
3
= 2
7. Para que valores de a R el sistema
_
ax
1
+x
2
= 1
x +ax
2
= 2
tiene solucion unica?
8. Determine el conjunto solucion de cada uno de los sistemas lineales dados
a)
_
_
_
x y +z = 2
2x +y 3z = 1
x 2y +z = 0
b)
_
x y + 3z 2w = 1
2x 3y +z +w = 0
c)
_

_
x +y z = 0
x 3y +z = 1
x +y +z = 2
d)
_

_
2x + 4y + 6z = 18
4x + 5y + 6z = 24
2x + 7y + 12z = 30
e)
_

_
2y + 3z = 4
2x 6y + 7z = 15
x 2y + 5z = 10
9. Demuestre que el sistema
_

_
x
1
4x
2
+ 9x
3
= r
x
1
+ 2x
2
x
3
= s
2x
1
+x
2
+ 3x
3
= t
tiene solucion para todo r, s, t R que satisfacen r = 2t 3s.
10. Encuentre un sistema lineal de orden 2 2 cuyo conjunto solucion sea
{(0, 3) +t(1, 2) | t R} .
11. Encuentre un sistema lineal de orden 3 3 cuyo conjunto solucion sea
{(0, 1, 2) +t(1, 1, 1) | t R}
12. Por sustitucion, determine las soluciones de cada uno de los sistemas triangulares dados
3. SISTEMAS LINEALES: REPRESENTACI

ON ALGEBRAICA 19
a)
_
_
_
x +y +z = 10
2y +z = 1
z = 2
b)
_
x 2y +z = 3
y +z = 1
c)
_

_
a +b c d = 1
b +c +d = 0
c d = 0
d = 1
d)
_

_
2u 3v +w +t = 0
v +w +t = 1
2w 3t = 0
2t = 1
e)
_
_
_
x = 1
2x +y = 2
3x + 4y z = 0
f )
_
_
_
a = 2
1
2
a +b = 3

3
2
a +
1
2
b + 2c = 5
13. Determine, si existe, la interseccion de las rectas de ecuacion x + 2y = 2 y 2y x = 4.
14. La se nora Rodrguez esta mudando su biblioteca, al empacar los libros observa que si coloca 7
libros en cada caja, dejara uno afuera. Por otro lado, si pone 8 libros en cada caja, la ultima caja
solo contendra un libro. Cuantas cajas y cuantos libros hay en la biblioteca?
15. Nicolas y Claudia estan jugando a las cartas. Al inicio cada uno tiene la misma cantidad de
cartas. Durante la primera ronda Nicolas gano 20 cartas, pero durante la segunda ronda perdio
2
3
de las que tena al comenzar. Al nal de la segunda ronda, Claudia tiene tres veces las cartas que
tiene Nicolas. Cual era la cantidad total de cartas que se tenan?
16. Determine la ecuacion de una par abola con eje vertical en el planlo XY, que pasa por los puntos
P(1, 1), Q(1, 3) y R(2, 5).
17. Determine la ecuacion del plano que contiene los puntos P(1, 1, 2), Q(0, 1, 2) y R(1, 0, 1).
18. Determine la ecuacion del hiperplano de R
4
que contiene los puntos: P(1, 1, 1, 1), Q(0, 3, 1, 1)
y R(2, 3, 1, 0) y pasa por el origen.
19. Determine constantes A y B tales que
1
(x 2)(x + 4)
=
A
x 2
+
B
x 4
20. La demanda semanal del mercado de un determinado producto esta expresada por la funcion
lineal: q = 16 p y el suministro semanal al mercado por la funcion lineal: q = 4 + 2p.
a) Cual es el precio de equilibrio del mercado?
20 1. SISTEMAS DE ECUACIONES LINEALES
b) Si el exceso de demanda esta denido como la diferencia algebraica entre la cantidad deman-
dada y la cantidad suministrada a un precio de mercado dado, cual es el exceso de demanda
cuando el precio es de 3 unidades monetarias?
c) Si el exceso de suministro esta denido como la diferencia algebraica entre la cantidad sumi-
nistrada y la demanda a un precio de mercado dado, cual es el exceso de suministro cuando
el precio es de 5 unidades monetarias?
d) Graque las dos funciones indicando los valores pedidos en los items anteriores.
21. La demanda de cierto producto agrcola esta dada por p + 5q = 21, y el suministro proyectado
es, p 2q = 7.
a) Cuales son el precio y la cantidad de equilibrio?
b) Cual es el precio mas bajo en que no se vendera unidad alguna?
c) Si el gobierno comprase todo lo que se le ofreciera a $ 16, cuanto se suministrara a ese
precio y cuanto sera pedido por los consumidores?
22. Las ecuaciones de la oferta y la demanda de cierto artculo son: 3p + 5x = 200 y 7p 3x = 56,
respectivamente.
a) Determine los valores de x y p en el punto de equilibrio del mercado.
b) Si se impone un impuesto sobre las ventas de 12 % en cada artculo. Determine los nuevos
valores de equilibrio e interprete geometricamente.
23. La interseccion de los tres hiperplanos x+y +z +w = 6, x+z +w = 4 y x+z = 2 de R
4
Es una
recta, un punto o un conjunto vaco? Cual es la interseccion si se incluye el hiperplano x = 1.
24. Que condiciones deben cumplirse para que los puntos (0, a), (1, b) y (1, c) esten en lnea recta?
25. Para que valores de R, el conjunto solucion del sistema
_
x + 3y = 0
3x +y = 0
representa una recta?
26. En cada caso, encuentre un cambio de variable que transforme el sistema no lineal dado en uno
lineal y utilcelo para determinar las soluciones del sistema no lineal.
a)
_
_
_
1
x

1
y
= 1
3
x

1
y
= 3
b)
_
2x
2
4y
2
= 2
3x
2
y
2
= 3
c)
_
ln(xy) = 2
ln
_
x
y
_
= 1
d)
_
2
x+1
3
y
= 1
2
x+2
3
y+1
= 0
e)
_
_
_
tan x sin y + cos z = 2
tan x 2 sin y = 2
sin y cos z = 1
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 21
4. Sistemas de ecuaciones lineales: Primera representacion matricial
Para sistematizar el procedimiento de busqueda de soluciones de un sistema, es conveniente hacer un
cambio en la forma en que se representa. El primer paso, consiste en abstraer su data numerica y utilizar
matrices para su representacion.
Dado el sistema S de orden mn
S :
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
se construye una matriz A = (a
ij
)
mn
con los coecientes del sistema, en donde a
ij
representa el coe-
ciente en la ecuacion i de la variable j, explicitamente
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_

_
.
Esta matriz es denominada matriz de coecientes del sistema S y es una completa representacion de
la informacion del lado izquierdo (antes de los signos de igualdad) de las ecuaciones del sistema.
Si a la matriz A se le adiciona una columna, y en ella se coloca el vector columna
b =
_

_
b
1
b
2
.
.
.
b
n
_

_
formado por los terminos independientes de cada ecuacion, el sistema S queda representado por la matriz
[A | b ] de orden m(n + 1) dada por,
[A | b ] =
_

_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
b
m
_

_
la cual se denomina matriz aumentada del sistema S. Esta matriz contiene toda la data relevante del
sistema S: las las contienen la data numerica de las ecuaciones del sistema. Observe que se ha utilizado
una linea vertical para separar los coecientes de las ecuaciones de sus terminos independientes, esto no
es necesario y solo se hace para facilitar el paso a la representacion algebraica de los sistemas.
Ejemplo 4.1. En el sistema
S :
_

_
x +y z = 1
3x +y +z = 2
5x +y + 3z = 3
la matriz de coecientes del sistema es la matriz
22 1. SISTEMAS DE ECUACIONES LINEALES
A =
_
_
1 1 1
3 1 1
5 1 3
_
_
,
el vector de terminos independiente es el vector b =
_
_
1
2
3
_
_
y el sistema S quedara representado por la
matriz ampliada
[A | b ] =
_
_
1 1 1 1
3 1 1 2
5 1 3 3
_
_
.
Ejemplo 4.2. Si la matriz aumentada de un sistema es
_

_
1 1 2 1 3 2
0 2 1 1 1 3
2 1 3 2 4 1
1 5 1 1 0 3
_

_
su representacion algebraica esta dada por
x
1
x
2
+2x
3
+x
4
3x
5
= 2
2x
2
+x
3
+x
4
x
5
= 3
2x
1
x
2
+3x
3
2x
4
+4x
5
= 1
x
1
+5x
2
+x
3
+x
4
= 3
Puesto que la matriz aumentada de un sistema representa elmente todas sus ecuaciones, de inme-
diato se puede observar que toda operacion elemental aplicada sobre un sistema S, se transforma en una
operacion sobre las las de su matriz ampliada, operacion que denominaremos Operacion elemental
de la.
4.1. Operaciones elementales de la.
Las operaciones elementales de la pueden ser denidas en forma general para cualquier matriz
A M
mn
(R)
6
, sea que represente o no a un sistema de ecuaciones lineales.
Existen tres operaciones elementales de la: Intercambio de la, escalamiento y reduccion.
Si representamos la matriz A = (a
ij
)
mn
por medio de sus vectores la,
A =
_

_
F
1
F
2
.
.
.
F
i
.
.
.
F
j
.
.
.
F
m
_

_
las operaciones elementales de la quedan denidas de la siguiente manera:
6
Las operaciones que se van a denir, no cambian si considera A M
mn
(C)
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 23
Intercambio de las. Un intercambio de las es la funcion : M
mn
(R) M
mn
(R) denida
por:
(A) =
_

_
F
1
F
2
.
.
.
F
j
.
.
.
F
i
.
.
.
F
m
_

_
Esta operacion consiste en permutar (intercambiar) dos las en una matriz.
Si en una matriz se intercambia la la i con la la j se escribe: F
i
F
j
para indicar la operacion
realizada.
Escalamiento. Dado R {0} un escalamiento es la funcion : M
mn
(R) M
mn
(R)
denida por:
(A) =
_

_
F
1
F
2
.
.
.
F
i
.
.
.
F
m
_

_
.
Esta operacion consiste en multiplicar una la de A por un n umero distinto de cero.
Si la la i de una matriz se multiplica por = 0, para indicar esta operacion, se escribe: F
i
.
Reduccion. Dado R una reduccion es la funcion : M
mn
(R) M
mn
(R) denida por:
(A) =
_

_
F
1
F
2
.
.
.
F
i
.
.
.
F
j
+F
i
.
.
.
F
m
_

_
Esta operacion consiste en un escalamiento, la suma de dos las y una sustitucion.
Si el vector la F
i
de A se multiplica por , se obtiene el vector F
i
; si a continuacion este
vector se suma con el vector la F
j
se genera el vector F
j
+ F
i
el cual sustituye al vector F
j
de A para obtener la matriz B = (A) que es una reduccion de la matriz A. Esta operacion se
denota por: F
j
+F
i
, (indicando explicitamente cual la es multiplicada por el escalar y cual
es la la sustituida).
24 1. SISTEMAS DE ECUACIONES LINEALES
Definici on 4.1. Dos matrices A y B en M
mn
(R) se dicen equivalentes por las, si existe una
sucesion de operaciones elementales de la
1
,
2
, . . . ,
s
tal que,
B = (
s

s1

2

1
)(A) =
s
(
s1
( (
2
(
1
(A))))).
Dos matrices seran equivalentes por las, si una se obtiene a partir de la otra aplicando sucesiva-
mente operaciones elementales de la. Si las matrices A y B son equivalentes por las se escribira: A B.
En los ejemplos siguientes se determinara la solucion de un sistema lineal mediante su representacion
matricial y la aplicacion sucesiva de operaciones elementales de la. Preste especial atencion a las carac-
tersticas de la matriz con la cual se puede determinar si el sistema es o no consistente.
Ejemplo 4.3. Determine el conjunto solucion del sistema
_

_
x + 2y +z = 1
x y z = 0
x + 5y + 2z = 2
Soluci on
A partir de la matriz aumentada del sistema:
[A | b ] =
_
_
1 2 1 1
1 1 1 0
1 5 2 2
_
_
aplicamos operaciones elementales de la de la siguiente forma:
_
_
1 2 1 1
1 1 1 0
1 5 2 2
_
_

F
2
+F
1
_
_
1 2 1 1
0 1 0 1
1 5 2 2
_
_
Note que la operacion de la aplicada, equivale algebraicamente a haber eliminado la variable x de la
segunda ecuacion del sistema. Es conveniente ir indicando en cada paso las operaciones elementales de
la realizadas, ya que esto facilita el proceso de revision de los calculos n umericos.
_
_
1 2 1 1
0 1 0 1
1 5 2 2
_
_

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

F
3
+ (3)F
2
_
_
1 2 1 1
0 1 0 1
0 0 1 2
_
_
en este punto, podemos darnos cuenta que es el sistema tiene solucion unica. Cambiando a la represen-
tacion algebraica se tiene que S es equivalente al sistema
_

_
x + 2y +z = 1
y = 1
z = 2
.
Por sustitucion se obtiene: x = 1, y = 1 y z = 2.
Por tanto, el conjunto solucion del sistema contiene un solo elemento,
C
S
= {(1, 1, 2)}.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 25
La interpretacion geometrica de este resultado es la siguiente: los planos que forman el sistema se
intersectan en un punto.
La etapa de sustitucion, puede ser reemplazada por la aplicacion de operaciones elementales de la
manera siguiente,
_
_
1 2 1 1
0 1 0 1
0 0 1 2
_
_

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

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

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

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

Observe que, si el interes es solo analizar si un sistema es consistente o no, el proceso terminara al
obtener la matriz
_
_
1 2 1 1
0 1 0 1
0 0 1 2
_
_
.
Ejemplo 4.4. Determine el conjunto solucion del sistema lineal de orden 3 3
S :
_

_
x +y z = 1
3x +y +z = 2
5x +y + 3z = 3
Soluci on
El conjunto solucion de este sistema fue encontrado anteriormente, utilizando su representacion al-
gebraica. Ahora se resolvera mediante la aplicacion de operaciones elementales de la con el proposito de
observar la simplicacion que se obtiene con la representacion matricial.
[A | b ] =
_
_
1 1 1 1
3 1 1 2
5 1 3 3
_
_

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

F
3
+ (2)F
2
_
_
1 1 1 1
0 2 4 1
0 0 0 0
_
_
En este momento, se puede armar que el sistema tiene solucion. Que la ultima la de la matriz sea nula,
signica que el sistema tiene innitas soluciones, note que su solucion dependera de la variable z De
que depende esto?.
Continuando con la aplicacion de las operaciones elementales de la se tiene,
_
_
1 1 1 1
0 2 4 1
0 0 0 0
_
_

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

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

Ejemplo 4.5.
Determine si el sistema lineal
_

_
y 4z = 8
2x 3y + 2z = 1
5x 8y + 7z = 1
tiene solucion.
Soluci on Aplicando operaciones elementales del la a la matriz aumentada del sistema se tiene
_
_
0 1 4 8
2 3 2 1
5 8 7 1
_
_

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

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

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

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

4.2. Formas escalonadas y algoritmos para la solucion de un sistema lineal.


En los ejemplos anteriores, para analizar la consistencia de un sistema lineal, se han aplicado ope-
raciones elementales a la matriz aumentada del sistema hasta obtener una matriz con una forma bien
determinada, de escalon
_

_
1
3
2
1
1
2
0 1 4 8
0 0 0
5
2
_

_
motivo por el cual son denominadas: formas escalonadas.
Definici on 4.2. Se dice que una matriz A M
mn
(R) se encuentra en forma escalonada por
las, si satisface las condiciones siguientes:
1. Las las nulas, si existen, estan en la parte inferior de la matriz.
2. El primer elemento distinto de cero (de izquierda a derecha) en una la no nula es un uno,
denominado uno principal.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 27
3. Cada uno principal, esta a la derecha de los unos principales de las las anteriores.
Si adicionalmente A satisface la propiedad:
4. Cada columna que tiene un uno principal, tiene nulos los demas elementos
se dice que A esta en forma escalonada reducida.
El primer elemento, de izquierda a derecha, distinto de cero en una la se denomina un pivote. Todo
pivote en una la puede ser convertido en un 1 principal. La columna en la cual se encuentra un pivote
se suele llamar columna pivote.
Las siguientes matrices se encuentran en forma escalonada,
_

_
1 0 3 1 4
0 1 0 8 2
0 0 0 1 2
0 0 0 0 0
0 0 0 0 0
_

_
_

_
1 2 3 1
0 0 1 2
0 0 0 1
_

_
_

_
0 1 0 0 3 2
0 0 0 1 1 0
0 0 0 0 0 1
_

_.
Las siguientes matrices estan en forma escalonada reducida,
_

_
1 0 3 0 6
0 1 0 0 14
0 0 0 1 2
0 0 0 0 0
0 0 0 0 0
_

_
_

_
1 2 0 0
0 0 1 0
0 0 0 1
_

_
_

_
0 1 0 0 3 0
0 0 0 1 1 0
0 0 0 0 0 1
_

_.
y son equivalentes por las, respectivamente a las formas escalonadas anteriores.
Mientras que las matrices siguientes, no se encuentran en forma escalonada ni en forma escalonada
reducida,
_
_
0 1 0 0 3 0
0 0 0 0 0 1
0 0 0 1 1 0
_
_
_

_
1 3 1 1 2 0
0 0 0 0 0 0
0 0 1 0 1 3
0 0 0 1 1 0
_

_
Teorema 4.1. Dada A M
mn
(R) existe una forma escalonada B M
mn
(R) talque A B.
Demostraci on (Algortmo de Gauss)
Debido a que se trata de una demostracion de existencia, basta con determinar un algortmo que
permita, dada cualquier matriz A, obtener una forma escalonada equivalente a ella. Este algortmo es
denominado Algortmo de reduccion Gaussiana o simplemente Algortmo de Gauss
Si A = 0, no hay nada que demostrar ya que A se encuentra en forma escalonada. Si A = 0, entonces,
Paso 1. De izquierda a derecha, determine la primera columna de A con elementos distintos de cero, es
decir la primera columna pivote.
28 1. SISTEMAS DE ECUACIONES LINEALES
Paso 2. Intercambie las, si fuera necesario, para que el primer elemento distinto de cero (el pivote) de
la columna pivote, quede en la la mas arriba de la matriz. Supongamos que el pivote es a y que
la la mas alta en la que se puede colocar es la la j.
Paso 3. Realice la operacion
1
a
F
j
, para obtener el 1 principal en la columna pivote.
Paso 4. Transforme todos los elementos de la columna pivote que se encuentran bajo el 1 principal en 0,
utilizando operaciones elementales del tipo F
k
+F
j
.
Paso 5. No considere la la F
j
y todas las la por encima de ella, as como la columna pivote y todas las
columnas que se encuentran a su izquierda. Con la submatriz resultante, repita los pasos 1 a 5,
hasta que no sea posible obtener columnas pivote.
Como en este procedimiento solo se utilizan operaciones elementales por las, la matriz resultante B
es una forma escalonada equivalente por las a A, como se queria demostrar.

Ejemplo 4.6. Dada la matriz


A =
_
_
1 1 1 6
2 1 1 3
3 1 0 6
_
_
determine una forma escalonada equivalente por las a A. Es esta unica?
Soluci on Utilizando operaciones elementales de la se tiene
A =
_
_
1 1 1 6
2 1 1 3
3 1 0 6
_
_

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

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

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

1
3
F
3
_

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

_.
Por tanto, una forma escalonada equivalente por las a A es:
U
1
=
_

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

_.
Basta con darse cuenta que si antes de aplicar el algortmo de Gauss, se intercambian dos las, la forma
escalonada equivalente por las a A, sera distinta a la encontrada anteriormente. En efecto,
A =
_
_
1 1 1 6
2 1 1 3
3 1 0 6
_
_

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

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

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

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

2
3
F
3
_

_
1 1 1 6
0 1
3
2
6
0 0 1 2
_

_.
A es equivalente por las a la forma escalonada,
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 29
U
2
=
_

_
1 1 1 6
0 1
3
2
6
0 0 1 2
_

_.
Como U
1
= U
2
, se tiene que A no es equivalente por las a una unica forma escalonada.

Ejemplo 4.7. Dada la matriz


B =
_
_
0 2 0 1
1 2 3 1
1 1 1 0
_
_
determine dos formas escalonadas, diferentes, equivalentes por las a B.
Soluci on
B =
_
_
0 2 0 1
1 2 3 1
1 1 1 0
_
_

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

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

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

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

1
2
F
3
_

_
1 2 3 1
0 1 0
1
2
0 0 1
3
4
_

_
Una forma escalonada equivalente a B es U
1
=
_

_
1 2 3 1
0 1 0
1
2
0 0 1
3
4
_

_.
Note que al inicio de las reducciones se eligio como primer pivote el 1 que se encontraba en la la 2
de B. Si se elige el 1 que se encuentra en la la 3 de B como primer pivote se tiene,
B =
_
_
0 2 0 1
1 2 3 1
1 1 1 0
_
_

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

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

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

1
4
F
3
_

_
1 1 1 0
0 1 2 1
0 0 1
3
4
_

_
Otra forma escalonada equivalente a la matriz B es
U
2
=
_

_
1 1 1 0
0 1 2 1
0 0 1
3
4
_

_.

Observe que a pesar que una matriz A puede ser equivalente a mas de una forma escalonada, lo que
se mantiene invariante en ellas es:
Posicion de los pivotes y por ende de los unos principales,
30 1. SISTEMAS DE ECUACIONES LINEALES
Cantidad de unos principales y
Cantidad de columnas pivotes.
Si A es la matriz de coecientes de un sistema lineal y b el vector de terminos independientes del
sistema, el metodo de reduccion Gaussiana para determinar la solucion del sistema, consiste en
encontrar una forma escalonada equivalente por las a la matriz aumentada del sistema [A | b ] y a con-
tinuacion realizar sustituciones regresivas, como se ilustra en el ejemplo siguiente.
Ejemplo 4.8. Determine si el sistema lineal
_

_
x + 2y +z = 5
2x 3y z +w = 8
x + 2y 3z + 2w = 1
es consistente. En el caso de serlo determine el conjunto solucion del sistema.
Soluci on
De acuerdo con el metodo de reduccion Gaussiana, se debe determinar una forma escalonada equi-
valente por las a la matriz aumentada del sistema.
[A | b ] =
_
_
1 2 1 0 5
2 3 1 1 8
1 2 3 2 1
_
_

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

1
7
F
2

1
4
F
3
_

_
1 2 1 0 5
0 1
3
7

1
7
2
7
0 0 1
1
2
3
2
_

_.
Observe que la matriz de coecientes del sistema A, es equivalente por las a la forma escalonada
_

_
1 2 1 0
0 1
3
7

1
7
0 0 1
1
2
_

_
la cual tiene tres columnas pivotes, que coinciden no solo en n umero sino en posicion, con las columnas
pivote de la forma escalonada equivalente a la matriz aumentada del sistema [A | b ]. Esta doble coin-
cidencia nos indica, por una parte, que el sistema tiene solucion, debido a que la ultima columna de la
forma escalonada equivalente a [A | b ] no es una columna pivote, y por otra, que el sistema tiene inni-
tas soluciones que dependen de la variable libre w. Note ademas, que w es la variable que corresponde
precisamente a la columna no pivote y que las variables x, y y z las cuales corresponden a las columnas
pivotes dependeran de w.
En general, las variables que corresponden a las columnas pivotes se denominan variables basicas
y las que corresponden a las columnas no pivotes variables libres o parametros.
Para determinar el conjunto solucion del sistema, utilizamos la representacion algebraica de la forma
escalonada equivalente a la matriz aumentada,
_

_
1 2 1 0 5
0 1
3
7

1
7
2
7
0 0 1
1
2
3
2
_

_
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 31
para obtener el sistema
_
_
_
x + 2y + z = 5
y +
3
7
z
1
7
w =
2
7
z
1
2
w =
3
2
denominado sistema triangular por analoga a la forma que presenta.
De la ultima ecuacion, se obtiene
z =
3
2
+
1
2
w.
Ahora se inicia la etapa de sustituciones regresivas (o hacia atras). De la segunda ecuacion se tiene,
y =
2
7

3
7
z +
1
7
w =
2
7

3
7
_
3
2
+
1
2
w
_
+
1
7
w =
5
14

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

5
14

1
14
w
_

_
3
2
+
1
2
w
_
=
19
14

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

5
14
w,
5
14

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

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

5
14
,
1
14
,
1
2
, 1
_
| w R
_
.

Teorema 4.2. Dada cualquier matriz A M


mn
(R) existe una forma escalonada reducida R
M
mn
(R) talque A R.
Demostraci on (Algortmo de Gauss-Jordan
7
)
Si A = 0, no hay nada que demostrar, A esta en forma escalonada reducida. Si A = 0 entonces,
Paso 1. Utilice el algortmo de Gauss para determinar una forma escalonada equivalente por las a A.
Paso 2. De derecha a izquierda, utilice operaciones elementales de la del tipo F
k
+ F
j
, para convertir
en 0, los elementos de las columnas pivote que se encuentran arriba del 1 principal de la columna
pivote.
7
Wilhelm Jordan fue un geodesista aleman conocido no solo por sus trabajos en topografa, sino por ser el fundador del
Journal of Geodesy. En 1873 Jordan publica su libro Handbuch der Vermessungskunde cuya primera seccion esta dedicada al
estudio del metodo de mnimos cuadrados, por ser uno de los metodos mas utilizados en topografa. En esa seccion presenta
en forma detallada el metodo de eliminacion de Gauss, para convertir un sistema lineal dado en un sistema triangular.
En la cuarta edicion del Handbuch presenta un algortmo explcito para resolver un sistema de ecuaciones con matriz de
coecientes simetrica, metodo que en la actualidad es concido como algortmo de Gauss-Jordan. A pesar que Jordan no
utilizo matrices, si explico como realizar transformaciones de las sobre tablas que contenian los coecientes del sistema.
La diferencia del algortmo presentado en el Handbuch y el que actualmente se utiliza, es que no se transforman los pivotes
a unos principales.
32 1. SISTEMAS DE ECUACIONES LINEALES
Cuando se halla aplicado el paso dos a todas las columnas pivote de A, se ha determinado la matriz
R.

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

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

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

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

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

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

1
3
F
3
_

_
1 0 1 1
0 1 1
1
2
0 0 1
11
6
_

_

F
2
F
3
F
1
+F
3
_

_
1 0 0
5
6
0 1 0
4
3
0 0 1
11
6
_

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

El metodo de Gauss-Jordan para la solucion de un sistema lineal S, consiste en determinar la


forma escalonada reducida de la matriz aumentada del sistema [A | b ] y por simple inspeccion determi-
nar las soluciones del sistema. Note que, la etapa de sustituciones regresivas, del metodo de reduccion
Gaussiana, es reemplazada por operaciones elementales de la.
Ejemplo 4.10. Utilice el metodo de Gauus-Jordan para determine el conjunto solucion del sistema
lineal
_

_
x
1
+x
2
+x
3
+x
4
= 6
2x
1
+x
2
x
3
= 3
3x
1
+x
2
+ 2x
4
= 6
.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 33
Soluci on
De acuerdo a la observacion anterior, se debe determinar la forma escalonada reducida equivalente a
la matriz aumentada del sistema,
_
_
1 1 1 1 6
2 1 1 0 3
3 1 0 2 6
_
_
.
_
_
1 1 1 1 6
2 1 1 0 3
3 1 0 2 6
_
_

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

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

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

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

F
2
3F
3
F
1
F
3
_

_
1 1 0 0 4
0 1 0 1 3
0 0 1 1 2
_

F
1
F
2
_

_
1 0 0 1 1
0 1 0 1 3
0 0 1 1 2
_

_.
De donde se obtiene
_

_
x
1
= 1 x
4
x
2
= 3 +x
4
x
3
= 2 x
4
, con x
4
R.
(x
1
, x
2
, x
3
, x
4
) C
S
(x
1
, x
2
, x
3
, x
4
) = (1 x
4
, 3 +x
4
, 2 x
4
, x
4
) = (1, 3, 2, 0) +x
4
(1, 1, 1, 1).
Por tanto,
C
S
= {(1, 3, 2, 0) +x
4
(1, 1, 1, 1) | x
4
R}.

Dada una matriz A M


mn
(R) y U cualquier forma escalonada equivalente por las a A, el al-
gortmo de Gauss-Jordan garantiza que a partir de U es posible obtener R, la forma escalona reducida de
A. Debido a que no hay intercambio de columnas, resulta obvio, que si R es la forma escalonada reducida
de A, la caracterstica com un entre todas las matrices U y la matriz R es la posicion y la cantidad de
unos principales (columnas pivotes). Por tanto, la cantidad y posicion de los unos principales (columnas
pivote) es una caracterstica de la matriz A.
Definici on 4.3. El rango de una matriz A M
mn
(R) es el n umero de unos principales (columnas
pivotes) en una forma escalonada equivalente por las a A.
Este n umero es denotado por: rang(A).
34 1. SISTEMAS DE ECUACIONES LINEALES
Note que, dada cualquier matriz A M
mn
(R) el rango de A, es menor igual al n umero de columnas
de A,
(A M
mn
(R))(rang(A) n).
Ejemplo 4.11. Determine el rango de la matriz
B =
_

_
0 1 0 1 3
2 2 4 6 4
1 1 0 2 1
3 2 1 5 1
_

_
Soluci on Para determinar el rango de la matriz B, basta con determinar una forma escalonada
equivalente por las a B. Utilizando el algortmo de Gauss, el lector puede vericar que
B =
_

_
0 1 0 1 3
2 2 4 6 4
1 1 0 2 1
3 2 1 5 1
_

_

_

_
1 1 0 2 1
0 1 0 1 3
0 0 1 16 11
0 0 0 1
19
25
_

_
.
Por tanto, rang(B) = 4.

El concepto de rango de una matriz, aplicado a las matrices asociadas a un sistema de ecuaciones
lineales, permite dar una primera respuesta a las preguntas fundamentales de existencia y tipo de solucion
de los sistemas lineales.
Teorema 4.3. (Teorema de Rouche- Frobenius)
Sean A M
mn
(R) la matriz de coeciente de un sistema lineal S de orden mn y b M
m1
(R)
la matriz de terminos independientes de S.
1. Si rang(A) < rang([A | b ]) entonces S no tiene solucion (es inconsistente).
2. Si rang(A) = rang([A | b ]) = r entonces S tiene solucion (es consistente). Ademas,
a) Si r = n entonces S tiene solucion unica.
b) Si r < n entonces S tiene innitas soluciones con n r parametros.
Demostraci on
Si U es una forma escalonada equivalente por las a la matriz A, existe una sucesion de operaciones
elementales tales que [A | b ] [U | b
1
] y claramente rang(A) rang([A | b ]).
rang(A) < rang([A | b ]), implica que b
1
es una columna pivote y tiene un 1 principal en alguna
posicion. Si suponemos que el 1 principal de b
1
se encuentra en s-esima posicion, la la s de la matriz
[U | b
1
] sera de la forma
_
0 0 0 1

, lo que conduce algebraicamente a la contradiccion 0 = 1,


concluyendose que el sistema S no tiene solucion.
Si rang(A) = rang([A | b ]) = r entonces r n, por tanto b
1
no contiene un 1-principal y claramente
el sistema S tiene solucion.
Si r = n, toda columna de U tiene un 1-principal (es una columna pivote), lo que signica que
ninguna variable podra expresarse en terminos de las otras. Por tanto, el sistema tiene solucion unica.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 35
Finalmente, si r < n las variables correspondientes a los unos principales de U (a las columnas
pivotes), quedaran expresadas en terminos de las n r variables restantes (las que no tienen unos prin-
cipales) que seran las variables libres del sistema. Esto signica que S tiene innitas soluciones con nr
parametros.

El teorema anterior, permite un analsis de las posibles soluciones de un sistema.


Ejemplo 4.12. Analizar seg un sean los valores de k y p en R, las posibles soluciones del sistema
_
2x + (k 1)y = 4
kx +y = p
Soluci on Para poder aplicar el teorema de Roche-Frobenius, se debe obtener una forma escalonada
de la matriz aumentada del sistema
[A | b ] =
_
2 k 1 4
k 1 p
_
..
Utilizando el algortmo de reduccion de Gauss se obtiene,
_
2 k 1 4
k 1 p
_

1
2
F
1
_
1
1
2
(k 1) 2
k 1 p
_

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

El determinar si un sistema tiene o no solucion, cuando depende de valores no determinados, como


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

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

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

1
2
(N 27)
_

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

1
2
(N 27)
_
.
Como rang(A) = rang([A | b ]) = 2 < 3, por el teorema de Roche-Frobenius, el sistema tiene innitas
soluciones dependiendo de un parametro para cualquier valor de N. Esto signica matematicamente,
que sin importar el valor asignado a N, es posible determinar los valores de x, y, z. Obviamente esta
solucion, dista mucho de la solucion del problema del encargado, ya que las variables del problema tie-
nen restricciones en la realidad: deben ser positivas y enteras. Esto suele ser usual, cuando se utiliza una
teora matematica para determinar soluciones a situaciones reales, despues de encontrar una solucion ma-
tematica se deben tener en cuenta las restricciones de las variables que surgen del problema en la realidad.
De acuerdo a la forma escalonada reducida de la matriz aumentada del sistema,
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 37
_
x =
1
2
(3N 27) +
3
2
z
y =
1
2
(N 27)
5
2
z
, z N.
x > 0
1
2
(3N 27) +
3
2
z > 0 z > 9 N
y > 0
1
2
(N 27)
5
2
z > 0 z <
1
5
(27 N)
Como se requiere que z exista, necesariamente, 9 N <
1
5
(27 N), por tanto N >
9
2
.
Debido a que z > 0 se obtiene,
9
2
< N < 27.
Puesto que 9 N < z <
1
5
(27 N) y z N, para que existan valores enteros de z es necesario que
1
5
(27 N) > 1, lo que permite restringuir a un mas los posibles valores de N,
9
2
< N < 22
Utilizando la restriccion N N, los valores factibles para N son: N = 5, 6, . . . , 21. El valor N = 5, no
produce valores enteros para z puesto que no hay ning un entero entre 4 < z < 4,4 , por tanto se elimina
del analisis.
La tabla siguiente muestra para cada valor factible de N, los valores que puede tomar la variable z,
N 9 N
1
5
(N 27) z
6 3 4,2 4
7 2 4 3
8 1 3,8 2 o 3
9 0 3,6 1, 2 o 3
10 -1 3,4 1, 2 o 3
11 -2 3,2 1, 2 o 3
12 -3 3 1 o 2
13 -4 2,8 1 o 2
14 -5 2,6 1 o 2
15 -6 2,4 1 o 2
16 -7 2,2 1 o 2
17 -8 2 1
18 -9 1,8 1
19 -10 1,6 1
20 -11 1,4 1
21 -12 1,2 1
Para cada uno de los valores de N y los correspondientes valores factibles de z, se debe analizar si es
posible que existan valores enteros positivos para las variables x e y. As por ejemplo, en el caso N = 6
y z = 4, utilizando x =
1
2
(3N 27) +
3
2
z e y =
1
2
(N 27)
5
2
z, se obtiene x = 1,5 e y = 0,5 lo que
conduce a descartar el valor N = 6.
La tabla siguiente muestra todos las posibilidades que tiene el encargado de obtener un ingreso de exac-
tamente 27 millones de pesos.
38 1. SISTEMAS DE ECUACIONES LINEALES
N z x y
8 3 3 2
9 2 3 4
10 1 3 6
10 3 6 1
12 1 6 5
13 2 9 2
14 1 9 4
15 2 12 1
16 1 12 3
18 1 15 2
20 1 18 1
Ahora su decision dependera de las otras variables economicas que le sean relevantes.
El siguiente ejemplo muestra que si un sistema tiene innitas soluciones, la forma de elegir los parame-
tros para expresar el conjunto solucion no es unica.
Ejemplo 4.14. El sistema
_

_
x + 2z w + 4t = 1
x +y 3z +w 2t = 2
x +y +z + 6t = 0
y z + 2t = 1
tiene innitas soluciones dependiendo de dos parametros. En efecto,
[A | b ] =
_

_
1 0 2 1 4 1
1 1 3 1 2 2
1 1 1 0 0 0
0 1 1 0 0 1
_

_

_

_
1 0 2 0 4 1
0 1 1 0 2 1
0 0 0 1 0 0
0 0 0 0 0 0
_

_
como rang([A | b ]) = rang(A) = 3, el teorema de Roche-Frobenius asegura que el sistema tiene innitas
soluciones con 5 3 = 2 parametros.
Utilizando la forma escalonada reducida de la matriz [A | b ], una manera natural de expresar la
solucion del sistema es:
_
_
_
x = 1 2z 4t
y = 1 +z 2t
w = 0
z, t R
C
S
= {(1, 1, 0, 0, 0) +z(2, 1, 1, 0, 0) +t(4, 2, 0, 0, 1) | z, t R}
donde las variables z, t son parametros. En general, al determinar la forma escalonada reducida de la
matriz ampliada de un sistema, las columnas no pivotes (las que no tienen unos principales), nos propor-
cionan la forma natural de elegir los parametros para expresar la solucion del sistema: las variables que
corresponden a las columnas no pivote.
Sin embargo, al escribir el sistema de ecuaciones que la forma escalonada representa
_
_
_
x + 2z + 4t = 1
y z + 2t = 1
w = 0
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 39
se observa que no solo x e y se pueden expresar en terminos de las variables z, t, si no que tambien, es
posible determinar x y z en terminos de y, t, lo que permite expresar el conjunto solucion del sistema
dado utilizando ahora como parametros las variables y, t, en lugar de z, t. Para esto, se despeja la variable
z de la segunda ecuacion y se sustituye en la primera
_
_
_
x + 2z + 4t = 1
y z + 2t = 1
w = 0

_
_
_
x = 1 2y 8t
z = 1 +y + 2t
w = 0
y, t R
C
s
= {(1, 0, 1, 0) +y(2, 1, 1, , 0, 0) +t(8, 0, 2, 0, 1) | y, t R}.
Observe que, analogamente es posible expresar el conjunto solucion del sistema utilizando las variables
y, z como parametros: despejando t de la segunda ecuacion en vez de z y sustituyendola en la primera.
Lo que no es posible, es expresar el conjunto solucion utilizando la variable w como parametro, debido a
que esta variable toma un valor jo, w = 0.
Surge entonces la pregunta, De cuantas formas se pueden elegir los dos parametros para expresar la so-
lucion del sistema considerado?. El sistema tiene cinco variables, de las cuales w es ja, por tanto existen
_
4
2
_
= 6 formas de elegir los dos parametros. En general si, A M
mn
(R) y rang(A) = rang([A | b ]) =
r < n y ninguna variable toma un valor jo, existen
_
n
n r
_
formas diferentes de elegir los nr parame-
tros; si s de las n variables toman un valor jo, los n r parametros se pueden elegir de
_
s
n r
_
.
Cuando se desea encontrar la solucion de un sistema no es necesario determinar todas las formas
posibles de expresar el conjunto solucion, basta con encontrar una, y generalmente se utiliza la natural: la
dada por la forma escalonada reducida de la matriz aumentada del sistema, en la cual los parametros (si
los hay) corresponden a las variables de las columnas no pivotes. Sin embargo, para algunas aplicaciones
se requiere expresar el conjunto solucion de los sistemas a resolver en terminos de variables especcas,
las cuales no corresponden a las columnas pivote. En el ejemplo estudiado se mostro la forma algebraica
de hacerlo, mas adelante se estudiara un procedimiento mas adecuado.
4.3. Sistemas Lineales Homogeneos.
Existe una clase de sistemas de ecuaciones lineales que es de gran importancia en los estudios teoricos,
ellos son los denominados sistemas lineales homogeneos.
Definici on 4.4. Un sistema de ecuaciones lineales se denomina homogeneo si los terminos inde-
pendientes de todas las ecuaciones del sistema son iguales a cero, es decir es un sistema de la forma
S :
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= 0
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= 0
.
.
.
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= 0
.
Observe que todo sistema lineal homogeneo es consistente, ya que el vector (x
1
, x
2
, . . . , x
n
) =
(0, 0, . . . , 0) R
n
es solucion de cada una de las ecuaciones del sistema. Nos referiremos a esta solu-
cion como la solucion trivial y en el caso en que el sistema tenga solucion unica (esta debe ser la trivial)
diremos que el sistema lineal homogeneo tiene solucion trivial.
En el contexto de los sistemas lineales homogeneos, la pregunta a responder sera: Cuando un sistema
lineal homogeneo tiene soluciones distintas de la trivial?. La respuesta a esta pregunta la proporciona el
teorema de Roche-Frobenius. Primero observe que la matriz aumentada de un sistema lineal homogeneo
40 1. SISTEMAS DE ECUACIONES LINEALES
esta dada por: [A | 0 ].
Debido a que la ultima columna de la matriz aumentada de un sistema lineal homogeneo, esta formada
unicamente por ceros, todas las matrices equivalentes por las a ella conservan esta caracterstica, seran
de la forma
[A | 0 ] [A
1
| 0 ] [R | 0 ].
Por tanto, la solucion de un sistema lineal homogeneo, depende unicamente del rango de su matriz de
coecientes.
Si A M
mn
(R) denota la matriz de coecientes de un sistema lineal homogeneo y rang(A) = r, el
teorema de Roche-Frobenius permite armar que,
1. Si r = n el sistema lineal homogeneo tiene solucion trivial, y
2. Si r < n el sistema lineal homogeneo tiene innitas soluciones con n r parametros.
Recuerde que, en general se tiene que r = rang(A) m. En el caso en que un sistema lineal homo-
geneo tenga mas variables que ecuaciones, es decir m < n , de la proposicion 2 se concluye que el sistema
tiene innitas soluciones. Por tanto
Todos sistema lineal homogeneo con mas variables que ecuaciones tiene innitas soluciones.
El ejemplo siguiente, muestra que el reciproco de esta armacion no es cierto: si un sistema lineal
homogeneo tiene innitas soluciones, no necesariamente debe tener mas variables que ecuaciones.
Ejemplo 4.15. Dado el sistema lineal homogeneo
_
_
_
x 2y z = 0
x 3y 2z = 0
2x + 4y + 6z = 0
para determinar si tiene soluciones distintas de la trivial, es suciente determinar el rango de la matriz
A =
_
_
1 2 1
1 3 2
2 4 6
_
_
de coecientes del sistema,
_
_
1 2 1
1 3 2
2 4 6
_
_

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

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

(1)F
2
_
_
1 2 1
0 1 1
0 0 0
_
_
Como rang(A) = 2 < 3, el sistema tiene innitas soluciones con 1 parametro. Para encontrar el conjunto
solucion del sistema, determinamos la forma escalonada reducida de A,
A
_
_
1 0 1
0 1 1
0 0 0
_
_
.
Para hacer una lectura adecuada, tenga presente que la forma escalonada reducida de la matriz aumentada
del sistema lineal homogeneo es
_
_
1 0 1 0
0 1 1 0
0 0 0 0
_
_
.
Por tanto, x = z e y = z. De donde
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 41
C
s
= {(1, 1, 1)z | z R}.
Observe que C
s
representa geometricamente una recta que pasa por el origen. Esto no es una coinciden-
cia, se debe a que siempre el conjunto solucion de un sistema lineal homogeneo siempre contiene al vector 0.
Se nalamos que no es necesario explicitar la forma escalonada reducida de [A | 0] para determinar la
soluciones de un sistema lineal homogeneo, es suciente recordar su forma y hacer el calculo directamente
utilizando la forma escalonada reducida de A.
Ejemplo 4.16. Dado el sistema lineal homogeneo
_
_
_
x
1
+ 2x
2
+ax
3
= 0
2x
1
4ax
2
2x
3
= 0
ax
1
2x
2
+x
3
= 0
Analice las posibles soluciones del sistema, dependiendo de los valores de a R.
Soluci on
El problema es equivalente a determinar los posibles valores del rango de la matriz de coecientes
del sistema
A =
_
_
1 2 a
2 4a 2
a 2 1
_
_
dependiendo de los valores de a R.
_
_
1 2 a
2 4a 2
a 2 1
_
_

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

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

F
3
+F
2
_
_
1 2 a
0 2(a + 1) (a + 1)
0 0 (a + 1)(a 2)
_
_
.
Para a = 2 se tiene rang(A) = 2, lo que implica que el sistema tiene solucion no trivial dependiendo de
un parametro. En el caso en que a = 1, rang(A) = 1 y el sistema tiene solucion no trivial dependiendo
de dos parametros. Finalmente, para todo a = 2 y a = 1, rang(A) = 3 y el sistema tiene solucion
trivial.

Ejercicios 4.1.
1. Determine una forma escalonada equivalente por las a la matriz dada y su forma escalonada
reducida.
a)
_

_
1 2 1 1 4
3 1 2 3 0
1 5 1 4 1
4 2 3 1 3
_

_
42 1. SISTEMAS DE ECUACIONES LINEALES
b)
_

_
2 0 1
5 3 2
3 4 1
3 9 2
_

_
c)
_

_
1 2 1 4 3
2 1 0 1 2
3 2 1 0 1
4 3 2 1 0
5 4 3 2 1
_

_
d)
_

_
1 1 1 0
1 1 0 0
1 0 0 0
0 1 1 1
0 0 1 1
_

_
e)
_
_
1 2 1 2 2
2 3 0 1 2
1 1 1 0 2
_
_
2. Determine dos formas escalonadas diferentes, para cada una de las matrices dadas
a)
_
_
1 0 0
1 1 1
0 1 1
_
_
b)
_
_
2 0 0 1
1 2 1 0
0 1 2 1
_
_
3. Demuestre que si adbc = 0, la forma escalonada reducida de la matriz A =
_
a b
c d
_
, es la matriz
identidad I
2
.
4. Demuestre que la forma escalonada reducida de la matriz R =
_
cos sin
sin cos
_
, es la matriz
identidad I
2
.
Determine el rango, de cada una de las matrices dadas
5. A =
_
_
2 0 4
1 1 3
1 3 1
_
_
6. B =
_

_
1 2 3
2 0 4
0 4 2
2 4 6
_

_
7. C =
_

_
2 5 6 8
1 2 4 3
0 1 14 14
3 6 12 9
_

_
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 43
8. D =
_
_
1 0 6 6 4
0 1 4 3 2
1 1 2 3 2
_
_
9. Sea A =
_
_
1 1 1 2
1 a b 2
1 1 c 2a
_
_
, determine los valores de a, b, c R para que
a) rang(A) = 1
b) rang(A) = 2
c) rang(A) = 3
10. Sea B =
_
_
1 1 4a
2
+ 1 b
0 1 3 a 0
2 1 7 a 2
_
_
,
a) Determine los valores de a, b R para que: rang(B) = 1, rang(B) = 2 o rang(B) = 3.
b) Suponga que B es la matriz aumentada de un sistema de ecuaciones lineales de orden 3 3.
Determine los valores de a, b R, para que el sistema sea inconsistente, tenga solucion unica
o innitas soluciones.
11. Sea C =
_

_
1 a b b
1 1 2 2
1 1 4 b a +b 2
1 a 2 a
_

_
,
a) Determine los valores de a, b R para que: rang(C) = 1, rang(C) = 2, rang(C) = 3
o rang(C) = 4.
b) Suponga que C es la matriz aumentada de un sistema de ecuaciones lineales de orden 4 3.
Determine los valores de a, b R, para que el sistema sea inconsistente, tenga solucion unica
o innitas soluciones.
12. Determine el valor de verdad de las siguientes proposiciones. Si es verdadera demuestrelo y si es
falsa de un contraejemplo
a) Si A M
n
(R), entonces rang(A
2
) = (rang(A))
2
.
b) Sea A M
n
(R). Si rang(A) = 0 entonces tr(A) = 0.
c) Sea A =
_
a 1
1 b
_
. Si rang(A) = 1 entonces ab = 1.
d) Sean A, B M
2
(R) tales que AB = AC. Si rang(A) = 2 entonces B = C.
Determine el conjunto solucion de cada uno de los sistemas dados
13.
_
_
_
x y +z w = 0
2x y z +w = 1
x +y 3z w = 2
14.
_

_
x +y +z w = 3
2x y + 2z +w = 8
x y +z = 1
x +y z w = 1
15.
_

_
x +z +w = 5
x z +w = 1
x +y +z +w = 3
2x + 2z = 2
44 1. SISTEMAS DE ECUACIONES LINEALES
16.
_

_
a b +c + 2d = 0
a +d = 1
b c d = 1
a + 2b +c = 3
17.
_

_
x + 2y + 3z 4w = 0
2x + 2y + 3z + 4w = 0
3x + 3y + 3z + 4w = 0
4x + 4y 4z 4w = 0
En cada caso, determine los valores de los parametros k, a, b, c R (seg un corresponda), para
que el sistema dado sea inconsistente, tenga solucion unica o innitas soluciones. Justique sus
respuestas utilizando el teorema de Roche-Frobenius.
18.
_

_
ax +y +z = 1
x +y z = 2
2x y +z = a
19.
_

_
2x 5y + 3z = 0
x y +z = 0
3x +by +z = 0
20.
_

_
x +ay = 0
ax ay + 2z = 0
2x +az = 0
21.
_

_
kx +y +z = 1
x +ky +z = 1
x +y +kz = 1
22.
_

_
ax +y +z = a
x +ay +z = 1
x +y +az = 1
23.
_

_
x + 2y 2z = 0
2x y +az = b
2x 2y + 3z = 1 +b
24.
_

_
(1 +k)x + (1 +k)y +z = 2
x + (1 +k)y +z = 3
2x y +z = 1 +k
25.
_

_
2x + (2 b)y = 0
(2b + 2)x +by + 2z = 2b 2
(b + 1)x + (b + 1)z = b 1
26. Demuestre que si el orden de una matriz es m n, la cantidad de columnas pivote es menor o
igual a m y menor o igual a n.
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 45
27. Muestre que si el sistema cuya matriz aumentada es [A | b] tiene solucion unica, entonces cual-
quier sistema de matriz aumentada [A | c] tambien tiene solucion unica.
28. Indicando los valores de a, b R, determine el conjunto solucion del sistema dado, en todos los
casos posible
_
_
_
x
1
+x
2
= 2
x
1
+x
3
= a
x
1
+ 2x
2
+bx
3
= 1
29. Dado el sistema
_

_
2x 3y +z w = a
4x 7y + 2z = b
2x +y z + 25w = c
2y 2w = d
.
Demuestre que es consistente si a +c +d + 0 y 2b + 4c + 5d = 0.
30. Dado el sistema
_

_
x
1
ax
2
x
3
+x
4
= b
x
1
+bx
2
+ 2x
3
x
4
= c
x
1
+cx
2
2x
3
+ 2x
4
= a
x
1
+x
2
x
3
x
4
= a +b +c
a) Determine los valores de a, b y c para que el sistema dado admita como solucion a
(1, 2, 0, 1) +t(1, 0, 1, 2), para un valor jo del parametro t
b) Determine condiciones entre a, b y c para que el sistema dado tenga solucion dependiendo
de un parametro.
31. Dado el sistema
_

_
x 2y z = 2
x y z =
2x 4y 2z = 4
2x + ( 6)y ( + 1)z =
Determine los valores de , , R para que el sistema sea consistente y tenga innitas solucio-
nes. Resuelva el sistema para el caso en que el cojunto solucion dependa de un parametro.
32. Dado el sistema
_
_
_
2x +y + 3z +w = 6
4x +y 3z +w = 5
2x +y +az +w = b
a) Determine los valores de a, b R para que el sistema tenga innitas soluciones.
b) Resuelva el sistema de modo que su solucion dependa de dos parametros.
c) Es posible resolver el sistema considerando a z como unico parametro?. Justique con pre-
cision
46 1. SISTEMAS DE ECUACIONES LINEALES
33. Dado el sistema lineal
_
x
1
+x
2
+x
3
= 6
2x
1
+x
2
x
3
= 4
Determine todas las soluciones posibles del sistema, si se supone que x
1
, x
2
, x
3
N {0}.
34. Sea X = (1, 2, 0, 3) +t(a, b, 1, c) con t R, una solucion del sistema
_

_
x
1
+ 3x
3
+ 2x
4
=
3x
1
2x
2
x
4
=
x
1
x
2
+x
3
2x
4
=
3x
1
x
2
+ 2x
3
+ 3x
4
=
Determine los valores de , , , , a, b y c.
35. Un nutricionista esta preparando una dieta que consta de los alimentos A, B y C. Cada onza de
alimento A contiene 2 unidades de protena, 3 unidades de grasa y 4 unidades de carbohidratos.
Cada onza del alimento B contiene 3 unidades de protena, 2 unidades de grasa y 1 unidad de
carbohidratos. Cada onza del alimento C contiene 3 unidades de protena, 3 unidades de grasa y 2
unidades de carbohidratos. Si la dieta debe proporcionar exactamente 25 unidades de protena, 24
unidades de grasa y 21 unidades de carbohidratos, Cuantas onzas de cada comida se necesitan?
36. En una heladera, por una copa de helado, dos pasteles y cuatro jugos, le cobran $3.400 un da.
Otro da, por cuatro copas de helado y cuatro pasteles, le cobran $4.400 y, un tercer da, le piden
$2.300 por un pastel y cuatro jugos. Tiene motivos para pensar que alguno de los tres das le
han presentado una cuenta incorrecta?
37. (El problema de Fibbonacci) Tres hombres poseen una sola pila de monedas y sus aportaciones
son
1
2
,
1
3
y
1
6
. Cada uno toma algo de dinero de la pila, hasta que no queda nada. A continuacion
el primer hombre regresa
1
2
de lo que tomo, el segundo
1
3
y el tercero
1
6
. Cuando el total de
lo que regresaron se divide por igual entre ellos, se descubre que cada hombre posee lo que le
corresponde por su aportacion.
a) Cuantas monedas haba en la pila y cuanto tomo cada uno?. Designe por x, y, z la cantidad
de dinero que tomaron los tres hombres de la pila de monedas y por M la cantidad total de
monedas de la pila.
b) La solucion dada por Fibonacci a este problema fue: M = 47, x = 33, y = 13 y z = 1. En
relacion con la solucion encontrada en a), Porque es correcta esta solucion?
38. Un padre deja todo su dinero a sus hijos herederos con las siguientes condiciones: al mayor le deja
la media de lo que les deja a los otros dos mas $30.000.000; al mediano, exactamente la media de
lo de los otros dos; y al peque no, la media de lo de los otros dos menos $30.000.000. Conociendo
estas condiciones solamente, pueden los hijos saber cuanto dinero ha heredado cada uno?
39. Construya un polinomio cuadratico p(x) = ax
2
+bx +c que satisfaga las siguientes condiciones:
p(1) = f(1), p

(1) = f

(1) y p(1) = f(1), donde f es una funcion , f

y f denotan su primera
y segunda derivada, respectivamente. Para,
a) f(x) = e
2x
.
b) f(x) = xe
x1
.
40. Una persona invirtio un total de 20 mil dolares en tres inversiones al 6 %, 8 % y 10 %. El ingreso
anual total fue de $1624 y el ingreso de la inversion al 10 % fue dos veces el ingreso de la inversion
al 6 %. De cuanto fue cada inversion?
4. SISTEMAS DE ECUACIONES LINEALES: PRIMERA REPRESENTACI

ON MATRICIAL 47
41. Una rma de transporte posee tres tipos distintos de camiones A, B y C. Los camiones estan
equipados para el transporte de maquinaria pesada: Horquillas y rodillos rompe hielo. Cada
cami on A puede transportar 2 horquillas, cada camion tipo B puede transportar una horquilla
y un rodillo rompe hielo, cada camion tipo C una horquilla y dos rodillos rompe hielo. La rma
consigue una orden para transportar 32 horquillas y 10 rodillos rompe hielo.
a) Determine el n umero de camiones de cada tipo que se requieren para cumplir la orden, asu-
miendo que, cada camion debe estar completamente cargado y el n umero exacto de maquinas
pedidas es el que se debe despachar.
b) Si la operacion de cada tipo de camion tiene el mismo costo para la rma Cual es la solucion
mas economica?
42. Una empresa fabrica tres modelos de guitarras electricas, stratocaster, telecaster y FIV. El costo
de produccion de cada unidad del modelo stractocaster es de $60.000 pesos, del modelo telecaster
es de $40.000 pesos y del modelo FIV es de $90.000 pesos. Ademas la fabricacion de cada modelo
(por unidad) requiere la utlizacion de 2 tipos de materia prima como se muestra en la tabla
siguiente:
Modelo Unidades materia prima 1 Unidades materia prima 2
Stratocaster 1 2
Telecaster 3 5
FIV 4 7
Materia prima disponible 40 77
a) Determine la funcion que permite calcular el costo total de producir x unidades del modelo
stratocaster, y unidades del modelo telecaster, z unidades del modelo FIV.
b) Si se debe ocupar toda la materia prima disponible del tipo 1 y del tipo 2, plantee un sistema
que permita calcular la cantidad guitarras de cada modelo que deben producirse. Resuelva
el sistema.
c) Determine la cantidad de guitarras que deben producirse de cada modelo para que el costo
total sea mnimo, si se deben producir al menos una guitarra de cada modelo.
43. Una compa na de inversiones vende tres tipos de fondos de inversion, estandar (E),de lujo (D) y
Golden (G). Cada unidad de E tiene 1 accion tipo A, 2 tipo B y 3 tipo C. Cada unidad de D
tiene 4 acciones tipo A, 1 tipo B y 2 tipo C. Cada unidad de G tiene 5 acciones tipo A, 3 tipo
B y 5 tipo C. Suponga que un inversionista desea comprar exactamente 10 acciones tipo A, 13
acciones tipo B y 20 tipo C, comprando unidades de los tres fondos.
a) Determine las combinaciones posibles de fondos tipo E, D y G que satisfagan los requeri-
mientos del inversionista.
b) Si cada unidad de E, D y G le cuesta al inversionista $300, $400 y $600 pesos respectiva-
mente Cuales de las combinaciones encontradas anteriormente minimizara el costo total del
inversionista?
44. Una peque na empresa fabrica tres productos. Si se venden x
1
, x
2
y x
3
unidades de cada producto,
se obtiene una ganancia neta por venta seg un la funcion
G(x
1
, x
2
, x
3
) = 20x
1
5x
2
+ 10x
3
.
Las perturbaciones del mercado indican que dicha ganancia esta sujeta a las siguientes restric-
ciones:
x
1
+ 2x
2
+ 8x
3
= 50
2x
1
+ 3x
2
+ 11x
3
= 80
x
1
, x
2
, x
3
0
a) Resuelva el sistema, considerando que las soluciones deben ser enteras.
b) Cual sera la ganancia maxima que se puede obtener?
48 1. SISTEMAS DE ECUACIONES LINEALES
c) Si se introduce la restriccion 7x
1
+13x
2
+kx
3
= p, determine los valores de k y p adecuados
de modo que la solucion obtenida en a) se mantenga.
5. Sistemas Lineales: Segunda representacion matricial
Hasta el momento se han utilizado matrices solo para codicar la data relevante de un sistema de
ecuaciones lineales, al utilizar el producto matricial, se obtiene una segunda representacion matricial de
un sistema lineal. Esta nueva representacion, no solo nos servira para dar respuesta a las preguntas de
consistencia de los sistemas, nos permitira representar adecuadamente los algortmos de solucion estudia-
dos anteriormente y enrriquecera nuestro conocimiento sobre las matrices mismas.
En general, dado un sistema lineal de orden mn,
S :
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
denotando por,
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_

_
la matriz de coecientes del sistema, por
b =
_

_
b
1
b
2
.
.
.
b
n
_

_
la matriz de terminos independientes (como se ha hecho anteriormente) y deniendo la matriz X por,
X =
_

_
x
1
x
2
.
.
.
x
n
_

_
matriz de variables del sistema, al utilizar el producto matricial, el sistema S se transforma en la ecuacion
matricial
AX = b.
Esta ecuacion, es usualmente denominada forma matricial del sistema S.
Si S es un sistema de ecuaciones de orden n n (con igual n umero de ecuaciones que de variables),
la matriz de coecientes del sistema A es una matriz cuadrada de orden n y AX = b es una ecuacion en
M
n
(R), que es un conjunto en el cual el producto matricial es una operacion. Como se vio en el captulo
1, la solucion de la ecuacion AX = b en M
n
(R) se facilita cuando A es una matriz invertible. En tal caso,
la solucion de la ecuacion Ax = b esta dada por,
X = A
1
b.
Debido a que la inversa de la matriz A es unica, el valor de X determinado es unico.
Traduciendo esto en el lenguaje de los sistema, diremos que un sistema lineal de orden n n tiene solu-
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 49
cion unica si la matriz de coecientes del sistema A es invertible y sera inconsistente o tendra innitas
soluciones en el caso en que A no sea invertible. Esto nos conduce a las preguntas Cuando una matriz
cuadrada de orden n es invertible? y si es invertible, Como calcular su inversa?, que son precisamente los
interrogantes que quedaron abiertas en el capitulo 1. Es el momento de dar solucion a estos interrogantes.
Antes de abordar las preguntas anteriores, veamos como la forma matricial de los sistemas lineales
nos facilita la demostracion de algunas propiedades de los sistemas, que bajo la representacion algebrai-
ca resultan un poco mas difciles de hacer. De ahora en adelante se hara referencia a un sistema lineal
mediante su forma matricial.
Teorema 5.1. Sea X
p
una solucion partcular del sistema lineal AX = b. Toda solucion de AX = b
es de la forma
X = X
p
+X
h
donde X
h
es una solucion del sistema lineal homogeneo AX = 0. En otras palabras, lo que se arma es
que si denotamos por C
S
el conjunto solucion del sistema AX = b y por C
H
el conjunto solucion del
sistema lineal homogeneo Ax = 0 se tiene
C
S
= X
p
+C
H
= {X
p
+X
h
| X
h
C
H
}.
Demostraci on
Sean X
h
una solucion del sistema lineal homogeneo AX = 0 y Z = X
p
+X
h
{X
p
+X
h
| X
h
C
h
}.
Puesto que,
AZ = A(X
p
+X
h
) = AX
p
+AX
h
= b + 0 = b
se tiene que Z es una solucion del sistema AX = b. Por tanto,
{X
p
+X
h
| X
h
C
h
} C
S
.
Por otra parte, dada cualquier solucion X

de AX = b, sea V = X

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

X
p
) = AX

AX
p
= b b = 0
lo que signica que V C
H
.
Esto demuestra que, dada cualquier soluci on X

del sistema AX = b, existe un vector V que es solucion


del sistema homogeneo AV = 0 que permite expresar
X

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

En la pr actica, el teorema arma que dado un sistema compatible AX = b y una solucion particular
X
p
, para determinar todas las soluciones del sistema AX = b, basta con resolver el sistema lineal ho-
mogeneo asociado AX = 0 y sumar cada vector de este conjunto solucion, con la solucion X
p
de AX = b.
Puesto que la solucion del sistema lineal homogeneo es un hiperplano que pasa por el origen, en terminos
geometricos, el teorema establece que la solucion del sistema AX = b, se obtiene trasladando este hiper-
plano a una solucion particular de AX = b.
50 1. SISTEMAS DE ECUACIONES LINEALES
El expresar el conjunto solucion de un sistema AX = b en forma vectorial, permite distinguir con
claridad cual es la solucion particular a la que hace referencia el teorema y cual es la solucion del sistema
lineal homogeneo asociado, como se ilustra en el ejemplo siguiente.
Ejemplo 5.1. El sistema lineal
_

_
x + 2z w + 4t = 1
x +y 3z +w 2t = 2
x +y +z + 6t = 0
y z + 2t = 1
tiene innitas soluciones, como se demostro en el ejemplo 4.14, su conjunto solucion esta formado por
todos los vectores X de R
5
que satisfacen
X =
_

_
x
y
z
w
t
_

_
=
_

_
1
1
0
0
0
_

_
+z
_

_
2
1
1
0
0
_

_
+t
_

_
4
2
0
0
1
_

_
, z, t R.
Luego, una solucion partcular del sistema es
X
p
=
_

_
1
1
0
0
0
_

_
y toda soluci on del sistema lineal homogeneo asociado
_

_
x + 2z w + 4t = 0
x +y 3z +w 2t = 0
x +y +z + 6t = 0
y z + 2t = 0
es de la forma
X
h
= z
_

_
2
1
1
0
0
_

_
+t
_

_
4
2
0
0
1
_

_
z, t R.
Es decir,
C
H
= {z
_
2 1 1 0 0

t
+t
_
4 2 0 0 1

t
| z, t R}.
Observe que para escribir este conjunto se ha utilizado la trasposicion de matrices, esto solo se ha hecho
con el proposito de ahorrar un poco de espacio y que el conjunto solucion se vea mejor.
Ejemplo 5.2. Si X
p
=
_
1 2 0 2 1

t
es una solucion del sistema
_

_
x + 2z w + 3t = a
x + 2y 2z + 3w +t = b
3x 4y z +t = c
5x 6y + 3z 4w + 3t = d
Determine los valores de a, b, c, d R y encuentre todas las soluciones del sistema.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 51
Soluci on
Si X
p
es una solucion particular del sistema, al remplazar los valores x = 1, y = 2, z = 0, w = 2 y
t = 1 en cada una de las ecuaciones del sistema, estas se deben satisfacer. Es decir,
_

_
1 + 2 0 2 + 3 1 = a
1 + 2 2 2 0 + 3 2 + 1 = b
3 1 4 2 0 + 1 = c
5 1 6 2 + 3 0 4 2 + 3 1 = d
.
Luego, a = 2, b = 10, c = 4 y d = 12.
De acuerdo al teorema anterior, para determinar el conjunto solucion del sistema dado, basta con deter-
minar las soluciones del sistema lineal homogeneo asociado,
_

_
x + 2z w + 3t = 0
x + 2y 2z + 3w +t = 0
3x 4y z +t = 0
5x 6y + 3z 4w + 3t = 0
.
Para esto, buscamos la forma escalonada equivalente por las a la matriz de coecientes
_

_
1 0 2 1 3
1 2 2 3 1
3 4 1 0 1
5 6 3 4 3
_

_

_

_
1 0 0 1 3
0 1 0 1 2
0 0 1 1 0
0 0 0 0 0
_

_
.
De donde,
_
_
_
x = w 3t
y = w 2t
z = w
w, t R.
Las soluciones del sistema lineal homogeneo estan dadas por,
X
H
= w
_

_
1
1
1
1
0
_

_
+t
_

_
3
2
0
0
1
_

_
w, t R.
Por el teorema anterior, las soluciones del sistema
_

_
x + 2z w + 3t = 2
x + 2y 2z + 3w +t = 10
3x 4y z +t = 4
5x 6y + 3z 4w + 3t = 12
son de la forma
X = X
p
+X
h
=
_

_
1
2
0
2
1
_

_
+w
_

_
1
1
1
1
0
_

_
+t
_

_
3
2
0
0
1
_

_
w, t R.

52 1. SISTEMAS DE ECUACIONES LINEALES


Ejemplo 5.3. Dado el sistema lineal AX = b, donde A es una matriz cuadrada de orden 4 y las
soluciones del sistema lineal homogeneo asociado son
X
H
= t
1
_

_
1
0
2
1
_

_
+t
2
_

_
0
1
3
4
_

_
t
1
, t
2
R
1. Es posible que A I
4
?
Observe que las soluciones del sistema lineal homogeneo asociado, dependen de dos parametros,
lo que signica que rang(A) = 4 2 = 2. Si R es la forma escalonada reducida equivalente por
las a la matriz A, R necesariamente debe tener dos las iguales a cero. Por tanto, no es posible
que A I
4
.
2. Si una solucion particular del sistema dado es
X
p
=
_

_
0
0
4
6
_

_
determine las soluciones de AX = b. Es posible determinar la matriz A?, en caso armativo,
encuentrela.
Las soluciones del sistema AX = b son
X =
_

_
0
0
4
6
_

_
+t
1
_

_
1
0
2
1
_

_
+t
2
_

_
0
1
3
4
_

_
t
1
, t
2
R.
Primero observe que la matriz A no es unica Porque ?. Se determinara una de ellas.
De la solucion anterior,
X =
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
0
0
4
6
_

_
+t
1
_

_
1
0
2
1
_

_
+t
2
_

_
0
1
3
4
_

_
=
_

_
t
1
t
2
4 + 2t
1
+ 3t
2
6 t
1
+ 4t
2
_

_

_

_
x
1
= t
1
x
2
= t
2
x
3
= 4 + 2t
1
+ 3t
2
x
4
= 6 t
1
+ 4t
2
.
Luego, x
1
, x
2
, x
3
, x
4
satisfacen el sistema
_
2x
1
3x
2
+x
3
= 4
x
1
4x
2
+x
4
= 6
.
Representando matricialmente este sistema y recordando que A es una matriz cuadrada de orden
4, se obtiene
_

_
2 3 1 0
1 4 0 1
0 0 0 0
0 0 0 0
_

_
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
4
6
0
0
_

_
.
As, una posible matriz es,
A =
_

_
2 3 1 0
1 4 0 1
0 0 0 0
0 0 0 0
_

_
.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 53
Note que, si aplicamos operaciones elementales a la matriz aumentada del sistema AX =
_

_
4
6
0
0
_

_
,
se obtiene un sistema equivalente lo que implica que es posible elegir una matriz A diferente a la
encontrada. As, por ejemplo, puesto que
_

_
2 3 1 0 4
1 4 0 1 6
0 0 0 0 0
0 0 0 0 0
_

_

_

_
2 3 1 0 4
1 4 0 1 6
4 5 1 2 8
1 4 0 1 6
_

_
otra posibilidad para A es,
A =
_

_
2 3 1 0
1 4 0 1
4 5 1 2
1 4 0 1
_

_
.
3. Resolver el sistema, considerando como parametros las variables x
3
y x
4
. Considere la solucion
particular dada en el item anterior.
Utilizando operaciones elementales de la se tiene,
_

_
2 3 1 0 4
1 4 0 1 6
0 0 0 0 0
0 0 0 0 0
_

_

_

_
1 0
4
11
3
11
2
11
0 1
1
11

2
11

16
11
0 0 0 0 0
0 0 0 0 0
_

_
Por tanto,
X =
_

_
2
11

16
11
0
0
_

_
+x
3
_

_
4
11
1
11
1
0
_

_
+x
4
_

3
11
2
11
0
1
_

_
, x
3
, x
4
R
4. Si al sistema dado se le agrega la ecuacion 2x
1
+ 3x
2
x
3
+ 5x
4
= k, determine el valor de la
constante k, para que se conserve la solucion del sistema encontrada en 2.
Una forma de determinar k, es exigir que la solucion dada en 2. satisfaga la ecuacion dada, es
decir
2t
1
+ 3t
2
(4 + 2t
1
+ 3t
2
) + 5(6 t
1
+ 4t
2
) = k
5t
1
+ 20t
2
+ 26 = k
Como se supone que k es constante, esta relacion contradice la naturaleza de k. Por tanto, no
existe un k R de modo que se mantenga la solucion del sistema.
5. Es tambien X
H
=
_

_
2
3
5
2
_

_
una solucion del sistema lineal homogeneo asociado?
54 1. SISTEMAS DE ECUACIONES LINEALES
Para que X
H
=
_

_
2
3
5
2
_

_
, sea una solucion del sistema lineal homogeneo asociado, deben existir t
1
,
t
2
en R tales que
t
1
_

_
1
0
2
1
_

_
+t
2
_

_
0
1
3
4
_

_
=
_

_
2
3
5
2
_

_
de donde, t
1
= 2, t
2
= 3, 2t
1
+ 3t
2
= 5 y t
1
+ 4t
2
= 2, lo cual es imposible, ya que si se
sustituyen los valores de t
1
y t
2
en la ultima ecuacion se llega al absurdo 14 = 2. Por tanto,
X
H
no es una solucion del sistema lineal homogeneo.
5.1. Matrices Invertibles.
Esta seccion esta dedicada a resolver el problema de determinar condiciones para que una matriz
A M
n
(R) sea invertible y en caso de serlo, como poder determinar su inversa.
Si A M
n
(R), se desea determinar condiciones para que exista una matriz X M
n
(R) que satisfaga
las ecuaciones matriciales
AX = I
n
y XA = I
n
.
Si se representa la matriz X por medio de sus columnas,
X =
_
C
1
C
2
C
n

el producto
AX = A
_
C
1
C
2
C
n

=
_
AC
1
AC
2
AC
n

.
Al representar la matriz identidad I
n
mediante sus vectores columnas,
I
n
=
_
e
1
e
2
e
n

donde e
k
, para todo k = 1, 2, . . . , n, es el vector cuya k-esima componente es 1 y sus demas componentes
son todas iguales a 0, la ecuacion AX = I
n
se transforma en
_
AC
1
AC
2
AC
n

=
_
e
1
e
2
e
n

.
Utilizando la igualdad de matrices se obtiene,
AC
1
= e
1
AC
2
= e
2
AC
n
= e
n
.
Como se desea que cada uno de los n sistemas anteriores tenga solucion unica, por el teorema de Roche-
Frobenius, el
rang(A) = n.
Por otra parte, como XA = I
n
implica que A
t
X
t
= I
n
, representando X
t
mediante sus vectores
columnas,
X
t
=
_
F
1
F
2
F
n

donde F
k
es la k-esima la de la matrix X, para k = 1, 2, . . . , n, se tiene que XA = I
n
si y solo si se
satisfacen las ecuaciones matriciales
A
t
F
1
= e
1
A
t
F
2
= e
2
A
t
F
n
= e
n
.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 55
Debido a que cada uno de los n sistemas anteriores deben tener solucion unica, por el teorema de Roche-
Frobenius, se tiene que rang(A
t
) = n.
Puesto que, en general rang(A) = rang(A
t
), las dos condiciones anteriores se reducen a una sola
rang(A) = n.
Note que para que A tenga inversa es necesario que cada uno de los 2n sistemas tengan solucion
unica, lo que implica que cualquier sistema de la forma AX = b debe tener igualmente solucion unica
y por tanto el sistema lineal homogeneo asociado AX = 0 tiene solucion trivial. El teorema siguiente
resume todas las conclusiones que surgen del procedimiento expuesto anteriormente.
Teorema 5.2. Dada una matriz A M
n
(R), las proposiciones siguientes son equivalentes,
1. A es invertible.
2. La ecuaci on AX = b tiene solucion unica para todo b R
n
.
3. La ecuaci on AX = 0 tiene solucion trivial.
4. La forma escalonada reducida de A es la matriz identidad, I
n
.
5. rang(A) = n.
6. Existe una unica matriz B M
n
(R) talque AB = I
n
.
Demostraci on
Para demostrar que las seis proposiciones son equivalentes, se utilizara un metodo cclico, se mos-
trara que: 1 2 3 4 5 6 1.
1 2: Si A M
n
(R) es invertible, existe una unica matriz A
1
M
n
(R) talque
A
1
A = A
1
A = I
n
.
Dado cualquier sistema AX = b, multiplicando a izquierda por A
1
ambos lados de la igualdad,
se tiene
A
1
AX = A
1
b
I
n
X = A
1
b
X = A
1
b.
Por tanto, el sistema AX = b tiene solucion unica X = A
1
b, para todo b R
n
.
2 3: Si AX = b tiene solucion unica para todo b R
n
, en particular para b = 0, lo que signica
que el sistema lineal homogeneo AX = 0 tiene solucion unica X = 0.
3 4: Sea R la forma escalonada reducida de A. Si R = I
n
, la matriz R necesariamente debe tener
una la de ceros. Puesto que R es una matriz cuadrada de orden n, rang(A) < n. El teorema de
Roche-Frobenius, asegura que el sistema lineal homogeneo AX = 0 tiene innitas soluciones, lo
que contradice la hpotesis. Por tanto, R = I
n
.
4 5: Si A es equivalente por las a la matriz identidad I
n
, claramente rang(A) = n.
5 6: Sea I
n
=
_
e
1
e
2
e
n

donde los e
k
representan los vectores columna de I
n
. Como
rang(A) = n, se tiene que para cada k = 1, 2, . . . , n, el sistema AX = e
k
tiene solucion unica un
vector B
k
R
n
. Entonces, para cada k = 1, 2, . . . , n, B
k
es el unico vector de R
n
que satisface:
AB
k
= e
k
.
Sea B =
_
B
1
B
2
B
n

la matriz cuyas columnas estan formadas por los vectores B


k
,
efectuando la multiplicacion AB se obtiene
56 1. SISTEMAS DE ECUACIONES LINEALES
AB = A
_
B
1
B
2
B
n

=
_
AB
1
AB
2
AB
n

=
_
e
1
e
2
e
n

= I
n
.
Lo que demuestra que existe una unica matrix B M
n
(R), talque AB = I
n
.
6 1: Supongamos que existe una unica matriz B M
n
(R) talque AB = I
n
. Si se considera el
sistema lineal homogeneo BX = 0, puesto que X se expresa en forma unica como X = I
n
X e I
n
como I
n
= AB se tiene,
X = I
n
X = (AB)X = A(BX) = A0 = 0.
Lo que muestra que X = 0, es la unica solucion posible para BX = 0.
Como se ha demostrado que, 2 3 4 5 6 y que el sistema BX = 0 tiene solucion trivial,
se asegura la existencia de una unica matriz B
1
M
n
(R), tal que BB
1
= I
n
, ya que 2 6.
Como
A = AI
n
= A(BB
1
) = (AB)B
1
= I
n
B
1
= B
1
,
se tiene que,
BA = BB
1
= I
n
.
De esta ultima igualdad y de la hipotesis AB = I
n
se concluye que A es una matriz invertible.

El teorema anterior sera de gran importancia para los desarrollos que se haran a lo largo de todo el
texto, as que le sugermos que lo tenga presente, ya que no solo sera aplicado con frecuencia, si no que
le sera util en cursos futuros. En este momento nos servira para determinar un procedimiento para el
calculo de la inversa de una matriz A M
n
(R).
Primero observe que, al demostrar que 6 1, se mostro que si existe una unica matriz X talque
AX = I
n
, necesariamente XA = I
n
. Lo que signica que las matrices A y X son inversas una de la otra
y por tanto
X = A
1
.
Este hecho, simplica la tarea del calculo de la inversa de una matriz: sera suciente asegurar la existencia
de una unica matriz que satisface AX = I
n
, para tener la certeza que X = A
1
.
Por otra parte, si se supone que A M
n
(R) es una matriz invertible, 6 asegura que existe una unica
matriz X talque AX = I
n
. Expresando X e I
n
mediante sus columnas,
X =
_
C
1
C
2
C
n

y I
n
=
_
e
1
e
2
e
n

y efectuaando la multiplicacion, como se ha hecho anteriormente,


AX =
_
AC
1
AC
2
AC
n

=
_
e
1
e
2
e
n

se tiene que cada uno de los sistemas


AC
1
= e
1
AC
2
= e
2
AC
n
= e
n
tiene solucion unica.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 57
Ahora si se piensa en detalle como se resuelven cada uno de estos sistemas utilizando el algortmo de
Gauss-Jordan, surge naturalmente el metodo que se busca. Recuerde que lo primero que se hace es
construir las matrices aumentadas de cada sistema,
[A | e
1
], [A | e
2
], , [A | e
n
],
a continuaci on se determina la forma escalonada reducida de cada una de ellas. Puesto que A I
n
, la
misma sucesion de operaciones elementales que hacen A equivalente a I
n
, sirven para determinar cada
una de las formas escalonadas reducidas que se requieren. Ademas, como para cada k = 1, 2, . . . , n, el
k-esimo sistema tiene a C
k
por solucion, se tiene que
[A | e
1
] [I
n
| C
1
], [A | e
2
] [I
n
| C
2
], , [A | e
n
] [I
n
| C
n
].
Debido a que, sobre cada matriz aumenta se utilizan las mismas operaciones elementales, resulta
impractico (por no decir absurdo) repetir n veces por separado, el mismo procedimiento. Lo adecuado
sera, ingeniarnos la manera de realizar estas operaciones en paralelo. Como se podra hacer?. Constru-
yendo la matriz
[A | e
1
e
2
e
n
] = [A | I
n
]
de orden n 2n, y determinando su forma escalonada reducida R.
Finalmente, observe que
[A | I
n
] R = [I
n
| C
1
C
2
C
n
] = [I
n
| A
1
]
lo que permite en n pasos (en lugar de n
2
pasos) determinar A
1
. El metodo encontrado es uno de los
metodos mas efectivos para el calculo de la matriz inversa.
El metodo anterior, se puede extender al problema de determinar si una matriz A es o no invertible. De
acuerdo al teorema anterior, para decidir si una matriz es invertible, es suciente con calcular su rango.
Note que, el rango de la matriz A se puede obtener a partir de la matriz
[A | I
n
],
buscando una forma escalonada equivalente. Si A no es invertible, no es necesario continuar el proceso
para hallar la forma escalonada reducida. Pero si A es invertible y se desea determinar su inversa, el
trabajo se ha adelantado bastante. Por supuesto, si unicamente se quiere determinar si A es invertible,
resulta impr actico utilizar [A | I
n
] en lugar de A, pues conlleva mayor cantidad de calculos. As, que se
aconseja utilizar la matriz [A | I
n
] unicamente cuando se quiere saber si A es invertible y se requiere
determinar A
1
.
Los ejemplos siguientes ilustran el uso de este metodo.
Ejemplo 5.4. Decida si la matriz
A =
_
_
1 4 0
2 3 1
2 2 1
_
_
es invertible. Si lo es, determine su inversa.
Soluci on
Como se desea, determinar si la matriz A es invertible y en caso de serlo, calcular A
1
. Se utiliza la
matriz [A | I
n
].
[A | I
n
] =
_
_
1 4 0 1 0 0
2 3 1 0 1 0
2 2 1 0 0 1
_
_

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

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

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

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

10
11
1
_
_

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

F
2

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

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

Ejemplo 5.5. Es la matriz


B =
_

_
1 0 1 1
2 1 1 0
2 3 1 2
1 4 1 3
_

_
invertible?
Soluci on
Puesto que lo unico que se requiere saber es si B es o no una matriz invertible, utilizamos directamente
B para determinar su rango. El lector puede vericar
B =
_

_
1 0 1 1
2 1 1 0
2 3 1 2
1 4 1 3
_

_

_

_
1 0 1 1
0 1 1 2
0 0 4 10
0 0 0 0
_

_
.
Como rang(B) = 3 = 4, se tiene que B no es una matriz invertible.

Ejemplo 5.6. Sea A = (a


ij
)
nn
la matriz denida por
a
ij
=
_
1 +x
i
si i = j
x
i
si i = j
donde, los x
i
R para cada i = 1, 2, . . . , n son tales que: x
1
+x
2
+ +x
n
= 1. A es invertible?.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 59
Soluci on
Por denicion la matriz A esta dada por,
A =
_

_
1 +x
1
x
1
x
1
x
1
x
2
1 +x
2
x
2
x
2
x
3
x
3
1 +x
3
x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
1 +x
n
_

_
.
Al realizar la sucesion de operaciones elementales: F
1
+F
i
para i = 2, 3, . . . , n se obtiene
A =
_

_
1 +x
1
x
1
x
1
x
1
x
2
1 +x
2
x
2
x
2
x
3
x
3
1 +x
3
x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
1 +x
n
_

_
1 +

n
k=1
x
k
1 +

n
k=1
x
k
1 +

n
k=1
x
k
1 +

n
k=1
x
k
x
2
1 +x
2
x
2
x
2
x
3
x
3
1 +x
3
x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
1 +x
n
_

_
.
Utilizando la hipotesis, x
1
+x
2
+ +x
n
= 1 se tiene,
A
_

_
1 + 1 1 + 1 1 + 1 1 + 1
x
2
1 +x
2
x
2
x
2
x
3
x
3
1 +x
3
x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
1 +x
n
_

_
=
_

_
2 2 2 2
x
2
1 +x
2
x
2
x
2
x
3
x
3
1 +x
3
x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
1 +x
n
_

_
1 1 1 1
x
2
1 +x
2
x
2
x
2
x
3
x
3
1 +x
3
x
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
n
x
n
1 +x
n
_

_
Aplicando las operaciones, F
k
x
k
F
1
para k = 2, 3, . . . , n, se obtiene nalmente que,
A
_

_
1 1 1 1
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
_

_
.
De donde se deduce que rang(A) = n. Por tanto A es invertible.

5.2. Matrices Elementales.


La idea fundamental de esta seccion, es utilizar la multiplicacion de matrices para expresar cada una
de las operaciones elementales de la y as describir de mejor forma los algortmos de reduccion que han
sido utilizados hasta el momento.
Suponga que se tienen la matriz
A =
_
a
11
a
12
a
13
a
21
a
22
a
23
_
y la matriz B la cual es obtenida a partir de A por la aplicacion de la operacion elemental: F
1
F
2
,
60 1. SISTEMAS DE ECUACIONES LINEALES
B =
_
a
21
a
22
a
23
a
11
a
12
a
13
_
.
La pregunta es: Es posible determinar una matriz E talque B = EA?
Primero determinemos el orden de la matriz E. Puesto que E y A deben ser compatibles para el pro-
ducto EA, el orden de E debe ser s2. Como EA = B, las dos matrices deben tener igual orden. Debido a
que el orden de EA es s3 y el de B es 23, se concluye que E debe ser una matriz cuadrada de orden 2.
Si E = (
ij
)
22
, el problema se reduce a determinar una matriz E talque,
_

11

12

21

22
_ _
a
11
a
12
a
13
a
21
a
22
a
23
_
=
_
a
21
a
22
a
23
a
11
a
12
a
13
_
Efectuando el producto se obtiene,
_

11
a
11
+
12
a
21

11
a
12
+
12
a
22

11
a
13
+
12
a
23

21
a
11
+
22
a
21

21
a
12
+
22
a
22

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

11
a
11
+
12
a
21
= a
21

11
a
12
+
12
a
22
= a
22

11
a
13
+
12
a
23
= a
23
.
Para que estas ecuaciones se satisfagan simultaneamente,
11
= 0 y
12
= 1. Analogamente, comparando
las segundas las, se tiene nalmente que
E =
_
0 1
1 0
_
.
Note que si a la matriz identidad I
2
=
_
1 0
0 1
_
, se le aplica la misma operacion elemental de la cual
se obtuvo B a partir de A: F
1
F
2
, se obtiene la matriz E. Lo interesante es que esto siempre es as.
Definici on 5.1. Se dice que una matriz E M
n
(R) es una matriz elemental, si se obtiene a partir
de la identidad I
n
por la aplicacion de una y solo una operacion elemental de la. Lo que equivale a que,
si es una operacion elemental de la, entonces E = (I
n
) se denomina matriz elemental.
Como existen tres tipos diferentes de operaciones elementales de la, existen tres tipos diferentes de
matrices elementales. As por ejemplos, en M
2
(R) se tienen los tres tipos de matrices elementales:
Matriz de Intercambio de Fila: E =
_
0 1
1 0
_
.
Matrices de Escalamiento: E
1
=
_
0
0 1
_
y E
2
=
_
1 0
0
_
con , R {0}.
Matrices de Reduccion: E
1
=
_
1 0
1
_
y E
2
=
_
1
0 1
_
con , R.
Teorema 5.3. Sea A M
mn
(R) y sea E M
m
(R) la matriz elemental obtenida a partir de I
m
por aplicacion de la operacion elemental . Si se aplica sobre A la operaci on elemental , entonces
(A) = EA.
Demostraci on
Denotemos la matriz A y la matriz I
m
por medio de sus vectores las,
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 61
A =
_

_
F
1
F
2
.
.
.
F
m
_

_
, I
m
=
_

_
e
1
e
2
.
.
.
e
m
_

_
..
Distinguimos tres casos seg un el tipo de matriz elemental E que se tenga.
Matriz de Intercambio de la: Sea una operacion elemental del tipo F
i
F
j
y E = (I
m
) .
Si se denotan las las de E por Fil
k
(E) con k = 1, 2, . . . , m, se tiene
Fil
k
(E) =
_
_
_
e
k
si k = i y k = j
e
j
si k = i
e
i
si k = j
.
Analogamente, si las las de EA se denotan por Fil
k
(EA), se tiene
Fil
k
(EA) =
_
_
_
e
k
A si k = i y k = j
e
j
A si k = i
e
i
A si k = j
=
_
_
_
F
k
si k = i y k = j
F
j
si k = i
F
i
si k = j
.
Por tanto, EA = (A).
Matriz de Escalamiento: Si es una operacion elemental del tipo F
i
con = 0 y E = (I
m
),
utilizando la misma notacion del item anterior, se tiene ahora que
Fil
k
(E) =
_
e
k
si k = i
e
i
si k = i
de donde,
Fil
k
(EA) =
_
e
k
A si k = i
e
i
A si k = i
=
_
F
k
si k = i
F
i
si k = i
.
Por tanto, EA = (A).
Matriz de Reduccion: Finalmente, si es una operacion elemental del tipo F
j
+F
i
y E = (I
m
),
se tiene
Fil
k
(E) =
_
e
k
si k = j
e
j
+e
i
si k = j
de donde,
Fil
k
(EA) =
_
e
k
A si k = j
(e
j
+e
i
)A si k = j
=
_
F
k
si k = j
F
j
+F
i
si k = j
.
Por tanto, EA = (A).

De este teorema, se deduce que los algoritmos de Gauss y de Gauss-Jordan pueden ser interpretados
como multiplicaciones a izquierda por matrices elementales. As por ejemplo, si U es una forma escalonada
equivalente por las a una matriz A M
mn
(R), la cual es obtenida a partir de A, aplicando la sucesion
de operaciones elementales
1
,
2
, . . . ,
s
y E
1
, E
2
, . . . , E
s
son las matrices elementales correspondientes
a cada una de estas operaciones, se tiene que
A A
1
A
2
A
3
U
62 1. SISTEMAS DE ECUACIONES LINEALES
corresponde a la sucesion de matrices
A
1
=
1
(A) = E
1
A
A
2
=
2
(
1
(A)) = E
2
E
1
A
A
3
=
3
(
2
(
1
(A))) = E
3
E
2
E
1
A
.
.
.
A
s
= U =
s
( (
2
(
1
(A))) = E
s
E
2
E
1
A.
Observe que si, se denota por G = E
s
E
2
E
1
el algortmo anterior puede resumirse en la igualdad
U = GA.
Como G = E
s
E
2
E
1
I
m
, el teorema anterior asegura que G se puede obtener a partir de la identi-
dad I
m
, aplicando las mismas operaciones elementales
1
,
2
, . . . ,
s
que fueron aplicadas sobre A.
Por tanto, si una sucesion de operaciones elementales cualesquiera transforma la matriz A en GA, la
misma sucesi on de operaciones elementales transforma la identidad I
m
en G. Ilustremos esto mediante
un ejemplo.
Ejemplo 5.7. Determinar una forma escalonada U de la matriz
B =
_
2 1 4
1 1 2
_
,
y hallar una matriz G, talque GB = U.
Soluci on
Hay dos formas de proceder para determinar G.
La primera, consiste en determinar una forma escalonada de la matriz B. A medida que se van apli-
cando las operaciones elementales se van registrando las matrices elementales correspondientes. Como G
es el producto de las matrices elementales, el problema esta resuelto. El cuidado que hay que tener es en
realizar la multiplicacion en el orden adecuado y tener presente que las matrices elementales se obtienen
a partir de la matriz identidad, aplicando una sola operacion elemental (si se aplican dos operaciones
elementales a la identidad, la matriz resultante ya no es una matriz elemental).
La segunda, consiste en utilizar en lugar de la matriz B, la matriz A = [B | I
2
]. El resultado se obtiene
directamente al determinar cualquier forma escalonada equivalente a A, puesto que
A = [B | I
2
] [U | G].
El calculo de las matrices elementales se justicara solo en el caso en que se quiera expresar la ma-
triz G como producto de matrices elementales. Se aprovechara este ejemplo para determinar no solo
la factorizaci on pedida U = GB, si no tambien para expresar la matriz G como producto de matrices
elementales.
_
2 1 4 1 0
1 1 2 0 1
_
. .
A

F
1
F
2
_
1 1 2 0 1
2 1 4 1 0
_
. .
E
1
A

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

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

2
3
_
. .
E
3
E
2
E
1
A
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 63
donde
E
1
=
_
0 1
1 0
_
, E
2
=
_
0 1
1 0
_
y E
3
=
_
0 1
1 0
_
.
Note que los productos: E
1
A, E
2
E
1
A , E
3
E
2
E
1
A estan dados por:
E
1
A = [E
1
B | E
1
I
2
], E
2
E
1
A = [E
2
E
1
B | E
2
E
1
I
2
], E
3
E
2
E
1
A = [E
3
E
2
E
1
B | E
3
E
2
E
1
I
2
]
De donde se obtiene que,
U = E
3
E
2
E
1
B y G = E
3
E
2
E
1
I
2
.
Por tanto
_
1 1 2
0 1 0
_
. .
U
=
_
1 1
1
3

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

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

En general, si A = [B | I
m
], los productos: E
1
A, E
2
E
1
A , E
s
E
2
E
1
A estan dados por:
E
1
A = [E
1
B | E
1
I
2
], E
2
E
1
A = [E
2
E
1
B | E
2
E
1
I
2
], . . . , E
s
E
2
E
1
A = [E
s
E
2
E
1
B | E
s
E
2
E
1
I
2
]
De donde se obtiene,
U = E
s
E
2
E
1
B y G = E
s
E
2
E
1
I
2
.
Observe la similitud del procedimiento anterior con el algortmo para el calculo de la inversa de una
matriz: si B M
n
(R) es invertible, B I
n
y se tiene que
I
n
= (E
n
E
2
E
1
)B.
Esto implica que,
B
1
= E
n
E
2
E
1
.
Como cada matriz elemental es equivalente por las a I
n
, se tiene que para cada i = 1, 2, . . . , n, la matriz
E
i
es invertible. Aplicando las propiedades de las matrices invertibles, la igualdad anterior se convierte
en
B = (E
n
E
2
E
1
)
1
= E
1
1
E
1
2
E
1
s
.
Expresion que factoriza la matriz B como un producto de inversas de matrices elementales, lo que nos
queda por demostrar es precisamente que la inversa de una matriz elemental es una matriz elemental.
Para nalmente obtener el siguiente resultado: Una matriz es invertible si y solo si es producto de ma-
trices elementales.
Antes de continuar, observe que toda operacion elemental de la es invertible y
1. Si es la operacion elemental F
i
F
j
entonces
1
= .
2. Si es la operacion elemental F
i
, con = 0, entonces
1
es la operacion elemental
1

F
i
.
3. Si es la operacion elemental F
i
+F
j
, entonces
1
es la operacion elemental F
i
F
j
.
64 1. SISTEMAS DE ECUACIONES LINEALES
La demostracion de las armaciones anteriores se deducen directamente de la denicion de cada una
de las operaciones elementales y se deja como ejercicio para el lector.
Teorema 5.4. Toda matriz elemental E M
n
(R) es invertible. Ademas, si es la operacion ele-
mental talque E = (I
n
) entonces E
1
=
1
(I
n
).
Demostraci on La demostracion es inmediata ya que, si E = (I
n
) y E

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

) = EE

y
I
n
=
1
((I
n
)) =
1
(E) = E

E.
Por tanto, E es invertible y E

= E
1
.

Observe que, el teorema anterior arma no solo que las matrices elementales son invertibles, si no que la
inversa de una matriz elemental es ella misma una matriz elemental, la cual es obtenida a partir de la
identidad por la aplicacion de la operacion elemental inversa.
Teorema 5.5. A M
n
(R) es invertible si y solo si A es producto de matrices elementales.
Demostraci on Si A es una matriz invertible, la forma escalonada reducida de A es I
n
. Por tanto,
existe una sucesion nita de matrices elementales E
1
, E
2
, . . . , E
r
tales que
I
n
= E
r
E
r1
E
2
E
1
A.
Puesto que E
i
es una matriz invertible para i = 1, 2, . . . , r, la matriz E
r
E
r1
E
2
E
1
es invertible, y de
la igualdad anterior se tiene,
A = (E
r
E
r1
E
2
E
1
)
1
= E
1
1
E
1
2
E
1
r1
E
1
r
Como cada E
1
i
es una matriz elemental, A es producto de matrices elementales, como se queria demos-
trar.
La otra implicacion es inmediata, ya que si existen matrices elementales E
1
, E
2
, . . . , E
s
tales que
A = E
1
E
2
E
r
A es invertible, por ser el producto nito de matrices invertibles.

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

ON MATRICIAL 65
_
_
0 a 0
b 0 c
b 0 0
_
_

F
2
F
3
_
_
0 a 0
b 0 0
b 0 c
_
_

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

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

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

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

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

Para nalizar esta seccion presentaremos una de las aplicaciones economicas mas interesantes, que
muestran la habilidad del algebra matricial para simplicar el analisis de diversos fenomenos economicos.
El modelo que presentaremos fue introducido por Wassily Leontief, premio nobel de economa en
1973, en un estudio sobre la economa de los Estados Unidos
8
. Su analisis introduce el algebra matricial
al tratamiento de los problemas del equilibrio general y desarrolla un modelo estatico, el cual resulta
ser de gran importancia para estimar los niveles productivos sectoriales y las relaciones intersectoriales
en una economa. El objetivo principal del modelo, es permitir a los economistas predecir los niveles
de produccion futuros de cada sector o industria, a n de satisfacer las demandas futuras para diversos
productos.
8
The Structure of American Economy, 1941
66 1. SISTEMAS DE ECUACIONES LINEALES
El analisis Insumo-Producto (Input-output) introducido por Leontief ha demostrado, a lo largo del
tiempo, ser uno de los instrumentos mas utiles para describir y analizar la estructura productiva de un
entorno economico determinado. Como parte de la Econometra, el analisis Insumo-Producto combina
el uso de la Teora Economica, el Analisis Estadstico y el Matematico. La construccion de matrices
insumo-producto se continuando haciendo actualmente. En Europa, por ejemplo, paises como Noruega,
Espa na, Dinamarca, Francia, Holanda, Alemana y el Reino Unido estiman matrices Insumo-Producto
aproximadamente cada 5 a nos y en latinoamerica lo hacen paises como Mexico, Chile
9
, Colombia, Cuba,
Costa Rica y Puerto Rico. En Puerto Rico existen matrices de Insumo-Producto desde 1949, siendo el
mismo Leontief junto con Amor Goseld, quienes supervisaron directamente su construccion.
Para hacer su modelo de equilibrio general empricamente manejable, Leontief introdujo ciertas sim-
plicaciones y supuestos. En primer lugar, redujo el n umero de mercancias (bienes economicos de todo
tipo destinados al intercambio) a unos pocos productos, uno por cada industria, el propio que lo caracte-
riza y el cual no es producido por ninguna otra. As, por ejemplo, la industria automotriz, solo produce
vehculos a motor y es la unica que lo hace, las demas industrias producen otros productos; en otras
palabras, Leontief hace un supuesto de identidad de la industria y el producto. En segundo instancia,
considero que cada producto era uniforme, es decir hay un supuesto de homogeniedad de los productos,
en el ejemplo anterior, esto signicara considerar que todos los vehculos a motor son los mismos. El
tercer supuesto que hace y el mas relevante, es declarar que en determinado perodo, cada insumo es
requerido en una relacion ja a la produccion a la cual contribuye, supuesto conocido como, supuesto de
los coecientes jos: la relacion expresada en terminos de cocientes, es independiente de los niveles de
produccion. La consecuencia inmediata del supuesto de coecientes jos es que cualquier cambio en los
datos, en el corto plazo, no conduce a una substitucion de los procesos productivos.
A lo largo del tiempo, cada uno de estos supuestos ha sido cuestionado por los economistas y se le han
hecho algunas modicaciones al modelo original para ir generalizandolo. Por ejemplo, el uso de la progra-
macion lineal convierte el modelo de Insumo- Producto en un procedimiento de optimizacion, eliminando
algunas de las restricciones del modelo simple de Leontief. En palabras de Chenery, la programacion lineal
ofrece un medio para eludir el supuesto limitativo de coecientes constantes de insumo en cado sector, al
mismo tiempo que retiene una formulacion que permite realizar la medida estadstica
10
. Los modelos de
Insumo-Producto basados en matrices Commodity-by-Industry (mercancia-por-Industria) en los cuales
las mercancias y las industrias entran explicitamente en el modelo, evitando la necesidad de agregar la
produccion multimercancia de cada industria en una mercancia sintetizada (como lo hizo Leontief); en
este analisis se reconoce el hecho de que cada industria usa y produce muchos productos y algunos de
los bienes es producido por mas de una industria
11
. Ya sea en su forma original o con variacion en
sus supuestos, el analisis Insumo-Producto, es actualmente aplicado a diferentes ramas de la economa
como son, el comercio internacional, la planicacion economica, el analisis economico regional, la teora
de precios entre otras.
El modelo que estudiaremos, es el modelo Insumo-Producto de demanda, cuyo objetivo es per-
mitir predecir los niveles de produccion futura de cada sector o industria a n de satisfacer las demandas
futuras para diversos productos.
En una economa hay un cierto n umero de sectores de produccion o industrias, cuyos productos ofer-
tados se destinan como materia prima para otras industrias (o sectores de produccion), o son destinados
a satisfacer la demanda nal de los consumidores, como pueden ser los productos destinados al sector
p ublico, a las familias o al comercio exterior. La economa es dividida en sectores productivos y sectores
nales, cada uno de los sectores productivos es constituido por diferentes empresas productivas con alguna
caracterstica en com un, por ejemplo, se podria considerar un sector agropecuario, conformado por las
empresas agrcolas y ganaderas tales como: produccion de hortalizas, de cereales, forrajes, ganado lechero,
ganado lanar, avcola, porcinos, etc. La produccion de un sector, es requerida como insumo para la pro-
duccion de otros sectores, e incluso para la produccion de ese mismo sector. El nivel correcto (sin decit
9
Ver Instituto Nacional de Estadsticas de Chile INE
10
Chenery, H.B; Clark, P.G. (1963). Economa Interindustrial. Insumo-Producto y Programacion lineal.
11
Este tipo de modelos fueron generado por economistas miembros del Canadas Dominion Bureau of Statistics-DBS.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 67
ni excedente) de produccion en un sector dependera de los requerimientos de su producto como insumo de
los sectores de la economa y a su vez, la produccion de otros sectores entrara en el sector como insumo.
En consecuencia, los niveles correctos de los otros productos dependeran de los requerimientos de insumo
del sector, estableciendose una dependencia entre sectores: cualquier conjunto de niveles correctos de los
sectores, debe ser consistente con los requerimientos de insumos en la economa. Es natural pensar, que
cuanto mayor sea el n umero de sectores que se consideren, mas utilidad tendra el analisis; lo ideal sera,
considerar tantos sectores como bienes se producen en una economa, pero eso resultara excesivamente
costoso, por la dicultad para recoger los datos necesarios para el analisis y por la complejidad de los
calculos necesarios para realizarlo, es tal el costo, que en la practica se han realizado a traves del tiempo,
una disminucion en el n umero de sectores productivos considerados, mas que un aumento.
Supongamos que la economa de una region se ha dividido en n sectores, para su modelo Leontief
distingue dos casos: cuando los n sectores constituyen el total de la economa y sus productos son para
el unico proposito de satisfacer la demanda de insumos de los mismos n sectores, o equivalentemente,
cuando se considera que todos los insumos utilizados en la economa, son insumos intermedios (los sumi-
nistrados por los n sectores) el modelo se denomina cerrado. Cuando los productos deben satisfacer la
demanda de insumos de los sectores productivos y de la demanda nal ( la demanda de los consumidores
y no solo para la produccion), considerandose de este modo, un sector abierto fuera de la red de los n
sectores productivos, los insumos intermedios (para la produccion) y los insumos primarios (que no son
productos industriales, como podra ser la mano de obra) el modelo se denomina abierto. En este texto
se estudiara principalmente el modelo abierto, por ser uno de los mas utilizados.
Para comprender, la modelacion realizada por Leontief consideremos una economa cticia formada
por tres sectores A, I y S, donde A es el sector Agropecuario (formado por las empresas agrcolas y
ganaderas), I el sector industrial (formado por todas las empresas que producen textiles, farmaceuticos,
petroqumicos, alimentos, bebidas, papel y derivados, etc.) y S el sector servicios (formado por todas
las empresas que prestan alg un tipo de servicio tales como bancos, transporte de carga, transporte de
pasajeros, comercio, servicios profesionales, servicios p ublicos, etc.). Para describir la interdependencia
de los sectores, lo primero que Leontief propone es construir una tabla de transacciones intersectoriales,
en la que se muestre como se interrelacionan todas las industrias, en el sentido de que cada una adquiere
productos fabricados por los demas sectores a n de llevar acabo su propio proceso productivo. Supon-
gamos, que la tabla para esta economa es la dada a continuacion, la cual se obtiene utilizando inferencia
estadstica, por medio de encuestas a las empresas representativas de cada uno de los sectores productivos,
I/O A I S Demanda Final Produccion Bruta
A 1200 800 2800 1200 6000
I 3000 1600 1400 2000 8000
S 600 3600 4600 5200 14000
La primera columna (con data numerica) de la tabla, se interpreta de la siguiente manera: el pri-
mer elemento 1200, representa las compras que el sector agropecuario ha efectuado a otras empresas
del mismo sector, por ejemplo, semillas, abonos, ganado para engorde, follaje, etc. El segundo elemento,
3000 representa las compras que el sector agropecuario ha efectuado al sector industrial, como pueden
ser, herramientas, fertilizantes, qumicos, insecticidas, tractores, tuberas, etc. El tercer elemento, 600
representa las compras que el sector agropecuario ha efectuado al sector servicios, tales como, servicio de
transporte de carga, servicio de sanidad e inmunizacion, asesora legal, servicio de almacenaje, servicio
de comercializacion, etc.
Por tanto, Las tres primeras columnas representan las demandas intermedias o la utilizacion interme-
dia, ya que estas cifras corresponden a los insumos que los sectores adquieren para fabricar sus productos,
y que corresponden a bienes que no llegan al consumidor nal, si no que se utilizan en el proceso de pro-
duccion.
La cuarta columna de la tabla, representa las compras que los consumidores nales efect uan a los
sectores de produccion, por tanto corresponde a los bienes que son adquiridos por las familias, por las
68 1. SISTEMAS DE ECUACIONES LINEALES
instituciones estatales, por otros pases, etc., siendo utilizados en consumo (compra de vestuarios, alimen-
tos, etc.) o en inversiones (compra de maquinaria, vehculos, bienes de activo jo, etc.). Esta columna
recibe el nombre de Demanda Final, ya que corresponde a bienes que no se utilizan como insumos in-
termedios para la produccion de otros bienes, sino que satisfacen una necesidad de alg un consumidor nal.
Las las, indican las cantidades vendidas por un sector dado a todos los sectores compradores, es
decir, el destino de la produccion. Observe que, mientras las las indican como se distribuye el volumen
de produccion de un determinado sector, las columnas indican de donde provienen los insumos de bienes
y servicios, necesarios para obtener la produccion en un sector especco. Esta matriz se conoce con el
nombre de Matriz Insumo-Producto o Matriz de Demandas Intermedias o Matriz de Inter-
cambio Intersectorial.
La ultima columna representa el valor bruto de produccion de cada sector, que se calcula sumando
las ventas que cada sector ha efectuado a cada uno de los sectores de la economa considerada.
En la tabla de transacciones intersectoriales los resultados del proceso productivo no se expresan en
unidades fsicas (se venden 100 millones de toneladas de...), debido a que sera posible sumar los elemen-
tos en las las porque representan las ventas de un mismo sector y se expresan en las mismas unidades
fsicas, pero no tendra sentido sumar verticalmente (los elementos en las columnas) debido a que cada
cifra representa una compra realizada a otro sector, y por tanto se expresan en diversas unidades, se
estara sumando por ejemplo, x toneladas de cereal + y metros c ubicos de acero + z horas de trabajo de
mano de obra +... lo cual carece de sentido. Por este motivo, es que las dimensiones en que se expresan
los insumos no deben ser fsicas sino monetarias.
Supongamos que la ocina de planeacion, ha determinado el incremento de la demanda nal que
predeciblemente ocurrira en el proximo a no de actividad, y se pregunta: Cual debe ser el valor de la
produccion bruta de cada sector, que se requerira para que se satisfaga esas necesidades?. Conviene dete-
nernos en esa pregunta, para captar mejor la naturaleza del fenomeno de interrelacion entre los distintos
sectores. Supongamos que por una razon determinada, la demanda nal del sector agropecuario se in-
crementa en 100 unidades. Que efecto producira este incremento de demanda nal sobre el proceso de
produccion?. Por supuesto, un incremento de la produccion en el sector agropecuario en un monto igual
al incremento de la demanda nal, pero para producir estas unidades adicionales, el sector agropecuario
se vera obligado a incrementar sus compras de productos intermedios, tanto del mismo sector (semillas,
abonos,..) como del sector industrial (maquinaria, abonos qumicos..) y del sector de servicios (transporte
de carga, sanidad ..), esto es lo que indica la columna 1 de la tabla anterior. Pero, el proceso no para
ah, al efecto directo de la columna 1 se agrega una cadena de efectos indirectos que se transmiten a las
demas columnas de insumos. La interdependencia de los sectores da origen a una cadena de reacciones de
cada uno de los sectores, que cada vez puede ir comprometiendo nuevos sectores. La magnitud de estos
efectos va siendo cada vez mas debil, como lo veremos mas tarde.
Lo esencial del problema es, Como cuanticar no solo los efectos directos, si no tambien todos los
efectos indirectos que se derivan del incremento de la demanda nal de un sector determinado?, o En
que medida tendra que aumentar la produccion de todos y cada uno de los sectores de la economa,
para que pueda tener lugar una expansion de cierta magnitud en un sector determinado?. El modelo de
insumo-producto, ilustra la forma en que tiene que modicarse todo el ujo de transacciones interindus-
triales y por tanto, los niveles de produccion bruta, para poder hacer frente a un cambio dado del nivel
de la demanda nal, y da herramientas de calculo que permiten cuanticar estas modicaciones.
Sean X
i
la produccion bruta del sector i, d
i
la demanda nal del sector i y b
ij
las ventas que el sector
i ha efectuado al sector j por unidad de tiempo, en nuestro caso i, j = 1, 2, 3. Note que, b
ij
= b signica
que el sector i vende b unidades de su produccion por unidad de tiempo al sector j, o que el sector j
requiere como insumo b unidades del sector i.
En general, si la economa se ha dividido en n sectores se tendra,
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 69
X =
_

_
x
1
x
2
.
.
.
x
n
_

_
. .
Producci on Bruta
, D =
_

_
d
1
d
2
.
.
.
d
n
_

_
. .
Demanda Final
y B =
_

_
b
11
b
12
b
1n
b
21
b
22
b
2n
.
.
.
.
.
.
.
.
.
b
n1
b
n2
b
nn
_

_
. .
Matriz de demandas intermedias o
Matriz de Intercambio Intersectorial.
En el caso considerado,
X =
_
_
6000
8000
14000
_
_
. .
Producci on Bruta
, D =
_
_
1200
2000
5200
_
_
. .
Demanda Final
, B =
_
_
1200 800 2800
3000 1600 1400
600 3600 4600
_
_
. .
Matriz de Demandas Intermedias
Una de las hipotesis del modelo es que, todos los insumos de cada sector se transforman en productos
ofertados por el y todos lo que produce son consumidos (van como insumos a otros sectores o al sector
nal), lo que se traduce en que la produccion bruta de cada sector, es igual a la suma de las ventas a
demanda intermedia, mas los valores de la demanda nal. La relacion entre produccion y demanda se
puede expresar mediante las ecuaciones
_

_
b
11
+b
12
+ +b
1n
+d
1
= X
1
b
21
+b
22
+ +b
2n
+d
2
= X
2
.
.
.
b
n1
+b
n2
+ +b
nn
+d
n
= X
n
.
Para seguir la cadena de reacciones directas e indirectas que tienden a modicar todo el ujo de
transacciones interindustriales, se observa en primera instancia lo siguiente: en cada transaccion existen
dos sectores, el sector vendedor i y el sector comprador j. Relacionando las ventas que el sector i ha
efectuado al sector j: b
ij
, con la produccion bruta del sector comprador j: X
j
, se busca la proporcion de
venta
b
ij
X
j
la cual representa los requerimientos de insumos del sector i, necesarios para producir una unidad de
producto del sector j.
Es en este punto, donde se toma encuenta el segundo supuesto del modelo: Existe proporcionalidad
directa, entre la produccion bruta del sector j y el volumen total de insumos, que este sector adquiere
de los demas sectores proveedores. En otras palabras, los insumos que venden los sectores proveedores,
varian en la misma proporcion en que se modica la produccion bruta del sector que la adquiere.
Admitido este supuesto, se genera una matriz denominada Matriz Insumo-Producto o Matriz
de coecientes Tecnicos, cuyos elementos son las constantes de proporcionalidad, las cuales se les suele
denominar: Coecientes Tecnicos.
Si A = (a
ij
)
nn
denota la matriz de coecientes tecnicos, se tiene
a
ij
=
b
ij
X
j
, para todo i, j = 1, 2, . . . , n.
Para la economa cticia que se esta considerando donde,
70 1. SISTEMAS DE ECUACIONES LINEALES
B =
_
_
1200 800 2800
3000 1600 1400
600 3600 4600
_
_
X =
_
_
6000
8000
14000
_
_
se tendra que,
a
11
=
x
11
X
1
=
1200
6000
= 0,2 a
12
=
x
12
X
2
=
800
8000
= 0,1 a
13
=
x
13
X
3
=
2800
14000
= 0,2
a
21
=
x
21
X
1
=
3000
6000
= 0,5 a
22
=
x
22
X
2
=
1600
8000
= 0,2 a
23
=
x
23
X
3
=
1400
14000
= 0,1
a
31
=
x
31
X
1
=
600
6000
= 0,1 a
32
=
x
32
X
2
=
3600
8000
= 0,45 a
33
=
x
33
X
3
=
4600
14000
= 0,3286.
Por tanto, la matriz de coecientes tecnicos para esta economa es
A =
_
_
0,2 0,1 0,2
0,5 0,2 0,1
0,1 0,45 0,3286
_
_
.
Si en las ecuaciones
_

_
b
11
+b
12
+ +b
1n
+d
1
= X
1
b
21
+b
22
+ +b
2n
+d
2
= X
2
.
.
.
b
n1
+b
n2
+ +b
nn
+d
n
= X
n
se sustituye b
ij
= a
ij
X
j
, para cada i, j = 1, 2, . . . , n se obtiene,
_

_
a
11
X
1
+a
12
X
2
+ +a
1n
X
n
+d
1
= X
1
a
21
X
1
+a
22
X
2
+ +a
2n
X
n
+d
2
= X
2
.
.
.
a
n1
X
1
+a
n2
X
2
+ +a
nn
X
n
+d
n
= X
n
.
Lo que conduce a la ecuacion matricial
AX +D = X
donde A es la matriz de coecientes tecnicos, D la matriz de demanda nal y X la matriz de produccion
bruta.
Puesto que los coecientes tecnicos, a
ij
, no varian durante un cierto tiempo, la ecuacion AX+D = X,
se utiliza para determinar el nivel de produccion bruta que se requiere en cada sector, para satisfacer una
demanda nal prevista para el perodo siguiente. En el caso considerado, supongamos que se trata de
satisfacer un aumento en la demanda nal para el proximo periodo de 400 unidades en el sector agrope-
cuario, de 200 unidades en el sector industria y 200 unidades en el sector servicios, la pregunta de interes
sera: Cuales deben ser los valores de X
1
, X
2
y X
3
que permitan satisfacer estos incrementos?
Este problema, se resuelve expresando el sistema AX +D = X, como una relacion funcional entre la
produccion bruta y la demanda nal, en la cual el vector X es la variable dependiente y el vector D es
la variable independiente. Matematicamente esto se traduce en despejar de la ecuacion, X en terminos
de D. Haciendo uso del algebra matricial,
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 71
AX +D = X
X AX = D
(I
n
A)X = D
en donde I
n
es la matriz identidad de orden n. Note que, X es la solucion de un sistema de ecuaciones
lineales, con matriz de coecientes I
n
A, el cual puede ser resuelto utilizando cualquiera de los algorit-
mos estudiados en este captulo. A la matriz I
n
A se le denomina Matriz de Leontief o matriz de
requerimientos directos.
En el caso en que, la matriz I
n
A sea invertible, el sistema tendra solucion unica, la cual se obtiene
multiplicando a izquierda por la matriz (I
n
A)
1
, la cual se denomina Matriz inversa de Leontief
o matriz de requerimientos indirectos. En tal caso, la solucion del sistema esta dada por,
X = (I
n
A)
1
D.
Para la economa considerada se tendra,
I
3
A =
_
_
1 0 0
0 1 0
0 0 1
_
_

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

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

, se debe generar una produccion bruta X

, dada por
X

= (I
3
A)
1
D

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

y X se obtienen los incrementos de la produccion en cada sector, necesarios


para satisfacer el incremento previsto en la demanda nal.
X = X

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

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

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

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

k=0
A
k
.
En las situaciones reales, en las que se utilizan los modelos de Insumo-Producto, las potencias de
la matriz de coecientes tecnicos se aproximan a la matriz cero con cierta rapidez, la formula anterior
proporciona una manera practica de calcular la matriz inversa de Leontief.
Nos quedan, algunas preguntas abiertas: En que casos, la matriz de Leontief I
n
A es invertible? y
de serlo Como estar seguros que el vector de produccion X = (I
n
A)
1
D tiene entradas no negativas?,
esto es Que nos garantiza que el vector de produccion sea asequible economicamente?. Para responder a
estas preguntas, es necesario introducir el concepto de determinante de una matriz cuadrada, tema que
se estudiara en la proxima seccion.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 73
Ejercicios 5.1.
1. Sea X =
_

_
1
2
0
3
_

_
+
_

_
a
b
1
c
_

_
t con t R, una solucion del sistema lineal
_

_
x
1
+ 3x
3
+ 2x
4
=
3x
1
2x
2
x
4
=
x
1
x
2
+x
3
2x
4
=
3x
1
x
2
+ 2x
3
+ 3x
4
=
Determine los valores de , , , , a, b y c.
2. El sistema AX = b tiene al menos dos soluciones diferentes U y V .
a) Demuestre que X
k
= U +k(U V ) es solucion del sistema para todo k N.
b) Demuestre que si X
k
= X
m
entonces k = m.
c) Deduzca que AX = b tiene innitas soluciones.
3. Sea X =
_

_
0
1
2
0
_

_
+t
_

_
1
2
1
0
_

_
+s
_

_
0
1
0
1
_

_
solucion de un sistema lineal Ax = b de orden 3 4
a) Determine la solucion del sistema homogeneo Ax = 0.
b) Determine una matriz A.
c) Indique el valor de k, si existe, de modo que al agregar al sistema Ax = b, la ecuacion
x
1
+ 2x
2
+kx
3
3x
4
= 9, no cambie su conjunto solucion.
4. Sean
A =
_
_
1 1 1 2
1 a b 2
1 1 c 2a
_
_
y =
_
_
1
d
2
_
_
.
a) Para que valores de a, b, c R, el sistema lineal homogeneo Ax = 0 tiene solucion con 2
parametros.
b) Para que valores de a, b, c R, el sistema lineal homogeneo Ax = 0 tiene solucion con 3
parametros.
c) Resuelva el sistema Ax = para a = 1, b = 1 y c = 2, indicando el valor adecuado para
d R.
5. Dado el sistema Ax = b con A M
44
(R) cuya solucion del sistema lineal homogeneo asociado
es
X =
_

_
0
1
3
4
_

_
+
_

_
1
0
2
1
_

_
, , R
a) Es A una matriz invertible?
b) Se puede asegurar que el sistema AX = b tiene innitas soluciones?
c) Resuelva el sistema dado si se sabe que el vector Y =
_

_
0
0
4
6
_

_
es una solucion de Ax = b.
74 1. SISTEMAS DE ECUACIONES LINEALES
6. Determine si las siguientes armaciones son verdaderos o falsas, si es verdadera demuestrela si es
falsa de un contraejemplo.
a) Si x
1
, x
2
, x
3
son soluciones de un sistema Ax = b entonces x = x
1
+(x
2
x
1
) +(x
3
x
1
)
con , R es una solucion de Ax = b.
b) Si x
1
, x
2
, x
3
son soluciones del sistema Ax = 0 entonces para todo , , R, el vector
w = x
1
+x
2
+x
3
es otra solucion de Ax = b.
c) Si Ax = 0 tiene innitas soluciones con un parametro, entonces el sistema Ax = b tiene
solucion innita con un parametro para cada b R.
7. La solucion de un sistema lineal de orden 34 , Ax = b esta dado por las ecuaciones parametricas:
_

_
x
1
= 2 +t 2s
x
2
= 5 + 2t 3s
x
3
= t
x
4
= s
t, s R
a) Determine el rango de la matriz aumentada del sistema [A | b].
b) Determine la solucion del sistema cuando b = 0
c) Encuentre un sistema de orden 3 4 que tenga la misma solucion que el sistema Ax = b.
d) Determine otra solucion parametrica para el sistema Ax = b en la cual los parametros sean
las variables x
1
y x
3
.
8. Si
B =
_
1 2
2 2
_
determine todos los valores de R para que el sistema lineal homogeneo (BI
2
)x = 0 tenga
solucion no trivial.
9. Si A
_
_
1
1
1
_
_
= 0, A
_
_
2
1
0
_
_
= 0 y el sistema Ax = b tien una solucion x
p
=
_
_
3
1
2
_
_
a) Encuentre una familia de soluciones dependiendo de dos parametros para Ax = b.
b) Si A M
33
(R) determine rang(A) y una matriz A talque Ax = b.
c) Es posible que
_
_
1
0
0
_
_
sea tambien una solucion de Ax = b.
10. Sea A M
23
(R) denida por
a
ij
=
_
2i +j si i < j
j
2
si i j
a) Calcule (A
t
A)
t
b) Determine el valor de k R de modo que el sistema A
t
x = c con c
t
=
_
1 k 7

tenga
solucion.
11. Para que valores de a R la matriz A =
_
_
a 1 0
1 a
2
1 +a
3
2 2 2 + 2a
_
_
no es invertible?
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 75
12. Determine si las matrices dadas son o no invertibles, en caso de serlo calcule su inversa.
a)
_

_
1 1 0 0 0
0 1 1 0 0
0 0 1 1 0
0 0 0 1 1
1 0 0 0 1
_

_
b)
_

_
2 1 1 1
1 4 1 0
14 2 8 0
1 5 0 1
_

_
c)
_

_
3 1 1 1
1 3 1 1
1 1 3 1
1 1 1 3
_

_
d)
_

_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_

_
13. Si A =
_
_
1
2
1 1
1 1
1
2
3
2
0
1
2
_
_
muestre que el sistema Ax = b tiene solucion unica para todo vector b R
3
.
14. Determine los valores de R para que la matriz
_
_
3 0
3 1
3
_
_
sea invertible.
15. Determine los valores de , R para que la matriz
_
_
1 0 0
1 1
1 1
_
_
sea invertible.
16. Determine los valores de , R para que la matriz
_

_
1 1 0
2 1 0
0 0 1 1
0 0 1 2
_

_
sea invertible.
17. Determine los valores de a, b, c R para que la matriz
_
_
1 +a 1 1
1 1 +b 1
1 1 1 +c
_
_
sea invertible.
18. Sea A M
n
(R) la matriz denida por: a
ij
=
_
0 si i = j
1 si i = j
. Muestre que A es invertible y
calcule su inversa.
19. Determine los valores de x R para que la matriz
_

_
x 1 1 1
1 x 1 1
1 1 x 1
1 1 1 x
_

_
sea invertible.
En los ejercicios siguientes, calcule A
1
para todos los valores de a R para los cuales A sea
invertible.
76 1. SISTEMAS DE ECUACIONES LINEALES
20. A =
_

_
1 a a
2
a
3
0 1 a a
2
0 0 1 a
0 0 0 1
_

_
21. A =
_

_
a + 1 1 1 a
1 a + 1 1 1
0 0 1 a
0 0 0 a
_

_
22. A =
_

_
a 1 1 1
1 a 1 1
1 1 a 1
1 1 1 a
_

_
23. Sea A =
_
_
1 1 1
a 1 a 1
1 a 1
_
_
y B =
_
_
a 1
a + 1 2
1 1
_
_
.
Determine todos los valores de a R para que la ecuacion matricial AX = B tenga solucion
unica y determnela.
24. Sea A =
_
1 1 1
1 0 a
_
y B =
_
2 0 2
1 2 1
_
.
Determine todos los valores de a R para que la ecuacion matricial XA = B tenga solucion
unica y determnela.
25. Suponga que a, b, c, d , e y f son n umeros reales distintos de cero y A M
3
(R) denida por
A =
_
_
a
b
c
_
_
_
d e f

.
Muestre que A no es una matriz invertible.
26. Determine si las siguientes proposiciones son verdaderas o falsas. Justique adecuadamente su
respuesta
a) Sean A, B, C M
n
(R). Si AB = AC y rang(A) = n, entonces B = C.
b) Si A, B M
n
(R) entonces, rang(A+B) = rang(A) +rang(B)
c) Si A, B M
n
(R) tienen rango n, entonces rang(A+B) = n
d) Si A, B M
n
(R) tienen rango n, entonces rang(AB) < n
27. Demuestre que para todo n umero real la matriz R =
_
_
sin cos 0
cos sin 0
0 0 1
_
_
es invertible y calcule
su inversa.
28. Dada la matriz A =
_
_
1 2
1 4
3 4
_
_
determine todas las matrices B tales que BA = I
2
.
29. Demuestre que una matriz triangular (ya sea superior o inferior) es invertible si y solo si cada
uno de los elementos en su diagonal principal es diferente de cero.
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 77
30. Demuestre que una matriz diagonal D M
n
(R) es invertible si y solo si cada elemento en su
diagonal principal es distinto de cero. Como sera D
1
en este caso?
31. Escriba la matriz elemental E de orden 4 4, correspondiente a la operacion elemental de la
dada y calcule E
1
.
a) F
2
5F
4
b) F
1
2F
3
c) F
2
+F
3
d) F
3
e) F
1
F
4
32. Para A =
_
_
9 4 2
4 6 0
2 0 10
_
_
, encuentre una matriz triangular superior U, tal que A = BU.
33. Para B =
_

_
1 1 2
4 1 8
2 1 4
0 1 1
_

_
, encuentre una matriz U, tal que B = CU.
34. Para A =
_
_
1 3 3 1
0 3 1 1
1 0 1 4
_
_
, encuentre una matriz U, tal que A = BU.
35. Demuestre que toda matriz A M
mn
se puede factorizar como A = BR donde B es una matriz
invertible y R se encuentra en forma escalonada reducida.
Demuestre que cada matriz es invertible y escrbala como producto de matrices elementales.
36.
_
_
0 1 0
0 1 1
1 0 1
_
_
37.
_

_
3 0 0 0
0 2 0 0
0 0 4 0
0 0 0 2
_

_
38.
_
_
5 5 1
0 2 3
1 1 1
_
_
39.
_

_
3 1 0 0
0 3 1 0
0 0 3 1
0 0 0 3
_

_
40.
_

_
1 1 0 0
0 1 0 0
0 0 4 1
0 0 0 2
_

_
78 1. SISTEMAS DE ECUACIONES LINEALES
41. Sea U =
_
_
a b c
0 d e
0 0 f
_
_
donde adf = 0. Escriba U como producto de seis matrices elementales y
concluya que U es invertible.
42. Demuestre que la factorizacion de una matriz invertible en forma de un producto de matrices
elementales no es unica.
43. Sean E M
n
(R) una matriz elemental y A M
n
(R). Cual es el efecto de la multiplicacion AE?
44. Si A
1
=
_
_
1 2 1
2 1 1
0 4 1
_
_
y B se obtiene a A intercambiando las las 1 y 3, luego intercambian-
do las columnas 2 y 3 y nalmente sumando 3 veces la la 2 con la la 3, determine la matriz B
1
45. Sea A M
mn
. Una matriz B se denomina inversa derecha de A si AB = I
n
. Analogamente,
Una matriz C se denomina inversa izquierda de A si CA = I
n
.
a) Si una matriz A M
mn
tiene una inversa derecha B Cual debe ser el orden de la matriz
B?
b) Si una matriz A M
mn
tiene una inversa izquierda C Cual debe ser el orden de la matriz
C?
c) Demuestre que si A M
mn
tiene una inversa derecha, entonces A
t
tiene una inversa iz-
quierda.
d) Demuestre que A tiene una inversa derecha si y solo si el sistema Ax = b es consistente para
todo b R
m
.
e) Demuestre que A tiene una inversa izquierda si y solo si el sistema Ax = 0 tiene solucion
trivial.
46. En la actualidad, tres empresas A, B y C procesadoras de harina de trigo controlan el 50 %, 30 % y
20 % del mercado, respectivamente. Cada empresa representa una marca de harina. El comporta-
mineto de los consumidores durante un a no es el siguiente: A retiene el 60 % de sus consumidores,
cede el 20 % a B y 20 % a C; B conserva el 50 % de sus consumidores y pierde 30 % con A y 20 %
con C, mientras que C retiene el 70 % de sus consumidores, cede el 10 % a A y el 20 % a B. Supo-
niendo que esta tendencia contin ua que porcion del mercado tendra cada empresa a largo plazo?
47. El valor de cierta accion en la bolsa de valores puede ir al alza, a la baja o permanecer sin cambio
en cualquier da. Mediante un estudio se ha podido determinar el siguiente comportamiento: Si
la accion esta en alza un da, la probabilidad de que al da siguiente vaya al alza es 0.2, a la
baja 0.7 y que permanezca estable es 0.1; si esta a la baja un da la probabilidad de que al da
siguiente vaya al alza es 0.6, a la baja 0.2 y permanezca estable es 0.2 y nalmente, si permanece
estable la probabilidad de que al da siguiente vaya al alza es 0.2, a la baja 0.5 y continue estable
0.3. Suponiendo que la tendencia se mantiene da a da Cual es la probabilidad de que la accion
este a la baja a largo plazo, si hoy se encuentra estable?
48. Un grupo de personas compra automoviles, cada cuatro a nos, con algunos de los tres fabricantes
X, Y , Z. Las probabilidades de cambiar de un fabricante a otro se describen en la matriz
_
_
0,4 0,6 0,5
0,4 0,3 0,3
0,2 0,1 0,2
_
_
5. SISTEMAS LINEALES: SEGUNDA REPRESENTACI

ON MATRICIAL 79
Si en el 2009 el fabricante X vendio 1000 automoviles, el fabricante Y 800 y el Z 400. A largo
plazo alguno de los fabricantes dominara el mercado?
49. Suponga que tres industrias A, B y C son tales que toda la produccion de A es utilizada por
B, toda la produccion de B es utilizada por C y toda la produccion de C es utilizada por A.
Determine la posible estructura de precios de equilibrio.
50. La tabla de transacciones intersectoriales para una economa con tres sectores productivos: Agra-
rio y pesca (1), industrial (2) y Servicios (3), expresada en millares de millones de dolares y a
precio de salida de fabrica, esta dada por
I/O 1 2 3 Demanda Final Produccion Total
1 89.6 118.9 1.3 120.9 330.7
2 35.8 332 36.5 466.6 870.9
3 16.2 69.9 76.4 310.1 472.6
a) Calcular la matriz de coecientes tecnicos.
b) Calcular la matriz inversa de Leontief.
c) Pronostique como debe comportarse cada sector productivo para abastecer una demanda
nal proyectada para el a no proximo de 125 unidades monetarias para el sector Agrario y de
pesca, 738 unidades monetarias para el sector industrial y de 547 unidades monetarias para
el sector servicios.
51. Suponga que para una economa dividida en tres sectores la matriz de coecientes tecnicos es
A =
_
_
0,1 0 0,1
0,5 0,2 0,2
0,0 0,0 0,1
_
_
a) Explicar el signicado de los elementos a
11
y a
23
.
b) Muestre que para cualquier vector de demandas nales D 0 jado, existe un vector de
produccion P 0 que satisface dichas demandas.
12
.
c) Cuanto debe producir cada sector para satisfacer una demanda nal de 10, 20 y 10 unidades
respectivamente?
52. Una matriz de coecientes tecnicos A genera una economa productiva si y solo si para cada
matriz D de demanda nal no negativa, existe un vector X de produccion total no negativo tal
que se verique la igualdad (I A)X = D.
Considere la tabla de transacciones industriales en una economa dividida en tres sectores pro-
ductivos, expresada en millares de millones de dolares.
I/O 1 2 3 Demanda Final Produccion Total
1 75 160 0 65 330
2 30 160 100 210 500
3 48 64 80 448 640
a) Hallar la matriz inversa de Leontief y razonar, a partir de ella, si la matriz A genera una
economa productiva.
b) Calcular los niveles de produccion total necesarios en cada sector para alcanzar una demanda
nal D =
_
70 200 500

t
.
12
Si A, B M
mn
(R) decimos que A B si y solo si a
ij
b
ij
para cada i = 1, 2, . . . , m y j = 1, 2, . . . , n.
80 1. SISTEMAS DE ECUACIONES LINEALES
6. Determinante de una matrz cuadrada.
Para completar nuestro estudio sobre matrices invertibles, introduciremos el concepto de determinante
para una matriz cuadrada de orden n > 2. Recordemos que si A es una matriz cuadrada de orden 2 2,
A =
_
a b
c d
_
A es invertible si y solo si, det(A) = adbc = 0. Este teorema es precisamente el que se quiere generalizar
para el caso n > 2.
En general, el determinante es una funcion que a cada matriz A M
n
(R) le asocia un n umero real,
esto es
det : M
n
(R) R
A det(A).
Cuando no se preste a confusion, el determinante de una matriz A M
n
(R) se denotara por:
det(A) = |A|, colocando los elementos de la matriz entre dos barras verticales.
Puesto que el objetivo que tenemos para introducir el determinante es netamente practico, vamos a
presentar la forma como se encuentran en cada M
n
(R) los valores de la funcion determinante. Procedemos
inductivamente.
Si n = 1, A = [a
11
] se dene
det : M
1
(R) R
A det(A) = a
11
.
Si n = 2, A =
_
a
11
a
12
a
21
a
22
_
, sabemos que,
det : M
2
(R) R
A det(A) = a
11
a
22
a
12
a
21
.
Para determinar el valor det(A) para n > 2, primero deniremos los cofactores de una matriz A.
Definici on 6.1. Dada una matriz A M
n
(R), el ij-esimo cofactor de A es el n umero real, C
ij
(A)
denido por:
C
ij
(A) = (1)
i+j
det(A
ij
)
donde A
ij
es la submatriz de orden (n 1) (n 1), obtenida a partir de A por eliminacion de su la i
y su columna j.
A la submatriz A
ij
se le denomina el ij-esimo menor de A y al n umero (1)
i+j
se le conoce como el
signo de la posicion ij de A. Ilustraremos la denicion anterior, mediante el ejemplo siguiente,
Ejemplo 6.1.
Dada la matriz A =
_
_
1 2 3
1 5 4
3 2 1
_
_
, el 11-cofactor de A (se lee el 1, 1 cofactor de A) es el n umero
C
11
(A) = (1)
1+1
det(A
11
)
donde A
11
es la matriz que se obtiene al eliminar la la 1 y la columna 1 de la matriz A, esto es,
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 81
A
11
=
_
5 4
2 1
_
C
11
(A) = (1)
2
det
_
5 4
2 1
_
= 3.
Analogamente, el 12-cofactor de A (se lee el 1, 2 cofactor de A)es,
C
12
(A) = (1)
1+2
det(A
12
) = (1)
3
det
_
1 4
3 1
_
= 13.
El lector puede calcular los restantes 7 cofactores de A, como ejercicio.
Ahora estamos en condiciones de denir los valores de la funcion determinante para el caso n > 2. Si
A =
_

_
a
11
a
12
a
1n
a
21
a
21
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
y se supone que la funcion determinante esta denida en M
k
(R) para k = 1, 2, . . . , (n1), los valores
de la funcion det : M
n
(R) R se obtienen de la siguiente manera,
det(A) = a
11
C
11
(A) +a
12
C
12
(A) + +a
1n
C
1n
(A) =
n

k=1
a
1k
C
1k
(A).
Note que, para calcular el valor det(A), se eligen los elementos de la primera la de A, F
1
=
_
a
11
a
12
a
1n

, cada elemento de F
1
, se multiplica por el cofactor correspondiente C
1k
(A), y
nalmente se suman estos resultados. Esta forma de calcular det(A), se conoce como el desarrollo por
cofactores a lo largo de la primera la o desarrollo de Laplace utilizando la la 1.
Ejemplo 6.2.
Calcular el determinante de la matriz A =
_
_
1 2 1
0 1 3
2 1 1
_
_
.
Soluci on
Utilizando la denicion se tiene,
det(A) = a
11
C
11
(A) +a
12
C
12
(A) +a
13
C
13
= 1 (1)
1+1
det
_
1 3
1 1
_
+ 2 (1)
1+2
det
_
0 3
2 1
_
+ 1 (1)
1+3
det
_
0 1
2 1
_
= det
_
1 3
1 1
_
2 det
_
0 3
2 1
_
+ det
_
0 1
2 1
_
= 8

82 1. SISTEMAS DE ECUACIONES LINEALES


Lo que resulta asombroso, es que si se elige una la cualquiera de A, F
i
=
_
a
11
a
12
a
1n

y
se realiza el mismo procedimiento anterior (se multiplica cada elemento de la la por el cofactor corres-
pondiente y se suma), el n umero que se obtiene es el mismo. Mas extraordinario resulta ser el hecho de
que este n umero no vara, si en lugar de elegir una la se elige una columna. Esta propiedad se conoce
como el desarrollo o expansion de Laplace en honor al matematico frances Pierre-Simon Laplace, quien
en 1772, en un artculo sobre el estudio de las orbitas de los planetas planteo la resolucion de sistemas de
ecuaciones lineales, usando determinantes y enuncio una regla para el calculo de los mismos.
13
Esta regla
se enuncia en el siguiente teorema.
Teorema 6.1. (Teorema de Expansion de Laplace)
Si A M
n
(R) entonces
det(A) = a
i1
C
i1
(A) +a
i2
C
i2
(A) + +a
in
C
in
(A) =
n

k=1
a
ik
C
ik
(A),
denominada la expasion por cofactores utilizando la la i de A.
Ademas,
det(A) = a
1j
C
1j
(A) +a
2j
C
2j
(A) + +a
nj
C
nj
(A) =
n

k=1
a
kj
C
kj
(A),
denominada la expansion por cofactores utilizando la columna j de A.
La importancia, a nivel practico, del desarrollo de Laplace se hace evidente cuando una matriz tiene
la o columnas con elementos iguales a cero, ya que al elegir esta la o columna para el calculo del
determinante, se logra reducir el n umero de determiantes de orden inferior que se deben evaluar, como
se ilustra en el ejemplo siguiente.
Ejemplo 6.3. Calcule el determinante de la matriz
A =
_

_
1 2 1 0
0 3 2 0
2 2 1 3
1 0 1 0
_

_
Soluci on
Primero observe que la columna 4 tiene unicamente una entrada diferente de cero. Si utilizamos
la expansion de Laplace utilizando esta columna, el calculo del determinante de la matriz A se reduce
considerablemente, ya que de los 4 determinantes de orden 3 3 que se deberan calcular al elegir una
columna o la sin elementos nulos (por ejemplo, la la 3 o la columna 3), utilizando la columna 4 solo se
calculara uno.
Al desarrollar el determinante de A utilizando la columna 4 se tendra,
det(A) =

1 2 1 0
0 3 2 0
2 2 1 3
1 0 1 0

= a
14
C
14
(A) +a
24
C
24
(A) +a
34
C
34
(A) +a
44
C
44
(A)
13
Seg un algunos historiadores, no fue Laplace el que demostro esta propiedad, si no fue Cauchy quien en 1812 enuncio y
demostro la regla de expansion utilizada por Laplace.
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 83
= a
34
C
34
(A) = 3

( 1)
7

1 2 1
0 3 2
1 0 1

Para el calculo del determinante de orden 3, observe que se obtiene la misma simplicacion en el
n umero de determinantes de orden 2 a calcular, si se elige la columna 1 o la la 3, solo para variar
calcularemos este determinante utilizando la la 3.

1 2 1
0 3 2
1 0 1

= 1 (1)
4

2 1
3 2

+ 1 (1)
6

1 2
0 3

= 2
Por tanto
det(A) = (3)(2) = 6.
Para vericar el resultado del teorema de Laplace, calculemos el determinante de A utilizando una
la o columna diferente a la elegida anteriormente. Por ejemplo, la la 2.
det(A) =

1 2 1 0
0 3 2 0
2 2 1 3
1 0 1 0

= a
21
C
21
(A) +a
22
C
22
(A) +a
23
C
23
(A) +a
24
C
24
(A)
= a
22
C
22
(A) +a
23
C
23
(A)
= (3)

( 1)
4

1 1 0
2 1 3
1 1 0

+ 2 (1)
5

1 2 0
2 2 3
1 0 0

= 3

1 1 0
2 1 3
1 1 0

1 2 0
2 2 3
1 0 0

= 3 3 (1)
5

1 1
1 1

2 3 (1)
5

1 2
1 0

= 9 2 + 6 (2) = 6
Donde los determinantes de orden 3 se han calculando mediante el desarrollo de Laplace utilizando
la tercera columna.

Observe que entre mas ceros tenga la matriz A, el calculo de su determinante se reduce considera-
blemente. En general si la matriz A M
n
(R) no tiene elementos iguales a cero, el desarrollo de Laplace
por medio de cualquier la o columna (sin contar el calculo del signo de cada posicion), tendra n! su-
mandos. Para el calculo de cada sumando se requieren n 1 multiplicaciones, lo que signica que para
calcular cada sumando se deben efectuar un total de n!(n1) multiplicaciones. Finalmente para obtener
el determinante es necesario efectuar las sumas, que en total son n! 1. De este modo, el n umero total
de operaciones necesarias para calcular el determinante de una matriz cuadrada de orden n son:
n!(n 1) +n! 1 = n n! 1.
Imagine por un momento que se tiene una economa dividida en 40 sectores y se desea determinar, si
la matriz de Leontief es invertible. Para esto, se decide calcular su determinante utilizando el desarrollo
84 1. SISTEMAS DE ECUACIONES LINEALES
de Laplace. De acuerdo a los calculos anteriores, sera necesario realizar 40 40! 1 operaciones, aproxima-
damente 3,26 10
49
. Hasta junio del 2011, la computadora mas rapida que se conoce, es el ordenador K
japones, que se encuentra en el instituto RIKEN en Kabe (japon) y es capaz de realizar mas de 8 billones
de operaciones por segundo: 8 10
12
operaciones. Supongamos que, fuera posible utilizar este ordenador
o una computadora que al menos sea capaz de procesar 810
12
calculos por segundo, esto signicara que
para hallar el determinante deseado, necesitaramos aproximadamente: 4,08 10
36
segundos. Puesto que
un a no de 365 das, tiene 31,536,000 segundos, necesitaramos utilizar dicha computadora unos 13 10
28
a nos: 130.000 cuatrillones de a nos!, lo cual es imposible. La pregunta obvia es, si en situaciones practicas
es necesario trabajar con matrices de gran tama no (incluso de orden mayor de 40), entonces como es
posible calcular el determinante de estas matrices?. Para atisbar la solucion a esta pregunta, calculemos
el siguiente determinante.
Ejemplo 6.4.
Cacular el determinante de la matriz
U =
_

_
3 10 2 5 1
0 1 4 3 8
0 0 2 3 20
0 0 0 2 21
0 0 0 0 1
_

_
.
Soluci on
Si se utiliza el desarrollo de Laplace utilizando la primera columna se tiene,
det(U) = 3

1 4 3 8
0 2 3 20
0 0 2 21
0 0 0 1

.
Si se desarrolla el determinante de orden 4, utilizando la primera columna, se obtiene
det(U) = 3 (1)

2 3 20
0 2 21
0 0 1

Finalmente, utilizando nuevamente la primera columna para el desarrollo del determinante de orden
3, y calculando el determinante de orden 2 que resulta, se completa el calculo del determinante.
det(U) = 3 (1) 2

2 21
0 1

= 3 (1) 2 (2) 1 = 12.

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

6. DETERMINANTE DE UNA MATR

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

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

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

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

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

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

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

k=1
a
ik
C
ik
(A) = det(A).
Para completar la demostracion, supongamos que i < j, y : F
i
F
j
. La operacion , se puede
realizar utilizando intercambios consecutivos de las las de A. Por ejemplo, si suponemos que
es la operacion : F
2
F
5
, se debera realizar la siguiente sucesion de operaciones elementales
consecutivas:
1
: F
4
F
5
,
2
: F
3
F
4
,
3
: F
2
F
3
,
4
: F
3
F
4
y
5
: F
4
F
5
. En efecto,
si solo se consideran las las 2 a 5 de A para ver el efecto de la aplicacion de esta sucesion de
operaciones elementales, se tiene:
_

_
F
2
F
3
F
4
F
5
_

1
_

_
F
2
F
3
F
5
F
4
_

2
_

_
F
2
F
5
F
3
F
4
_

3
_

_
F
5
F
2
F
3
F
4
_

4
_

_
F
5
F
3
F
2
F
4
_

5
_

_
F
5
F
3
F
4
F
2
_

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

k=1
b
ik
C
ik
(B).
6. DETERMINANTE DE UNA MATR

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

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

k=1
a
ik
C
ik
(A) =
n

k=1
a
ik
C
ik
(A) = det(A).
5. Para probar el resultado se utiliza la induccion matematica (se deja como ejercicio para el lector).
Se observa que si B = (A) aplicando sucesivamente las operaciones de la
i
: F
i
, i = 1, 2, . . . , n
a la matriz A para obtener B, se obtiene una sucesion de matrices B
1
=
1
(A), B
2
=
2
(B
1
), ...,
B
n
=
n
(B
n1
). Por la propiedad anterior se tiene,
det(B
1
) = det(A)
det(B
2
) = det(B
1
) = (
2
) det(A)
Note que al aplicar la n-esima operacion de la
n
a la matriz B
n1
se obtine B =
n
(B
n1
) =
B
n1
, de donde
det(B) = det(B
n1
) = ()
n
det(A)
6. Como es la operacion elemental : F
i
+ F
j
y B = (A), se calculara el det(B) utilizando la
la i.
det(B) = b
i1
C
i1
(B) +b
i2
C
i2
(B) + +b
in
C
in
(B) =
n

k=1
b
ik
C
ik
(B).
Puesto que, A y B dieren solo en la la i,
C
ik
(B) = C
ik
(A)
para todo k = 1, 2, . . . , n.
Ademas, B = (A), implica
F
i
(B) = F
i
(A) +F
j
(A).
Utilizando estas dos observaciones, se tiene
det(B) =
n

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

k=1
(a
ik
+a
jk
)C
ik
(A)
=
n

k=1
a
ik
C
ik
(A) +
n

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

k=1
a
ik
C
ik
(A) +
n

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

Al tener claro, cual es el efecto sobre el determinate de una matriz al aplicar operaciones elementales
de la, un metodo para poder calcular su determinante consistira en reducirla a una forma triangular,
teniendo siempre presente que operacion elemental es aplicada y cual es el cambio que ocurre en el valor
del determinante.
Ejemplo 6.5.
Calcular el determinante de la matriz
A =
_

_
0 1 2 1
0 3 1 0
1 2 1 0
1 1 1 3
_

_
Soluci on
det(A) =

0 1 2 1
0 3 1 0
1 2 1 0
1 1 1 3

=
F
1
F
3

1 2 1 0
0 3 1 0
0 1 2 1
1 1 1 3

=
F
4
+F
1

1 2 1 0
0 3 1 0
0 1 2 1
0 3 2 3

=
F
4
F
2

1 2 1 0
0 3 1 0
0 1 2 1
0 0 1 3

=
F
2
F
3

1 2 1 0
0 1 2 1
0 3 1 0
0 0 1 3

=
F
3
3F
2

1 2 1 0
0 1 2 1
0 0 5 3
0 0 1 3

=
(
1
5
)F
3
5

1 2 1 0
0 1 2 1
0 0 1
3
5
0 0 1 3

=
F
4
F
3
5

1 2 1 0
0 1 2 1
0 0 1
3
5
0 0 0
18
5

= (5)(
18
5
) = 18

Posiblemente, la unica duda que se tenga en el ejemplo anterior, es si la propiedad del determinante
fue aplicada correctamente cuando se realizo la operacion elemental : (
1
5
F
3
). Varios a nos dedicados a
la docencia del Algebra Lineal, nos han mostrado que es precisamente esta propiedad del determinante,
la que tiene mayor dicultad de ser entendida y por ende, de ser aplicada en forma correcta. Prestemos
atencion a las matrices que intervienen en ese paso del calculo del determinante de A, para esto denotemos
por
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 89
C =
_

_
1 2 1 0
0 1 2 1
0 0 5 3
0 0 1 3
_

_
y por B =
_

_
1 2 1 0
0 1 2 1
0 0 1
3
5
0 0 1 3
_

_
,
Puesto que :
1
5
F
3
, se tiene (C) = B. Aplicando la propiedad 4. del teorema anterior, se tiene
det(B) =
1
5
det(C).
Note que, lo que se requiere es det(C), por tanto, det(C) = 5 det(B), tal cual se aplico en el ejemplo.
Ejemplo 6.6.
Demuestre que para cualquier a, b, c R

1 a a
2
1 b b
2
1 c c
2

= (b a)(c a)(c b)
Soluci on
La propiedad se verica si a = b o c = a o c = b, puesto que en cualquiera de los tres casos se tendra
el determinante de una matriz con dos las iguales.

1 a a
2
1 b b
2
1 c c
2

= 0 = (b a)(c a)(c b).


Si a = b, c = a y c = b, utilizando las propiedades de los determinantes se tiene,

1 a a
2
1 b b
2
1 c c
2

1 a a
2
0 b a b
2
a
2
0 c a c
2
a
2

(Porque se ha aplicando: F
2
F
1
y F
3
F
1
)
= (b a)(c a)

1 a a
2
0 1 b +a
0 1 c +a

(Porque se ha aplicando:
1
b a
F
2
y
1
c a
F
3
)
= (b a)(c a)

1 a a
2
0 1 b +a
0 0 c b

= (b a)(c a)(c b).

Ejemplo 6.7.
Determine todos los valores de x R que satisfacen

1 x x
2
x
3
1 2 4 8
1 3 9 27
1 4 16 64

= 0
Soluci on
Denotemos por el valor del determinante. Aplicando las operaciones elementales: F
2
F
1
, F
3
F
1
y F
4
F
1
, se obtiene
90 1. SISTEMAS DE ECUACIONES LINEALES
=

1 x x
2
x
3
1 2 4 8
1 3 9 27
1 4 16 64

1 x x
2
x
3
0 2 x 4 x
2
8 x
3
0 3 x 9 x
2
27 x
3
0 4 x 16 x
2
64 x
3

Observe que si x toma el valor 2, 3 o 4, se obtiene una matriz con determinante igual a 0, porque se
tendra una la nula. Por tanto, x = 2, x = 3 y x = 4 satisfacen la ecuacion planteada.
Para determinar si existen otros valores, supongamos que x = 2, x = 3 y x = 4.
Realizando las operaciones elementales (
1
2 x
)F
2
, (
1
3 x
)F
3
y (
1
4 x
)F
4
, se tiene
= (2 x)(3 x)(4 x)

1 x x
2
x
3
0 1 2 +x 4 + 2x +x
2
0 1 3 +x 9 + 3x +x
2
0 1 4 +x 16 + 4x +x
2

Aplicando F
3
F
2
y F
4
F
2
,
= (2 x)(3 x)(4 x)

1 x x
2
x
3
0 1 2 +x 4 + 2x +x
2
0 0 1 5 x
0 0 2 12 + 2x

Para terminar la reduccion, se realizan las operaciones elementales:


1
2
F
3
y F
4
F
3
,
= (2 x)(3 x)(4 x)

1 x x
2
x
3
0 1 2 +x 4 + 2x +x
2
0 0 1 5 x
0 0 0 1

= 1 = 0.
Concluyendose, que los unicos valores que satisfacen la ecuacion planteada son: x = 2, x = 3 y x = 4.

Utilizando las propiedades de los determinantes, resulta facil calcular el determinante de una matriz
elemental. En efecto, si E M
n
(R) es una matriz elemental, entonces
a) Si : F
i
F
j
y E = (I
n
), det(E) = det(I
n
) = 1.
b) Si : F
i
, = 0 y E = (I
n
), det(E) = det(I
n
) = .
b) Si : F
i
+F
j
y E = (I
n
), det(E) = det(I
n
) = 1.
Debido a que dada cualquier matriz A M
n
(R) y cualquier operacion elemental : M
n
(R) M
n
(R),
se tiene que (A) = EA donde E = (I
n
), el siguiente teorema se sigue de las propiedades anteriores.
Teorema 6.4. Sea A M
n
(R) y E una matriz elemental, entonces
det(EA) = det(E) det(A).
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 91
Demostraci on
Se distinguen tres casos, seg un el tipo de operacion elemental de la cual provenga la matriz ele-
mental E.
Suponga que, : F
i
F
j
, E = (I
n
) y B = (A) = EA. Por el teorema 6.3, se tiene det(E) = 1 y
det(EA) = det(B) = (1) det(A) = det(E) det(A)
Analogamente, si = 0, : F
i
, E = (I
n
) y B = (A) = EA, aplicando el mismo teorema se tiene,
det(E) = y
det(EA) = det(B) = det(A) = det(E) det(A).
Finalmente, si : F
i
+F
j
, E = (I
n
) y B = (A) = EA, como det(E) = 1, se tiene
det(EA) = det(B) = det(A) = det(E) det(A).

Utilizando induccion, se puede demostrar que para todo n N, si E


1
, E
2
,. . . , E
n
son matrices elementales
det(E
n
E
n1
E
1
A) = det(E
n
) det(E
n1
) det(E
1
) det(A).
Teorema 6.5. Dada A M
n
(R), A es invertible si y solo si det(A) = 0.
Demostraci on
Si A es invertible entonces A I
n
. Por tanto, existen matrices elementales E
1
, E
2
,. . . , E
s
, tales que
E
s
E
s1
E
1
A = I
n
De donde
det(E
s
E
s1
E
1
A) = det(I
n
) = 1.
Por la propiedad enunciada anteriormente,
det(E
s
) det(E
s1
) det(E
1
) det(A) = det(I
n
) = 1.
Debido a que, para cada k = 1, 2, . . . , s, det(E
k
) = 0, la igualdad anterior implica que det(A) = 0. Lo
que demuestra la primera implicacion.
Supongamos, ahora que det(A) = 0. Si R es la forma escalonada reducida de A, existe matrices
elementales E

1
, E

2
,. . . , E

r
tales que
E

r
E

r1
E

1
A = R.
De donde,
det(E

r
) det(E

r1
) det(E

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

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

92 1. SISTEMAS DE ECUACIONES LINEALES


Dada una matriz A M
n
(R), el teorema anterior nos proporciona otra equivalencia sobre las matrices
invertibles. Hasta el momento se tienen las siguientes equivalencias:
A invertible para todo b R
n
, AX = b tiene solucion unica
AX = 0 tiene solucion trivial
A I
n
rang(A) = n
Existe una unica matriz B tal queAB = I
n
A es producto de matrices elementales
det(A) = 0
Los siguientes ejemplos ilustran la aplicacion del teorema.
Ejemplo 6.8.
Es la matriz A =
_

_
1 1 2 3
2 4 1 2
3 1 1 4
3 3 1 5
_

_
invertible?
Soluci on
det(A) =

1 1 2 3
2 4 1 2
3 1 1 4
3 3 1 5

1 1 2 3
0 6 5 4
0 2 5 5
0 6 5 4

= 0
Como det(A) = 0, A no es invertible.

Ejemplo 6.9.
Dada la matriz
A =
_
_
x c d
c x d
c d x
_
_
,
con c, d R jos, determine todos los valores de x R para los cuales A no es invertible.
Soluci on
De acuerdo al teorema, determinar los valores de x para los cuales A no es invertible, equivale a
calcular los valores de x para los cuales det(A) = 0.
Para calcular det(A), utilizaremos primero la operacion elemental, F
3
F
2
, F
2
F
1
y a continuacion
desarrolaremos el determinante resultante, utilizando la primera columna.
det(A) =

x c d
c x d
c d x

x c d
c x d
0 d x x d

x c d
c x x c 0
0 d x x d

= x

x c 0
d x x d

(c x)

c d
d x x d

= x(x c)(x d) (c x)[c(x d) d(d x)]


= x(x c)(x d) + (x c)[c(x d) +d(x d)]
= x(x c)(x d) + (x c)(x d)(c +d)
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 93
= (x c)(x d)(x +c +d)
El det(A) = 0 para x = c, x = d o x = c d.

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

El teorema anterior es conocido como el Teorema de Binet-Cauchy.


Ejemplo 6.10.
Si A M
n
(R) es invertible, encuentre det(A
1
).
Soluci on
Si A es invertible, se tiene det(A) = 0. Puesto que
AA
1
= I
n
,
aplicando la funcion determinante, se tiene
det(AA
1
) = det(I
n
)
det(A) det(A
1
) = 1
Por tanto,
det(A
1
) =
1
det(A)
.

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

El ejemplo anterior, puede ser generalizado a cualquier matriz A M


n
(R). El teorema siguiente,
arma que el determinante de una matriz A y de su transpuesta son iguales. Esto sera de gran utilidad ya
que nos permitira extender todas las propiedades de los determinantes, que se reeren a las operaciones
elementales de la, a operaciones elementales de columna. As, para calcular el determinante de una
matriz A ser a posible realizar operaciones de la o de columna a A, seg un convenga.
Teorema 6.7. Si A M
n
(R), entonces
det(A) = det(A
t
)
Demostraci on
Si A no es invertible, A
t
tampoco lo sera y trivialmente se tiene, det(A) = 0 = det(A
t
).
Si A es invertible, entonces existen matrices elementales E
1
, E
2
, . . . , E
r
tales que
A = E
1
E
2
E
r
.
Por tanto,
A
t
= E
t
r
E
t
r1
E
t
2
E
t
1
.
Aplicando la funcion determinante, se obtiene
det(A
t
) = det(E
t
r
) det(E
t
r1
) det(E
t
2
) det(E
t
1
) = det(E
r
) det(E
r1
) det(E
2
) det(E
1
).
Puesto que el determinante es una funcion de valor real, y la multiplicacion de n umeros reales es conmu-
tativa,
det(A
t
) = det(E
1
) det(E
2
) det(E
r
) = det(E
1
E
2
E
r
) = det(A).

Hasta el momento, no hemos necesitado denir operaciones elementales de columna, debido a que
no han sido de utilidad para la solucion de sistemas de ecuaciones lineales. Pero en vista de que el teo-
rema anterior, nos da la posibilidad de realizar operaciones elementales de columna para el calculo del
determinante, es el momento de aclarar su signcado. En primer lugar, observe que aplicar una operacion
elemental de columna a una matriz A es equivalente a aplicar sobre la matriz A
t
una operacion elemental
de la.
Sea A M
n
(R) y suponga que sobre la matriz A
t
, se ha aplicado la operacion elemental de la ,
para obtener la matriz B (equivalente por las a A
t
) B = (A
t
). Sabemos que, si E = (I
n
), entonces
B = (A
t
) = EA
t
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 95
Esto implica que,
B
t
= (EA
t
)
t
= AE
t
.
Observe que B
t
es la matriz que se obtiene si a la matriz A, se le aplicara directamente una operacion
analoga a pero cambiando la por columna. Esto permite denir las operaciones de columna, por
analoga a las operaciones de la. Si C
k
denota las columnas de la matriz A, k = 1, 2, . . . , n, entonces
1. Si : F
i
F
j
, la operacion elemental de columna analoga sera : C
i
C
i
.
2. Si : F
i
con = 0 la operacion elemental de columna analoga sera : C
i
.
3. Si : F
j
+F
i
la operacion elemental de columna analoga, sera : C
j
+C
i
.
Con lo que podemos armar que, B
t
= (A) donde es alguno de los tres tipos de operaciones
columnas anteriores.
Por otra parte, considerando la igualdad B
t
= (EA
t
)
t
= AE
t
e nterpretandola en terminos de la
operacion columna , se tiene
(A) = AE
t
.
De donde se inere que aplicar una operacion de columna a una matriz cuadrada, consiste en multi-
plicar a derecha por una matriz elemental, esto es:
(A) = AF
Ademas, note en M
n
(R), F = E
t
es la matriz elemental correspondiente a (I
n
) = F.
En general, si A M
mn
, (I
m
) = E y (I
n
) = F, entonces (A) = EA equivale a aplicar sobre A
la operacion de la , mientras que (A) = AF corresponde a aplicar sobre A la operacion columna ,
pero en este caso E M
m
(R) y mientras que F M
n
(R).
Ahora supongamos que sobre la matriz A M
n
(R), se ha aplicado la operacion columna para
obtener D = (A) y sea F = (I
n
) Como se relaciona det(D) con det(A)? en otras palabras, Las
propiedades de los determinantes se conservan, si en lugar de aplicar operaciones elementales de la, se
utilizan operaciones de columna?.
Como,
det(D) = det((A)) = det(AF) = det(A) det(F) = det(F
t
) det(A
t
) = det(F
t
A
t
) = det(EA
t
) = det((A)),
donde es la operacion de la determinada por E = F
t
, se tiene
1. Si : C
i
C
j
, entonces : F
i
F
j
y det(D) = det((A)) = det(A)
2. Si : C
i
, = 0, entonces : F
i
y det(D) = det((A)) = det(A)
3. Si : C
i
+C
j
, entonces : F
i
+F
j
y det(D) = det((A)) = det(A).
Por tanto, la respuesta a la pregunta anterior es armativa: Las propiedades de los determinantes
son las mismas si en lugar de aplicar operaciones elementales de la, se utilizan operaciones de columna.
Ejemplo 6.12.
Si a, e, c R {0}, demuestre que
det
_

_
0 a b c
a 0 d e
b d 0 f
c e f 0
_

_
= (af be +cd)
2
96 1. SISTEMAS DE ECUACIONES LINEALES
Soluci on
Sea A =
_

_
0 a b c
a 0 d e
b d 0 f
c e f 0
_

_
, aplicando operaciones de columna se obtiene,
det(A) =

0 a b c
a 0 d e
b d 0 f
c e f 0

=
1
aec

0 ac b ac
ae 0 d ae
be dc 0 af
ce ec f 0

(
1
: eC
1
;
2
: cC
2
;
3
: aC
4
)
=
1
aec

ac ac b ac
ae 0 d ae
be dc dc 0 af
0 ec f 0

(
4
: C
1
C
2
)
=
1
aec

ac ac b 0
ae 0 d 0
be dc dc 0 be dc af
0 ec f 0

(
5
: C
4
+C
1
)
Desarrollando este determinante, utilizando la columna 4, se tiene
det(A) =
be dc af
aec

ac ac b
ae 0 d
0 ec f

=
af be +dc
a
2
e
2
c
2

ace ace be
aec 0 dc
0 eca fa

(
1
: eF
1
;
2
: cF
2
;
3
: aF
3
)
=
af be +dc
a
2
e
2
c
2

ace ace be
0 ace be dc
0 eca fa

(
4
: F
2
F
1
)
=
af be +dc
a
2
e
2
c
2

ace ace be
0 ace be dc
0 0 af be +dc

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

Para nalizar esta seccion, utilizaremos el concepto de determinante para encontrar otra forma de
calcular la inversa de una matriz A invertible. Para esto se denira lo que se entiende por la matriz
cofactora de A y la matriz adjunta de A.
Definici on 6.2. Sea A M
n
(R), la matriz cofactora de A , denotada por Cof(A) es la matriz
de M
n
(R) denida por:
Cof(A) = (C
ij
(A))
nn
,
donde C
ij
(A) es el ij-esimo cofactor de A.
La matriz adjunta de A, es la matriz traspuesta de la matriz cofactora, la cual es denotada por
Adj(A),
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 97
Adj(A) = [Cof(A)]
t
= (C
ji
(A))
nn
Por ejemplo, dada la matriz
A =
_
_
1 2 3
1 0 0
1 1 4
_
_
,
para determinar la matriz cofactora de A se deben determinar los 9 cofactores de A,
C
11
=

0 0
1 4

= 0; C
12
=

1 0
1 4

= 4; C
13
=

1 0
1 1

= 1
C
21
=

2 3
1 4

= 5; C
22
=

1 3
1 4

= 7; C
23
=

1 2
1 1

= 3
C
31
=

2 3
0 0

= 0; C
32
=

1 3
1 0

= 3; C
33
=

1 2
1 0

= 2
Cof(A) =
_
_
0 4 1
5 7 3
0 3 2
_
_
y Adj(A) =
_
_
0 5 0
4 7 3
1 3 2
_
_
.
Teorema 6.8. Si A M
n
(R), A(Adj(A)) = (Adj(A))A = det(A)I
n
.
Demostraci on
Si se denota por B = A(Adj(A)), utilizando la denicion de la multiplicacion matricial, se tiene
b
ij
= F
i
(A)col
j
(Adj(A)) = F
i
(A)F
j
(Cof(A))
_
a
i1
a
i2
a
in

_
C
j1
(A)
C
j2
(A)
.
.
.
C
jn
(A)
_

_
= a
i1
C
j1
(A)+a
i2
C
j2
(A)+ +a
in
C
jn
(A).
Si i = j ,
b
ii
= a
i1
C
i1
(A) +a
i2
C
i2
(A) + +a
in
C
in
(A) = det(A).
Si i = j
b
ii
= a
i1
C
j1
(A) +a
i2
C
j2
(A) + +a
in
C
jn
(A) = det(G)
donde G es talque F
k
(G) = F
k
(A) cuando k = j y F
j
(G) = F
i
(A), luego det(G) = 0, ya que
F
i
(G) = F
i
(A) = F
j
(G).
Por tanto, B es la matriz diagonal
B =
_

_
det(A) 0 0
0 det(A) 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 det(A)
_

_
= det(A)I
n
.
La demostracion de la igualdad (Adj(A))A = I
n
, es analoga a la anterior y se deja como ejercicio para el
lector.

98 1. SISTEMAS DE ECUACIONES LINEALES


Si A es una matriz invertible, det(A) = 0. Multiplicando por:
1
det(A)
ambos lados de la igualdad,
A(Adj(A)) = (Adj(A))A = det(A)I
n
se obtiene
A(
1
det(A)
Adj(A)) = (
1
det(A)
Adj(A))A = I
n
lo que implica que
A
1
=
1
det(A)
Adj(A).
La relacion anterior, proporciona un metodo para calcular la inversa de una matriz A. Sin embargo,
resulta obvio que no es una forma eciente de hacerlo, ya que requiere determinar la matriz adjunta de
A, la cual involucra n
2
determinantes de orden n 1. La utilidad de esta relacion es mas bien teorica,
como lo muestra el ejemplo siguiente.
Ejemplo 6.13.
Si A M
n
(R) es una matriz invertible y b M
n1
, determine la solucion del sistema AX = b.
Soluci on
Puesto que A es invertible, el sistema AX = b tiene solucion unica, X = A
1
b.
X = A
1
b =
1
det(A)
Adj(A)b =
1
det(A)
_

_
C
11
C
21
C
n1
C
12
C
22
C
n2
.
.
.
.
.
.
.
.
.
.
.
.
C
1n
C
2n
C
nn
_

_
_

_
b
1
b
2
.
.
.
b
n
_

_
.
La i-esima coordenada del vector X, esta dada por
x
i
=
1
det(A)
(C
1i
b
1
+C
2i
b
2
+ +C
ni
b
n
=
det(A
i
)
det(A)
,
donde A
i
es la matriz obtenida a partir de A reemplazando su i-esima columna por el vector b.

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

IZ CUADRADA. 99
z =
1
det(A)
det(A3) =
1
12

1 2 1
2 1 0
3 1 1

=
1
12
4 =
1
4
.

Para nalizar este captulo, retornemos al modelo Insumo- Producto de Leontief estudiado en la
seccion 5, con el proposito de dar respuesta a la pregunta que quedo abierta: Dado un modelo Insumo-
Producto X = AX +D, se puede asegurar que siempre existe una solucion X =
_
x
1
x
2
x
n

t
del
sistema (I
n
A)X = D, para cualquier demanda nal no negativa d y que dicha solucion es no negativa?
Para dar una solucion a esta pregunta, se utiliza el concepto de determinante. Hawkins y H.A. Si-
mon en su artculo Some condition of macroeconomic stability (1949), estudiaron el sistema planteado y
generaron condiciones para la no negatividad de soluciones. Hukukane Nikaido en su texto Introduction
to sets and mappings in modern Economics (1970), demuestra y generaliza las condiciones dadas por
Hawkins-Simons. Para no extendernos demasiado, demostraremos solo uno de los resultados encontrados
y dejamos al lector el estudio de sus variaciones.
Definici on 6.3. Dada A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
M
n
(R) los determinantes

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

n1
= det
_

_
a
11
a
12
a
1(n1)
a
21
a
22
a
2(n1)
.
.
.
.
.
.
.
.
.
.
.
.
a
(n1)1
a
(n1)2
a
(n1)(n1)
_

_
,
n
= det
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
= det(A)
se denominan los menores principales de A.
Definici on 6.4. Se dice que una matriz
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
M
n
(R)
verica la Condicion de Hawkins-Simon si todos los menores principales de A son positivos.
Antes de continuar, observe que en el modelo de Insumo-Producto, se tiene un sistema de ecuaciones
(I
n
A)X = D en donde la matriz de Leontief L = I
n
A = (l
ij
)
nn
es talque l
ij
0 para i = j,
i, j = 1, . . . , n y D = (d
i
)
n1
satisface d
i
0 para i = 1, . . . , n, por tanto el sistema (I
n
A)X = D
no es cualquier sistema de orden n n, si no que esta determinado por dichas restricciones. El teorema
siguiente, nos acerca una solucion de la pregunta que queremos responder.
Teorema 6.9. Sea AX = B un sistema de ecuaciones, A M
n
(R), D M
n1
, X M
n1
que
verica las restricciones a
ij
0 para i = j, i, j = 1, 2, . . . , n y b
i
> 0 para i = 1, 2, . . . , n.
AX = B tiene una solucion X =
_
x
1
x
2
x
n

t
con x
i
0 para todo i = 1, 2, . . . , n si y solo
si A satisface la condicion de Hawkins-Simon.
100 1. SISTEMAS DE ECUACIONES LINEALES
Demostraci on
Supongamos que el sistema AX = B satisface las restricciones a
ij
0 para i = j i, j = 1, 2, . . . , n
y b
i
> 0 para i = 1, 2, . . . , n y que tiene una solucion X =
_
x
1
x
2
x
n

t
con x
i
0 para todo
i = 1, 2, . . . , n, y demostremos por induccion sobre el orden del sistema, que A satisface la condicion de
Hawkin-Simon (que todos los menores principales de A son positivos).
Si n = 1, A = (a
11
)
11
, el sistema AX = B, es la ecuacion real a
11
x
1
= b
1
donde b
1
> 0, lo que implica
que a
11
x
1
> 0. Como x
1
0 necesariamente a
11
> 0. Puesto que el unico menor principal de A es

1
= a
11
y
1
> 0, A verica la condicion de Hawkins-Simon.
Si n = 2, A =
_
a
11
a
12
a
21
a
22
_
, B =
_
b
1
b
2
_
, con a
12
0, a
21
0, b
1
> 0 y b
2
> 0. El sistema AX = B, es el
sistema
_
a
11
a
12
a
21
a
22
_ _
x
1
x
2
_
=
_
b
1
b
2
_
,
el cual tiene solucion X =
_
x
1
x
2
_
, con x
1
0 y x
2
0. De la primera ecuacion del sistema
a
11
x
1
+a
12
x
2
= b
1
se tiene
a
11
x
1
= b
1
a
12
x
2
.
Como x
2
0 y a
12
0 el sumando a
12
x
2
0, luego a
11
x
1
> 0 debido a que b
1
> 0. De donde se
concluye,
1
= a
11
> 0.
Utilizando reduccion sobre la matriz aumentada del sistema AX = B, se obtiene
_
a
11
a
12
b
1
a
21
a
22
b
2
_

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

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

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

M
(k1)(k1)
(R), B

M
(k1)1
(R) y X

M
(k1)1
(R), satisfacen a

ij
0
para i = j para i, j = 1, . . . , (k1), b

i
> 0 y x

i
0, i = 1, . . . , (k1), entonces A

satisface las condiciones


de Hawkins-Simons (Hipotesis de Induccion) y demostremoslo para el caso en que el sistema AX = B sea
de orden k k. Es decir, veamos que si A M
kk
(R), B M
k1
(R) y X M
k1
(R), satisfacen a
ij
0
para i = j i, j = 1, . . . , k, b
i
> 0 y x
i
0 para cada i = 1, . . . , k, entonces A satisface las condiciones de
Hawkins-Simons.
De la primera ecuacion del sistema de orden k k
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 101
_

_
a
11
a
12
a
1k
a
21
a
22
a
2k
.
.
.
.
.
.
.
.
.
a
k1
a
k2
a
kk
_

_
_

_
x
1
x
2
.
.
.
x
k
_

_
=
_

_
b
1
b
2
.
.
.
b
k
_

_
,
a
11
x
1
+a
12
x
2
+ +a
1k
x
k
= b
1
se tiene
a
11
x
1
= b
1
a
12
x
2
a
1k
x
k
.
Como a
1j
0 y x
j
0, se tiene que cada sumando a
1j
x
j
0. Utilizando que b
1
> 0, se tiene que
a
11
x
1
> 0, lo que implica que
1
= a
11
> 0, por ser x
1
0.
Utilizando reduccion a la matriz aumentada del sistema AX = B, se tiene
_

_
a
11
a
12
a
1k
b
1
a
21
a
22
a
2k
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
k1
a
k2
a
kk
b
k
_

_

_

_
1
a12
a11

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

_
1
a12
a11

a
1k
a11
b1
a11
0 a
22

a21a12
a11
a
2k

a21a
1k
a11
b
2

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

a
k1
a12
a11
a
kk

a
k1
a
1k
a11
b
k

a
k1
b1
a11
_

_
Denotemos por:
a

ij
= a
ij

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

j
= b
j

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

=
_

_
a

22
a

23
a

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

k2
a

k3
a

kk
_

_
es de orden (k 1) (k 1). El sistema A

X = B

de orden (k 1) (k 1) satisface las condiciones para


aplicar la hipotesis de induccion. En efecto, si i = j, a
ij
0 y a
1j
0 por ser elementos de A y j = 1,
i = 1, entonces a

ij
= a
ij

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

j
= b
j

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

satisface la condicion de Hawkins-Simon. Esto es


a

22
> 0, det
_
a

22
a

23
a

32
a

33
_
> 0, det
_
_
a

22
a

23
a

24
a

32
a

33
a

34
a

42
a

43
a

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

) > 0.
De a

22
= a
22

a
21
a
12
a
11
=
a
22
a
11
a
21
a
12
a
11
> 0, se tiene det
_
a
11
a
12
a
21
a
22
_
> 0.
Para demostrar que los demas menores principales de A son positivos, utilizamos las propiedades de los
determinantes para expresarlos en terminos de los menores de A

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

22
a

23
0 a

32
a

33
_
_
= a
11
det
_
a

22
a

23
a

32
a

33
_
> 0
En general
det
_

_
a
11
a
12
a
1k
a
21
a
22
a
2k
.
.
.
.
.
.
.
.
.
a
k1
a
k2
a
kk
_

_
= det
_

_
a
11
a
12
a
1k
0 a

22
a

2k
.
.
.
.
.
.
.
.
.
0 a

k2
a

kk
_

_
= a
11
det
_

_
a
12
a
1k
a

22
a

2k
.
.
.
.
.
.
a

k2
a

kk
_

_
> 0
Lo que demuestra que todos los menores principales de A son positivos.
Para la otra implicacion, supongamos que A satisface la condicion de Hawkins-Simon y demostremos
que AX = B tiene una solucion X talque x
i
0 para i = 1, 2, . . . , n. La demostracion se realizara por
induccion sobre el orden de la matriz A.
Para n = 1 se tiene A = (a
11
)
11
, el sistema AX = B, se reduce a la ecuacion a
11
x
1
= b
1
. Como el unico
menor principal de A es a
11
y a
11
> 0, se tiene x
1
=
b1
a11
> 0.
Supongamos que si A

M
(k1)(k1)
satisface la condicion de Hawkins-Simon, entonces dado B


M
(k1)1
existe una solucion X

de A

= B

con x

i
0, para i = 1, . . . , (k 1), y demostremos que el
resultado se tiene para el sistema AX = B, con A M
kk
y A M
k1
.
Sea
_

_
a
11
a
12
a
1k
a
21
a
22
a
2k
.
.
.
.
.
.
.
.
.
a
k1
a
k2
a
kk
_

_
_

_
x
1
x
2
.
.
.
x
k
_

_
=
_

_
b
1
b
2
.
.
.
b
k
_

_
,
un sistema de orden k k que satisface la condicion de Hawkins-Simon. Como a
11
es uno de los meno-
res principales de A, a
11
> 0. Aplicando reduccion para determinar la solucion del sistema AX = B,
obtenemos
_

_
a
11
a
12
a
1k
b
1
a
21
a
22
a
2k
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
k1
a
k2
a
kk
b
k
_

_

_

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

22
a

2k
b

2
.
.
.
.
.
.
.
.
.
.
.
.
0 a

k2
a

kk
b

k
_

_
Considerando el sistema A

X = B

, b
i
> 0 y a
ij
0 para i = j (la justicacion es igual a la realizada
anteriormente). Ademas,
det
_
a

22
a

23
a

32
a

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

22
a

23
0 a

32
a

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

_
a

22
a

23
a

2k
a

32
a

33
a

3k
.
.
.
.
.
.
.
.
.
a

k2
a

k3
a

kk
_

_
=
1
a
11
det
_

_
a
11
a
12
a
13
a
1k
0 a

22
a

23
a

2k
0 a

32
a

33
a

3k
.
.
.
.
.
.
.
.
.
.
.
.
0 a

k2
a

k3
a

kk
_

_
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 103
=
1
a
11
det
_

_
a
11
a
12
a
13
a
1k
a
21
a
22
a
23
a
2k
a
31
a
32
a
33
a
3k
.
.
.
.
.
.
.
.
.
.
.
.
a
k1
a
k2
a
k3
a
kk
_

_
> 0
Luego, A

satisface la condcion de Hawkins-Simon. Por hipotesis de induccion se tiene que existe una
solucion de A

X = B

talque x
i
0 con i = 2, 3, . . . , k.
Solo queda probar que x
1
0. En efecto,
a
11
x
1
+a
12
x
2
+ +a
1k
x
k
= b
1
y a
11
> 0,
entonces
x
1
=
1
a
11
(b
1
a
12
x
2
a
1k
x
k
).
Como b
1
> 0, a
1j
0 y x
j
0 para j = 2, 3, . . . , k se tiene que x
1
0.
Por tanto, el sistema AX = B tiene una solucion X = (x
i
)
n1
con x
i
0, siempre que b
i
> 0 para
i = 1, . . . , n.

Una generalizacion, del teorema anterior es la siguiente.


Teorema 6.10. Sea AX = B un sistema de ecuaciones, A M
n
(R), D M
n1
, X M
n1
que
verica las restricciones a
ij
0 para i = j, i, j = 1, 2, . . . , n y b
i
0 para i = 1, 2, . . . , n.
AX = B tiene una solucion X =
_
x
1
x
2
x
n

t
con x
i
0 para todo i = 1, 2, . . . , n si y solo
si A satisface la condicion de Hawkins-Simon.
Estos dos teoremas nos permiten armar, que
Un modelo Insumo-Producto AX + D = X tiene solucion no negativa X para cualquier vector de
demanda nal no negativo dado, si y solo si, la matriz de Leontief I A verica la condici on de Hawkins-
Simon.
Diremos que una matriz de coecientes tecnicos A genera una economa productiva si y solo si, para
cualquier matriz de demanda nal D no negativa, existe un vector de produccion bruta no negativo talque
se verica la igualdad (I A)X = D. En consecuencia,
Una matriz de coecientes tecnicos A genera una economa productiva si y solo si la matriz de Leon-
tief, I A verica la condicion de Hawkins-Simon.
Ejemplo 6.15.
La matriz A =
_
0,6 0,3
0,5 0,8
_
genera una economa productiva?
Soluci on
I
2
A =
_
0,4 0,3
0,5 0,2
_

1
= 0,4 > 0 y
2
= det(I
2
A) = 0,07.
Como I
2
A no satisface la condicion de Hawkins-Simon, no genera una economa productiva.
104 1. SISTEMAS DE ECUACIONES LINEALES

6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 105
Ejercicios 6.1.
1. Determine los determinantes de cada una de las matrices dadas.
a) A =
_
cos sin
sin cos
_
R.
b) A =
_
cd c
2
d
2
cd
_
c, d R.
c) A =
_
_
b c d
0 a 0
b 0 0
_
_
a, b, c, d R.
2. Determine el valor de los siguientes determinantes
a)

1 1 2
2 1 1
1 3 1

b)

2 0 1
1 1 1
2 1 3

c)

1 0 1
1 2 1
2 1 3

3. Verique el teorema de expansion de Laplace en cada uno de los casos dados. Utilice el desarrollo
por la la 1 y por la columna 3.
a)

1 1 1
3 1 0
1 2 0

b)

2 1 3
5 3 0
1 2 1

c)

1 0 2 3
1 2 0 2
1 1 1 1
3 2 0 1

4. Determine los valores de x R, que satisfacen cada una de las igualdades dadas.
a)

1 1 1
1 x 1
1 1 x
2

= 0
b)

1 2 4
2 x 8
3 6 x

= 0
c)

1 1 1
2 1 3
3 x 2

= 0
106 1. SISTEMAS DE ECUACIONES LINEALES
5. Demuestre que det(I
n
) = 1, para todo n N.
6. Seg un el valor del determinante
1
, calcule el determinante
2
.

1
=

a b c
x y z
r s t

y
2
=

2a 2b 2c
2r 2s 2t
2x 2y 2z

.
7. Determine si las siguientes igualdades son verdaderas o falsa.
a) det
_
_
2 2 2
2 2 2
2 2 2
_
_
= 0
b) det
_
_
a b c
a
2
b
2
c
2
a
3
b
3
c
3
_
_
= (a b)(a c)(b c
c) det
_
_
1 a 1
1 b 1
1 c 1
_
_
=
1
ab
det
_
_
1 a
2
1
1 ab 1
1 ac 1
_
_
d) det
_
_
x +y y +z x +z
x y z
1 1 1
_
_
= 0
8. Utilizando unicamente propiedades de los determinantes, demuestre que
det
_
_
1 a
2
a
3
1 b
2
b
3
1 c
2
c
3
_
_
= det
_
_
bc a a
2
ca b b
2
ab c c
2
_
_
9. Determine el (o los valores) de x, si existen, que son solucion de cada una de las ecuaciones dadas.
a)

0 x x
x 0 x
x x 0

= 0
b)

a a x
m m m
b x b

= 0
c)

x 1 1
2 0 1
3 2 1

= 2
d)

b +x c +x a +x
c +x a +x b +x
a +x b +x c +x

= 0
e)

x 1 0 1
2 x + 2 1
0 0 x + 1

= 0
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 107
10. Calcular el determinante
det
_

_
a
2
ab ab b
2
ab a
2
b
2
ab
ab b
2
a
2
ab
b
2
ab ab a
2
_

_
11. Calcule el determinante dado, utilizando propiedades.

3 1 1 1 1
1 3 1 1 1
1 1 3 1 1
1 1 1 3 1
1 1 1 1 3

12. Demuestre que

1 sin cos
1 sin cos
1 sin cos

= sin( ) + sin( ) + sin( )


13. Demuestre que, si = 0,

x x
2
a
1
y y
2
a
1
z z
2
a
1

= (x y)(y z)(z x)
14. Si

a b c
x y z
1 0 1

= 3, calcular
a)

1 1 0
x z y
a c b

b)

2c b c a
2z y z x
2 1 1

c)

x 1 y z 1
1 0 1
a 2 b c 2

15. Si x, y, z, t son distintos de cero, demuestre que

1 +x 1 1 1
1 1 +y 1 1
1 1 1 +z 1
1 1 1 1 +t

= xyzt(
1
x
+
1
y
+
1
z
+
1
t
+ 1)
108 1. SISTEMAS DE ECUACIONES LINEALES
16. a) Demuestre que

1 x x
2
x
2
1 x
x x
2
1

= (1 x
3
)
2
b) Demuestre que

1 x x
2
x
3
x
3
1 x x
2
x
2
x
3
1 x
x x
2
x
3
1

= (1 x
4
)
3
c) Utilizando a) y b) encuentre una formula para

1 x x
2
x
n
x
n
1 x x
n1
x
n1
x
n
1 x
n2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x x
2
x
3
1

.
17. a) Sea A =
_
A
11
0
A
21
A
22
_
una matriz por bloques de orden (p +q) (p +q). Demuestre que
det(A) = det(A
11
) det(A
22
)
b) Sea A =
_
A
11
A
12
0 A
22
_
una matriz por bloques de orden (p +q) (p +q). Demuestre que
det(A) = det(A
11
) det(A
22
)
c) Realice una division por bloques, para calcular el determinante de cada una de las matrices
dadas

3 1 2 0 0
1 0 1 0 0
2 0 0 0 0
0 1 1 3 1
1 0 1 1 1

1 1 1 1 0 1
1 0 1 0 0 1
2 1 0 0 0 3
0 0 0 3 1 2
0 0 0 1 1 1
0 0 0 0 2 1

18. Demuestre que

x 1 0 0
0 x 1 0
0 0 x 1
a b c x +d

= a +bx +cx
2
+dx
3
+x
4
19. Demuestre que

0 0 0 a
1n
0 0 a
2(n1)
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
(n1)2
a(n 1)(n 1) a
n(n1)
a
n1
a
n2
a
n(n1)
a
nn

= (1)
k
a
1n
a
2(n1)
a
(n1)2
a
n1
donde n = 2k o n = 2k + 1
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 109
20. Si A M
n
(R) es una matriz antisimetrica, muestre que det(A) = 0.
21. Demuestre que, si A M
n
(R), para todo n N se tiene det(A
n
) = (det(A))
n
.
22. Demuestre que, si A M
n
(R) es invertible, para todo n Z se tiene det(A
n
) = (det(A))
n
.
23. Demuestre que, si A M
4
0(R) y R entonces det(A) =
40
det(A).
24. Si A M
n
(R) muestre que, la ecuacion Ax = x tiene una solucion x = 0 si y solo si
det(I
n
A) = 0.
Determine si las siguientes matrices son invertibles.
25. A =
_
_
2 2 2
0 2 3
5 5 1
_
_
26. B =
_
_
0 0 5
0 0 1
2 1 2
_
_
27. C =
_

_
1 2 2 4
2 3 2 8
4 2 4 13
2 8 4 11
_

_
28. D =
_

_
1 2 1 2
1 1 1 1
1 1 2 1
1 2 2 1
_

_
29. F =
_

_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_

_
30. Si A es una matriz invertible y su inversa es la matriz B =
_
_
2 1 2
0 1 3
0 0 1
_
_
determine A.
31. Si B = (b
ij
)
nn
, donde
b
ij
=
_
1 si i j
0 si i > j
Muestre que B es invertible y calcule B
1
.
32. Dada A M
n
(R), demuestre que A es invertible si y solo si A
t
es invertible.
110 1. SISTEMAS DE ECUACIONES LINEALES
33. Sea A M
n
(R) la matriz denida por: a
ij
=
_
0 si i = j
1 si i = j
. Use determinantes para demostrar
que A es invertible.
34. Para que valores de a R la matriz
_
_
1 2 3
a a 1 a + 1
2 a a + 3 a + 7
_
_
es invertible?
35. Para que valores de , R la matriz
_
_
1 0
0 1 0
0
_
_
es invertible?
36. Si a +b +c = 0, determine los valores de x R que hacen que la matriz
_
_
a x c b
c b x a
b a c x
_
_
no sea invertible?
37. Para que valores de z R la matriz
_

_
1 z z
2
z
3
1 2 4 8
1 3 9 27
1 4 16 64
_

_
no es invertible?
38. Si a R, para que valores de x R la matriz
_

_
x a a a
a x a a
a a x a
a a a x
_

_
es invertible?
39. Muestre que para cualquier a, b, c, d R la matriz
_

_
1 a a
2
a
3
+bcd
1 b b
2
b
3
+acd
1 c c
2
c
3
+abd
1 d d
2
d
3
+abc
_

_
no es invertible.
6. DETERMINANTE DE UNA MATR

IZ CUADRADA. 111
40. Muestre que
_
_
1 cos cos
cos 1 cos
cos cos 1
_
_
es invertible si + + = 0.
En cada uno de los items siguientes, determine cuando la matriz dada es invertible y calcule su
inversa para todos los casos en que exista
41. A =
_

_
2 1 0 0
3 2 0 0
1 1 3 4
2 1 2 3
_

_
42. B =
_
_
1 1 1
1 x x
2
1 x
2
x
_
_
con x R
43. C =
_

_
1 a a
2
a
3
0 1 a a
2
0 0 1 a
0 0 0 1
_

_
con a R.
44. B =
_

_
1 1 1 1
1 1 +a 1 1
1 1 1 +b 1
1 1 1 1 +c
_

_
donde a, b, c R {0} .
45. Sea A =
_
_
0 3 4
2 0 3
2 1 0
_
_
, determine los valores de R para los cuales det(AI
3
) = 0.
46. Sea B =
_

_
0 1 1 1
1 0 1 1
1 1 0 1
1 1 1 0
_

_
, determine los valores de R para los cuales det(B I
4
) = 0.
En cada caso determine Adj(B) y B(Adj(B))
47. B =
_
_
1 3 2
1 1 0
0 0 3
_
_
.
48. B =
_
_
1 2 3
4 5 6
7 1 1
_
_
.
49. B =
_

_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_

_
.
112 1. SISTEMAS DE ECUACIONES LINEALES
50. De un ejemplo de una matriz A talque A = 0 pero Adj(A) = 0.
51. Demuestre que si A M
n
(R)
det(Adj(A)) = (det(A))
n1
.
52. Sea A = (a
ij
)
33
talque a
11
= a
33
= 1, a
12
= a
32
= 2, a
13
= a
32
= 2, a
13
= a
31
= 2,
a
21
= 5, a
22
= 6 y a
23
= 0. Determine
a) Adj(A)
b) det(A)
c) A
1
d) (Adj(Adj(A)))
1
.
En los ejercicios 52 a 55, determine si la matriz de coecientes tecnicos, genera una economa
productiva. Justique con precision.
53. La tabla de transacciones intersectoriales para una economa con tres sectores productivos A, M
y E, esta dada por
I/O A M E Produccion Total
A 70 60 75 415
B 45 70 105 500
C 60 55 90 455
54. La tabla de transacciones intersectoriales para una economa cticia con tres sectores productivos
A, B y C, expresada en millares de millones de dolares y a precio de salida de fabrica, esta dada
por
I/O A B C Demanda Final Produccion Total
A 89.6 118.9 1.3 120.9 330.7
B 35.8 332 36.5 466.6 870.9
C 16.2 69.9 76.4 310.1 472.6
55. Suponga que para una economa dividida en tres sectores la matriz de coecientes tecnicos es
A =
_
_
0,1 0 0,1
0,5 0,2 0,2
0,0 0,0 0,1
_
_
56. La tabla de transacciones industriales en una economa dividida en tres sectores productivos,
expresada en millares de millones de dolares, esta dada por
I/O 1 2 3 Demanda Final Produccion Total
1 75 160 30 65 330
2 30 160 100 210 500
3 48 64 80 448 640