Matematica I PDF

ii
iii
Elaborado por
Lic. Adriana Natividad Olmos
Procesamiento didáctico y evaluación pedagógica
Corrección de estilo
Lic. Silvia Scarafia
Evaluación de contenidos
Dr. Carlos Bruno Briozzo
iv
Córdoba, septiembre del 2004
Estimado alumno:
En esta oportunidad le presento la guía de “Mate 1” (permítame llamarla así), y

lo hago con mucho orgullo. Se trata de un material fruto de mi experiencia en la
enseñanza de la matemática en la modalidad a distancia; fruto de mi propio
aprendizaje, profundización y reflexión en ejes temáticos relacionados a la
misma como son: el discurso pedagógico, uso de los medios, evaluación,
didáctica matemática y pedagogía, entre otros. Y también, fruto de mi
compromiso con la enseñanza reflexiva y con el aprendizaje comprensivo del
alumno.
Escribirla fue una tarea sumamente grata, pesada a veces, continua y siempre
apoyada en mi decisión inicial de asumir con responsabilidad el compromiso.
También, compartida en todo momento por un entorno familiar que con afecto,
comprensión y respeto me rodeó siempre, al igual que un entorno colaborativo
de trabajo brindado por el Departamento pedagógico de la Institución.
Al igual que usted lo hará en el próximo semestre, quizá cuatrimestre, me

esforcé, me concentré, me dediqué, pedí ayuda cuando sola no podía, y
finalmente superé el desafío: una guía orientadora y portadora de contenidos.
¡Cuénteme de usted! De sus avances, de sus logros, de las piedras en el

camino del estudio, de las dificultades en el aprendizaje. Cuénteme qué le
gustó y qué no en el tratamiento de los distintos temas de la guía. Para ello,
habrá un espacio a tal fin en los foros del Aula virtual de la materia. Allí
seguiremos en contacto, allí espero sus impresiones, su feed-back, sus
aportes, sus comentarios para considerarlos, evaluarlos y capitalizarlos en una
actualización permanente del material.
Bueno, bueno. Para iniciar la reflexión en la materia, recuerdo una cita de

Alexander Pope; cita que tomo prestada de la guía del CIMEI, por considerarla
verdaderamente cierta. Dice: “Algunas personas nunca aprenderán nada por la
sencilla razón de que entienden todo demasiado pronto”. Entonces, lo dejo
reflexionando, lo dejo analizando su distribución de tiempos, preparando su
entorno de estudio, familiarizándose con el material. ¡Lo dejo estudiando!.
Recuerde: ¡en el aula virtual nos contactamos nuevamente!
Un saludo afectuoso, Adriana.
Autora y tutora Adriana Olmos, aolmos@iua.edu.ar
v
Córdoba, septiembre del 2004
Estimado colega:
La guía que tiene en sus manos es portadora de contenidos, esto es, incluye los contenidos
básicos de la materia Matemática I de la carrera Ingeniería de sistemas.
Fue diseñada bajo el supuesto de fortalecer, en el alumno, prácticas de aprendizaje

significativo; centrado en el aprender a aprender; superadora de actitudes pasivas en el estudio
de la matemática. Incluye variedad en las actividades propuestas tanto de proceso, de
autoevaluación, como de indagación y reflexión en el Aula virtual y también, orientaciones
claras para la lectura analítica y síntesis final compresiva en cada unidad. En todo momento
intenta la aplicación de diversas operaciones de pensamiento que enriquecen la participación
del alumno.
La premisa fundamental es que el contenido es absolutamente asequible y que el alumno

puede comprenderlo todo y bien; que el tutor lo acompaña y lo orienta en este proceso de
superar el aprendizaje repetitivo, de profundizar en el aprendizaje reflexivo y colaborativo. Al
decir de Edith Litwin, el tutor lo ayudará a desenmascarar sus lagunas para lograr una
comprensión constructivista.
La idea base supone una ciencia matemática que además de técnicas calculistas, brinda
herramientas simples para “modelar matemáticamente” situaciones concretas de la vida real,
razonando, pensando bien, construyendo y contextualizando una posible solución. No olvida la
importancia del lenguaje técnico, específico, que nos lleva de la abstracción a la interpretación
de manera continuada a lo largo de todo el texto.
El Aula virtual constituye otro espacio que interactúa con la guía, un espacio para profundizar el
trabajo colaborativo y el acercamiento entre compañeros de curso; un espacio para brindar al
alumno, actividades complementarias y comentarios de interés, y también para albergar las
propuestas de trabajo y las actividades obligatorias.
El sistema de evaluación contempla el seguimiento continuo del alumno y en sus instancias de

actividades obligatorias y de examen final debería mantener la profundidad de análisis y la
interrelación conceptual, planteada a lo largo de la guía.
Lo invito a apoyarme en esta línea de trabajo, a consultarme ante cualquier duda con el
material, a compartir conmigo sus inquietudes y sus ideas renovadas, a entregarme su
impresión sobre la guía ya que nuestros alumnos merecen nuestro mejor esfuerzo.
Lo invito a transitar el camino de una materia que además de informar, forma un alumno
autónomo, independiente, con conocimiento formal que se siente satisfecho.
Finalmente, quedo a su disposición y lo saludo con afecto y respeto. Adriana.
Autora y tutora Adriana Olmos, aolmos@iua.edu.ar
vi
Indice
Introducción general orientadora ................................................................................ 1
Unidad 1. Ecuaciones lineales ........................................................................................7

Orientación del aprendizaje .........................................................................................8
1. Preliminares ..............................................................................................................10
2. Ecuación lineal (EL) .................................................................................................11
3. Conjunto solución de una EL ...................................................................................14
4. Sistema de ecuaciones lineales (SEL) ......................................................................18
5. Conjunto solución de un SEL ...................................................................................24
6. Gráfica de SEL .........................................................................................................43
7. Modelizaciones matemáticas usando SEL ...............................................................51
Visión retrospectiva ..................................................................................................67
Actividades complementarias ...................................................................................68
Soluciones a las actividades de proceso ...................................................................69
Actividades de autoevaluación .................................................................................87
Unidad 2. Matrices .......................................................................................................89

Orientación del aprendizaje ......................................................................................90
1. Matriz .......................................................................................................................92
2. Operaciones con matrices .........................................................................................97
3. Álgebra matricial ....................................................................................................107
4. Modelizaciones matemáticas con matrices en situaciones concretas......................119
Visión retrospectiva ................................................................................................141
Actividades complementarias .................................................................................142
Soluciones a las actividades de proceso .................................................................144
Actividades de autoevaluación ...............................................................................162
Actividad Obligatoria 1 ..............................................................................................165
Unidad 3. Determinantes ...........................................................................................167

Orientación del aprendizaje ....................................................................................168
1. Determinante de una matriz ....................................................................................170
2. Alternativas de cálculo del det ( A ) ........................................................................175
3. Propiedades del determinante .................................................................................180
4. Aplicaciones ...........................................................................................................185
Unidad 4. Transformaciones matriciales de \ n en \ m ..........................................213

Orientación del aprendizaje ....................................................................................214
1. Vectores ..................................................................................................................216
2. Combinación lineal de vectores en \ n ..................................................................220
3. Transformaciones matriciales .................................................................................235
4. Vectores y valores propios .....................................................................................248
vii
Actividad Obligatoria 2 ..............................................................................................287
Clave de respuestas .....................................................................................................289
Programa .....................................................................................................................309
viii
INTRODUCCIÓN
Introducción general orientadora
La Matemática I de la carrera de Ingeniería de sistemas trabaja, en cuatro unidades,

contenidos relacionados a un área de la ciencia matemática, muy difundida en los
últimos tiempos, el álgebra lineal.
La misma, vincula números reales conocidos, con otros desconocidos, a través de las
operaciones definidas para el sistema numérico real; pero al tratarse de “lineal” esa
vinculación no es arbitraria. La “linealidad” garantiza que la vinculación (suma,
producto por un escalar) entre desconocidos se mantiene luego de operarse con los
conocidos.
El Álgebra lineal trabaja con arreglos de números. En particular:

9 La unidad 1 da una mirada a esos arreglos bajo la forma de sistemas de ecuaciones
lineales. Los clasifica en consistentes e inconsistentes y muestra variantes de un
método básico para resolverlos.
9 La unidad 2, en cambio, formaliza dichos objetos −llamándolos matrices− y las
operaciones entre ellos. Finalmente, analiza las propiedades que cumplen e
identifica algunas por sus características que las hacen especiales o particulares.
9 La unidad 3 asigna un número real a los arreglos rectangulares de números. No es
un número cualquiera ya que es una combinación especial de las entradas que
forman esos arreglos rectangulares; se lo llama determinante; cumple importantes
propiedades y aparece en diversas fórmulas algebraicas y geométricas.
9 Finalmente la unidad 4, plantea una relación “dinámica” entre esos objetos
rectangulares ya que los piensa “movidos” de un espacio a otro espacio o
“transformados”. Así visualiza, en particular, a los sistemas de ecuaciones lineales y
usa a las matrices y al producto matricial como elemento “dinamizador”. En esta
unidad se estudian características de esa dinámica y objetos con características
especiales.
En esta materia lo invito a comprometerse con los siguientes objetivos de aprendizaje.

Ellos son:
9 Dominar conceptos y técnicas del álgebra de matrices, determinantes, sistemas de
ecuaciones lineales y transformaciones lineales dentro del ámbito del Álgebra lineal.
9 Identificar y valorar el uso de la matemática en las distintas etapas de la resolución
de un problema, en el diagnóstico de situaciones de la vida real cotidiana y de la
científica.
9 Modelizar situaciones usando elementos y teoría del Álgebra lineal.
9 Valorar y comprender el lenguaje técnico de la ciencia matemática y la rigurosidad
que lo diferencia del lenguaje cotidiano, como así, los procesos de abstracción y de
interpretación relacionados al mismo.
9 Utilizar estrategias conducentes a aprender a aprender comprensivamente
matemática y a trabajar en forma autónoma y organizada.
Bien, algunos de los mencionados son sólo saberes, contenidos, conceptos de la ciencia
matemática, pero se acompañan −como siempre deberían hacerlo− de un saber hacer
que se logra eligiendo una postura reflexiva y comprensiva en el proceso de estudiar y
aprender. En particular, las actividades de proceso planteadas en esta guía –con
soluciones al final de la unidad– ejemplifican esta postura. Y este saber hacer nace del
1
INTRODUCCIÓN
“pensar bien” y del saber ser, que nos permite asumir la elección de estudiar, con
compromiso, responsabilidad, rigurosidad, constancia y verdad.
La guía de estudio que tiene en sus manos fue escrita bajo la idea de un aprendizaje
significativo. Por ello, a lo largo de toda la exposición abundan diferentes acciones
reflexivas que invitan a nuestro alumno a superar actitudes pasivas en el aprendizaje.
Por otro lado, relaciona permanentemente planteos de problemas concretos con

modelizaciones matemáticas, como una manera de encontrarles una solución
fundamentada. La idea es que el alumno comprenda que la matemática supera los datos,
las técnicas, los conceptos aislados y da origen a teorías y a modelos matemáticos,
algunos simples, que se constituyen en una herramienta valiosa a la hora de encontrar
soluciones cuanti- y cualitativas a situaciones-problema de la vida real.
Finalmente, es fundamental, contar con los conocimientos previos requeridos por

Matemática I: el conjunto de los números reales, sus operaciones y propiedades. Sin
ellos es posible que encuentre obstáculos importantes, ya que la matemática es una
ciencia que crece verticalmente en redes entrecruzadas. Además de estos conocimientos
previos, propios de la ciencia, es necesario que cuente con aquellos aportados por el
curso de introducción a la modalidad y al estudio independiente (CIMEI). Matemática I
es una oportunidad de iniciar, de fortalecer o de insistir en actitudes y en acciones que
propicien y faciliten el aprendizaje significativo. En particular es una oportunidad para
aplicar, discutir y reflexionar sobre las estrategias de estudio y estrategias de
aprendizaje más convenientes para aprender matemática desde la conciencia
significativa
2
INTRODUCCIÓN
El siguiente mapa conceptual sintetiza lo hablado.
Situaciones problemáticas
concretas
son analizadas por de las
modelizaciones soluciones
matemáticas matemáticas
que mediante la
arriban a
y la
abstracción interpretación
en
teorías del
álgebra lineal
basadas en
aritmética
real
que incluyen
el las Los sistemas de las transformaciones

determinante matrices ecuaciones lineales matriciales
3
INTRODUCCIÓN
Respecto a aspectos más generales, le recordamos:

a) El cursado de la materia se realiza en tutorías individuales (TI) o en tutorías
grupales (TG) previa inscripción por Autogestión.
b) Los materiales didácticos que conforman la materia son: la guía de estudio que
desarrolla la temática del curso –es portadora de contenidos básicos– y el Aula
virtual que apoya a la guía conteniendo material complementario y brindando un
espacio abierto a la comunicación y al estudio colaborativo mediante los e-mail
internos y los foros.
c) El servicio tutorial se conforma de un tutor asignado a cada curso a fin de apoyar,
orientar, acompañar y evaluar al alumno, en su proceso de aprendizaje, dentro de un
marco de organización previa.
d) El sistema de evaluación contempla un seguimiento continuo. Primero a través de
actividades de autoevaluación, cuyas soluciones se encuentran en la última parte
de la guía, y finalmente de actividades de envío obligatorio que se encuentran en el
Aula virtual / Archivos / curso.
El examen final es la instancia última de acreditación dada por la Institución.
Todas, se construyeron teniendo en cuenta los objetivos de aprendizaje propuestos,
y su evaluación se basa en los siguientes criterios de evaluación:
9 Claridad, precisión e integración conceptual y relacional.
9 Capacidad de cálculo.
9 Capacidad de análisis, reflexión y síntesis.
9 Rigurosidad en el manejo de los símbolos, de la sintaxis, del lenguaje técnico.
9 Capacidad de comunicarse claramente en forma escrita.
Hemos elegido algunos símbolos tipográficos para orientarlo en la guía. La negrita

destaca los términos nuevos, un stop es símbolo de asunto importante que amerita
pensar y reflexionar, en tanto un semáforo le indicará “no avance” o “sí avance” en la
lectura.
Y finalmente, como tutora , le dejo la siguiente frase común a todos los tutores de la
materia: ante cualquier duda no vacile en comunicarse con nosotros ya que con gusto
atenderemos sus inquietudes, lo apoyaremos y orientaremos en su proceso de
aprendizaje.
4
INTRODUCCIÓN
Bibliografía consultada por la autora
ANTON, Howard. Introducción al álgebra lineal. Editorial Limusa. México. Tercera

edición. 1991.
ARYA J. Y LARDNER R. Matemáticas aplicadas a la administración y a la economía.
Prentice Hall. México. Tercera edición. 1992.
DEPARTAMENTO PEDAGÓGICO. CIMEI. IUA. Córdoba. Tercera edición 2003.
FRALEIGH, Beauregard. Álgebra lineal. Addison-Wesley Iberoamericana.
México.1989.
GERBER, Harbey. Álgebra lineal. Grupo Editorial Iberoamericana. México.1990.
GROSSMAN, Stanley. Álgebra lineal con aplicaciones. McGraw Hill. México. Quinta
edición. 1996.
GUSTAFSON, R. A. Algebra intermedia. Thomsom editores. México. 1997.
HAEUSSLER, E. Y PAUL R. Matemáticas para administración, economía, ciencias
sociales y de la vida. Prentice Hall. México. 8ª edición. 1997.
JOHNSON, David y MOWRY, Thomas. Matemáticas finitas. Aplicaciones prácticas.
Internacional Thomson editores. México. 2000.
KLEIMAN, Ariel y KLEIMAN, Helena de. Matrices: aplicaciones matemáticas en
economía y administración. Editorial Limusa. México. 1985.
LAY, David C. Álgebra lineal y sus aplicaciones. Addison-Wesley Longman. México.
Segunda edición. 1999.
LEITHOLD, Louis. Matemáticas previas al cálculo. Oxford university press. México.
Tercera edición. 1998.
LIAL Margaret y HUNGERFOR Thomas. Matemáticas para administración y
economía. Tearson educación. México. 7ª Edición 2000.
OLMOS, Adriana. Matemática II. IUA. Córdoba. 1998.
RORRES, Chris y ANTON, Howard. Aplicaciones de álgebra lineal. Editorial Limusa.
México. 1979.
SAUCHELLI V. y OLMOS Adriana. Módulo de nivelación matemática. IUA. 2003.
SOBEL, Max y LERNER Norbert. Álgebra. Prentice Hall. Segunda edición.
México.1989.
En Aula virtual / Archivos /Material complementario / Bibliografía_comentada.pdf

encontrará comentarios sobre la bibliografía mencionada así como actualizaciones de la
misma.
Cronograma
Partes Tiempo porcentual
Unidad 1 25%
Unidad 2 25%
Actividad obligatoria 1 5%
Unidad 3 15%
Unidad 4 25%
Actividad obligatoria 2 5%
5
ECUACIONES LINEALES
PROBLEMA REAL
El perímetro de un rectángulo es de
60cm; sabemos que su ancho es la
tercera parte de su largo ¿Cuánto
mide el ancho y cuando mide el largo
de ese rectángulo?.
REPRESENTACIÓN GRÁFICA
REPRESENTACIÓN ALGEBRAICA
 1
 x= y
 3 ⇒ S = {( x, y ) / x = 10, y = 30}
2 x + 2 y = 80
REPRESENTACIÓN GEOMÉTRICA
“Uno no es lo que le pasa sino lo que hace con lo que le pasa“. Anónimo
UNIDAD
UNO
UNIDAD 1
Orientación del aprendizaje
Mientras la aritmética opera con números específicos identificados como constantes, el

álgebra opera con números no específicos llamados variables. Cuando las expresiones
algebraicas se construyen usando constantes y variables relacionadas de una manera
muy particular -sumandos de una o más variables a la primera potencia- se forman las
expresiones lineales. Cuando se establece una igualdad entre esas expresiones lineales
estamos en presencia de una ecuación lineal o de un sistema de ecuaciones lineales.
En la vida real muchas situaciones, muchas relaciones entre objetos, se describen

matemáticamente a través de una o más ecuaciones lineales. Justamente, en esta unidad
estudiaremos las ecuaciones lineales como objetos matemáticos útiles para modelizar
situaciones de la vida real.
El término lineal hace referencia a la línea recta. La línea recta forma parte de la
representación gráfica de ecuaciones y en particular una ecuación lineal es una
generalización de las propiedades de una línea (línea recta).
El auge de los sistemas de ecuaciones lineales en áreas no específicamente “científicas”

lo inició Wassily W. Leontief con su modelo económico para los Estados Unidos, que le
valió el premio Nobel de economía en la década del 50 del siglo pasado; y en la de los
70, el aumento de velocidad y el trabajo en paralelo de las computadoras, hicieron
posible resolver en poco tiempo sistemas con miles y miles de variables en campos de la
ciencia que previamente no usaban la matemática para solucionar sus problemas.
La ingeniería es quizá la disciplina que resuelve la mas amplia cantidad de problemas de

la vida real describiéndolos matemáticamente. Veamos algunos casos -o situaciones-
que requieren sistemas de ecuaciones lineales:
9 para determinar la distribución de equilibrio de la temperatura en placas, barras y
otros cuerpos, se construyen sistemas de ecuaciones lineales al especificar la
temperatura en los bordes;
9 cuando un barco busca depósitos de petróleo mar adentro, los datos sísmicos
obtenidos de ondas de choque bajo el agua producidas por explosiones de cañones
de agua, se procesan mediante la construcción y resolución de sistemas de miles de
ecuaciones lineales;
9 la industria de aviación usa programas de ecuaciones lineales que organizan las
tripulaciones para los vuelos, registran la ubicación y disponibilidad de los aparatos
aéreos o planean servicios de apoyo, mantenimiento y operaciones de terminal;
9 para optimizar el diseño de circuitos eléctricos y microchips que incluyen miles de
transistores, se usa software de simulación que construye y resuelve sistemas de
miles de ecuaciones lineales.
En el último inciso hemos incluido muchos más ejemplos de este tipo.
Al concluir la unidad usted estará en condiciones de alcanzar los siguientes objetivos de

aprendizaje:
9 Distinguir ecuaciones lineales de otras ecuaciones

9 Aplicar métodos de eliminación para resolver sistemas de ecuaciones lineales
(SEL).
8
UNIDAD 1
9 Conocer la correspondencia entre métodos algebraicos y métodos gráficos para

resolser SEL.
9 Resolver problemas empleando SEL, como modelo matemático.
Para alcanzar esos objetivos, le proponemos analizar y reflexionar sobre los siguientes
contenidos conceptuales:
Ecuaciones lineales.
1. Preliminares.
2. Ecuación lineal (EL).
3. Conjunto solución de una EL.
4. Sistema de ecuaciones lineales (SEL).
5. Conjunto solución de un SEL.
6. Gráfica de SEL.
7. Modelizaciones matemáticas usando SEL.
Finalmente, el siguiente mapa conceptual establece una relación de inclusión y

jeraquización de los contenidos conceptuales.
Métodos métodos
algebraicos y
geométricos
operan con los
simbolizados
números
constantes variables
reales por y
mediante
operaciones y matriz
elementales entre
sobre la aumentada
renglones
para resolver
sistemas de obteniendo SEL

ecuaciones
equivalentes
lineales (SEL)
9
UNIDAD 1
1. Preliminares
En esta sección recordaremos en qué se diferencia la aritmética del álgebra.
La aritmética y el álgebra trabajan con números sobre los cuales se realizan operaciones
como suma, resta, multiplicación, división, potenciación y radicación. Mientras la
aritmética trata operaciones con números específicos, constantes, el álgebra opera con
expresiones donde se incluyen números específicos y números no específicos o
desconocidos, variables. El uso de las variables es lo que distingue al álgebra de la
aritmética.
Las variables se simbolizan por medio de letras sin subíndices: a, b, c, x, z o con

subíndice: x1 , x2 , xn . El subíndice se usa mucho porque facilita las generalizaciones.
Recordemos que la letra e y la letra griega π simbolizan números irracionales
(constantes), no simbolizan variables.
La palabra álgebra proviene del vocablo árabe al-jabr, consignado en el título de un

trabajo publicado a inicios del siglo IX “ilm al-jabr w´al muqalabh” traducido como la
ciencia de la cancelación y la reducción.
El término expresión algebraica se utiliza para nombrar una constante, una variable o
una combinación de ellas en un número finito de operaciones indicadas, por ejemplo:
2 yx5 2 yx5
2 yx5 , 3 x 3 − x 2 + x − 1, , .
3 x3 − x 2 + x − 1 3 x3 − x 2 + x − 1
Una ecuación es un enunciado que establece la igualdad de dos expresiones y ese

enunciado puede ser verdadero o falso. Si esas expresiones son expresiones numéricas
se trata de una ecuación numérica: una ecuación numérica establece la igualdad entre
dos cantidades. Ejemplos: 2 + 4 = 1 + 5 es una ecuación verdadera mientras que,
2 + 3 = 1 + 3 es una ecuación falsa.
Una ecuación algebraica es un enunciado en el que se establece la igualdad de dos

expresiones algebraicas. Una ecuación algebraica es verdadera cuando es verdadera la
ecuación numérica que resulta de asignarle a la variable un valor constante. Así,
x 2 − x = −1 + x es un ejemplo de ecuación algebraica y esta ecuación algebraica es
verdadera cuando la variable x es reemplazada por el valor 1 y es falsa cuando x es
reemplazada por cualquier constante diferente de 1.
Todo número real asignado a la variable que hace verdadera la ecuación algebraica se
llama solución de la ecuación algebraica o raíz. También se dice que dicho número
real satisface la ecuación algebraica. El conjunto de todas las soluciones recibe el
nombre de conjunto solución de la ecuación algebraica y el proceso de determinar el
conjunto solución recibe el nombre de resolver la ecuación algebraica.
Entonces, una ecuación es satisfecha sólo para algunos valores numéricos a diferencia
de una identidad, caso particular de ecuación algebraica, que es satisfecha para
cualquier valor asignado a las variables. Por ejemplo: cualquiera sea el valor real de a y
de b se cumple ( a + b) 2 = a 2 + b 2 + 2ab pues
10
UNIDAD 1
( a + b) 2 = ( a + b ) ⋅ ( a + b ) = a ⋅ ( a + b ) + b ⋅ ( a + b )
= aa + ab + ba + bb = a 2 + 2ab + b 2 .
En este ejemplo la identidad está dada por la definición de potencia entera de números
 3
reales1. Otro ejemplo de identidad es 2 x + 3 = 2  x +  y también x 2 + x = x ( x + 2 )
 2
que surgen de expresar un polinomio como producto de sus factores primos2.
Como usted recordará, en el curso de nivelación en matemática 3 incursionamos en la

aritmética y en el álgebra: en la unidad 1 se trabajó con los números reales (constantes
reales), sus operaciones y sus propiedades y usamos la simbología algebraica para
generalizar esas operaciones y propiedades; en la unidad 2 abordamos los polinomios
(expresiones algebraicas que comprenden potencias naturales de una variable), sus
operaciones y propiedades; en la unidad 3 estudiamos las expresiones racionales
polinómicas (cociente de polinomios) y sus operaciones. También resolvimos
ecuaciones algebraicas al hallar ceros de polinomios y planteamos identidades al
expresar un polinomio como producto de sus factores primos. En la unidad 4 finalmente
planteamos ecuaciones trigonométricas, esto es, ecuaciones que involucran relaciones
trigonométricas.
Bien, en esta unidad trabajaremos con ecuaciones algebraicas en una, dos y más
variables con la restricción de que dichas variables aparezcan a la primera potencia y en
sumandos diferentes.
2. Ecuación lineal (EL)
En esta sección definimos y ejemplificamos el concepto de ecuación lineal en una, dos y

generalizando a n variables. también mostramos cómo se usan los conocimientos
previos, propiedades de la operatoria real, para analizar si una ecuación algebraica es
lineal.
Cuando se plantea una ecuación algebraica como una representación algebraica de una
situación práctica se dice que la ecuación es un modelo matemático de la situación
práctica.
Ejemplo 1
Al comprar 50 boletos, aboné con $100 y me devolvieron $47.50. ¿Cuánto costó
cada boleto?
50 boletos × costo de un boleto + vuelto = dinero entregado
50 boletos × costo de un boleto + $47.50 = $100
Omitiendo las unidades y nombrando con x el valor desconocido costo de un

boleto, la igualdad última se simboliza: 50 x + 47.50 = 100 . Esta igualdad es un
1
Potencia entera de números reales, consulte la unidad 1 del Módulo de nivelación matemática.
2
Factorización de un polinomio, consulte la unidad 2 del Módulo de nivelación matemática.
3
Matemática nivelación o Módulo de nivelación matemática. Cita completa en Bibliografía.
11
UNIDAD 1
ejemplo de ecuación lineal en la variable x que modeliza matemáticamente la

situación planteada.
Ejemplo 2
Mensualmente los papás de Pedro y Juan les entregan $130 para repartirse de
acuerdo con las necesidades de cada uno. ¿Cuánto dinero le toca a cada niño? Del
enunciado de la situación observamos que:
mensualidad de Pedro + mensualidad de Juan = $130.
Si llamamos x a la mensualidad de Pedro e y a la mensualidad de Juan, la situación

se simboliza:
x + y = 130 ,
y ejemplifica una ecuación lineal en las variables x e y. Esta ecuación lineal
modeliza matemáticamente la situación planteada entre los hermanos.
Formalmente, se define una ecuación lineal en las n variables x1 , x2 ,… , xn 4 como

aquella relación que se puede expresar en la forma a1 x1 + a2 x2 + + an xn = b 5, en donde
a1 , a2 , … , an llamados coeficientes y b llamado término independiente son constantes
(números reales), el subíndice n es cualquier número natural, y todas las variables
involucradas se presentan únicamente a la primera potencia sumándose
algebraicamente. Notemos que en esa forma las variables se acomodan a la izquierda y
el término independiente a la derecha.
Se utiliza con mayor frecuencia la notación x1, x2, ... en vez de x, y, ... ya que el
subíndice facilita las generalizaciones.
Ejemplo 3
En un nudo vial confluyen cinco vías de ingreso vehicular haciendo un total de 20
unidades promedio por minuto ¿Cuántos vehículos entran por cada arteria?
Cinco son las variables desconocidas: x1 es el número de vehículos que entran por la
primera arteria y así hasta x5 que es el número de vehículos que entran por la quinta
arteria. Luego, x1 + x2 + x3 + x4 + x5 = 20 . Esta igualdad es un ejemplo de ecuación
lineal en las variables x1 , x2 , x3 , x4 , x5 que modeliza matemáticamente la situación
planteada.
Ejemplo 4
Analicemos las siguientes ecuaciones algebraicas en las variables x, y, z. ¿Son
ecuaciones lineales en esas variables?
a) x − y 2 − 3 = 0 no es lineal en las variables x, y, z porque la variable y aparece en
el segundo sumando con exponente 2 y no 1.
4
Se lee “equis sub uno”, “equis sub dos”, “equis” sub ene”.
5
Se lee “a sub uno” por “equis sub uno” más, “a sub dos” por “equis sub dos”, más, “a sub ene” por
“equis sub ene”.
12
UNIDAD 1
b) 2 x − y + 2 z = 0 no es lineal porque, en el primer sumando, la variable x figura

a la potencia ½.
c) x + 2 yz = 3 no es lineal: en el segundo sumando las variables y, z se están
multiplicando.
d) 3 x1 − 7 x2 + 1x3 − 1x4 = 0 es lineal, con a1 = 3 , a2 = −7 , a3 = 1 , a4 = −1 , b = 0 .
1
Analice por qué las siguientes ecuaciones algebraicas no son lineales.
a) x2 + 4 x = 5 .
1
b) + 6 y − 7z = 3.
x
Confronte con la solución nº 1
Muchas veces es necesario ordenar y completar una ecuación para identificar si es

lineal y cuáles son sus coeficientes y término independiente. Decimos completarla en el
sentido de hacer explícitas todas las constantes: coeficientes y término independiente.
Para completar se hace uso de la propiedad de elemento neutro de los números reales
-tanto de la suma como del producto-, de la ley de anulación del producto y para
ordenar, de las propiedades asociativa, conmutativa y uniforme -tanto de la suma como
del producto- de números reales6.
Ejemplo 5
3x − 4 y + z = x + 5 es una ecuación lineal (en las variables x, y, z) porque puede
llevarse a la forma a1 x + a2 + a3 z = b con a1 = 2, a2 = −4, a3 = 1, b = 5 . Veamos
paso a paso cómo se la lleva a esa forma:
9 aplicamos ley uniforme para la suma: 3x − 4 y + z − x = x + 5 − x
9 aplicamos propiedad asociativa de la suma: ( 3 x − x ) − 4 y + z = ( x − x ) + 5
9 aplicamos propiedad del elemento neutro (producto):
( 3x − 1x ) − 4 y + 1z = (1x − 1x ) + 5
9 restamos: 2 x − 4 y + 1z = 5
2
Identifique los coeficientes y los términos independientes de las siguientes ecuaciones
lineales en las variables x, y , z:
a) x + 3y − 7 = 0 .
b) y = 12 x − 3 z .
c) x= y.
Ejemplo 6
¿Construimos un ejemplo de ecuación lineal donde x1 , x2 , x3 sean las variables, 1, 2,
–3 los coeficientes respectivos y −3 el término independiente? Bien, dicha ecuación
lineal en las variables x1 , x2 , x3 es 1x1 + 2 x2 − 3 x3 = −3 .
6
Consulte la unidad 1 del Módulo de nivelación matemática. Cita consulta en Bibliografía.
13
UNIDAD 1
3
a) Construya una ecuación lineal en las variables u, v, w con coeficientes respectivos
–2, 3, –4 y término independiente –1.
b) Identifique el término independiente y el coeficiente de la segunda variable en la
ecuación lineal (en las variables x1 , x2 , x3 , x4 )
1 1 1 1
x2 − x1 = x2 − x1 + x3 .
3 3 2 6
c) ¿Verdadero o falso?
* 0 no puede ser coeficiente de una variable.
* Toda ecuación lineal con tres constantes es de dos variables.
d) Responda: ¿qué se entiende por completar una ecuación? ¿Qué se entiende por
ordenar una ecuación?
3. Conjunto solución de una EL
En esta sección definimos los conceptos solución y conjunto solución de una ecuación
lineal. Para el caso en que el conjunto solución consta de infinitas soluciones, definimos
representación paramétrica del conjunto solución, variable principal y variable libre de
la ecuación lineal.
Una solución de la ecuación lineal a1 x1 + a2 x2 + + an xn = b es una sucesión ordenada

de números o n-upla 7
( s1 , s2 ,… , sn ) tales que la ecuación se satisface cuando se hace la
sustitución x1 = s1 , x2 = s2 ,… , xn = sn , esto es, a1s1 + a2 s2 + + an sn = b se transforma
en una afirmación verdadera, es una ecuación numérica verdadera.
La colección de todas las soluciones de la ecuación lineal es el conjunto solución o

solución general de la ecuación lineal. La solución general da una descripción explícita
de todas las soluciones.
En la práctica, ¿cómo se encuentra la solución general de una ecuación lineal dada?

Respondemos a través de los siguientes ejemplos:
Ejemplo 7
9 Retomemos el ejemplo 2.1, su expresión matemática 50 x + 47.50 = 100
9 Apliquemos la ley uniforme para la suma: 50 x + 47.50 − 47.50 = 100 − 47.50
9 Asociemos sumandos: 50 x + ( 47.50 − 47.50 ) = 100 − 47.50
9 Restemos: 50 x + 0 = 52.50
9 Apliquemos la ley de elemento neutro para la suma: 50 x = 52.50
1 1
9 Apliquemos la ley uniforme para el producto: × 50 x = × 52.50
50 50
 1  1
9 Asociemos factores:  × 50  x = × 52.50
 50  50
7
n-upla es un neologismo proveniente de dupla, es una generalización. Dupla es un par (dos) ordenado
de elementos, n-upla son n elementos ordenados.
14
UNIDAD 1
52.50
9 Multipliquemos: 1x =
50
9 Apliquemos la ley de elemento neutro para el producto, dividamos: x = 1.05
La solución general a la ecuación lineal planteada en la variable x, es x = 1.05 .

Controlemos: la ecuación 50 ×1.05 + 47.5 = 52.5 + 47.5 = 100 es verdadera. En este
ejemplo el conjunto solución consta de un único valor y se obtuvo de aplicarle a la
ecuación las propiedades de la aritmética real. La operatoria real y sus propiedades
nos permitieron explicitar la variable.
Hábitos a incorporar a través de la práctica.

9 Es absolutamente necesario que escriba todos y cada uno de los pasos de la
operatoria real aplicando sus propiedades ya que muchas veces los cálculos
mentales dan lugar a errores.
9 Controle que la ecuación de partida sea verdadera para el valor asignado a la
variable.
Ejemplo 8
Retomemos el ejemplo 2.2, x + y = 130 . Para esta ecuación x = 100, y = 30 es una
solución porque verifica que 100 + 30 = 130 , x = 65, y = 65 es otra solución porque
65 + 65 = 130 es una ecuación numérica verdadera, y así podemos seguir
encontrando soluciones de la ecuación lineal. Pero: ¿existe acaso una manera de
describir y de encontrar en la práctica todas las soluciones?
Siguiendo el ejemplo anterior, explicitar una variable a partir de la ecuación conlleva

dejarla expresada en términos de la otra: x = 130 − y , o bien, y = 130 − x : una
solución se obtiene asignando a una de las variables un valor real arbitrario, llamado
parámetro. Al asumir el parámetro todos los valores de la recta real, se obtienen
todas las soluciones. Esto es, en simbología matemática, si hacemos x = a ,
entonces, y = 130 − a , y el conjunto solución se expresa:
S1 = {( x, y ) / x = a, y = 130 − a, a ∈ }.
Alternativamente, si asignamos a y el valor arbitrario a, el conjunto solución se
expresa
S 2 = {( x, y ) / x = 130 − a , y = a, a ∈ }.
¿Cómo se lee e interpreta esta notación? En simbología matemática el par de

llaves { } simboliza conjunto, el par de paréntesis ( , ) el concepto de n-upla de
números reales, la barra inclinada / simboliza la expresión verbal “tal que”, el signo
∈ simboliza pertenencia, y denota al conjunto de números reales. La primera
expresión simbólica se interpreta: la solución general es el conjunto de soluciones
particulares. Una solución particular se obtiene asignando a la variable libre (la
primera) un valor real arbitrario (cualquiera) y la otra variable (la segunda) queda
definida en términos de ella como 130 menos ella.
4
¿Cómo se interpreta la segunda expresión simbólica del conjunto solución?
15
UNIDAD 1
¿En qué se diferencian ambas expresiones del conjunto solución? Se diferencian

respecto de la variable a la que le asigna un parámetro. Contienen las mismas 2-
uplas, por ejemplo: (50,80) está en S1 cuando el parámetro asume el valor 50 y en S2
cuando el parámetro asume el valor 80.
En este ejemplo el conjunto solución no consta de un único valor sino que,

dependiendo del valor real asignado al parámetro, se obtienen muchas soluciones.
Como el parámetro puede tomar cualquier valor del conjunto de los números reales,
que es infinito, el conjunto solución consta de infinitas soluciones.
La variable a la cual asignamos un parámetro se llama variable libre y llamamos

variable principal a la que se explicita en términos de una constante o de la(s)
variable(s) libre(s). Esta asignación de nombres es arbitraria: en S1 la variable libre es x
y la variable principal y, en cambio, en S2 se intercambia la asignación, x es la variable
principal, y es la variable libre.
5
En el ejemplo 7 la variable ¿es libre o principal? Justifique su respuesta.
S1 y S2 son las representaciones paramétricas de la solución general. Toda

representación paramétrica da una descripción explícita de todas las soluciones
mostrando la dependencia con el parámetro.
Una solución particular se obtiene al reemplazar el parámetro por un valor específico.

Por ejemplo (100,30) y (30,100) son soluciones particulares del ejemplo 6.
Ejemplo 9
Se trata de hallar el conjunto solución de x − 4 y + 3z = 2 .
Procediendo como en el ejemplo anterior explicitamos una variable, por ejemplo x,

esto es, hacemos de x la variable principal,
x = 2 + 4 y − 3z ,
quedando expresada en términos de las otras dos8 que así se convierten en variables
libres. Asignando a las variables libres los respectivos valores paramétricos reales t y
s,
x = 2 + 4t − 3s, y = t , z = s,
el conjunto solución se expresa:
S1 = {( x, y, z ) / x = 2 + 4t - 3s, y = t , z = s, t ∧ s ∈ } .
¿Otro símbolo? El símbolo ∧ simboliza en notación matemática a la conjunción

“y”. ¿Cómo se lee? Se lee: “S sub uno” es el conjunto formado por las ternas de
valores “equis”, y, “zeta” tal que “equis” viene dado por dos más cuatro veces t
menos tres veces s, y vale t y “zeta” vale s, t y s denotan valores numéricos reales
cualquiera.
8
Gracias a la aplicación de la ley uniforme para la suma y la ley uniforme para el producto vistas en
unidad 1 del Módulo de nivelación matemática. Cita completa en Bibliografía.
16
UNIDAD 1
La terna (3,1,1) es una solución particular. La terna (3,0,0) no es solución porque no

satisface la ecuación original, efectivamente: 3-4 × 0+3 × 0=3 ≠ 2 .
6
a) Siguiendo con el ejemplo 9:
• Construya la expresión paramétrica del conjunto solución donde x e y son las
variables libres.
• ¿Cuántas expresiones paramétricas admite el conjunto solución?
• ¿Es la terna (1,1,1) una solución particular? Justifique su respuesta.
b) En una ecuación lineal de cinco variables, ¿de cuántos parámetros depende toda
expresión paramétrica del conjunto solución?
 5 1 
c) Demuestre que S1 = ( x, y, z ) / x = + 2t − s, y = t , z = s, t ∧ s ∈  es una
 2 2 
representación paramétrica del conjunto solución de la ecuación lineal del ejemplo
5.
d) ¿Cuántas representaciones paramétricas admite la ecuación lineal planteada en
ejemplo 3?
El ejemplo 9 trata de una ecuación en tres variables y la representación paramétrica del

conjunto solución depende de dos parámetros. El ejemplo 8 muestra una ecuación en
dos variables y la representación paramétrica del conjunto solución depende de un
parámetro. El ejemplo 7 mostró una ecuación lineal en una variable y su conjunto
solución no dependió de parámetro alguno. Entonces concluimos que: una ecuación en
n variables admite una variable principal y las restantes se constituyen como n − 1
variables libres.
Recordemos que, dada una ecuación la misma siempre tiene solución. Su conjunto
solución es único y consta de una solución (ejemplo 7) o de infinitas soluciones
(ejemplo 8 y ejemplo 9) admitiendo, en este caso, diferentes representaciones
paramétricas, tantas como el número de variables.
Para concluir la sección respondemos al interrogante formulado antes de los ejemplos:

¿Cómo se construye el conjunto solución de una ecuación lineal? La idea es
construir una fórmula que exprese una variable –a la que llamaremos variable principal-
, en términos de constantes y de las otras variables –a la que llamaremos variables
libres- haciendo uso de la propiedad uniforme de la adición y la propiedad uniforme del
producto de los números reales.
7
Para cada una de las ecuaciones lineales:
a) 2 x1 = 3 x1 − 4 ,
b) −3x = −4 y + 2 z ,
c) 5 = −3 x1 − 4 x2 + x3 − 2 x4 ,
construya el conjunto solución. Explicite el número de variables libres. Determine el
número de soluciones.
17
UNIDAD 1
Antes de pasar a la próxima sección es absolutamente necesario que usted revise cómo
está aplicando las estrategias y técnicas que ayudan a la construcción de un aprendizaje
significativo9.
8
• ¿Identificó los conceptos principales definidos hasta ahora? Lístelos.
• Construya un mapa conceptual integrando tanto los nuevos conceptos relevantes
cómo los que responden al rótulo de conocimientos previos.
4. Sistemas de ecuaciones lineales (SEL)
En esta sección definimos un sistema de ecuaciones lineales (SEL) y caracterizamos los

SEL homogéneos; construimos su matriz ampliada y definimos cuándo se encuentra en
forma escalonada en los renglones (reducida o no); establecemos qué se entiende por
solución del SEL y distinguimos SEL consistentes (con solución) de SEL inconsistentes
(sin solución) .
Un conjunto finito de ecuaciones lineales en las variables x1 , x2 , …, xn se conoce como

un sistema de ecuaciones lineales (SEL o sistema lineal) en las variables
x1 , x2 , …, xn . Un SEL es homogéneo si todos los términos independientes son cero.
Ejemplo 10
El siguiente ¿es un SEL? ¿Por qué?
4 x1 = x2 + 3 x3
3 x1 + 9 x3 − 4 = 0
Sí ¡claro que lo es! Porque cada renglón es una ecuación en las variables x1 , x2 , x3 .
Lo vemos en detalle: al completar y ordenar cada ecuación, el sistema anterior puede
expresarse en la forma:
4 x1 − 1x2 − 3 x3 = 0,
3 x1 + 0 x2 + 9 x3 = 4.
En la práctica se trabaja con SEL completados y ordenados, esto es, un SEL donde
cada ecuación ha sido completada -explicitando los coeficientes 1 y 0 y los términos
independientes 0, faltantes- 10 y ordenada -colocando las variables a la izquierda del
signo igual en una misma disposición, y los términos independientes a la derecha del
signo igual-.
9
Ordene y complete los siguientes SEL. También, identifique sus variables y el número
de ecuaciones lineales. ¿Se trata de SEL homogéneos? Justifique su respuesta.
9
Estrategias para un estudio significativo: consulte CIMEI y su aula virtual. Cita completa en
Bibliografía.
10
Aplicando las propiedades de la aritmética real.
18
UNIDAD 1
x1 + 3 x2 + 5 = 0 x2 − x1 = 2
x1 = − x2 4 x3 + 2 = 2 x2 + 2
4 x1 = 2 x1 + x2 + x3 = 2 x1 + 2 x2 + 2 x3
Muchas veces para simplificar la notación, en el sentido de hacerla más fácil en su

lectura y escritura, se reemplaza la expresión con subíndice por una sin subíndice para
las variables. Lo importante al hacer una simplificación notacional es mantener la
relación entre las variables.
Ejemplo 11
La siguiente notación es válida y representa el mismo SEL del ejemplo 10 porque
establece la misma relación entre las variables involucradas:
4 x − 1 y − 3 z = 0,
3 x + 0 y + 9 z = 4.
En general, un SEL arbitrario de m ecuaciones lineales en n variables se expresa

formalmente así:
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2 n xn = b2
am1 x1 + am 2 x2 + + amn xn = bm
o también, anteponiendo el símbolo de llave
 a11 x1 + a12 x2 + + a1n xn = b1
 a x +a x + +a x =b
 21 1 22 2 2n n 2


am1 x1 + am 2 x2 + + amn xn = bm
en donde x1 , x2 ,… , xn simbolizan las n variables y las a y las b con subíndices denotan

constantes11. Cada renglón es una ecuación lineal; hay m renglones, esto es, hay m
ecuaciones lineales.
Por ejemplo, un SEL arbitrario de tres ecuaciones en cuatro variables se simboliza:

a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1
a21 x1 + a22 x2 + a23 x3 + a24 x4 = b2
a31 x1 + a32 x2 + a33 x3 + a34 x4 = b3
Para que usted pueda comprender esta notación, aclaramos: el subíndice doble en los
coeficientes de las variables es una idea útil que se emplea para marcar la posición del
coeficiente en el sistema de ecuaciones. El primer subíndice del coeficiente genérico aij
-se lee a sub i jota- hace referencia a la ecuación en que se encuentra y el segundo
11
¿Recuerda que en los Preliminares adelantamos que muchas veces se utilizaban las primeras letras del
abecedario para simbolizar constantes?
19
UNIDAD 1
subíndice, a la variable que multiplica. Así, a32 -se lee a sub tres dos- se encuentra en la
tercera ecuación y multiplica a la segunda variable x2 . El subíndice simple en los
términos independientes hace referencia a la ecuación. Así b3 es el término
independiente de la tercera ecuación.
10
Para un sistema arbitrario de dos ecuaciones en cinco variables:
a) ¿Cuál es su expresión formal?
b) ¿Cuál es el símbolo genérico que le corresponde al coeficiente de la cuarta variable
en la primera ecuación?
c) ¿Cuál es el símbolo que denota el término independiente de la segunda ecuación?
Cuando los aij , bi se reemplazan por valores reales (constantes) se obtiene un sistema
particular de ecuaciones lineales.
Ejemplo 12
4 x1 + 2 x2 + 3 x3 = −1,
3 x1 + 4 x2 + 9 x3 = −4,
es un ejemplo particular de un sistema de dos ecuaciones lineales en las variables

x1 , x2 , x3 , con a11 = 4, a12 = 2, a13 = 3, b1 = −1 en la primera ecuación y
a21 = 3, a22 = 4, a23 = 9, b2 = −4 en la segunda ecuación.
11
a) Construya un sistema arbitrario de tres ecuaciones lineales en dos variables y que
además sea homogéneo.
b) Construya un sistema particular de tres ecuaciones lineales en dos variables y que
además sea homogéneo.
c) ¿Representa el siguiente sistema un SEL homogéneo de dos ecuaciones en dos
variables? Justifique.
 x12 + 2 x22 = 2

 x1 + 2 x2 = 0
La n-upla de números reales ( s1 ,s2 , ,sn ) es una solución del SEL si

x1 = s1 , x2 = s2 ,… , xn = sn es una solución de cada ecuación que forma el sistema. Esto
es, resultan verdaderas cada una de las ecuaciones numéricas:
a11s1 + a12 s2 + + a1n sn = b1
a21s1 + a22 s2 + + a2 n sn = b2
am1s1 + am 2 s2 + + amn sn = bm
20
UNIDAD 1
Ejemplo 13
Algunos SEL tienen sólo una solución.
x + y = 0
La 2-upla (0,0) es la única solución del SEL homogéneo  porque cero es el
x − y = 0
0 + 0 = 0
único número que satisface  . La primera ecuación lineal se reescribe
0 − 0 = 0
x = y , la segunda x = − y . ¿Qué número satisface ser igual a otro y al opuesto del
otro en forma simultánea? Únicamente el cero.
Ejemplo 14
Algunos SEL tienen muchas soluciones.
2 13
Retomemos el ejemplo 12, los valores x1 = , x2 = − , x3 = 0 son una solución del
5 10
SEL planteado pues ambas ecuaciones lineales se satisfacen:
2  13 
4 ⋅ + 2 ⋅  −  + 3 ⋅ 0 = −1,
5  10 
2  13 
3 ⋅ + 4 ⋅  −  + 9 ⋅ 0 = −4.
5  10 
También es solución la terna (1, −4,1) y se pueden encontrar muchas ternas más, por
lo que el SEL admite infinitas soluciones. Cada solución de esas infinitas recibe el
nombre de solución particular.
Sin embargo, x1 = −1, x2 = 0, x3 = 1 no es una solución: si bien esos valores

satisfacen la primera ecuación lineal, no satisfacen la segunda. Efectivamente
4 ⋅ ( −1) + 2 ⋅ 0 + 3 ⋅1 = −1,
3 ⋅ ( −1) + 4 ⋅ 0 + 9 ⋅1 = 6 ≠ −4.
Ejemplo 15
Otros SEL no tienen solución.
x + y = 4
Por ejemplo  no tiene solución ya que no existen valores de x e y tales que
x + y = 2
al sumarse den 4 y 2 simultáneamente.
Cuando un SEL no tiene solución se dice que es inconsistente o incompatible. Si tiene

al menos una solución se denomina consistente o compatible. Los ejemplos 13 y 14
tratan con SEL consistentes, en tanto el ejemplo 15 muestra un SEL inconsistente.
Para determinar las soluciones de un SEL es conveniente abreviar su notación. Una

manera de lograr esa abreviación es manteniendo mentalmente presente la ubicación de
los signos + , de las variables, de los signos = en el SEL completado y ordenado y
luego, escribiendo el arreglo rectangular de números:
21
UNIDAD 1
 a11 a12 … a1n b1 

a a22 … a2 n b2 
 21
 
 
 am1 am 2 … amn bm 
que se conoce como matriz aumentada o matriz ampliada asociada al SEL dado.
En matemática se utiliza el término matriz para denotar un arreglo rectangular

ordenado de números; cada ordenación horizontal de números se llama fila o renglón y
cada ordenación vertical de números columna. Las matrices surgen en muchos
contextos y las estudiaremos en más detalle en la Unidad 2.
Ejemplo 16
 4 −1 − 3 0 
La matriz aumentada asociada al SEL del ejemplo 10 es  .
 3 0 9 4
 4 2 3 −1
La matriz aumentada asociada al SEL del ejemplo 12 es  .
 3 4 9 −4 
En la matriz aumentada la primera columna contiene los coeficientes de la primera

variable, la segunda columna los coeficientes de la segunda variable y así
sucesivamente hasta llegar a la última columna que contiene los términos
independientes:
  ← constantes de la primera ecuación

  ← constantes de la segunda ecuación
 
 
 
  ← constantes de la última ecuación
↑ columna de los términos independientes
↑ columna de los coeficientes de la primera variable
12
a) Complete:
• Una matriz aumentada con dos filas y tres columnas está asociada a un SEL de
...... ecuaciones y de ... variables.
• Una matriz ampliada cuya última columna está formada de ceros, se corresponde
a un SEL ......................
 x1 + x3 = 2

b) Construya la matriz aumentada asociada al SEL 2 x2 + 2 = x1 + 1 .
x +x =x
 3 2 1
 −2 0 −1 −1
c) Construya el SEL cuya matriz aumentada es  .
 −3 2 0 0 
d) Responda: si se trata de la matriz aumentada de un SEL homogéneo. ¿Qué valores
forman la última columna?
22
UNIDAD 1
 0 1 0 3
e) A partir de la matriz aumentada  0 0 1 2  construya únicamente la tercera
 0 0 0 2 
ecuación del SEL asociado y analice si esta ecuación tiene solución. De ese análisis
infiera porqué el SEL asociado a la matriz aumentada no tiene solución.
Una matriz aumentada es de forma escalonada en los renglones si satisface las

siguientes condiciones:
a) Los renglones que constan completamente de ceros se agrupan en la parte inferior
de la matriz.
b) Si un renglón no consta completamente de ceros, el primer número12 diferente de
cero es un 1. A este 1 se lo llama uno principal.
c) El 1 principal de un renglón inferior está más a la derecha que el 1 principal del
renglón inmediatamente superior.
Y una matriz aumentada es de forma escalonada en los renglones reducida si además

de las condiciones a, b y c satisface:
d) Cada columna que contiene un 1 principal tiene ceros en todas las demás posiciones.
Ejemplo 17
Las matrices aumentadas siguientes están en la forma:
• escalonada en los renglones reducida
 1 0 0 2   0 1 −5 0 0 
0 1 0 3 , 0 0 0 1 2 ;
   
 0 0 1 0   0 0 0 0 0 
• escalonada en los renglones
1 0 2 2   0 1 −5 7 0 
0 1 3 3 , 0 0 0 1 2 ;
   
 0 0 1 0   0 0 0 0 0 
• no están en la forma escalonada ni en la forma escalonada reducida
 2 0 4 4  0 1 −5 7 0   0 0 0 0 0 
0 1 3 3 , 1 0 0 1 2  ,  0 1 0 2 3 ;
     
 0 0 3 0   0 0 0 0 0   0 0 0 1 0 
(la primera no cumple el inciso b, la segunda no cumple el inciso c y la última el a).
13
Dadas las matrices aumentadas
0 1 0 1 2 0 1  1 2 3 4  1 2 3 4 
 1 0 0  ,  1 0 2 3 , 1 0 2 0  , 0 0 1 2 , 0 1 1 2 :
   0 1 4 5      
 0 0 0    0 0 1 0   0 0 2 1   0 0 1 1 
12
Leyendo de izquierda a derecha.
23
UNIDAD 1
a) Observe, luego indique cuál se encuentra en la forma escalonada y cuál en la forma

escalonada reducida.
b) Construya una matriz aumentada escalonada en los renglones reducida. ¿Qué
requerimientos tendrá en cuenta?
Para una matriz aumentada escalonada en los renglones reducida o simplemente

escalonada, el SEL asociado cuenta con una expresión cada vez más simplificada para
cada ecuación. ¿Lo vemos?
Ejemplo 18
Los SEL asociados a las matrices aumentadas escalonadas en los renglones reducida
del ejemplo 17 son respectivamente:
1 0 0 2  1x + 0 y + 0 z = 2 x = 2
 
9  0 1 0 3  ⇒ 0 x + 1y + 0 z = 3 ⇒  y = 3
 0 0 1 0   
0 x + 0 y + 1z = 0 z = 0
 0 1 −5 0 0  0 x1 + 1x2 − 5 x3 + 0 x4 = 0  x2 − 5 x3 = 0
     x2 − 5 x3 = 0
9  0 0 0 1 2  ⇒ 0 x1 + 0 x2 + 0 x3 + 1x4 = 2 ⇒  x4 = 2 ⇒ 
   x4 = 2
 0 0 0 0 0  0 x1 + 0 x2 + 0 x3 + 0 x4 = 0  0=0
14
Construya los respectivos SEL asociados a las matrices escalonadas en los renglones del
ejemplo 17 y de la actividad de proceso 13.
Confronte con la solución nº14
¡Cuántos conceptos nuevos! Algunos más y otras menos importantes. Para

memorizarlos y relacionarlos comprensivamente le sugiero que realice una segunda
lectura más profunda y activa: rotule párrafos, identifique las ideas principales, liste los
conceptos fundamentales y establezca relaciones entre ellos.
Y sólo si realizó lo anterior continúe:
15
Retome la actividad de proceso 8 y complétela con la información de este inciso.
5. Conjunto solución de un SEL
En esta sección se definen los Métodos de Gauss y de Gauss-Jordan para resolver SEL:
ambos métodos son sistemáticos y aplican las operaciones elementales sobre los
renglones para construir sistemas equivalentes en los cuales la solución es más fácil de
determinar. También analizamos la correspondiente matriz aumentada en los renglones
(reducida o no) para deducir el número de soluciones del SEL.
24
UNIDAD 1
La colección de todas las soluciones es el conjunto solución del sistema de ecuaciones

lineales. Sistemas lineales con el mismo conjunto solución se dicen sistemas
equivalentes; en sistemas equivalentes la solución de un sistema es solución del otro y
viceversa. Esto permite contestar a la pregunta: ¿cómo se construye el conjunto solución
de un SEL?, o también: ¿cómo se resuelve un SEL?
El método básico para resolver un SEL es reemplazar el sistema dado por uno nuevo
que tenga el mismo conjunto solución, pero que sea más fácil de resolver. En general,
este sistema nuevo se obtiene aplicando los tres tipos siguientes de operaciones a fin de
eliminar sistemáticamente el mayor número de variables en cada ecuación:
1. Multiplicar una ecuación por un número diferente de cero y remplazarla por esta
nueva ecuación.
2. Intercambiar dos de las ecuaciones.
3. Sumar un múltiplo de una de las ecuaciones a otra y reemplazarla por esta nueva
ecuación.
Puesto que los renglones de una matriz aumentada corresponden a las ecuaciones del
SEL asociado, estas tres operaciones corresponden a las operaciones siguientes sobre
los renglones de una matriz aumentada:
1. Multiplicar uno de los renglones por un número diferente de cero y remplazarlo por
este nuevo renglón.
2. Intercambiar dos de los renglones.
3. Sumar un múltiplo de uno de los renglones a otro y remplazarlo por este nuevo
renglón.
Estas operaciones se denominan operaciones elementales sobre los renglones.
El método básico da origen a dos métodos sistemáticos para resolver cualquier SEL: el
Método de Gauss (o Método de eliminación Gaussiana) y el Método de Gauss-
Jordan13.
El conjunto solución de un SEL es único y no depende del método empleado para llegar
a él, esto es, el conjunto solución de un SEL depende de las relaciones que se establecen
entre las variables y que son expresadas en cada ecuación. Demostraremos esta
afirmación en los ejemplos.
Ilustremos el Método de Gauss.
Ejemplo 19
 2 x + 3 y = 13

El SEL  1x + 1y = 5 admite sólo una solución.
2 x + 2 y = 10

Paso 1, construcción del coeficiente 1 en la primera variable: ¿es 1 el coeficiente de

la primera variable en la primera ecuación? No. ¿Podemos convertirlo en 1
13
Reciben estos nombres en honor al matemático alemán Karl F. Gauss (1777-1855) y al ingeniero
alemán Wilhelm Jordan (1844-1899).
25
UNIDAD 1
1
multiplicando por su recíproco14? Sí. ¿Cuál es el recíproco de 2? . Entonces,
2
multiplicamos la primera ecuación por ese recíproco:
 3 13
 1x + 2 y = 2

 1x + 1y = 5
 2 x + 2 y = 10


Paso 2, eliminar la primera variable de las ecuaciones de abajo: se suman múltiplos
apropiados de la primera ecuación a las ecuaciones de abajo reemplazándolas, para
de eliminar de ellas la primera variable.
Como en la segunda ecuación el coeficiente de la primera variable es 1, el múltiplo
apropiado es (−1) . Multiplicamos por (−1) la primera ecuación y sumamos esta
nueva ecuación a la segunda reemplazando la segunda así:
 3 13
 1x + 2 y = 2

 1 3
 0x − y = −
 2 2
 2 x + 2 y = 10


Como en la tercera ecuación el coeficiente de la primera variable es 2, el múltiplo

nueva ecuación a la tercera reemplazando la tercera así:
 3 13
 1x + 2 y = 2

 1 3
 0x − y = −
 2 2
 0 x − 1 y = −3


Paso 3, construcción del coeficiente 1 en la segunda variable: ¿es 1 el coeficiente de

la segunda variable en la segunda ecuación? No. ¿Podemos convertirlo en 1
multiplicando por su recíproco? Sí. ¿Cuál es el recíproco? −2 . Entonces,
multiplicamos la segunda ecuación por ese recíproco:
 3 13
 1x + 2 y = 2

 0 x + 1y = 3
 0 x − 1 y = −3


14
En los reales todo número no nulo admite recíproco o inverso multiplicativo. Consulte la unidad 1 del
módulo de nivelación matemática. La cita completa se encuentra en Bibliografía.
26
UNIDAD 1
Paso 4, eliminar la segunda variable de las ecuaciones de abajo: se suman múltiplos

apropiados de la segunda ecuación a las ecuaciones de abajo, reemplazándola, para
de eliminar la segunda variable.
Sólo nos queda una ecuación: la tercera, y el múltiplo apropiado es (1).
Multiplicamos por (1) la segunda ecuación y sumamos esta nueva ecuación a la
tercera reemplazándola así:
 3 13
 1x + 2 y = 2

 0 x + 1y = 3
 0x + 0 y = 0


¿Hay una tercera variable? No. Entonces:

Paso 5, construimos el SEL asociado, equivalente al original, y donde la solución es
más fácil de ver:
 3 13
1x + y =
 2 2
 1y = 3
Hemos eliminado la última ecuación pues no da información, esto es, no establece

restricciones. Efectivamente, cualquier valor dado a las variables satisface
0 + 0 = 0 . En general cualquier ecuación de la forma 0 x1 + 0 x2 + 0 xn = 0 no
establece restricciones y puede omitirse.
Paso 6, construcción del conjunto solución: explicitamos las variables principales y

sustituimos en retroceso. Se tiene:
 13 3
x = − y 13 3
 2 2 luego y = 3 ⇒ x = − ⋅ ( 3) = 2 .
 y = 3 2 2
El SEL no admite más que un valor asignado a sus variables. Efectivamente la 2-upla
(2,3) satisface el SEL original:
 2 ⋅ ( 2 ) +3 ⋅ ( 3) =13

 1 ⋅ ( 2 ) + 1 ⋅ ( 3) =5

 2 ⋅ ( 2 ) +2 ⋅ ( 3) =10
El conjunto solución es S = {( x, y ) / x = 2, y = 3} .
16
¿Cómo se lee esta notación? ¿Cómo se interpreta?
27
UNIDAD 1
Ejemplo 20
−3 x − 3 y = −15

El SEL  1x + 1 y = 5 admite infinitas soluciones.
 2 x + 2 y = 10

1
multiplicando por su recíproco? Sí. ¿Cuál es el recíproco de −3 ? − . Entonces
3
 1x + 1 y = 5

 1x + 1 y = 5
 2 x + 2 y = 10


apropiados de la primera ecuación a las ecuaciones de abajo de modo de eliminar de
ellas la primera variable.
 1x + 1 y = 5

 0x + 0 y = 0
 2 x + 2 y = 10


 1x + 1 y = 5

 0x + 0 y = 0
 0x + 0 y = 0

Aquí, observamos las dos últimas ecuaciones y analizamos la información que nos
dan: son iguales y dicen que, cualesquiera sean los valores reales asignados a las
variables x e y, los sumandos de la izquierda son cero y la igualdad 0 = 0 ¡es siempre
verdadera! El SEL de arriba se reescribe 1x + 1y = 5 siendo equivalente al original.
Luego, tienen el mismo conjunto solución.
Por lo analizado en el inciso 3 la ecuación 1x + 1 y = 5 admite infinitas soluciones.

Una expresión paramétrica del conjunto solución es:
S = {( x, y ) / x = 5 − u , y = u , u ∈ } .
17
28
UNIDAD 1
Una solución particular es (5,0). Efectivamente esa terna satisface el SEL original:
−3 ⋅ ( 5 ) − 3 ⋅ ( 0 ) = −15

 ( 5) + ( 0 ) = 5

 2 ⋅ ( 5 ) + 2 ⋅ ( 0 ) = 10
Ejemplo 21
 2 x + 3 y = 13

El SEL  x + y = 5 no tiene solución.
2 x + 2 y = 5


1
multiplicando por su recíproco? Sí. ¿Cuál es el recíproco de 2? . Entonces
2
 3 13
1x + 2 y = 2

 x+ y =5
 2x + 2 y = 5



 3 13
 1x + 2 y = 2

 1 3
 0x − y = −
 2 2
 2x + 2 y = 5



 3 13
 1x + 2 y = 2

 1 3
 0x − y = −
 2 2
 0 x − 1 y = −8


29
UNIDAD 1
Paso 3, construcción del coeficiente 1 en la segunda variable: ¿es uno el coeficiente

de la segunda variable en la segunda ecuación? No. ¿Podemos convertirlo en 1
multiplicando por su recíproco? Sí. ¿Cuál es el recíproco? −2 . Entonces
multiplicamos la segunda ecuación por ese recíproco:
 3 13
 1x + 2 y = 2

 0 x + 1y = 3
 0 x − 1y = − 8


Paso 4, eliminar la segunda variable de las ecuaciones de abajo: se suman múltiplos

apropiados de la segunda ecuación a las ecuaciones de abajo de modo de eliminar la
segunda variable. Sólo nos queda una ecuación: la tercera, y el múltiplo apropiado es
(1). Multiplicamos por (1) la segunda ecuación y sumamos esta nueva ecuación a la
 3 13
 1x + 2 y = 2

 0 x + 1y = 3
 0 x + 0 y = −5


¡Atención! Miremos con cuidado la tercera ecuación (en este SEL equivalente al
dado) y analicémosla: cualquiera sea el valor asignado a x, 0x es un sumando nulo;
cualquiera sea el valor asignado a y, 0y es un sumando nulo. La suma de dos
sumandos nulos es nulo y la ecuación numérica 0 = -5 ¡es falsa! Aplicando del
Método de Gauss llegamos a una ecuación del SEL imposible de verificar
cualesquiera sean los valores asignados a las variables. Conclusión: el SEL carece de
solución.
Paso 5, construcción del conjunto solución: el conjunto solución es vacío por las
razones arriba indicadas y se simboliza S = ∅ .
Dado un SEL y toda vez que al aplicarle un método para resolverlo llegamos a una
ecuación de la forma 0 x1 + 0 x2 + 0 xn = b con b no nulo en un SEL equivalente, el
SEL original no tiene solución, o también, su conjunto solución es vacío.
Ahora trabajemos con un SEL más complicado. La complicación radica en el mayor

número de variables.
Ejemplo 22
Mostraremos cómo se llega a un SEL equivalente al original y a un conjunto de
soluciones infinito aplicando el Método de Gauss.
30
UNIDAD 1
0 x1 + 0 x2 − 2 x3 + 0 x4 + 7 x5 = 12
2 x1 + 4 x2 − 10 x3 + 6 x4 + 12 x5 = 28
2 x1 + 4 x2 − 5 x3 + 6 x4 − 5 x5 = − 1

multiplicando por su recíproco? No15 Entonces no nos queda otra opción que
intercambiar con la ecuación de abajo:
2 x1 + 4 x2 − 10 x3 + 6 x4 + 12 x5 = 28
0 x1 + 0 x2 − 2 x3 + 0 x4 + 7 x5 = 12
2 x1 + 4 x2 − 5 x3 + 6 x4 − 5 x5 = −1
En este nuevo ordenamiento de las ecuaciones: ¿es 1 el coeficiente de la primera

variable en la primera ecuación? No. ¿Podemos convertirlo en 1 multiplicando por su
1
recíproco? Sí. ¿Cuál es el recíproco? . Multipliquemos:
2
1x1 + 2 x2 − 5 x3 + 3 x4 + 6 x5 = 14
0 x1 + 0 x2 − 2 x3 + 0 x4 + 7 x5 = 12
2 x1 + 4 x2 − 5 x3 + 6 x4 − 5 x5 = −1

Como en la segunda ecuación ya es 0 el coeficiente de la primera variable pasamos a
la tercera ecuación: el múltiplo apropiado es (−2) . Multiplicamos por (−2) la
primera ecuación y sumamos esta nueva ecuación a la tercera reemplazándola así:
1x1 + 2 x2 − 5 x3 + 3 x4 + 6 x5 = 14
0 x1 + 0 x2 − 2 x3 + 0 x4 + 7 x5 = 12
0 x1 + 0 x2 + 5 x3 + 0 x4 − 17 x5 = −29
Paso 3, construcción del coeficiente 1 en la segunda variable: ¿Es 1 el coeficiente de

la segunda variable en la segunda ecuación? No. ¿Podemos convertirlo en 1
multiplicando por su recíproco? No. Entonces no nos queda otra alternativa que
intercambiar con la ecuación de abajo. Pero: ¿es uno el coeficiente de la segunda
variable en la tercera ecuación? No. ¿Podemos convertirlo en 1 multiplicando por su
recíproco? No. No nos queda más opción que convertir en 1 el coeficiente de la
variable que sigue: la tercera.
Paso 4, construcción del coeficiente 1 en la tercera variable: ¿es 1 el coeficiente de la

tercera variable en la segunda ecuación? No. ¿Podemos convertirlo en 1
multiplicando por su recíproco? Sí. Lo hacemos:
15
El número 0 no tiene recíproco o inverso multiplicativo. Consulte Matemática nivelación, unidad 1.
31
UNIDAD 1
1x1 + 2 x2 − 5 x3 + 3 x4 + 6 x5 = 14
7
0 x1 + 0 x2 + 1x3 + 0 x4 − x5 = −6
2
0 x1 + 0 x2 + 5 x3 + 0 x4 − 17 x5 = −29
Paso 5, eliminar la tercera variable de las ecuaciones de abajo: se suman múltiplos

apropiados de la segunda ecuación a las ecuaciones de abajo de modo de eliminar la
tercera variable.
Sólo nos queda una ecuación: la tercera, y el múltiplo apropiado es (−5) .
Multiplicamos por (−5) la segunda ecuación y sumamos esta nueva ecuación a la
1x1 + 2 x2 − 5 x3 + 3 x4 + 6 x5 = 14
7
0 x1 + 0 x2 + 1x3 + 0 x4 − x5 = −6
2
1
0 x1 + 0 x2 + 0 x3 + 0 x4 + x5 = 1
2
Paso 6, construcción del coeficiente 1 en la cuarta variable: ¿es 1 el coeficiente de la

cuarta variable en la tercera y última ecuación? No ¿Podemos convertirlo en 1
multiplicando por su recíproco? No. No nos queda más opción que convertir en 1 el
coeficiente de la variable siguiente: la quinta.
Paso 7, construcción del coeficiente 1 en la quinta variable: ¿es 1 el coeficiente de la

quinta variable en la tercera y última ecuación? No. ¿Podemos convertirlo en 1
multiplicando por su recíproco? Sí. ¿Cuál es el recíproco? 2. Lo hacemos:
1x1 + 2 x2 − 5 x3 + 3 x4 + 6 x5 = 14
7
0 x1 + 0 x2 + 1x3 + 0 x4 − x5 = −6
2
0 x1 + 0 x2 + 0 x3 + 0 x4 + 1x5 = 2
¿Quedan más coeficientes de variables para convertir en 1? No. Entonces:

Paso 8, construimos el SEL asociado, equivalente al original, donde la solución es
más fácil de ver, para ello eliminamos los sumandos nulos:
1x1 + 2 x2 − 5 x3 + 3 x4 + 6 x5 = 14
7
1x3 − x5 = −6
2
1x5 = 2
Paso 9, construcción del conjunto solución: explicitamos las variables principales y

luego hacemos sustitución en retroceso.
 x1 = 14 − 2 x2 + 5 x3 − 3 x4 − 6 x5

 7
Se tiene:  x3 = −6 + x5
 2
 x5 = 2
32
UNIDAD 1
 x5 = 2

 7
luego  x3 = −6 + ⋅ 2 = 1
 2
 x1 = 14 − 2 x2 + 5 ⋅1 − 3 x4 + 6 ⋅ 2 = 7 − 2 x2 − 3 x4
Aquí se observa que el conjunto solución admite un número infinito de soluciones

pues, si bien, la tercera y la quinta variable admiten valor constante, 1 y 2
respectivamente, la primera variable depende de los valores arbitrarios o parámetros
que asignemos a las variables restantes, segunda y cuarta.
Si damos a x2 el valor 1 y a x4 el valor 1, por ejemplo, se tiene la 5-upla ( 2,1,1,1, 2 )

solución particular del SEL original. Efectivamente:
0 ( 2 ) + 0 (1) − 2 (1) + 0 (1) + 7 ( 2 ) = 12
2 ( 2 ) + 4 (1) − 10 (1) + 6 (1) + 12 ( 2 ) = 28
2 ( 2 ) + 4 (1) − 5 (1) + 6 (1) − 5 ( 2 ) = −1
Una expresión paramétrica del conjunto solución es

S = {( x1 , x2 , x3 , x4 , x5 ) / x1 = −2u − 3v − 3, x2 = u, x3 = 1, x4 = v, x5 = 2
con u ∧ v ∈ }.
18
Ya estamos en condiciones de sintetizar el Método de Gauss: el Método de Gauss se

aplica a cualquier SEL a los fines de hallar su conjunto solución y la idea es eliminar
sistemáticamente variables. ¿Cómo? Se deja la primera variable en la primera ecuación
con coeficiente 1 y nos aseguramos de eliminarla de las ecuaciones de abajo. La
segunda variable queda en la segunda ecuación con coeficiente 1 y nos aseguramos de
eliminarla de las ecuaciones de abajo y así sucesivamente hasta agotar las variables o
las ecuaciones. El SEL al cual se arribó es equivalente al dado; explicitando las
variables principales y usando la técnica de sustitución en retroceso se construye el
conjunto solución.
Ahora, ejemplifiquemos el método de Gauss trabajando sobre la matriz aumentada del

SEL. El objetivo del método es reemplazar dicha matriz aumentada por otra que se
encuentre en la forma escalonada en los renglones. Lo vemos paso a paso:
Ejemplo 23
Retomemos del ejemplo anterior el SEL:
0 x1 + 0 x2 − 2 x3 + 0 x4 + 7 x5 = 12
2 x1 + 4 x2 − 10 x3 + 6 x4 + 12 x5 = 28
2 x1 + 4 x2 − 5 x3 + 6 x4 − 5 x5 = −1
La matriz aumentada correspondiente es:
33
UNIDAD 1
 0 0 −2 0 7 12
 2 4 −10 6 12 28
 
 2 4 −5 6 −5 −1
Paso 1: se localiza la columna que no conste completamente de ceros y que esté más
a la izquierda.
 0 0 −2 0 7 12
 2 4 −10 6 12 28
 
 2 4 −5 6 −5 −1
↑
columna más a la izquierda que no consta completamente de ceros.
Paso 2: si es necesario se intercambia el renglón superior con otro renglón para llevar
un coeficiente diferente de cero a la parte superior de la columna que se encontró en
el paso 1.
 2 4 −10 6 12 28 se intercambian el primer y el segundo renglón
 0 0 −2 0 7 12
 
 2 4 −5 6 −5 −1
Paso 3: si el elemento que está ahora en la parte superior de la columna encontrada
en el paso 1 es a, se multiplica el primer renglón por su recíproco a1 para introducir
un 1 principal.
 1 2 −5 3 6 14  el primer renglón se multiplica por 1
2
 0 0 −2 0 7 12 
 
 2 4 −5 6 −5 −1
Paso 4: se suman múltiplos apropiados del renglón superior (renglón con el 1

principal) a los renglones de abajo, de modo que todos los elementos abajo del 1
principal y en la misma columna se conviertan en ceros.
 1 2 −5 3 6 14  se suma − 2 veces el primer renglón al tercero,
 0 0 −2 0 7 12 reemplazándolo.

 0 0 5 0 −17 −29
Paso 5: se trabaja ahora con la submatriz16 compuesta por la segunda columna en

adelante (hacia la derecha) y el segundo renglón en adelante (hacia abajo) aplicando
los pasos 1 a 4. Se continúa de esta manera, repitiendo los pasos 1 a 4 en las
respectivas submatrices hasta que la matriz queda en la forma escalonada en los
renglones.
16
Submatriz: arreglo rectangular de números dentro de un arreglo rectangular de números más grande
que lo contiene.
34
UNIDAD 1
 1 2 −5 3 6 14 
 0 0 −2 0 7 12

 0 0 5 0 −17 −29
↑
columna más a la izquierda que no consta completamente de ceros
 1 2 −5 3 6 14  se multiplica el segundo renglón por − 12 para

0 0 1 0 − 72 −6 introducir un 1 principal.

 0 0 5 0 −17 −29
 1 2 −5 3 6 14  se suma -5 veces el segundo renglón al tercero,

0 0 1 0 − 72 −6  reemplazándolo, para introducir un cero

0 0 0 0 1
2 1 abajo del 1 principal.
 1 2 −5 3 6 14 
 
0 0 1 0 − 72 −6 
0 0 0 0 1
1
 2
↑
columna más a la izquierda que no consta completamente de ceros
en la nueva submatriz
 1 2 −5 3 6 14  se multiplica el tercer renglón por 2 para

0 0 1 0 − 72 −6  introducir un 1 principal.

 0 0 0 0 1 2 
Usando una notación simplificada, lo hecho anteriormente puede reescribirse:
0 0 −2 0 7 12
2 4 −10 6 12 28 1 2 −5 3 6 14
2 4 −5 6 −5 −1 0 0 1 0 −7 7 − 6 ← (− 1 )
2 2 2
2 4 −10 6 12 28
0 0 5 0 −17 −29
0 0 −2 0 7 12
1 2 −5 3 6 14
2 4 −5 6 −5 −1
1 2 −5 3 6 14 ← (1/ 2 ) 0 0 1 0 −7 7 −6 (−5)
2 2
0 0 −2 0 7 12 0 0 0 0 1 11 ↵+
2 2
2 4 −5 6 −5 −1
1 2 −5 3 6 14
1 2 −5 3 6 14 (−2)
0 0 −2 0 7 12 0 0 1 0 −7 7 −6 7
2 2 2
0 0 5 0 −17 −29 ↵+ 0 0 0 0 1 2 ← (2)
35
UNIDAD 1
donde los símbolos tienen el siguiente significado:

= intercambio de renglones
← (a ) = multiplicar el renglón por a
(b)  multiplicar b veces el renglón superior y sumarlo al renglón
+
=
↵  indicado por la flecha , reemplazándolo.
De ahora en más usaremos esta última simbología.
La última matriz aumentada da origen al SEL equivalente al original:

1x1 + 2 x2 − 5 x3 + 3 x4 + 6 x5 = 14
7
x3 − x5 = −6
2
x5 = 2
De aquí en más seguimos con lo explicitado en el ejemplo 22, paso 9 en adelante.
Comparando la operatoria en ambos ejemplos 22 y 23 observamos que las operaciones

efectuadas sobre las ecuaciones corresponden a operaciones sobre los renglones de la
matriz aumentada, y que trabajar sobre la matriz aumentada simplifica la notación o
escritura de cada paso del procedimiento.
En la práctica, para resolver SEL se aplica el Método de Gauss a su matriz aumentada

de forma tal de llevarla a la forma escalonada en los renglones. Luego, se construye el
sistema de ecuaciones equivalente al original y el conjunto solución, a partir de
explicitar las variables principales y de sustituir hacia atrás.
19
Aplique el Método de Gauss a cada matriz aumentada de los SEL, ejemplos 19, 20 y 21
y ratifique el conjunto solución allá encontrado.
Confronte con la solución
Ahora hablemos del Método de Gauss-Jordan. El método anterior elimina variables

desde la ecuación del 1 principal hacia abajo. El Método de Gauss-Jordan no
incorpora la sustitución hacia atrás sino que sigue eliminando variables hacia arriba.
Lo ejemplificamos trabajando sobre la matriz aumentada:
Ejemplo 24
En el ejemplo 23 se tiene el SEL:
0 x1 + 0 x2 − 2 x3 + 0 x4 + 7 x5 = 12,
2 x1 + 4 x2 − 10 x3 + 6 x4 + 12 x5 = 28,
2 x1 + 4 x2 − 5 x3 + 6 x4 − 5 x5 = −1.
La matriz aumentada correspondiente es:
36
UNIDAD 1
 0 0 −2 0 7 12
 2 4 −10 6 12 28 ,
 
 2 4 −5 6 −5 −1
y aplicando el Método de Gauss se llegó a la matriz aumentada

 1 2 −5 3 6 14 
0 0 1 0 − 72 −6

 0 0 0 0 1 2
La matriz está ahora en la forma escalonada en los renglones. Para llevarla a la forma
reducida se procede así:
Paso 6: empezando de abajo hacia arriba se suman múltiplos apropiados de cada

renglón a los de arriba a fin de introducir ceros arriba de cada 1 principal.
 1 2 −5 3 6 14  se suma 72 veces el tercer renglón al segundo
0 0 1 0 0 1 remplazándolo.

 0 0 0 0 1 2
 1 2 −5 3 0 2  se suma -6 veces el tercer renglón al primero
0 0 1 0 0 1 reemplazándolo.

 0 0 0 0 1 2 
1 2 0 3 0 7  se suma 5 veces el segundo renglón al primero
 0 0 1 0 0 1  reemplazándolo.
 
 0 0 0 0 1 2 
la última matriz está en la forma escalonada en los renglones reducida.
Usando una notación más simplificada, el Método de Gauss-Jordan aplicado a la

matriz ampliada del SEL original se escribe en forma completa:
37
UNIDAD 1
1 2 −5 3 6 14
0 0 −2 0 7 12 0 0 1 0 −7 7 −6 (−5)
2 4 −10 6 12 28 2 2
0 0 0 0 1 1 ↵+
2 4 −5 6 −5 −1 2
2 4 −10 6 12 28 1 2 −5 3 6 14
0 0 −2 0 7 12
0 0 1 0 −7 7 −6
2 4 −5 6 −5 −1 2 2
0 0 0 0 1 2 ← (2)
1 2 −5 3 6 14 ← (1/ 2)
1 2 −5 3 6 14
0 0 −2 0 7 12
0 0 1 0 0 1 ←
2 4 −5 6 −5 −1 |+
0 0 0 0 1 2
1 2 −5 3 6 14 (−2) (7 / 2)
0 0 −2 0 7 12 ←
1 2 −5 3 0 2 |+
0 0 5 0 −17 −29 ↵+ 0 0 1 0 0 1
1 2 −5 3 6 14 0 0 0 0 1 2 (−6)
0 0 1 0 −7 7 − 6 ← (− 1 )
1 2 0 3 0 7
←
|+
2 2 2
0 0 5 0 −17 −29 0 0 1 0 0 1 (−5)
0 0 0 0 1 2
El SEL equivalente al original y asociado a la última matriz ampliada se escribe -
omitiendo los sumandos nulos y los coeficientes 1-:
x1 + 2 x2 + 3 x4 = 7
x3 = 1
x5 = 2
El método de Gauss-Jordan hizo explícitas las variables con restricciones, también

llamadas variables principales, porque corresponden a los unos principales: cada
vez que asignamos a a y a b un valor específico real obtenemos una solución del
sistema de ecuaciones original, x5 = 2 , x4 = a , x3 = 1 , x2 = b , x1 = 7 − 2b − 3a .
Asimismo:
S1 = {( x1 , x2 , x3 , x4 , x5 ) / x5 = 2, x4 = a, x3 = 1, x2 = b, x1 = 7 − 2b − 3a
con a ∧ b ∈ }
es una expresión paramétrica del conjunto solución.
La 5-upla (7,0,1,0,2) es una solución particular, que se obtiene al dar el valor 0 a

cada parámetro porque satisface el SEL original. En cambio, la terna (5,1,1,1,2) no es
solución porque sólo se satisfacen la segunda y la tercera ecuación y no se satisface
la primera, esto es, no se satisface el SEL.
Como era de esperar, el conjunto solución obtenido por el Método de Gauss coincide
con el obtenido por el Método de Gauss-Jordan.
38
UNIDAD 1
Un SEL admite infinitas soluciones si existen variables principales que se expresan o

explicitan en términos de variables libres, esto es, si la forma escalonada en los
renglones (reducida o no) corresponde a un SEL consistente -el último renglón no es de
la forma 0=b con b no nulo- y cuenta con menos unos principales que el número de
variables del sistema.
20
a) Ratifique el conjunto solución del ejemplo 20 aplicando el Método de Gauss Jordan
a la correspondiente matriz ampliada.
b) Mirando las siguientes matrices ampliadas identifique aquella que informa que el
correspondiente SEL admite un conjunto solución infinito y construya una
representación paramétrica del conjunto solución.
0 1 0 3 0  1 1 0 3 0   0 1 0 3 0
0 0 1 0 2 , 0 0 1 0 2 , 0 0 1 0 0 .
     
 0 0 0 0 1   0 0 0 1 0   0 0 0 0 0
Ejemplo 25
 2 x + 3 y = 13

El SEL  x + y = 5 planteado en el ejemplo 19 admite una única solución.
2 x + 2 y = 10

 2 3 13
Apliquemos el Método de Gauss Jordan a su matriz ampliada  1 1 5  :
 2 2 10 
1 1 5 1 1 5 (−2)
2 3 13 0 1 3
2 2 10 0 0 0 ↵+
1 1 5 (−2) 1 0 2 ←|+
+
0 1 3 ↵ 0 1 3 (−1)
2 2 10 0 0 0
x = 2
El SEL asociado equivalente al original es  . Y el conjunto solución coincide
y = 3
con el dado en el ejemplo 19.
Un SEL admite solución única si la correspondiente matriz escalonada en los renglones

-reducida o no- corresponde a un SEL consistente -el último renglón no es de la forma
0=b con b no nulo- y admite tantos unos principales como variables, esto es, todas sus
variables son principales y no admite variables libres.
Al tener un renglón de ceros en la matriz aumentada escalonada en los renglones

-reducida o no- el sistema tiene una ecuación superflua, esto es, una ecuación que
repite información dada por las restantes. En nuestro ejemplo esto se verifica.
Efectivamente, la tercera ecuación da la misma información que la primera:
2 x + 2 y = 10 ⇒ 2 ( x + y ) = 10 ⇒ x + y = 5 .
39
UNIDAD 1
21
Mirando las siguientes matrices ampliadas:
1 0 0 2 
1 1 0 3 0   0 1 0 3 0  
1 2 3       0 1 2 1 
 0 1 −1 ,  0 0 1 0 2  ,  0 0 1 0 0  ,  0 0 1 0  .
  0 0 0 1 0 0 0 0 0 0
    0 0 0 1 
 
a) Identifique aquella que informa que el correspondiente SEL admite un conjunto
solución de una solución.
b) Determine la matriz aumentada cuyo SEL asociado original contiene una ecuación
superflua.
Ejemplo 26
¿Cómo se verá la matriz aumentada escalonada en los renglones -reducida o no- de
un SEL que no admite solución? Indaguemos: el siguiente sistema es un ejemplo de
un SEL que no admite solución:
x1 + 3 x2 − 2 x3 + 0 x4 + 2 x5 + 0 x6 = 0,
2 x1 + 6 x2 − 5 x3 − 2 x4 + 4 x5 − 3 x6 = −1,
2 x1 + 6 x2 + 0 x3 + 8 x4 + 4 x5 + 12 x6 = 6.
La correspondiente matriz aumentada es:

 1 3 −2 0 2 0 0 
 2 6 −5 −2 4 −3 −1 .
 
 2 6 0 8 4 12 6 
Aplicando el Método de Gauss-Jordan se tiene:
1 3 −2 0 2 0 0 (−2) (−2)
0 0 −1 −2 0 −3 −1 ↵+
0 0 4 8 0 12 6 ↵+
1 3 −2 0 2 0 0
0 0 1 2 0 3 1 ← (−1)
0 0 4 8 0 12 6
1 3 −2 0 2 0 0
0 0 1 2 0 3 1 (−4)
0 0 0 0 0 0 2 ↵+
Aquí nos detenemos y analizamos la matriz aumentada: el SEL asociado y
equivalente al original tiene por última la ecuación
0 x1 + 0 x2 + 0 x3 + 0 x4 + 0 x5 + 0 x6 = 2 que obviamente no es satisfecha por ninguna 6-
upla de números reales ( 0 ⋅ xi = 0 , cada sumando es nulo y la igualdad 0 = 2 es
falsa).
40
UNIDAD 1
Un SEL no tiene solución si una fila de su forma escalonada en los renglones -reducida
o no- consta totalmente de ceros salvo la posición extrema derecha que tiene un valor no
nulo.
Cuando un SEL no admite solución, esto es, su conjunto solución es vacío, el Método
de Gauss-Jordan puede truncarse en el mismo punto en que se trunca el Método de
Gauss: al obtener un renglón de ceros, salvo en su última posición.
22
a) Ratifique el conjunto solución del ejemplo 21 aplicando el Método de Gauss- Jordan
a la correspondiente matriz ampliada.
b) Mirando las siguientes matrices ampliadas, identifique aquella que informa que el
correspondiente SEL admite un conjunto solución vacío.
0 1 0 3 0  1 1 0 3 0   0 1 0 3 0
0 0 1 0 2 , 0 0 1 0 2 , 0 0 1 0 0
     
 0 0 0 0 1   0 0 0 1 0   0 0 0 0 0
c) En la actividad de proceso 21 señale las matrices aumentadas cuyo conjunto

solución de los SEL asociados es vacío.
El último ejemplo da pie para plantear resultados importantes de los SEL homogéneos.
¿Un SEL homogéneo puede no admitir solución? No; nunca puede darse el caso arriba
descripto dado que el término independiente es cero. En otras palabras, todo SEL
homogéneo admite el valor cero en sus variables como una solución. ¿Es única esta
solución? Depende del sistema. Luego, como el SEL homogéneo es siempre
consistente, se puede asegurar que se cumple una de las siguientes proposiciones:
a) El SEL homogéneo sólo tiene la solución trivial.
b) El SEL homogéneo tiene además de la trivial, infinitas soluciones.
23
a) Identifique las variables principales del SEL asociado a cada matriz aumentada y
construya el correspondiente conjunto solución.
 0 1 0 3 0 1 1 0 3 0  0 1 0 3 0
0 0 1 0 0 , 0 0 1 0 0 , 0 0 1 0 0 
    
 0 0 0 0 0  0 0 0 1 0  0 0 0 0 0 
b) Aplique el método de Gauss a los SEL, llegará a un cálculo que le permitirá analizar
qué valor de * hace que el correspondiente sistema admita: solución única, infinitas
soluciones, ninguna solución. Identifique esos valores de *.
x + 2y = 5 2x + 3y = 4 2x + 3y = 0
4x + 8 y = ∗ 6 x + ∗ y = 12 ∗ x + 12 y = 0
En la práctica notará usted que tiene varias opciones respecto de qué operaciones
elementales usar, esto demuestra que son muchas las posibles formas escalonadas en los
renglones, pero no ocurre así con la forma escalonada en los renglones reducida, que es
única. Entonces, una recomendación válida es escojer operaciones elementales que
41
UNIDAD 1
minimicen la cantidad de cálculos. Por otro lado, es recomendable que trabaje con la
representación en fracciones de un número y no con su correspondiente representación
decimal.
24
Tome por ejemplo, el SEL dado en el ejemplo 19, intercambie el primer y segundo
renglón y aplique el Método de Gauss: demuestre que la matriz escalonada en los
renglones cambió, la matriz escalonada en los renglones reducida no. También
demuestre que el conjunto solución es siempre el mismo.
Finalmente, dado un SEL ¿aplicamos el Método de Gauss o Método de Gauss-Jordan

para encontrar su conjunto solución? Pues use el que más le guste. Ahora bien, existen
softwares (programas) matemáticos que permiten aplicar estos métodos usando
computadoras. Para operar con ellas usted debe conocer la siguiente nota numérica:
Nota numérica: debido a su capacidad finita de almacenamiento las computadoras no

trabajan con todas las cifras de un número que tiene infinita cifras en su representación
decimal17. Esto hace que se acumulen errores en los cálculos aritméticos efectuados y
por lo tanto el software puede devolverle un conjunto solución que no coincida
exactamente con el dado por la matemática exacta18.
Los métodos para resolver SEL son muchos, algunos de interés teórico trabajan con
matemática exacta, otros, de interés práctico trabajan con matemática computacional19.
En este curso sólo haremos hincapié en los ya mencionados: Método de Gauss y
Método de Gauss-Jordan; en el Aula Virtual de la materia buscaremos información
sobre otros.
Tema de indagación y discusión en los foros de la materia (en el aula virtual)

a) Indague: ¿qué relación existe entre el Método de Gauss y el Método de Gauss-
Jordan y los métodos vistos en otros niveles de enseñanza como método de
sustitución, método de suma y resta? ¿En qué difieren y en qué se asemejan?
b) Busque información para responder a los siguientes interrogantes: ¿qué se entiende
por pivoteo? ¿Cuántos tipos de pivoteo existen? ¿En qué consiste la técnica del
pivoteo aplicado a SEL y cuál es su idea subyacente?
c) Reflexione: ¿por qué la matriz escalonada en los renglones reducida es única y no
así la matriz sin reducir?
En una segunda lectura de este inciso rotule los párrafos, destaque las ideas principales,
individualice los conceptos clave, construya el mapa conceptual correspondiente.
25
a) Sintetice los métodos para resolver SEL.
17
Representación decimal de un número real: consulte el Módulo de nivelación matemática, unidad 1.
Ejemplo: la representación decimal del número 1/3 es 0.3333...
18
Matemática exacta: cuando se trabaja con los números reales y no con sus aproximacionesexactos.
19
Matemática computacional o análisis numérico: rama de la matemática que se interesa en crear
métodos que resuelvan problemas minimizando el error acumulado y el tiempo de computadora
empleado.
42
UNIDAD 1
b) Identifique qué información sobre el SEL y su solución le da la forma escalonada en

los renglones reducida de su matriz aumentada.
Una vez realizada esta actividad tiene luz verde para continuar con el siguiente inciso.
6. Gráfica de un SEL
En esta sección construiremos una formulación geométrica (gráfica) de una ecuación

lineal en una, dos y tres variables e interpretaremos geométricamente el conjunto
solución de un SEL arbitrario en dos y tres variables.
En el Aula virtual de Matemática nivelación trabajamos la representación gráfica de los

reales. Esto es, vimos que se establece una correspondencia única entre cada número
real y cada punto de una recta. Esta correspondencia dio origen a la recta real: una
recta donde cada número real tiene asignado un punto; los números negativos se
encuentran a la izquierda del cero y los positivos a su derecha. En la recta real cada
número tiene asignado un valor de medida, una dimensión, una ubicación. Lo vemos:
• • •
Hemos −4 0 3
marcado el 0, el 3 y el –4 en la recta real. Siempre usamos la misma unidad de medida,
en nuestro caso 0.5 cm representan 1 unidad de medida.
26
1 3 9
Ubique en la recta real los números − , y− .
2 4 2
Dos rectas reales (ejes numéricos) que se cortan en el origen formando un ángulo de 90
grados (perpendiculares) nos brindan medidas para ubicar 2-uplas de números reales. El
eje horizontal (derecha-izquierda) permite ubicar el primer elemento de la 2-upla y el
eje vertical (arriba-abajo) el segundo elemento, así: dos unidades a la derecha del cero y
tres unidades hacia arriba establecen la posición de la 2-upla (2,3); dos unidades a la
izquierda del cero y tres unidades hacia arriba establecen la posición de la 2-upla (-2,3).
Así, a cada 2-upla de números reales le corresponde

una posición en el plano y viceversa: cada posición del (–2,3) 3 . .(2,3)
plano (punto del plano) tiene asociada una 2-upla de
números reales, esto es, dos unidades de medidas, dos
dimensiones, una en el eje horizontal y otra en el eje
vertical. -2 2
Este plano con esta correspondencia se conoce como plano cartesiano.
43
UNIDAD 1
27
Ubique, en el plano cartesiano, los pares ordenados de números ( −1, 0 ) , ( 0, 2 ) ,
 3
 −2,  , ( 2, −4 ) y ( 0, 0 ) .
 2
El mismo razonamiento efectuado para construir la recta real, y luego para construir el
plano cartesiano, nos permite construir el espacio tridimensional. Toda 3-upla de
números reales puede posicionarse en un espacio que se construye utilizando tres rectas
reales (ejes numéricos) que se
intersecan en el origen formando arriba
ángulos de 90 grados entre ellas
(perpendiculares). Si en la figura
recorremos los ejes en el sentido de
2
. (2,3,2)
las agujas del reloj, se tiene que el
primer eje (este-oeste) nos permite
ubicar el primer elemento de la 3-
upla, el segundo eje (norte-sur), el 3 norte
segundo elemento de la 3-upla y el
2
tercer eje (arriba-abajo), el tercer
elemento. Ejemplo: dos unidades al
este sobre el primer eje, tres unidades este
al norte y dos unidades arriba definen
la 3-upla (2,3,2) (ver figura), mientras que la 3-upla (-1,2,-3) se define como una unidad
al oeste en el primer eje, dos unidades norte en segundo eje y 3 unidades abajo en el
tercer eje. Esta última dibújela usted.
Las 2-uplas en el plano cartesiano y las 3-uplas en el espacio tridimensional reciben,

también, el nombre de coordenadas del punto geométrico que representan.
28
Ubique en el espacio tridimensional los puntos geométricos de coordenadas ( −1, 0, 0 ) ,
( 0, 2, 0 ) ,  −2,
3 
,1 , ( 2, −4, −1) y ( 0, 0, 0 ) .
 2 
La gráfica de una ecuación es el conjunto de todas sus soluciones, esto es, la gráfica de
una ecuación es un dibujo de sus soluciones. ¿Y dónde graficamos? Pues se grafica
dibujando en la recta real, en el plano cartesiano o en el espacio tridimensional, según se
trate de una ecuación en una, dos o tres variables. ¿Por qué dibujamos en esos espacios?
Porque sabemos que toda variable es un número desconocido y los números se
relacionan con rectas reales, ejes numéricos.
Dibujemos conjuntos solución; para ello, retomemos ejemplos que abarquen todas las
posibilidades de conjunto solución de una ecuación lineal:
44
UNIDAD 1
• Caso 1: ecuación lineal en una variable.

Ejemplo 27
Retomamos la ecuación dada en el ejemplo 7, 50 x + 47.50 = 100 . Una expresión
Recta donde vive
la variable x, eje
x
•
Gráfica de la 0 1.05
ecuación lineal
algebraica del conjunto solución es x = 1.05 , luego, la gráfica del conjunto solución
es un punto en la recta real, el conjunto solución se visualiza como un punto.
29
a) Represente geométricamente el conjunto solución de la ecuación 2 x + 3 = 1 y
también de − x + 1 = 3 x .
3
b) Grafique las ecuaciones lineales x − 1 = 0 , −4 x + 1 = x + 1 .
2
• Caso 2: ecuación lineal en dos variables.

Ejemplo 28
Retomamos la ecuación lineal dada en el ejemplo 8, x + y = 130 . Una expresión
algebraica del conjunto solución es S1 = {( x, y ) / x = a, y = 130 − a, a ∈ }. Como
no podemos determinar el infinito número de pares ordenados (2-uplas), construimos
una tabla con un número finito, razonable, de esos pares y luego de marcarlos en el
plano cartesiano realizamos una conjetura sensata sobre el resto. La tabla y los
puntos de la gráfica sugieren que la gráfica es una línea recta ¿lo vemos?
x y Eje para la variable y

0 130 Gráfica de la ecuación
1 129 lineal. Representación
2 128 gráfica de S1 .
# #
130 0
Eje para la variable x
Lo habitual para dibujar una línea recta es marcar las coordenadas que corresponden
a los puntos de corte con cada eje. En nuestro caso esos puntos de corte son (0,130) y
(130,0). ¿Cómo se obtienen los puntos de corte con un eje? Pues, haciendo cero la
otra variable: para encontrar el punto de corte con el eje y hacemos x igual a 0, x = 0 ,
luego y = 130 .
45
UNIDAD 1
30
a) Represente geométricamente el conjunto solución de la ecuación 2 x + 3 = y , y
también de − x + 1 = 3 x + y .
b) Grafique las ecuaciones lineales x − 2 y = 4 , − x + y = 0 .
• Caso 3: ecuación lineal en tres variables.

Ejemplo 29
Retomamos la ecuación lineal dada en el ejemplo 9, x − 4 y + 3 z = 2 . Una expresión
algebraica del conjunto solución está dada en la respuesta a la correspondiente
actividad de proceso:
{ 2 1 4
}
S 3 = ( x, y , z ) / z = − t + s , x = t , y = s , t ∧ s ∈ .
3 3 3
Al igual que lo sucedido en el caso 2, como no podemos determinar el infinito

número de ternas ordenadas (3-uplas), construimos una tabla con un número finito,
razonable, de esos puntos y, luego de marcarlos en el espacio tridimensional,
realizamos una conjetura sensata sobre el resto. La tabla y los puntos de la gráfica
sugieren que la gráfica es un plano ¿lo vemos?
x y z z
0 0 2/3 Gráfica de la
ecuación lineal.
0 -1/2 0 2/3 Representación
y
2 0 0 gráfica de S3 .
x
Lo habitual para dibujar un plano es 2
marcar las coordenadas que
corresponden a los puntos de corte –1/2
con cada eje. Para el ejemplo dado, el
 1 
punto de corte con el primer eje es ( 2, 0, 0 ) , con el segundo eje  0, − , 0  y con el
 2 
 2
tercer eje es  0, 0,  .
 3
El punto de corte con un eje se logra asignando valores nulos a las componentes de los
ejes restantes, y calculando el tercer valor que satisface a la ecuación correspondiente.
Nota numérica: los programas graficadores tanto para calculadoras como para PC
siguen, escencialmente, el mismo procedimiento para graficar ecuaciones lineales, la
única diferencia es que eligen un número mayor de puntos de los que se toman al
graficar manualmente.
31
a) Represente geométricamente el conjunto solución de la ecuación 2 x + 3 y − z = 0 y
también de − x + y = z + 2 .
46
UNIDAD 1
b) Grafique las ecuaciones lineales x + y + z = 3 , 2 x + y + 0 z = 0 .

De lo analizado en los casos 1, 2 y 3 afirmamos que la gráfica de:

• una ecuación lineal de una variable es un punto;
• una ecuación lineal de dos variables es una línea recta;
• una ecuación lineal de tres variables es un plano.
Usando estas visualizaciones, estos conceptos geométricos, estas representaciones

geométricas o representaciones gráficas de ecuaciones lineales daremos una
interpretación geométrica del conjunto solución de un SEL en dos y tres variables:
• SEL en dos variables:

La gráfica de cada ecuación lineal en dos variables es una recta. Vimos que las
coordenadas de cada punto sobre la gráfica representan geométricamente una
solución de la ecuación. La solución de un SEL en dos variables se representa
entonces con el punto o puntos donde las rectas se intersecan. Geométricamente,
existen tres posibilidades y sólo tres, de intersección para rectas dadas: no se
intersecan nunca -son paralelas-, se intersecan en un punto o coinciden.
Cada una de estas posibilidades geométricas a su vez corresponde a un resultado

algebraico, a saber: ninguna solución, una solución o infinitas soluciones.
Un gráfico ejemplificador usando un SEL de dos ecuaciones en dos variables es:
y y y
solución ecuación 1 solución ecuación 1 solución ecuación 1
solución ecuación 2
solución del sistema
solución ecuación 2 solución ecuación 2 soluciones del sistema
x x x
Rectas paralelas Rectas que se intersecan Rectas coincidentes

0 soluciones 1 solución ∞ soluciones
• SEL en tres variables:

La gráfica de cada ecuación lineal en tres variables es un plano. Vimos que las
coordenadas de cada punto sobre la gráfica representan geométricamente una
solución de la ecuación. La solución de un SEL en tres variables se representa
entonces con el punto, o puntos, donde los planos se intersecan. Geométricamente,
existen cuatro posibilidades y sólo cuatro, de intersección para planos dados: se
intersecan en un punto, se intersecan en una recta, coinciden o no se intersecan
nunca -son paralelos-.
47
UNIDAD 1
Ejemplificamos esta afirmación con un SEL de dos ecuaciones en tres variables.
z solución ecuación 1 z soluciones del sistema z soluciones del sistema
y y y
solución ecuación 1 solución ecuación 1
x x x
Planos paralelos Planos que se intersecan Planos coincidentes

0 soluciones infinitas soluciones infinitas soluciones
(monoparamétrica) (biparamétrica)
También ejemplificamos con un SEL de tres ecuaciones en tres variables donde las
posibilidades visuales de intersección de tres planos no se agotan con los gráficos
hechos. Estos gráficos son ejemplos cualitativos de lo que sucede, son una síntesis
ilustrativa del conjunto de posibilidades.
z solución ecuación 1 z soluciones del sistema z solución del sistema
y y y
solución ecuación 3
x x x
solución ecuación 2 solución ecuación 1 solución ecuación 1 solución ecuación 3
Planos paralelos Planos que se intersecan Planos que se intersecan

0 soluciones ∞ soluciones 1 solución
(monoparamétrica)
Cada una de estas posibilidades geométricas a su vez corresponde a un resultado

algebraico, a saber: una solución, infinitas soluciones monoparamétricas, infinitas
soluciones biparamétricas, ninguna solución.
El conjunto solución de un SEL en dos o tres variables consistente es gráficamente un

punto, una recta o un plano, dependiendo de que el conjunto solución conste de una
48
UNIDAD 1
solución o de infinitas, esto es, que admita representación paramétrica en uno o dos
parámetros.
32
Grafique cada una de las ecuaciones que forman el SEL y visualice geométricamente el
conjunto solución ratificando el resultado algebraico de los ejemplos 19, 20 y 21.
En la práctica, todo SEL en dos o tres variables puede resolverse cualitativamente

analizando sus gráficas. ¿Qué se entiende por resolver cualitativamente un SEL? Pues
significa determinar si tiene o no solución ,y en caso de tenerla, si se trata de una o de
infinitas. Esto es, el análisis cualitativo no entrega como resultado valores reales
específicos.
Ejemplifiquemos: dadas las siguientes gráficas de

ecuaciones lineales ¿qué se puede decir sobre el
SEL asociado? y ¿qué de sus soluciones? Pues,
observemos y analicemos paso a paso...
Se observan:
• Un plano, dos ejes, esto es, dos variables -un
eje por cada variable-, entonces cada ecuación
es de dos variables.
• Tres rectas, entonces se trata de tres ecuaciones, una por cada recta.
• Las rectas se intersecan de a dos pero no hay punto común a las tres, entonces, no
hay un par (x,y) que satisfaga las tres ecuaciones. Luego, como SEL no tiene
solución.
Conclusión: de la observación de la gráfica se puede afirmar que se trata de un SEL de

tres ecuaciones en dos variables inconsistente.
33
a) Observe los siguientes gráficos y luego obtenga información cualitativa del SEL
asociado.
b) ¿Qué puede afirmarse acerca de un SEL cuyo conjunto solución es una línea recta?
c) Resuelva algebraicamente, grafique y confronte resultados:

 x − 2 y = 6 − 4z
2 x − 3 y + 4 z = 6 
 ,  x + 13 z = 6 − y
 x − 2y + z = 9 −2 x + 6 y − z = −10

d) Decimos que se trata de un SEL consistente en tres variables y dos ecuaciones,
entonces, ¿qué gráfico le corresponde?
49
UNIDAD 1
Lamentablemente, este análisis geométrico no puede extenderse a cuatro variables, pues

resulta imposible una visualización significativa y esclarecedora.
Haremos un paréntesis para contarle algo de la ciencia matemática. El álgebra tiene que
ver con ecuaciones y con desigualdades y la geometría con formas y gráficas; la
geometría analítica es un puente entre ambas. La geometría analítica destaca la
correspondencia entre ecuaciones y gráficas: toda ecuación se representa mediante una
gráfica y la mayor parte de las gráficas se expresan por medio de ecuaciones no
necesariamente lineales. Dicha relación es útil ya que permite abordar los problemas
algebraicos empleando herramientas geométricas además de las propias del álgebra.
A modo de síntesis de lo analizado algebraicamente, a través del estudio de sus matrices

aumentadas escalonadas en los renglones reducida y geométricamente ¿qué le parece el
siguiente esquema de contenidos? ¿lo comparte?
Sistema de ecuaciones lineales
Consistente Inconsistente
o o
compatible incompatible
infinidad de
una solución no tiene soluciones
soluciones
No podemos descuidar su aprendizaje significativo. Por ello insistiremos en la

aplicación de estrategias y técnicas de aprendizaje. Realice una segunda lectura del
inciso, más profunda que la anterior: identifique las ideas principales, los conceptos
clave, y realice notas marginales20. Luego:
34
a) Sintetice en 2 ó 3 líneas el contenido del inciso 6.
b) Identifique y relacione información dada en forma algebraica con la correspondiente
representación geométrica.
Tema de indagación, profundización y discusión en el Aula virtual.

Como seguramente recordará hemos afirmado que las posibilidades de intersección de
tres planos en el espacio tridimensional no se agotaban con lo que nosotros le
mostramos. Ahora, le proponemos jugar con las posiciones relativas de tres planos,
construir las posibilidades visuales faltantes y comprobar que esas posibilidades
faltantes no aportan nada a nivel de resultados cualitativos.
20
Consulte el CIMEI, estrategias de aprendizaje. Cita completa en Bibliografía.
50
UNIDAD 1
También le proponemos, trabajar con más rectas y más planos -o sea, con más
ecuaciones- y verificar que los resultados cualitativos siguen siendo los mismos.
Comprobará que, independientemente del número de ecuaciones de un SEL, sucede lo
siguiente con las gráficas de dichas ecuaciones:
• en dos variables, se intersecan en un punto, en toda una recta o no se intersecan;
• en tres variables, se intersecan en un punto, en una recta, en un plano o no se
intersecan.
También resulta interesante reflexionar sobre la construcción de la ecuación lineal a

partir de puntos que pertenecen a su conjunto solución. Para ello correspondería
preguntarnos:
¿Qué información mínima (números constantes) necesitamos conocer para afirmar que
conocemos la ecuación lineal de una gráfica dada?
¿Cuántos puntos (sus coordenadas) necesitamos conocer en una gráfica para construir la
ecuación lineal?
Y finalmente: ¿qué modelo matemático planteamos?
Con estas respuestas reflexivas podrá resolver una actividad como la siguiente:
A partir de las presentes coordenadas construya algebraicamente la ecuación lineal

correspondiente y también, grafique:
a) (3,1) y (-1,2).
b) (1,1,0), (3,1,-2) y (5, 0,2).
c) (2,0) y (0,3).
d) (6,0,0), (0,-1,0) y (0,0,2).
Para finalizar con este inciso le contamos que en Matemática II se retoma la expresión
algebraica de una ecuación lineal en dos variables y se la relaciona con el concepto de
función real de una variable real; luego, en Matemática III se relaciona el concepto de
función real en dos variables reales con la expresión algebraica de una ecuación lineal
en tres variables. El estudio de esas y otras funciones constituyen la base del Cálculo,
rama muy importante de la ciencia matemática.
Solamente si realizó la actividad de proceso anterior tiene luz verde para trabajar con el
próximo inciso.
7. Modelizaciones matemáticas usando SEL
En esta sección le mostraremos paso a paso cómo se construyen ecuaciones a partir de

los datos de problemas reales y cómo se construyen SEL, esto es, le mostraremos
ejemplos cuya modelización matemática o modelo matemático corresponde a un SEL.
También, ofrecemos una guía o técnica sistemática para resolver problemas.
Un modelo matemático es una descripción matemática de una situación real. La

experiencia ha mostrado que modelizar matemáticamente no es tarea fácil para los
51
UNIDAD 1
alumnos: definitivamente les cuesta y es ésta la única razón que nos lleva a incorporar
tantos ejemplos y a detallar la manera en que se los resuelve. Les cuesta expresar en
lenguaje matemático las afirmaciones verbales de un problema, en particular, les cuesta
su representación algebraica.
No intente incorporar de memoria un ejemplo. Esfuércese por comprenderlo y seguirlo

paso a paso; construya una síntesis21 que contenga la idea central del problema y las
ideas principales en el planteo de la solución. Tenga en cuenta que los cálculos
aritméticos y la técnica son tan importantes como un análisis cualitativo del problema y
un análisis de factibilidad del resultado matemático como solución del mismo.
Para resolver problemas es necesario, entonces, que previamente los comprenda, luego,
que los exprese en lenguaje matemático mediante ecuaciones, que conozca y sepa
aplicar una técnica que le permita resolver las ecuaciones, y finalmente, que analice los
resultados matemáticos en el contexto del problema real para ver su factibilidad o
razonabilidad como solución del mismo. Para resolver problemas se necesita paciencia
y práctica. La paciencia la pone usted y la práctica la hacemos juntos ...
Los ejemplos que le presentamos son simples. Ponemos énfasis en mostrarle cómo se
introducen las variables y cómo se arman las ecuaciones lineales a partir de la
información de que disponemos, esto es, cómo expresamos algebraicamente la
información disponible.
Ejemplo 30
El largo de un rectángulo es de un centímetro menos que el triple de su ancho. El
perímetro vale 34cm . ¿Cuáles son las medidas del rectángulo? Veamos cada uno de los
pasos que nos conducirán a la respuesta.
Paso uno: leemos el problema, identificamos los datos y sus relaciones y graficamos la
situación descripta verbalmente.
Ancho ancho
Largo=triple de su ancho menos 1cm
Perímetro= 34cm . largo
Paso dos: determinamos que se nos pide. Introducimos las variables apropiadas.
Modelizamos matemáticamente.
El ancho es un valor desconocido, llamémoslo x.

El largo es un valor desconocido, llamémoslo y. y
El perímetro da una fórmula que relaciona ambas x

variables desconocidas:
Perímetro= (2 veces el ancho) más (2 veces el largo).
Usando las variables se reescribe: 34 = 2 x + 2 y , que es una ecuación lineal.
Largo=triple de su ancho menos 1cm.
21
Síntesis, identificación y organización de las ideas principales de un texto, forma parte de las
estrategias de estudio para aprender significativamente:.
52
UNIDAD 1
Usando las variables se reescribe: y = 3x − 1 , que se reescribe 3x − y = 1 , y es una

ecuación lineal.
El problema planteado verbalmente se resuelve encontrando el par ( x, y ) que satisface

ambas ecuaciones en forma simultánea, esto es, la solución del SEL:
2 x + 2 y = 34
3x − 1y = 1
Paso tres: ya modelizada la situación aplicamos un método de resolución de SEL. Por

ejemplo, aplicamos el Método de Gauss-Jordan a la matriz ampliada:
2 2 34 1 1 17
3 −1 1 25
0 1
1 1 17 2
9
3 −1 1 1 0
2
1 1 17
25
0 −4 −50 0 1
2
El SEL asociado a la última matriz ampliada y equivalente al original, o sea, tiene el

 9
1x + 0 y = 2
mismo conjunto solución, es  , cuya solución es obvia: x = 4.5 , y = 12.5 .
0 x + 1 y = 25
 2
Paso cuatro: verificamos la exactitud en los cálculos aritméticos. En nuestro ejemplo,

una manera de verificar esa exactitud es comprobando que los números hallados
satisfacen el SEL de partida.
9  25 
2 ⋅   + 2 ⋅   = 34
2  2 
9  25 
3 ⋅   − 1⋅   = 1
2  2 
Paso cinco: analizamos si los valores numéricos obtenidos en la modelización

matemática tienen sentido en el contexto del problema.
Al tratarse de medidas, 4.5 y 12.5 son válidas, un número negativo, en cambio, no lo

sería; luego ...
Paso seis y final: explicitamos en forma clara y concisa la respuesta. El rectángulo tiene
un ancho de 4.5 cm y un largo de 12.5 cm.
Este ejemplo nos mostró que son seis los pasos necesarios para resolver un problema.
Estos seis pasos no son los únicos posibles, pero constituyen una guía útil para resolver
53
UNIDAD 1
problemas verbales porque responden a un modelo sistemático y organizado de hacer las

cosas. En su versión formal se la conoce como Técnica de resolución de problemas22.
Ejemplo 31
Una compañía tiene ingresos anuales por valor de $ 312000 por los cuales debe pagar
impuestos nacionales e impuestos provinciales. El impuesto nacional puede calcularse
como el 25% de la parte que queda de los ingresos después que el impuesto provincial
ha sido pagado. El impuesto provincial, por su parte, puede calcularse como un 10% de
la parte que queda después de pagar el impuesto nacional. ¿Cuánto se paga en concepto
de impuestos?
¿Manos a la obra? Bien: procedemos según los seis pasos antes indicados.
$ Impuestos
Ingresos por nacionales
COMPAÑÍA
$ 312000
$ Impuestos
provinciales
Ingreso anual = $ 312000

Impuesto nacional = 25% (Ingreso anual menos impuesto provincial)
Impuesto provincial = 10% (Ingreso anual menos impuesto nacional)
Paso dos: determinamos qué se nos pide. Introducimos las variables apropiadas.
El impuesto nacional es un valor desconocido, llamémoslo x.

El impuesto provincial es un valor desconocido, llamémoslo y.
El impuesto nacional puede calcularse como el 25% de la parte que queda de los
ingresos después que el impuesto provincial ha sido pagado, esto es:
Impuesto nacional = 25% de (ingresos anuales menos impuestos provinciales)23.
x = 0.25 ( 312000 − y )
El impuesto provincial, por su parte, puede calcularse como un 10% de la parte que
queda después de pagar el impuesto nacional, esto es:
Impuesto provincial = 10% de (ingresos anuales menos impuestos nacionales).
y = 0.10 ( 312000 − x )
22
Técnica de resolución de problemas. Consulte en Aula virtual / Material complementario / Técnica
de resolución de problemas.doc.
25
23
Porcentaje. Ejemplo: 25%= = 0.25 . Son 25 partes en cien.
100
54
UNIDAD 1
Buscamos un par de valores reales (x,y) que satisfacen simultáneamente ambas

ecuaciones, esto es, que sean solución del SEL.
1x + 0.25 y = 78000
0.1x + 1 y = 31200
Queda así modelizado matemáticamente el problema: constituye un SEL en dos

variables.
Paso tres: ya modelizada la situación aplicamos un método de resolución de SEL. Por

ejemplo, aplicamos el Método de Gauss Jordan a la matriz ampliada
25
1 78000
100
1
1 31200
10
25
1 78000
100
975
0 23400
1000
1 0 72000
0 1 24000
El SEL correspondiente a la última matriz aumentada (en los renglones reducida) y

equivalente al original (equivalente, porque tiene el mismo conjunto solución) es:
1x + 0 y = 72000
 . En este nuevo SEL la solución resulta obvia: x = 70200, y = 31200 .
0 x + 1 y = 24000
¿La verificamos?
Paso cuatro: verificamos la exactitud en los cálculos aritméticos.

1 ⋅ ( 72000 ) + 0.25 ⋅ ( 24000 ) = 78000
0.1 ⋅ ( 72000 ) + 1⋅ ( 24000 ) = 31200

matemática tienen sentido en el contexto del problema. 78000 y 31200 pueden
significar perfectamente dinero.
Paso seis: explicitamos en forma clara y concisa la respuesta. El valor pagado de

impuesto nacional es de $78000 y el valor pagado de impuesto provincial es de $31200.
Ejemplo 32
Un automóvil sale a medio día de un pueblo y viaja a 110 km por hora hacia Córdoba
ciudad. Una hora después el hijo del automovilista descubre que su papá se olvidó el
encargo que debía trasladar y decide alcanzarlo viajando a 130 km por hora. ¿Cuánto
tiempo transcurrirá hasta que lo alcance?
55
UNIDAD 1
110 km/h
130 km/h
t=0 hora t=1 hora t de encuentro
Debemos recordar conocimientos de física:

distancia recorrida = velocidad del móvil por tiempo empleado, o lo que es lo mismo,
velocidad es el cociente entre distancia recorrida y tiempo empleado.
Velocidad del padre = 110 km/h
Velocidad del hijo = 130 km/h
Paso dos: determinamos qué se nos pide. Introducimos las variables apropiadas.
¿Se cruzarán en el mismo tiempo de recorrido? No, coincidirán en la hora pero no en el

tiempo empleado porque el padre salió una hora antes que el hijo. Luego,
el tiempo de viaje del hijo es una variable desconocida y la llamamos t1 , y el tiempo de
viaje del padre es una variable desconocida y la llamamos t2 .
Si se van a cruzar ¿significa que en ese punto recorrieron la misma distancia? Pues, sí.
Entonces la distancia recorrida es una variable desconocida y la llamaremos d. Para el
padre: d = 110 ⋅ t1 ; para el hijo: d = 130 ⋅ t2 y como la distancia coincide para ambos se
cumple: 110 ⋅ t1 = 130 ⋅ t2 .
35
También se dijo que uno sale una hora después que el otro, entonces ¿qué relación
existe entre los tiempos empleados por ambos automovilistas?
Debemos resolver este SEL. ¿Cuál es su expresión? ¿Por qué debemos resolverlo?
Luego: el problema ha sido modelizado matemáticamente mediante el planteo de
100t1 − 130t2 = 0
un SEL en las variables t1 y t2 ,  .
 1t1 − 1t2 = 1
Paso tres: ya modelizada la situación aplicamos un método de resolución de SEL.

Pero, previamente, reflexionemos y analicemos lo siguiente. Recuerde que para
aprender comprensivamente hay que pensar mucho y bien.
¿El intercambio de ecuaciones -renglones en la matriz aumentada- altera el conjunto

solución? No. ¿Por qué? Porque al intercambiar el orden en que se escribieron las
ecuaciones no se altera la relación entre las variables y en toda ecuación lo que importa,
lo esencial, es justamente esa relación.
56
UNIDAD 1
x + y = 3 x − y = 2
Por ejemplo el SEL  y el SEL  expresan las mismas relaciones
x − y = 2 x + y = 3
entre las variables. ¿Cuáles son esas relaciones? Esas relaciones son: una variable
sumada a la otra da tres, y restada de esa otra da 2; y, se escriban en el renglón que se
escriban, la relación permanece inalterable. Esta es la idea que hizo que el intercambio
de renglones constituya una de las operaciones elementales en el método básico para
resolver SEL.
Bien, pero ... ¿qué ganamos con intercambiar renglones? ¿Por qué nos ponemos en ese
trabajo? La respuesta la encontrará usted solo cuando aplique el Método de Gauss-
Jordan al SEL que modeliza el ejemplo 32: ¿qué ordenamiento de ecuaciones le
conviene a los fines de minimizar los cálculos aritméticos sobre la matriz aumentada?
36
Aplique el Método de Gauss-Jordan para resolver el SEL.
¿Los valores numéricos obtenidos tienen sentido en el contexto del problema? Sí, lo
tienen porque ambos son valores representativos de tiempo en horas, luego:
Paso seis: explicitamos en forma clara y concisa la respuesta.

De los datos numéricos dados por la modelización matemática deducimos que
37
se alcanzarán cuando hayan transcurrido ..............................
Ejemplo 33
El monto total de dos certificados de depósito es de $150000 y las respectivas tasas de
interés anual son del 8% y 9%. El interés anual del certificado sujeto al 9% es de $1600
más que el otro. ¿Cuál es el monto de cada certificado?
38
Explicite la respuesta y justifique paso por paso.
Ejemplo 34
Un asesor financiero invirtió cierta cantidad de dinero a una tasa del 10% anual. Luego
invirtió $12000 más que la cantidad anterior al 12% anual. El ingreso total al cabo de un
año fue de $8040. ¿Cuánto invirtió a cada tasa de interés?
39
Invirtió $35000 al 10% y $20000 al 12% anual. ¿Es verdadera o falsa esta afirmación?
Justifique su respuesta.
57
UNIDAD 1
Ejemplo 35
¿Cuántos cm3 de una solución salina al 5% (llamémosla A) y cuántos de una solución al
20% (llamémosla B) deberé mezclar para obtener 100 cm3 de solución salina al 15%?
Bien: ya fue planteada la situación. ¿Cómo la resolvemos? Pues ... a partir de la

información dada.
Solución A Solución B
5% 20%
SAL
Solución C
15%
O sea, agregaremos una solución cuya quinta parte es sal, y otra cuyas vigésima parte es
sal, para lograr una tercera cuya décimoquinta parte sean sal.
Paso dos: determinamos que se nos pide. Introducimos las variables apropiadas.
Del enunciado extraemos:
• “¿Cuántos cm3 de una solución salina al 5% ...”, entonces aquí hay una variable que
llamaremos x. La variable x representa la cantidad –en cm3 - de la solución salina A.
• “... y cuántos de una solución al 20% ...” Aquí hay otra variable que llamaremos y.
La variable y representa la cantidad –en cm3 - de la solución salina B.
• “... deberé mezclar para obtener 100 cm3 ...”, esto es,
La cantidad ( cm3 ) + La cantidad ( cm3 ) = La cantidad ( cm3 )

de solución A de solución B de solución nueva
que matemáticamente se expresa: x + y = 100 .
• “... de solución salina al 15%?”. Esto quiere decir:
La sal proveniente +
La sal proveniente =
La sal de la
de solución A de solución B solución nueva
(5% en x cantidad) +(20% en y cantidad) = (15% en 100 cm3 )
que matemáticamente se expresa: 0.05 x + 0.20 y = 0.15 × 100 .
58
UNIDAD 1
La cuestión es encontrar los pares ordenados (x,y) que satisfagan simultáneamente

 1x + 1 y = 100
ambas ecuaciones lineales, esto es, resolver el SEL  en las
0.05 x + 0.20 y = 15
variables x e y.
40
Resuelva usted los pasos tres y cuatro. En el paso tres ¿es necesario intercambiar
renglones? ¿Por qué?

matemática tienen sentido en el contexto del problema.
1 2
Como resultado de la modelización matemática obtuvimos x = ⋅100 e y = ⋅100 y
3 3
estos números son válidos para expresar medidas de volumen.
Paso seis: explicitamos en forma clara y concisa la respuesta. De los 100cm3 , la tercera
parte será de la solución A y el resto, dos terceras partes, lo será de la solución B.
Bien, bien. A esta altura de la práctica es conveniente complejizar los problemas en el

sentido de agregar relaciones y variables.
Ejemplo 36
Agreguemos entonces relaciones y variables en un problema cuyo planteo es similar al
anterior.
Dadas tres aleaciones, cuyas composiciones son:
% titanio % cromo % vanadio

aleación 1 5 80 15
aleación 2 10 65 25
aleación 3 15 55 30
¿Cuántas toneladas deben tomarse de cada una para obtener 20 toneladas de una nueva
aleación compuesta por 12% de titanio, 62% de cromo y 26% de vanadio?
¿Qué relaciones matemáticas modelizan la situación planteada? Resuelto el problema,

responda:
41
a) ¿Cuántos unos principales deberá tener la matriz aumentada escalonada en los
renglones reducida si el SEL admite sólo una solución?
b) Identifique las variables y asígneles una letra.
c) ¿Cuáles son las relaciones que fundamentan la construcción de cada ecuación
lineal?
d) Compruebe que el SEL admite una solución, para ello calcule con números exactos,
no use aproximaciones (números redondeados).
59
UNIDAD 1
¿Usó números redondeados24? ¿Coincidieron los resultados?
Aquí presentamos un ejemplo que muestra que no siempre salen bien las cosas ... El
mismo es un aporte de Ricardo Lucio R. un alumno del IUA que ya cursó a materia y
lleva adelante un microemprendimiento en la fabricación de cremas. Este es el primero
de muchos ejemplos aportados por alumnos que incluiré en este material.
Ejemplo 37
Las composiciones porcentuales de tres formulaciones de cremas humectantes vienen
dadas como entradas de la siguiente tabla de doble entrada:
% emulsionantes % esperma de ballena % aceite de jojoba

Crema 1 5 90 5
Crema 2 10 75 15
Crema 3 15 65 20
El empresario necesita conocer cuántos kgs. deberá tomar de cada crema para obtener
25 kgs. de una nueva formulación que está diseñando, compuesta por:
* emulsionantes 12%
* esperma de ballena 62%
* aceite de jojoba 26%
Trabaje en la respuesta usando la técnica de resolución de problemas y responda en

particular:
42
9 ¿El paso cuatro es verdadero? Esto es, ¿se verifica la exactitud en los cálculos
aritméticos? ¿Se verifica el SEL? ¿Por qué?
9 Respecto al paso cinco: ¿los valores numéricos obtenidos en la modelización
matemática tienen sentido en el contexto del problema?
9 Concluyendo: ¿qué le respondemos al empresario?
Tema de indagación y discusión en los foros de la materia en el aula virtual

Reflexione: ¿existe alguna manera de plantear el problema a los fines que el SEL sea
consistente? ¿Cómo se origina ese planteamiento?
El número de ejemplos dados ¿será suficiente para alcanzar destreza en la modelización

matemática de situaciones de la vida real y para identificar cuándo una situación dada se
modeliza mediante el planteo de SEL? Quizás sí, quizás no. Entonces, sigamos con
24 1
Redondeo. Ejemplo no tiene representación decimal exacta. Usando dos cifras con significado se
3
1
representa por 0.33. Cuando un número se reemplaza por su valor redondeado se usa el símbolo 0.33
3
.
60
UNIDAD 1
aportes de los alumnos y sigamos abriendo el abanico de posibles situaciones de la vida

real, esto es, de posibles enunciados.
Ejemplo 38
El siguiente problema fue presentado por el alumno José Luis en respuesta a una
actividad de envío obligatorio.
Una empresa de la localidad cordobesa de Colonia Caroya se dedica a la producción de

cabos de madera para fabricar escobas, plumeros, lampazos y cepillos. Su capacidad
operativa es de 163000 cabos mensuales. Por día se industrializan 7000 cabos de palo
amarillo o 8000 cabos de lapacho o 7000 de quina. En un mes son laborables sólo 22
días.
La situación actual de la industria argentina respalda la decisión tomada por la gerencia

de trabajar sólo 10 días el próximo mes, distribuidos así: 2/5 de la cantidad habitual de
palo amarillo, 2/3 de lapacho y 1/4 de quina.
Nuestro objetivo es determinar :

• cúantos días se dedica habitualmente a la producción de cada tipo de madera y
• cúantos días se le dedicará el próximo mes.
Deténgase, reflexione: ¿comprendió el problema? ¿Qué plantea? Usted: ¿es capaz de

expresar las relaciones dadas usando gráficos aclaratorios? ¿Reconoce la información
de valor y sabe relacionarla? Tome papel y lápiz y modelice matemáticamente la
situación planteada.
Sólo si ya garabateó en papel una modelización continúe con la lectura y compare.
Identificamos los datos:

• 163000 cabos mensuales.
• Por día, se industrializan 7000 cabos de palo amarillo o 8000 cabos de lapacho o
7000 de quina.
• 22 días laborables.
• Trabajar sólo 10 días el próximo mes.
• 2/5 de la cantidad habitual de palo amarillo, 2/3 de lapacho y 1/4 de quina.
Pensando a full! Las variables salen de la pregunta:

¿Cuántos días se dedica habitualmente a la producción de cada tipo de madera?
O de la pregunta:
¿Cuántos días se le dedicará el próximo mes?
¿Le parece que surge de ambas?
Seguro que no salen de ambas. ¿Por qué? Porque la información que tenemos establece
relaciones entre ellas.
Empecemos a modelizar matemáticamente:
La pregunta “¿cuántos días se dedica habitualmente a la producción de cada tipo de

madera?” da origen a tres variables:
61
UNIDAD 1
• Llamemos p a la cantidad de días mensuales habituales que se dedican a producir

cabos de palo amarillo.
• Llamemos l a la cantidad de días mensuales habituales que se dedican a producir
cabos de lapacho.
• Llamemos q a la cantidad de días mensuales habituales que se dedican a producir
cabos de quina.
Armemos con simbología matemática las restricciones a partir de los datos:

• “ 163000 cabos mensuales”, “por día, se industrializan 7000 cabos de palo amarillo
o 8000 cabos de lapacho o 7000 de quina”, se expresa:
163000 = 7000 p + 8000l + 7000q
o, en su forma equivalente, 163 = 7 p + 8l + 7 q . Es equivalente, esto es, expresa la
misma relación. Se obtuvo a partir de la multiplicación por un escalar, el escalar
1
.
1000
• “ 22 días laborables”, esto da origen a: p + l + q = 22 .

• “trabajar sólo 10 días en el próximo mes”, “2/5 de la cantidad habitual de días de
palo amarillo, 2/3 de los correspondientes a lapacho y 1/4 de los correspondientes de
2 2 1
quina” se expresa: p + l + q = 10 .
5 3 4
Estamos en presencia de ecuaciones lineales en las variables p, l, q ¿por qué? Porque se

encuentran a la primera potencia e individualmente forman parte de sumandos. Como
las tres ecuaciones lineales planteadas se deben resolver para la misma terna de valores
estamos en presencia de un SEL cuya forma estándar es:

 1 p + 1l + 1q = 22

 7 p + 8l + 7 q = 163
2 2 1
 p + l + q = 10
5 3 4
Un software matemático nos entrega la única terna solución del SEL, que es
p = 5 , l = 9 , q = 8 . Además los valores naturales 5, 9 y 8 representan números válidos
para contar días de trabajo. No hubiera sido válido el número negativo –3 o el número
fraccionario ½, por ejemplo, porque no nos permiten contar días de trabajo.
43
Como la gimnasia con las modelizaciones matemáticas debe hacerla usted, lo invito a
retomar el enunciado y a desarrollar comprensiva y detalladamente cada paso. Sí, los
seis pasos que le mostramos y que forman parte de la técnica de resolución de
problemas.
Grafique las ecuaciones y ratifique, geométricamente, los resultados algebraicamente

obtenidos.
62
UNIDAD 1
Esta práctica -escribir y reescribir en forma diferente, pensar y repensar- fortalece la

memorización significativa de los nuevos conocimientos ya que los apuntala desde la
comprensión profunda.
Finalmente estamos en condiciones de responder los interrogantes planteados en la

situación presentada (paso 6):
• cuántos días se dedica habitualmente a la producción de cada tipo de madera y
• cuántos días se le dedicará el próximo mes.
Si realizó la actividad de proceso propuesta coincidirá en que,

• habitualmente, se dedican 9 días para la producción de cabos de lapacho, 5 días para
la producción de cabos de palo amarillo y 8 días para la producción de cabos de
quina.
• Y el próximo mes se dedicarán 2 días para la producción de cabos de lapacho, 6 días
para la producción de cabos de palo amarillo y 2 días para la producción de cabos de
quina.
Tema de indagación, tema para el Aula virtual: el problema da para más. En

particular da para mostrar que el concepto de ecuación equivalente es muy importante
porque independiza el problema y su solución de las posibles representaciones
matemáticas y métodos de resolución. El quid del problema está en el mismo problema
y la solución depende de las relaciones o restricciones que el contexto plantea. Las
representaciones matemáticas dependen más de quien las elabore.
Le propongo que demuestre que la solución del problema no cambia si usamos la

segunda pregunta, “¿cuántos días se le dedicará el próximo mes?”, para construir las
variables. En particular responda: el SEL ¿cómo queda expresado? ¿difiere del anterior?
y si difiere ¿sus ecuaciones son equivalentes?
Si usamos ambas preguntas: ¿puede pensarse en un SEL en seis variables? Si su

respuesta es sí, constrúyalo.
Si opta por llevar adelante este proyecto comuníquese con el autor de la guía
(aolmos@iua.edu.ar) o con su tutor y recibirá orientaciones.
Ejemplo 39
Una importante firma que se dedica a la cría de tres especies de peces cuenta con la
siguiente información en lo referente al consumo semanal de cada especie por tipo de
alimento:
Cada pez A consume, en promedio y por semana, 1, 1 y 2 unidades respectivamente del
alimento 1, 2 y 3.
Cada pez B consume, en promedio y por semana, 3, 4 y 5 unidades respectivamente del
alimento 1, 2 y 3.
Cada pez C consume, en promedio y por semana, 2, 1 y 5 unidades respectivamente del
alimento 1, 2 y 3.
Por razones de economía, cada semana no pueden vertirse más de 2500 unidades del
alimento 1, 2000 unidades del alimento 2 y 5500 unidades del alimento 3. Si se supone
que toda la comida se consume ¿cuántos animales pueden coexistir en los tanques?
63
UNIDAD 1
Del problema se deduce que las variables son:

• La cantidad de peces A La rotulamos x.
• La cantidad de peces B .La rotulamos y.
• La cantidad de peces C. La rotulamos z.
La información relativa a razones de economía, el consumo semanal, y cantidad de

comida que consume, expresan que:
• La distribución semanal del alimento 1 es en número de unidades.
1x + 3 y + 2 z = 2500 .
1x + 4 y + 1z = 2000 .
2 x + 5 y + 5 z = 5500 .
La respuesta que buscamos es la solución simultánea a cada ecuación lineal planteada.
 x + 5 z = 4000
El SEL original es equivalente al SEL  asociado a la correspondiente
 y − z = −500
matriz escalonada en los renglones reducida; z es variable libre: asignamos valor
z = t

paramétrico,  y = −500 + t
 x = 4000 − 5t

A los fines de expresar la respuesta en el contexto del problema debemos, ahora,

analizar las restricciones para el parámetro. ¿Por qué? Porque el parámetro está
involucrado con las variables y éstas sólo pueden tomar valores naturales: representan al
número de peces de cada especie. La restricción positiva se expresa matemáticamente
mediante el planteo de la desigualdad mayor a cero25, esto es
z =t >0
y = −500 + t > 0 luego, t > 500
x = 4000 − 5t > 0 entonces t < 4000
5 = 800
Conclusión: el parámetro puede asumir los valores naturales 501, 502, 503, ..., hasta
799; en la vida real el parámetro sólo puede asumir un número finito de valores
naturales. Por ejemplo, si el parámetro toma el valor 600, se tiene la solución particular:
peces C, 600; peces B, 100; peces A, 1000.
Este problema se ubica entre aquellos referidos al tema administración de recursos.
44
• Describa en forma detallada cada paso de la resolución de este problema. Grafique
las ecuaciones y visualice geométricamente el conjunto solución.
25
Relación de orden en los números reales. Consulte en Material complementario del Aula virtual el
artículo “Relación_de_orden.doc”
64
UNIDAD 1
• Los resultados algebraicos y geométricos ¿dan la misma información? ¿Por qué?

Ahora mostramos un ejemplo que relaciona SEL con temas de Matemática nivelación.
Temas que serán retomados en matemáticas superiores cuando trabaje con el Cálculo y
deba integrar funciones racionales de una o más variables, nos referimos a Matemática
II y III en nuestra carrera.
Ejemplo 40
En el Módulo nivelación, unidad 3, se habló de expresiones racionales polinómicas, en
3 4 7x −1
particular, se mostró cómo se suman. Por ejemplo: + = . Bien:
x + 2 x − 3 ( x + 2 )( x − 3)
muchas veces es necesario invertir el proceso, esto es, representar una expresión
racional como suma de dos o más expresiones racionales denominadas fracciones
parciales. ¿Lo ejemplificamos? ¡Claro!
7x −1
Para descomponer la fracción en fracciones parciales:
x − x−6
2
Primero. Expresamos el polinomio denominador como producto de sus factores primos,

esto es, x 2 − x − 6 = ( x + 2 )( x − 3) .26
Segundo. Planteamos como suma, de expresiones racionales polinómicas, la expresión

dada. P y Q son polinomios a determinar.
7x −1 7x −1 P Q
= = + .
x − x − 6 ( x + 2 )( x − 3) x + 2 x − 3
2
Tercero. Sumamos (las expresiones racionales polinómicas)

P Q P ( x − 3) + Q ( x + 2 ) xP − 3P + xQ + 2Q
+ = =
x + 2 x −3 ( x + 2 )( x − 3) ( x + 2 )( x − 3)
Cuarto. El último numerador lo expresamos como un polinomio en x, que según las
igualdades planteadas debe coincidir con el polinomio 7 x − 1 , esto es,
7 x − 1 = ( P + Q) x + (−3P + 2Q)
Quinto. Usamos el concepto igualdad entre polinomios vista en Matemática nivelación:

dos polinomios son iguales cuando lo son coeficiente a coeficiente; esto es, coinciden
los coeficientes en x, P + Q = 7 ; y coinciden los términos independientes,
 1P + 1Q = 7
−3P + 2Q = −1 . ¡Oh! Quedó planteado un SEL en las variables P y Q:  .
−3P + 2Q = −1
Usando cualquiera de los métodos o un software matemático obtenemos la solución:

P = 3 y Q = 4.
26
Aplicamos sexto grado de factoreo.
65
UNIDAD 1
7x −1 3 4
Conclusión: se expresa en fracciones simples como + .
x − x−6
2
x + 2 x −3
Bien, bien. Este ejemplo lo desarrollamos como una aplicación de construcción y uso de
SEL en la misma ciencia matemática y también por su importancia como conocimiento
previo en las matemáticas que vendrán.
45
x −1
Descomponga en fracciones parciales .
x − x2 − 2x
3
Tema de indagación, tema para el Aula virtual.

Esto es sólo un caso de descomposición en fracciones parciales. Si el tema le interesa
podemos profundizarlo en el Aula virtual, no tiene más que plantearlo en ese espacio.
Y para finalizar:
46
• Complete la lista de conceptos fundamentales que viene realizando en los ejercicios
de proceso, luego, ubíquelos en el mapa conceptual de la unidad ¿falta alguno?
¿sobra alguno? Analice el porqué y en caso de persistir la diferencia construya su
propio mapa conceptual y compártalo con el tutor.
• Sintetice en 5 a 7 líneas el contenido de la unidad.
66
UNIDAD 1
Visión retrospectiva
En este apartado consignamos lo que usteddeberí haber aprehendido con identificación

de los conceptos clave.
A partir del hecho de que las constantes se vinculan con las variables en expresiones
algebraicas, aprendimos cuándo éstas constituyen ecuaciones lineales (EL), y en qué
condiciones forman un sistema de ecuaciones lineales (SEL) o un sistema de ecuaciones
lineales homogéneo (SELH).
Para una EL y un SEL definimos qué se entiende por solución y qué por conjunto
solución y mostramos dos métodos para resolverlos: Gauss y Gauss-Jordan. Los
métodos mencionados se aplican sobre la matriz ampliada a los fines de simplificar la
notación, se basan en las operaciones elementales en los renglones, y la idea básica
que les da origen es la obtención de un SEL más fácil de resolver.
Respecto del conjunto solución vimos que es único y depende solamente del sistema y,
en el caso de conformarse por un número infinito de soluciones, aprendimos a construir
representaciones paramétricas del mismo y a diferenciar variables libres de
variables principales.
Los resultados teóricos algebraicos sobre SEL, como consistencia e inconsistencia y

número de soluciones, se ratificaron en visualizaciones geométricas (gráficas de
ecuaciones) vinculando de esta manera el álgebra lineal con la geometría analítica;
además estas gráficas brindan una herramienta muy útil para realizar análisis
cualitativos acerca de los SEL.
Finalmente mostramos problemas de la vida real que se resuelven aplicando la técnica

de resolución de problemas que netre sus pasos incluye la modelización matemática
empleando los SEL. En particular, ofrecimos sugerencias para construir las variables y
obtener las ecuaciones.
Insistimos en el uso de los conocimientos previos y en la relación del álgebra con las
matemáticas superiores de la carrera, también en la aplicación de estrategias y
técnicas de aprendizaje como un medio que favorece el aprendizaje significativo y
activo.
Por su importancia, recordamos las sugerencias dadas para resolver un problema:

1. Leer con cuidado el problema hasta su total comprensión. Muchas veces ayuda
hacer un dibujo o un diagrama de la situación.
2. Determinar las cantidades conocidas y las desconocidas. Emplear una variable para
representar cada cantidad desconocida. Debido a que la variable representa un
número, la definición de la variable deberá indicar este hecho: por ejemplo, si la
cantidad desconocida es tiempo y se usan las horas para medirlo, x deberá estar
definido como el número de horas.
3. Expresar en forma matemática las relaciones verbales entre los datos conocidos y
los desconocidos. Esto es, construir las EL. Con este último paso se logra un modelo
matemático del problema. Lo que sigue es:
4. Encontrar el conjunto solución del SEL planteado.
67
UNIDAD 1
5. Comprobar si la solución encontrada satisface el SEL, esto es, verificar la igualdad

numérica.
6. Analizar la aplicabilidad de la solución matemática en el contexto del problema.
Escribir la solución al problema.
Actividades complementarias
¿Desea seguir modelizando matemáticamente problemas? Véase en Aula virtual /

Archivos / Material complementario:
• mate1_U1_modelo_matematico.doc
• mate1_U1_Modelo_de_Leontief.doc
¿Desea aplicar la teoría de SEL, métodos de solución, visualizar geométricamente,

interpretar resultados y gráficas? Véase en Aula virtual / Archivos / Material
complementario:
• mate1_U1_verdadero_falso.doc,
• mate1_U1_respuestas_breves.doc
• mate1_U1_justifique.doc
• mate1_U1_opción_múltiple.doc
• mate1_U1_preguntero.doc
En Aula virtual/Software encontrará un paquete gratuito para graficar en dos y tres

dimensiones (gentileza de un alumno) como así información de un paquete que contiene
la simbología matemática necesaria para escribir en este lenguaje técnico con un
procesador de texto.
En Aula virtual/Sitios encontrará links útiles que lo pondrán en contacto con páginas de
ejercicios, también por gentileza de los alumnos.
68
UNIDAD 1
Soluciones a las actividades de proceso
Usaremos las abreviaturas EL para ecuación lineal, SEL para sistema de ecuaciones
lineales, SELH para sistema de ecuaciones lineales homogéneo, VA para variable
principal, VL para variable libre.
1
No son EL porque:
a) La variable x aparece a la potencia 2 en el primer sumando.
b) La variable x aparece a la potencia -1 en el primer sumando.
2
Previamente ordenamos y completamos cada EL, quedando: 1x + 3 y + 0 z = 7 ,
1
− x + 1 y + 3 z = 0 , 1x − 1 y + 0 z = 0 . Resulta que, los coeficientes de las variables x, y, z
2
y el término independiente, en ese orden son para cada EL:
a) 1 3 0 7
1
b) − 1 3 0
2
c) 1 -1 0 0
Al adquirir práctica podrá calcular mentalmente el valor de cada constante, pero, aún así
el cálculo mental es propenso a producir errores.
Al completar y al ordenar hicimos uso de las propiedades uniforme, existencia de

elemento neutro, tanto de la suma como del producto de los números reales.
3
a) −2u + 3v − 4w = −1
b) Previamente ordenamos y completamos la EL:
 1 1 1 1
 − +  x1 +  −  x2 − 1x3 + 0 x4 = 0 . Luego el coeficiente de la segunda
 3 6 3 2
1 1 2−3 1
variables es − = = − y el término independiente es 0. Aquí recurrimos a
3 2 6 6
nuestros conocimientos previos relacionados al cálculo aritmético de números
racionales.
Al completar y al ordenar hicimos uso de las propiedades uniforme, existencia de
elemento neutro, tanto de la suma como del producto de los números reales.
c) El valor 0 sí, puede ser coeficiente de una variable, simplemente anula el sumando
donde se encuentra la variable, como lo mostró el inciso anterior y también la
actividad de proceso anterior.
Si una EL consta de sólo tres constantes entonces, tiene dos variables -una por cada
constante- y un término independiente. Luego la afirmación es verdadera.
d) Ordenar: es colocar a la izquierda los sumandos con las variables estableciendo un
orden en esas variables: 1°, 2° y 3° y a la izquierda el término independiente.
e) Completar: es explicitar los elementos neutros 0 y 1 en su papel de coeficientes de
las variables o de términos independientes y los sumandos nulos (coeficientes 0).
69
UNIDAD 1
4
S 2 = {( x, y ) / x = 130 − a , y = a, a ∈ }. se interpreta: la solución general es el
conjunto de soluciones particular. Una solución particular se obtiene asignando a la VL
(la segunda) un valor real arbitrario (cualquiera) y la otra variable (la primera) queda
definida en términos de esa asignación: 130 menos esa asignación.
5
La variable es principal porque no depende del valor asignado a otra variable.
6
a)
 2 1 4 
9 S 2 = ( x, y, z ) / x = a, y = b, z = − a + b, a ∧ b ∈  .
 3 3 3 
9 El conjunto solución admite tres expresiones paramétricas: una por cada par de
variables libres o una por cada variable principal.
2 1 4 5
9 Si x = 1 , y = 1 , z = − × 1 + × 1 = ≠ 1 , luego la terna (1,1,1) no es solución.
3 3 3 3
b) De cuatro, sólo una se constituye en VP.
5 4 1
c) EL 2 x − 4 y + 1z = 5 si hacemos x VP; y, z VL, se tiene x = + y − z y la
2 2 2
representación paramétrica del conjunto solución es la ya dada, S1 .
d) Existen cinco variables: una se constituye en VP, luego hay cinco posibles
representaciones paramétricas (una por cada VP),
S1 = {( x1 , x2 , x3 , x4 , x5 ) / x1 = 20 − x2 − x3 − x4 , x2 = u , x3 = v, x4 = w, u ∧ v ∧ w ∈ }
en S2 se intercambian los subíndices 1 con 2, en S3 se intercambian los subíndices
1 con 3, en S4 se intercambian los subíndices 1 con 4, y en S5 se intercambian los
subíndices 1 con 5.
7
a) 2 x1 − 3 x1 = −4 ⇒ −1x1 = −4 ⇒ x1 = 4 . Luego S = { x / x = 4} . Efectivamente:
2 × 4 − 3 × 4 = −4 es una ecuación aritmética verdadera. La EL admite una solución.
4 2
b) −3x + 4 y − 2 z = 0 ⇒ x = y − z ,
3 3
 4 2 
S = ( x, y, z ) / x = u − v, y = u , z = v, u ∧ v ∈  representación paramétrica del
 3 3 
conjunto solución con y, z VL. Infinitas soluciones, dos VL, tres representaciones
paramétricas.
5 4 1 2
c) −3 x1 − 4 x2 + 1x3 − 2 x4 = 5 ⇒ x1 = − − x2 + x3 − x4 , entonces
3 3 3 3
 5 4 1 2 
S = ( x1 , x2 , x3 , x4 ) / x1 = − − x2 + x3 − x4 , x2 = u, x3 = v, x4 = w, u ∧ v ∧ w ∈  .
 3 3 3 3 
Infinitas soluciones, tres VL, cuatro representaciones paramétricas.
70
UNIDAD 1
9
1x1 + 3 x2 = −5 −1x1 + 1x2 + 0 x3 = 2
1x1 + 1x2 = 0 0 x1 − 2 x2 + 4 x3 = 0
4 x1 + 0 x2 = 2 −1x1 − 1x2 − 1x3 = 0
Al ordenar colocamos los sumandos con variables a la izquierda y el término

independiente a la derecha. Al explicitar completamos los coeficientes 1 y 0 y los
términos independientes 0.
Variables x1 , x2 , tres EL; variables x1 , x2 , x3 , tres EL.
No son SELH, porque sus términos independientes no son 0.
10
 a11 x1 + a12 x2 + a13 x3 + a14 x4 + a15 x5 = b1
a) 
a21 x1 + a22 x2 + a23 x3 + a24 x4 + a25 x5 = b2
b) a14 pues el primer subíndice indica orden de ecuación y el segundo orden de
variable.
c) b2 .
11
 a11 x1 + a12 x2 = 0

a) a21 x1 + a22 x2 = 0
a x + a x = 0
 31 1 32 2
b) Reemplazar aij por valores reales constantes y los bi por 0. Los subíndices i, j
generalizan las posiciones particulares.
c) No, porque la primera ecuación no es lineal: las variables aparecen a la segunda
potencia.
12
a)
9 Dos EL, dos variables. La primera columna contiene los coeficientes de la
primera variable, la segunda columna los coeficientes de la segunda variable y la
tercera columna los términos independientes.
9 Homogéneo.
 1x1 + 0 x2 + 1x3 = 2

b) Previamente se ordena y completa cada ecuación , entonces −1x1 + 2 x2 + 0 x3 = −1 ,
 −1x + 1x + 1x = 0
 1 2 3
1 0 1 2 
luego  −1 2 0 −1 es la correspondiente matriz aumentada.

 −1 1 1 0 
−2 x1 − x3 = −1
c) 
 3 x1 + 2 x2 = 0
d) Ceros.
71
UNIDAD 1
e) 0 x1 + 0 x2 + 0 x3 = 2 es una ecuación numérica falsa cualquiera sea el valor asignado

a las variables, entonces no tiene solución; luego, no existen valores asignados a las
variables que al reemplazar en el SEL hagan verdaderas las ecuaciones numéricas
que resultan.
13
a) Ninguna, escalonada reducida, ninguna, ninguna, escalonada.
Porque, ninguna: los unos principales no están donde deben estar; escalonada: con
unos en diagonal y ceros debajo de esos unos; escalonada reducida: con unos en
diagonal y ceros debajo y arriba de esos unos.
b) Unos en diagonal y ceros debajo y arriba de esos unos.
14
Ejemplo 17:
x = 2  x1 + 2 x3 = 2
  x2 − 5 x3 = 0   x2 − 5 x3 + 7 x4 = 0
y = 3   x2 + 3 x3 = 3 
z = 0  x4 = 2   x4 = 2
  x3 = 0
Actividad de proceso 13:

 x1 + 2 x2 + 3 x3 = 4
 x1 + 2 x3 = 3 
  x2 + x3 = 2
 x2 + 4 x3 = 5  x3 = 1

16
S = {( x, y ) / x = 2, y = 3} . Se lee y se interpreta: la solución general es el único punto
(2,3).
17
S = {( x, y ) / x = 5 − u , y = u , u ∈ } . Se lee y se interpreta: la solución general es el
conjunto de soluciones particulares. Una solución particular se obtiene asignando a la
variable libre (la segunda) un valor real arbitrario (cualquiera) y la otra variable (la
primera) queda definida en términos de ella (como 5 menos esa asignación).
18
S = {( x1 , x2 , x3 , x4 , x5 ) / x1 = −2u − 3v − 3, x2 = u , x3 = 1, x4 = v, x5 = 2, u ∧ v ∈ } .
Se lee y se interpreta: la solución general es el conjunto de soluciones particulares. Una
solución particular se obtiene asignando a las variables libres (la segunda y la cuarta)
valores reales arbitrarios (cualesquiera), la tercera variable tiene el valor constante 1 y
la quinta variable el valor constante 2. La primera variable queda definida en términos
de las VL como menos dos veces la segunda menos 3 veces la cuarta menos tres.
72
UNIDAD 1
19
Ejemplo 19 Ejemplo 20 Ejemplo 21
Una solución Infinitas soluciones Sin solución
2 3 13 2 3 13
1 1 5 1 1 5
2 2 10 2 2 5
3 13 − 3 − 3 − 15 3 13
1 1 1 5 1
2 2 2 2
1 3 2 2 10 1 3
0 − − 0 − −
2 2 1 1 5 2 2
0 −1 −3 0 0 0 0 −1 −8
3 13 0 0 0 3 13
1 1
2 2 2 2
0 1 3 0 1 3
0 0 0 0 0 −5
Para cada una de las últimas matrices aumentadas los SEL asociados coinciden con lo
obtenido en los respectivos ejemplos y por lo tanto llegamos al mismo conjunto
solución.
20
a) El Método de Gauss-Jordan no avanza más que el Método de Gauss en el proceso
de reducción.
b) Tenemos:
9 Analizando la 3ª matriz ampliada se deduce que:
Cinco columnas: una por cada variable, entonces cuatro variables.
La última columna contiene los términos independientes.
Tres filas, entonces el SEL es de tres EL.
Dos unos principales, entonces dos VP, como 4 − 2 = 2 se tienen dos VL y el
SEL admite infinitas soluciones.
La matriz aumentada, está asociada a un SEL de infinitas soluciones:
 x2 + 3 x4 = 0
 .
 x3 = 0
Luego S = {( x1 , x2 , x3 , x4 ) / x1 = u , x2 = −3v, x3 = 0, x4 = v, u ∧ v ∈ } .
9 La 2ª matriz ampliada cuenta con:
Tres renglones, entonces el SEL es de tres EL.
Cinco columnas, entonces cuatro variables.
La última columna contiene los términos independientes.
Tres unos principales, entonces tres VP, como 4 − 3 = 1 se tienen una VL y el
SEL admite infinitas soluciones monoparamétricas.
La matriz aumentada, está asociada a un SEL de infinitas soluciones:
 x2 + x2 + 3 x4 = 0

 x3 = 2 .
 x4 = 0

Luego S = {( x1 , x2 , x3 , x4 ) / x1 = −u , x2 = u , x3 = 2, x4 = 0, u ∈ }.
73
UNIDAD 1
9 La 1ª matriz ampliada corresponde a un SEL asociado sin solución ya que la

última fila (renglón) es de la forma 0 = 1 (ecuación numérica falsa).
21
a) La 1ª: dos variables, dos unos principales, entonces admite sólo una solución
(solución única).
La 2ª: cuatro variables, tres unos principales, entonces admite infinitas soluciones.
La 3ª: cuatro variables, dos unos principales, entonces admite infinitas soluciones.
La 4ª: tres variables, tres unos principales, pero el último renglón es de la forma
0 = 1 (ecuación numérica falsa), luego el SEL no tiene solución.
b) En la 3ª matriz, su último renglón se corresponde a una ecuación superflua.
22
a) Ejemplo 21: el Método de Gauss-Jordan se corresponde con el Método de Gauss
llegando al mismo punto en su proceso de reducción.
b) La 1ª matriz aumentada corresponde a un SEL con un conjunto solución vacío pues
el último renglón es de la forma 0 = 1 (ecuación numérica falsa).
c) La última de la actividad 21 no tiene solución.
23
a) SEL asociado a:
 x2 + 3 x4 = 0
9 1ª matriz aumentada da origen al SEL asociado  luego x2 y x3
 x3 = 0
VP.
S = {( x1 , x2 , x3 , x4 ) / x1 = u , x2 = −3v, x3 = 0, x4 = v, u ∧ v ∈ } .
 x1 + x2 + 3 x4 = 0

9 2ª matriz aumentada da origen al SEL asociado  x3 = 0 luego x1 , x3
 x4 = 0

y x4 VP.
S = {( x1 , x2 , x3 , x4 ) / x1 = −u , x2 = u , x3 = 0, x4 = 0, u ∈ }.
 x2 + 3 x4 = 0
9 3ª matriz aumentada da origen al SEL asociado  luego x2 y x3
 x3 = 0
VP.
S = {( x1 , x2 , x3 , x4 ) / x1 = u , x2 = −3v, x3 = 0, x4 = v, u ∧ v ∈ } .
b)
1 2 5
4 8 *
9 luego para tener infinitas soluciones:
1 2 5
0 0 −20 + *
−20 + * = 0 ⇒ * = 20 ; Ninguna solución: si * ≠ 20 . No hay posibilidades de
solución única.
74
UNIDAD 1
2 3 4
6 * 12
9 3 luego para tener infinitas soluciones: −9 + * = 0 ⇒ * = 9 ;
1 2
2
0 −9 + * 0
Ninguna solución: si * ≠ 9 . Solución única (2,0).
2 3 0
* 12 0
9 3
1 0 luego para tener infinitas soluciones:
2
3
0 − * +12 0
2
3 3
− * +12 = 0 ⇒ * = 8 ; Solución única (0,0) cuando − * +12 ≠ 0 ⇒ * ≠ 8 . El
2 2
SEL es siempre consistente.
24
Ejemplo 19:
Se observa
2 3 13
claramente que las
1 1 5 2 3 13 matrices aumentadas
2 2 10 1 1 5 escalonadas en los
renglones, no
3 13 2 2 10
1 coinciden y sí lo
2 2 1 1 5 hacen las matrices
1 3 aumentadas
0 − − 2 3 13
2 2 escalonadas en los
2 2 10 renglones reducidas.
0 −1 −3
3 13
1 1 5 S = {( x, y ) = ( 2,3)} .
1 0 1 3
2 2
0 1 3 0 0 0
0 0 0 1 0 2
1 0 2 0 1 3
0 1 3 0 0 0
0 0 0
26
−1/2 mitad de una unidad a la izquierda del 0.
¾ divido la unidad en cuatro y marque en la tercera.
−9/2 divido cada unidad en 2 y tomo tantas de esas divisiones en las unidades sucesivas
hasta llegar a 9 a la izquierda del cero.
• •• •
−9/2 −1/2 0 3/4
75
UNIDAD 1
27
(0,2)
(−2,3/2)
(–1,0) (0,0)
(2, –4)
28
(−2,3/2,1)
(−1,0,0)
(0,0,0)
(0,2,0)
(2, −4, −1)
29
9 2 x + 3 = 1 ⇒ x = −1 ⇒ S1 = {1} .
1 1 
9 − x + 1 = 3x ⇒ x = ⇒ S2 =   .
4 4
3 2 2
9 x − 1 = 0 ⇒ x = ⇒ S3 =   .
2 3 3
9 −4 x + 1 = x + 1 ⇒ −5 x = 0 ⇒ x = 0 ⇒ S4 = {0} .
La representación gráfica del conjunto solución, la gráfica de las ecuaciones es,

respectivamente, cada uno de los puntos indicados en la recta real.
• • • •
0 1/4 2/3 1
30
9 2 x + 3 = y ⇒ S1 = {( x, y ) / y = 2u + 3, x = u, u ∈ }.
76
UNIDAD 1
9 − x + 1 = 3 x + y ⇒ −4 x − 1 y = −1 ⇒ S 2 = {( x, y ) / y = 1 − 4u , x = u , u ∈ }.
 1 
9 x − 2 y = 4 ⇒ S3 = ( x, y ) / y = −2 + u, x = u, u ∈  .
 2 
9 − x + y = 0 ⇒ S4 = {( x, y ) / x = u, y = u , u ∈ } .
Graficar cada EL es representar geométricamente su conjunto solución, como son dos
las variables trabajamos en el plano.
S1 S2 S3 S4
x y x y x y x y
0 3 0 1 0 -2 0 0
-3/2 0 1/4 0 4 0 1 1
31
 3 
9 2 x + 3 y − 1z = 0 ⇒ S1 = ( x, y, z ) / x = − u + v, y = u, z = v, u ∧ v ∈  .
 2 
9 −1x + 1y − 1z = 2 ⇒ S 2 = {( x, y , z ) / x = −2 + u − v, y = u , z = v, u ∧ v ∈ } .
9 x + y + z = 3 ⇒ S3 = {( x, y, z ) / x = 3 − u − v, y = u, z = v, u ∧ v ∈ }.
 1 
9 2 x + 1 y + 0 z = 0 ⇒ S4 = ( x, y, z ) / x = − u, y = u, z = v, u ∧ v ∈  .
 2 
Graficar cada EL es representar geométricamente su conjunto solución, como son tres
las variables trabajamos en el espacio tridimensional.
S1 S2 S3 S4
x y z x y z x y z x y z
0 0 0 0 0 -2 0 0 3 -1 2 0
3 0 3 -2 0 0 0 3 0 -2 4 3
0 2 3 0 2 0 3 0 0 1 -2 1
77
UNIDAD 1
32
 2 x + 3 y = 13

9 Ejemplo 19: el SEL es  1x + 1y = 5 . Las gráficas de las ecuaciones son,
2 x + 2 y = 10

respectivamente:
S1 S2 S3
x y x y x y
0 13/3 0 5 0 5
26 0 5 0 5 0
Dos rectas coinciden. Las tres gráficas tienen un punto en común.

−3x − 3 y = −15

9 Ejemplo 20: el SEL es  1x + 1 y = 5 . Las gráficas de las ecuaciones coinciden.
 2 x + 2 y = 10

El conjunto solución cuenta con infinitas soluciones particulares.
S1 S2 S3
x y x y x y
0 5 0 5 0 5
5 0 5 0 5 0
 2 x + 3 y = 13

9 Ejemplo 21: el SEL es  x + y = 5 . Las gráficas de las ecuaciones coinciden. El
2 x + 2 y = 5

conjunto solución cuenta con infinitas soluciones particulares.
S1 S2 S3
x y x y x y
0 13/2 0 5 0 5/2
13/3 0 5 0 5/2 0
78
UNIDAD 1
33
Estamos con planos, entonces SEL en dos variables.
a)
9 Tres rectas, entonces tres EL; sin punto común, entonces SEL sin solución.
Conclusión: SEL de tres EL en dos variables inconsistente.
9 Dos rectas, entonces dos EL; un punto común, entonces SEL con una solución.
Conclusión: SEL de dos EL en dos variables consistente (una solución).
b) Pueden decirse varias cosas:
9 Si estamos en el plano, entonces SEL en dos variables con infinitas soluciones. No
podemos afirmar nada acerca del número de EL.
9 Si estamos en el espacio tridimensional, entonces SEL en tres variables con infinitas
soluciones monoparamétricas. Las EL son dos ó más.
c)
d) Al ser consistente hay dos posibilidades de gráficas:

9 Dos planos que coinciden, entonces infinitas soluciones biparamétricas.
9 Dos planos que se intersecan en una recta común, entonces infinitas soluciones
monoparamétricas.
35
9 t1 = t2 + 1 .
100t1 − 130t2 = 0
9 El SEL que se plantea es 
 1t1 − 1t2 = 1
9 Porque resolverlo es encontrar la 2-upla ( t1 , t2 ) que satisfagan
simultáneamente ambas ecuaciones.
Este resultado se puede corroborar geométricamente en el plano

cartesiano: dos rectas con un único punto en común.
79
UNIDAD 1
36
A los fines de minimizar los cálculos aritméticos sobre la matriz aumentada conviene
intercambiar renglones: nos evitamos tres divisiones (con el recíproco de 100).
100 −130 0 El SEL correspondiente a la última matriz aumentada y

equivalente al original (equivalente, porque tiene el
1 −1 1
 13
1 −1 1 1t1 + 0t2 = 2
mismo conjunto solución) es:  . En este
100 −130 0
0t + 1t = 11
1 −1 1  1 2
2
0 −20 −110 13 11
nuevo SEL la solución resulta obvia: t1 = , t2 = .
13 2 2
1 0 ¿La verificamos?
2
Paso cuatro: verificamos la exactitud en los cálculos
11
0 1 aritméticos.
2
  13   11 
110 ⋅  2  − 130 ⋅  2  = 0
    

  13   11 
1⋅   − 1⋅   = 1
 2 2
37
6 horas y media desde que partió el papá.
38
Aplicamos -sin rotularlos- cada paso de la técnica de resolución de problemas.
Llamamos x al monto del primer certificado.
Llamamos y al monto del segundo certificado.
“El monto total de dos certificados de depósito es de $150000”, en notación matemática

se construye la EL: x + y = 150000
“y las respectivas tasas de interés anual son del 8% y 9%”: el interés anual del primer
certificado es la expresión algebraica 0.08x; el interés anual del segundo certificado es
la expresión algebraica 0.09y.
“El interés anual del certificado sujeto al 9% es de $1600 más que el otro.” Y en
notación matemática se expresa mediante la EL 0.09 y = 1600 + 0.08 x
Queda planteado un SEL en dos variables ya que la solución que buscamos debe
 1x + 1 y = 150000
satisfacer a ambas ecuaciones:  .
1 1 150000 −0.08 x + 0.09 y = 1600
−0.08 0.09 1600
Aplicamos el Método de Gauss_Jordan para resolver el
1 1 150000
SEL:
0 17 1360000 La solución es obvia: x=70000, y=80000 valores con
1 1 150000 sentido en el contexto del problema. Además
0 1 80000 matemáticamente son soluciones del SEL planteado pues
 1× 70000 + 1× 80000 = 150000
1 0 70000 
0 1 80000 −0.08 × 70000 + 0.09 × 80000 = 1600
80
UNIDAD 1
Conclusión: el primer certificado es de $70000

y de $80000 el segundo.
Este resultado se puede corroborar

geométricamente en el plano cartesiano: dos
rectas con un único punto en común.
39
La afirmación es falsa. Justificamos nuestra respuesta aplicando la técnica de resolución
de problemas al problema planteado, a fin de encontrarle su solución y confrontar
resultados.
Sin rotular los pasos tenemos:
Llamamos x al monto invertido al 10% anual.
Llamamos y al monto invertido al 12% anual.
“Luego invirtió $12000 más que la cantidad anterior al 12% anual”, que en notación
matemática da origen a la EL: x + 12000 = y .
“El ingreso total al cabo de un año fue de $8040”. Y en notación matemática se expresa
mediante la EL 0.10 x + 0.12 y = 8040 .
Queda planteado un SEL en dos variables ya que la solución que buscamos debe
 1x − 1 y = −12000
satisfacer a ambas ecuaciones:  .
0.10 x + 0.12 y = 8040
Aplicamos el Método de Gauss_Jordan para resolver el SEL:

1 −1 −12000 La solución es obvia: x=30000, y=42000 valores con sentido
0.10 0.12 8040 en el contexto del problema. Además matemáticamente son
1 −1 −12000 soluciones del SEL planteado pues
 1× 30000 − 1× 42000 = −12000
0 22 924000 
1 −1 −12000 0.10 × 30000 + 0.12 × 42000 = 8040
0 1 42000
Conclusión: al 10% invirtió $30000 y $420000 al 12% anual.
1 0 30000
Este resultado se puede corroborar geométricamente en el
0 1 42000 plano cartesiano: dos rectas con un único punto en común.
40
 1x + 1 y = 100
Dada  . Paso tres: Aplicamos el Método de Gauss_Jordan para
0.05 x + 0.20 y = 15
resolver el SEL:
1 1 100
0.05 0.20 15
1 1 100 La solución es obvia: x=500/15, y=1000/15 Además,
0 15 1000 Paso cuatro: matemáticamente son soluciones del SEL
planteado pues
1 1 100
 500 1000
1000  1× + 1× = 100
0 1 15 15
15 
0.05 × 500 + 0.20 × 1000 = 15
500  15 15
1 0
15
1000
0 1 81
15
UNIDAD 1
Este resultado se puede corroborar geométricamente visualizando las gráficas de las

ecuaciones en el plano cartesiano: dos rectas con un único punto en común.
41
9 Al ser tres las variables deberá tener tres unos principales.
9 Las toneladas de la primera aleación es un valor desconocido y lo llamaremos x.
Las toneladas de la segunda aleación es un valor desconocido y lo llamaremos y.
Las toneladas de la tercera aleación es un valor desconocido y lo llamaremos z.
La composición a nivel de cada elemento químico permite construir tres EL.
9 Las relaciones entre ellas están dadas por:

nueva aleación compuesta por 12% de titanio: 5 x + 10 y + 15 z = 20 × 12
nueva aleación compuesta por 62% de cromo: 80 x + 65 y + 55 z = 20 × 62
nueva aleación compuesta por 26% de vanadio: 15 x + 25 y + 30 z = 20 × 26
la suma da una nueva aleación de 20 tn.: x + y + z = 20
Una forma alternativa de plantearlo es considerando 5% como 0.05; 10% como 0.1,
20% como 0.2, etc.
Nos queda un sistema de cuatro ecuaciones en tres incógnitas. Observe que las unidades
son las correctas en cada una de las ecuaciones que resolvemos aplicando el Método de
Gauss:
5 10 15 240 1 2 3 48
80 65 55 1240 0 1 185
95
2600
95 ← (− 951 )
15 25 30 520 0 −5 −15 −200
1 1 1 20 0 −1 −2 −28
1 2 3 48 ← ( 15 ) 1 2 3 48
80 65 55 1240 0 1 185
95
2600
95 (5)
15 25 30 520 0 0 − 100 19 − 1200
19 ↵+
1 1 1 20 0 −1 −2 −28
1 2 3 48 (−80) 1 2 3 48
+
0 −95 −185 −2600 ↵ 0 1 95 185 2600
95 (1)
15 25 30 520 0 0 − 100 19 − 1200
19
1 1 1 20 0 0 − 95 5
− 60
95 ↵+
1 2 3 48 (−15) 1 2 3 48
0 −95 −185 −2600 0 1 185
95
2600
95
0 −5 −15 −200 ↵+ 0 0 1 12 ← (− 100

19
)
1 1 1 20 0 0 − 955 − 60
95
1 2 3 48 (−1) 1 2 3 48
0 −95 −185 −2600 0 1 185
95
2600
95
0 −5 −15 −200 0 0 1 12 ( 955 )

0 −1 −2 −28 ↵+ 0 0 0 0 ↵+
82
UNIDAD 1
El SEL asociado a la última matriz aumentada y equivalente al de partida (porque

 x + 2 y + 3 z = 48

tienen la misma solución) es  y + 37 z = 520 . Aplicando sustitución hacia atrás nos
 19 19
 z = 12
da la solución única x = 4, y = 4, z = 12 . Estos resultados verifican el sistema original y
además tienen sentido en el contexto del problema.
Conclusión: se tomarán 4, 4 y 12 toneladas de cada aleación.
Recordemos que cada matriz aumentada es equivalente a cada una del resto porque
todas tienen el mismo conjunto solución: esta es la idea básica del método de resolución
de SEL ¿Lo recuerda?.
Este resultado se puede corroborar geométricamente, graficando las ecuaciones en el

espacio tridimensional: se visualizan tres planos (ya que dos coinciden) con un único
punto común.
42
La cantidad (en Kg.) de crema 1 es un valor desconocido, lo representamos por x.
La cantidad (en Kg.) de crema 2 es un valor desconocido, lo representamos por y.
La cantidad (en Kg.) de crema 3 es un valor desconocido, lo representamos por z.
La composición porcentual de cada elemento en la nueva crema se expresa

matemáticamente a través de las siguientes EL:
5% x + 10% y + 15% z = 12% de 25kg.

90% x + 75% y + 65% z = 62% de 25kg.
5% x + 15% y + 20% z = 26% de 25kg.
Si multiplicamos cada ecuación por los escalares adecuados transformamos el SEL en

otro dado que es equivalente . Recordemos que multiplicar una ecuación por un escalar
no nulo es una de las operaciones elementales de renglones.
1x + 2 y + 3 z = 60
18 x + 15 y + 13 z = 310
1x + 3 y + 4 z = 130
83
UNIDAD 1
43
Este resultado se puede corroborar geométricamente,

1 1 1 22
graficando las ecuaciones en el espacio tridimensional:
7 8 7 163 los tres planos se intersecan en un punto. Este trabajo se
2 2 1 lo dejamos a usted. Como ayuda, los cortes de los tres
10 planos con los ejes son:
5 3 4
1 1 1 22
p l q
0 1 0 9 0 0 22
4 3 6
0 − − 22 0 0
15 20 5
0 22 0
1 1 1 22 S1
0 1 0 9
9 9 p l q
0 0 − − 0 0 163/7
16 2
1 1 1 22 163/7 0 0
0 1 0 9 0 163/8 0
S2
0 0 1 8
1 0 1 13
p l q
0 1 0 9
0 0 40
0 0 1 8
25 0 0
1 0 0 5
0 15 0
0 1 0 9 S3
0 0 1 8
84
UNIDAD 1
44
1 3 2 2500
1 4 1 2000
2 5 5 5500
Al tener tres variables estas ecuaciones se
1 3 2 2500 (−1) (−2) grafican en el espacio tridimensional,
0 1 −1 −500 ↵+ visualizaremos tres planos.
0 −1 1 500 ↵+ Como son dos los unos principales, dos VP,
1 3 2 2500 una VL, entonces infinitas soluciones
monoparamétricas. Luego la intersección de
0 1 −1 −500 (1)
esos planos es una línea recta.
0 0 0 0 ↵+
1 0 5 4000
0 1 −1 −500
0 0 0 0
S1 S2 S3
x y z x y z x y z
0 0 1250 0 0 2000 0 0 1100
0 2500/3 0 2000 0 0 0 1100 0
2500 0 0 0 500 0 2750 0 0
45
x −1
Para descomponer la fracción en fracciones parciales:
x − x 2 − 3x
3
Primero. Expresamos el polinomio denominador como producto de sus factores primos,

esto es, x3 − x 2 − 2 x = x ( x − 2 )( x + 1) .27
Segundo. Planteamos como suma (de expresiones racionales polinómicas) la expresión
dada. R, P y Q son polinomios a determinar.
x −1 x −1 R P Q
= = + + .
x − x − 2 x x ( x − 2 )( x + 1) x x − 2 x + 1
3 2
Tercero. Sumamos (las expresiones racionales polinómicas)

R P Q R ( x − 2 )( x + 1) + Px ( x + 1) + Qx ( x − 2 )
+ + = =
x x − 2 x +1 x ( x − 2 )( x + 1)
x 2 ( R + P + Q ) + x ( − R + P − 2Q ) − 2 R
=
x ( x + 2 )( x − 3)
Cuarto. El último numerador lo expresamos como un polinomio en x, que según las
igualdades planteadas debe coincidir con el polinomio x − 1 , esto es,
x − 1 = x 2 ( R + P + Q ) + x ( − R + P − 2Q ) − 2 R
Quinto. Usamos el concepto igualdad entre polinomios vista en Matemática nivelación:
dos polinomios son iguales cuando lo son coeficiente a coeficiente;.
27
Aplicamos factor común y sexto grado de factoreo.
85
UNIDAD 1
 1R + 1P + 1Q = 0

Queda planteado un SEL en las variables R, P y Q:  −1R + 1P − 2Q = 1 . Usando
−2 R + 0 P + 0Q = −1

1
cualquiera de los métodos o un software matemático obtenemos la solución: R = ,
2
1 2
P= y Q=− .
6 3
x −1
Conclusión se expresa en fracciones simples como
x − x 2 − 3x
3
1 1 2
+ − .
2 x 6 ( x − 2 ) 3 ( x + 1)
Este resultado se puede corroborar geométricamente, graficando las ecuaciones en el

espacio tridimensional: los tres planos se intersecan en un punto.
86
UNIDAD 1
Actividades de autoevaluación
Hemos incorporado una actividad por cada objetivo de aprendizaje planteado ¿los
recuerda? Ellos son:
9 Distinguir ecuaciones lineales de otras ecuaciones

9 Aplicar métodos de eliminación para resolver sistemas de ecuaciones lineales
(SEL).
9 Conocer la correspondencia entre métodos algebraicos y métodos gráficos para
resolser SEL.
9 Resolver problemas empleando SEL, como modelo matemático.
Al finalizar las actividades confronte sus respuestas con las dadas al final de la guía. De
ser necesario consulte nuevamente el material de estudio, ejercítese con las actividades
complementarias que se encuentran en el Aula virtual, Archivos / Actividades
complementarias y también, consulte a sus compañeros de curso en el foro del Aula
virtual y a su tutor, practicará un aprendizaje en colaboración.
1
De las siguientes ecuaciones algebraicas:
1
2 xy − 4 z = 1 3 x 2 − x + 3 = 0 = 2 2 x − 3 y = z + 2 2 x − y = 3x − y + 2
x+ y+z
a) Identifique en aquellas que son ecuaciones lineales las variables y las constantes.
b) Justifique por qué las restantes son expresiones algebraicas y no son ecuaciones
lineales.
2
2 x2 + 3 x3 − 4 = 0

a) Grafique las ecuaciones del SEL 2 x1 − 6 x2 + 7 x3 = 0 y calcule su conjunto
 x = 10 + 2 x − 5 x
 1 2 3
solución.
b) Extraiga la mayor información posible sobre el SEL cuya matriz aumentada
 1 0 0 0
escalonada en los renglones reducida es  0 1 0 0  .
 0 0 0 0 
Eje y
c) Un SEL se visualiza a través de las

siguientes gráficas. Obtenga de esa
visualización la mayor cantidad posible Eje x
de información acerca del SEL y de su
conjunto solución.
87
UNIDAD 1
3
Indague para qué valor de k el SEL homogéneo tiene infinitas
 2x − 3 y + 5z = 0

soluciones  − x + 7 y − z = 0
4 x − 11 y + kz = 0

4
Un problema de flujo de tráfico.
Considere el siguiente diagrama de una malla de calles de un sentido con vehículos que
entran y salen de las intersecciones. La intersección k se denota con [k]. Las flechas a lo
largo de las calles indican la dirección del flujo del tráfico. Sea x i el número de
vehículos por hora que circulan por la calle i. Suponiendo que el tráfico que entra a una
intersección también sale,
a) Construya un SEL que describa el diagrama del flujo de tráfico.

b) Resuelva el SEL por método de Gauss-Jordan.
c) Construya la expresión paramétrica del conjunto solución y analice las restricciones
de los parámetros en el contexto del problema.
d) Identifique una solución particular.
e) Suponga que la calle [1] a [3] necesita cerrarse; es decir x3 = 0 ¿Puede cerrarse
también la calle de [1] a [4] ( x5 = 0 ) sin cambiar los sentidos del tránsito? Si no se
puede cerrar ¿cuál es la cantidad más pequeña de vehículos que puede admitir esta
calle de [1] a [4]?.
200
200
[2]
300 200
x2 [3]
x1
100 200
x3
[1]
x5 x4 100
[4]
100
88
MATRICES
PREGUNTAS:
¿suyas? ¿mías? ¿de los que aportan conocimiento?
¿Se puede predecir la tendencia del electorado para las próximas

votaciones?
¿Cómo será el crecimiento de los suburbios a expensas de las zonas

rurales?
¿Cuáles son las mejores decisiones para optimizar nuestras

ganancias y disminuir las de nuestros opositores?
¿Qué es el túnel de viento matemático? Lo usan los ingenieros de la

Ford Motor Company al diseñar sus nuevos modelos
automovilísticos ¿Cómo se hace para mejorar el diseño de un auto?
Los softwares de gráficos manipulan millones de imágenes ¿cómo se

condensa y trabaja esa información?
En julio del 2004 la sonda Messenger partió con destino a Mercurio,

el planeta más cercano al sol. En este espacio profundo es necesario
realizar correcciones para colocar la sonda en su trayectoria
calculada con precisión ¿cómo se hace al no haber tripulantes? ¿se
modela matemáticamente?
“Una de las bondades de la matemática es que temas en apariencia muy diferentes tienen una
fuerte interrelación“. Anónimo.
UNIDAD
DOS
UNIDAD 2
En la unidad anterior surgió la matriz aumentada como una manera de trabajar en la

resolución de sistemas de ecuaciones lineales, con una notación más simplificada y ágil.
Pero el concepto de matriz tiene vida propia, a tal punto que existe una teoría
matemática conocida como “teoría de matrices” con prósperas y fructíferas aplicaciones
en la mayoría de los campos científicos y no científicos.
Las matrices son objetos matemáticos con comportamiento similar al de los objetos
números: podemos definir operaciones matriciales y analizar las propiedades que
cumplen. Dichas operaciones y propiedades se basan en las operaciones y en las
propiedades del conjunto de números1, constituyéndose éstos en un conocimiento previo
fundamental para el estudio de matrices.
Al aplicar la teoría matricial como modelo matemático para la resolución de problemas

no matemáticos, las matrices representan una realidad -la realidad que modelizan- y por
eso, dicho ordenamiento no es arbitrario, ya que las filas representan un evento y cada
fila es una opción diferente de ese evento; lo mismo ocurre con las columnas.
El álgebra de matrices forma parte de:

9 La teoría de Markov. En ella se analizan tendencias y se predicen resultados.
9 La teoría de juegos: proporciona un método para analizar situaciones de
competencia donde bandos opuestos deben elegir estrategias para lograr su máximo
beneficio o reducir al mínimo el de sus oponentes.
9 La teoría insumo-producto de Leontief: presenta un método que permite determinar
los niveles óptimos de producción.
Las operaciones con matrices pueden realizarse usando un software adecuado o bien,
programando los algoritmos. De allí que, como siempre sucede en matemática, lo
importante sea comprender el significado de esta teoría -conceptos, relaciones y
operatoria- y ejercitarse en su uso como herramienta de modelización para resolver
problemas de la vida real.
Al finalizar esta unidad, usted estará en condiciones de alcanzar los siguientes

objetivos:
9 Construir las matrices conocidas como particulares.

9 Aplicar operaciones y propiedades del álgebra matricial.
9 Identificar la relación entre el álgebra real y el álgebra matricial.
9 Resolver problemas empleando el álgebra matricial como modelo matemático.
Para alcanzar estos objetivos de aprendizaje, le proponemos el análisis de los siguientes

contenidos:
Matrices
1. Matriz.
2. Operaciones con matrices.
1
Los números reales y su operatoria real: consulte la unidad 1de la Guía de nivelación matemática. La
cita completa está en Bibliografía.
90
UNIDAD 2
3. Álgebra matricial.
4. Modelizaciones matemáticas con matrices en situaciones concretas.
Estos temas por analizar pueden relacionarse como muestra el siguiente mapa
conceptual
Los números con operaciones propiedades

reales sus aritméticas aritméticas
y
se organizan en
matrices
que se vinculan mediante y cumplen
operaciones relación de propiedades de las propiedades en la

matriciales igualdad operaciones relación de igualdad
tales como tales como tales como
suma producto conmu- asocia- distri- cance- unifor-

cierre inverso opuesto
tativa tiva butiva lativa me
91
UNIDAD 2
1. Matriz
En esta sección definimos el objeto matemático “matriz” y caracterizamos algunas

matrices particulares.
Los arreglos rectangulares de números reales surgen en muchos contextos, además del
de matrices aumentadas para sistemas de ecuaciones lineales, que vimos en la Unidad 1.
Ejemplo 1
La biblioteca del IUA clasifica los libros según el tema dentro de un área de
conocimiento. Por ejemplo, dentro de la matemática: álgebra básica (AB), álgebra
lineal (AL), cálculo de una variable (C1), cálculo de varias variables (C2), análisis
numérico (AN), ecuaciones diferenciales (ED), geometría analítica (GA), geometría
diferencial (GD), etc.
Los préstamos mensuales se contabilizan según esa clasificación por tema. Al cabo
del primer trimestre del año, los bibliotecarios registraron en una “lista” de dos
columnas los siguientes datos numéricos de préstamos:
AB AL
enero 104 enero 110
febrero 120 febrero 190
marzo 118 marzo 78
C1 C2
enero 50 enero 283
marzo 120 marzo 412
AN ED
enero 50 enero 283
marzo 120 marzo 412
GA GD
................... ...................
Esta situación también puede describirse con una “tabla de doble entrada”, así:
AB C1 AL C2 ...
enero 104 50 110 283
febrero 120 25 190 520
marzo 118 120 78 412
Tabla de préstamos primer trimestre del área matemática
o bien, mediante el siguiente “arreglo de números”

 104 50 110 283 
 120 25 190 520 ,
 
 118 120 78 412 
92
UNIDAD 2
en el cual, las filas (líneas horizontales) se refieren a los meses y las columnas
(líneas verticales) a los temas. En este arreglo resulta fácil y rápido determinar, por
ejemplo,
9 en qué mes se alcanzó el máximo número de préstamos y a qué tema pertenece:
520, que corresponde a segunda fila, cuarta columna, esto es, cálculo en dos
variables en febrero;
9 cuál fue el tema de menor movimiento: 25 en segunda columna, esto es, cálculo
en una variable;
9 total de préstamos para enero, etc.
En este ejemplo utilizamos las matrices como un medio formal para sistematizar la
presentación de conjuntos de datos.
Una matriz es un arreglo rectangular de números encerrados entre corchetes redondos o

rectangulares. Los números del arreglo se conocen como elementos o entradas de la
matriz.
Ejemplo 2
Usando los corchetes rectangulares, los siguientes son ejemplos de matrices
 1 2  2 π 0 
 −3 4  1 2 3 4 1
  [ ] 
 1

 1 [ 4]
2 − 3  
 5 6   2 4
y los números 1, -3, 2 son ejemplos de entradas.
Como se observa en estos ejemplos las matrices tienen tamaños diferentes. El tamaño
de una matriz o dimensión, se describe especificando el número de renglones o filas
(líneas horizontales) y columnas (líneas verticales) que se presentan en ellas. La
primera matriz del ejemplo tiene tres renglones y dos columnas, por tanto, su tamaño es
3 por 2 y se escribe 3 × 2 . El primer número siempre indica el número de renglones y el
segundo el número de columnas. Para una matriz de m renglones y n columnas su
tamaño es m × n .
1
a) ¿Qué tamaños tienen las restantes matrices del ejemplo 2?
b) ¿Cuántas filas tendrá una matriz 5 × 2 ?
c) ¿Por qué resulta falsa la afirmación “la tercera matriz precedente es 3 × 2 ”?
d) De las siguientes matrices, señale la que emplea la notación correcta:
1 2  1 2 1, 2, 
   
1 4  2 1 1, 4, 
A partir de una matriz podemos construir una nueva matriz de manera que los renglones
de la primera pasen a ser columnas de la nueva, y viceversa. La nueva matriz se llama
matriz transpuesta o, simplemente, transpuesta de la original. Si A denota una matriz,
93
UNIDAD 2
 1 2
su transpuesta se denota por el símbolo A T . Por ejemplo, para A =  3 4  su
 5 6 
 1 3 5
transpuesta es A T =  .
2 4 6
Una matriz con solo un renglón se llama matriz renglón, matriz fila, vector renglón o
vector fila. Una matriz con una sola columna se llama matriz columna o vector
columna. Una matriz con el mismo número de filas y columnas se llama matriz
cuadrada.
2
a) En las matrices del ejemplo 2 identifique una matriz fila, una matriz columna y una
matriz cuadrada.
b) Indique por qué la tercera matriz no es cuadrada, ni vector fila ni vector columna.
c) Enumere todas las propiedades que caracterizan a un objeto matemático haciendo de
él una matriz.
d) Construya las transpuestas de las matrices del ejemplo 2.
En general se usan letras mayúsculas para denotar matrices. Si sus elementos se denotan
con letras se usarán minúsculas.
Ejemplo 3
 1 2
  a b c
E =  −3 4 , B =   , C = 1 2 3 4
 5 −6   d e f 
 
Si A es una matriz, se usará aij para denotar el elemento genérico que está en el renglón
i y la columna j de A, esto es, para denotar la entrada ij de A. Observe que: la entrada ij
de A es una posición diferente de la entrada ji ¿Sí? Por consiguiente, una matriz general
3x4 se puede escribir:
 a11 a12 a13 a14 
A =  a21 a22 a23 a24  .
 a31 a32 a33 a34 
Naturalmente, si se usa B para denotar la matriz, entonces se usará bij para el elemento
que está en el renglón i y la columna j de dicha matriz. Cuando es necesario explicitar la
dimensión de una matriz A, se usa la notación A2×3 , Am×n .
3
A partir de la información dada en el ejemplo 3:
a) Identifique el valor de los elementos e12, e21, b11 , c13 .
b) Explicite los elementos de la segunda columna de B.
c) Construya el elemento genérico de la matriz E y el correspondiente de B.
94
UNIDAD 2
d) ¿Corresponde la notación E2×3 reemplazando a E?

e) Identifique la segunda columna de la AT .
Una matriz cuadrada con n renglones y n columnas se denomina matriz cuadrada de

orden n y se dice que los elementos a11 , a22 ,… , ann están en la diagonal principal de A.
Ejemplo 4
 1 2
Para la matriz A de orden 2, A =   , los elementos a11 = 1 y a22 = 4 forman su
 3 4
diagonal principal.
La diagonal principal va siempre desde arriba a la izquierda hacia abajo a la derecha.
Una matriz cuadrada que tiene todos 1 en la diagonal principal y 0 en las demás
posiciones se denomina matriz identidad y se denota por I. Si es necesario hacer
hincapié en el tamaño se escribe I nxn o I n , para denotar la matriz identidad n × n .
1 0 0 
1 0 
Ejemplos de matrices identidad son: I 2 =   e I 3 = 0 1 0  .
0 1  0 0 1 
4
a) Construya la matriz identidad de orden 4.
b) Construya una matriz de orden 3 con diagonal principal eii = 0 .
0 1 
c) ¿Por qué los valores 1 y 2 no constituyen la diagonal principal de B =  ?
2 2
d) ¿Puede una matriz identidad tener tamaño 3x2? Fundamente su respuesta.
Una matriz cuadrada A se llama matriz diagonal si todas las componentes que no
pertenecen a la diagonal principal son nulas. Por ejemplo:
0 0 0
5 0 7 0  
 0 3 ,  0 0  ,  0 2 0 
    0 0 0
 
 1 3
son diagonales, mientras que   no lo es. Nótese que una matriz diagonal puede
 0 2
tener algunos ceros en su diagonal principal.
Una matriz cuadrada se llama triangular superior si todos los elementos que se
encuentran por debajo de la diagonal principal son cero. Por ejemplo:
 1 2 3  1 2 0
 1 2    
  ,  0 1 2 ,  0 1 0 .
0 3    
0 0 1 0 0 0
95
UNIDAD 2
Una matriz cuadrada se llama triangular inferior si todos los elementos que se
encuentran por arriba de la diagonal principal son cero. Las matrices:
 3 0 0
7 0   
  ,  1 0 0 ,
 1 2  
 3 0 2
son triangulares inferiores. Tanto las matrices triangulares superiores como las
inferiores se conocen, también, por matrices triangulares.
Una matriz en la que todos sus elementos son ceros se denomina matriz cero o matriz
nula y se la denota por 0. O bien por 0 pxn , si es necesario especificar su tamaño.
Ejemplos de matriz cero son:
0 
0 0    0 0 0 
  , 0  ,  .
0 0   0 0 0
0 
5
a) Identifique, en la siguiente lista, la matriz de orden 3 triangular superior:
 1 2 3  1   1 0 0
 1 0      
  ,  0 0 0 ,  2  ,  2 0 0  .
0 2 0 0 1  3  −3 1 2
    
b) Construya una matriz de orden 4 triangular inferior con unos en su diagonal
principal.
c) Construya la matriz nula de tamaño 4x3. Caracterice la matriz nula.
0 0 1
d) Justifique por qué E =  0 0 0  no es diagonal. Caracterice la matriz diagonal.
 2 0 0 
e) ¿Puede una matriz triangular no ser cuadrada? Caracterice la matriz triangular.
f) ¿Qué tamaño tiene AT si A es 3 × 2 ? , ¿y si A es p × q ?
g) Construya las matrices transpuestas de la penúltima e última matriz del ítem (a).
1 2 −1
h) H =  0 0 1  ¿es la matriz transpuesta de qué matriz? Constrúyala.
1 2 0 
i) ¿Sólo las matrices cuadradas tienen asociada una matriz transpuesta?
Bien, antes de pasar al siguiente inciso, es necesario realizar una segunda lectura de este
inciso, rotulando párrafos y listando los conceptos nuevos. Esto es, de una manera
activa debemos asegurarnos que:
9 hemos comprendido los objetos matriz;
9 reconocemos dentro de esos objetos aquellos con características particulares que los
distinguen del resto;
9 internalizamos y registramos lo aprendido de manera significativa.
96
UNIDAD 2
Como usted recordará en el Módulo de nivelación matemática trabajamos con los

números reales. En esa oportunidad la estrategia de estudio fue similar a la planteada en
esta unidad: primero nos familiarizamos con los objetos números y su clasificación,
luego profundizamos en sus operaciones y propiedades y finalmente desarrollamos
aplicaciones a situaciones reales.
6
Identifique los conceptos clave, los conceptos nuevos, las matrices particulares y
construya un esquema de contenidos.
Y recién entonces continúe con el siguiente inciso.
2. Operaciones con matrices
En este inciso definimos operaciones entre matrices y caracterizamos otras matrices

particulares.
Hasta ahora hemos utilizado matrices para abreviar el trabajo en la resolución de

sistemas de ecuaciones lineales (SEL) y para ordenar sistemáticamente información. No
obstante, para otras aplicaciones tanto o más interesantes que las mencionadas, conviene
desarrollar una aritmética de matrices en la que sea posible sumar y multiplicar
matrices en forma útil. De aquí en más nos dedicaremos a desarrollar esa aritmética.
Se dice que dos matrices son iguales si tienen el mismo tamaño y los elementos
correspondientes en las dos matrices son iguales. El símbolo = se usará para denotar la
igualdad entre matrices y el símbolo ≠ indicará que no son iguales.
Dadas las matrices

 1 2  1 2  2 1 1
A=  , B =  3 4 , C =  3 0 2 ,
 3 5    
A ≠ C puesto que no tienen el mismo tamaño. Por la misma razón B ≠ C . A ≠ B porque,

si bien tienen el mismo tamaño, no todos sus elementos son iguales. Efectivamente
a22 ≠ b22 pues 4 no coincide con 5, o bien, la ecuación aritmética 4 = 5 es falsa.
En particular, toda matriz que es igual a su transpuesta se dice simétrica; esto es, si
1 2 
A = AT , A es simétrica. Son ejemplos de matrices simétricas: B =   , la matriz
 2 −1
nula, la matriz identidad y toda matriz diagonal.
Si A y B son dos matrices cualesquiera del mismo tamaño, entonces, la suma A + B es

la matriz que se obtiene al sumar los elementos correspondientes de las dos matrices.
Las matrices de tamaño diferente no se pueden sumar.
 1 + 1 2 + 2  2 4
Así, dadas las matrices A, B y C precedentes se tiene A + B =  =  ,
3 + 3 5 + 4   6 9 
97
UNIDAD 2
A+C y B+C no están definidas porque no tienen el mismo tamaño.
Ejemplo 5
Sea aij el número de vuelos realizados por avionetas con la finalidad i a la localidad
j. La matriz:
2 9 4 0
A= 
0 3 2 1 
condensa los registros del mes de marzo e indica en el renglón 1 los vuelos de
avionetas de la Secretaría de Agricultura de la Provincia de Córdoba con fines de
fumigación de cultivos y en el renglón 2 los de avionetas de la Secretaría de Salud
con fines de prestación de servicios de medicina preventiva. La primera columna
hace referencia al Departamento Colón, la segunda al Departamento Punilla, la
tercera al Departamento J. Celman y la cuarta al Departamento Tercero Arriba.
3 2 5 1
Análogamente la matriz B =   condensa los registros correspondientes
1 0 3 1
al mes de abril. La suma de estas matrices
 2 9 4 0  3 2 5 1  2 + 3 9 + 2 4 + 5 0 + 1
A+ B =   +   =  
 0 3 2 1  1 0 3 1  0 + 1 3 + 0 2 + 3 1 + 1 
5 11 9 1 
=  
1 3 5 2 
reúne los resultados de la actividad desarrollada en el segundo bimestre del año en
cada localidad y por cada secretaría.
98
UNIDAD 2
MARZO ABRIL
Colón Punilla J.Celman T.Arriba Colón Punilla J.Celman T.Arriba
Secretaría de 2 9 4 - Secretaría de 3 2 5 1
Agricultura Agricultura
Secretaría de - 3 2 1 Secretaría de 1 - 3 1
Salud Salud
 2 9 4 0 3 2 5 1
0 3 2 1 1 0 3 1
   
5 11 9 1 
1 3 5 2 
 
2º BIMESTRE
Colón Punilla J.Celman T.Arriba
Secretaría de 5 11 9 1
Agricultura
Secretaría de 1 3 5 2
Salud
La suma A+A siempre está definida puesto que A y A tienen el mismo tamaño. Resulta
razonable escribir A+A como 2A. Considérese el siguiente ejemplo.
a b   a + a b + b   2a 2b 
Sea A =   entonces A + A =  = 
c d   c + c d + d   2c 2 d 
Este ejemplo sugiere la definición de la multiplicación por escalar. Al trabajar con

matrices nos referiremos a un número real como escalar.
Si A es una matriz cualquiera y c es cualquier escalar, el producto por un escalar cA

es la matriz que se obtiene al multiplicar cada elemento de A por c.
 4 −3 6  8 −6 12   −12 9 −18
Así, si A =   , entonces 2 A =   y (−3) A =  .
2 5 7  4 10 14   −6 −15 −21
Si B es una matriz cualquiera, entonces -B denota el producto (-1)B y recibe el nombre

de opuesto de B. Si A y B son dos matrices del mismo tamaño, entonces la resta A − B
se define como la suma de A con el opuesto de B, A + (− B) = A + (−1) B .
99
UNIDAD 2
2 3 −4  7 −5 −2 
Con base en las definiciones dadas, si A =   , B=  se tiene:
1 2 0  0 1 −2 
 −7 5 2  2 3 −4   −7 5 2   −5 8 −2
−B =   , A − B = A + (− B) =  + =
 0 −1 2  1 2 0   0 −1 2   1 1 2 
Obsérvese que es posible obtener A-B directamente, restando los elementos de B de los
correspondientes elementos de A.
Ejemplo 6
La matriz G resume los datos correspondientes a los ingresos obtenidos por ventas
de lavarropas y de secarropas, de distintas marcas, en las cuatro sucursales A, B, C y
D de una importante firma del medio.
A B C D
12000 9800 18800 4100 ← lavarropas
G= 
18500 5600 9200 3000  ← secarropas
La matriz C resume los datos correspondientes a los costos de administración, de

distribución y otros en cada una de las sucursales.
A B C D
100 890 150 70  ← lavarropas
C= 
 60 45 75 50  ← secarropas
La matriz U de utilidad neta, antes de impuestos por artículo, se obtiene mediante la

operación
12000 9800 18800 4100  100 890 150 70 
U =G −C =  − 
18500 5600 9200 3000   60 45 75 50 
11900 8910 18650 4030 
= 
18440 5555 9125 2950 
7
 1 0
 5 −1 3   −2 − 3 5 
Dadas B =   , C=  , D =  −2 1 
10 9 −4   0 8 −1  1 1 
a) Calcule BT + D − 2C T .
b) Disminuya las entradas de la matriz B en un factor 3/4 y explicite la matriz
resultante.
c) Encuentre la entrada m23 tal que M − B = C .
d) ¿Por qué no pueden sumarse B y D? Fundamente su respuesta.
e) ¿Qué valor numérico tiene asignada la posición 1,2 de la transpuesta de M?
f) ¿Es M simétrica? Fundamente su respuesta.
100
UNIDAD 2
g) ¿Qué debe considerar al analizar la simetría de una matriz?

En párrafos anteriores se definió la multiplicación de una matriz por un escalar. La

pregunta siguiente es ¿cómo se multiplican dos matrices? Tal vez la definición más
natural de la multiplicación de matrices podría parecer: "multiplíquese los elementos
correspondientes". Sin embargo, sorprende el hecho de que esta definición no será útil
para la mayoría de los problemas. La experiencia ha conducido a los matemáticos a
concluir la siguiente definición, menos intuitiva pero más útil, de multiplicación de
matrices.
Si A es una matriz p × q y B es un matriz q × r , el producto AB es la matriz p × r

cuyos elementos se determinan como sigue. Para encontrar el elemento en el renglón i y
la columna j de AB, distíngase el renglón i de A y la columna j de B. Multiplíquese los
elementos correspondientes de ese renglón y esa columna y a continuación súmense los
productos resultantes.
Ejemplo 7
 4 1 −1 0 
 1 2 −3 
Ejemplificamos con las matrices A =   y B =  0 −2 2 1  .
2 6 0   2 3 −1 2 
Dado que A es una matriz 2 × 3 y B una 3 × 4 , el producto AB es una matriz 2 × 4 .

Para determinar, por ejemplo, el elemento del renglón 2 y la columna 3 de AB, se
distingue el renglón 2 de A y la columna 3 de B. Luego, como se ilustra a
continuación, se multiplican los elementos correspondientes y se suman estos
productos.
↓
 4 1 −1 0
1 2 −3    
  0 −2 2 1 =  
→ 2 6 0    10 
 2 3 −1 
2

c23 = 2 . (−1) + 6 . 2 + 0 . (−1) = − 2 + 12 + 0 = 10 .
Los cálculos para algunos otros elementos de C = AB son:

c11 = 1 . 4 + 2 . 0 + (-3) . 2 = 4 + 0 - 6 = -2
c12 = 1 . 1 + 2 . (-2) + (-3) . 3 = 1 - 4 - 9 = -12
c13 = 1 . (-1) + 2 . 2 + (-3) . (-1) = -1 + 4 + 3 = 6
c14 = 1 . 0 + 2. 1 + (-3) . 2 = 0 + 2 - 6 = -4
Para no dejar lugar a errores es necesario que usted escriba todo cálculo aritmético que
piense. Este consejo se lo damos desde el conocido adagio: “el diablo sabe por diablo
pero más sabe por viejo”. Luego:
101
UNIDAD 2
8
Para practicar calcule las restantes entradas de C.
En general se cumple: si A es p × q y B es q × r , entonces C = AB es p × r y sus

q
elementos son cij = ∑ aik bkj , donde ∑ es el símbolo abreviado de suma (la letra
k =1
griega sigma mayúscula) y se conoce como el símbolo sumatoria. Se suma sobre la
variable k que toma valores entre 1 (índice inferior del símbolo sumatoria) y q (índice
superior del símbolo sumatoria). En particular si A es 3 × 4 y B es 4 × 5 ,
4
c23 = ∑ a2 k bk 3 = a21b13 + a22b23 + a23b33 + a24b43 .
k =1
9
Calcule:
3
a) La posición dada por ∑b
k =1
T
3k akT2 donde bijT denota la entrada ij de la transpuesta de B
T
y a denota la entrada ij de la transpuesta de A.
ij
b) La matriz H = BT AT .
c) La posición 2,2 de H.
d) La dimensión de H.
La definición de multiplicación de matrices requiere que el número de columnas del

primer factor A coincida con el número de renglones del segundo factor B, para formar
el producto AB. Esto es, se requieren tamaños compatibles en las matrices en cuestión.
Si no se satisface esta condición el producto no esta definido. Un modo de determinar si
un producto de dos matrices está definido es escribir el tamaño del primer factor y, a la
derecha del mismo, el tamaño del segundo factor. Si los números interiores son iguales
como en la figura, el producto está definido y los números exteriores dan el tamaño del
producto:
A B = AB
p×q q×r p×r
↑ __interiores___ ↑
↑ _____exteriores_____ ↑
Nótese también que los tamaños de A y B pueden ser compatibles para que exista AB,
pero no para que exista BA. Por ejemplo, si A es una matriz 2 × 3 y B lo es 3 × 5 , AB
existe y es 2 × 5 , mientras que BA no está definida.
Mediante un ejemplo mostramos que, en realidad, la multiplicación matricial así

definida es la forma “natural” de manejar datos en tablas. Lo vemos.
Ejemplo 8
Una fábrica de televisores desea calcular el número de resistencias y parlantes
necesarios para programar el proceso de producción de los tres modelos que ofrece.
102
UNIDAD 2
Los detalles de requerimientos necesarios para la producción de un televisor y de

acuerdo con cada modelo, que llamaremos respectivamente A, B y C, son:
Modelos
Partes A B C
Resistencias 10 18 21
Parlantes 3 5 9
10 18 21
A partir de estos requerimientos construimos R =   matriz de
3 5 9
requerimientos de partes por modelo de televisor. La entrada r22 informa que se
requieren 5 parlantes para el modelo B.
El plan de producción es el siguiente:

9 Para julio: 120 unidades del modelo A, 218 unidades del modelo B, 320 unidades
del modelo C.
9 Para agosto: 208 , 315 y 116 respectivamente por modelo.
120 208
Este plan puede condensarse matricialmente como P =  218 315  matriz de
320 116 
producción, donde la entrada p31 informa que se requieren 320 unidades del modelo
A para julio.
Para obtener los requerimientos totales de cada mes, deben considerarse los
productos parciales entre el número de partes necesarias para un modelo y el número
de modelos requeridos, y finalmente sumar esos productos parciales. Esto es:
Para julio:
9 El número total de resistencias viene dado por:
Total requerido para Total requerido para Total requerido para
+ +
todos los modelos A todos los modelos B todos los modelos C
(10 ×120 ) + (18 × 218) + ( 21× 320 )
9 El número total de parlantes viene dado por:
+ +
( 3 ×120 ) + ( 5 × 218) + ( 9 × 320 )
Para agosto:
9 El número total de resistencias viene dado por:
+ +
(10 × 208) + (18 × 315 ) + ( 21×116 )
103
UNIDAD 2
9 El número total de parlantes viene dado por:

+ +
( 3 × 208) + ( 5 × 315) + ( 9 ×116 )
Estos cálculos son parte de la multiplicación matricial:
120 208
10 18 21   11844 10186 
 3 5 9   218 315  =  4330 3243 
  320 116   
 
Interpretando correctamente la última matriz se tiene que, las filas denotan las partes
de televisor y las columnas los meses: se requieren 11844 resistencias para julio y
10186 para agosto.
10
¿Cuántos parlantes se requieren para julio y agosto respectivamente?
A veces, se necesita una operatoria matricial para obtener la suma de los elementos de
a a 
cada fila o de cada columna. Por ejemplo: para A=  11 12  se tiene
 a21 a22 
 a11 + a12   a11 ×1 + a12 ×1  a11 a12  1
 a + a  =  a ×1 + a ×1 =  a    da la suma de los elementos de cada fila
 21 22   21 22   21 a22  1
como una entrada de la matriz producto2.
11
Determine una operatoria matricial que le permita obtener una nueva matriz cuyas
entradas den la suma de los elementos de cada columna.
1
10 + 18 + 21  49 
Siguiendo con el ejemplo 8, el producto R 1 =  = sintetiza la
 3 + 5 + 9  17 
1
siguiente información:
9 la entrada 1,1 el total de resistencias necesarias para elaborar un televisor de cada
modelo,
9 la entrada 2,1 el total de parlantes necesarios para elaborar un televisor de cada
modelo.
2
Note cómo se usa el concepto de “identidad multiplicativa” en los reales: 1 × a = a × 1 = a .
104
UNIDAD 2
12
a) ¿Qué información sintetiza cada entrada de [1 1] R ?
b) ¿Qué matrices usaría y cuál operatoria les aplicaría para obtener una nueva matriz
que sintetice el total de requerimientos para julio y el total para agosto? Esto es, que
sintetice la inversión en materia prima para esos meses.
El ejemplo 8 mostró que las matrices son útiles para condensar información referente a
tecnologías de producción y para determinar requerimientos de materias primas y
factores de producción.
La multiplicación de matrices admite una aplicación importante en los sistemas de

ecuaciones lineales. Considérese cualquier sistema de m ecuaciones lineales en n
variables
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2 n xn = b2
am1 x1 + am 2 x2 + ... + amn xn = bm
Puesto que dos matrices son iguales si tienen el mismo tamaño y sus elementos
correspondientes son iguales, es posible reemplazar las m ecuaciones de este sistema
por la ecuación matricial:
 a11 x1 + a12 x2 + + a1n xn   b1 
 a x + a x + + a x  b 
 21 1 22 2 2n n 
= 2
   
   
 am1 x1 + am 2 x2 + + amn xn  bm 
La matriz m × 1 del primer miembro de esta ecuación se puede escribir como un

producto de matrices:
 a11 a1n   x1   b1 
   = 
     
 am1 amn   xm  bm 
Si se designan estas matrices por A, X y B respectivamente, se ha reemplazado el

sistema original de m ecuaciones en n variables por la ecuación matricial:
AX = B .
En este contexto de SEL, la matriz A se llama matriz de coeficientes, X es el vector de

variables y B se llama vector de términos independientes.
Basándonos en el concepto de igualdad, una ecuación matricial es una igualdad entre

dos matrices, y plantea ecuaciones numéricas o algebraicas en cada una de las entradas.
Las ecuaciones matriciales se resuelven como las ecuaciones algebraicas.
105
UNIDAD 2
En el caso de matrices columna (matrices de dimensión n × 1 ) suele usarse la notación

 b1 
  b11 
simplificada B =   en vez de   . Una situación similar se presenta en el caso de
bn  bn1 
matrices fila (matrices de tamaño 1 × n ).
13
3 x +2 y − z = 8
a) Exprese en forma matricial el sistema  . También explicite la matriz
 x − 4 y +2 z = 0
aumentada.
 1 3  4
   x  
b) A partir de la ecuación matricial  −1 1   =  0  construya el SEL
y
 3 4   7 
correspondiente.
 1 3  x   4 
c) ¿Por qué la ecuación matricial  −1 −1  y  =  −2  es falsa?
 3 4   z   7 
d) ¿En qué se diferencia una matriz aumentada de una matriz de coeficientes?
e) Para cada uno de los ejemplos de la unidad 1, sección 7, construya la ecuación
matricial del correspondiente SEL.
f) La parte correspondiente a la matriz de coeficientes en la matriz aumentada ¿en qué
matriz particular se convierte al aplicarle el Método de Gauss y en cuál al aplicarle
el de Gauss-Jordan?
El producto de matrices da origen a la potencia de matrices An con n número natural,

y se define como el producto de A consigo misma, n veces.
14
Reflexione y responda fundamentando: ¿hay restricciones sobre el tamaño de la matriz
para calcular su n-ésima potencia?
Para concluir la sección y antes de un merecido descanso, ¿un surtido de operaciones le

parece bien? Aquí van...
15
 3 −2   3 2   0 0 
a) Encuentre x, y de manera que   = .
0 0   x − y   0 0
 3 2  3 2 0 0
b) ¿Existe un par x, y tal que   =  ? Justifique su respuesta.
 x y  0 0  0 0
1 1   x1 x2 
c) Resuelva la ecuación matricial   =I .
1 0   x3 x4  2
106
UNIDAD 2
d) Encuentre los valores desconocidos que hacen verdadera la ecuación matricial

 −3x 4 + y   x 2 
 8 = .
 0   z + 1 w + 1

e) Encuentre una fórmula general para obtener fácil y rápidamente An si A es diagonal

 x 0 0
de la forma  0 y 0  . Ayuda: comience por calcular la potencia dos y tres de A y
 0 0 z 
luego de observar, generalice y compruebe mediante un ejemplo específico.
¿Quiere luz verde para iniciar la lectura del inciso siguiente? La tendrá si:
realizó una segunda lectura del inciso presente, rotuló párrafos, marcó las ideas
principales, listó los conceptos nuevos y se encuentra descansado, lúcido y listo para
afrontar este nuevo desafío.
3. Álgebra matricial
En esta sección analizamos las propiedades que cumplen las operaciones entre matrices.
En Matemática nivelación nos referimos en detalle a las propiedades que se cumplen al

trabajar con los objetos números reales3. Se piensan como propiedades que cumplen las
operaciones respecto a los objetos, las operaciones respecto de otras operaciones u
objetos particulares respecto de alguna operación.
Ahora los objetos son las matrices y los escalares, y entre ellos hemos definido
operaciones: producto entre matriz y escalar, suma y producto de matrices. Luego, las
preguntas que aparecen son:
9 ¿qué propiedades cumplirán esas operaciones al aplicarlas a los objetos?
9 ¿Qué propiedades cumplirá una operación respecto de otra?
9 ¿Qué objetos gozarán de alguna propiedad especial?
Responder esas preguntas nos lleva a analizar si el resultado de operar depende o no

9 del orden en que se toman los objetos,
9 de la asociación que se hace entre los objetos antes de operar sobre ellos4.
Y también, qué operaciones se distribuyen respecto de otras. Finalmente, a identificar
los objetos matrices que al operarse con un segundo no cambian la identidad del
segundo, o bien dan la identidad.
Del estudio realizado hasta ahora sobre matrices, se observa que:

9 El resultado de la suma no depende del orden en que se realiza la suma.
El resultado de un producto entre matrices sí depende del orden en que se toman los
factores.
3
Consulte la unidad 1 del Módulo de nivelación matemática. La cita completa está en la Bibliografía.
4
Las operaciones matriciales son operaciones binarias: siempre se definen para dos elementos
cualesquiera, la duda surge cuando la operación se extiende a tres o más elementos y se refiere a decidir
que par se toma primero.
107
UNIDAD 2
El resultado del producto por un escalar no depende del orden en que se toman los
factores.
9 El resultado de la suma de tres o más objetos matrices, no depende de la asociación

de sumandos que se hace.
El resultado del producto matricial de tres o más objetos matrices, no depende de la
asociación de factores que se hace.
El resultado del producto por un escalar no depende de la asociación de factores que
se realiza.
9 El factor matriz se distribuye tanto a derecha como a izquierda respecto de la suma

de matrices.
El factor escalar se distribuye respecto de la suma de matrices.
El factor matriz se distribuye respecto de la suma de escalares.
9 La matriz nula 0 cumple el rol de identidad en la suma de matrices.

La matriz identidad I cumple el rol de identidad en el producto de matrices.
9 Para cada matriz, su opuesto cumple el rol de inverso aditivo respecto de la

operación suma.
Sólo para ciertas matrices cuadradas existe otra matriz que cumple el rol de inverso
multiplicativo.
En conclusión, se trata de las siguientes propiedades de las operaciones matriciales:
a) La suma de matrices es conmutativa.

b) El producto de matrices no es conmutativo.
c) El producto por escalar es conmutativo.
d) La suma de matrices es asociativa.
e) El producto de matrices es asociativo.
f) El producto por un escalar es asociativo.
g) El producto de matrices es distributivo respecto de la suma de matrices.
h) El producto por un escalar es distributivo respecto de la suma de matrices.
i) El producto por un escalar es distributivo respecto de la suma de escalares.
j) Se cumple la propiedad de identidad en la suma matricial.
k) Se cumple la propiedad de identidad en el producto matricial.
l) Se cumple la propiedad del inverso en la suma matricial.
m) No siempre se cumple la propiedad del inverso en el producto matricial.
Y expresadas con simbología matemática:

a) A + B = B + A .
b) AB ≠ BA salvo casos especiales.
c) aA = Aa .
d) A + ( B + C ) = ( A + B) + C .5
e) A( BC ) = ( AB )C .
5
En notación formal matemática el paréntesis establece orden al operar: siempre se realiza primero la
operación interior al paréntesis.
108
UNIDAD 2
f) a ( BC ) = ( aB ) C = B ( aC ) ; (ab)C = a (bC ) .
g) A( B + C ) = AB + AC ; ( A + B)C = AC + BC .
h) a( A + B) = aA + aB .
i) (a + b) A = aA + bA .
j) 0 + A = A .
k) I p× p Ap×q = Ap×q = Ap×q I q×q .
l) A + (− A) = 0 .
m) No siempre existe el inverso multiplicativo, que denotamos por A−1 tal que
AA−1 = A−1 A = I .
16
Aquí es necesario que se detenga y reordene la información dada sobre las propiedades
matriciales usando algún recurso didáctico que le permita un aprendizaje significativo.
Los recursos posibles son: una tabla, un esquema, un reordenamiento de las propiedades
por operación, entre otras.
También reflexione y conteste: ¿qué razón se deduce detrás del nombre “matriz
identidad”?
En matemática, el uso de los paréntesis tiene que ver con la asociación de objetos que
se realiza al operar. Los paréntesis además establecen un orden en la operatoria que se
aplica. Este concepto es muy importante pues hace a la sintaxis matemática, y es
también fuente de numerosos errores entre los alumnos que no le prestan la debida
atención. Lo ejemplificamos para que se entienda mejor.
Ejemplo 9
Si deseamos:
9 sumar una matriz con su matriz opuesta debemos expresarlo así: A + (− A) ; y no
así: A + − A .
9 Sumar dos matrices y luego multiplicar a derecha ese resultado con una tercera
matriz, se expresa así: ( B + C ) A , y no así: B + CA .
9 Multiplicar un escalar por una suma de matrices, se expresa así: a ( B + C ) ; y no
así: aB + C .
9 Sumar dos escalares y multiplicarlos por un matriz, se expresa ( a + b ) C y no
a + bC . La última suma ni siquiera está definida ya que se trata de sumar un
escalar con una matriz.
17
 0 −1 1 0 1 1
Dadas las matrices  ,  ,  y los escalares 2 y 3, compruebe las
1 3  1 0 1 1
afirmaciones del ejemplo (menos la primera) recordando lo aclarado sobre el uso del
paréntesis.
109
UNIDAD 2
Entonces, sea cuidadoso al construir expresiones matemáticas a partir de expresiones

verbales.
18
Exprese con simbología matemática la operatoria y el orden operativo que se establece:
a) Sumamos dos matrices, y luego multiplicamos a derecha por una tercera.
b) Sumamos dos escalares, y multiplicamos el resultado por la suma de dos matrices.
c) Realizamos dos multiplicaciones entre matrices y luego las sumamos.
d) Sumamos los opuestos de sendas matrices.
e) Calculamos el opuesto de un producto de dos matrices.
Finalmente, es importante colocar adecuadamente los paréntesis en la expresión escrita

y no menos importante es identificar el orden de operaciones dadas por los paréntesis
antes de computar operaciones matriciales. Un ejemplo de esta última afirmación es:
Ejemplo 10
Planteada la operatoria matricial A ( bB + (− A) ) el orden establecido es:
1º computar el producto por el escalar (−1) A

2º computar la multiplicación por el escalar bB
3º sumar bB + (−1) A
4º multiplicar A( )
19
Establezca verbalmente el orden que se da en las operaciones en los siguientes planteos:
a) a ( bA + C )
b) − ( A + B )
c) ( −1) A + B
d) abA + C
e) ab( A + C )
f) AB + CD
g) A( B + C ) D
Bien, hasta ahora sólo hemos afirmado el cumplimiento o incumplimiento de ciertas

propiedades dentro del conjunto de las matrices con las tres operaciones definidas. Nos
falta demostrar su veracidad, o al menos intentarlo.
Trabajando con matrices se habla del conjunto de matrices de tamaño m × n y se

denota por M m×n . La aritmética, más precisamente la aritmética de matrices, sólo nos
permite usar matrices específicas para comprobar la veracidad de lo afirmado. En
cambio, el álgebra y más precisamente el álgebra de matrices, con el uso de letras que
permiten generalizar, logra demostrar tales afirmaciones.
110
UNIDAD 2
¿Le parece bien que intentemos juntos, en un trabajo colaborativo, tanto la

comprobación como la demostración?
Lo primero es distinguir entre esas dos acciones: comprobar y demostrar. Demostrar es

una operación mental diferente de comprobar ya que, en la comprobación, se asume la
veracidad o falsedad de algo.
Lo segundo, notar que cada una de las propiedades mencionadas hace referencia a una
igualdad entre matrices, por ello, es necesario:
9 comprobar que la matriz de la derecha tiene el mismo tamaño que la matriz de la
izquierda,
9 los elementos correspondientes en ambas, son iguales.
Ejemplifiquemos.
Ejemplo 11
La suma de matrices es conmutativa.
9 Comprobamos desde la aritmética tomando matrices específicas:
 2 −1  −2 3  2 + (−2) −1 + 3
 6 0 +  1 2 =  6 +1 0 + 2
    
 −1 1  −1 1  −1 + (−1) 1 + 1
 (−2) + 2 3 + ( −1)   −2 3  2 −1
 
= 1+ 6 2 + 0  =  1 2  +  6 0 
 −1 + ( −1) 1 + 1  −1 1  −1 1
 0 2
y vale  7 2  .
 −2 2 
Observe el uso de la propiedad conmutativa de la suma en los números reales
pues, gracias a su aplicación, se da la conmutatividad de la suma matricial.
9 Demostramos desde el álgebra usando letras (variables) para señalar

generalidad: si A y B tienen el mismo tamaño, entonces A + B y B + A tienen el
mismo tamaño. Además, si aij es el elemento de A del renglón i y la columna j y
bij es el elemento de B del renglón i y la columna j, entonces:
aij + bij = bij + aij ,
ya que la suma de números reales es conmutativa.
Como esta igualdad se cumple para cada elemento ij de las matrices suma, se
tiene A + B = B + A .
Ejemplo 12
La suma de matrices es asociativa.
111
UNIDAD 2
Para sumar más de dos matrices lo que se hace mentalmente es elegir dos, sumarlos
y luego sumar ese resultado con la tercera matriz. La propiedad asociativa de la
adición nos asegura la independencia del resultado final respecto de esa elección.
9 Lo comprobamos tomando matrices específicas:

  2 −1  −2 3   −4 −3  2 + (−2) −1 + 3  −4 −3
      
  6 0 +  1 2  +  0 2 =  6 +1 0 + 2 +  0 2
  −1 1  −1 1   −3 0   −1 + (−1) 1 + 1  −3 0
      
 ( 2 + (−2) ) + (−4) ( −1 + 3) + (−3)   2 + ( (−2) + (−4) ) −1 + ( 3 + (−3) ) 

= (6 + 1) + 0 ( 0 + 2 ) + 2 =  6 + (1 + 0 ) 0 + ( 2 + 2)

( −1 + (−1) ) + (−3) (1 + 1) + 0  −1 + ( (−1) + (−3) ) 1 + (1 + 0 ) 
 2 −1  −2 + (−4) 3 + (−3)   2 −1   −2 3  −4 −3 
 
=  6 0  +  1+ 0 2 + 2  =  6 0  +   1 2  +  0 2  
 −1 1  −1 + (−3) 1 + 0   −1 1   −1 1  −3 0 
 −4 −1
y vale  7 4  .
 −5 2 
Como en el ejemplo anterior, debe notar la aplicación de la propiedad asociativa

de la suma de reales: la veracidad de esa propiedad dentro de los números reales,
y su aplicación en cada entrada de la matriz suma, verifican la veracidad de la
propiedad asociativa de la suma matricial.
9 Lo demostramos usando letras (variables) para señalar generalidad: si A, B y C

tienen el mismo tamaño, entonces ( A + B) + C y A + ( B + C ) tienen el mismo
tamaño. Además, si aij es la entrada ij de A, bij la entrada ij de B y cij la entrada ij
de C, entonces:
( aij + bij ) + cij = aij + ( bij + cij ) ,
ya que la suma de números reales es asociativa.
Como esta igualdad se cumple para cada elemento ij de las matrices suma, se
tiene ( A + B) + C = A + ( B + C ) .
20
a) Compruebe y demuestre el ítem (c) del listado de propiedades.
b) Construya un contraejemplo6 a fin de demostrar que el producto de matrices no es
conmutativo.
c) Reflexione e intente demostrar que no toda matriz admite inverso multiplicativo7.
6
Contraejemplo: este concepto se definió en el Módulo de nivelación. De cualquier modo, lo repasamos
ahora: un contraejemplo es construir un ejemplo que muestre que la propiedad en cuestión no se cumple.
7
En los números reales el 0 no admite inverso multiplicativo ¿Recuerda?
112
UNIDAD 2
Ahora resaltamos una derivación importante que surge de las propiedades matriciales: al
realizar cálculos con matrices es natural pretender que éstas involucren la menor
cantidad de cálculos aritméticos reales8.
Ejemplo 13
La pretensión planteada convertida en razón, le permite a usted elegir entre una
suma matricial y un producto matricial o entre dos productos matriciales y una suma
matricial: sean A, B y C matrices 2 × 2 . Sabemos que el resultado de A( B + C )
coincide con el resultado de AB + AC .
9 La operatoria A(B+C) conlleva 8 productos y 8 sumas de números reales.
9 La operatoria AB+AC conlleva 16 productos y 12 sumas de números reales.
Su gusto personal o el contexto del problema lo llevarán a realizar unos u otros

cálculos para obtener el resultado final.
¿Qué le parece si se entrena en la acción de minimizar el número de cómputos en una

operatoria planteada? Inténtelo en la resolución de la siguiente actividad.
21
5 2   −5 2   −1 2 
Dadas las matrices A =   , B=  , C=  , los escalares a = −4 ,
3 4   −3 0   3 −4 
1
b = − y haciendo uso de la propiedad distributiva:
2
a) del producto de matrices respecto de la suma, calcule AB + AC ;
b) del producto por un escalar respecto de la suma de matrices, calcule aA + aC ;
c) del producto por un escalar respecto de la suma de escalares, calcule aA − A .
Y haciendo uso de la propiedad asociativa:

d) de la suma, calcule A + B − A ;
1 
e) del producto por un escalar, calcule a  C  .
a 
Concluimos: las propiedades que se verifican nos ofrecen una alternativa para
minimizar en la operatoria matricial el número de cómputos o cálculos de la operatoria
real involucrada. Esto conlleva los siguientes beneficios:
9 Menos posibilidad de cometer errores.
9 Disminución en el tiempo de cómputos.
Tema de indagación y profundización en el Aula virtual

Al trabajar con matemática computacional o matemática no exacta:
9 Algunas de las propiedades de las operaciones matriciales dejan de tener validez.
¿Cuáles son esas propiedades? Descúbralas y ejemplifique.
8
La expresión “cálculos aritméticos reales” hace referencia a la operatoria con números reales.
113
UNIDAD 2
9 ¿El tiempo de cómputo para una suma difiere del tiempo de cómputo para un
producto? Al hablar de tiempo ¿es preferible una operación por sobre otra? ¿Qué
orden de operación es preferible a fin de minimizar los errores?
Ahora analicemos en detalle la propiedad conmutativa en relación al producto de

matrices. Los siguientes productos con matrices específicas nos permitirán construir
afirmaciones que justifiquen la conclusión: “el producto de matrices no es
conmutativo”.
Ejemplo 14
1 2 
1 2   4 1  1 2 3
Con A =   , B=  , C = 3 4  y D =  valen:
3 2   2 3  2 1 3
1 2 
 8 7  7 10 
9 AB =   , BA =  ;
16 9  11 10 
7 6
9 CA = 15 14  , AC no está definido;
 7 6 
5 4 9 
10 16
9 CD = 11 10 21 , DC =  .
 8 14 
 5 4 9 
Observamos que: AC no está definido, luego AC ≠ CA ; CD ≠ DC y finalmente
AB ≠ BA .
Los cálculos del ejemplo 14 nos muestran que la conmutatividad en el producto

matricial puede no cumplirse por una de las siguientes razones:
9 Debido a sus tamaños puede estar definido uno de los productos y no el otro.
9 Ambos productos están definidos pero no tienen el mismo tamaño.
9 Ambos productos están definidos y tienen el mismo tamaño, pero sus elementos
correspondientes no son iguales.
En este punto, no está de más recordar a título comparativo: en los números reales se
satisface la igualdad ab = ba , esto es, el producto es conmutativo y no depende del
orden en que se tomen los factores.
Siguiendo en este cuadro comparativo con los números reales y contando con que usted
tiene la guía del Módulo de nivelación matemática en mano le pregunto: las siguientes
propiedades ¿se cumplirán en el conjunto de las matrices? Se trata de las propiedades
matriciales:
9 De clausura.
9 Reflexiva, simétrica, transitiva y uniforme relacionadas a la relación de
igualdad.
Y también:
9 Cancelativa (en la suma y en el producto).
De anulación del product
114
UNIDAD 2
Para dar respuesta a estos interrogantes le proponemos esta actividad:
22
a) Indague susconocimientos previos9 y recuerde estas propiedades. Explicítelas.
b) La propiedad de clausura, también conocida como propiedad de cierre ¿respecto de
qué operaciones puede darse? ¿Qué significa?
c) Asegúrese de comprender el significado de la propiedad reflexiva, simétrica,
transitiva y uniforme y luego responda: ¿qué indican?
d) Demuestre que en el álgebra matricial se cumple la propiedad cancelativa de la
suma.
Ahora analicemos en detalle el cumplimiento de la propiedad de anulación del producto

y de la propiedad cancelativa en el producto:
23
0 0 0 3  0 4 
Operando con las matrices  ,  y  muestre que:
1 1   0 −3  0 −4
a) el producto de dos matrices puede ser nulo sin que necesariamente alguna de ellas
sea nula.
b) Dos productos de matrices con un factor coincidente pueden ser iguales sin que los
factores restantes lo sean.
Ha demostrado (¡eso espero!) que:

9 si el producto de dos matrices es nulo no necesariamente algún factor es nulo. En
símbolos, AB = 0 no implica A = 0 o B = 0 .
9 Si dos productos con un mismo factor, son iguales no necesariamente son iguales
los factores restantes. Esto es, en símbolos AB = AC no implica que necesariamente
B=C.
Conviene tener en cuenta ambos resultados ¿por qué? Porque, en general, hay una
tendencia generalizada a usar las propiedades de los números reales de manera
automática, sin ser conscientes de ello. Una manera de hacer consciente lo inconsciente
o automático es escribir paso a paso, ¡todo!
Tema para indagar y profundizar en el Aula virtual

Con SEL no cabe la posibilidad de tener 2, 3 o un número finito mayor que
1, de soluciones. Vimos este resultado en la unidad 1:
9 de manera geométrica, analizando las posiciones relativas de rectas en el
plano y de planos en el espacio tridimensional ;
9 al analizar las formas escalonadas en los renglones sean éstas reducidas o
no.
9
Módulo de nivelación matemática. Cita completa en Bibliografía.
115
UNIDAD 2
Y ahora, podemos demostrarlo algebraicamente aplicando muchas de las propiedades

enunciadas. Es un trabajo algebraico muy enriquecedor especialmente destinado a
aquellos estudiantes que gustan de estudiar matemática.
Entonces, ¿lo encontraré en el Aula virtual indagando sobre el tema? Anímese.
Bueno, bueno. Está con muchos resultados en la cabeza y es necesario detenerse y

recapitular, sintetizar, resumir desandando camino. Para ello, le propongo que realice
una lectura más profunda del presente apartado y en particular que rotule párrafos.
Dichas actividades de aprendizaje le facilitarán la siguiente actividad de proceso.
24
Sintetice y compare la operatoria real con la operatoria matricial.
Y llegó la hora de trabajar con un tema pendiente: ¿cómo se sabe si una matriz dada
tiene inverso multiplicativo? Si existe, ¿cómo se construye?
Recordamos, para empezar, la definción de tal inverso multiplicativo AA−1 = A−1 A = I .

A partir de esto analicemos la situación:
9 si existe ese inverso a primera vista se deduce que deben existir ambos productos,
luego A debe ser cuadrada.
Existen muchos métodos para calcular el inverso multiplicativo. En esta unidad

analizamos uno de esos métodos a través del ejemplo siguiente.
Ejemplo 15
Para facilitar la notación expresamos como B al inverso multiplicativo de A. Sean:
2 1 b b  1 0 
A=  , B =  11 12  , I =  
3 2 b21 b22  0 1
Encontrar el inverso multiplicativo B equivale a resolver la ecuación matricial

AB = I . Al plantearla nos encontramos con un producto matricial y luego con una
igualdad entre matrices. La igualdad entre matrices nos lleva a construir dos SEL en
las variables b11 y b21 el primero, b12 y b22 el segundo.
2 1 1 2 1 0

 3 2 0 3 2 1
AB = I 
1 1 1 ← ( 1 2) 1 1 0 ← ( 1 2)
 2 1   b11 b12  1 0  
2 2 2
 3 2  b =  3 2 0 3 2 1
   21 b22   0 1  
 1 1
2
1
2 (−3) 1 1
2 0 (−3)
⇒ 0 1 − 32 ↵+ 0 1 1 ↵+
 2 2
 2b11 + b21 = 1  1 1 1 1 1 0
 2 2 2
3b
 11 + 2b = 0 
21
 0 1 −3 ← (2) 0 1 2 ← (2)
 2b12 + b22 = 0  1 0 2 ←|+ 1 0 −1 ←|+
 
3b12 + 2b22 = 1  0 1 −3 (− 1 2) 0 1 2 (− 1 2)
116
UNIDAD 2
El Método de Gauss-Jordan que usted aprendió en la unidad anterior es la

herramienta que usamos para construir SEL equivalentes a los originales y cuyos
conjuntos solución resultan obvios:
 b11 = 2  b12 = -1
 y 
b21 = -3 b22 = 2
Plantear el otro producto debería darnos los mismos resultados ¿Lo hace usted?
Entonces:
25
A partir del producto BA = I construya, paso a paso, el inverso multiplicativo de la
matriz A.
 2 −1
Luego B =   . Las sumas y multiplicaciones reales son numerosas ¿Se
 −3 2 
habrán deslizado errores en sus cómputos? Para asegurarnos de la validez del
resultado conviene realizar los productos matriciales:
 2 1   2 −1 1 0   2 −1  2 1  1 0 
AB =     =  y BA =    = 
 3 2   −3 2  0 1   −3 2   3 2   0 1 
2 1  2 −1
Finalmente podemos afirmar: dada   , su inverso multiplicativo es  .
 3 2  −3 2 
Para concluir le aconsejo que al buscar el inverso multiplicativo diferencie claramente:

9 Las operatorias a realizar.
9 Las variables de cada SEL.
9 La verificación de los resultados obtenidos, esto es, la exactitud en los cálculos
realizados.
Cumplido lo anterior, lo que sigue es un desarrollo paso a paso, sin apuros, rellenando
con palabras el contexto de la simbología. De esta manera hará aportes significativos al
aprendizaje superando la simple memorización.
Si confrontó con la solución la actividad anterior, habrá observado que resolvimos en

forma simultánea ambos SEL. Para ello, adosamos a la izquierda ambas columnas de
términos independientes aprovechando el hecho de tratarse de la misma matriz de
coeficientes.
26
a) Indague si las siguientes matrices tienen inverso multiplicativo.
1 3 4
2 1  1 0 2 
b)   ,  2 8 6  ,  
 4 2   5 1 2   4 1 −1
 
117
UNIDAD 2
c) En caso de tenerlo, constrúyalo.

d) Si no existe, explique la razón.
En la siguiente actividad profundice su reflexión, aumente su paciencia, insista en

comprender tanto la consigna como el proceso algebraico a los fines de obtener la
respuesta. Además, para no dar lugar a errores, escriba todo lo que piensa. En realidad,
¡así debe hacer matemática!
27
Fundamente cada una de sus respuestas a las siguientes preguntas:
a) ¿La matriz nula 0 tiene inverso multiplicativo?
b) ¿La I es la inversa multiplicativa de qué matriz?
c) Indague y explicite una fórmula que permita calcular rápidamente el inverso
multiplicativo de una matriz diagonal.
d) ¿Cuál es el inverso multiplicativo de A−1 ?
e) El inverso multiplicativo de un producto de matrices AB es ¿ ( AB ) = A−1 B −1 ? o
−1
¿ ( AB ) = B −1 A−1 ?
−1
f) ¿Vale la igualdad matricial ( A + B ) = A−1 + B −1 ?

−1
¡Hasta aquí hemos llegado! No toda matriz tiene inverso multiplicativo y, en particular,
aquellas que lo tienen son cuadradas.
Una matriz cuadrada con inverso multiplicativo se dice invertible -que tiene inversa- o
también no singular. En forma análoga, si no lo tiene se dice que no es invertible, que
no tiene inversa, o también que es singular.
Veamos algunas afirmaciones importantes relacionados a SEL:

9 Dado el SEL matricial AX = B , si A tiene inversa, el SEL tiene solución y la misma
viene dada por X = A−1 B , esto es, por el producto entre la inversa y el vector de
términos independientes ¡En ese orden!
9 Dado el SEL homogéneo AX = 0 , si A tiene inversa, la solución al SEL es nula; si A
no tiene inversa, el SEL tiene infinitas soluciones.
Este método de resolver SEL se llama método matricial de resolución de SEL.
La demostración de cada una de estas afirmaciones requiere de la aplicación de las

propiedades matriciales. Es importante que usted, en este proceso significativo de
aprendizaje, identifique claramente estas propiedades ya que en ello radica el único
“secreto” para este tipo de demostraciones. Las planteamos en detalle con simbología
matemática:
118
UNIDAD 2
AX = B
A ( AX ) = A−1 B
−1
( A−1 A) X = A−1 B
IX = A−1 B
X = A−1 B
¿Comprendió la simbología? ¿Supo leerla? ¿Supo interpretarla?
En el logro de aprendizajes, tanto discurso no sirve de nada si el alumno no es

¡participante activo! Por eso, le proponemos que resuelva la siguiente actividad. Adopte
como modelo el desarrollo anterior.
28
a) Identifique el orden correcto en que se aplicaron en la demostración anterior las
siguientes propiedades: del inverso multiplicativo, de la identidad, asociativa y
uniforme.
b) Demuestre paso a paso la segunda afirmación: Dado el SEL homogéneo AX = 0
* si A tiene inversa la solución al SEL es nula;
* si A no tiene inversa el SEL tiene infinitas soluciones.
Como en la unidad anterior también agregamos a la presente una parte con muchas
aplicaciones, pero previamente es necesario construir un ayuda memoria para tener a
mano todos los resultados importantes de los temas ya estudiados. Por eso:
29
a) Con lo que ya sabe de inverso multiplicativo, complete la síntesis de la operatoria
matricial elaborada en la actividad 3.
b) Realice una segunda lectura de lo visto en la unidad 2, rotule párrafos, distinga ideas
clave, sintetice, construya un mapa conceptual -a partir de las ideas y los conceptos
clave- y confróntelo con el propuesto en la orientación del aprendizaje.
Finalmente, tenga en cuenta las siguientes propiedades de la potencia de matrices:
(A )
n −1
coincide con ( A−1 ) si A tiene inverso
n
9
9 A p Aq coincide con A p + q
30
a) ¿Cómo se leen?
b) Compruebe la primera y demuestre la segunda.
Recuerde que para un aprendizaje significativo del álgebra de matrices es necesario que
tenga plena conciencia de la aplicación de todas y cada uno de las propiedades del
álgebra real.
119
UNIDAD 2
4. Modelizaciones matemáticas con matrices en situaciones concretas
En esta sección desarrollamos muchas y variadas situaciones de la vida real y

mostramos cómo se modelizan matemáticamente usando matrices.
Ejemplo 16
La gráfica muestra las vías aéreas de NY L
conexión entre cuatro ciudades de una
importante empresa de transporte aéreo.
Interesa tener disponible en todo momento,

la siguiente información solicitada por los
clientes:
a) El número de conexiones directas entre
las distintas ciudades.
b) El número de conexiones indirectas P BA
pasando por una ciudad intermedia.
c) Posibles conexiones entre esas ciudades pasando por tres puntos intermedios.
Bien, una posibilidad de responder a estas inquietudes es realizar un conteo sobre el

mismo gráfico. En este caso se tendrá especial cuidado en no contar dos veces la misma
ruta y se procurará no olvidar alguna. Pero este método es engorroso y notamos que el
caos aumentará proporcionalmente con el aumento de ciudades involucradas. Así es que
¡intentemos una alternativa fácil, ágil y segura de obtener la información!
Contamos sobre el gráfico y ubicamos la información en una tabla de doble entrada

como esta:
NY P L BA
NY 3 2 0
P 2 1 2
L 1 1 1
BA 0 1 3
Esta tabla no se lee arbitrariamente: en la intersección de una fila

Llega a con una columna se expresa el número de vuelos directos que
salen de la ciudad dada por la fila y llegan a la ciudad dada por la
Sale de columna. Ejemplo: 2 vuelos salen de P y llegan a NY, en cambio
3 vuelos salen de NY y llegan a P.
¡Bien! Hemos encontrado una manera de disponer la información cuya lectura es ágil,
segura y permite responder al requerimiento (a).
El requerimiento (b) se refiere a conexiones indirectas pasando por una ciudad

intermedia: la tabla ya no nos sirve ...así es que, sigamos pensando...
En la gráfica: borramos el resto de los caminos luego de individualizar, por ejemplo, las
rutas aéreas que saliendo de NY llegan a BA y pasan por una ciudad intermedia.
120
UNIDAD 2
Advertimos que dos de esos caminos pueden tener trayectos comunes, como sucede con
los dos caminos que tienen a L como ciudad intermedia.
NY L Luego, el número total de rutas que, saliendo

de NY llegan a BA, son:
9 3 posibilidades para llegar a P y 2
posibilidad de P hacia BA. Luego 3 × 2
posibilidades –combinaciones- de llegar a BA
pasando por P.
9 2 posibilidades para llegar a L y una
posibilidad de L hacia BA. Luego 2 ×1
posibilidades –combinaciones- de llegar a BA
P BA pasando por L.
El análisis anterior se puede repensar así:

Si multiplicamos elemento a elemento la primera fila -que representa salidas desde NY
a distintos puntos- con la cuarta columna -que representa las llegadas a BA desde cada
uno de los puntos- y los sumamos, obtenemos el total de salidas desde NY llegando a
BA.
NY 3 2 0 BA
0
2
1
Pero acaso ¿este proceso no se relaciona con el proceso de obtener una entrada de una
matriz producto? Sigamos...
31
Obtenga el número de caminos que pasando por uno intermedio:
a) unen P con NY;
b) unen BA con NY.
A esta altura de las reflexiones coincidirá con nosotros en que es necesario agilizar la
notación ¿Probamos con matrices? Construimos A con la información de la tabla, luego
aij condensa el número de caminos directos que saliendo de i llegan a j. Es conveniente
dar el valor cero a las entradas aii , esto es, 0 es el número de caminos que unen un
punto consigo mismo. Así:
0 3 2 0
2 0 1 2 
A= .
1 1 0 1
 
0 1 3 0
El análisis realizado respecto del número de caminos pasando por un punto intermedio
que unen NY con BA representa la construcción de la entrada b14 de la matriz
121
UNIDAD 2
B = AA = A2 ; usted ya calculó la entrada b21 y la entrada b41 en la actividad previa. El

hecho clave que nos permitió relacionar con el producto de matrices, es que los puntos
de llegada NY, P, L, BA (en la A izquierda) se transforman en puntos de salida (en el
factor A de la derecha) pues son puntos de “tránsito”.
1º fila de A 4º 0 3 2 0   0  8
co   2   
lum AA =   = 
  1  
na     
de   0  
A
8 2 3 8
1 9 10 1 
A =
2
2 4 6 2
 
5 3 1 5
La matriz A2 , segunda potencia de A, da información sobre el número de vuelos que

unen un punto con otro pasando por un punto intermedio. De forma similar: el producto
entre B = A2 y A , A3 , da las conexiones con un nuevo punto intermedio que sumado al
punto intermedio dado por A2 , da las conexiones con dos puntos intermedios. En
general An condensa información referida a número de conexiones entre un punto y
otro pasando por n − 1 puntos intermedios, la entrada ij de dicha potencia condensa el
número de caminos que parten de i y llegan a j a través de n − 1 puntos intermedios.
32
¿Qué información nos da la potencia cuarta de A? ¿y la quinta?
La matriz A2 es la respuesta a la inquietud planteada en el inciso (b) y A4 es la

respuesta a la inquietud planteada en el inciso (c).
Bueno, ahora que contamos con una modelización matemática adecuada y simple le
proponemos que, a modo de síntesis, la describamos junto a posibles situaciones de
aplicación.
Cada vez que existan puntos y relaciones directas entre ellos, esa información puede
volcarse en una matriz A y las sucesivas potencias naturales n de A, An , nos dan
información de las conexiones entre dos de esos puntos pasando por n − 1 puntos
intermedios o también, a través de n trayectos. La citada matriz A se conoce como
matriz de adyacencia.
Ejemplo 17
La figura representa en forma sencilla un plano urbano en el que las flechas indican la
circulación en las calles de un sentido único y u, v, w, x, z representan puntos de
referencia de la ciudad: monumentos, lugares de interés, entre otros.
122
UNIDAD 2
u v
x w z
33
¿Cuántos caminos hay para llegar del punto u al punto w de la ciudad:
a) sin pasar por puntos intermedios?
b) pasando por un punto intermedio?
La matriz de adyacencia para esta situación es:

0 0 0 1 0
1 0 0 0 0 

A = 0 1 0 1 1
 
1 1 1 0 0
0 0 1 0 0 
Por otra parte, si sumamos la matriz de adyacencia con sus potencias sucesivas hasta la
n-ésima, cada elemento de la matriz suma representa el número de caminos distintos
entre dos puntos pasando por, a lo sumo, n ×1 puntos intermedios. En particular
0 0 0 1 0 1 1 1 0 0 1 1 1 1 0
1 0 0 0 0  0 0 0 1 0 1 0 0 1 0
     
S = A + A2 =  0 1 0 1 1  +  2 1 2 0 0  =  2 2 2 1 1 
     
1 1 1 0 0  1 1 0 2 1   2 2 1 2 1
0 0 1 0 0  0 1 0 1 1   0 1 1 1 1 
y s42 indica que 2 caminos unen x con v en forma directa o pasando por un punto
intermedio.
34
a) ¿Cuántos caminos unen u con w en forma directa o con un punto intermedio?
b) ¿Qué puntos no se unen directamente ni pasando por un punto intermedio?
c) Calcule la matriz que proporciona información sobre la cantidad de caminos que
unen 4 puntos de referencia distintos.
1  4  Finalmente, analicemos la información brindada por

1  2 
S [1 1 1 1 1] . Nos informa sobre el total de caminos que
T
  
S 1 = 8  incluyen uno o dos tramos y salen de cada uno de los puntos: salen 4
   caminos desde u, 2 desde v, 8 desde w, 8 desde x y 4 desde z. Esto es,
1 8 
1  4  nos da la suma de los elementos de cada fila de S.
123
UNIDAD 2
35
¿Qué información condensa cada entrada de la matriz producto [1 1 1 1 1] S ?
La modelización matemática de los ejemplos está relacionada con la teoría de grafos

dirigidos y la teoría de redes. Se usa en aquellos casos de conjuntos que tienen un
número finito de elementos relacionados entre sí.
9 Los puntos o elementos pueden referirse a: personas, animales, países, compañías,
equipos deportivos, ciudades, estaciones aéreas, etc.
9 La relación entre dos puntos a y b puede ser: que la persona a domine a la persona
b, que el animal a se alimente del animal b, que el país a soporte militarmente al
país b, que el equipo deportivo a confronte al equipo b, o que la ciudad a tenga un
vuelo a la ciudad b, que la persona a contagie a la b, entre otras posibilidades.
Ejemplo 18
La Sociometría es una disciplina que mediante la utilización de técnicas experimentales
y métodos cuantitativos, investiga la organización y dinámica de los grupos humanos, la
intensidad de las relaciones interpersonales de preferencia, indiferencia y rechazo, la
formación de liderazgos y su estilo, así como otros fenómenos sociales derivados de los
anteriores o relacionados con ellos.
La misma ha proporcionado indicaciones útiles no sólo de carácter teórico, sino también

para la aplicación de medidas concretas destinadas a mejorar las relaciones humanas
dentro de una organización industrial o educativa.
Dentro del área de la industria, por solo mencionar alguna, se aplican sociogramas para
promover personal, modificar los canales de comunicación, reformar los criterios de
delegación de autoridad, aumentar el grado de satisfacción e identificación con las
funciones asignadas, etc.
Para llevar a cabo sus objetivos, la Sociometría se vale del test sociométrico a fin de
obtener información mediante entrevistas a los integrantes del grupo, y del sociograma.
A su vez el sociograma recurre a la teoría de redes para modelizar matemáticamente las
relaciones manifestadas.
El gráfico siguiente representa un grupo de seis personas en el

que existen relaciones de influencia. La flecha indica la dirección
de esa influencia.
De aquí construimos la matriz de dominación directa (conexiones

directas). Previamente identificamos las personas, de izquierda a derecha, arriba: x1 , x2
y x4 ; al medio: x3 , x5 ; y finalmente abajo: x6 .
124
UNIDAD 2
x1 x2 x3 x4 x5 x6
0 1 1 0 0 0  x1
0 0 1 1 1 0  x2

0 0 0 0 0 1  x3
D= 
0 0 0 0 0 1  x4
0 0 0 0 0 1  x5
 
0 0 0 0 0 0  x6
dij vale 1 si la persona de la fila i domina o influencia a la persona de la columna j .
Por ejemplo d13 indica que x1 domina a x3 . Consideramos nulo el valor asignado a la
diagonal ¿Por qué?
36
a) Interprete cada entrada de la primera columna de D.
b) Interprete la información que condensa la cuarta fila de D.
c) ¿Qué entrada indica si x5 es dominada por x4 ?
d) ¿Qué entrada indica si x5 domina a x4 ?
Si en cada renglón sumamos sus elementos, obtenemos una medida del 1  2 
poder del individuo asociado a ese renglón, esto es, el número de 1  3 
personas que dicho individuo domina o influye en forma directa. Así   
x2 tiene influencia sobre tres personas: es el individuo de mayor poder 1 1 
D  =  
dentro del grupo. Esta suma puede realizarse de otra forma y como ya 1 1 
sabemos, construimos U = [1 1 1 1 1 1] entonces, DU da la 1 1 
T
  
medida del poder de cada individuo. 1  0 
37
¿En este contexto, qué interpretación le daría a la suma de los elementos de una
columna o equivalentemente a cada elemento de la matriz U T D ?
A veces, no basta con identificar la dominación directa, sino que interesa la dominación
en dos, tres o más etapas -dominación indirecta- como ocurre cuando xi domina a x j a
través de xk .
En la dominación por etapas existen intermediarios. La matriz de dominación en dos

etapas está dada por la segunda potencia de la matriz de dominación.
0 0 1 1 1 1
 0 0 0 0 0 3
 
0 0 0 0 0 0
D =
2

0 0 0 0 0 0
0 0 0 0 0 0
 
0 0 0 0 0 0
125
UNIDAD 2
Aquí, nuevamente, la suma por renglones o también: D 2U = [ 4 3 0 0 0 0] , da

T
el número total de dominaciones ejercidas en forma indirecta –a través de una otra- por
un individuo. Nuestro ejemplo muestra que los únicos que ejercen dominaciones en dos
etapas son: x1 y x2 .
¿En cuántas formas, directas y/o indirectas, xi domina o influye a x j ?. La respuesta nos
la da la matriz suma D + D 2 operando con U el vector columna de unos y de tamaño
compatible, pues: D da información de influencias directas mientras que D2 da
información referida a influencias indirectas con un intermediario.
x1 x2 x3 x4 x5 x6
0 1 1 0 0 0 0 0 1 1 1 1  0 1 2 1 1 1 x1
0 0 1 1 1 0  0 0 0 0 0 3 0 0 1 1 1 3 x2

0 0 0 0 0 1  0 0 0 0 0 0 0 0 0 0 0 1 x3
D + D2 =  + = 
0 0 0 0 0 1  0 0 0 0 0 0 0 0 0 0 0 1 x4
0 0 0 0 0 1  0 0 0 0 0 0  0 0 0 0 0 1 x5
     
0 0 0 0 0 0  0 0 0 0 0 0  0 0 0 0 0 0 x6
1 0 1 2 1 1 1 1  6 
1 0 0 1 1 1 3  1  6 
    
1 0 0 0 0 0 1 1 1 
( D + D 2 ) 1 = 0 0 0 0 0 1
  = 
  1 1 
1 0 0 0 0 0 1 1 1 
     
1 0 0 0 0 0 0 1  0 
En la matriz D + D 2 leemos que, por ejemplo, x1 domina a cinco personas del grupo y
x3 domina a una; la matriz ( D + D 2 ) U muestra que x1 domina en seis formas distintas
o también por seis vías o caminos mientras que x3 lo hace en una sola forma, vía o
camino.
38
a) ¿A cuántos integrantes del grupo dominan respectivamente x2 , x4 , x5 , x6 ? ¿de
cuántas maneras? Describa cada una.
b) ¿Cuál es la persona más dominada por el resto? ¿Alguna persona no recibe
influencia del resto?
c) La información dada por ( D + D 2 ) U y por U T ( D + D 2 ) ¿coinciden
cualitativamente? Reflexione, haga cálculos y responda.
Tema de reflexión y exposición en el Aula virtual

Vuelva a leer los objetivos de la unidad.
126
UNIDAD 2
A su juicio: ¿la orientación del aprendizaje que estamos desarrollando favorece el logro
de los mismos? Reflexione al respecto y luego explicite cuáles metas no ha logrado y
por qué.
La idea es individualizar los temas en los que usted necesita mayor apoyo y brindárselo
en nuestro rol de tutores.
Bien, sigamos con el ejemplo. También es posible determinar el caudillo del grupo: el
hombre que ejerce mayor dominación sobre el resto a través de relaciones directas o
indirectas. Para ello debemos seguir calculando potencias.
0 0 0 0 0 3
0 0 0 0 0 0 

0 0 0 0 0 0
D3 =   , D = 0.
4
0 0 0 0 0 0
0 0 0 0 0 0
 
0 0 0 0 0 0
39
a) D3 nos da información referida a influencias indirectas de ¿cuántas etapas?
b) Interprete la matriz D 3U .
c) Interprete D 4 .
¿Cuál de los recursos desarrollados le entrega información más completa y fácil de leer?
¿Cuáles son las ventajas y las desventajas del gráfico? ¿y cuáles de la poteencia?
La cuarta potencia de D es nula, lo cual nos dice que no hay más de dos intermediarios
en las relaciones. Como D 5 = D 4 D las potencias de D superiores a 4 son nulas, la suma
será:
0 1 2 1 1 4  0 1 2 1 1 4  1 9 
0 0 1 1 1 3  0 0 1 1 1 3  1  6 
      
 0 0 0 0 0 1   0 0 0 0 0 1  1 1 
T = D + D 2 + D3 =   y TU =    =  
 0 0 0 0 0 1   0 0 0 0 0 1  1 1 
0 0 0 0 0 1  0 0 0 0 0 1  1 1 
      
0 0 0 0 0 0  0 0 0 0 0 0  1  0
T registra la totalidad de influencias posibles - directas e indirectas -. La persona x1

ejerce mayor influencia sobre el resto dominando a cinco integrantes del grupo a través
de nueve formas distintas: x1 es el caudillo del grupo; x2 , a pesar de ser la persona de
mayor poder y mayor influencia directa, sólo domina a cuatro integrantes a través de
seis formas distintas. Mientras que x6 es, obviamente, la persona de perfil más bajo
dentro del grupo.
127
UNIDAD 2
40
¿Cuál es el desempeño de los integrantes restantes?
¿Qué información registra cada entrada de U T T ?
¿Qué le parece si planteamos un ejemplo en un contexto diferente y con modelización

matemática similar? A continuación le planteamos dos: el ejemplo 19 y el ejemplo 20.
Ejemplo 19
•x _____ •x _____ •x _____ •x

1 2 3 4
La gráfica dada describe la siguiente situación:

9 x1 x2 , x3 y x4 representan cuatro puntos o también cuatro posiciones diferentes entre
las cuales puede moverse una partícula de forma “aleatoria”.
9 El movimiento aleatorio de la partícula está dado por las siguientes situaciones:
• desde uno de los extremos sólo puede moverse hacia el “interior”. En particular,
si está en x1 sólo puede moverse a x2 y, si se encuentra en x4 , sólo puede
moverse a x3 .
• Desde un punto medio puede moverse tanto a derecha como a izquierda. En
particular desde x2 puede moverse tanto a x1 como a x3 con la misma
probabilidad.
• La partícula debe moverse del punto en que se encuentra.
Este último punto referido al movimiento aleatorio torna nula la probabilidad de que
una partícula se establezca en una posición.
Analicemos en detalle las probabilidades de movimiento directo desde la posición x2

hacia las restantes:
9 50% es la probabilidad de que la partícula se mueva hacia x1 .
De manera similar calculamos las probabilidades para las posiciones restantes y las
volcamos en la siguiente tabla de doble entrada. Si leemos de fila a columna tenemos
que se indica la probabilidad de saltar desde la posición dada por la fila hacia la
posición dada por la columna.
x1 x2 x3 x4
x1 0% 100% 0% 0%
x2 50% 0% 50% 0% Llega a
x3 0% 50% 0% 50%
Sale de
x4 0% 0% 100% 0%
128
UNIDAD 2
Así planteada, la situación del movimiento de la partícula encaja perfectamente en el

modelo matemático desarrollado en los ejemplos anteriores. Luego, la tabla de doble
entrada da lugar a dos arreglos rectangulares de números. Son éstos:
 1 
 0 0 0
0 1 0 0 2
1   
1  1
 0 0 1 0 0
2 2  y  2 
 1 1   1 
0 0  0 0 1
 2 2  2 
 0 0 1 0   1 
0 0 0
 2 
Como puede observarse un arreglo es traspuesto del otro y ambos contienen

cualitativamente la misma información. Esa información es:
9 En la primera matriz la entrada ij indica la probabilidad de moverse desde i hacia j.
9 En la segunda matriz la entrada ij indica la probabilidad de moverse hacia i desde j.
En definitiva, contienen la siguiente información: la probabilidad de moverse de un

punto a otro en un movimiento, una etapa, o en un trayecto o en forma directa.
Llamemos A a tal matriz.
Las sucesivas potencias de A dan las probabilidades de moverse de un punto a otro a

través de dos o más movimientos.
Elegimos arbitrariamente llamar A a la matriz de la izquierda, luego:

1 1   3 1
0 0  0 0
0 1 0 0  2 2 4 4
1     
 0
1
0 0 3 0 1 3 0 5
0
 A2 =  4  A3 =  8 
A =  2 2 4 8
    3 
0
1
0
1
 1 0 3 0 0 5 0
 2 2 4 4   8 8
 0 0 1 0   1 1   1 3 
0 0   0 0
 2 2 4 4 
De estas matrices obtenemos información como la siguiente:

9 La probabilidad de que la partícula se mueva de x2 a x4 en tres movimientos
aleatorios es de 0: entrada 2,4 de A3 .
9 La probabilidad de que la partícula se mueva de x1 a x4 en tres movimientos
1
aleatorios es de = 25% : entrada 1,4 de A3 .
4
9 La potencia 4 de A nos da información probabilística acerca de la partícula. Es
probable entonces que la misma se mueva de un punto a otro en cuatro movimientos
aleatorios.
129
UNIDAD 2
Notemos que: para cada potencia de A la suma de cada fila es 1, significa el 100% de
probabilidad de moverse del punto dado por la fila a los puntos restantes. Esto es,
100% 
siendo U el vector de unos de tamaño compatible AnU =   cualquiera sea el valor

100% 
natural n.
A la matriz A se la conoce como “matriz de probabilidades”, también “estocástica”: la

entrada ij representa la probabilidad de que una partícula que se encuentra en la posición
i se mueva hacia la posición j en un movimiento aleatorio.
Ejemplo 20
El gráfico describe las conexiones directas de servidores que
constituyen una intranet en el IUA. El flujo de tráfico para paquetes
de información entre un servidor y otro depende de varios
parámetros como tiempo dedicado a comunicaciones, capacidad del
equipo, velocidad de la placa de red, entre otras; el flujo está especificado en la
siguiente tabla de doble entrada:
x1 x2 x3 x4
x1 0% 30% 30% 40%
x2 70% 0% 0% 30%
x3 30% 20% 0% 50%
x4 0% 0% 0% 100%
Llega a
Si leemos de fila a columna vemos que se indica la
probabilidad de enviar paquetes desde la posición dada por la Sale de
fila hacia la posición dada por la columna.
41
A partir de esta información resuelva las siguientes consignas:
a) Construya la matriz de probabilidades de transferencia de paquetes en un
movimiento.
b) ¿Cuál es la probabilidad de que un paquete pase de x2 a x4 en tres movimientos
aleatorios?
c) ¿Qué información da la potencia cuatro de la matriz de probabilidades?
El ejemplo que sigue no está relacionado con la teoría de grafos ni con matrices de
adyacencia, dominación o probabilidad.
Ejemplo 21
Un torneo de tenis se puede organizar como sigue. Cada uno de los n participantes juega
contra cada uno de los otros y los resultados se registran en una matriz R n × n así:
130
UNIDAD 2
1 si el jugador i gana al jugador j


rij = 0 si el jugador i pierde ante el j
0 si i =j

n
1 n
Al i-ésimo jugador se le asigna la puntuación pi = ∑ rij + ∑ tij donde T = R 2 .
j =1 2 j =1
0 1 0 0
0 0 1 1 
En un torneo con los siguientes resultados R = 
1 0 0 0
 
1 0 1 0
42
a) Determine el número de participantes.
b) Construya el vector puntuación P ¿Qué jugador obtuvo la mayor puntuación?
c) ¿Qué información entrega cada entrada de R [1 1 1 1] ? Explicite dicho
T
producto.
Ejemplo 22
La población de Sauce Viejo (Provincia de Sana Fé) se divide en población urbana y
población rural; la primera asciende a 1500 habitantes y la segunda a 2100. Además:
9 la probabilidad de que una persona permanezca en la zona urbana es del 93% y 7%
es la probabilidad de que alguien de la zona urbana se mude a la zona rural.
9 40% es la probabilidad de que una persona de zona rural se mude a la zona urbana y
60% la probabilidad de que permanezca en el campo.
Nos interesa determinar la población urbana y la población rural:

9 para el próximo año o período;
9 para dentro de tres años o períodos.
Reflexionando sobre la situación resulta que el producto entre el total de una población
y la probabilidad nos da el número de personas que permanecen o que emigran. Por
ejemplo:
9 el 93% de 1500 es 1395. Entonces, probablemente, 1395 personas permanezcan en
la zona urbana el próximo período.
9 El 7% de 1500 es 105: entonces, probablemente, 105 personas de zonas urbanas se
traslade a la zona rural en el próximo período.
El número de pobladores para el próximo período viene dado por:
los que se quedan + los que se mudan = total población. zona urbana
los que se quedan + los que se mudan = total población. zona rural
131
UNIDAD 2
Esto es:
9 la población urbana para el próximo período será la suma entre los que se quedan y
los que se trasladan desde la zona rural. Esto es:
(93% de 1500) + (40% de 2100)
9 Un razonamiento similar se realiza con la población rural. La población rural para el

próximo período será el resultado de la suma entre los que se trasladan desde la zona
urbana y los que quedan:
(7% de 1500) + (60% de 2100)
Esta información se puede organizar como un sistema de ecuaciones numéricas ya que

deben resolverse simultáneamente:
 0.93 × 1500 + 0.40 × 2100

0.07 ×1500 + 0.60 × 2100
 0.93 0.40  1500   2235

y equivale al producto matricial   = .
 0.07 0.60   2100  1365 
Concluimos que, a partir de la información de que disponemos, en el próximo período,

habrá 2235 personas viviendo en la zona urbana y 1365 en la zona rural. Notemos que
2235 + 1365 = 3600 = 1500 + 2100 . Se da esta igualdad numérica ya que los habitantes
se reubican.
Bien, bien esta situación de la vida real pudo modelizarse matemáticamente y de una
manera natural y simple ¿no le parece? Tratemos ahora de explicitar cada paso de esta
modelización matemática ¿lo hacemos juntos?
43
Intente plantear por escrito los distintos pasos, luego confronte con los que a
continuación le mostramos. Si hay diferencias analice si las mismas son evitables o si se
trata de cuestiones de fondo. En el último caso es conveniente consultar al tutor y
analizar juntos la situación.
Paso uno: ordenamos los datos en arreglos rectangulares adecuados. Por ejemplo:
9 el vector X 2 x1 resume la información de habitantes totales por zona para el período;
9 la matriz P2×2 los porcentajes, así, pij muestra el porcentaje que recibe i proveniente
de j.
1500  ← ciudad
X = 
 2100  ← campo
 0.93 0.40  ← ciudad
P= 
0.07 0.60  ← campo
ciudad campo
también podemos decir que P nos da la información probabilística respecto de que una
persona permanezca o se mude del sitio donde vive. Note que la suma de los elementos
de cada columna de P da el 100%.
132
UNIDAD 2
Paso dos: El producto matricial PX informa de totales por zona, para el período
próximo.
Nos detengamos un momento aquí porque se presentan interrogantes sobre los

cuales conviene reflexionar antes de continuar.
9 Si llamamos X 1 al producto PX ¿qué información nos entrega el nuevo

producto PX 1 ? Notemos que PX 1 = P ( PX ) = ( PP ) X = P 2 X , esto es, el
producto PX 1 coincide con el producto P 2 X debido a la aplicación de las
propiedades del álgebra matricial10 ¿Se da cuenta por qué es necesario manejar con
fluidez dicha álgebra?
9 Siguiendo en este proceso ¿qué información nos entrega P 3 X ? Y usando una
potencia arbitraria de P ¿qué información nos entrega P n X ?
9 Si bien matemáticamente es posible el producto matricial X T P ¿tiene sentido en el
contexto del problema?
9 En el paso uno, un alumno construyó la matriz de probabilidades justamente en
forma transpuesta a la nuestra, esto es, su “P” es:
 0.93 0.07  ciudad
 0.40 0.60  campo
 
ciudad campo
¿Cómo se interpreta una entrada ij de esta matriz? esto es ¿qué información nos
entrega? Además ¿cómo operaría el alumno con esta matriz para dar respuesta a los
interrogantes del problema? A pensar...
44
Reflexione sobre los anteriores interrogantes, y lápiz y papel en mano, plantee su
respuesta.
Si confrontó su planteo con nuestra respuesta a la actividad nº 44 estará de acuerdo en

que:
Paso tres. El producto matricial P n X informa los totales por zona para el n-ésimo
período.
Finalmente, para este ejemplo específico, resumimos:

9 Interpretación de las potencias de P.
La potencia n-ésima de P nos da la probabilidad de que una persona pase al lugar i
proveniente de j al cabo de n períodos (n años). En particular P, P2 y P3 dan,
respectivamente, la probabilidad de que una persona pase al i proveniente de j en un
año, en dos años y en tres años respectivamente. Debe entenderse como la
probabilidad de mudarse o bien de permanecer en el lugar, según el caso.
9 Interpretación del producto PX .
10
1º igualdad entre matrices, 2º propiedad asociativa del producto y 3º definición de potencia.
133
UNIDAD 2
Si X da información sobre el número de pobladores en cada zona y P su

probabilidad de movimiento, PX nos da la distribución de población al cabo de un
período y P n X nos da la distribución de población al cabo de n períodos.
9 Cualquiera sea el natural n, [1 1] ( P n X ) coincide con la matriz [1 1] X : ambos

dan la suma entre población urbana y rural, el total poblacional.
Este ejemplo se puede generalizar a muchas situaciones que en términos cualitativos

plantean la misma situación desde el punto de vista de la modelización matemática. Esta
modelización fue trabajada por el matemático ruso Markov; los procesos de Markov
constituyen un modelo probabilístico para la predicción del comportamiento futuro de
un sistema.
Con este modelo es posible predecir aproximadamente cuál será el comportamiento de

un sistema en estudio en un período futuro, teniendo como base el conocimiento de su
comportamiento en un período pasado. Los problemas a los que es aplicable este
modelo se basan en árboles de probabilidades, útiles para analizar tendencias. Las
matrices permiten resumir los árboles de probabilidades y simplificar los cálculos ya
que los organizan y sistematizan facilitando de esa forma el trabajo.
Esta información es muy importante para el analista y para el diseñador de sistemas, ya

que ambos tratan de desarrollar un sistema que se oriente hacia el logro de objetivos
específicos y que sea eficiente en el uso de los recursos disponibles.
Por lo general, el comportamiento de los sistemas sociales, económicos y

administrativos no es predecible con exactitud porque no ocurre siguiendo patrones
determinísticos de conducta. Por ello, es más apropiado analizarlos mediante un
enfoque de naturaleza probabilística.
Y ya que nuestro lugar común es el IUA ¿qué le parece un ejemplo ficticio, pero
posible, con desarrollo en nuestro ambiente educativo?
Ejemplo 23
La parte que nos interesa de la comunidad estudiantil del IUA, primer año, se compone
de 100 alumnos en la Facultad de Ingeniería (FI) y de 180 alumnos en la Facultad a
Distancia (FED), de los cuales 120 corresponden a tutorías individuales (TI) y 60 a
tutorías grupales (TG). La probabilidad de que al cabo de un período un alumno cambie
la opción elegida se condensa en la tabla siguiente.
FI TI TG
FI 70% 10% 20%
TI 5% 60% 35%
TG 10% 30% 60%
Las entradas de esta tabla se leen de fila a columna y nos dan la posibilidad de que la
opción dada por una fila se traslade o cambie a la opción dada por una columna. Por
ejemplo: es probable que, al iniciar el período siguiente, un 30% de los alumnos de TG
cambien a la opción TI para cursar sus materias.
134
UNIDAD 2
A las autoridades del IUA les interesa conocer el comportamiento posible de los
alumnos al inicio del segundo y del tercer año, ya que, en función de esos resultados,
analizarán medidas para garantizar la retención.
45
Ahora le solicito que modelice matemáticamente la situación planteada y que obtenga
resultados.
A continuación presentamos el aporte de un alumno de la materia respecto de este tema.
Ejemplo 24
Los equipos de fútbol se dividen en 1ª, 2ª y 3ª división. Cada división, a su vez, con 32,
22 y 30 equipos respectivamente.
La probabilidad de que un equipo permanezca en la división, o pase a otra, viene dada

por la siguiente tabla que se lee de fila hacia columna en el sentido indicado.
1ª 2ª 3ª
1ª 90% 10% 0%
2ª 30% 60% 10%
3ª 10% 40% 50%
Así, la probabilidad de que un equipo de 2º división pase a 1º es del 30%.
46
a) Determine la distribución de equipos por categoría para el próximo período de
juegos.
b) Construya la probabilística de permanencia o cambio de división de los equipos
dentro de tres años.
Estas preguntas se pueden responder si la situación se ha modelado matemáticamente en

forma adecuada, por ello, es necesario que usted comprenda la importancia de leer e
interpretar correctamente el contenido de una matriz.
Para presentar en el Aula virtual

Construya un ejemplo similar a los conocidos como Procesos de Markov, que sea de su
inventiva y relacionado o no con su actividad profesional. Colóquelo en el Aula virtual
y compártalo con sus pares.
Es muy interesante el modo en que se trata este tema en el libro Matemáticas finitas.
Aplicaciones prácticas de Johnson y Mowry11. Preste atención a los ejemplos.
11
Cita completa en Bibliografía.
135
UNIDAD 2
El que sigue es un ejemplo trabajado por un alumno durante el cursado de la materia.

Usa matrices y su operatoria para condensar datos y para obtener nueva información de
manera ordenada. ¿Lo vemos?
Ejemplo 25
Una empresa que comercializa productos informáticos posee tres sucursales dedicadas a
la venta directa al público. El inventario de final de año muestra las existencias de cada
sucursal:
PCs PC portátiles CDs Impresoras

Sucursal 1 10 5 150 8
Sucursal 2 15 4 200 7
Sucursal 3 9 10 400 5
Se solicita a cada una de las sucursales que realice el pedido de productos teniendo en
cuenta que estarán un período de tres meses sin abastecimiento. Dichos pedidos son:

Sucursal 1 3 2 50 2
Sucursal 2 4 3 30 2
Sucursal 3 5 0 0 1
Después de tres meses se informa a la empresa sobre las nuevas existencias:

Sucursal 1 7 1 180 6
Sabiendo que el precio en $ de cada uno de los productos es:

1800 2500 11 500
47
a) Obtenga la matriz de ingreso de la empresa.
b) Si el beneficio para la empresa es del 25% de los ingresos, determine los beneficios
por sucursal y el beneficio total de la empresa.
c) ¿Puede llegar a los mismos resultados usando las respectivas matrices transpuestas a
las definidas? ¿Por qué? ¿Son simétricas sus matrices? Fundamente su respuesta
Ejemplo 26
En el siguiente cuadro de doble entrada se muestran los requerimientos técnicos de
insumos, por unidad de producto, para la producción de los artículos I, II y III en una
fábrica. Además, el plan de producción proyectado es: 50 unidades del artículo I, 30
del II y 20 unidades del artículo III.
136
UNIDAD 2
Artículo I Artículo II Artículo III

mano de obra (en hs-hombre p/unidad de producto)15 2 13
tiempo de máquina (en hs-máquina p/unidad de 1 17 6
producto)
tiempo control de calidad (en hs-hombre p/unidad 4 4 4
de producto)
48
Calcule las horas-hombre y las horas-máquina que se deben disponer para satisfacer
el plan de producción proyectado.
Ejemplo 27
Según el diccionario, criptografía es el “arte de escribir o descifrar mensajes escritos en
código”. Una manera sencilla de codificar un mensaje es asignando una letra o símbolo
a cada número como lo mostramos en el siguiente cuadro.
A B C D E F G H I J K L M N
1 0 2 3 4 5 6 7 8 9 10 11 12 13
Ñ O P Q R S T U V W X Y Z blanco
14 15 16 17 18 19 20 21 22 23 24 25 26 27
Por ejemplo, el mensaje:

“Adriana Olmos tutora del IUA”, de acuerdo con el código arriba fijado se convierte en
esta sucesión
1 3 18 8 1 13 1 27 15 11 12 15 19 27 20 21 20 15 18 1 27 3 4 11 27 8 2 11
¿Cómo podría complejizarse el código a fin de que la decodificación del mensaje se

complique?. Veamos una opción muy usada: se vuelca el código en una matriz de dos
filas: la primera fila contiene las posiciones impares y la segunda fila las posiciones
pares así,
1 18 1 1 15 12 19 20 20 18 27 4 27 2 
C=  y luego se
3 8 13 27 11 15 27 21 15 1 3 11 8 11
multiplica esta matriz por otra, llamada matriz de codificación, que es la encargada de
complejizar la sucesión numérica.
3 2 
Sea D tal matriz, D =   . El producto DC produce el nuevo código que se
1 −2 
trasmite, N = DC .
Pero ¿cómo descifran el mensaje quienes lo reciben? Muy simple: usan la inversa de D
llamada matriz de decodificación pues, D −1 N = C ,
49
¡Buenas nuevas! Acaba de recibir el siguiente mensaje encriptado que contiene una
frase cierta ¿se anima a descifrarlo? Use la matriz de decodificación conocida.
137
UNIDAD 2
56 16 48 –16 98 –14 20 –4 84 –12 107 1 60 -52
Además reflexione: ¿la matriz de codificación debe ser cuadrada?

Aplicaciones sumamente interesantes y muy difundidas son los gráficos por

computadora. Sin duda es la industria del entretenimiento la que hace el uso más
espectacular de este recurso, pasando por los efectos especiales de los films hasta los
juegos de computadora. También utilizan estos gráficos los programas educativos,
sistemas de empresas, y muchos procesos de ingeniería y otras actividades que exhiben
o muestran imágenes animadas en una pantalla.
Ejemplo 28
coordenada y
Entre los símbolos gráficos más sencillos en
dos dimensiones, están las letras. Una letra 6 78
dibujada en el plano requiere de varios
puntos coordenados para definirse totalmente.
Por ejemplo, la letra N de la figura necesita de 6
5
ocho puntos coordenados. Volcamos en una
matriz esos puntos (vértices), así:
12 3
coordenada x
puntos 1 2 3 4 5 6 7 8
coordenada x  0 0.5 6 5.5 0.5 0 5.5 6 
=D
coordenada y  0 0 0 1.58 6.42 8 8 8 
Para transformar esa N en otra N más inclinada, se coordenada y

modifican los primeros valores de las coordenadas
(las x) y los segundos valores, que corresponden a
78
la altura, los y, se dejan como están. Pero ¿cómo se 6
hace esto usando matrices? Pues, se premultiplica
D por una matriz cuadrada que contenga esa 6
información de “transformación”. 5
Supongamos que deseamos cambiar las 1 2 3

coordenada x
coordenadas x por su valor anterior más ¼ del
valor de la correspondiente coordenada y. Luego la matriz de transformación es
 1
 1
T= 4  . Finalmente TD da las nuevas coordenadas para los vértices de la letra N :
 
0 1 
 0 0.5 6 5.895 2.105 2 7.5 8
TD =  
 0 0 0 1.580 6.420 8 8 8
138
UNIDAD 2
Si deseamos hacer más “angosta” nuestra N, podemos premultiplicar la matriz de

coordenadas por una nueva matriz de transformación. Así:
3 
 4 0  achicará en un factor ¾ la coordenada x y no modificará la coordenada y.
 
 0 1
3 
 4 0  TD da las coordenadas finales para los vértices.
 
 0 1
¿Interesante no? Seguiremos con el ejemplo en la unidad 4.
Para concluir la sección es conveniente que reflexionemos acerca de las circunstancias

en las cuales es posible modelizar matemáticamente usando matrices y su operatoria. Si
recordamos los ejemplos y buscamos un patrón, notaremos que, cada vez que podemos
registrar la información en una tabla de doble entrada, porque concierne a dos conjuntos
de eventos, esa información numérica se vuelve apta para condensarse en un arreglo
rectangular de números.
Cualquier arreglo se puede multiplicar por un escalar. Arreglos con un número de

eventos coincidente a nivel de filas y de columnas se pueden sumar y restar. Y arreglos
rectangulares de números en los cuales la cantidad de eventos a nivel de columnas en
una, coincide a nivel de filas con la otra supone un posible producto entre ambas. La
multiplicación por vectores de unos de tamaños compatibles, permiten obtener la suma
total de cada fila o de cada columna.
Así, si para algunas matrices, a nivel de filas, tenemos los eventos “mes del año” y a
nivel de columnas, los eventos “tipo de solicitud” - que lo registramos mediante la
notación - mes × tipo de solicitud será posible sumarlos, restarlos y multiplicarlos por
un escalar, eso siempre que los tamaños sean compatibles.
Una matriz con esa información puede multiplicarse por un vector de unos a derecha, de
tamaño compatible, y se obtiene el vector de “totales de solicitudes, discriminado por
mes”. En cambio, si se multiplica por un vector de unos a la izquierda, de tamaño
compatible, se obtiene el vector de “totales de solicitudes al año, discriminado por tipo”.
Si contamos con otra matriz: tipo de solicitud × precio unitario de c/ tipo de solicitud ,
es posible hacer el producto entre la primera y la última y obtenemos
( mes × tipo de solicitud ) ( tipo de solicitud × precio unitario de c/tipo de solicitud )
( mes × precio unitario de c/tipo de solicitud ) .
Concluimos:
9 A nivel de la matemática las operaciones entre matrices son posibles si sus tamaños
son compatibles.
9 En el contexto del problema la operatoria es posible si, además de ser posible

matemáticamente, la información que registran y que se vincula es compatible y por
lo tanto, tiene sentido.
139
UNIDAD 2
9 Una matriz permite realizar muchos cálculos aritméticos en forma ordenada, con
una disposición visual clara y concisa. En definitiva, es aritmética real.
Bien, antes de abandonar este tema realizará la siguiente actividad para fortalecer su
aprendizaje:
50
Vuelva sobre los temas estudiados en esta sección.
9 Realice una segunda lectura más profunda buscando estándares o patrones de
comportamiento en los distintos ejemplos.
9 Para cada ejemplo desarrollado plantee la modelización matemática a nivel
cualitativo. Deje de lado los valores numéricos y analice la información a nivel de
filas y columnas así como la intersección entre ambas.
9 Realice la visión retrospectiva de la unidad y compárela con la que más adelante le
proponemos.
140
UNIDAD 2
En este apartado consignamos lo que usted debería haber aprehendido según los
objetivos planteados. IIentificamos además, los conceptos clave.
Se definió el concepto de matriz como un arreglo rectangular de números ordenados en

filas y columnas. Como –en definitiva– se trata de números reales, esos objetos se
pueden sumar, restar, multiplicar por un escalar y multiplicar entre ellos, esto es,
admiten una aritmética matricial. Algunas operaciones definidas en el conjunto de los
números reales no se definieron en el conjunto de las matrices: se trata de la división y
la radicación.
Como en el álgebra real, en el álgebra matricial se analizó qué propiedades cumplen

las operaciones definidas sobre el conjunto de matrices. Así, investigamos el
cumplimiento o incumplimiento de las diferentes propiedades: de cierre, asociativa,
conmutativa, del inverso, de la identidad y distributiva. Como en los números reales,
se definió la igualdad de dos matrices y se analizó, también, el cumplimiento de las
propiedades reflexiva, simétrica, transitiva, uniforme, de cancelación y de
anulación del producto. En particular, se destacó que el producto de matrices no es
conmutativo, no se cumple la propiedad cancelativa del producto ni la propiedad de
anulación del producto. Se aclaró que muchas matrices no tienen inverso multiplicativo.
La aritmética y el álgebra de matrices rotularon matrices con nombres especiales:

matriz identidad, matriz cero, matriz opuesta, matriz inversa. Otras también se
rotularon para identificarlas según las características físicas que facilitan ciertas
operaciones: matriz transpuesta, matriz simétrica, matriz triangular, matriz
diagonal, matriz cuadrada, vector.
Las matrices y su operatoria, en definitiva, la teoría de matrices, constituyen una

herramienta muy útil para condensar información y modelar situaciones de campos
científicos y no científicos.
Cada ambiente que utiliza la teoría de matrices, introduce matrices de características

especiales, propias o específicas de ese campo. Por ejemplo, la teoría de sistemas de
ecuaciones lineales (SEL) plantea ecuaciones matriciales a partir de la matriz de
coeficientes, el vector de variables y el vector de términos independientes. La matriz
inversa da origen al método matricial para determinar su solución. En los Procesos de
Markov tenemos la matriz de probabilidades o estocástica; en la Teoría de grafos, la
matriz de adyacencia; en Sociometría, la matriz de dominación; en Criptografía la
matriz de codificación y la matriz de decodificación, entre otras.
Reiteramos lo dicho en la unidad anterior: para plantear el proceso de resolución de un

problema es útil usar un “algoritmo”. Algunas sugerencias son:
a) Leer con cuidado el problema hasta su total comprensión. Muchas veces ayuda
hacer un dibujo o un diagrama de la situación.
b) Determinar las cantidades conocidas y las desconocidas. Esto puede dar lugar al
planteo de una ecuación matricial.
c) En una operatoria matricial, analizar la compatibilidad respecto de los tamaños y
también la posibilidad de que esa operatoria tenga sentido en el contexto del
problema.
141
UNIDAD 2
d) Comprobar la exactitud de los cálculos aritméticos reales involucrados.

e) Toda tabla de doble entrada da origen a dos posibles arreglos rectangulares de
números. La elección de la matriz es arbitraria y esa elección trae aparejada una
lectura y un significado dado por el contexto que se debe tener en cuenta.
A continuación una posible síntesis de nociones clave.
Matriz
9 Entrada
9 Dimensión, orden n
9 Diagonal principal
Operaciones
9 Suma 9 Relación de igualdad
9 Multiplicación por escalar Ecuaciones matriciales
9 Multiplicación, potencia
Propiedades
9 Cierre 9 Reflexiva
9 Asociativa 9 Simétrica
9 Conmutativa 9 Transitiva
9 De la identidad 9 Uniforme
9 Del inverso 9 De cancelación
9 De anulación del producto
Matrices especiales Matrices específicas

9 Identidad 9 Transpuesta 9 En SEL: matriz de coeficientes, vector
9 Cero 9 Diagonal de variables, vector de términos
9 Inversa 9 Triangular independientes, matriz aumentada.
9 opuesta 9 Simétrica 9 Procesos de Markov: matriz de
9 Cuadrada probabilidades.
9 Vector 9 Teoría de grafos: matriz de adyascencia.
9 Sociometría: matriz de dominación.
9 Otras: matriz de codificación, matriz de
decodificación, matriz de ventas, matriz
de producción, etc.
¿Desea seguir modelizando problemas matemáticamente? Ingrese al Aula virtual /

Archivos / Material complementario:
• mate1_U2_modelo_matemático.doc
• mate1_U2_Procesos_de_Markov.doc
¿Le interesa aplicar la teoría del álgebra matricial? Consulte el Aula virtual / Archivos /
Material complementario:
142
UNIDAD 2
En Aula virtual / Software encontrará un paquete gratuito para graficar en dos y tres
dimensiones como así también información sobre un paquete que contiene la
simbología matemática necesaria para escribir en este lenguaje técnico con un
procesador de texto.
En Aula virtual / Sitios encontrará links útiles que lo pondrán en contacto con páginas
de ejercicios.
En ambos casos se trata de material aportado por alumnos.
143
UNIDAD 2
1
a) Siguiendo el orden de las matrices dadas, sus tamaños son: 3 × 2 , 1× 4 , 2 × 3 ,
2 ×1 ,1× 1 .
b) 5, porque el primer número de su tamaño indica el número de filas de la matriz
dada.
c) Porque el primer número indica el número de columnas y no el número de filas
como debería ser según la definición de tamaño de una matriz.
d) Sólo es correcta la primera en la cual se usan los corchetes redondos.
2
1
a) Matriz fila [1 2 3 4] ; matriz columna   , matriz cuadrada [ 4] .
1
 2 π 0 
b)   es la tercera matriz y tiene tamaño 2 × 3 , entonces:
 1 2 − 
3
 2 4
9 no es cuadrada porque el número de filas no coincide con el correspondiente de
columnas.
9 No es vector fila porque el número de filas no es 1.
9 No es vector columna porque el número de columnas no es 1.
c) Un objeto matemático es una matriz si es un arreglo rectangular de números
encerrado entre corchetes. Esto es, si son números dispuestos ordenadamente en
filas y columnas. Cada intersección de una fila con una columna está habitada por
un número real y recibe el nombre de entrada de la matriz.
d) Lo único a tener en cuenta al construir una transpuesta es que las filas pasan a ser
columnas. La 1º pasa a tener un tamaño 2 × 3 , la 2º pasa a constituirse en un vector
columna 4 ×1 , la 3º será 3 × 2 , la 4º se transforma en un vector fila 1× 2 , la última
no se altera.
3
a) e12 = 2 , e21 = −3 , b11 = a , c13 = 3 .
b) La segunda columna de B tiene los elementos b12 = b y b22 = e .
c) eij es un elemento genérico de E y bij es un elemento genérico de B.
d) No. Vale E3×2 .
e) La 2ª columna de la transpuesta de A coincide con la 2ª fila de A y sus elementos
son: a21 a22 a23 a24 .
4
a) Debe tener: cuatro filas y cuatro columnas con
aii = 1 ∧ ( aij = 0 ∀i ≠ j ) . Se lee: a sub ii igual a 1 y a sub i 1 0 0 0
0 1 0 0 
jota igual a cero para todo i distinto de jota; se interpreta: los I =
elementos de la diagonal son 1 y los elementos fuera de la 0 0 1 0
diagonal nulos.  
0 0 0 1
b) Debe tener cuatro filas y cuatro columnas y los elementos de
la diagonal principal son nulos.
144
UNIDAD 2
c) Porque a11 ≠ 1 .
d) No. Debe ser cuadrada.
5
 1 2 3
 
a) 0 0 0 porque los elementos de debajo de la diagonal principal son nulos.
0 0 1
 
b) Tenga en cuenta al construirla que debe tener: cuatro filas, cuatro columnas, aii = 1 ,
aij = 0 ∀i < j (se interpreta: el elemento de la fila i y la columna j con i menor que j
debe ser nulo).
c) Debe tener: cuatro filas y tres columnas con aij = 0 . Características de la matriz
nula: hay matrices nulas para todos los tamaños, en particular pueden ser cuadradas;
todos sus entradas son 0.
d) Porque a13 ≠ 0 y a31 ≠ 0 . Características de la matriz diagonal: debe ser cuadrada
con elementos nulos fuera de la diagonal.
e) Para ser triangular (superior o inferior) debe ser cuadrada. Otra característica es:
ceros por arriba o por debajo de la diagonal, obligatoriamente.
f) A es 3 × 2 (tres filas y dos columnas) entonces, su transpuesta es 2 × 3 : dos filas y
tres columnas. A es p × q , luego su transpuesta es q × p .
1 2 −3
g) [1 2 3] de tamaño 1× 3 ; 0 0 1  de tamaño 3 × 3 .
 0 0 2 
h) Es la transpuesta de H T , cuya 1ª fila es 1 0 1; 2ª fila es 2 0 2 y la 3ª es –1 1 0.
i) No.
6
9 Concepto clave
Matriz
9 Otros conceptos nuevos
Entrada de una matriz
Renglón de una matriz (o fila de una matriz)
Columna de una matriz
Tamaño de una matriz
Elemento genérico de una matriz (o entrada ij de A)
Orden de una matriz. (matriz de orden n)
Diagonal principal de una matriz
9 Matrices particulares
Matriz renglón (o matriz fila o vector renglón o vector fila)
Matriz columna (o vector columna)
Matriz cuadrada
Matriz identidad
Matriz diagonal
Matriz triangular superior
Matriz triangular inferior
Matriz cero (o matriz nula)
Matriz transpuesta
145
UNIDAD 2
Es importante que agregue a esta lista el símbolo matemático que representa el

concepto y las características que lo individualizan. Por ejemplo:
Concepto Símbolo (notación) características

Diagonal principal de A a11 , a22 , , ann A debe ser cuadrada nxn
Son las entradas aij con
i= j
7
 5 10   1 0   −2 0   5 + 1 + 4 10 + 0 − 0  10 10 
a) B + D − 2C =  −1 9  +  −2 1  − 2  −3 8  =  −1 − 2 + 6 9 + 1 − 16  =  3 −6 
T  
T  
 3 −4   1 1   5 −1  3 + 1 − 10 −4 + 1 + 2   −6 −1
15 1 3
 −
3 4 .
B=4 4
b) 
4 15 27
−3
 2 4 
     
c) M − B = C ⇒   −  =
 m23   −4   −1
⇒ m23 − ( −4 ) = −1 ⇒ m23 = −1 − 4 ⇒ m23 = −5
d) No pueden sumarse porque no coinciden sus tamaños.
e) m21 = −3 − 1 = −4 está en la posición fila 1 y columna 2 de M T o bien en la posición
fila 2 y columna 1 de M.
f) No es simétrica porque M ≠ M T .
g) A es simétrica si es cuadrada y la entrada ij coincide con la entrada ji. Entonces,
debemos considerar su tamaño y sus entradas.
8
Son:
c21 = 2 × 4 + 6 × 0 + 0 × 2 = 8, c22 = 2 × 1 + 6 × ( −2 ) + 0 × 3 = −10, c24 = 2 × 0 + 6 × 1 + 0 × 2 = 6
 −2 −12 6 −4 
AB =  
 8 −10 10 6 
9
3
a) ∑b
k =1
T
3k akT2 = c32
T
= 10
146
UNIDAD 2
4 0 2  4+0−6 8 + 0 + 0   −2 8 
 1 −2 3   1 2   1 − 4 − 9 2 − 12 + 0   −12 −10 
 
b) B A = H =
T T    
2 6 =  = .
 −1 2 −1   −1 + 4 + 3 −2 + 12 − 0   6 10 
   −3 0     
0 1 2  0+2−6 0 + 6 + 0   −4 6 
Observe que: los tamaños son compatibles ( 4 × 3)( 3 × 2 ) = ( 4 × 2 ) y ( AB ) = BT AT .
T
c) h22 = −10 , 2ª fila y 2ª columna.

d) H es 4x2 pues BT es 4x3 y AT es 3x2.
10
Esa información se lee en la 2ª fila : 4330 parlantes para julio y 3243 para agosto.
11
a a 
[ a11 + a21
a12 + a22 ] = [1× a11 + 1× a21 1× a12 + 1× a22 ] = [1 1]  11 12  = [1 1] A .
 a21 a22 
Luego la operatoria es una multiplicación con factor derecho un vector fila de unos de
tamaño compatible con A.
12
10 18 21
a) [1 1] R = [1 1]   = [13 23 30] . Los tamaños son compatibles pues:
3 5 9
(1× 2 )(1× 3) = (1× 3) . La entrada ij informa la cantidad de partes para cada modelo.
En particular el modelo C lleva 30 partes entre resistencias y parlantes.
  ← parlantes 11844 10186 

b)   ← resistencias , [1 1] T = [1 1]  4330 3243  = [15170 13429]
   
julio agosto ↑ julio ↑ agosto
Usaríamos el vector fila de unos de tamaño compatible, como factor derecho en un

producto matricial. Ese producto sintetiza el total de partes necesarias para cubrir los
requerimientos de julio y de agosto respectivamente.
13
a) Previamente es necesario ordenarlo y completarlo.
 x
 3x + 2 y − 1z = 8 3 2 −1   8 
 ⇒   y  =   ⇒ AX = B , A matriz de coeficientes, X
1x − 4 y + 2 z = 0 1 −4 2   z  0 
 
matriz de variables y B de términos independientes. La matriz aumentada es la que
reúne los coeficientes de la matriz de coeficientes y de la matriz de términos
independientes:
 3 2 −1 8 
1 −4 2 0 
 
147
UNIDAD 2
b) Luego de realizar el producto entre matrices a la izquierda queda planteada la

 1x + 3 y   4 
igualdad matricial:  −1x + 1 y  =  0  Finalmente, teniendo en cuenta que: dos
 3 x + 4 y   7 
matrices son iguales si tienen el mismo tamaño y coinciden elemento a elemento, se
 1x + 3 y = 4

llega al SEL siguiente: −1x + 1 y = 0 .
 3x + 4 y = 7

c) Porque no pueden multiplicarse una matriz 3 × 2 y una 3 ×1 : sus tamaños no son
compatibles.
d) La matriz aumentada reúne la matriz de coeficientes y la de términos
independientes, esto es, su última columna contiene los términos independientes de
AX = B .
e) Nosotros sólo le mostramos los que corresponden a,
Ejemplo 7.1:
 2 2   x  34
 3 −1  y  =  1 
    
Ejemplo 7.9:
 
 1 1 1   p   22 
    
 7 8 7   l  = 163
 2 2 1   q   10 
    
5 3 4
f) El método de Gauss lleva la matriz aumentada a la forma escalonada en los

renglones. Entonces la matriz de coeficientes resulta en una matriz triangular
superior con unos y posiblemente algunos ceros finales en su diagonal.
El método de Gauss-Jordan lleva la matriz aumentada a la forma escalonada en los

renglones reducida. Entonces la matriz de coeficientes resulta en una matriz
diagonal de unos y posibles ceros al final.
14
Sí, hay restricciones. A debe ser cuadrada ya que, por definición de producto, el número
de columnas de la 1ª A debe coincidir con el número de filas de la 2ª A.
15
 9
 x=
 3 −2   3 2  9 − 2 x 6 + 2 y   0 0   9 − 2 x = 0  2
a)     =  =  ⇒ ⇒
0 0   x − y   0 0   0 0  6 + 2 y = 0  6
y = − = −3
 2
 9 + 0 −6 + 0   0 0 
b) Si existiera debe cumplirse  =  . En particular la ecuación
 3 x + 0 −2 x + 0   0 0 
numérica 9 = 0 debería ser cierta. ¡Absurdo! Luego no existe tal matriz.
148
UNIDAD 2
 x + x x2 + x4  1 0   x1 + x3 = 1  x2 + x4 = 0
c)  1 3 = ⇒ ∧
 x1 x2  0 1   x1 = 0  x2 = 1
⇒ x1 = 0, x3 = 1, x2 = 1, x4 = −1
x x2  0 1 
Conclusión:  1 = .
 x3 x4  1 −1
 −3x 4 + y   x 2 
d) Para que las matrices  y  sean iguales se deben resolver
 8 0   z + 1 w + 1

 −3 x = x −3 x − x = 0  x = 0
4 + y = 2  y = 2 − 4  y = −2
  
las ecuaciones algebraicas reales  ⇒ ⇒ . Finalmente
 8 = z + 1  8 −1 = z  z=7
 0 = w + 1  0 − 1 = w  w = −1
−3 × 0 4 + ( −2 ) 
verificamos reemplazando en la ecuación de partida:   coincide
 8 0 
 0 2 
con  .
 7 + 1 −1 + 1
 x 0 0  x2 0 0   x3 0 0
   
e) A =  0 y 0  , A2 = AA =  0 y 2 0  , A3 = A2 A =  0 y3 0,
 0 0 z   0 0 z2  0 0 z 3 
  
x n
0 0
 
generalizamos a An =  0 y n 0  .
 0 0 zn 
 
16
Una ordenación posible es listar por operación. Por ejemplo:
Suma matricial
9 es conmutativa
9 es asociativa
9 tiene inverso
9 tiene identidad
Producto matricial
9 es asociativo
9 se distribuye respecto de la suma
Producto por un escalar
....
Tema de reflexión: la matriz I n×n (cuadrada, con 1 en la diagonal y 0 fuera de la

diagonal) recibe el nombre de “identidad” porque al multiplicarse por otra matriz
compatible A, el resultado es “idéntico” a la A.
149
UNIDAD 2
La matriz 0m×n es la “identidad” respecto de la suma, porque al sumarse con otra matriz
Am×n , el resultado es “idéntico” a la A.
Como puede observarse, el nombre de las propiedades no es arbitrario, sino que está en
relación directa con la “función” que deben cumplir.
17
0 −1 1 0  1 1
Antes que nada rotulamos las matrices A =   , B=  ,C =  , a=2 y
1 3  1 0  1 1
b = 3.
1 −1 1 1  0 0  0 −1 1 1  1 0 
( A + B)C =     =  , A + BC =  + = 
 2 3  1 1  5 5  1 3  1 1  2 4 
 2 1  4 2   2 2 1 1 3 1
a(B + C) = 2  =  , aB + C =  + = 
 2 1  4 2   2 0  1 1 3 1
5 5   3 3
( a + b ) C = ( 2 + 3) C = 5C =   , a + bC no está definida porque es 2 +  .
5 5   3 3
18
a) ( A + B)C
b) ( a + b )( A + B )
c) aB + cD
d) ( − A ) + ( − B )
e) − ( AB )
19
a) d)
1º multiplicación por escalar bA 1º multiplicación entre escalares ab
2º suma 2º multiplicación por escalar a ( bA )
3º multiplicación por escalar a ( ) 3º suma
b) e)
1º suma A + B 1º suma A + C
2º multiplicación por escalar ( −1) 2º multiplicación entre escalares ab
3º multiplicación por escalar ( ab )( )
c) f)
1º multiplicación por escalar ( −1) 1º multiplicación AB
2º multiplicación CD
2º suma
3º suma
g)
1º suma B + C
150
UNIDAD 2
2º multiplicación A ( )
3º multiplicación ( )D
20
 1 2   2 × 1 2 × 2   1× 2 2 × 2   1 2 
a) Lo comprobamos: 2  = = =  2 ; usamos la
0 3  2 × 0 2 × 3 0 × 2 3 × 2   0 3
conmutatividad en el producto de números reales en cada entrada.
Demostramos: para cada entrada ij de A se cumple aaij = aij a , la propiedad
conmutativa de los números reales, luego aA = Aa .
1 2  1 1  1 1  1 2  1 1   1 2
b)   = ≠ =  .
 0 0   0 0   0 0   0 0   0 0  0 0 
c) Teniendo en cuenta que el único número real sin inverso multiplicativo es el 0,
construimos una entrada con este valor. Por ejemplo, trabajando paso a paso la
1 1  1 * 1 − 1 *  0 *  1 0
entrada 1,1 se tiene:   = = ≠ .
* *  −1 *  * *  * *  0 1 
21
Realizamos las operaciones en el siguiente orden a los fines de disminuir los cálculos de
aritmética real.
a) B + C y luego sumamos con A.
b) Calculamos A + C y luego multiplicamos por a.
c) Hacemos el producto entre ( a − 1) y A.
d) Hacemos el producto la suma entre A y su opuesto − A que es nula y B, queda B.
1
e) Asociamos los factores a y su recíproco , los multiplicamos y da 1, 1 B da B.
a
22
a) Se encuentran en la unidad 1 de la guía de Nivelación matemática12.
b) Dicha propiedad se refiere a las operaciones de suma y producto por escalar. La
misma asegura que al operar elementos del conjunto de matrices M nxm el resultado
sigue viviendo en el conjunto.
c) Que toda matriz es igual a sí misma; que si una matriz es igual a una segunda, vale
la recíproca; asegura la igualdad entre una 1ª matriz y una 3ª si ambas son iguales a
una segunda; la igualdad entre dos matrices se mantiene al sumarlas a ambas una 3ª
y también al multiplicar ambas por una 3ª no nula.
d) A + B = A + C ⇒ ( − A ) + ( A + B ) = ( − A ) + ( A + C ) ⇒ ( − A + A ) + B = ( − A + A ) + C
⇒ 0+ B = 0+C ⇒ B = C
Las igualdades planteadas resultan de aplicar propiedades conocidas.
23
0 00 3   0 0
a)   = 
 1 1   0 −3   0 0 
12
Cita completa en Bibliografía.
151
UNIDAD 2
0 0 0 3   0 0  0 0 0 4 
b)   = =  
 1 1   0 −3   0 0   1 1   0 −4 
24
Es importante que realice este ejercicio. No le damos solución para confrontar ya que se
trata de un trabajo personal.
25
Encontrar el inverso multiplicativo B equivale a resolver la ecuación matricial AB = I y
también BA = I . Al plantear cualquiera de las dos nos encontramos con:
9 un producto matricial,
9 y luego con una igualdad entre matrices. La igualdad entre matrices nos lleva a
construir dos SEL.
Si nos referimos a la ecuación matricial BA = I las variables de los dos SEL son b11 y
b12 para el primero, b21 y b22 para el segundo. Notemos que, en este punto, se difiere de
los SEL del planteo anterior: hay intercambio de variables.
2 3 1 0

 1 2 0 1
BA = I 
1 2 0 1
 b11 b12   2 1  1 0  
b =  2 3 1 0
 21 b22   3 2  0 1  
 1 2 0 1
⇒ 0 −1 1 -2

 2b11 +3 b12 = 1  1 2 0 1

1b
 11 + 2b = 0 
12
 0 1 −1 2
 2b21 + 3b22 = 1  1 0 2 -3
 
1b21 + 2b22 = 0  0 1 −1 2
El Método de Gauss-Jordan, aprendido en la unidad anterior, es la herramienta que

usamos para construir SEL equivalentes a los originales y cuyos conjuntos solución son
obvios:
 b11 = 2  b21 = -3
 y
b12 = -1 b22 = 2
Para comprender con significado, evitando una memorización estéril y temporaria, se

deben diferenciar claramente en este planteo:
9 Las operatorias a realizar.
9 Las variables de cada SEL.
A partir de eso, lo que sigue, es un desarrollo paso a paso, sin apuros, rellenando con
palabras el contexto de la simbología.
152
UNIDAD 2
26
a) Se observa en la segunda EL en el primer SEL que: la
ecuación 0 = −4 es falsa cualquiera sea el valor asignado a las 2 1 1 0
variables. Conclusión: es imposible construir un inverso 4 2 0 1
multiplicativo. 1 1
1 0
2 2
b) Se verifica que la última de la derecha es el inverso 0 0 −2 1
multiplicativo.
1 3 4 1 0 0
2 8 6 0 1 0
5 1 2 0 0 1
5 1 7
1 0 0 −
32 32 32
13 9 1
0 1 0 − −
32 32 32
19 7 1
0 0 1 − −
32 32 32
c) No tiene inverso multiplicativo porque no es cuadrada.
27
a) No, pues no existe una A tal que A0 = I
b b 
b) De I, pues II = I . Supongamos existe B =  11 12  tal que BI = I . Entonces:
b21 b22 
 b11 b12  1 0   b11 b12  1 0 
b    =  coincide con 0 1 sólo sí
 21 b22  0 1  b21 b22   
 b11 = 1 b12 = 0
 ⇒B=I.
b21 = 0 b22 = 1
 d11 0   b11 b1n 
c) Sea D =   matriz diagonal, entonces DB = I , B = 
 
.

 0 d nn  bn1 bnn 
 d11 0   b11 b1n   d11b11 0 
⇒ I = DB =  

=
 
 pero d b = 1 ∀i
 ii ii
 0 d nn  bn1 bnn   0 d nn bnn 

1
sii bii = con dii ≠ 0 .
dii
Iinterpreción: los elementos de la diagonal deben ser 1 sólo si una entrada de la

diagonal de B es el inverso multiplicativo del correspondiente de la diagonal de D.
“ ∀ ” significa para todo; “sii” significa sí y sólo sí.
153
UNIDAD 2
Conclusión: El inverso multiplicativo de una matriz diagonal D, tiene por entradas

diagonales los respectivos recíprocos o inversos multiplicativos reales. Aquí hay
claramente una restricción: en los reales los inversos multiplicativos existen sólo
para números no nulos.
d) Su inverso multiplicativo es la A.
e) Como ( AB ) AB = I , entonces ( AB ) = B −1 A−1 porque:

−1 −1
( AB ) AB = ( B −1 A−1 ) AB = B −1 ( A−1 A ) B = B −1 IB = B −1 B = I .
−1
Estas igualdades resultan de aplicar, sucesivamente, las propiedades: asociativa, del

inverso multiplicativo, de la identidad y finalmente del inverso multiplicativo.
0 0  −1 −1
f) No. Ejemplo: si A =   , B = I ⇒ A + B = B y B = B pero no existe A .
 0 0 
28
a) Sea AX = B . Se aplican, sucesivamente, las propiedades: uniforme, asociativa, del
inverso multiplicativo, de la identidad en la multiplicación.
b) Si el SEL es homogéneo, se tiene:

AX = 0
A-1 ( AX ) = A-1 0 ← propiedad uniforme
( A-1 A) X = A-1 0 ← propiedad asociativa
IX = 0 ← propiedad del inverso multiplicativo
X = 0 ← propiedad de la identidad
Si no tiene inversa no le queda otra alternativa que tener infinitas soluciones, pues un
SEL homogéneo siempre tiene solución.
29
En caso de duda consulte a su tutor usando el e-mail o bien, en el foro del Aula virtual.
30
9 La inversa de la potencia n de A es la potencia n de la inversa de A.
La potencia p de A por la potencia q de A equivale a la potencia p + q de A.
9 Tome por ejemplo las matrices del ejemplo 15 y pruebe con distintas potencias: la
dos, la tres, etc. Tan sólo hágalo para convencerse.
A p Aq = ( A A)( A A) = A AA A = A p+q
( p veces )( q veces ) ( p+q veces )
154
UNIDAD 2
31
a)
P 2 1 2 NY
2
1
0
b)
BA 0 1 3 NY
2
1
0
32
A4 donde aij condensa el número de caminos que parten de i llegan a j a través de tres
puntos intermedios.
A5 donde aij condensa el número de caminos que parten de i llegan a j a través de
cuatro puntos intermedios.
33
0 0 0 1 0 ← u 1 1 1 0 0 ← u
1 0 0 0 0  ← v 0 0 0 1 0  ← v
 
A = 0 1 0 1 1 ← w A2 =  2 1 2 1 1 ← w
   
1 1 1 0 0 ← x 1 1 0 2 1 ← x
0 0 1 0 0  ← z  0 1 0 1 1  ← z
A matriz de conexiones directas entre dos puntos. La entrada ij expresa el número de

trayectos directos que salen de i y llegan a j.
A2 matriz de conexiones indirectas con un punto intermedio.
Luego:
a) De u a v hay 0 directos.
b) Un camino pasando por un punto intermedio.
34
a) Corresponde a la entrada s13 y es un camino.

b) Todos aquellos que tienen 0 como entrada en la matriz S.
c) Así expresada se entiende que un camino debe constar de tres trayectos y dos puntos
intermedios. Entonces, nos referimos a las entradas de A3 .
155
UNIDAD 2
35
(1 1) S = ( 6 6 5 6 3) indican cuántos caminos de uno y/o dos tramos llegan
a cada uno de los puntos. Por ejemplo: llegan sólo cinco caminos a w provenientes de
cualquier punto. Esos cinco caminos pueden ser directos o pasar por un punto
intermedio.
36
a) Nadie ejerce dominación sobre x1 .
b) x4 ejerce dominación sólo sobre x6 .
c) d 45 indica si x5 es dominada por x4 o también si x4 domina a x5 .
d) d54 indica si x4 es dominada por x5 o también si x5 domina a x4 .
37
[1 1 1 1 1 1] D = [ 0 1 2 1 1 3] da la medida de sumisión de cada persona .
x6 es la persona sobre la cual se ejerce mayor dominación directa y x1 no es dominada.
38
Seguimos con las dominaciones directas y/o indirectas –una o dos etapas -.
a) Leyendo las entradas de D + D 2 : x2 domina a cuatro personas, x4 a una al igual
que x5 y x6 no domina a nadie. Las formas están dadas por cada entrada de
( D + D )U : x
2
2 en seis formas o caminos distintos, x4 en una al igual que x5 , y x6
no domina a nadie.
b) Esa información se lee a nivel de columnas: sumo los elementos de cada columna.
U ( D + D 2 ) = [0 1 3 2 2 7] .
x5 recibe en forma directa o indirecta –a través de otra– siete dominaciones
distintas: es la persona más influenciable. Mientras que x1 no es influenciada.
c) No coinciden, ya que ( D + D 2 ) U da una medida de dominación directa e indirecta
con un intermediario, mientras que, U ( D + D 2 ) da una medida de la sumisión
directa o indirecta con un intermediario. Los cálculos en detalle se hicieron antes.
39
a) D en forma directa y/o en una etapa.
D 2 en forma indirecta, en dos etapas con un intermediario.
D 3 en forma indirecta, en tres etapas con dos intermediarios.
b) D 3U = [3 0 0 0 0 0] dice que x1 es la única persona que ejerce influencia
T
indirecta pasando por dos intermediarios, lo hace sobre x6 y por tres vías o caminos
diferentes.
c) D 4 = 0 . Como cada entrada de la matriz es nula, expresa que en ese grupo de
personas no se dan influencias que usen tres personas como intermediarios.
40
x2 mediante seis caminos diferentes domina a cuatro integrantes.
156
UNIDAD 2
x3 , x4 y x5 mediante un camino dominan a un solo integrante: el x6 .

x6 no domina a nadie.
U T T = [ 0 1 3 2 2 10] da una medida de la dominación que recibe cada persona,
da una medida de la influencia recibida por cada integrante del grupo. Así x1 no se deja
influenciar y x6 es la más influenciada.
41
 0 0.3 0.3 0.4 
0.7 0 0 0.3
a) A =  probabilidades de transferencia directa.
 0.3 0.2 0 0.5
 
 0 0 0 1 
 0.3 0.06 0 0.64 

 0 0.21 0.21 0.58
b) A2 =  probabilidades de transferencia en dos
0.14 0.09 0.09 0.68
 
 0 0 0 1 
movimientos aleatorios.
 0.042 0.09 0.09 0.778
 0.21 0.042 0 0.748
A =
3  probabilidades de transferencia en tres
 0.09 0.06 0.042 0.808
 
 0 0 0 1 
movimientos aleatorios. La entrada 2,4 indica la probabilidad solicitada.
c) A4 : da la probabilidad de transferencia en cuatro movimientos aleatorios.
42
      1 1
 p  = r + r + 1 2 
 i   i1 i 2 rin  + ti1 + ti 2 +   
tin  = R   + R   = P .
2
       1   1 
Con tamaños compatibles: ( n × n )( n ×1) + ( n × n )( n ×1) = ( n ×1) . Esta notación no es
usual en los textos de matemática; constituye una manera personal del autor de verificar
si los tamaños son compatibles y es válida sólo en este contexto.
P matriz de puntuación;
R matriz de resultados en confrontación directa;
R 2 matriz de resultados en confrontación indirecta.
a) Son cuatro participantes: dados por el número de filas.

0 1 0 0  0 1 0 0   0 0 1 1 
0 0 1 1  0 0 1 1   2 0 1 0
b) R = 
2  = 
1 0 0 0  1 0 0 0   0 1 0 0 
    
1 0 1 0  1 0 1 0   1 1 0 0 
157
UNIDAD 2
 1 
1 + 2 × 2   2 
0 1 0 0  1  0 0 1 1  1  1   2  
1   4 
0  2 + ×3
0 1 1  1 1  2 0 1 0  1  2  1  3  2  = 7
P= + = + =
1 0 0 0  1 2  0 1 0 0  1  1  2 1   1   3 
          1 + ×1  
1 0 1 0  1  1 1 0 0 1
    2 2
   2  2
 1  3
2 + × 2  
 2 
El jugador x3 obtuvo la mejor/mayor puntuación: tres puntos.
c) R [1 1 1 1] = [1 2 1 2] . Cada entrada de este producto da la cantidad de

T
partidos ganados por cada equipo, en confrontación directa.
44
Se trata de puntos y de “relaciones” (relaciones probabilísticas) entre esos puntos.
Luego: P, P 2 , P 3 da la probabilidad de pasar de un punto a punto a otro en forma directa
–en un movimiento– o en forma indirecta de dos movimientos (un intermediario), tres
movimientos (dos intermediarios) y así sucesivamente.
X es la población inicial. Matriz n ×1 .

PX da la población para el próximo período. Matriz n ×1 . PX = X 1
PX = X 1
PX 1 = X 2
PX 2 = X 3
PX 3 = X 4
X i es la población de partida para el período siguiente.
Conclusión:
X = X 0 población período actual o cero.
X 1 población período uno.
X 2 población período dos.
X n población período n.
PX n = X n +1 es la población para el período n + 1 .
Se verifica la igualdad PX n = P n X donde P n es la probabilidad de cambio en n

períodos y X el vector de población inicial.
 0.93 0.07 
Si se llama P a la matriz   , los mismos resultados se obtienen al hacer el
 0.4 0.6 
 0.93 0.07 
producto en el siguiente orden: [1500 2100]  n
 . Luego XP del alumno
 0.4 0.6 
n
coincide con “nuestra P X ”. En “nuestra P” la suma por columna da uno; en la “otra
158
UNIDAD 2
P” la suma por fila da uno. Entonces: ¡cuidado! Al interpretarlas y al construirlas ya que

esa definición identifica el producto que debe realizarse.
9 La entrada ij de “nuestra P” se lee: probabilidad de vivir en i proveniendo de j.
9 La entrada ij de la “otra P” se lee: probabilidad de vivir en j proveniendo de i, de
salir de i e instalarse en j, de salir de i y llegar a j.
45
 0.7 0.1 0.2 
A = 0.05 0.6 0.35 , aij la probabilidad de salir de i y llegar a j al cabo de un
 0.1 0.3 0.6 
período.
H = An con hij la probabilidad de salir de i y llegar a j al cabo de n-períodos.
X = [100 120 160]
XAn población en el n-ésimo período.
9 Al inicio del segundo año académico la población será de XA .
9 Al inicio del tercer año académico la población será de XA2 .
Multiplicamos en ese orden porque la información por columna de A da el número de
mudanzas a la columna respectiva.
46
0.9 0.1 0 
Previamente construimos A =  0.3 0.6 0.1 , en la cual aij es la probabilidad de salir
 0.1 0.4 0.5
de i y llegar a j al cabo de un período. Si H = An , hij es la probabilidad de salir de i y
llegar a j al cabo de n-períodos; X = [32 22 30] representa el estado inicial de las
divisiones y XAn es la población en el n-ésimo período. Luego, las respuestas solicitadas
son:
a) La distribucón de equipos para el próximo período viene dada por XA .
b) La distribucón de equipos para el inicio del tercer período, es: XA3 .
47
10 5 150 8   3 2 50 2  7 1 180 6 

A = 15 4 200 7   B =  4 3 30 2  C = 8 2 150 0 
 9 10 400 5   5 0 0 1   0 3 350 0 
matriz de existencias al inicio matriz de pedidos matriz de existencias al final
( sucursal por producto ) ( sucursal por producto ) ( sucursal por producto )
P = [1800 2500 11 500]
matriz de precios
precio × producto
a) ( A + B) − C = V matriz de ventas en el trimestre
159
UNIDAD 2
 6 6 20 4 
V = 11 5 80 9 
14 7 50 6 
( sucursal por producto )
Matriz de ingresos H = VPT
1800 
 6 6 20 4     77800 
11 5 80 9   2500   
   2500  =  236800 
14 7 50 6    170700 
 500 
( sucursal × producto )( producto × precio ) = ( sucursal × total )
[1 1 1] H = ingreso total de la empresa
b) 25% de H= 0.25H = [19450 59200 42675]

T
[1 1 1][19450 59200 42675] = 121325

T
c) Sí. Hay que tener precaución al relacionar.

( AT + BT ) − C T = V T
ingreso = PV T
No son simétricas porque la posición ij no coincide con la ji en cada matriz en
cuestión.
48
15 2 13
A =  1 17 6 
 4 4 4 
( requerimientos técnicos×artículo )
P = [50 30 20]
( cantidad × artículo )
1070 
AP =  680  = T
T
 400 
t1 horas hombre para satisfacer el plan de producción.
t2 horas máquina para satisfacer el plan de producción.
49
A partir del mensaje encriptado recibido
56 16 48 –16 98 –14 20 –4 84 –12 107 1 60 -52
160
UNIDAD 2
56 48 98 20 84 107 60 
construimos la matriz N =   . La inversa de D es
16 −16 −14 −4 −12 1 −52 
1 1 
4 4  18 8 22 4 18 27 2 
D −1 =  −1
 . El producto D N =   nos da la
 1 − 3  1 12 16 4 15 13 27 
 8 8 
sucesión numérica 18 1 8 12 22 16 4 4 18 15 27 13 2 27. Teniendo en cuenta la relación
entre número y letra, el mensaje dice “River campeón” (¡por favor! ¡que no lo descifren
los de Boca!).
Observe que: la sucesión del mensaje original contiene números que se repiten –porque
se repiten letras del alfabeto en las palabras- en cambio, en la sucesión final ningún
número se repite y esto dificulta la búsqueda de un patrón para descifrar ¿Le gustó?
Tema de reflexión: La matriz de codificación, también llamada matriz de código, debe

ser cuadrada porque la matriz de decodificación es su inversa.
50
Si le interesa lo invito a compartir en el Aula virtual los resultados de la búsqueda de
patrones. También, las modelizaciones matemáticas que ha planteado y la visión
retrospectiva.
161
UNIDAD 2
Hemos incorporado un ejercicio por cada objetivo de aprendizaje planteado. Dichos

objetivos son:
9 Construir las matrices conocidas como particulares.
9 Aplicar operaciones y propiedades del álgebra matricial.
9 Identificar la relación entre el álgebra real y el álgebra matricial.
9 Resolver problemas empleando el álgebra matricial como modelo matemático.
virtual y a su tutor. Practicará así un aprendizaje en colaboración.
1
1 2  0 7 
     3 0
Sean: A = 0 −1 , B = 1 0 , C =  .
   
 7 1 
 3 2  0 0 
a) Calcule X tal que C 2 AT B − ( 3C −1 − X ) = I .
2
b) Identifique el valor de la entrada ∑a
i =1
c + b32 .
3i i 2
c) Calcule la potencia dos de C, tres veces la transpuesta de C y luego, réstelos.
2
 0
Complete la siguiente matriz A =  0  a fin de que resulte:

 0 0 
a) Diagonal.
b) Triangular inferior.
c) Simétrica.
d) Nula.
Además, y en cada caso, suponga que la entrada ij de A condensa información

relacionada con número de salidas de i con destino j ¿Cómo se interpreta la información
dada por cada tipo de matriz? Ejemplo: la matriz nula indica que el número de salidas y
de llegadas es cero entre esos tres puntos.
3
Exprese en forma de ecuación matricial los SEL dados en:
a) Unidad 1 / Actividades de autoevaluación / Actividad 2a.
b) Unidad 1 / Actividades de autoevaluación / Actividad 4.
c) Unidad 1 / Actividades de proceso /Actividad 39.
162
UNIDAD 2
De ser posible, use un método matricial y calcule nuevamente la solución; confronte

con los resultados obtenidos oportunamente.
4
Responda: ¿verdadero o falso? Si es falso construya un contraejemplo de la
afirmación.
a) (A )
p q
= A p+q
b) AB = AC ⇒ B = C
c) A es cuadrada: entonces, A tiene inversa.
d) −2 A = 2 ( − A ) .
5
Una fábrica de jabones desea incrementar sus beneficios, en particular, sus ventas. Para
ello analizó el comportamiento de los consumidores durante un cierto período, para lo
cual usó la tabla de doble entrada y calculó la matriz de probabilidades de transición.
En dicha matriz la entrada ij es la probabilidad de que un cliente que consume la marca i
cambiará a la marca j. Los encuestados, consumidores de cuatro marcas de jabones, son
2000, de los cuales actualmente: 460 consumen la marca M1; 520, la M2; 540, la M3 y
480, la M4.
La tabla siguiente muestra en la primera fila el porcentaje de consumidores que

cambiaron a otra marca.
M1 M2 M3 M4 SUMA
M1 92% 2% 1% 5% 100%
M2 4% 88% 1% 7% 100%
M3 2% 2% 93% 3% 100%
M4 4% 6% 1% 89% 100%
a) Construya la matriz de probabilidades de transición T.

b) Construya el vector de estado inicial de consumidores S.
c) Construya el vector de estado de consumidores correspondiente al tercer período de
ventas.
d) Responda: ¿qué información da la entrada ij de T 10 ?
e) Reflexione: ¿qué información entregará cada entrada de
1
[ 460 520 540 480] = M ?
2000
este vector recibe el nombre de vector de proporciones relativas de mercado).
163
ACTIVIDAD OBLIGATORIA 1
“Caminante no hay camino se hace camino al andar”. Anónimo.

Criterios de evaluación

En la actividad obligatoria 1 que encontrará en el Aula virtual de la materia, encontrará

las pautas para su resolución. La entrega de la misma puede realizarse por e-mail a
actividadobligatoria@iua.edu.ar, correo postal o personalmente dentro del horario de
tutoría.
166
DETERMINANTES
Un poco de historia...
MacLaurin fue un niño prodigio. A los 11 años –año 1709– ingresó

a la Universidad de Glasgow –Escocia– y a los 19 obtuvo su primer
cargo de catedrático. Fue el creador de la Regla de Cramer de gran
valor en la teoría de los determinantes.
Monsieur Cauchy, por su parte, fue el matemático que más artículos

escribió, en particular sobre la teoría de los determinantes. Tal era su
producción que cuando la Academia francesa de ciencias inicia sus
publicaciones periódicas en 1835, la cuenta de la publicación creció
tanto que debió fijar un límite de cuatro hojas por artículo. También
Cauchy impuso el rigor en sustitución a la intuición en las
demostraciones matemáticas.
Otra personalidad de la época, el reverendo Charles Dodgson (1832-

1898) escribió las condiciones bajo las cuales un SEL tiene solución
no nula y lo hizo en términos de determinantes. Pero, fíjese qué
curiosidad, su obra más conocida es un clásico de la literatura
llamado: Alicia en el país de las maravillas y que firmó con un
seudónimo. ¿Lo leyó?
“Existen algunos problemas cuya solución es sencilla de plantear pero en la práctica imposible de
calcular”. Anónimo.
UNIDAD
TRES
UNIDAD 3
Un determinante es un número asignado a un arreglo o disposición rectangular de

números –matriz –, pero tal número no es arbitrario pues está íntimamente relacionado a
los coeficientes de ese arreglo.
Los matemáticos chinos buscando un método para resolver sus sistemas lineales de dos
ecuaciones en dos variables, fueron los primeros en descubrir esa relación entre los
coeficientes. Posteriormente, en 1683, lo hizo el matemático japonés Seki Takakazu y
en 1693 el matemático alemán Gottfried Leibniz. Todo esto sucede 160 años antes que
se desarrolle la teoría de matrices. Incluso ahora, 120 años después, se continúa
estudiando el modo de encontrarle solución no nula a sistemas de ecuaciones lineales de
tres ecuaciones en tres variables.
El contribuyente más prolífico a la teoría de los determinantes fue el matemático francés

Augustin Louis Cauchy (1789-1857), quién, en 1812 utilizó este concepto para dar
fórmulas a los volúmenes de ciertos poliedros sólidos; con ello nace y se mantiene por
aproximadamente 100 años, gran interés en las aplicaciones de los determinantes.
En la época de Cauchy la vida era simple, los arreglos rectangulares de números eran
pequeños y los determinantes, fáciles de calcular. Por eso los determinantes
desempeñaron un papel muy importante en la geometría analítica y en otras áreas de la
matemática.
Pero hoy es diferente. Las matrices que surgen en los problemas son de gran tamaño y
entonces los determinantes resultan de escaso valor numérico, en ello incide la cantidad
de productos reales que es necesario hacer. No obstante, la fórmula del determinante
todavía da información muy útil sobre matrices, la existencia de soluciones de SEL y su
interpretación geométrica. Nos ocuparemos del tema en esta unidad.
Al finalizar esta unidad, usted estará en condiciones de alcanzar los siguientes

objetivos:
9 Calcular el determinante de una matriz.

9 Aplicar propiedades del determinante.
9 Identificar la relación entre determinantes y SEL consistentes e inconsistentes.
9 Resolver problemas empleando el determinante de una matriz, como herramienta.
Para alcanzar estos objetivos de aprendizaje, le proponemos el análisis de los siguientes

temas:
Determinantes.
1. Determinante de una matriz.
2. Alternativas de cálculo del det ( A ) .
3. Propiedades del determinante.
4. Aplicaciones.
168
UNIDAD 3
Estos temas por analizar pueden relacionarse como muestra el siguiente mapa
conceptual.
Fórmulas
matemáticas
del y de la
álgebra geometría
lineal
relacionan
números aritmética
reales y la real
entradas de
matrices
cuadradas
en
el
determinante
que cumple
las propiedades
de los
determinantes
169
UNIDAD 3
1. Determinante de una matriz
En esta sección, a una matriz dada A le asociamos un número, el determinante.
De paso por la Capital Federal papá, mamá, Helenita y Juan deciden sacarse una foto
con el obelisco de fondo. Lo interesante comienza cuando los niños, buscando una
posición en la foto, se mueven entre papá y mamá.
La posición anterior no satisface a Juan que se interpone entre los mayores.
Las fotos se suceden al entusiasmarse todos en el juego de los cambios.
Como conclusión, se gastaron un rollo de 24 fotos donde cada toma es una posición
diferente, cada una es una permutación de los cuatro integrantes de la familia.
¿No me cree? Para demostrárselo me permitiré lo siguiente: como me cansé de dibujar a

los cuatro personajes, los enumeraré así:
con el 1 designaré a papá

1 2 con el 2, a mamá
3 4 con el 3, a Helenita
y con el 4, designaré a Juan
Además, a cada postura familiar (cambio o permutación) que corresponde a una foto, la
denotaré entre paréntesis y separadas por comas así:
primera foto (1,2,3,4)

segunda foto (1,4,2,3)
tercera foto (2,1,3,4)
cuarta foto (3,4,2,1)
quinta foto (2,4,3,1)
… …
Bien, si avanzamos siempre de izquierda a derecha en las posiciones, podemos decir

que en la segunda foto papá ocupa la primera posición, Juan la segunda, mamá la
tercera y Helenita la última. En cambio, en la quinta foto mamá ocupa la primera
posición, papá la cuarta posición, Helenita la tercera y Juan la segunda.
Pero, ¿cuántas posibles tomas fotográficas hay?
170
UNIDAD 3
La respuesta se construye de manera sencilla. Los cuatro puntos marcados en la parte

superior de la figura representan las posibles elecciones para la primera posición. De
cada posición emanan tres ramas que representan los posibles valores de la segunda
posición. Así, si la foto se inicia (2,_,_,_) las tres posibilidades para la segunda posición
son 1, 3 o 4. Las dos ramas que emanan de cada punto en la segunda posición
representan las elecciones posibles para la tercera posición. Por lo tanto, si la foto se
inicia con (2,3,_,_) las opciones para la tercera posición son 1 ó 4. La rama que surge de
cada uno de los puntos en la tercera posición representa la única elección posible para la
cuarta. Así, dada (2,3,1,_) la única elección posible para la cuarta posición es 4.
1 2 3 4
2 3 4 1 3 4 1 2 4
3 4 2 4 2 3 3 4 1 4 1 3
4 3 4 2 3 2 4
1
Habiendo observado lo hecho, complete el árbol.
Ahora, es posible listar –sin repetir ni omitir alguna– las diferentes fotos recorriendo
todas las trayectorias a través del árbol desde la primera posición hasta la última (de
arriba hacia abajo). Por medio de este proceso obtenemos la siguiente lista:
(1,2,3,4) (2,1,3,4) (3,1,2,4) (4,1,2,3)

(1,2,4,3) (2,1,4,3) (3,1,4,2) (4,1,3,2)
(1,3,2,4) (2,3,1,4) (3,2,1,4) (4,2,1,3)
(1,3,4,2) (2,3,4,1) (3,2,4,1) (4,2,3,1)
(1,4,2,3) (2,4,2,3) (3,4,1,2) (4,3,1,2)
(1,4,3,2) (2,4,3,2) (3,4,2,1) (4,3,2,1)
Ahora cuéntelas, ¿cuántas fotos sacaron?
De manera sencilla, logramos determinar las posibles ubicaciones de cuatro personas en

una foto. Esta situación puede presentarse en muchos casos cuando se desea hacer
combinaciones de un número fijo de elementos. Por ejemplo, podría tratarse de
determinar posibles movimientos en un juego, posibles maneras de mezclar colores,
posiciones de largada en una competencia, entre otras opciones.
La cuestión es que, en todos los casos, e independientemente de que se trate de

personas, cosas o situaciones, podemos asignarle arbitrariamente un número natural1 a
cada uno de los elementos participantes y construir el árbol de posibilidades De esta
manera se comienza a modelar matemáticamente: al independizarnos de sus nombres,
de su anatomía y de todos los elementos “secundarios” logramos “abstraernos”, le
asignamos un número natural para identificarlos. ¿Por qué un número natural y no otro?
Porque los naturales ya poseen, valga la redundancia, naturalmente una ordenación.
1
Conjunto de los números naturales N = {1, 2,3, 4,"} .
171
UNIDAD 3
Bien, dado un conjunto formado por cuatro naturales {1,2,3,4} toda combinación de
esos cuatro elementos, sin repetición ni omisión, se llama permutación del conjunto
dado. Así, la combinación (2,1,3,4) es una permutación del conjunto de partida, también
lo es (4,3,2,1) y (1,3,2,4); no lo es (2,2,1,3) ya que se omitió el elemento enumerado
como 4 y el elemento enumerado como 2 se repitió en la primera y en la segunda
posición. La lista anterior mostró todas las posibles permutaciones de cuatro elementos:
24 en total.
En general, una permutación del conjunto de naturales {1,2,3,4,…,n} es un arreglo

de estos naturales en cierto orden, sin omisiones ni repeticiones. Las permutaciones se
denotan encerrando entre paréntesis y separando por comas cada natural (_,_,…,_). Una
manera de listar las diferentes permutaciones es construyendo el correspondiente árbol
de permutaciones similar al dado en la figura anterior.
Ahora bien, avancemos en nuestro estudio: dada una permutación cualquiera, por
ejemplo (2,4,3,1), ¿cuántos intercambios de a dos elementos adyacentes haremos para
llevarlo a la forma (1,2,3,4) –forma estándar–? Una posibilidad es:
partimos de (2,4,3,1),
intercambiamos el 1 con el 3 (2,4,1,3),
intercambiamos el 3 con el 4 (1,2,3,4).
Contamos: se necesitan cuatro cambios para llevar la permutación (2,4,3,1) a la forma

(1,2,3,4). No obstante, esta sucesión u ordenamiento de intercambios no es única: a
Zulema se le ocurrió la siguiente:
partió de (2,4,3,1),
intercambió el 3 con el 4 (2,3,4,1),
intercambió el 1 con el 2 (1,2,3,4).
Este ejemplo muestra que la “ordenación” de los cambios, no es única. Pero en ambos
casos lo que se mantuvo constante es el “número de cambios”: cuatro. Ese número de
intercambios le asigna un nombre a la permutación: una permutación de n elementos se
denomina permutación par si el número de intercambios que se requiere para llevarla a
la forma (1, 2,3," , n ) es un número par2. Si no ocurre esto se denomina permutación
impar.
El paso siguiente en el desarrollo de esta unidad es relacionar la permutación con

matrices. Si me acompaña lo vemos juntos.
2
Los números pares son los múltiplos de 2. Ejemplo: 2,4,6,8,... Caso contrario, se dice impar.
172
UNIDAD 3
 a11 " a1n 

Dada la matriz A n × n , A =  # #  todo producto de n elementos tomados de
 an1 " ann 
A, sin que dos cualesquiera provengan del mismo renglón o de la misma columna, se
llama producto elemental tomado de A. Así, a11a22 " ann es un producto elemental
tomado de A , también lo es an1a( n −1)2 " a1n . No es un producto elemental tomado de A
a11a12 a13 " a1n ni a21a22 a23 " a2n ya que, como se observa en ambos casos, provienen del
mismo renglón.
Si la matriz es 2 × 2 , también 3 × 3 , no resulta engorroso construir productos

elementales; pero esa construcción se complica al aumentar el tamaño de A , haciéndose
necesario pensar en un modo sistemático de construirlos. Luego, un método sistemático
para construir productos elementales de A es tomar “ordenadamente” las filas entre la 1
la n y “permutar” las columnas. Así, en el producto de los n reales
a1_ a2 _ a3_ " an _
no habrá omisión ni repetición para las filas. Tampoco habrá omisión ni repetición para
las columnas si los "− " , que representan el segundo subíndice de la entrada, están
asociados a una permutación de las {1,2,3,…,n} columnas.
 a11 a12 a13 a14 

a a22 a23 a24 
Así, dada la matriz 4 × 4  21 , algunos productos elementales son:
 a31 a32 a33 a34 
 
 a41 a42 a43 a44 
permutación asociada producto elemental

(1 2 3 4) a11a22 a33 a44
(1 3 2 4) a11a23a32 a44
(2 1 3 4) a12 a21a33 a44
(1 4 2 3) a11a24 a32 a43
A toda producto elemental podemos asociarle un signo positivo ( + ) o negativo ( − )

según la permutación asociada sea par o impar. En ese caso hablamos de producto
elemental con signo. Continuando con la tabla anterior se tiene:
permutación producto paridad producto elemental con

asociada elemental signo
(1 2 3 4) a11a22 a33a44 par + a11a22 a33a44
(1 3 2 4) a11a23a32 a44 impar − a11a23a32 a44
(2 1 3 4) a12 a21a33a44 impar − a12 a21a33a44
2
a) Complete la tabla anterior de productos elementales con signo para una A , 4 × 4 .
173
UNIDAD 3
b) Elabore una lista de todos los productos elementales con signo tomados de A2×2 .
c) Ratifique, para una matriz 3 × 3 , que los productos elementales con signo positivos
son: a11a22 a33 , a12 a23a31 , a13 a21a32 ; y los negativos: a11a23a32 , a12 a21a33 , a13a22 a31 .
Bien, ¿para qué sirve este desarrollo? Pues, es simplemente una introducción útil en la
siguiente definición: se trata de un número real único asignado a cada matriz A .
Dada una matriz cuadrada A se define el número real, determinante de A, y se denota

det ( A ) o bien A , a la suma de todos los productos elementales con signo tomados de
A .3
Si A es 1× 1 el det A coincide con el valor de la única entrada de A . En base a los

resultados obtenidos en la actividad de proceso 2 para otros tamaños de A se tiene:
9 2 × 2 , entonces det ( A ) = a11a22 + ( − a21a12 ) = a11a22 − a21a12
9 3 × 3 , det ( A ) = ( a11a22 a33 + a12 a23 a31 + a13 a21a32 ) − ( a12 a21a33 + a11a23 a32 + a13 a22 a31 )
Para usos posteriores nos será útil disponer de estas fórmulas. Por eso, a los fines de
evitar su memorización, proponemos artificios nemotécnicos:
+
9 La fórmula para el determinante de la matriz 2 × 2 se obtiene a a11 a12
partir de la figura, multiplicando los elementos por los que pasa
la flecha que apunta hacia abajo y restando el producto de los a21 a22
elementos por los que pasa la flecha que apunta hacia arriba.
−
9 La fórmula del determinante de una matriz
+
3 × 3 se obtiene agregando, repetidas, la
primera y segunda columnas de la matriz a11 a12 a13 a11 a12
(elementos grisados). Luego, se suman los
productos correspondientes a las flechas que a21 a23 a22 a21 a22
apuntan hacia abajo y se restan los
productos correspondientes a las flechas que a31 a32 a33 a31 a32
apuntan hacia arriba.
−
Lamentablemente, para matrices 4 × 4 o mayores, no se han encontrado métodos

nemotécnicos que nos permitan calcular su determinante.
3
a) Calcule el determinante de B y de C .
b) ¿Por qué no puede calcularse el determinante de F ?
c) ¿Puede calcularse el determinante de G ?
d) Ratifique que el determinante de E vale −84 .
3
Observe que se usan barras verticales para denotar el determinante.
174
UNIDAD 3
1 0 3 4
1 −2 7  5 2 1
 −1 7  1 2 3   1 2 3
B= , C =  3 5 1  , E =  , F =  , G =  3 1 
 −8 − 3  4 5 1 0  4 5 6
 4 3 8     2 2 
0 0 2 1
El determinante es una relación entre dos conjuntos:

por un lado el conjunto de las matrices cuadradas M n×n det
A Det(A)
y por el otro el conjunto de los números reales \ ; es Det(B)
B
una asignación: a cada matriz A le asocia un número
C
real det ( A ) ; es una función: a cada matriz le
corresponde un y sólo un número real, es decir, para cada A su det ( A ) es único. Lo
dicho se simboliza matemáticamente:
det : M n×n → \
A 6 det ( A )
El concepto de función se profundizará en las próximas asignaturas del área

matemáticas de su carrera 4. Así, Matemática II se centra en el estudio de funciones que
a cada número real le asignan otro número real; Matemática III, funciones que a dos o
más números reales le asignan un nuevo número real; Matemática IV retoma los
conceptos de función y determinante
2. Alternativas de cálculo del determinante
Ahora que ya se ha definido el concepto nos dedicaremos a construir fórmulas

alternativas para calcular el determinante de una matriz.
 a11 a12 a13 

Para A3×3 =  a21 a22 a23  la fórmula para el determinante es:
 a31 a32 a33 
det( A) = a11a22 a33 + a12 a23a31 + a13a21a32 − a12 a21a33 − a11a23a32 − a13 a22 a31
Y en esa expresión, podemos asociar sumandos de modo tal de sacar como factores
comunes los elementos de la 1ª columna, así:
det( A) = ( a11a22 a33 − a11a23a32 ) + ( a13a21a32 − a12 a21a33 ) + ( a12 a23a31 − a13 a22 a31 )
= a11 ( a22 a33 − a23a32 ) + a21 ( a13a32 − a12 a33 ) + a31 ( a12 a23 − a13a22 )
4
La noción de asignación trae aparejado el uso del paréntesis en la simbología matemática. La función
determinante le asigna a A, el número real det(A).
175
UNIDAD 3
Pero los paréntesis son determinantes de submatrices 2 × 2 de A . ¿Lo vemos en detalle?

a a23 a a13 a a13
det( A) = a11 22 − a21 12 + a31 12
a32 a33 a32 a33 a22 a23
La 1ª submatriz se obtiene de A eliminando la 1ª fila y la 1ª columna; la 2ª submatriz se
obtiene de A eliminando la 2ª fila y la 1ª columna y la 3ª submatriz se obtiene de A
eliminando la 3ª fila y la 1ª columna.
Antes de seguir con nuestro desarrollo, establecemos las siguientes definiciones a los
fines de simplificar la notación: para An×n , el menor del elemento ij se denota por M ij
y se define como el determinante de la submatriz que se deja al eliminar de A la fila i y
la columna j. El elemento ( −1) M ij = Cij se conoce como el cofactor del elemento ij.
i+ j
A partir de estas definiciones tenemos:

a a23
9 M 11 = 22 = a22 a33 − a32 a23 , C11 = (−1)1+1 M 11 = a22 a33 − a32 a23 .
a32 a33
a12 a13
9 M 21 = = a12 a33 − a32 a13 ,
a32 a33
C21 = (−1) 2+1 M 21 = − ( a12 a33 − a32 a13 ) = a32 a13 − a12 a33 .
a12 a13
9 M 31 = = a12 a23 − a22 a13 , C31 = (−1)3+1 M 31 = a12 a23 − a22 a13 .
a22 a23
Finalmente, en la fórmula que venimos trabajando, las expresiones que figuran entre
paréntesis son precisamente los cofactores C11 , C21 y C31 , luego:
det( A) = a11C11 + a21C21 + a31C31 .
Ejemplo 1:
 1 2 3
Para A3×3 =  4 5 6  se tiene:
 7 8 9 
5 6
9 M 11 = = 45 − 48 = −3 , C11 = (−1)1+1 M 11 = (1) (−3) = −3 .
8 9
2 3
9 M 21 = = 18 − 24 = −6 , C21 = (−1) 2+1 M 21 = − ( −6 ) = 6 .
8 9
2 3
9 M 31 = = 12 − 15 = −3 , C31 = (−1)3+1 M 31 = (1)( −3) = −3 .
5 6
Luego, det ( A ) = 1( −3) + 4 ( 6 ) + 7 ( −3) = 0 . Este resultado puede ser ratificado

usando la regla nemotécnica para matrices de orden 3.
176
UNIDAD 3
Bien, volviendo a la fórmula para el determinante de una matriz genérica de orden 3,

observamos que admite otras asociaciones de a pares de sumandos con otros factores
comunes, obteniéndose nuevas expresiones –o fórmulas– para calcular el det ( A ) . Ellas
son:
9 La asociación con los elementos de la 2ª columna como factores comunes:

det( A) = ( a12 a23 a31 − a12 a21a33 ) + ( a22 a11a33 − a22 a13 a31 ) + ( a32 a13 a21 − a23 a11a32 )
= a12 ( a23 a31 − a21a33 ) + a22 ( a11a33 − a13 a31 ) + a32 ( a13 a21 − a11a23 )
= a12C12 + a22C22 + a32C32
9 La asociación con los elementos de la 3ª columna como factores comunes:

det ( A ) = ( a13 a21a32 − a13a22 a31 ) + ( a23 a12 a31 − a23 a11a32 ) + ( a33 a11a22 − a33 a12 a21 )
= a13 ( a21a32 − a22 a31 ) + a23 ( a12 a31 − a11a32 ) + a33 ( a11a22 − a12 a21 )
= a13C13 + a23C23 + a33C33
Otras asociaciones posibles de sumandos dan origen a las fórmulas:

9 det ( A ) = a11C11 + a12C12 + a13C13
fórmula que toma como factores comunes los elementos de la 1ª fila.
9 det ( A ) = a21C21 + a22C22 + a23C23
9 det ( A ) = a31C31 + a32C32 + a33C33
4
Desarrollo los distintos cofactores y comprube la validez de las fórmulas anteriores.
Nótese que en cada ecuación todos los elementos (entradas de A ) y cofactores

provienen del mismo renglón, o bien de la misma columna. Estas fórmulas se conocen
como los desarrollos por cofactores del det ( A ) y constituyen una manera alternativa
de escribir la fórmula del determinante de una matriz: no constituyen definiciones
diferentes.
Las fórmulas de arriba responden a los nombres respectivos:

9 Desarrollo por cofactores a lo largo de la 1ª columna de A.
9 Desarrollo por cofactores a lo largo de la 1ª fila de A.
En definitiva, en un desarrollo por cofactores se calcula el det ( A ) al multiplicar los

elementos de una fila o columna por sus respectivos cofactores y al sumar los productos
resultantes. Por ello, la mejor estrategia para evaluar un determinante por medio del
177
UNIDAD 3
desarrollo de cofactores es tomar la fila o columna con mayor cantidad de elementos

nulos.
Ejemplo 2
1 0 2 
Así, dada A = 1 3 0  lo conveniente es desarrollarla por la tercera columna,
3 4 0 
1 3
det( A) = a13C13 + a23C23 + a33C33 = 2C13 + 0C23 + 0C33 = 2 = 2.(4 − 9) = −10 .
3 4
5
A los fines de minimizar los cálculos ¿qué desarrollo por cofactores eligiría para
calcular el determinante de cada una de las siguientes matrices?
2 3 4 5 6
0 1 2 3 0 0 0 0 4
0 0 0 0 0 1 2  
A=  , B = 7 1 1  , C =  0 0 5 0 0  .
2 3 0 0    
  
 0 2 3   1 2 3 4 5
0 1 2 0  6 7 8 9 2 
En general, si A es una matriz n × n ,

n
9 det ( A ) = a1 j C1 j + a2 j C2 j + " + anj Cnj = ∑ akj Ckj es el desarrollo por cofactores a
k =1
5
lo largo de la columna j del det A .
n
9 det ( A ) = ai1Ci1 + ai 2Ci 2 + " ainCin = ∑ aik Cik es el desarrollo por cofactores a lo
k =1
largo de la fila i del det A .
 C11 C12 " C1n 

C C22 " C2 n 
La matriz  21
se conoce como la matriz de cofactores de A. La
 # # # # 
 
Cn1 Cn 2 " Cnn 
transpuesta de esta matriz se conoce como la adjunta de A y se la denota por adj ( A )
T
 C11 C12 " C1n 
C C22 " C2 n 
adj( A) =  21
 # # # # 
 
Cn1 Cn 2 " Cnn 
n
5
∑
k =1
simboliza abreviadamente la suma de los n sumandos (sobre el índice k).
178
UNIDAD 3
Ejemplo 3
1 2 3 
Sea A =  4 5 6 
 5 0 2 
5 6 4 6 4 5
C11 = (−1)1+1 = 10 C12 = (−1)1+ 2 = 22 C13 = (−1)1+3 = −25
0 2 5 2 5 0
2 3 1 3 1 2
C21 = (−1) 2+1 = −4 C22 = (−1) 2+ 2 = −13 C23 = (−1) 2+3 = 10
0 2 5 2 5 0
2 3 1 3 1 2
C31 = (−1)3+1 = −3 C32 = (−1)3+ 2 = 6 C33 = (−1)3+3 = −3
5 6 4 6 4 5
T
10 22 −25  10 −4 −3
adj( A) =  −4 −13 10  =  22 −13 6 
 −3 6 −3   −25 10 −3
Esta nueva matriz definida da origen a una nueva fórmula –que no demostraremos– para
1
obtener la inversa de la matriz A , A−1 = adj ( A ) .
det ( A )
Esta fórmula tiene más importancia teórica que práctica: los cálculos son engorrosos y
tediosos aun cuando se calculen por computadora, haciéndose más evidente en matrices
grandes.
Tema para compartir en el Aula virtual

Lo invito a indagar el origen de esta fórmula y a colocar sus resultados en el Aula
virtual. Se trata de una manipulación algebraica ingeniosa y simple de las entradas de la
matriz A; Harvey Gerber lo trabajó en su libro de Algebra lineal y David Lay también lo
hizo, aunque con un enfoque diferente en la obra Álgebra lineal y sus aplicaciones. La
cita completa de los libros puede consultarse en bibliografía.
¡Espero su aporte!
Bueno, ahora, con lápiz y papel en la mano lo invito a dar respuesta a la siguiente
actividad de proceso.
6
a) Si det ( A ) es nulo ¿ A admite inversa?
b) Use la fórmula que involucra la adjunta y el determinante y calcule la inversa de
2 1
A=  .
3 2
179
UNIDAD 3
 3 −2 
c) Calcule la adj ( A ) y calcule A sabiendo que A−1 =  .
3 7 
3. Propiedades del determinante
En esta sección identificamos propiedades de los determinantes que nos facilitarán su

cálculo ya sea en una matriz, en una identidad matricial6 , o en una ecuación matricial.
Calcular un determinante a partir de su definición crea dificultades de cálculo. ¿Por

qué? Fíjese: para una matriz 2 × 2 , se necesitan 2 ⋅1 = 2 productos elementales con
signo; para una 3 × 3 , se necesitan 3 ⋅ 2 ⋅1 = 6 ; para una 4 × 4 , se necesitan 4 ⋅ 3 ⋅ 2 ⋅1 = 24
y para una 10 × 10 , se necesitan 10 ⋅ 9 ⋅ 8 ⋅ 7 ⋅ 6 ⋅ 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅1 = 10! = 3628800 productos
elementales con signo7. Este crecimiento en el número de cálculos aritméticos valoriza
el hecho de conocer las siguientes propiedades de la función determinante, ya que
simplifican su evaluación. Observaremos esto en próximos ejemplos.
Si An×n es una matriz que contiene un renglón de ceros, entonces su determinante

vale cero, esto es det ( A ) = 0 . Verifiquémoslo:
¿Lo vemos juntos? Bien: supongamos que A tiene el i-ésimo renglón de ceros; el
det ( A ) es la suma de todos los productos elementales con signo tomados de A y cada
uno de estos productos contiene un factor de cada renglón y de cada columna, en
particular, contendrá un cero proveniente del renglón de ceros, esto es,
a1_ a2 _ a3_ " 0i _ " an _ . Luego, cada uno de los productos es nulo. Otra forma de
verificarlo es desarrollar el determinante por la fila de ceros.
7
1 −1 5  0 0 0
  
Ratifique la propiedad trabajando con A = 0 0 0  y B = b21 b22 b23  .
 3 2 4  b31 b32 b33 
Si D es cualquier matriz triangular, ya sea superior o inferior, su determinante es muy

simple de calcular. ¿Por qué? Porque de todos los productos elementales con signo
tomados de D sólo uno es no nulo. ¿Cuál? Pues, haga las cuentas y encuéntrelo usted
mismo.
6
Identidad matricial: igualdad entre matrices válida para toda matriz. Ejemplo: cualquiera sea A , vale
A( A − I ) = A − A .
2
7 La notación 10!, que se lee factorial de 10, simboliza en forma abreviada el producto de los 10 primeros
números naturales. En general, dado un natural n, el factorial de n, n ! , es el producto de los n primeros
naturales, n ! = 1 ⋅ 2 ⋅ 3" n .
180
UNIDAD 3
8
¿Lo hace con una 4 × 4 ? Tome una D triangular –superior o inferior– genérica, 4 × 4 , y
encuentre cuál es el único producto elemental con signo no nulo. No olvide usar los
resultados de la actividad de proceso 2.
Luego, complete: si Dn×n es triangular, entonces, det ( D ) = .............................. En

palabras: el determinante de cualquier matriz triangular n × n está dado por el
producto de los elementos ................................................
Para trabajar esta unidad consideré dos opciones: listarle yo todas las propiedades o
proponerle a usted que participa activamente en descubrirlas. Opté por la segunda: yo lo
oriento y usted hace el resto. Entonces, y como consecuencia de la propiedad anterior:
9
a) ¿Qué valor le asignamos al det ( I n×n ) ? Escríbalo aquí: det ( I n×n ) = .....
b) ¿Qué valor le asignamos al det ( Dn×n ) para una matriz D diagonal? Escríbalo aquí:
det ( Dn×n ) = ................................... .
Efectivamente: toda matriz diagonal es triangular superior porque los elementos de

debajo de la diagonal son ceros; también es triangular inferior porque los elementos de
arriba de la diagonal son ceros. La matriz nula ¿es triangular? ¿y la matriz
identidad? ¿Recuerda que ya habíamos hablado de esto en la unidad
anterior?
Bueno, ¿ya pensó? ¿qué respondió a las preguntas anteriores? Así es, ambas
son triangulares superior e inferior por las mismas razones que la matriz
diagonal.
Si B es la matriz que se obtiene cuando un sólo renglón de A se multiplica por un

escalar c , entonces, det ( B ) = c ⋅ ( det A ) .
¿Por qué? El i-ésimo renglón de A tiene la forma ai1 ai 2 " ain y el i-ésimo
renglón de B , cai1 cai 2 " cain con c escalar cualquiera. El resto de los renglones
de A y B son coincidentes. Es decir, hemos supuesto que A y B difieren solamente
en el renglón i-ésimo. Cada producto elemental con signo tomado de B estará
multiplicado por c porque contiene un elemento de su i-ésima fila. Esto hace que
podamos tomar el escalar c como factor común de los sumandos en det ( B ) , siendo el
otro factor det ( A ) . Otra forma de probar este resultado es desarrollar el det ( B ) por la
fila que contiene a c .
181
UNIDAD 3
10
1 2  1 2 
Compruébelo con las matrices A =   y B= .
3 4  15 20 
¿Cuál sería la expresión del determinante, si el escalar c multiplica dos filas? Pues,
tendríamos A , B que se obtiene de A multiplicando una fila por el escalar c, y C que
se obtiene de B multiplicando otra fila por el mismo escalar c; luego:
det ( C ) = c ⋅ det ( B ) = c ( c ⋅ det ( A ) ) = c 2 det ( A ) . Predecible ¿no?
11
a) Obtenga usted la relación entre det ( A ) y det ( H ) para H = cA , esto es, para una
H que se obtiene a partir de la multiplicación de cada una de las n filas de A , por el
escalar c. Luego, complete: si Bn×n = cAn×n entonces det ( B ) = ..................
b) Calcule det ( −4A ) , det ( − A ) y det ( ( −1) A ) usando A de la actividad de proceso
anterior.
Si B es la matriz que se obtiene de A intercambiando dos renglones cualesquiera,

entonces el valor de sus determinantes difiere en sus signos, esto es,
det ( B ) = − det ( A ) .
 a a 
Lo comprobamos para una matriz genérica 2 × 2 : det   11 12   = a11a22 − a21a12
  a21 a22  
 a a 
mientras que det   21 22   = a21a12 − a11a22 = − ( a11a22 − a21a12 ) .
  a11 a12  
Aplicamos esta propiedad en la siguiente actividad:
12
¿Qué relación existirá entre el det ( A ) y det ( M ) . Responda teniendo en cuenta que
M se obtiene de A realizando:
a) Tres intercambios de filas.
b) Cuatro intercambios de filas.
c) Un número par de intercambios de filas.
d) Un número impar de intercambios de filas.
e) k intercambios de filas.
Si B es la matriz que se obtiene de A sumando un múltiplo de un renglón a otro,

entonces sus determinantes coinciden, esto es, det ( B ) = det ( A ) .
Lo comprobamos en una matriz matriz genérica 2 × 2 :
182
UNIDAD 3
  a11 a12 
det    = a11 ( ka12 + a22 ) − ( ka11 + a21 ) a12
  ka11 + a21 ka12 + a22  
 a a12  
= a11ka12 + a11a22 − ka11a12 − a21a12 = a11a22 − a21a12 = det   11 
  a21 a22  
Hemos aplicado las propiedades distributiva y conmutativa del producto de los números
reales ¿observó?
13
Verifique la propiedad. Para ello le propongo las siguientes matrices donde B se obtuvo
de A reemplazando el segundo renglón, por el segundo más el doble del primer
renglón.
1 2 3  1 2 3 
A =  4 5 6  , B = 6 9 12  .
 
 5 0 2  5 0 2 
Si una matriz tiene dos renglones proporcionales8 o coincidentes su determinante

es cero.
¿Lo comprobamos con una matriz genérica 2 × 2 ? Aquí vamos:

 a a12  
9 Dos renglones proporcionales: det   11   = a11 ( ka12 ) − ( ka11 ) a12 = 0 ,
  ka11 ka12  
aplicando la propiedad asociativa y conmutativa del producto real.
 a a 
9 Dos renglones coincidentes: det   11 12   = a11a12 − a11a12 = 0 .
  a11 a12  
Dadas dos matrices cualesquiera n × n , el determinante de su producto coincide

con el producto de los respectivos determinantes, det ( AB ) = det ( A ) ⋅ det ( B ) .
Demostrarlo involucra, simplemente, realizar los productos respectivos y aplicar la ley

distributiva respecto de la suma. Es una tarea de paciencia y usted puede intentarlo con
matrices genéricas tamaño 2 × 2 . Aquí, en vez de recurrir a una demostración formal, lo
comprobaremos con dos matrices específicas 2 × 2 y también usaremos el resultado
para calcular determinantes en otros productos particulares. La que la idea subyacente
es no marearlo con muchas letras y subíndices.
1 2  1 0   7 −4 
El ejemplo es:   =  ⇒ det ( AB ) = −56 − ( −60 ) = 4 ,
3 4  3 −2  15 −8
 1 2    1 0  
mientras que det     = 4 − 6 = −2 , y det     = −2 − 0 = − 2 ;
 3 4    3 −2  
8
Renglones proporcionales: el renglón i es proporcional al j si uno es múltiplo escalar del otro. Esto es:
( ain , " , ain ) = k ( ain , " , ain ) = ( kain , " , kain ) con k no nulo. Si k vale 1 los renglones son coincidentes.
183
UNIDAD 3
luego det ( A ) ⋅ det ( B ) = ( −2 )( −2 ) = 4 .
Como en esta unidad usted es un participante muy activo, le propongo que trabaje la
siguiente consigna y establezca las relaciones entre determinantes solicitadas, relaciones
de gran valor teórico que usan la propiedad del determinante en relación a un producto
de matrices.
14
a) Si una matriz tiene inversa vale AA−1 = I . ¿Qué relación existe entre det ( A ) y el
det de su inversa? Complete: det ( A−1 ) = .......
b) Además, ¿qué relación existe entre det ( A ) y det ( A p ) ? Complete: det ( A p ) = .......
c) Y como conclusión de ambas: det ( A− p ) = .......
Finalmente vale: el determinante de una matriz coincide con el de su

transpuesta: det ( A ) = det ( AT ) .
15
A pensar: ¿por qué supone usted que vale esta propiedad? Los productos elementales de
ambas matrices ¿coinciden? Le propongo analizarlo con una matriz 2 × 2 y también con
una 3 × 3 .
Si det ( A ) = det ( AT ) toda propiedad válida para renglones lo será para columnas
¿verdad?
Entonces, hasta ahora observamos las siguientes relaciones entre una operación
matricial y el determinante correspondiente:
9 det ( cAn×n ) = c n ⋅ det ( A )

9 det ( AB ) = det ( A ) ⋅ det ( B )
9 det ( An ) = det ( A ) 
n
9 ¿Se cumplirá que det ( A + B ) = det ( A ) + det ( B ) ?
16
Tache la opción que no corresponda y justifique:
det ( A + B ) = det ( A ) + det ( B )
det ( A + B ) ≠ det ( A ) + det ( B )
Antes de pasar a un “salpicado” de ejercicios que lo ayudarán a internalizar

comprensivamente las propiedades de los determinantes, es conveniente que realice una
184
UNIDAD 3
síntesis de las mismas. Yo le propongo la estructura y usted la completa ¿le gusta la

idea?
Si An×n es una matriz:

9 cualquiera, det ( A ) .......det ( AT ) .
9 que contiene un renglón o columna de ceros, det ( A ) = .....................
9 que tiene dos renglones o columnas proporcionales o coincidentes,
det ( A ) = .........
9 triangular, det ( A ) = ....................................
Si B es la matriz que se obtiene de A :
9 cuando un solo renglón o columna de A se multiplica por un escalar c,
entonces det ( B ) ............det ( A ) .
9 intercambiando dos renglones o dos columnas cualesquiera, entonces
det ( B ) ..............det ( A ) .
9 sumando un múltiplo de un renglón (o columna) a otro renglón (o
columna), entonces det B.......det A .
17
Bien, ahora al “salpicadito”: justifique cada respuesta y recuerde que la notación
det ( A ) coincide con la notación A .
a) Si A = 2 y B = −3 , calcule A−1 BT
b) Si A es invertible y AB = 0 ¿cuánto vale B ?
c) Si A es invertible y AB = AC ¿qué relación existe entre B y C ?
d) Si A2 = I ¿cuánto vale A ?
e) Si An×n = cI ¿cuánto vale A−1 ?
f) Calcule A para A que satisface: − A3 + 2 IA3 = AT
g) Encuentre una fórmula para el adj ( An×n ) en términos del det ( A ) , recordando la
1
fórmula A−1 = adj ( A ) .
det ( A )
4. Aplicaciones
En esta sección aplicaremos la teoría de las secciones precedentes para obtener fórmulas
teóricas importantes y una interpretación geométrica del determinante.
¿Aplicaciones prácticas de las propiedades del determinante? Veamos algunas.
185
UNIDAD 3
Ejemplo 4
El método de Gauss, aplicado a una matriz aumentada, nos permitió encontrar el
conjunto solución de la ecuación matricial AX = B ¿lo recuerda?, lo vimos en unidad
1. También, aplicado a una matriz cuadrada cualquiera nos permite llevarla a la forma
escalonada en los renglones. ¿Lo vemos en una matriz específica? Aquí va:
1 1 6 
Sea A =  3 −6 0  . Los pasos para llevarla a la forma escalonada en los renglones
 2 0 0 
son:
1 1 6 1 1 6
3 −6 0 A 0 1 2 ← ( − 19 ) D
2 0 0 0 −2 −12
1 1 6 (−3) 1 1 6
0 −9 −18 ↵+ B 0 1 2 (2) E
+
2 0 0 0 0 −8 ↵
1 1 6 (−2) 1 1 6
0 −9 −18 C 0 1 2 F
0 −2 −12 ↵ +
0 0 1 ← (− 8 )
1
A partir de esta información podemos calcular el det A . Observe:

9 B se obtiene de A reemplazando la 2ª fila por la suma de la 2ª más un múltiplo de
la 1ª . Luego B = A .
9 C se obtiene de B reemplazando la 3ª fila por la suma de la 3ª más un múltiplo de
la 1ª. Luego C = B .
9 D se obtiene de C reemplazando la 2ª fila por el producto de ella misma con el
1 1
escalar − . Luego D = − C .
9 9
9 E se obtiene de D reemplazando la 3ª fila por la suma de la 3ª más un múltiplo de
la 2ª. Luego E = D .
9 F se obtiene de E reemplazando la 3ª fila por el producto de ella misma con el
1 1
escalar − . Luego F = − E .
8 8
Finalmente, A = B = C = −9 D = −9 E = ( −9 )( −8 ) F = ( −9 )( −8 )(1) = 72 .
Usted dirá, con razón, que le lleva menos tiempo calcular el det ( A3×3 ) usando
la regla nemotécnica que aplicar el método de Gauss para reducir la matriz . Y
sí ¡es verdad! Entonces, pensemos, ¿en qué circunstancias será conveniente
calcular el determinante por esta vía?
La reflexión lo habrá llevado a concluir que vale la pena cuando ya contamos con la
reducción hecha paso a paso, esto es, cuando ya conocemos los escalares usados para
186
UNIDAD 3
convertir en un uno principal el elemento correspondiente de una fila. El det ( A ) es el

producto entre los recíprocos de esos escalares y el determinante de una matriz
triangular superior.
Las reglas nemotécnicas resultan la mejor opción para calcular determinantes de

matrices 2 × 2 ó 3 × 3 . Para matrices de tamaño mayor, el método de reducción en los
renglones resulta el más apropiado: puede implementarse fácilmente en computadoras
debido a que la fórmula del determinante es sistemática y se programa con facilidad,
además requiere mucho menor tiempo de cálculo. El cálculo de determinantes es la
solución fácil a muchos problemas, pero en la práctica, si no se encuentra un método
adecuado de cálculo, puede resultar imposible.
Nota numérica. Por ejemplo: para una matriz 30 × 30 se requerirán:

9 30! multiplicaciones, ¿recuerda la notación?, aplicando la definición de
determinante (recuerde que para una matriz de tal tamaño no hay método
nemotécnico que facilite los cálculos). Pero, 30! ≅ 3 ×1032 (¡es un 3 acompañado de
treinta y dos ceros!). Si tenemos en cuenta que una supercomputadora realiza unas
1012 operaciones por segundo, se requerirán 3 × 1020 segundos. Un año tiene
31536000 ≅ 3 ×107 segundos. Luego, nos llevaría ¡ 1013 años! ¡Unas mil veces la
edad del universo: el universo tiene alrededor de 1.5 ×1010 años , 15 mil millones de
años, según la teoría más reciente!
9 En cambio, mediante eliminación Gaussiana se realizan aproximadamente
303
= 9 × 103 multiplicaciones lo cual nos llevaría, en la misma
3
supercomputadora, ¡0.009 microsegundos de tiempo de computación! Es decir, un
poco menos de una centésima de millonésima de segundo. Mucho mejor, ¿verdad?
Conclusión: la reducción a la forma escalonada en los renglones provee un método

alternativo para calcular el determinante de una matriz y es el método que mejor se
adapta a cualquier tamaño de matriz. Es un método de gran valor práctico.
18
Use la eliminación gaussiana y calcule el determinante de la matriz de coeficientes del
SEL correspondiente a:
a) Unidad 1/ Ejemplo 38.
b) Unidad 1/ Ejemplo 39.
En la práctica se combinan la eliminación gaussiana y las propiedades de los

determinantes. Por ejemplo: se aplica la eliminación hasta lograr una fila o columna de
ceros, dos filas o columnas coincidentes, o bien una estructura de matriz en donde el
determinante sea fácil de calcular. En el cálculo de un determinante es fundamental la
observación.
187
UNIDAD 3
Ejemplo 5
Seguimos con el planteo matricial de un SEL de dos ecuaciones en dos variables
 a11 a12   x   b1 
a    =   . ¿Qué plantearemos en este ejemplo? Pues: trataremos de
 21 a22   y  b2 
construir un método alternativo para encontrarle solución al SEL AX = B . Recuerde
que tanto x como y “viven” en los números reales.
a11 a12 a11 x a12

Si un escalar multiplica a una columna vale x = . Otra propiedad del
a21 a22 a21 x a22
determinante afirma que éste no se altera, si se reemplaza una columna por ella misma
a x a12 a11 x + a12 y a12
más un múltiplo de otra columna: entonces vale 11 = . Por la
a21 x a22 a21 x + a22 y a22
a11 x + a12 y a12 b1 a12
ecuación matricial de partida se tiene = .
a21 x + a22 y a22 b2 a22
b1 a12
a a b a12 b a22 det ( Ax )
Finalmente: x 11 12 = 1 o bien, si det ( A ) ≠ 0 ⇒ x = 2 = .
a21 a22 b2 a22 a11 a12 det ( A )
a21 a22
Este resultado nos afirma que la variable x se obtiene como el cociente de dos
determinantes: el denominador es el determinante de la matriz de coeficientes y el
numerador el determinante de una matriz que se obtiene a partir de A reemplazando la
columna de los coeficientes de la variable x por el vector de términos independientes.
Interesante ¿no?
19
a11 b1
a b det ( Ay )
Demuestre la veracidad de la afirmación: det ( A ) ≠ 0 ⇒ y = 21 2 = .
a11 a12 det ( A )
a21 a22
Además, ¿cómo se interpreta?
Este resultado ya era conocido en la antigüedad. Hace más de 2000 años, los
matemáticos chinos habían encontrado una relación entre los coeficientes de un SEL en
dos variables y su solución. En terminología más moderna que la usada en los tiempos
ba −b a a b −a b
de esos matemáticos, ellos expresaron x = 1 22 2 12 e y = 11 2 21 1 . Los
a11a22 − a21a12 a11a22 − a21a12
determinantes nacieron para resolver SEL y en forma posterior a ellos nacieron las
matrices y la expresión matricial de un SEL. El término matriz significa “madre de los
determinantes”.
188
UNIDAD 3
Y para concluir, se conoce como Regla de Cramer el siguiente resultado: dado

AX = B la ecuación matricial de un SEL de n ecuaciones en n variables con
det ( A ) ≠ 0 , cada variable se expresa como el cociente de dos determinantes,
det ( Ai )
xi = . Aquí A es la matriz de coeficientes del SEL y Ai es la matriz que se
det ( A )
obtiene de A al reemplazar la i-ésima columna por el vector de términos
independientes.
¡A pensar con lápiz y papel en mano!
20
a) ¿Por qué se solicita que en el SEL coincidan el número de ecuaciones y el de
variables?
b) ¿Por qué se solicita que el determinante de la matriz de coeficientes no sea nulo?
c) ¿Qué ventajas ofrece este método por sobre los ya vistos para resolver un SEL?
d) ¿Puede aplicarse la Regla de Cramer a SEL de tamaño arbitrario?
Es hora de hacer cálculos aritméticos reales y de ratificar resultados de las unidades

previas. Ratificar como una manera de comprobar que la solución de un SEL es única,
en el sentido de que es intrínseca al sistema y no depende del método empleado para
calcularlo. Lo vemos:
21
a) Use la Regla de Cramer y ratifique la solución del ejemplo 38 y de la actividad de
proceso 45, ambos de la unidad 1.
 x + cy + 8 z = −4

b) Dado  cx − z = 1 ¿para qué valor de la constante real c la Regla de Cramer
−53 x − 6 y + z = 2

no puede utilizarse?
Reemplace c en el apartado anterior (b):

c) Por 1 y calcule –solamente– el valor de la variable z .
d) Por −2 y calcule –solamente– el valor de la variable x .
e) Por 3 y calcule –solamente– el valor de la variable y.
Conclusión: dado un sistema de ecuaciones lineales con determinante de la matriz de

coeficientes no nulo, cada variable viene dada como el cociente entre dos determinantes.
Por numerador se tiene el determinante de una matriz que se obtiene al reemplazar en A
la columna correspondiente a los coeficientes de la variable por los términos
independientes; como denominador, el determinante de la matriz de coeficientes.
Para lograr claridad y no perdernos en palabras ... lo escribimos con simbología

matemática, Regla de Cramer:
det ( Ai )
dado un SEL AX = B ∧ det ( An×n ) ≠ 0 ⇒ xi = ∀i = 1," , n .
det ( A )
189
UNIDAD 3
La Regla de Cramer es un método alternativo para calcular la solución única de un SEL

consistente siempre que el determinante sea no nulo. Es un método de mayor valor
teórico que práctico.
Ejemplo 6
El determinante nos da una fórmula para calcular el área de un triángulo. Muchas veces,
debido a la topografía del terreno, es inconveniente o simplemente imposible medir la
base y la altura de una región plana triangular. Entonces, los topógrafos, al trabajar
sobre el terreno toman otras medidas: las coordenadas de los tres vértices, pero ¿cómo
proceden para determinar el área? Lo vemos en detalle...
La figura muestra un triángulo dibujado en el plano cartesiano. Las posiciones de los

vértices vienen dadas por los pares ordenados a = ( a1 , a2 ) , b = ( b1 , b2 ) y c = ( c1 , c2 ) .
base × altura
Una fórmula conocida para calcular el área de un triángulo es . A través de
2
los párrafos siguientes mostraremos otra técnica basada en el concepto de determinante.
b
a
d e f
Observando la figura comprobamos que vale la siguiente igualdad:
área abc = área adec + área cefb − área adfb
con: d = ( a1 , 0 ) , f = ( b1 , 0 ) y e = ( c1 , 0 ) .
Si recordamos que el área de un trapecio vale la mitad de la altura por la suma de los
h
lados paralelos, esto es, (lado1 + lado2) , para el trapecio adec se tiene:
2
altura = c1 − a1 Lado 1
lado1 = a2
lado2 = c2
( c1 − a1 ) ( c1 − a1 )( a2 + c2 )
área adec = ( a2 + c2 ) = Lado 2
2 2
De manera similar se muestra que:

( b − c )( b + c )
área cefbc = 1 1 2 2
2
( b − a
área adfb = 1 1 2 2
)( a + b )
2
190
UNIDAD 3
Luego,
área abc =
( c1 -a1 )( a2 + c2 ) + ( b1 − c1 )( b2 + c2 ) − ( b1 − a1 )( a2 + b2 )
2 2 2
c1a2 +c1c2 − a1a2 − a1c2 +b1b2 +b1c2 − c1b2 − c1c2 − b1a2 − b1b2 +a1a2 +a1b2
=
2
c a +b c +a b − a c − c b − b a
= 1 2 1 2 1 2 1 2 1 2 1 2
2
a1 a2 1
a1b21 + a21c1 +1b1c2 − c1b21 − c21a1 − 1b1a2 1
= = b1 b2 1
2 2
c1 c2 1
De esta manera, conocidas las posiciones de los vértices, el área de un triángulo se

calcula como la mitad de un simple determinante 3 × 3 . Notemos que los vértices, al ser
volcados en la matriz, se recorren en el sentido contrario al de las agujas de un reloj y
no de manera arbitraria. Recuerde que cambiar el orden de las filas influye en el signo
del determinante. Al tratarse de una medida de superficie, el área –el determinante– es
siempre positiva. ¿Tiene sentido decir que algo mide −2m 2 de área?
Bien, no es necesario que trate de memorizar cómo se llegó a este resultado. Lo

importante es conocer una síntesis del mismo. Entonces,
22
complete:
Síntesis del ejemplo 6
9 Datos –o hipótesis–
9 Tesis –o conclusión–
Y también apliquemos el resultado obtenido:
23
Determine el área del triángulo cuyos vértices están ubicados en un plano y valen:
a) ( 3,3) , ( 4, 0 ) y ( −2, −1) .
b) ( 0,1) , ( 4, −4 ) y ( 6,3) .
Al plantear ese determinante la “genialidad” estuvo en incluir el 1 –elemento neutro o

identidad en el producto real– en cada sumando. De esta manera, cada sumando puede
verse como un producto elemental con signo de una matriz 3 × 3 .
En general, habrá observado que trabajar con determinantes involucra cálculos de la

aritmética real, por ello, es fundamental contar con un excelente manejo de los números
191
UNIDAD 3
reales, sus operaciones y propiedades –temas vistos en el Módulo de nivelación

matemática–. Entre otras cosas, habrá notado el uso del paréntesis y del signo menos
antes de un paréntesis ¿cuál es su situación respecto de esos temas? ¿los maneja
adecuadamente?
Tema para indagar en el Aula virtual

Dos aplicaciones interesantes y útiles que dejé para trabajar juntos en el espacio de
estudio colaborativo del Aula virtual son las siguientes:
9 Para una matriz A2×2 , el área del paralelogramo ( a1 , a2 )
determinado por las columnas de A (esto es, las entradas
de una columna corresponden a las coordenadas ( x, y )
de un vértice en el plano cartesiano) coincide con el
a a
det ( A ) . En fórmulas: 1 2 coincide con el área del ( b1 , b2 )
b1 b2
paralelogramo P.
9 Para una matriz A3×3 , el volumen del paralelepípedo determinado por las columnas
de A (esto es, las entradas de una columna corresponden a las coordenadas ( x, y , z )
de un vértice en el espacio tridimensional) coincide con el det ( A ) .
Ambos resultados pueden demostrarse fácilmente desde lo que ya resolvimos en el

ejemplo anterior y constituyen una interpretación geométrica del determinante por
demás útil. También, pueden consultarse otras demostraciones interesantes en Álgebra
lineal y sus aplicaciones de David Lay y en Álgebra lineal de Stanley Grossman.9
¿Le parece que compartamos demostraciones en el Aula virtual? ¡Allí espero sus
aportes!
Ejemplo 7
¿Cuál es la expresión algebraica de la recta que pasa por
los puntos ( 2,1) y ( 3, 7 ) ? Eje y
Si se tienen como datos las coordenadas de dos puntos

diferentes del plano hay sólo una recta que pasa por
ellos. ¿Se acuerda de recta? ¿Plano cartesiano?
¿Coordenadas de un punto? ¿Representación geométrica
del conjunto solución de un SEL en dos variables? Eje x
Temas desarrollados en la unidad 1 y también tema de
reflexión en el Aula virtual.10
La recta es la gráfica de una ecuación lineal (EL) en dos variables ¿recuerda? Y esa
ecuación viene dada por la expresión ax + by = c . En la unidad 1, en esa expresión, x e
y constituyen las “variables” mientras que a , b y c son constantes conocidas.
9
Encontrará la cita completa de ambos textos en Bibliografía.
10
Véase: unidad 1/Tema de indagación, profundización en el Aula virtual previo a la sección 1.7
192
UNIDAD 3
En este ejemplo el planteo es otro: se dan dos puntos en el plano y se trata de determinar
la expresión algebraica de la recta que los contiene: x e y asumen valores conocidos
mientras que a , b y c son desconocidos.
x = 2 , y = 1 satisfacen la ecuación de la recta, esto es, a 2 + y1 = c

x = 3 , y = 7 satisfacen la ecuación de la recta, esto es, a3 + y 7 = c
Las tres EL planteadas constituyen un SEL en las variables a , b y c :

 xa + yb + 1c = 0

 2a + 1 y + 1c = 0
3a + 7 y + 1c = 0

y matricialmente se expresa:
 x y 1  a   0 
    
 2 1 1  b  =  0  .
 3 7 1  c   0 
Al tratarse de un SEL homogéneo siempre tiene solución, a saber: la solución nula, esto
es, a = 0, b = 0, c = 0 , o bien infinitas soluciones.
La primera opción, obviamente, no nos sirve. ¿Por qué? Porque con esos valores no
podemos construir la ecuación de la recta que pasa por los puntos dados. Nos sirve la
segunda: infinitas soluciones; y se tiene infinitas soluciones, cuando el determinante de
la matriz de coeficientes es nulo. Planteamos eso,
x y 1
1 1 2 1 2 1
0 = det A = 2 1 1 = x −y +1 = x ( −6 ) − y ( −1) + 11
7 1 3 1 3 7
3 7 1
Bien, la expresión −6 x + y = −11 representa la ecuación lineal de la recta que pasa por
los puntos dados.
Bien, bien ¿cuál es el detalle para casos similares? A partir de los datos –los puntos
dados– plantear un SEL homogéneo en tres ecuaciones y tres variables (a, b, c). Dicho
sistema admite solución no nula sólo si el determinante de la matriz de coeficientes es
nulo. Esto nos permite construir la ecuación lineal de recta.
24
Complete:
Síntesis del ejemplo 7
9 Datos –o hipótesis–
9 Tesis –o conclusión–
193
UNIDAD 3
Y también aplique el resultado obtenido:
25
Determine la ecuación lineal de la recta que pasa por los puntos:
a) ( 4, 2 ) y ( −2, −1) .
b) (1,1) y ( −3,5 ) .
c) ( −1, −1) y ( 0, 0 ) .
Este resulta un buen momento para retornar a la unidad 1 ¿para qué? Retome el tema de
indagación, profundización y discusión en el Aula virtual y resuelva la actividad allí
propuesta.
26
Tomando como ejemplo la modelización matemática planteada para construir la
ecuación de una recta, construya la ecuación de los planos que pasan por los puntos:
a) (1,1, 0 ) , ( 3,1, −2 ) , ( 5, 0, 2 )
b) ( 6, 0, 0 ) , ( 0, −1, 0 ) , ( 0, 0, 2 )
c) Confronte resultados con los obtenidos en unidad 1/Tema de indagación,
profundización en el Aula virtual previo a la sección 1.7.
Y para finalizar, le cuento que en las próximas asignaturas del área matemática
aparecerán matrices y determinantes con nombres “rimbombantes” como el Jacobiano y
el Hessiano, entre otros. En Física, y en Probabilidad y estadística, usted también
utilizará los determinantes.
194
UNIDAD 3
En este apartado consignamos lo que usted debería haber aprehendido al estudiar esta
unidad. Identificamos además los conceptos clave.
Los conceptos nuevos definidos en unidad 3 son:

9 Permutación del conjunto {1," , n}
9 Árbol de permutaciones.
9 Producto elemental. Producto elemental con signo.
9 det ( An×n ) . Función determinante.
9 Reglas nemotécnicas.
9 Menor del elemento ij. Cofactor del elemento ij.
9 Desarrollo por cofactores del det ( An×n ) .
9 Adjunta de A, adj ( A ) .
9 Fórmula para calcular la inversa de una matriz.
9 Factorial de n.
9 Propiedades del determinante.
9 Regla de Cramer para resolver SEL.
9 Fórmula con determinante para el área de un triángulo.
9 Fórmula con determinante para la ecuación de una recta.
9 Interpretación geométrica del determinante.
Ésta es una buena oportunidad para que usted construya la síntesis de la unidad a modo
de visión retrospectica. Deberá presentarla como parte de la Actividad 2 de envío
obligatorio. Recuerde que la síntesis constituye una instancia de aprendizaje muy
valiosa y enriquecedora. Para realizarla adecuadamente recuerde integrar y relacionar
contenidos.
27
Construya una síntesis de la unidad y envíela al tutor, junto a la Actividad 2 de
autoevaluación.
¿Desea aplicar la propiedades y fórmulas aprendidas? Véase en Aula virtual / Archivos /

de ejercicios, también por gentileza de los alumnos.
195
UNIDAD 3
1
1 2 3 4
2 3 4 1 3 4 1 2 4 1 2 3
3 4 2 4 2 3 3 4 1 4 1 3 2 4 1 4 1 3 2 3 1 3 1 2
4 3 4 2 3 2 4 3 4 1 3 1 4 2 4 1 3 1 3 2 3 1 2 1
La intención de este ejercicio es que usted sea capaz de “visualizar” la técnica de

construcción del árbol. Desde ningún punto de vista debe memorizarlo. Si no fue capaz
de construirlo, revise nuevamente la teoría que le dio origen.
2
a)
permutación producto paridad producto elemental con
asociada elemental signo
(1 2 3 4) a11a22 a33a44 par + a11a22 a33a44
(1 2 4 3) a11a22 a34 a43 impar − a11a22 a34 a43
(1 3 2 4) a11a23a32 a44 impar − a11a23a32 a44
(1 3 4 2) a11a23a34 a42 par + a11a23a34 a42
(1 4 2 3) a11a24 a32 a43 par + a11a24 a32 a43
(1 4 3 2) a11a24 a33a42 impar − a11a24 a33a42
(2 1 3 4) a12 a21a33a44 impar − a12 a21a33a44
La idea no es agobiarlo con estos cálculos sino que capte la idea. Quizás ya con este
trabajo incompleto, lo hayamos logrado:
Por ejemplo:
(1, 4,3, 2 ) → (1,3, 4, 2 ) → (1,3, 2, 4 ) → (1, 2,3, 4 ) número impar de cambios (tres) para
pasar de esa permutación a la estándar.
( 2,1,3, 4 ) → (1, 2,3, 4 ) número impar de cambios (uno) para pasar de esa permutación a
la estándar.
b) Existen sólo dos: a11a22 y − a12 a21 .
c) El producto elemental a11a22 a33 tiene signo positivo porque su permutación asociada
es (1 2 3). El a12 a23a31 se obtiene del anterior intercambiando primero el “1” con el
“2” y luego el “3” con el “1”, así: (1,2,3)→(2,1,3)→(2,3,1); son dos intercambios,
luego el signo original cambia dos veces, es decir, ¡no cambia! Lo mismo ocurre con
el a13a21a32 .
El producto elemental a11a23a32 se obtiene del a11a22 a33 mediante el intercambio
(1,2,3)→(1,3,2); es un solo intercambio, luego el signo pasa de “+” a “−”. El
a13a22 a31 puede obtenerse del anterior realizando los intercambios
196
UNIDAD 3
(1,3,2)→(3,1,2)→(3,2,1); son dos intercambios, así que el signo negativo sigue

siendo negativo. Lo mismo ocurre, finalmente, con el a12 a21a33 .
3
a) Usando las reglas mnemotécnicas:
det ( B ) = ( −1) ⋅ ( −3) − ( −8 ) ⋅ 7 = 59 ,
det ( C ) = 1 ⋅ 5 ⋅ 8 + ( −2 ) ⋅1 ⋅ 4 + 7 ⋅ 3 ⋅ 3 − ( 4 ⋅ 5 ⋅ 7 + 3 ⋅1⋅1 + 8 ⋅ 3 ⋅ ( −2 ) ) = 0 .
b) Porque F no es cuadrada.
c) No, porque no es cuadrada.
d) Para calcular el det ( E ) no hay regla mnemotécnica. Utilizaremos los resultados de
la actividad de proceso 2a haciendo aij = eij . Con ello obtenemos det ( E ) = −84 .
4
9 det( A) = ( a11a22 a33 − a11a23a32 ) + ( a12 a23a31 − a12 a21a33 ) + ( a13a21a32 − a13 a22 a31 )
= a11 ( a22 a33 − a23a32 ) + a12 ( a23 a31 − a21a33 ) + a13 ( a21a32 − a22 a31 )
= a11C11 + a12C12 + a13C13
9 det( A) = ( a21a13 a32 − a21a12 a33 ) + ( a22 a11a33 − a22 a13 a31 ) + ( a23 a12 a31 − a23 a11a32 )
= a21 ( a13a32 − a12 a33 ) + a22 ( a11a33 − a13a31 ) + a23 ( a12 a31 − a11a32 )
= a21C21 + a22C22 + a23C23
9 det( A) = ( a31a23a12 − a31a22 a13 ) + ( a32 a21a13 − a32 a23 a11 ) + ( a33a22 a11 − a33 a21a12 )
= a31 ( a23 a12 − a22 a13 ) + a32 ( a21a13 − a23 a11 ) + a33 ( a22 a11 − a21a12 )
= a31C31 + a32C32 + a33C33
5
Desarrollamos det ( A ) por el segundo renglón (son todos ceros); det ( B ) por la primera
columna (tiene una única entrada diferente de cero); y det ( C ) por el segundo o el tercer
renglón (ambos tienen una única entrada diferente de cero), en ambos queda calcular un
determinante 4 × 4 que se puede desarrollar por la segunda fila cuyas entradas son nulas
salvo una: finalmente queda calcular un determinante 3 × 3 .
6
a) No, porque estaríamos dividiendo por cero en la fórmula
1
A−1 = adj ( A )
det ( A )
y tal división no está definida en los números reales.
 2 −1  2 −1
b) det ( A ) = 2 ⋅ 2 − 3 ⋅1 = 1 ; adj ( A ) =   ; luego: A−1 =  .
 −3 2   −3 2 
c) Sabemos que ( A−1 ) = A , es decir, la inversa de la inversa de A es de nuevo A .
−1
Usando la fórmula para la inversa tendremos
197
UNIDAD 3
 7 2
1 1  7 2   27 27 
A = ( A−1 ) = adj ( A−1 ) =
−1
= .
det ( A )
−1
27  −3 3   1 1 
−
 9 9 
1 2
 9 − 27 
Finalmente, usando A obtenemos su adjunta, adj ( A ) =  .
1 7 
 9 27 
7
det ( A ) = (1⋅ 0 ⋅ 4 + ( −1) ⋅ 0 ⋅ 3 + 5 ⋅ 0 ⋅ 2 ) − ( ( −1) ⋅ 0 ⋅ 4 + 1⋅ 0 ⋅ 2 + 5 ⋅ 0 ⋅ 3) = 0 .
det ( B ) = ( 0 ⋅ b22b33 + 0 ⋅ b23b31 + 0 ⋅ b21b32 ) − ( 0 ⋅ b21b33 + 0 ⋅ b23b32 + 0 ⋅ b22b31 ) = 0 .
También puede hacerse el desarrollo por cofactores a lo largo de la segunda fila, para A,
y primera fila, para B.
8
Tomemos D triangular inferior genérica, es decir
 d11 0 0 0 
d d 22 0 0 
D =  21 .
 d 31 d 32 d 33 0 
 
 d 41 d 42 d 43 d 44 
Notemos que dij = 0 siempre que j > i . Mirando la tabla de la actividad de proceso 2a,
vemos que todos los productos elementales (con signo) contienen algún dij con j > i –y
son por lo tanto nulos–, excepto uno: el producto d11d 22 d33d 44 . Entonces:
det ( D ) = d11d 22 d33d 44 .
Lo mismo vale para cualquier matriz triangular inferior n × n . Si la matriz es triangular
superior, las entradas nulas serán las dij con j < i , pero el efecto será el mismo.
Otra manera: desarrollamos el determinante a lo largo de la primera fila, queda un

determinante de un orden menor, ( n − 1) × ( n − 1) . A este “nuevo” determinante, también
lo desarrollamos por su primera fila: nuevamente nos queda un determinante de una
matriz ( n − 2 ) × ( n − 2 ) . Seguimos con el proceso descrito hasta llegar a un determinante
1× 1 .
d11 0 0 0
d 22 0 0
d 21 d 22 0 0 d 0
= d11 d33 0 = d11d 22 33 = d11d 22 d 33 d 44 = d11d 22 d 33d 44
d31 d32 d33 0 d 44
d 44
d 41 d 42 d 43 d 44
Entonces decimos:
198
UNIDAD 3
Si Dn×n es triangular, entonces det ( D ) = d11 ⋅ d 22 " d nn . En palabras: el determinante

de cualquier matriz triangular n × n está dado por el producto de los elementos de
la diagonal (principal).
9
a) El único producto elemental que no contendrá ningún cero es el i11 ⋅ i22 " inn , y en él
todos los elementos son unos, así que det ( I n×n ) = 1 .
b) Dando por descontado que toda matriz diagonal es también triangular, el resultado
de la actividad de proceso 8 nos muestra que det ( Dn×n ) = d11 ⋅ d 22 " d nn .
10
Notemos que la segunda fila de B es igual a la segunda fila de A multiplicada por 5.
Por otro lado det ( A ) = 1⋅ 4 − 3 ⋅ 2 = −2 , mientras que det ( B ) = 1⋅ 20 − 15 ⋅ 2 = −10 ;
entonces efectivamente det ( B ) = 5 ⋅ det ( A ) .
11
a) Vimos que si multiplicamos una fila de A por c , entonces el determinante se
multiplica por c ; y si multiplicamos dos filas por c , el determinante se multiplica
por c 2 ; de la misma forma podemos ver que si multiplicamos tres filas, el
determinante se multiplicará por c 3 . Generalizando, vemos que el determinante se
multiplica por un factor c por cada fila que multipliquemos por el escalar; entonces,
si multiplicamos cada una de las n filas por c , el determinante se multiplicará n
veces por c . Finalmente, formalizamos el resultado diciendo:
si Bn×n = cAn×n entonces det ( B ) = c n det ( A ) .
b) En la actividad anterior teníamos det ( A ) = −2 , y A era 2 × 2 , así que n = 2 .
Entonces:
det ( −4 A ) = ( −4 ) det ( A ) = 16 ⋅ ( −2 ) = −32 ;
2
det ( − A ) = det ( ( −1) A ) = ( −1) det ( A ) = −2 .

2
12
a) det ( M ) = − det ( A ) (cambia de signo tres veces).
b) det ( M ) = det ( A ) (cambia de signo cuatro veces).
c) det ( M ) = det ( A ) (cambia de signo un número par de veces).
d) det ( M ) = − det ( A ) (cambia de signo un número impar de veces).
e) Para una matriz cuadrada n × n vale det ( M ) = ( −1) det ( A ) .
k
13
det ( A ) = 1⋅ 5 ⋅ 2 + 2 ⋅ 6 ⋅ 5 + 3 ⋅ 4 ⋅ 0 − ( 5 ⋅ 5 ⋅ 3 + 0 ⋅ 6 ⋅1 + 2 ⋅ 4 ⋅ 2 ) = −21 ;
det ( B ) = 1⋅ 9 ⋅ 2 + 2 ⋅12 ⋅ 5 + 3 ⋅ 6 ⋅ 0 − ( 5 ⋅ 9 ⋅ 3 + 0 ⋅12 ⋅1 + 2 ⋅ 6 ⋅ 2 ) = −21 .
Esos determinantes también se pueden calcular con la regla nemotécnica para matrices
3 × 3 o bien, desarrollarse por la tercera fila, que contiene un cero.
199
UNIDAD 3
14
a) Como A A − 1 = I , entonces 1 = det ( I ) = det ( AA−1 ) = det ( A ) det ( A−1 ) . Por lo tanto
1
det ( A−1 ) = = ( det ( A ) ) . Hemos planteado y resuelto una ecuación
−1
det ( A )
numérica con det ( A−1 ) valor desconocido. Luego, el determinante de la inversa es
el inverso multiplicativo del determinante; un valor es el “recíproco” del otro.
b) Como A p = AA
"
A , entonces
p veces
 
det ( A p ) = det  A  = det ( A ) ⋅ det ( A )" det ( A ) = ( det ( A ) ) .
p
AA
"

 
 p veces  p veces
El determinante de la potencia p de A es la potencia p del determinante de A.
c) Como A− p = ( A−1 ) , entonces

p
p
−p
(
det ( A ) = det ( A ) = det ( A ) = 
−1 p
) (
 1  −1
) = ( det ( A ) ) .
 det ( A ) 
p −p
El determinante de la potencia − p de A es la potencia − p del determinante de A.
15
Para dar con una “idea” que nos oriente calculamos con matrices pequeñas:
 a a 
det ( A2×2 ) = det   11 12   = a11a22 − a21a12 ;
  a21 a22  
 a11 a21  
det (( A ) ) = det  a
2×2
T
12
 = a a − a a = det ( A2×2 ) .
a22   11 22 12 21
  a11 a12 a13  
 
det ( A3×3 ) = det   a21 a22 a23  
 a 
  31 a32 a33  
= ( a11a22 a33 + a12 a23a31 + a13a21a32 ) − ( a31a22 a13 + a32 a23 a11 + a33 a21a12 ) ;
  a11 a21 a31  
det (( A ) )
3×3
T 
= det   a12 a22 a32  

 a 
  13 a23 a33  
= ( a11a22 a33 + a21a32 a13 + a31a12 a23 ) − ( a13 a22 a31 + a23 a32 a11 + a33a12 a21 )
= det ( A3×3 ) .
Observamos que, en ambos casos, coinciden los productos elementales con signo
tomados de A y esta condición se sigue cumpliendo para matrices “mayores”.
Conclusión: el determinante de una matriz coincide con el de su transpuesta. ¡Genial!
Los desarrollos por cofactores a lo largo de filas se pueden generalizar a columnas.
200
UNIDAD 3
16
det ( A + B ) = det ( A ) + det ( B )
det ( A + B ) ≠ det ( A ) + det ( B )
 1 1   1 0 
Contraejemplo: det     = 1 y det     = 1 , pero
 0 1   1 1  
 1 1 1 0    2 1 
det    +   = det     = 3 ≠ 1 + 1 . Notemos que hay muchos más
  0 1 1 1     1 2 
contraejemplos.
17
3
a) Si A = 2 y B = −3 , A−1 BT = A−1 ⋅ BT = A ⋅ B = ( 2 ) ⋅ ( −3) = − .
−1 −1
2
b) Si A es invertible, A ≠ 0 . Como AB = A ⋅ B = 0 , dividiendo esta última igualdad
por A , obtenemos B = 0 .
c) Si A es invertible, A ≠ 0 . Como A ⋅ B = AB = AC = A ⋅ C , dividiendo esta
última igualdad por A , obtenemos B = C .
2
d) Si A2 = I , A2 = A = 1 ; entonces11 A = ±1 .
−1
e) Si An×n = cI , An×n = cI = c n I = c n ; por lo tanto A−1 = A = c−n .
AT = − A3 + 2 IA3 = A3 ( − I + 2 I ) = A3 .
3
f) Tenemos Luego, A = A3 = AT = A .
2
Entonces A = 1 , y por lo tanto A = ±1 .
1
g) Usando la fórmula A−1 = adj ( A ) , vemos que, si A es n × n
det ( A )
n
1 1  1 
= A−1 = adj ( A ) =   adj ( A ) .
det ( A ) det ( A )  det ( A ) 
Entonces:
adj ( A ) = A
n −1
.
11
El doble signo ± indica que la constante o variable puede ser positiva o negativa. Así ±1 significa “o
bien 1, o bien −1 . ¿Recuerda la definición de raíz cuadrada de un número real?
201
UNIDAD 3
18
a) Copiemos la eliminación gaussiana del Ejemplo 38 de la Unidad 1, pero sin la
columna de términos independientes. Repitiendo los pasos del Ejemplo 4 de esta
Unidad, vemos que:
1 1 1
A 7 8 7
2 2 1
5 3 4
1 1 1
B 0 1 0 B se obtiene de A sumando múltiplos del primer renglón a los otros,
4 3
0 − entonces B = A
15 20
1 1 1
C 0 1 0 C se obtiene de B sumando un múltiplo del segundo renglón al
9
0 0 − tercero, entonces C = A
16
1 1 1
D 0 1 0 D se obtiene de C multiplicando el tercer renglón por -16/9,
16
0 0 1 entonces D = − C
9
1 0 1
E 0 1 0 E se obtiene de D sumando múltiplos del segundo renglón al
0 0 1 primero, entonces E = D
1 0 0
F 0 1 0 F se obtiene de E sumando múltiplos del tercer renglón al primero,
0 0 1 entonces F = E
Juntando todas las igualdades, y usando que F = 1 , vemos que

 9  9  9  9 9
A = B = C =  −  D =  −  E =  −  F =  −  ⋅1 = − .
 16   16   16   16  16
b) Copiemos la eliminación gaussiana del ejemplo 39 de la unidad 1, sin la columna de

términos independientes. De nuevo, repitiendo los pasos del ejemplo 4 de esta
unidad, vemos que:
202
UNIDAD 3
1 3 2
A 1 4 1
2 5 5
1 3 2 (−1)
B se obtiene de A sumando múltiplos del primer renglón
B 0 1 −1 ↵+ (−2)
a los otros, entonces B = A
0 −1 1 ↵+
1 3 2
C se obtiene de B sumando múltiplos del segundo
C 0 1 −1 (1)
renglón al tercero, entonces C = B
0 0 0 ↵+
1 0 5
D se obtiene de C sumando múltiplos del segundo
D 0 1 −1
renglón al primero, entonces D = C
0 0 0
Juntando todas las igualdades, y usando que D = 0 , vemos que
A = B = C = D = 0.
19
a11 a12 a11 a12 y

Multipliquemos la segunda columna de A por y , entonces y = .
a21 a22 a21 a22 y
Ahora reemplacemos la segunda columna por ella misma más la primera multiplicada
a a y a a11 x + a12 y
por x , entonces: 11 12 = 11 . Recordando el planteo matricial de un
a21 a22 y a21 a21 x + a22 y
 a11 a12   x   b1 
SEL de dos ecuaciones en dos variables a    =   , vemos que
 21 a22   y  b2 
a11 a11 x + a12 y a11 b1 a a a b
= . Juntando todo, resulta y 11 12 = 11 1 . Luego,
a21 a21 x + a22 y a21 b2 a21 a22 a21 b2
a11 b1
a b det ( Ay )
det ( A ) ≠ 0 ⇒ y = 21 2 = .
a11 a12 det ( A )
a21 a22
Veamos la interpretación. La variable y se obtiene como el cociente de dos

determinantes: el denominador es el determinante de la matriz de coeficientes y el
numerador el determinante de una matriz que se obtiene a partir de A reemplazando la
columna de los coeficientes de la variable y por el vector de términos independientes.
203
UNIDAD 3
20
a) Para que la matriz de coeficientes sea cuadrada, y así podamos calcular su
determinante, y también los determinantes de los numeradores en la Regla de
Cramer.
b) Para que podamos dividir por él en la Regla de Cramer.
c) Principalmente, que permite calcular sólo la (o las) variable(s) que necesitamos, sin
necesidad de calcular ninguna otra.
d) No; el número de variables y el de ecuaciones deben coincidir.
21
 1 1 1   x   22 

a) El SEL del ejemplo 38 de la unidad 1 era  7 8 7   y  = 163 . La Regla
 2 / 5 2 / 3 1/ 4  z   10 
de Cramer nos da, entonces:
22 1 1 1 22 1
163 8 7 7 163 7
10 2 / 3 1/ 4 −3 / 4 2 / 5 10 1/ 4 −27 / 20
x= = =5, y = = = 9,
1 1 1 −3 / 20 1 1 1 −3 / 20
7 8 7 7 8 7
2 / 5 2 / 3 1/ 4 2 / 5 2 / 3 1/ 4
1 1 22
7 8 163
2 / 5 2 / 3 10 −6 / 5
z= = = 8,
1 1 1 −3 / 20
7 8 7
2 / 5 2 / 3 1/ 4
que coincide con la solución obtenida en la unidad 1.
 1 1 1   x  0 
El SEL de la actividad de proceso 45 de la unidad 1 era  −1 1 −2   y  =  1  .
 −2 0 0   z   −1
La regla de Cramer nos dice que:
0 1 1 1 0 1 1 1 0
1 1 −2 −1 1 − 2 −1 1 1
−1 0 0 3 1 −2 −1 0 1 −2 0 −1 −4 2
x= = = , y= = , z= = =− ,
1 1 1 6 2 1 1 1 6 1 1 1 6 3
−1 1 − 2 −1 1 −2 −1 1 −2
−2 0 0 −2 0 0 −2 0 0
que también coincide con la solución de la unidad 1.
204
UNIDAD 3
 1 c 8   x   −4 
b) En forma matricial, el SEL se escribe  c 0 −1  y  =  1  . El determinante
 −53 −6 1   z   2 
1 c 8
de la matriz de coeficientes es c 0 −1 = −c ² + 5c − 6 . La Regla de Cramer no
−53 −6 1
puede utilizarse cuando este determinante es cero. Resolviendo el polinomio de
grado dos en c, −c ² + 5c − 6 = 0 , tenemos c = 2 ó c = 3 .
Reemplace c en el apartado anterior (b):

1 1 −4
1 0 1
−53 −6 2 −25 25
c) Con c = 1 , tenemos z = = = .
1 1 8 −2 2
1 0 −1
−53 −6 1
−4 −2 8
1 0 −1
2 −6 1 −18 9
d) Con c = −2 , resulta x = = = .
1 −2 8 −20 10
−2 0 −1
−53 −6 1
1 c 8
e) Con c = 3 , tenemos c 0 −1 = 0 , y no podemos aplicar la Regla de Cramer.
−53 −6 1
22
Datos: las coordenadas ( x, y ) de tres puntos en el
plano cartesiano.
Conclusión: el área del triángulo que tiene por

vértices esos tres puntos coincide con la mitad de
un determinante. Cada fila está formada por las
coordenadas de un punto ( x, y,1) . Al ordenarse ( x1 , y1 )
en la matriz, los puntos se recorren en sentido
antihorario.
x1 y1 1
1
área + = x2 y2 1
2
x3 y3 1
205
UNIDAD 3
23
Determine:
a) una forma de ordenar los vértices en sentido antihorario es ( 4, 0 ) , ( 3,3) y ( −2, −1) ;
4 0 1
1 19
entonces: area abc = 3 3 1 = ;
2 2
−2 −1 1
b) una forma de ordenar los vértices en sentido antihorario es ( 0,1) , ( 4, −4 ) y ( 6,3) ;
0 1 1
1 38
entonces: area abc = 4 −4 1 = = 19 .
2 2
6 3 1
24
Datos: las coordenadas ( x, y ) de dos puntos en el plano
cartesiano.
Conclusión: la ecuación de la recta que pasa por esos dos

( x1 , y1 )
puntos se obtiene planteando nulo el determinante de la matriz
de coeficientes en la ecuación matricial AX = 0 . El SEL se
forma con la ecuación general de una recta y el hecho de que,
cada punto, vive en la recta.
 ax + by + 1c = 0

 ax1 + by1 + 1c = 0 SELH. En variables a, b, c. Conocer los coeficientes esos es conocer
ax + by + 1c = 0
 2 2
la ecuación lineal de la recta que pasa por los puntos dados.
25
a) La ecuación lineal de la recta que pasa por los puntos ( 4, 2 ) y ( −2, −1) viene dada
x y 1
por 4 2 1 = 0 , es decir 3 x − 6 y = 0 .
−2 −1 1
b) La ecuación lineal de la recta que pasa por los puntos (1,1) y ( −3,5 ) viene dada por
x y 1
1 1 1 = −4 x − 4 y + 8 = 0 .
−3 5 1
c) La ecuación lineal de la recta que pasa por los puntos ( −1, −1) y ( 0, 0 ) viene dada
x y 1
por −1 −1 1 = − x + y = 0 .
0 0 1
206
UNIDAD 3
26
a) La ecuación de un plano en el espacio tridimensional tiene la forma general:
ax + by + cz + d = 0 .
“Conocer” la ecuación del plano que pasa por tres puntos dados en el espacio
tridimensional es saber qué valores específicos asumen los coeficientes a, b, c y d.
Para ello: si el plano pasa por el punto representado por la terna ( x1 , y1 , z1 ) , entonces
debe valer ax1 + by1 + cz1 + d = 0 .
Del mismo modo, si el plano pasa por ( x2 , y2 , z2 ) y ( x3 , y3 , z3 ) , debemos tener:

ax2 + by2 + cz2 + d = 0 ,
ax3 + by3 + cz3 + d = 0 .
Los coeficientes a, b, c y d satisfacen “simultáneamente “ las cuatro ecuaciones por

lo que se constituyen en un SELH en las “variables” a, b, c y d.
 xa + yb + zc + 1⋅ d = 0
 x a + y b + z c + 1⋅ d = 0
 1 1 1
 ,
 x 2 a + y 2 b + z 2 c + 1 ⋅ d = 0
 x3 a + y3b + z3c + 1⋅ d = 0
que escrito en forma matricial queda:

x y z 1  a  0 
x y z1 1  b  0 
 1 1   =  .
 x2 y2 z2 1  c  0 
    
 x3 y3 z3 1  d  0 
Como este SEL es homogéneo, tenemos dos opciones: o bien el determinante de la

matriz de coeficientes no se anula, en cuyo caso la única solución es
( a, b, c, d ) = ( 0, 0, 0, 0 ) ; o bien el determinante se anula, en cuyo caso tenemos
infinitas soluciones. Evidentemente la primera alternativa no nos sirve, así que
tomamos la segunda; entonces pedimos que:
x y z 1
x1 y1 z1 1
= 0.
x2 y2 z2 1
x3 y3 z3 1
Desarrollando el determinante por la primera fila, quedará:

y1 z1 1 x1 z1 1 x1 y1 1 x1 y1 z1
y2 z2 1 x − x2 z2 1 y + x2 y2 1 z − x2 y2 z2 = 0 .
y3 z3 1 x3 z3 1 x3 y3 1 x3 y3 z3
Si desarrollamos los determinantes 3 × 3 , quedará:
207
UNIDAD 3
( y1 z2 + y2 z3 + y3 z1 − y3 z2 − y2 z1 − y1 z3 ) x
+ ( z1 x2 + z2 x3 + z3 x1 − z3 x2 − z2 x1 − z1 x3 ) y
+ ( x1 y2 + x2 y3 + x3 y1 − x3 y2 − x2 y1 − x1 y3 ) z
+ ( x1 y2 z3 + x2 y3 z1 + x3 y1 z2 − x3 y2 z1 − x2 y1 z3 − x1 y3 z2 ) = 0
Cualquiera de estas dos últimas fórmulas nos proporciona la ecuación del plano que
estábamos buscando. Pero más importante que estas “largas y en principio
complicadas fórmulas” es comprender el planteo matemático que le da origen:
anular el determinante de una matriz donde cada fila tiene por entradas las
coordenadas de los tres puntos en el espacio más las coordenadas de un punto
genérico, la última columna son unos.
Observe que el orden en que se vuelcan las coordenadas en la matriz pierde

importancia cuando un determinante debe anularse.
Aplicando la primera de estas fórmulas al caso particular en que las tres ternas son
(1,1, 0 ) , ( 3,1, −2 ) , ( 5, 0, 2 ) , tenemos:
1 0 1 1 0 1 1 1 1 1 1 0
1 −2 1 x − 3 −2 1 y + 3 1 1 z − 3 1 −2 =
0 2 1 5 2 1 5 0 1 5 0 2
( −2 ) x − (12 ) y + ( −2 ) z − ( −14 ) =
−2 x − 12 y − 2 z + 14 = 0.
b) Procediendo como en el punto precedente, pero con las ternas

( 6, 0, 0 ) , ( 0, −1, 0 ) , ( 0, 0, 2 ) , tenemos:
0 0 1 6 0 1 6 0 1 6 0 0
−1 0 1 x − 0 0 1 y + 0 − 1 1 z − 0 − 1 0 =
0 2 1 0 2 1 0 0 1 0 0 2
( −2 ) x − ( −12 ) y + ( −6 ) z − ( −12 ) =
−2 x + 12 y − 6 z + 12 = 0.
c) ¿Confrontó con el Aula Virtual? ¿Con qué resultado?
Y para finalizar con el tema: ¿por qué usamos la ecuación general de un plano?
Porque contiene las variables x, y, z. La ecuación de un plano es una ecuación
lineal en las variables x, y, z ¿recuerda la unidad 1?
Y algo más...
Arriba dijimos que la solución nula del SELH no nos servía. Servía plantear det = 0 lo
cual nos asegura infinitas soluciones, esto es: infinitos son los valores que podemos
asignarles a las “variables” a, b, c y d. Efectivamente, del planteo resultan los valores
a = −2, b = 12, c = −6, d = 12 , pero cualquier múltiplo no nulo de esos valores sirve.
208
UNIDAD 3
Observe:
−2 x + 12 y − 6 z + 12 = 0 , − x + 6 y − 3 z + 6 = 0 , 4 x − 24 y + 12 z − 24 = 0 son ecuaciones
equivalentes, esto quiere decir que contienen la misma solución.
209
UNIDAD 3
Hemos incorporado un ejercicio por cada objetivo de aprendizaje planteado. ¿Los

recuerda? Ellos son:
9 Calcular el determinante de una matriz.
9 Aplicar propiedades del determinante.
9 Identificar la relación entre determinantes y SEL consistentes e inconsistentes.
9 Resolver problemas empleando el determinante de una matriz, como herramienta.
1
Considere el SEL
 5 x + 10 y + 15 z = 240

80 x + 65 y + 55 z = 1240
15 x + 25 y + 30 z = 520

que es equivalente al estudiado en la Unidad 1/ Sección 7. Aplicaciones / Ejemplo 36 y

desarrollado en la actividad de proceso 41; utilice la información dada tanto en el
enunciado como en el desarrollo,
a) Calcule el determinante de la matriz de coeficientes a partir de la eliminación
gaussiana.
b) Ratifique el resultado anterior usando el desarrollo a lo largo de una fila o columna
–desarrollo por cofactores–.
c) Calcule solamente el valor de la variable z.
d) Usando información de la adjunta y de la inversa calcule la inversa de la matriz de
coeficientes.
e) A partir de lo obtenido en el apartado anterior, realice solamente las cuentas para
calcular el valor de la variable z. ¿Qué entradas específicas de la matriz adjunta
usará? ¿Coinciden los valores de z obtenidos por los distintos métodos? Fundamente
su respuesta.
2
Sintetice los métodos desarrollados hasta ahora para calcular:
a) La solución de un SEL.
b) La inversa de una matriz.
Además, explicite sus características.
3
a) Usando determinantes ratifique que la ecuación del plano que pasa por los puntos
( −1, 0, 2 )( 2, 2, 0 )( 0,1, −1) es la ecuación lineal −4 x + 7 y + z = 6 .
210
UNIDAD 3
b) Suponga que A, B y C son matrices n × n idénticas excepto por la columna j. La

columna j de C es la suma de las respectivas columnas j de A y de B. Demuestre
mediante un desarrollo por cofactores y usando tres matrices genéricas que es válida
det ( C ) = det ( A ) + det ( B ) . También compruebe mediante un ejemplo específico.
4
Establezca las relaciones correctas entre ambas columnas:
A5 = −3I no existe
n
− A2 = AT A = ( −3 ) 5
A = ( −1)
−n
dos renglones coinciden
no tiene inversa A =0
211
n m
TRANSFORMACIONES MATRICIALES DE EN
Unidad
3
Unidad
1
Unidad
2
UNIDAD
CUATRO
UNIDAD 4
Esta unidad constituye una mirada diferente a temas analizados en las anteriores. En
particular, cualquier n-upla de números reales lo pensamos como un vector en el espacio
de vectores n , que se expande, contrae y suma con otros. También, dados varios de
esos vectores analizamos las relaciones de dependencia o independencia existentes entre
ellos: si viven en la misma recta o en el mismo plano, o si unos están generados por
otros.
Luego, definimos aplicaciones que “mueven” a los vectores de un espacio a otro, y en

las cuales da lo mismo expandirlos, contraerlos o sumarlos antes o después de
“moverlos”. Sin embargo, nos encontramos con una sorpresa: esta acción “dinámica” de
transformar vectores en otros se identifica, se plasma, se realiza a través de la
multiplicación por una matriz. Y si dicha matriz se expresa como producto entre una
invertible y una diagonal, tal transformación resulta sencilla y rápida en los cálculos.
Pero aclaremos, no toda matriz puede expresarse así, ¿por qué? porque no toda matriz es
invertible.
Desde este punto de vista, los sistemas de ecuaciones lineales (SEL) y todo modelo que
involucra el producto matricial entre matriz y vector, como los procesos de Markov
entre otros, pueden pensarse como transformaciones matriciales (TM), esto es, pueden
pensarse desde una visión dinámica.
Al finalizar la unidad usted estará en condiciones de alcanzar los siguientes objetivos.
9 Caracterizar conjuntos de vectores y analizar relaciones de dependencia e

independencia lineal entre ellos.
9 Caracterizar las transformaciones matriciales y construir la matriz que las
representa.
9 Identificar matrices diagonalizables y construirla como producto entre una diagonal
y otra invertible.
9 Resolver problemas empleando la multiplicación de matrices en una visión
dinámica.
Para alcanzar estos objetivos de aprendizaje, le proponemos analizar los siguientes

temas
Transformaciones matriciales de n en m
.
1. Vectores.
n
2. Combinación lineal de vectores en .
3. Transformaciones matriciales.
4. Vectores y valores propios.
214
UNIDAD 4
Los conceptos por analizar puede decirse que guardan relaciones como muestra el
siguiente mapa conceptual.
El álgebra
lineal
usa
o espacios mediante
composición transformaciones que multiplicación
vectoriales
de TM matriciales (TM) vinculan por matriz
(EV)
o
multiplicación por
que son matriz diagonal
aritmética con n-uplas de

real números reales
dando origen a
destacándosé sub EV tales como
rango de núcleo de la autovector y su

base del autovalor
la TM TM EV de la TM de la TM
215
UNIDAD 4
n
1. Vectores en
En esta sección definimos n como un conjunto de vectores conocido como “espacio

vectorial” porque cumple ciertas propiedades.
En el apartado 6 de la unidad 1 trabajamos la representación geométrica de puntos en el

plano y en el espacio tridimensional ¿recuerda? Entonces dijimos que: “Las 2-uplas en
el plano cartesiano y las 3-uplas en el espacio tridimensional reciben, también, el
nombre de coordenadas del punto geométrico que representan.” Este concepto se
generaliza a n-uplas en el espacio n-dimensional1.
En el apartado 1 de la unidad 2 introducimos la siguiente definición: “Una matriz con

una sola columna se llama matriz columna o vector columna.”
En esta unidad ambos conceptos se relacionan ¿se funden? ¿se confunden? Una n-upla
de coordenadas ( x1 , x2 , , xn ) en el espacio n-dimensional se escribe como un vector
 x1 
x 
columna  2  y es conocida, simplemente, como vector de coordenadas o
 
 
 xn 
simplemente vector.
Al conjunto de vectores de tamaño n ×1 identificados como n-uplas de números reales

n
se los denota por –se lee erre ene– que es una notación simplificada de
× × × –con n natural mayor a uno–. n es más que un conjunto de vectores: es
n veces
un espacio vectorial. Definiremos este nuevo concepto más adelante.
Un vector se representa geométricamente en el espacio n-dimensional como un

segmento rectilíneo dirigido, con extremo inicial en el origen y con extremo final en el
punto de coordenadas dado; en el extremo final una flecha denota el sentido. Al menos
esto es así en 2 , o en el espacio tridimensional, 3 , donde las visualizaciones –o
representaciones geométricas– pueden realizarse.
Ejemplo 1
El punto geométrico ( −6,1) se identifica con el
 −6 
vector   en 2 y recíprocamente, dicho vector
( −6,1) ( 3, 2 )
1
se identifica con dicho punto geométrico o
coordenadas en el plano cartesiano. Lo mismo vale
 3
para el punto geométrico ( 3, 2 ) y el vector   .
 2
1
Espacio n-dimensional es el visualizado como n rectas reales que se cortan en el origen, todas
perpendiculares entre sí.
216
UNIDAD 4
El punto geométrico (1, 2,3) se identifica con el

1 
vector  2  en 3 y recíprocamente, dicho vector ( 0, −6,1) (1, 2,3)
 3 
se identifica con dicho punto geométrico o
coordenadas en el espacio tridimensional.
0
El punto geométrico ( 0, −6,1) se identifica con el vector  −6  y recíprocamente.
 1 
2 3
Dados los siguientes gráficos en y :
( −3, −5,0 )
( −2,1) ( 0,0,1)
( 0,0 )
1
identifique como vectores los puntos geométricos dibujados arriba.
Bien, como los vectores son –en definitiva– matrices de dimensión n × 1 , entre ellos se
encuentran definidas las operaciones suma y producto por escalares (números reales),
cumpliendo las siguientes propiedades algebraicas.
Propiedades algebraicas de n
n
Para todos los vectores U, V y W en y todos los escalares c y d se cumple:
a) U + V ∈ n
b) cU ∈ n
c) U + V = V + U
d) (U + V ) + W = U + (V + W )
e) U + 0 = 0 + U = U
f) U + ( −U ) = ( −U ) + U = 0
g) c (U + V ) = cU + cV
h) ( c + d )U = cU + dU
i) c ( dU ) = ( cd )U
j) 1U = U
¿Cómo se interpretan esas propiedades algebraicas? Por ejemplo, la propiedad del

apartado (a) afirma que el conjunto de vectores en R-ene es cerrado para la suma. En
otras palabras, que la suma de dos de sus elementos es otro elemento del conjunto. Este
217
UNIDAD 4
pasaje de la abstracción a la interpretación es fundamental para la comprensión

significativa de la matemática y sobre ello insistimos bastante en el desarrollo de la
guía.
2
Interprete, a continuación, cada una de las propiedades algebraicas que cumple el
espacio n-dimensional y citadas arriba en simbología matemática.
a) ...
b) ...
c) ...
d) ...
e) ...
f) ...
g) ...
h) ...
i) ...
j) ...
Resulta interesante analizar geométricamente la suma y la multiplicación por escalares.

Lo hacemos en 2 y comenzamos, en el siguiente ejemplo, con la multiplicación. ¿Me
acompaña?
Ejemplo 2 4U
2  −5
Sean U =   , V =   , luego:
3 1
 2  4 × 2  8 
9 4U = 4   =  = 
 3   4 × 3  12  V U
 −5  −10 
9 −2V = −2   =   −2V
1  2 
3
Dibuje:
1 5
−3U , 7U , − U , U .
3 3
El ejemplo y la actividad pretenden ilustrar el hecho de que el conjunto de todos los

múltiplos escalares de un vector fijo es una línea recta que atraviesa el origen. Este
hecho, que se visualiza en 2 y también en 3 , se cumple siempre en n cualquiera
sea el natural n.
Por otro lado:

9 El vector −2V tiene dos veces el largo de V y sentido opuesto.
9 El vector 4U tiene cuatro veces el largo de U e igual sentido.
218
UNIDAD 4
En general, la magnitud o longitud del vector cU es c veces la longitud de U.

¿Recuerda la notación de valor absoluto de un número real? 2 y ¿cuál es la longitud de
U? Para contestar este interrogante debemos recurrir al teorema de Pitágoras, que decía:
dado un triángulo rectángulo el cuadrado de la hipotenusa es la suma de los cuadrados
de los catetos.
Aplicando el teorema de Pitágoras se tiene:

3
Longitud de U = 22 + 32 = 13 unidades, pues tiene dos
unidades en el eje horizontal y tres unidades en el eje vertical. 2
Denotaremos en adelante Longitud de U = U .
4
Calcule la longitud de los vectores que dibujó en la actividad anterior.
n
El cálculo de longitud de un vector en se generaliza así:
3
longitud de X = x + x + 2
1
2
2
2
x . Ahora, trabajemos con la suma de vectores.
n
Ejemplo 3
 2   −5  2 + ( −5 )   −3
U +V =   +   =   =  .
3  1   3 + 1   4 
Puede observarse que si U y V se representan como puntos en 2 , entonces U + V

corresponde al cuarto vértice del paralelogramo cuyos vértices son U, V, O y U + V .
Esta relación también se visualiza en 3 .
En general, en 2 y también
3
en ,.conviene trazar una
rejilla –como se muestra en la 4U
figura– para facilitar la
ubicación de los vectores. Si 4U−2V
los que se suman son U+V
múltiplos enteros, entonces,
sus extremos finales se V U
encuentran en una
intersección de la rejilla. −2V
Sigamos con el ejemplo:
2
c coincide con c si se trata de un número positivo y con su opuesto si se trata de un número negativo.
Ejemplo −2 = 2 = 2 . Cualquiera sea el número real c, su valor absoluto es siempre positivo: es una
medida. Para más información consulte la guía Módulo de nivelación matemática de Sauchelli y Olmos
cuya cita completa se encuentra en la bibliografía.
3
Las cantidades que tienen una magnitud y una dirección y sentido se denominan cantidades
vectoriales. En contraste, una cantidad que tiene magnitud pero no dirección ni sentido se llama cantidad
escalar. El área y el volumen son cantidades escalares.
219
UNIDAD 4
 2   5   2 + 5  7 
U − V = U + ( −V ) =   +   =   =  .
 3   −1  3 − 1   2
2  −5 8 + 10  18
4U − 2V = 4   − 2   =   =  .
3  1  12 − 2  10 
 1 − 5   −4 
1 1  2   −5 
U +V =   +   = 3  =  5  .
2 2  3   1   + 1  
2   2 
Observe el gráfico y C
responda: ¿a la suma de qué
múltiplos corresponden el
punto A y el punto B?
A D
El punto A es la suma entre
los vectores U y el doble de
V U
V y el punto B es la suma
entre los vectores −U y el
doble de −V .
B
5
5 4
a) Dibuje los vectores 3U + 2V , 2U − V , U − V .
2 3
b) Identifique en la rejilla, los vectores múltiplos que se suman para dar,
respectivamente, el punto geométrico C y el D.
1  3
c) Trabaje en 3
y grafique: M = 1 , −3M , N = 9  , 2M + N , −3M + N .
 
3 6 
d) Calcule la longitud de −3M y − M + N .
n
2. Combinación lineal de vectores en
En esta sección definimos varios conceptos importantes relacionados con un conjunto

de vectores en n y con la forma en que se relacionan.
Tales vectores que se piensan como suma de otros se denominan combinación lineal.
Formalmente se dice: dados los vectores V1 ,V2 , ,V p en n y los escalares c1 , c2 , , c p ,
el vector W = c1V1 + c2V2 + + c pV p se llama combinación lineal de V1 ,V2 , ,V p . Los
escalares pueden ser cualquier número real incluido el cero.
220
UNIDAD 4
Ejemplo 4
 7   8   −10   −2 
Con esta definición, los vectores   ,   ,   y   son combinación lineal
 2  12  2  14 
de los vectores U y V. Lo vemos en detalle:
7 
9   = 1U + ( −1)V ,
 2
8
9   = 4U + 0V ,
12 
10 
9   = 0U + ( −2 )V ,
 −2 
 2 
9   = ( −4 )U + ( −2 )V .
 −14 
7  0
¿Será el vector   combinación lineal de U y de V? ¿y el vector nulo   ?
9  0
Buena pregunta ¿no? ¿cómo haría usted para dar con la respuesta? Quiero alentarlo y
decirle que cuenta con las herramientas matemáticas para construirla. ¡A
pensar, entonces! ¡y a escribir lo que piensa!
6
7 
El vector   ¿será combinación lineal de U y de V? ¿Y el vector nulo?
9 
“¡Nada se pierde, todo se transforma!” Ya lo dijo un importante científico en el marco

de la física y ahora vale en nuestro trabajo. ¿Me permite que se lo aclare más?
Ejemplo 5
13
a) El ejemplo 19 de la unidad 1 demuestra que el vector  5  es combinación lineal
10
 2  3 13  2  3
de los vectores  1  y  1  . Efectivamente  5  = 2 1  + 3 1  .
     
 2   2  10   2   2 
13
b) El ejemplo 21 de la unidad 1 demuestra que el vector  5  no es combinación
 5 
 2  3
lineal de los vectores  1  y  1  . ¿Por qué?
 2   2 
221
UNIDAD 4
Para ayudarlo a visualizar la situación le doy un consejo: trate de dibujar la

correspondiente rejilla. Lo mismo vale en el caso del plano.
A esta altura y después de observar los ejemplos 19 y 21 citados, usted seguramente

respondió a las últimas preguntas. Efectivamente: la técnica de resolución de problemas
y el sentido común nos sugieren el planteo de los siguientes pasos ordenados.
Paso 1. Identificamos los datos.

Los datos son tres vectores en el espacio bidimensional. Los llamaremos
respectivamente U , V y M .
Paso 2. Identificamos qué se nos pide.

Se nos pide determinar si uno de los vectores dados es combinación lineal de los otros.
Esto es, debemos determinar dos constantes reales –escalares–, llamémosles c1 y c2 ,
tales que c1U + c2V = M .
Paso 3. Desarrollamos la fórmula.

c1U + c2V = M Reemplazamos por los vectores:
2  −5  7 
c1   + c2   =   Multiplicamos cada escalar por cada vector:
3  1  9 
c1 2   −c2 5 7 
 c 3 +  c 1  = 9  Sumamos dos vectores:
 1   2   
c1 2 − c2 5 7 
 c 3 + c 1  = 9  Reordenamos cada entrada del vector izquierdo:
 1 2   
 2c1 − 5c2  7  Dos vectores son iguales -dos matrices son iguales-
 3c + 1c  = 9  cuando coinciden en sus respectivas entradas .
 1 2   
2c1 − 5c2 = 7
 queda planteado un SEL en las variables c1 y c2 .
3c1 + 1c2 = 9
También podemos verlo así:

c1U + c2V = M Reemplazamos por los vectores:
2  −5  7 
c1   + c2   =  
3  1  9 
Es la expresión de la multiplicación entre una matriz y un vector.
 2 −5  c1  7 
 3 1  c  = 9  Es la expresión matricial de un SEL en las variables c1 y c2 .
  2  
También, la de una ecuación matricial.
Visto como un sistema de ecuaciones lineales –SEL– o como una ecuación matricial, su
solución se obtiene aplicando el método de Gauss, el método de Gauss-Jordan, la Regla
222
UNIDAD 4
de Cramer, o también la fórmula de la inversa. Usando cualquiera de ellos se llega a los

52 3
valores c1 = y c2 = − .
17 17
Paso 4. Escribimos la respuesta.

El vector M es combinación lineal de los vectores U y V.
52  2  3  −5  7 
− =
17  3  17  1   9 
De manera análoga podemos demostrar que el vector cero es combinación lineal de los
vectores U y V . Efectivamente, como el determinante de la matriz de coeficientes no es
nulo, el SELH admite sólo la solución trivial, cumpliéndose:
2  −5  0 
0  + 0  =   .
3  1  0
Una de las ideas fundamentales del álgebra lineal es estudiar el conjunto de todos los
vectores que se pueden escribir como combinación lineal de un conjunto de vectores
fijo.
n
El conjunto de todas las combinaciones lineales de los vectores V1 ,V2 , ,V p de se
denota por Gen {V1 , ,V p } y recibe el nombre de subespacio de n
generado por
V1 , ,V p . Esto es, Gen {V1 , ,V p } es la colección de todos los vectores que pueden
escribirse en la forma c1V1 + c2V2 + + c pV p donde c1 , , c p son escalares.
Entonces, ¿cuál será el subespacio generado por los ya conocidos vectores U y V en

2  −5
2
? Pues, el conjunto de todos los vectores de la forma c1   + c2   con c1 y c2
3 1
números reales. Obviamente este conjunto consta de infinitos vectores porque c1 y c2
admiten infinitos valores reales.
7
2  3 
 
Retomamos el ejemplo 5: determine Gen  1  ,  1   . El vector nulo ¿se encuentra en
2  2 
    
él?
Dado el subespacio Gen {V1 , ,V p } identifiquemos algunos vectores que allí viven.
Ellos son:
9 El vector nulo.
9 Cualquier vector múltiplo escalar de los Vi , en particular cada Vi y sus respectivos
opuestos −Vi .
9 Cualquier vector que se obtenga como suma de dos de ellos.
223
UNIDAD 4
Por lo planteado en paso 3, más arriba, un vector W está en Gen {V1 , ,V p } si el sistema
de ecuaciones lineales (SEL) cuya matriz aumentada es. V1 V2 V p W  es
consistente.
¿Qué le parece si realizamos una descripción geométrica de algunos subespacios

generados? Buena idea ¿no? Las haremos en el espacio 3 .
En 3 sabemos que existen vectores de tres componentes.

a) Si tomamos el vector nulo Gen {U1} es el vector nulo: es un punto, es el origen de
coordenadas. Gen {0} = {c0 = 0 con c escalar} .
3
b) Si tomamos un solo vector no nulo en , llamémoslo U1 , la representación gráfica
–o descripción geométrica– de Gen {U1} es una línea recta que pasa por el origen.
Gen {U1} es el conjunto de todos los múltiplos escalares de U1 , en particular
0 ⋅ U1 = 0 , 1 ⋅ U1 = U1 , ( −1) ⋅ U1 = −U1 y U1 + U1 = 2U1 , viven allí. Gen {U1} se
3
visualiza como el conjunto de puntos de la línea en que pasa por U1 y 0 .
Gen {U1} = {cU1 con c escalar} .
c) Si tomamos dos vectores no nulos en 3 que no sean uno múltiplo del otro, esto es,
que no estén en la misma línea, llamémosles U1 y U 2 , la representación gráfica de
Gen {U1 ,U 2 } es una rejilla que pasa por el origen. En particular contiene a U1 , U 2 ,
0 , U1 + U 2 , la línea en 3
que pasa por U1 y 0 , y la línea que pasa por U 2 y 0 ,
como muestra la figura. Gen {U1 ,U 2 } = {c1U1 + c2U 2 con c1 y c2 escalares} : es toda
la rejilla.
Gen {U1 ,U 2 }
Gen {U1}
U1
U1
U1 U2
(a) (b) (c)
d) Finalmente, sólo nos faltaría analizar el caso de tres vectores no nulos que además
no pertenecen a la misma rejilla, y el caso en que se toman más de tres vectores.
Ambos análisis surgirán más adelante.
8
2
Realice una descripción geométrica de subespacios generados de siguiendo la idea
de lo hecho en 3 .
224
UNIDAD 4
Conclusión:
2
9 en , el punto origen y toda línea recta que pasa por el origen, son
representaciones geométricas posibles de subespacios generados de 2 .
9 en 3 , el punto origen, toda línea recta que pasa por el origen y toda rejilla que pasa
por el origen, son representaciones geométricas posibles de subespacios generados
de 3 .
Ahora planteamos una aplicación a modo de ejemplo.
Ejemplo 6
Una compañía cementera almacena tres mezclas básicas. Las cantidades se miden en
gramos y cada unidad de mezcla pesa 60 gramos. La compañía fabrica mezclas a
pedido, combinando las mezclas básicas. Desde este punto de vista, un pedido
especial –el vector pedido especial– se piensa como combinación lineal de los
vectores de mezclas básicas y pertenece al subespacio generado por ellos.
A B C
cemento 20 18 12
agua 10 10 10
arena 20 25 15
grava 10 5 15
tobas 0 2 8
¿Puede haber una mezcla que consista en 1000g de cemento, 200 g de agua, 1000 g
de arena, 500 g de grava y 300g de tobas? Cualquiera sea su respuesta explique
porqué. Si puede, ¿cuántas unidades de cada mezcla –A,B y C- se necesitan para
formular la mezcla especial?
Suponga que fabricará 5000 g de concreto que requiere una razón de agua a cemento
de 2 a 3, con 1250 g de cemento. Si debe incluir 1500 g de arena, 1000 de grava y el
resto de tobas en las especificaciones, ¿se puede formular ésta como una mezcla
especial? Si es así, ¿cuántas unidades de cada mezcla se necesitan para formular la
mezcla especial?
225
UNIDAD 4
1000 
 200 
 
Bien, no cabe duda de que debemos averiguar si los vectores U = 1000  y
 
 500 
 300 
 1250 
 2500    20  18  12  
        
 3   10  10  10  
V =  1500  pertenecen a Gen { A, B, C} = Gen   20  ,  25 , 15  . Haciendo los
   10   5  15 
 1000        
 1250 
    0   2   8  
 3 
145
cálculos se demuestra que U ∉ Gen { A, B, C} y que V = 20 A + 15 B + C.
3
9
Usando este enfoque de vectores replantee el desarrollo del ejemplo 36 y el 37 de la
unidad 1.
Otro concepto importante que involucra al conjunto de vectores del cual venimos
hablando, es el siguiente: {V1 ,V2 , ,V p } en n se define linealmente independiente
(LI) si la única manera de obtener la combinación lineal nula es tomando cada escalar
igual a cero. Esto es
0 = c1V1 + c2V2 + + c pV p ⇒ ci = 0 ∀i = 1,…, p .
Será LI si el sistema de ecuaciones lineales homogéneo (SELH), cuya matriz aumentada

es. V1 V2 V p 0  , tiene únicamente la solución nula, también si
det V1 V2 V p  ≠ 0 .
Si algún escalar es no nulo, el conjunto de tales vectores se define como linealmente

dependiente (LD). Ser LD significa que existe una relación de dependencia entre ellos,
que puede expresarse al menos un vector en términos de los otros, que al menos un
vector vive en el subespacio generado por el resto, o bien, que al menos un vector puede
expresarse como combinación lineal del resto.
En particular, dados dos vectores no nulos, uno múltiplo del otro, son LD siempre.
Y, por lo tanto, lo es todo conjunto de vectores que los contenga.
¿Cómo lo demostramos? Muy simple: sean V1 y kV1 = V2 dos vectores en n

. ¿Para
que escalares c1 y c2 se logra que la ecuación vectorial 0 = c1V1 + c2V2 sea verdadera? 4
4
Ecuación vectorial es una igualdad entre vectores.
226
UNIDAD 4
Planteamos: 0 = c1V1 + c2V2 = c1V1 + c2 ( kV1 ) = c1V1 + ( c2 k )V1 = ( c1 + c2 k )V1 , que es

verdadera sólo si el escalar c1 + c2 k es nulo, pues el vector V1 no es nulo por hipótesis.
Luego, cada vez que tomamos c1 = −c2 k , logramos una combinación lineal nula de los
vectores dados sin que los escalares sean necesariamente nulos.
Ejemplo 7
1  4
Así, los vectores  2  y  8  son LD en 3 . Observamos que el segundo vector es
 
 3  12
cuatro veces el primer vector y, de acuerdo con el análisis anterior, puede obtenerse
el vector cero tomando por ejemplo c2 = 3 .
Efectivamente: para c2 = 3 , se tiene

c1 = −c2 k = −3 × 4 = −12 , luego,
1   4  0
−12  2  + 3  8  =  0  .
 
 3  12   0 
es una relación de dependencia entre los vectores
dados y se muestra en la gráfica.
Otra relación de dependencia es

1   4   0 1   4  0
        1   
4  2  − 1  8  =  0  , y otra es −2  2  +  8  =  0  . Hay una infinidad de relaciones
2
 3  12   0  3  12   0 
de dependencia. Hay una relación de dependencia cada vez que se cumple c1 = −c2 k .
Analizando la representación geométrica de ambos vectores observamos que, en el

caso de dos vectores en 3 , ser LD significa vivir en la misma línea recta que pasa
por el origen. Es factible pensar que esa línea recta es generada por uno u otro de los
vectores.
En términos de SEL decimos que el SEL homogéneo que tiene por matriz ampliada a
[V1 V2 0] tiene infinitas soluciones monoparamétricas no nulas.
Bien, ¡cuánta información hemos logrado analizando dos vectores múltiplos uno del
otro en el espacio tridimensional! ¿Qué le parece si, siguiendo este ejemplo, ahora usted
 −2 
1 4
obtiene una relación de dependencia entre los vectores V1 =   y V2 =  −1 ?
2
 −1  2 
 
227
UNIDAD 4
10
Obtenga una relación de dependencia entre los vectores V1 y V2 . Además, grafíquelos.
Ahora, supongamos que en el {V1 ,V2 , ,V p } de vectores en n

uno de ellos es
el cero. Luego: ¿son LD o LI? Reflexione con lápiz y papel en mano...
11
El {V1 ,V2 , ,0, ,V p } de vectores en n
¿es LD o LI? Fundamente su
respuesta.
Bien, sigamos con otro resultado importante: cualquier conjunto {V1 ,V2 , ,V p } en n
con p > n , es LD.
Esto es, si en un conjunto de vectores el número de ellos supera el número de

entradas de cada vector, dicho conjunto es LD. ¿Lo demuestra? Bien: ánimo, relájese
pues tiene todos los elementos para construir fácilmente dicha demostración.
Mejor lo hacemos juntos: pensemos en la matriz ampliada V1 ,V2 , ,Vn , ,V p ,0  que
corresponde a un SEL homogéneo de n ecuaciones en p variables, ¡con n < p !, que al
llevarla a la forma escalonada en los renglones reducida nos devolverá - como máximo-
n unos principales, quedando p − n variables libres –como mínimo -.
Conclusión: el SELH admite infinitas soluciones no nulas además de la nula, esto es,
existen p-uplas de valores no todos nulos tal que c1V1 + c2V2 + + cnVn + + c pV p = 0 .
¿Comprende la afirmación dada? ¿Seguro? Lo chequeamos:

9 Si tiene tres vectores en 2 ¿son LD o LI?
9 Si tiene cinco vectores en 3 ¿son LD o LI?
9 Si está en 2 : ¿cuál es el máximo número posible de vectores en un conjunto para
que sean LI? ¿y en 3 ?
9 Observe los gráficos: en cada caso el correspondiente conjunto de vectores es ¿LD o
LI?
(a) (b) (c)
228
UNIDAD 4
12
1  3   7 
a) Demuestre que los vectores   ,   ,   son LD en 2 .
1  4   1 
 1   2  3  4 1
b) Demuestre que los vectores  7  ,  0  , 1 ,  1  , 1 son LD en 3
.
 6  9  5  8  1
c) Justifique las respuestas a las preguntas anteriores. Son resultados muy importantes.
Nos detengamos un momento. Hemos alcanzado resultados importantes, y como parte

de un proceso significativo de aprendizaje, es aconsejable sintetizarlos. Ellos son:
El {V1 ,V2 , ,V p } de vectores en n , es LD si:
9 el número de vectores supera el número de entradas de un vector, p > n ;
9 el vector cero forma parte de ese conjunto de vectores;
9 al menos un vector es combinación lineal de los otros.
Ahora, un surtido de ejercicios ¿le parece?
13
En cada item proceda paso a paso del siguiente modo: lea la consigna, reflexione,
calcule algebraicamente, responda y justifíque la respuesta.
a) El vector nulo ¿es LD o LI?

b) Dado un único vector V en n ¿es LD o LI?
 2   −3  7 
c) ¿Los vectores   ,   ,   son LD o LI?
 3  1   0
 0  0  2
d) ¿Los vectores  1  ,  0  ,  1  son LD o LI?
 −2   0   1 
e) ¿Para qué valor de h el vector V3 está en Gen {V1 ,V2 } ?
1  −2  1 
V1 =  3  ,V2 =  6  ,V3 =  2  .
   
 −2   4   h 
 0   0   2
f) ¿Para qué valor de h son LD  1  ,  −5 ,  0  ?
 −2   7   h 
g) Asigne valores reales al tercer vector de modo tal de obtener una relación de
dependencia lineal entre ellos.
  1   −2  * 
      
  3  ,  6  , * 
  −2   4  * 
      
229
UNIDAD 4
h) Asigne valores reales al tercer vector de modo tal que el conjunto sea LD.
  1   −2  *  −1 
        
  3  ,  6  , * ,  1   .
  −2   4  *  4  
        
2
i) El eje horizontal en contiene diferentes conjuntos de vectores LD. Construya
algebraicamente uno de esos conjuntos.
En general, todo subespacio generado por un vector LI se conoce por el nombre de

recta, y todo subespacio generado por dos vectores LI, por el de plano. De aquí que,
muchas veces se cite el espacio 2 con el nombre de plano y el espacio como recta
real. También, cualquier subespacio generado por n − 1 vectores LI en n se denomina
hiperplano en n .
Profundicemos nuestra reflexión sobre vectores que se pueden visualizar:

9 ¿En 3 dos vectores no nulos LD significa que son uno múltiplo del otro?
Sí. Pues, sea c1V1 + c2V2 = 0 , con uno o ambos escalares no nulos por ser
LD. Supongamos que el primer escalar es no nulo, entonces es válida la
c
expresión V1 = − 2 V2 . Esto es, uno es múltiplo del otro.
c1
9 ¿En 3 tres vectores no nulos LD significa que son múltiplos? No necesariamente.

Pueden vivir en la misma línea recta –si son múltiplos- o bien en el mismo plano si
uno es combinación lineal de los otros dos. Lo vemos en un ejemplo específico.
Ejemplo 8
0 0 0
9 Los vectores  1  ,  −5 ,  −1 son LD y viven en
 −2  10   2 
3
la misma recta en . Toda relación de
dependencia lineal entre ellos viene dada por
c1 = 5c2 + c3 . En particular:
 0   0   0  0
6  1  + 1  −5 + 1  −1 =  0
 −2  10   2   0
El segundo vector es ( −5 ) veces el primero y el tercero es ( −1) vez el primero:

son múltiplos.
0 0  0 V2 V1 + V2 = V3
9 Los vectores 1  ,  6  ,  7  son LD y viven
V1
 3  2   5 
3
en el mismo plano en . En particular el
230
UNIDAD 4
tercer vector está en el Gen de los dos primeros:

0   0   0 
1 1  + 1  6  = 7  .
 3  2   5 
A continuación, más definiciones nuevas... Dado un conjunto de p vectores en n ,

{V1,V2 , ,Vp } , se denomina dimensión del subespacio generado Gen {V1, ,Vp } al
máximo número (digamos m) de vectores LI que podamos encontrar en {V1 ,V2 , ,V p } .
En ese caso, cualquier subconjunto LI de m vectores se denomina base del
Gen {V1 , ,V p } . El número de vectores de la base es entonces igual a la dimensión de
Gen {V1 , ,V p } . Si el único vector del conjunto de vectores es el nulo se define su
dimensión como 0 y cabe aclarar que tal conjunto no tiene base, porque el vector cero es
LD.
Algunos ejemplos nos ayudarán a fijar estos nuevos conceptos ¿le parece? Hacia ellos
vamos.
Ejemplo 9
0 0 
Retomemos información del ejemplo 8 anterior. Los vectores 1  y  6  constituyen
 3  2 
0  0 0  0
      
un subconjunto LI del conjunto  1  ,  6  ,  7   ; además, el tercer vector  7  es
 3  2  5    5 
      
 0  0  
 
combinación lineal de los otros dos; por lo tanto el subconjunto  1  ,  6  
 3 2 
    
 0   0   0  
 
constituye una base de Gen  1  ,  6  ,  7   ; su dimensión es 2, porque dos son los
 3  2  5  
      
vectores que forman base, y se lo visualiza como una rejilla en 3 , es un plano que
pasa por el origen.
¿Hay más bases para nuestro conjunto? Sí. Los

 0  0    0  0  
   
subconjuntos  1  , 7   y   6  , 7   son ambos LI y V2 V3
 3 5     2 5  
         
constan de dos vectores, luego, son también base del
231
UNIDAD 4
 0   0   0  
 
Gen  1  ,  6  ,  7   . En todos los casos el vector restante puede pensarse como
 3  2  5  
      
combinación lineal de los otros dos:
9 1V1 + 1V2 = V3
9 −1V1 + 1V3 = V2
9 −1V2 + 1V3 = V1
 0  
 
Por otra parte, el subconjunto  1   es LI, porque consta de un solo vector no nulo;
 3 
  
¿será base? Pues no, porque podemos encontrar subconjuntos con más vectores que
siguen siendo LI.
Chequeemos el grado de comprensión que está logrando del tema en cuestión.
14
Grafique los vectores dados, determine una base y la dimensión del correspondiente
subespacio generado.
 0   0   0    0  0  0  6 
        
Gen  1  ,  6  ,  −2   , Gen  1  ,  3 ,  0  ,  0   .
  3 18  −6     3   0   −6   0  
               
 1 
  2   −3  4     2     −2  0  
Gen    ,   ,    ; Gen    , 3 ,   ,    .
3  1  0    3   2   −3 0  
 
Ejemplo 10
 x  
  
¿Cómo encontramos una base para el subespacio π =   y  / 2 x − y + 3 z = 0  ? ¿Cuál
 z  
  
es la dimensión de este subespacio?
Muy simple, partimos de la información disponible y la reescribimos pensando en lo

que queremos obtener: una expresión de “vector generado”. Entonces, aclaremos
ideas, pensamientos:
¿Qué información tenemos?

9 El subespacio π .
¿Qué buscamos?
9 Una base, esto es, vectores generadores de este subespacio, una expresión de
combinación lineal para el vector genérico de este subespacio.
¿Cómo llegamos?
Partiendo de lo que conocemos y trabajando algebraicamente en esa información:
232
UNIDAD 4
 x    x  
     
π =   y  / 2 x − y + 3z = 0 =   y  / 2 x + 3z = y  =
 z    z  
     
  x    1x + 0 z     1x   0 z     1  0 
               
  2 x + 3z   =   2 x + 3z   =   2 x  +  3 z   =  x  2 + z  3  
  z     0 x + 1z     0 x  1z     0   1  
             
donde x y z son escalares arbitrarios.
1  0
Se puede demostrar que los vectores  2  y  3 son LI, luego son base del
 
 0  1 
subespacio π cuya dimensión resulta ser dos. El subespacio π es un plano en el
espacio tridimensional 3 .
Ahora, a practicar:
15
Determine una base en 3 para el conjunto de vectores en:
a) el plano 2 x − y − z = 0 .
b) en la recta x = 3t , y = −2t , z = t .
Establezca una base y la dimensión para el espacio solución S de cada SELH

 x + 2y − z = 0
c)  .
2 x − y + 3 z = 0
 2 x − y + 3z = 0

d) 4 x − 2 y + 6 z = 0 .
 −6 x + 3 y − 9 z = 0

En particular, hablando de bases:

1   0 
9 En 2 los vectores   ,   constituyen una base de 2
0 1 
2
porque cualquier vector de puede expresarse como
 x ( x, y )
combinación lineal de ellos. Efectivamente:   y
 y
 x 1  0
pertenece a 2 y puede expresarse   = x   + y   . x
 y 0 1
2
tiene dimensión dos, de allí el nombre de espacio bidimensional, y dos vectores
lo generan, de allí el nombre de “plano”, con el cual muchas veces se lo designa.
233
UNIDAD 4
Observe que, gráficamente, esos vectores generan una rejilla de líneas

perpendiculares ya que forman ángulos de 90º. Es la rejilla más usada, pero no es la
única.
1  0   0 
9 En 3
los vectores  0  , 1  ,  0  constituyen una
 0   0 1 
3 z
base de porque cualquier vector de 3 puede
expresarse como combinación lineal de ellos.
( x, y , z )
 x
Efectivamente:  y  pertenece a 3
y puede
 z  y
x
 x 1   0 0
expresarse  y  = x  0  + y  1  + z  0 .
 z   0   0  1 
3
tiene dimensión tres, de allí el nombre de “espacio tridimensional”.
n
9 En los n vectores, de n componentes cada uno, de la forma
0 
 
 
Vi = 1  ← posición i
 
 
0 
constituyen una base de n . Luego n tiene dimensión n y cualquier vector en
n
puede expresarse como combinación lineal de ellos.
 x1  1 0 0
x  0 1  
 2 = x   + x   + + x  0 
  1  2  n
 
       
 xn  0 0 1
n
tiene dimensión n, de allí el nombre de espacio n-dimensional.
2 3 n
Tales bases reciben el nombre de base estándar para , y respectivamente.
16
  1
 −1  −1
1  
a) Exprese los vectores   ,  0  y   en términos de las respectivas bases
 −7   1  3
 
   −3
6
estándar.
234
UNIDAD 4
1  0 0
  7   
b) −5  0  + 1  + 1  0 corresponde a un vector de 3
. Identifíquelo.
5
 0   0 1 
Antes del merecido descanso:
17
9 elabore una síntesis de los contenidos nuevos definidos en la unidad.
9 Realice una segunda lectura más profunda de la sección.
9 Liste sus dudas y busque aclararlas con sus compañeros y/o tutor.
Usted coincidirá conmigo en que este tema es muy amplio. Por eso propongo plantearlo
como un tema de profundización en el Aula virtual.
Tema de profundización en el Aula virtual

Lo invito a indagar y a compartir los resultados de su investigación en un foro del Aula
virtual:
¿Qué se conoce por sistema de coordenadas para un espacio vectorial n ?
¿Qué se define como vector de coordenadas de X relativo a una base?
Qué es fijo: ¿el vector X o sus coordenadas?
¡Nos encontramos en el foro!
3. Transformaciones matriciales
En esta sección introducimos terminología que otorga una visión “dinámica” a la

multiplicación por matrices; la pensamos como una función con ciertas características.
El apartado 1 lo comenzamos recordando y relacionando conceptos de las unidades 1 y

2; en el presente, seguimos recordando y relacionando...
Am×n X n×1 = Bm×1 se conoció en la unidad 2 como la “expresión matricial” de un SEL o

como una ecuación matricial y en la unidad 3 definimos, por primera vez, el concepto
de función al hablar de la función determinante.
Aquí pensaremos a una matriz Am×n como un objeto que actúa sobre un vector X,
multiplicándolo, para producir otro vector AX, también designado como B.
Multiplicación
por A
X
AX
235
UNIDAD 4
Desde este “nuevo” punto de vista la multiplicación por la matriz A es una función del
conjunto de vectores de tamaño n ×1 en el conjunto de vectores de tamaño m ×1 . Esta
función asociada a la multiplicación por la matriz A se denomina transformación
matricial. En simbología matemática se expresa:
n
→ m
X AX
Ejemplo 11
 2 −3 1 3
Si A =   , se tiene:
 0 2 −1 5 
4  3 2
9 A transforma el vector de unos en en el vector   del plano .
6
1
4
 
1
9 A transforma el vector   en 4
en el vector nulo del plano 2
.
2
 
1
 0 
1 
1 4
  
 2 −3 1 3 1  3  2 −3 1 3  1   0
Efectivamente:   =  ,   =  .
 0 2 −1 5 1 6   0 2 −1 5  2  0 

1 1 
 0 
¿Qué vector en 4 será transformado por A en el vector de unos del plano 2 ?
¿Para todo vector B del plano existe un X en 4 tal que B = AX ?
¿Existen más vectores en 4 que sean transformados por A en el vector nulo del
plano? ¿Cuántos? ¿Cuáles?
18
Responder a estos interrogantes implica regresar a SEL. Eso se lo dejo a usted.
Ejemplo 12
1 0 0
z
Si A = 0 1 0  , la transformación X AX ( x, y , z )
0 0 0 
proyecta puntos de 3
sobre el plano ( x1 , x2 ) porque
 x1  1 0 0   x1   x1  y
x   0 1 0   x  =  x  . En particular, x
 2   2  2 ( x, y,0 )
 x3   0 0 0   x3   0 
236
UNIDAD 4
1 1  3  3  −3  −3

1 1  ; 3  3 ,  −3  −3
          
1  0  3  0  −3  0 
 1  1
  
Si X es un punto sobre la “recta” Gen  1  , tiene la forma a 1 para cierto escalar
 1  1
  
1 1 1 
a; su “transformado” vale AX = Aa 1 = aA 1 = a 1  , esto es, pertenece a la recta
1 1 0 
 1  
 
Gen  1   .
 0  
  
A recibe el nombre de transformación de proyección de 3
sobre el plano ( x1 , x2 ) .
Aclaramos la notación: se llama plano ( x1 , x2 ) al subespacio
 1   0    1  0    x1  
             
Gen  0  , 1   =  x1 0  + x2 1  con x1 y x2 escalares  =   x2  con x1 y x2 escalares  .
 0  0    0   0    0  
           
Es el conjunto de vectores cuya tercera componente es nula.
19
3
a) ¿Cuál será la transformación matricial que proyecta puntos de sobre el plano
( x1 , x3 ) ?, ¿y sobre el plano ( x2 , x3 ) ?
 1 
 
b) ¿Cómo se proyecta la recta Gen  1  respecto de las proyecciones mencionadas?
 1 
  
c) ¿Cuál sería la forma de A si se trata de una proyección sobre una recta, por ejemplo,
 0  
 
la recta Gen  1   ?
 0  
  
La transformación proyección aplicada a cada punto de una esfera la transforma en un

círculo –todo el círculo, circunferencia e interior– ¿Lo visualiza? Imagine un cuerpo en
el espacio, por ejemplo, un cubo, con una luz que ilumina al cuerpo desde arriba; bien,
lo proyectado es, simplemente, su sombra en el “piso”.
237
UNIDAD 4
Ejemplo 13
 1 3
Para A=  , la transformación X AX se llama transformación de
0 1
trasquilado o transformación de corte. Al actuar sobre cada punto de un cuadrado
transforma a éste en un paralelogramo. Lo vemos:
 1 3  0   0   1 3  2   8   1 3  0   6   1 3  2   2 
 0 1  0  =  0  ,  0 1  2  =  2  ,  0 1  2  =  2  ,  0 1  0  =  0 
                   
20
 1
1
Aplique la transformación matricial A =  4  , grafique y observe el transformado
 
0 1
de:
 1  
a) la recta Gen     ,
 0  
 1 
b) la recta Gen     ,
 1 
c) un cuadrado con lado de medida cuatro unidades,
d) la letra A con vértices (0,0),(1,1),(2, 2),(3,1),(4,0) en el plano.
Le propongo otros ejemplos geométricos interesantes.
Ejemplo 14
cosα − senα 
Para A =   , la transformación X AX se llama transformación de
 senα cosα 
rotación en un ángulo α, con α medido en sentido contrario a las agujas del reloj.
π
En particular si α = = 45º , medido en sentido contrario a las agujas del reloj, y
2
recordando los valores asignados a las relaciones trigonométricas en el primer
cuadrante5 se tiene que A es:
5
Consulte la unidad 4 del Módulo de nivelación matemática. La cita completa del texto se encuentra en la
bibliografía.
238
UNIDAD 4
 π π  2 2
 cos 2 − sen   − 
2 = 2 2  = 2 1 −1
A= 
 sen π π   2 2  2 1 1 
cos
 2 2   2 2 

La figura muestra como se transforma un cuadrado, cuyos vértices transformados

valen:
45º
 2  2
0  0  1    − 
A  =   , A  = 2  = 2 1 A 1 =  0  ,. A 0  =  2  = 2  −1 .
 
0  2  0  2 2 1 1  2  1  
  2  2  1 
   
 2   2 
21
Dada la letra A con vértices en el plano (0,0),(1,1),(2, 2),(3,1),(4,0) :
a) Rótela 45º. Grafique.
b) Rótela 90º usando dos transformaciones de 45º cada uno, luego, usando una
transformación de 90º. ¿Cómo lo haría en ambos casos? Explique y grafique.
Tema para indagar y compartir resultados en el Aula virtual

Algunas transformaciones matriciales de 2 en 2 son muy usadas, por ejemplo, a la
hora de realizar gráficos en computadoras. Además, se pueden visualizar fácilmente. He
aquí ejemplos de ellas.
9 Reflexión sobre el primer eje real.
9 Reflexión sobre el segundo eje real.
 1 
9 Reflexión sobre la recta Gen     .
 1 
9 Reflexión respecto al origen.
9 Contracción y expansión horizontal.
9 Contracción y expansión vertical.
9 Trasquilado horizontal.
9 Trasquilado vertical.
9 Proyección sobre el primer eje
9 Proyección sobre el segundo eje.
Lo invito a indagar sobre la forma y las características de

las matrices A que las representan.Luego le propongo
239
UNIDAD 4
que muestre en un gráfico su accionar. Descubrirá que son realmente interesantes los
efectos o transformaciones que realizan. Aplique en particular cada una de esas
transformaciones a la letra N.
El libro Álgebra lineal de Grossman, desarrolla estos temas de manera muy simple,
clara y completa. La cita completa del libro se encuentra en la bibliografía.
Volviendo a la proyección de un objeto de 3 a 2 (su sombra en el “piso”,

¿recuerda?), discuta los resultados obtenidos al proyectar un cubo. ¿En qué se proyecta
si está “cruzado”?
Ejemplo 15
Transformación de un “vector de producción” en un “vector de materia prima”.
Un fabricante fabrica cuatro productos diferentes; cada uno requiere tres tipos de
materiales. La tabla siguiente muestra el número de unidades de cada materia prima,
que denotamos por Ri para i = 1, 2,3 , requeridas para fabricar una unidad de cada
producto, que denotamos por Pi para i = 1, 2,3, 4 .
P1 P2 P3 P4
R1 2 1 3 4
R2 4 2 2 1
R3 3 3 1 2
Una pregunta natural que surge es: para producir ciertos números de cada producto
¿cuántas unidades de cada materia prima se requerirán? Esto es, si se quieren fabricar
p1 artículos del producto P1 , p2 artículos del producto P2 , y así sucesivamente ¿Qué
cantidades r1 de la materia prima R1 , r2 de la materia prima R2 y r3 de la materia
10 
30 
prima R3 necesitaremos? En particular, si P =   ¿cuál es el vector R?
 20 
 
50 
2 p1 + 1 p2 + 3 p3 + 4 p4 = r1

Obviamente: 4 p1 + 2 p2 + 2 p3 + 1 p4 = r2
3 p + 3 p + 1 p + 2 p = r
 1 2 3 4 3
 p1 
 2 1   3  4  2 1 3 4    r1 
p
que puede escribirse p1  4  + p2  2  + p3  2 + p4  1  =  4 2 2 1   2  =  r2  .
p 
 3   3   1   2  3 3 1 2  3   r3 
 p4 
Finalmente, la modelización matemática puede plantearse así:
240
UNIDAD 4
 p1 
p   r1 
definimos, P =  2
, R =  r2  , luego la transformación viene dada por:
 p3 
   r3 
 p4 
4
→ 3
P AP = R
 p1   p1 
p   2 1 3 4     r1 
 2  4 2 2 1   p2  =  r  .
 p3    p   2
  
 3 3 1 2   3   r3 
 p4   p4 
¿Cuál es en nuestro caso particular, la expresión de R, vector de materias primas?
Obviamente R debe estar en el espacio generado por las columnas de A, es decir, el
espacio generado por los vectores de requerimientos de materia prima por producto.
10 
 2 1 3 4     310 
30
En particular  4 2 2 1    = 190  , se requieren 310 unidades de la materia
 20 
 3 3 1 2     240
50 
prima uno, 190 de la dos y 240 de la tres.
A es la transformación matricial que “transforma” un vector de producción en un

vector de materia prima. Interesante punto de vista ¿verdad?
Para una transformación matricial dada representada por A, siempre se cumple, para
vectores cualesquiera U y V, y un escalar c:
9 A (U + V ) = AU + AV
9 A ( cU ) = c ⋅ AU
¿Cómo lo justificamos? Recorramos nuestra guía: unidad 2, apartado 3 álgebra de

matrices, propiedad f –el producto de matrices se distribuye en la suma de matrices– y
propiedad e –el producto por un escalar es asociativo–.
¿Cómo se interpreta? La transformación matricial es lineal, esto es, el objeto matriz al

aplicarse a una suma de vectores se distribuye: sumar dos transformados es lo mismo
que transformar la suma de ambos vectores. También: transformar un producto de
vector por escalares es lo mismo que transformar el vector y luego, multiplicar por el
escalar. En otras palabras, hacer aritmética (suma y/o multiplicación por escalares) antes
de transformar, es lo mismo que transformar y luego hacer aritmética de vectores. Estas
propiedades son muy importantes.
En los ejemplos de proyección y rotación antes mencionados, la propiedad de

linealidad de una transformación matricial se expresa diciendo que: es lo mismo
sumar vectores antes o después de proyectarlos o girarlos en un ángulo determinado.
241
UNIDAD 4
Como consecuencia de esto, y aquí es donde radica el interés e importancia de la

propiedad, uno elije donde operar aritméticamente y esa elección depende, entre otras
cosas, de la facilidad de cálculo.
Pensando en un contexto más general, toda transformación matricial es una

transformación. Se define: una transformación (o función o mapeo) T, de n en m ,
es una regla que asigna a cada vector X en n un vector TX en m . En esta definición
n
se llama dominio de T y m codominio de T. Para cada X en n , el vector TX se
llama imagen de X bajo la acción de T y el conjunto de todas las imágenes se llama
rango de T. La simbología matemática:
T: n→ m
X T(X )
expresa lo definido anteriormente.
Una transformación es lineal si preserva las operaciones de suma de vectores y de

multiplicación por escalares, es decir:
9 al aplicarse a una suma de vectores coincide con la suma de los vectores
transformados individuales,
9 al aplicarse al producto por un escalar coincide con el producto entre el escalar y el
transformado del vector.
En simbología matemática, T es una transformación lineal, si para todo U, V en el

dominio de T y todo escalar c, cumple:
T (U + V ) = T (U ) + T (V )
T ( cU ) = c ⋅ T (U )
Usando esta simbología la transformación matricial, multiplicación por A, se expresa:

T: n→ m
X T ( X ) = AX
El término “transformación lineal” se centra en una propiedad de la función –la

linealidad- mientras que el término “transformación matricial” describe cómo se
implementa la acción, es la fórmula que describe la transformación –multiplicar por una
matriz -.
Ejemplo 16
Una compañía fabrica dos productos B y C. Con información de una tabla
construimos la matriz de “costo unitario” U cuyas columnas describen los “costos
por $ de producción” para los productores:
B C
0.45 0.40  materiales
U = 
0.25 0.35  mano de obra
0.15 0.15  gastos generales
242
UNIDAD 4
x 
Sea X =  1  un “vector de producción”, correspondiente a x1 unidades del
 x2 
producto B y a x2 unidades del producto C, definimos T : 2 → 2 dada por:
0.45 0.40  0.45 0.40   costo total de materiales 
 x1 
T ( X ) = UX = 0.25 0.35    = x1 0.25 + x2  0.35 =  costo total de mano de obra 
   
x
0.15 0.15   2  0.15  0.15  costo total de gastos generales 
El mapeo transforma el “vector de unidades de producción” en el “vector costos

totales de producción”. La linealidad de este mapeo se refleja en los siguientes
hechos:
9 si la producción se incrementa en un factor k, los costos se incrementan en el
mismo factor: vale
X T(X )
kX kT ( X ) = T ( kX )
9 si X e Y son vectores de producción, el costo total asociado a la producción
combinada X+Y es, precisamente, la suma de los vectores de costos totales. Vale:
X T(X )
Y T (Y )
X +Y T ( X ) + T (Y ) = T ( X + Y )
Bien, sigamos con la teoría general. En términos de SEL - o de ecuación matricial -,

expresaremos los conceptos previamente definidos. Así, relacionando con temas
anteriores, logramos una mejor comprensión ¿verdad?. Bien:
El dominio de una transformación lo constituyen todos los vectores que “viven” en el

conjunto de salida. La imagen es el vector que se obtiene en el conjunto de llegada al
aplicar la transformación a uno de salida: son los posibles B, que al plantear el SEL – la
ecuación matricial- AX = B resulta consistente; el conjunto de todos los B se llama
rango de la transformación. El rango de una transformación es simplemente el conjunto
de las combinaciones lineales de las columnas de A. Según este análisis, el rango de T
también se conoce por espacio de columnas de A, y se denota Col A = Gen { A1 , An } .
Es el rango generado por las columnas de A.
Veamos más definiciones: el conjunto de vectores en n , transformados en el vector

nulo, se llama núcleo de la transformación; es la solución del SELH AX = 0 : consta
del vector nulo o de infinitos vectores además del nulo.
T: n
→ m
X T ( X ) = AX
A = [ A1 An ]
Nul A = { X ∈ n
/ AX = 0} = núcleo de T
Col A = { B ε m
/ B = AX para algún X ∈ n
} = Gen { A, , An } = rango de T
243
UNIDAD 4
Un subespacio de n , con n natural arbitrario, es cualquier conjunto H en n

con tres
propiedades específicas:
9 El vector cero está en H.
9 Para cada U, V en H, su suma U + V está en H.
9 Para cada U en H y cada escalar c, cU está en H.
Dicho en palabras, un subespacio es “cerrado” bajo la suma y la multiplicación por

escalares. ¿Cerrado? Este término se usó en el Módulo de nivelación matemática en
relación a la propiedad de clausura de algunas operaciones en los números reales
¿recuerda? 6
m n
Siguiendo esta definición, Col A y Nul A son subespacios de y
respectivamente.
22
m n
9 Demuestre que Col A y Nul A son subespacios de y respectivamente.
9 Seleccionen y relacionen los conceptos nuevos.
¿Y si desarrollamos un ejemplo donde mostramos cada uno de los conceptos definidos?

¿Le parece bien? Vamos entonces.
Ejemplo 17
La información del ejemplo 8 nos permite ejemplificar los conceptos nuevos.
T: 2→ 3
0 0   0 
 x1  1 6   x1  = 1x + 6 x 
x    x   1 2
 2  3 2   2
3 x1 + 2 x2 
V1 + V2 = V3
T V2 ( 0,7,5)
A V1
(1,1)
Este punto no está

en el rango de T
6
Consulte la unidad 1 del Módulo de nivelación matemática. La cita completa del libro la encontrará en
bibliografía.
244
UNIDAD 4
2 3
Para esta transformación: el dominio es ; el codominio ; el rango es
 0  0  
 
Gen  1  ,  6   : es un subespacio de dimensión dos –un “plano” – que pasa por el
 3  2 
    
origen; el núcleo de T es el vector cero.
Notemos que hay puntos del codominio que no pertenecen al rango de T. En

particular cualquier vector en el primer eje.
Bien, es hora de evaluar su grado de comprensión de los nuevos temas. Para ello
presentamos la siguiente actividad que le permitirá, en caso de duda, realizar otra
lectura de profundización. ¿De acuerdo? Y un consejo: para visualizar la acción de la
transformación y los subespacios notables, ¡dibuje! ¡dibuje todo!
23
Retomemos el ejemplo 12, la transformación de proyección de 3 sobre el plano
( x1 , x2 ) . Observe el gráfico y responda, luego justifique “algebraicamente”:
a) ¿es 3 el dominio de T ?
b) ¿El núcleo de T coincide con el vector nulo?
 1   0  
 
c) ¿Es Gen  1  , 1   el rango de T?
 0  0 
    
 1   0  
 
d) ¿Es Gen  0  , 1   el rango de T?
 0  0 
    
 1   0    1   0   0  
      
e) ¿Los vectores  0  , 1   son base del subespacio Gen  0  , 1  ,  0   ?
 0  0   0  0 0 
           
 1   0  
 
f) ¿Es Gen  0  , 1   un subespacio vectorial?
 0  0 
    
 3
g) ¿Cuál es el X tal que su imagen es el vector  2  ?
 0 
 3
h) ¿  2  está en el codominio de T? ¿y en su rango?
 1 
Ahora pasemos a otra cuestión importante. Si A es cuadrada y representa la acción de

una transformación matricial T ¿qué acción representará su inversa A−1 ?
245
UNIDAD 4
Hagamos algunos cálculos algebraicos:

X AX A−1 ( AX ) = ( A−1 A ) X = X
tal transformación T se dice invertible: existe una transformación, denotada por T −1 ,
que cuando se aplica a continuación de T nos devuelve el vector de partida. Las
transformaciones invertibles están asociadas a matrices invertibles.
24
Sean T y T −1 transformaciones invertibles:
a) ¿coinciden en su dominio?
b) ¿Coinciden en su rango?
c) ¿Coinciden en su núcleo?
d) Ejemplifique una T invertible.
En los incisos a) b) y c) justifique su respuesta.
Cuando se aplica más de una transformación matricial en sucesión se obtiene una

composición de transformaciones. Y puede demostrarse que la matriz de esa
composición es el producto de las matrices de cada transformación.
25
Aplique en 2 una proyección sobre el primer eje y luego una rotación en 30º.
a) ¿Cuál es la matriz que representa esa transformación?
b) ¿Se trata de una transformación invertible? Justifique.
c) Calcule su núcleo y explicite una base.
d) Calcule su rango y explicite una base.
e) Dado el vector de unos como transformado ¿qué punto del dominio le corresponde?
En cada caso encuentre una sola matriz que lleve a cabo la sucesión indicada de
operaciones en 2 .
1
f) Comprima en un factor en la dirección del eje horizontal; a continuación, dilate
2
en un factor 5 en la dirección del eje vertical.
 1 
g) Refleje respecto a la “recta” Gen     , a continuación realice un giro de 180º.
 1 
Demuestre que para la sucesión siguiente de transformaciones lineales: un corte

(trasquilado) a lo largo del primer eje con k=2, expansión a lo largo del segundo eje con
k=2, luego una reflexión respecto del primer eje, un corte a lo largo del segundo eje con
k=3,
1 2 
h)   es la matriz que representa la composición final de transformaciones.
3 4 
 −1 3
i)   es el transformado de   .
1  −2 
Por medio de la inversión de matrices demuestre que:
246
UNIDAD 4
j) La transformación inversa para una compresión a lo largo de uno de los ejes es una
expansión a lo largo de ese eje.
k) La transformación inversa para una reflexión respecto a uno de los ejes es una
reflexión respecto a ese eje.
Finalmente, si no tenemos la expresión de la matriz A sino que tenemos información

sobre vectores transformados ¿podremos calcular A? ¡Claro que sí! Siempre y cuando
esos vectores sean LI.
Ejemplo 18
Supongamos una transformación del espacio bidimensional al espacio
tridimensional.
T: 2 3
5  −3
1    0  
T   =  −7  , T   =  8  .
0   2  1   0 
   
¿Cuál es la expresión de la transformación lineal T en términos de la matriz A ?
Bien: sabemos que cualquier X en 2 puede expresarse como combinación lineal de

1   0  2
 0 y 1  , que constituyen la base estándar en .
   
 x1  1  0
 x  = x1 0  + x2 1  .
 2    
T es lineal, luego:
x   1  0   1    0    1    0 

T   1   = T  x1   + x2    = T  x1    + T  x2    = x1T     + x2T    
  x2    0  1    0   1    0   1 
5  −3  5 x1 − 3 x2   5 −3
x 
= x1  −7  + x2  8  =  −7 x1 + 8 x2  =  −7 8   1  .
 
x
 2   0   2 x1 + 0 x2   2 0   2 
¡Encontramos A! La transformación lineal o transformación matricial se expresa:

 5 −3 
X  −7 8  X
 
 2 0 
Conclusión: la transformación está completamente determinada por los “efectos que

produce” a los vectores de la base canónica.
La matriz A que se construye a partir de los transformados de la base estándar –también

llamada base canónica– se conoce como la matriz canónica para la transformación
lineal T.
247
UNIDAD 4
26
Sea:
T: 3 3
1   −3 0   5  0 0

T  0  =  8  T 1  =  −7  , T  0  =  0 
       
 0   0  0   0  1   0 
Calcule:
a) la expresión matricial de la transformación,
b) el núcleo de la transformación,
c) una base del rango de la transformación.
Sea
2 3
T:
 5 x1 − 6 x2 
 x1   ,
A   =  x2 
 x2   2 x − 2 x 
 1 2
d) Construya A.
Y ahora a buscar a información por otro camino distinto al de la guía.
Tema para indagar y compartir resultados en el Aula virtual
¿Toda transformación lineal de n en m

puede expresarse matricialmente?
n
Esto es, ¿Toda transformación lineal de en m puede pensarse como una
transformación matricial?
La expresión de la matriz A ¿es única? Y si no es única ¿con qué está

relacionada?
¿Toda transformación será lineal? Y ¿cómo se imagina el accionar de una
transformación que no sea lineal?
Los invito a responder estas preguntas y a compartir resultados en un foro del aula
virtual. ¡Allí nos encontramos!
4. Valores propios y vectores propios
Esta sección distingue vectores en el dominio que son “estirados” o “contraídos” por la
transformación. Generalmente, tales vectores forman una matriz asociada a la
transformación, que simplifica la multiplicación por la matriz original.
248
UNIDAD 4
En general, una transformación matricial X AX mueve vectores en

diferentes direcciones pero, ¿existirán vectores que no sean “movidos” al
aplicarles A? Esto es, dada cualquier A, ¿existirán vectores X en el dominio tal
que AX = X en el codominio? O también ¿existirán vectores que sólo sean
“estirados” –dilatados– o “contraídos” –comprimidos– por A?; en otras palabras,
AX = kX para ciertos escalares k. Observe: si k es positivo y menor que 1, hay
compresión y si es mayor a 1, dilatación.
En primer lugar se observa que el dominio y el codominio deben coincidir, se hablará

entonces de una transformación del espacio n-dimensional en el espacio n-dimensional.
En segundo lugar vemos que es necesario manipular algebraicamente la ecuación
matricial anterior hasta dar con una expresión que contenga información útil. Veamos:
AX = kX
AX − kX = 0
AX − kIX = 0
( A − kI ) X =0
La última expresión es un SEL homogéneo. ¡Bien, terreno conocido por nosotros! Pero:
¿qué sabemos de SELH?
9 sabemos que siempre tiene solución;
9 sabemos que si el determinante de la matriz A − kI es no nulo, sólo admite la
solución nula. Esto es, A − kI ≠ 0 ⇒ X = 0 ;
9 sabemos que si el determinante de la matriz A − kI es nulo, admite infinitas
soluciones, además de la nula. Más aún, el conjunto solución es un subespacio
vectorial.
Ahora, podemos concluir: dado un cierto escalar k, siempre existe un X tal que
AX = kX . Ese X es únicamente el nulo o bien forma parte de un subespacio vectorial
llamado autoespacio o espacio propio asociado a k. Tales X no nulos reciben el
nombre de vectores propios o autovectores y los correspondientes k valores propios o
autovalores.
X ≠0 / AX = k X
autovector autovalor
{ X / AX = kX } = autoespacio asociado a k
Antes de continuar debo asegurarme de que usted conoce por qué son válidas todas y
cada una de las igualdades de arriba. Entonces:
27
Responda: ¿qué propiedades del álgebra matricial se usaron para llegar a la última
igualdad matricial?
249
UNIDAD 4
Ejemplo 19
1 6  6 3
Sean A =   , U =   , V =   ¿Son U y V vectores propios de A? O dicho
5 2   −5  −2 
de otro modo, ¿son U y V vectores propios de la transformación matricial A?
Bien, hagamos cálculos aritméticos basándonos en el siguiente hecho: si son vectores

propios existen escalares u y v tal que AU = uU y AV = vV . Ahora, busquemos los
escalares ...
 −24   u 6  −24 = 6u −4 = u
AU =   = uU =  ⇒ ⇒ . Se muestra que AU = ( −4 )U
 20   −5u  20 = −5u −4 = u
 −3 = v
 −9   3v   −9 = 3v 
AV =   = vV =   ⇒ ⇒  11 , muestra que no existe un v real
 11   −2v  11 = −2v − = v
 2
tal que AV = vV .
Concluimos que: U es autovector de A, no así V.
Finalmente, observe que los cálculos aritméticos matriciales se basaron fuertemente en

el concepto de igualdad de dos vectores: dos vectores son iguales si lo son componente
a componente.
Ejemplo 20
Para buscar autovectores y autovalores, retomemos información de ejemplos
anteriores ¿le parece?
3
9 El ejemplo 12 nos provee la transformación de proyección de sobre el plano
( x1 , x2 ) .
T: 3
→ 3
 x1  1 0 0   x1   x1 
x  0 1 0  x  =  x  .
 2   2  2
 x3   0 0 0   x3   0 
Planteamos det ( A − kI ) = 0 :
 1 0 0  1 0 0    1 − k 0 0 
      
det  0 1 0  − k  0 1 0   = det   0 1 − k 0   = ( − k )(1 − k )(1 − k ) que
 0 0 0  0 0 1    0 0 −k  
  
se anula para k valiendo 0 ó 1.7
Si k = 1 , calculemos
7
Se trata de aplicar la ley de anulación del producto, también de hallar las raíces de un polinomio en k
expresado en términos de sus factores primos. Estos temas se desarrollaron en Matemática nivelación
¿recuerda?
250
UNIDAD 4
AX = 1X
 x1   x1 
 x  = 1 x  .
 2  2
 0   x3 
Y esta igualdad matricial se cumple sólo si la tercera componente es nula. Luego,
 x1 
todo vector de la forma  x2  es un vector propio de la transformación lineal.
 0 
1 
Podemos pensar que un vector propio es combinación lineal de los vectores  0 y
 0
0  x1  1  0
1  , efectivamente:  x  = x 0  + x 1  . Luego, X es autovector si
   2 1  2  
 0  0  0   0 
 1   0  
 
X ∈ Gen   0  , 1   y su autovalor asociado es 1.
0 0 
    
 2   −1  0 
En particular  3  ,  2  ,  −1 , son vectores propios de la transformación dada y lo
 0   0   0 
es todo vector del plano horizontal o plano ( x1 , x2 ) que pasa por el origen. Ya, al
conocer la “acción” de A se intuía que el plano no era “movido” y también, se lo
observaba gráficamente.
 0    0  
    
Si k = 0 , el núcleo de la transformación es la recta Gen  0   . Todo X ∈ Gen  0  
 1    1  
     
es un autovector de autovalor nulo, también se descubre por observación de la acción
de A, en un gráfico.
 1 3
9 El ejemplo 13 nos provee A =   , asociada a la transformación de trasquilado.
0 1
x  1   −3  7 
Todo vector de la forma  1  = x1   es un vector propio, en particular   ,   lo
0 0  0  0
son. En otra interpretación lo que dice es: todo punto geométrico sobre el primer eje
no es “movido” de su lugar al aplicarle la transformación de trasquilado. Si
 1  
X ∈ Gen     es un autovector de autovalor 1.
 0  
251
UNIDAD 4
 cosα − sen α 
9 Ejemplo 14: para A =  , la transformación X AX se llama
sen α cosα 
π
transformación de rotación en un ángulo α . Si α = , ¿cuáles serán sus valores
4
propios? ¿y sus vectores propios?
Se verifica que det ( A − kI ) es igual a la expresión polinómica 8

en k,
(k 2
)
− 2 ⋅ k + 1 , que no tiene raíces reales, esto es, no se anula en los números
reales. Al no haber autovalor(es) no hay autovector(es).
28
a) Compruebe que 1 y 0.92 son los autovalores correspondientes a los autovectores
 3  1  0.95 0.03
5 y  −1 respectivamente, para la transformación matricial A = 0.05 0.97  .
     
b) Calcule los autovalores y los correspondientes autoespacios para la transformación
 0.93 0.4 
matricial A =  .
0.07 0.6 
c) Determine en 2 los autovalores y sus correspondientes autovectores para una
expansión de factor 2 en el primer eje 9.
d) Determine en 2 las bases de los autoespacios de una reflexión respecto del
segundo eje.
Seguimos con una transformación matricial

T: n→ n
X AX
Un resultado importante afirma que: los autovectores correspondientes a autovalores

diferentes constituyen un conjunto LI. Esto es: si ki ≠ k j ∀i ≠ j con AVi = kiVi ,
entonces, {Vi } es LI.
¿Lo demuestra usted? Pero le doy una ayudita: suponga k autovectores de autovalores
diferentes, plantee que son LD y llegue a una contradicción, esto es, llegue a un
resultado que contradiga alguna de las hipótesis. 10
29
Los autovectores correspondientes a autovalores diferentes constituyen un conjunto LI.
Demuéstrelo.
8
Expresión polinómica o polinomio en una variable. Consulte la guía Módulo de nivelación matemática,
unidad 2. Su cita completa se encuentra en la bibliografía.
9
El primer eje es el Gen
 1  y el segundo eje es el Gen
0  .
 0   1 
10
Demostraciones de este estilo son parte del método: demostrar por contradicción.
252
UNIDAD 4
También se puede demostrar, pero no lo haremos, que si la suma de todas las

dimensiones de los autoespacios es n, entonces existen n autovectores LI, y por lo
tanto constituyen una base para n . Este resultado es muy importante ya que nos
permite construir dos matrices de tamaño n × n , muy útiles:
9 la primera, cuya simbología estándar es P y cuyas columnas son cada uno de esos
autovectores LI, esto es P = [V1 Vn ] ;
9 la segunda es diagonal, se expresa como D y sus entradas diagonales son los
 k1 0

correspondientes autovalores. D =  .

 0 kn 
¿Y por qué son “tan” importantes estas matrices? Se cumple: A = PDP −1 , esto es, A se
expresa como producto entre una matriz diagonal y una invertible. En particular, la
importancia radica en que el cálculo de una potencia de A se simplifica notablemente al
cumplirse la igualdad matricial pues Am = PD m P −1 , para cualquier m natural.
La expresión anterior permite reemplazar el cálculo de m productos matriciales de A,

por el cálculo de m potencias reales y dos productos matriciales.
30
a) Demuestre la igualdad matricial A = PDP −1 .
b) Demuestre la igualdad matricial Am = PD m P −1 . Le ofrezco esta ayuda: use el
concepto de potencia, la propiedad asociativa del producto matricial, el concepto de
matriz inversa y la propiedad de la identidad matricial.
Lo que acaba de realizar en la actividad anterior no es más que “trabajo algebraico”

partiendo del concepto de potencia: la base que se multiplica m veces por sí misma. De
la observación surge la asociación de matrices invertibles, y la aplicación del concepto
de matriz identidad: IM = M cualquiera sea la matriz M.
Tal A que puede expresarse como el producto A = PDP −1 se dice diagonalizable.
Ejemplo 21
Los autovalores y los autovectores nos permiten analizar la evolución discreta de un
sistema dinámico que cambia con el tiempo, por ejemplo, los llamados procesos de
Markov. ¿Los recuerda? De ellos hablamos en la unidad 2; entonces ejemplificaron
el uso de las operaciones matriciales producto y potencia entre la matriz estocástica y
el vector de población inicial.
Retomemos el ejemplo 22 de la unidad 2: plantea un problema de distribución de

población entre ciudad y suburbios, y llega a la conclusión de que Ak X 0 determina la
distribución de la población después de k períodos. A es la matriz estocástica, X 0 el
vector de población inicial.
253
UNIDAD 4
La situación planteada puede describirse en términos de transformaciones lineales: se

trata de una
T: 2→ 2
X AX
población en población en
el período k el período k+1
En intervalos de tiempo discretos se produce la secuencia de vectores

X 0 , X 1 , X 2 , , X k que describen la población a lo largo de un período de años. La
entrada X k proporciona información acerca del estado del sistema en el momento de
la k-ésima medición.
Dicha transformación es lineal debido a que:

9 el número de personas que escogen mudarse es proporcional al número de
personas en el área;
9 y el efecto acumulado de esas decisiones se obtiene sumando los movimientos.
31
Retome el ejemplo 22 de la unidad 2 y los resultados de la actividad 28 apartado b,
luego resuelva estas consignas:
k
 0.93 0.4  1500 
a) Demuestre que el producto     coincide con
 0.07 0.6  2100 
1  −1 40  0.53k 0   −7 40  1500 

47  1 7   0
   y representa la distribución de la
1   1 1   2100 
población en k períodos.
b) Cuando k tiende a valores muy grandes la distribución de la población se estabiliza o
3064 
tiende a   . ¿Corresponde a un vector propio? Justifique su respuesta.
 536 
Bien, bien, ya exhaustos estamos abandonando el interesante mundo de la teoría

matemática conocida como álgebra lineal. Como broche de oro redondeamos algunos
conceptos y planteamos una actividad final.
Los conceptos a redondear son:

9 Un espacio vectorial, en general, es un conjunto no vacío V de objetos, llamados
vectores, en el que están definidas dos operaciones suma y multiplicación por
escalares (números reales), sujetas a diez axiomas o reglas.
9 Todo subconjunto de V que cumple esos diez axiomas, se llama subespacio

vectorial de V. En realidad, alcanza con que satisfaga tres de esos 10 axiomas, ya
que el resto se satisface automáticamente.
9 Todo espacio vectorial puede pensarse como subespacio de un espacio mayor y

viceversa. En general, todo subespacio vectorial es un espacio vectorial en sí mismo.
254
UNIDAD 4
n
9 para cualquier n natural es un espacio vectorial y sus vectores se representan
con n componentes. En las representaciones gráficas, es usual representar 2 y 3
como rejillas donde la base está constituida por vectores con una componente igual
a uno y las demás cero, que son perpendiculares entre sí (base estándar).
9 Los diez axiomas a que hacemos referencia son equivalentes a las diez propiedades
n
algebraicas de , mencionadas oportunamente. Y los tres axiomas para un
subespacio vectorial también corresponden a los tres axiomas dados para un
subespacio de n .
9 Todo espacio unidimensional en 2 y 3 se visualiza como una línea que pasa por
el origen y se lo identifica con el nombre de recta.
9 Todo espacio bidimensional en 3 se visualiza como un espacio vectorial de dos

dimensiones –o subespacio vectorial de 3 – que pasa por el origen, y se lo
identifica con el nombre de plano. La base habitual para estos planos no la forman
los vectores unitarios perpendiculares, sino otros dos vectores LI.
Y la actividad final es la siguiente:
32
Señale las afirmaciones incorrectas, justifique.
a) El subespacio vectorial generado por el vector nulo es LI.
1 
b) El vector 1  vive en el espacio vectorial 2 .
 0
c) Todo X ∈ n / AX = kX con k ≠ 0 ∈ es un autovector de autovalor k.
d) Cualquier conjunto de dos vectores, de dos componentes cada uno, es base de 2 .
e) Toda transformación matricial, de n en n , es invertible.
f) Toda matriz A de una transformación matricial puede expresarse como producto
A = PDP −1 con D diagonal.
g) En 2 , el vector cero y toda recta son los únicos subespacios vectoriales.
Como parte del proceso de aprendizaje es conveniente que aplique una estrategia de
síntesis. Por ejemplo, un cuadro sinóptico, un mapa conceptual o un hilo conductor,
entre otros. También le propongo que elabore un glosario de la materia.
Y para terminar: usted ha trabajado en esta asignatura poniendo en juego conocimientos

previos: ¿los ha identificado? ¿se ha dado cuenta? A la vez, ha incorporado
conocimientos nuevos que utilizará a partir de ahora como base para otros aprendizajes.
Lo vemos en detalle ¿me acompaña?.
En matemática II continuará trabajando el concepto de función o mapeo, más

precisamente considerará las funciones, con el conjunto de los números reales (o
espacio vectorial unidimensional) como dominio y codominio, esto es, en notación o
simbología matemática:
255
UNIDAD 4
f: →
x f ( x)
En matemática III, las funciones tendrán dominio en n y codominio en el conjunto de

los números reales (o espacio unidimensional) con n natural mayor a uno. Esto es:
f: n→
X f (X )
En matemática IV, al estudiar ecuaciones diferenciales, retomará los conceptos de

autovalor y autovector.
En cuanto a los saberes previos la presente unidad se cimentó fuertemente en el

conjunto de los números reales, sus operaciones y sus propiedades y también, en la
factorización de polinomios en sus factores primos y en el cálculo de ceros o raíces de
un polinomio, ya que el det ( A − kI ) = 0 plantea el cálculo de los ceros de un polinomio
en k; tal polinomio recibe el nombre de polinomio característico de A. Por su parte las
transformaciones lineales de rotación, requirieron del uso de las relaciones
trigonométricas y de sus valores en la circunferencia trigonométrica.
Usted seguramente advertirá que el álgebra lineal no se agota en estos temas ni en esta
forma de presentarlos. Cualquiera de estos cuatro ejes presentados admite
profundización. Sus aplicaciones son innumerables y superan en complejidad e
importancia a los pocos ejemplos que pudimos mostrar. No obstante, usted ya cuenta
con una buena base para indagar y comprender temas relacionados.
Actualmente estos temas se aplican en campos científicos y no científicos y es notable

el interés y ahínco con que se los investiga.
Tema para pensar y compartir en el Aula virtual
El conjunto de los números reales pensados como vectores forma el espacio vectorial
denotado por . Esto justifica el nombre de “espacio” que se asigna a los números
reales. Demuestre que, efectivamente, se trata de un espacio vectorial. Determine
también una base que lo genere así como sus distintos subespacios.
256
UNIDAD 4
En este apartado consignamos los conceptos clave de la unidad. Esperamos que usted
los haya comprendido e internalizado.
Los números reales tomados ordenadamente en grupos de n, identifican un punto

coordenado que puede pensarse como un vector de n componentes. Un espacio
vectorial, o un subespacio de éste, es un conjunto de vectores que es cerrado para la
suma y la multiplicación por escalares, y satisface propiedades similares a las de los
números reales. De hecho, los números reales constituyen un espacio vectorial. Cada
espacio vectorial incluye un conjunto base, esto es, un conjunto de vectores
independientes cuya cardinalidad determina la dimensión de la base y tal que
cualquier otro vector del espacio pueda pensarse como combinación lineal de ellos.
Las transformaciones lineales logran dar una visión dinámica a los modelos
matemáticos que usan SEL y multiplicación de matrices, ya que toda matriz puede
pensarse como una función o un mapeo, esto es, como una aplicación que transforma
vectores de un espacio vectorial en vectores del mismo espacio vectorial o de otro.
Tal transformación, también llamada transformación matricial, tiene la propiedad de

“preservar” la suma de vectores y la multiplicación por escalares. Esta propiedad se
conoce como linealidad y asegura que los resultados coinciden independientemente de
que se haga aritmética de vectores antes o después de transformar.
En esa “transformación” importan particularmente algunos conjuntos de vectores: los

que son transformados en el vector nulo, la base de los vectores transformados, los que
son expandidos o contraídos en un factor. Tales conjuntos son subespacios vectoriales y
reciben nombres especiales: núcleo, rango, autoespacio de autovector correspondiente
a un autovalor.
En general, los autovalores permiten construir una matriz diagonal, y los autovectores
una matriz invertible. Ambas matrices hacen diagonalizable a la matriz de la
transformación. Pero no toda matriz de la transformación es diagonalizable.
Las transformaciones se pueden aplicar en número finito dando lugar a una

composición de transformaciones. Y una transformación es invertible si la matriz
que la representa es invertible, luego, no toda transformación es invertible.
¿Desea aplicar y evaluar lo aprendido? Ingrese para ello al Aula virtual / Archivos /
257
UNIDAD 4
de ejercicios, también por gentileza de los alumnos.
258
UNIDAD 4
1
Los puntos de coordenadas y los vectores correspondientes son:
A = ( −2,1) B = ( 0,0 ) C = ( −3, −5,0 ) D = ( 0,0,1)
 −3 0 
 −2  0 
A=  B=  C =  −5 D = 0 
1 0   0  1 
2
Verbalmente pueden expresarse:
a) La suma es cerrada en n .
b) La multiplicación por escalares es cerrada en n .
c) La suma de vectores conmuta.
d) La suma de vectores es asociativa.
e) El vector nulo cumple la propiedad de identidad.
f) El vector ( −1)V = −V cumple la propiedad de inverso aditivo.
g) El producto por escalares se distribuye respecto de la suma de vectores.
h) El producto por escalares se distribuye respecto de la suma de escalares.
i) El producto por escalares es asociativo.
j) El 1 es la identidad respecto al producto por escalares.
3
En caso de dudas, estudie nuevamente el ejemplo 2. Si las dudas persisten, plantéelas en
el foro del Aula virtual.
4
9 −3U = −3 ⋅ U = 3 13
9 7U = 7 ⋅ U = 7 13
1 1 1
9 − U = − ⋅U = 13
3 3 3
5 5 5
9 U = ⋅U = 13
3 3 3
5
a)
3U+2V
4
U −V
3
U 5
2U − V
V 2
259
UNIDAD 4
b) C = 4U + V , D = 3U − 2V .
c)
2M+N
−3M+N
−3M
−3M = −3 ⋅ M = 3 (1) + (1) + ( 3) = 3 11

2 2 2
d)
( −1 + 3) + ( −1 + 9 ) + ( −3 + 6 ) = 77
2 2 2
−M + N =
6
Parta de la definición de combinación lineal, luego opere y compruebe los cálculos. Más
adelante desarrollamos la respuesta completa.
7
2 3   2  3 
          
Veamos: Gen  1  ,  1   = a 1  + b  1  con a y b escalares cualesquieras  , que
2 2   2  2  
        
también puede expresarse:
  2   3     a 2 + 3b  
      
Gen  1  ,  1   =   a + b  con a y b escalares cualesquieras  .
  2   2     2a + 2b  
       
En particular:
260
UNIDAD 4
0  2  3  2 3
        a 
 0  = a  1  + b  1  =  1 1   b  que corresponde a la expresión matricial de un SELH
 0   2  2   2 2  
en las variables a y b. Aplicando el Método de Gauss-Jordan a la matriz aumentada se
llega a la forma que muestra como solución la trivial y sólo ella.
0  2  3
Conclusión:  0  = 0  1  + 0  1  , el vector nulo está en el espacio generado.
   
 0   2  2 
8
En 2 :
9 El Gen {V } = {cV con c escalar arbitrario} . Si V es nulo, el subespacio es el nulo: es
un punto; si es no nulo se visualiza como una recta que pasa por el origen.
9 El Gen {U ,V } = {uU + vV con u y v escalares arbitrarios} . Si ambos vectores no
2
son nulos ni uno múltiplo del otro, el subespacio generado es todo .
9
Con información del ejemplo 36 de la unidad 1, construimos los vectores que contienen
información de constitución de cada aleación base y de la nueva aleación:
Al1 Al 2 Al 3 A l nueva
5 10  15 
 0.12
80   65 55
20  0.62
     
15   25 30
 0.26
la pregunta sería: ¿puede pensarse la nueva aleación como combinación lineal de las
aleaciones base? ¿ Alnueva ∈ Gen { Al1, Al 2, Al 3} ?
En el caso del ejemplo 37 de la unidad 1, la pregunta es: ¿puede pensarse la nueva

fórmula como combinación lineal de las fórmulas básicas? ¿ N ∈ Gen {C1 , C2 , C3} con
C1 C2 C3 N
5 10  15   0.12
90   75  65  25  0.62
       
 5  15   20   0.26
10
Se tiene: V2 = ( −2 )V1 con el vector nulo en el espacio generado por ellos, esto es,
c1V1 + c2V2 = 0 , luego la igualdad c1 = − kc2 da diferentes relaciones de dependencia. En
particular:
c2 = 1 ⇒ c1 = 2 ∧ 2V1 + V2 = 0
c2 = −3 ⇒ c1 = −6 ∧ ( −6 )V1 + ( −3)V2 = 0
261
UNIDAD 4
 −2   4   0 
 
Efectivamente: 2  1  +  −1 = 0  y
2
   2  0 
 −1     
 −2   4  0 
1 
también ( −6 )   + ( −3)  −1 = 0  .
2
   2  0 
 −1 
11
El {V1 , ,0, ,V p } contiene al vector nulo, luego cada vez que se toma un escalar c no
nulo, se obtiene el vector cero como combinación lineal de ellos:
0V1 + + c0 + 0V p = 0
Conclusión: el {V1 , ,0, ,V p } es LD porque existen infinitas maneras de obtener
combinaciones lineales nulas con no todos los escalares nulos.
12
a) Al tratarse de tres vectores de dos componentes cada uno, serán LD.
b) Al tratarse de cinco vectores de tres componentes cada uno, serán LD.
c) Las dos primeras preguntas, están contestadas en los apartados (a) y (b)
respectivamente. Respecto a la 3ª pregunta, en 2 :
9 el conjunto formado por un vector, será LI si ese vector es no nulo; caso
contrario, será LD.
9 El conjunto formado por dos vectores, será LI si esos vectores son no nulos y no
son múltiplos; caso contrario, será LD.
9 El conjunto formado por tres o más vectores será siempre LD.
En 3 el análisis es similar:
9 el conjunto formado por un vector, será LI si ese vector es no nulo; caso
contrario, será LD.
9 El conjunto formado por dos vectores, será LI si esos vectores son no nulos y no
son múltiplos; caso contrario, será LD.
9 El conjunto formado por tres vectores, será LI si esos vectores son no nulos y
ninguno es combinación lineal de los otros; caso contrario, será LD.
9 El conjunto formado por cuatro o más vectores serán siempre LD.
Respecto de los gráficos : en (a) y en (b) el conjunto es LD porque el número de

ellos supera el número de componentes o coordenadas de cada uno; en (c), los tres
vectores son múltiplos, viven en la misma recta y son LD.
13
0
a) V =   ∈ n
es LD porque c0 = 0 ∀c escalar .
 0 
b) Si V = 0 ∈ n
, V es LD; si V ≠ 0 ∈ n
, V es LI porque cV = 0 sólo si c = 0 .
262
UNIDAD 4
c) Son LD porque su número supera el número de componentes de un vector.

2  −3 7  0
Efectivamente: planteamos: c1   + c2   + c3   =   que se transforma en un
3 1 0  0
SELH en las variables c1 , c2 , c3 , cuya matriz aumentada es equivalente por renglones
7
1 0 0
11
a la matriz aumentada .
21
0 1 − 0
11
La solución establece las siguientes relaciones de dependencia entre los escalares

7 21
(“variables” del SELH): c1 = − c3 , c2 = c3 y c3 escalar arbitrario. Cada vez que,
11 11
dado un valor a c3 se cumple esa relación de dependencia, se tendrá una
combinación lineal no nula de los vectores dados.
d) El vector nulo se encuentra entre ellos, luego son LD.
e) V3 ∈ Gen {V1 ,V2 } si V3 = c1V1 + c2V2 para ciertos escalares c1 , c2 .

c 
c1V1 + c2V2 = [V1 V2 ]  1 
 c2 
 1 −2  1 
 3 6   c1  =  2 
  c   
 −2 4   2   h 
queda planteado un SEL en las variables c1 , c2 . La matriz aumentada es equivalente
1 −2 1
por renglones a la matriz aumentada 0 12 −1 y así, el SEL original es
0 0 2+h
c1 − 2c2 = 1

equivalente al SEL 12c2 = −1 que tiene solución sólo si h vale –2.
0 = 2 + h

1 5
Conclusión: si h = −2 , resulta c2 = − y c1 = . Finalmente la relación de
12 6
1  −2   1 
5    1    
dependencia es:  3  +  −   6  =  2  .
6  12 
 −2   4   −2 
0 0  2   0   0 0 2   c1   0
f) Planteamos: c1  1  + c2  −5 + c3  0  =  0  ,  1 −5 0  c2  =  0  , SELH en
   
 −2   7   h   0  −2 7 h   c3   0 
tres variables con determinante de la matriz de coeficientes:
263
UNIDAD 4
0 0 2
1 −5
1 −5 0 = ( −1) ⋅ 2 ⋅
1+ 3
= −3 , valor que no depende de h.
−2 7
−2 7 h
Conclusión: cualquiera sea el valor de h, como el determinante es no nulo, los
escalares sólo admiten el valor nulo, c1 = c2 = c3 = 0 y el {V1 ,V2 ,V3} es LI.
1  −2  *
g) Planteamos: c1  3  + c2  6  = * . En particular, al asignar los valores 1 y –1 a los
 
 −2   4  *
*  3 
escalares, obtenemos el vector: * =  −3 . Luego, el conjunto resulta LD.
*  −6 
h) Al ser cuatro vectores de tres componentes cada uno, puedo asignarle cualquier
valor.
 0  1     −1 1     c  1  
i) En particular lo son:    ,    ,    ,    y    ,   con c escalar arbitrario  .
 0  0    0  0    0 0 
14
0
a) El vector 1  es LI, es base del subespacio, y la dimensión es uno, ya que los otros
 3
0 0  0   0
vectores son múltiplos. Efectivamente:  6  = 6 1  ,  −2  = ( −2 ) 1  .
     
18  3  −6   3
3
b) Cuatro vectores en son LD. Como base elegimos el 2º, el 3º y el 4º, que son LI;
la dimensión es tres.
(a) (b)
264
UNIDAD 4
2  2 7 
c) Tres vectores en son LD. En particular:   y   son LI (demuéstrelo) y
 3 0
forman base; la dimensión es dos.
d) Cuatro vectores en 2 son LD. Además, observamos que los vectores no nulos son
múltiplos. Luego, para formar una base descartamos el vector nulo y nos quedamos
 2
con cualquiera de ellos. En particular:   es base. La dimensión es uno.
 3
(c) (d)
15
a) 2 x − y − z = 0 es una EL en las variables x, y, z. En la unidad 1 analizamos su
representación gráfica ¿recuerda?: S = {( x, y, z ) / 2 x − y − z = 0} y entonces,
calculábamos los valores de tres puntos coordenados para graficar. Ahora,
planteamos una alternativa: trabajamos algebraicamente sobre la expresión de S,
resultando:
 x    x  
     
S = {( x, y, z ) / 2 x − y − z = 0} =   y  / 2 x − y − z = 0  =   y  / 2 x − z = y 
 z    z  
     
  x    1x + 0 z     1x   0 z  
     
S =   2 x − z   =   2 x − 1z   =   2 x  +  −1z  
  z    0 x + 1z     0 x   1z  
          S
 1  0 
     
=  x  2  + z  −1 con x e y escalares arbitrarios 
 0   1  
   
1   0 
Conclusión: S es un plano generado por los vectores  2  y  −1 y su dimensión es dos.
 0   1 
b) Planteamos de manera similar, y lo

importante es descubrir la idea central de ese
hecho: trabajar algebraicamente la fórmula para S
S
buscando una expresión como combinación
lineal de vectores. Vamos, entonces:
265
UNIDAD 4
  3t    3 
      
S = {( x, y, z ) / x = 3t , y = −2t , z = t ∧ t ∈ } =   −2t  / t escalar  = t  −2 / t escalar 
 t    1 
      
Obviamente es un subespacio generado por un vector: se trata entonces de una recta
en 3 .
1x + 2 y + ( −1) z = 0
c) SELH en tres variables  , cuya forma S
2 x + ( −1) y + 3 z = 0
escalonada en los renglones reducida equivalente a la
1 0 1 0
matriz aumentada es: , luego x = − z , y = z ,
0 1 −1 0
sin restricciones para la variable z.
Conclusión:
− z     −1 
      
S =   z  , z escalar arbitrario  =  z  1  , z escalar arbitrario  y dimensión de S,
 z    1 
      
uno.
 2 x + ( −1) y + 3 z = 0

d) SELH en tres variables  4 x + ( −2 ) y + 6 z = 0 , cuya forma escalonada en los
( −6 ) x + 3 y + ( −9 ) z = 0

renglones reducida, equivalente a la
matriz aumentada del sistema, es:
S 1 3
1 − 0
2 2
0 0 0 0 ; luego 2 x − y + 3 z = 0
0 0 0 0
establece restricciones –únicamente–
para el escalar x. Los escalares y, z
carecen de restricciones.
 1  0 
 
Conclusión: S =   2  ,  3  (verifíquelo), y dimensión de S, dos.
  0  1  
    
16
a)
 
 −1 1  0 0
 1  1  0       1 
 −7  = 1  0  + ( −7 ) 1  ;  0  = ( −1) 0  + 0 1  +  0  ;
6
      1 0   0  1 
 
6
266
UNIDAD 4
 1  1  0 0  0
 −1  0  1 0  
  = 1   + ( −1)   + 3   + ( −3)  0
 3  0 0 1   0
         
 −3 0  0 0 1 
b)
 −5
1  0 0  
7 7
−5  0  + 1  + 1  0 =   ∈ 3
5 5
 0   0 1   1 
 
17
No hay solución para esta actividad ya que es parte de “su” proceso de aprendizaje.
18
9 Respuesta al primer interrogante:
 x1 
x  1

A  2  =   , SEL en cuatro variables. Trabajando con la matriz aumentada y el
 x3  1
 
 x4 
método de Gauss-Jordan se llega a la matriz aumentada:
1 5
1 0 − 6
4 4
1 5 1
0 1 −
2 2 2
con x3 y x4 variables libres. La relación de dependencia entre las variables –
 1 1 5
 x2 = 2 + 2 x3 − 2 x4
escalares– viene dada por:  . Cualquier vector de la forma
 x = 7 + 1 x − 21 x
 1 4 4 3 4 4
5 1  5 1
 4 + 4 x3 − 6 x4   4  4  −6 
       5
 + x − x  =   + x   + x  −  con x y x escalares cualesquiera
1 1 5 1 1
2 2 3 2 4 2 3 2 4  2 3 4
       0 
 x3  0 1  
   0   0   1 
x4
2
será transformado en el vector de unos del plano .
9 Respuesta al segundo interrogante:

Equivale a preguntar: ¿el SELH AX = B tiene solución cualquiera sea el vector de
términos independientes? Para responder, observamos la forma escalonada en los
renglones reducida y de ella resulta: sí, porque son más variables que ecuaciones y
no puede darse 0=1 en el último renglón.
267
UNIDAD 4
9 Respuesta al tercer interrogante:

Podemos formularlo así: ¿Cuál es conjunto solución de AX = 0 ? Nuevamente,
observando su forma escalonada en los renglones reducida obtenemos la
1  21 
4 − 4 
   
 1  5
información: a   + b  −  es transformado en el vector nulo al aplicarse A.
2 2
   
1  0 
 0   1 
19
1 0 0   x1   x1 
a) A = 0 0 0  proyecta sobre el “plano ( x1 , x3 ) ”. Efectivamente: A  x2  =  0  es
 
0 0 1   x3   x3 
un punto del plano
  x1  
  
Gen   0  con x1 y x3 escalares cualesquiera  =
 x  
 3  
 1  0 
     
Gen  x1 0  +x3 0  con x1 y x3 escalares cualesquiera 
 0  1  
   
0 0 0
Similarmente, A = 0 1 0  proyecta sobre el “plano ( x2 , x3 ) ”. Efectivamente:
0 0 1 
 x1   0 
A  x2  =  x2  es un punto del plano,
 x3   x3 
 0  
  
Gen   x2  con x2 y x3 escalares cualesquiera  =
 x  
 3  
 0  0  
     
Gen  x2 1  +x3  0  con x2 y x3 escalares cualesquiera 
 0  1  
   
1 a

b) En el primer plano: a 1   0  . Este plano es el conjunto de vectores con segunda
 
1  a 
componente nula.
268
encosalruq0A
1x iera=
G = co
4
1
0
q
slu
n
UNIDAD 4
1 0
En el segundo plano: a 1  a  Este plano es el conjunto de vectores con primera
 
1  a 
componente nula.
 0    0  0 
        
c) Gen  1   = c 1  con c escalar cualesquiera  =   c  con c escalar cualesquiera 
 0    0  0 
         
0  x1  0 0 0
Busco matriz A / AX =  x2  con X =  x2  . Resulta: A = 0
    1 0 
 0   x3  0 0 0 
20
 1
1
A= 4  , se trata de un trasquilado o corte en un factor a lo largo del primer
 
0 1 
eje. Es habitual llamar al primer eje “eje x” o “eje ”.
a) ,
luego:
, esto es, el primer eje al “transformarse” queda igual.
Transformado de
b) ,
luego:
269
x=
41Ax
y =
0Ay
2A 1A
;4
0
UNIDAD 4
, esto es, la recta generada por el vector de unos es
“transformada” en la recta generada por el vector .
c) Al aplicar la transformación a cada vértice, resulta:
Ya sabemos que el eje horizontal queda tal cual; el eje vertical es transformado en la
recta generada por el vector , pues:
d) Al aplicar la transformación a cada vértice, resulta:
270
452A=
1=
→

B
rot90X24B
;A
0
3
1
UNIDAD 4
Nos informa que se “desplaza” horizontalmente en dos unidades de la correspondiente

coordenada y.
Bien, ésta es la idea subyacente en los tipos de letra itálica, por ejemplo.
21
a) , luego es la matriz de la transformación.
b) , luego es la matriz de la transformación rotación.
También puede pensarse en una composición de rotaciones: dos rotaciones de 45º

cada una. Se verifica que dan los mismos resultados.
45º 45º
90º
271
{}
)x∈
nT
G
X =
uldet(1y+
V
U
A 0zN
o=
CA0x,p(3
zX )+
V T
{}1yU
n /
UNIDAD 4
22
a) . Si regresamos , seguidamente a la actividad 7, al párrafo
que mencionaba algunos vectores que viven en , se expresaba que lo
hacen el vector nulo, los múltiplos y las combinaciones lineales de dos o más de
ellos. Bien, esto no es más que la condición que distingue un subespacio de un
conjunto arbitrario de .
, ya sabemos que:
9 0 es siempre solución del SELH, .
9 U es solución, . Luego ; todo múltiplo es
solución.
9 U es solución y V también, , la suma es
solución.
Conclusión: , el conjunto solución de todo SELH, es un subespacio vectorial

de .
Es muy importante, a esta altura de nuestro aprendizaje, que los signos igual
planteados cuenten con la clara justificación: el producto por escalares conmuta,
propiedad de anulación del producto, el producto matricial se distribuye respecto de
la suma de matrices.
b) La selección, la síntesis y la relación de la información se la dejamos a usted, que

además, le agregará su toque personal. Con esta síntesis en mano realice una lectura
renovada de la unidad.
23
a) Sí. es el dominio de la proyección.

b) coincide con el conjunto solución del SELH .
Como es nulo, admite infinitas soluciones además de la trivial.
Finalmente: , contiene el vector 0, pero no coincide con él. Más aún, por
simple observación se deduce que todo vector de la forma puede pensarse como
272
ul
z003{}N {}
∧
x12∃
agodA
R
X
T +
en0=
G
∈
B
Bx{e102=
n,}zx/
G
A
B
X
UNIDAD 4
combinación lineal del vector . Esto es: con z escalar arbitrario, y el
vector es base de .
Conclusión: . El tercer eje es “proyectado” en el vector nulo y
constituye un resultado fácil de visualizar geométricamente.
c) Sí. Rango de T es, por definición, ya que el tercer

vector coincide con el vector nulo y por lo tanto es combinación lineal de los otros
dos. Además, y son LI y forman base. La dimensión es dos.
Conclusión: sí, y rango de T es subespacio de dimensión dos.
d) . Sabemos que los vectores B tienen la
forma dada por la proyección. También sabemos que se lo puede pensar
así: . Esta expresión afirma que . Ambos
vectores son LI y forman base, la dimensión del subespacio es dos.
Conclusión: sí.
Rango de T
e) Sí, son base porque son LI. En particular, en el subespacio mencionado se encuentra
el vector nulo que resulta ser combinación lineal del resto.
f) Sí, lo es. En actividad 22 demostramos que es subespacio.
273
t0y1n
21+
←
→
∧
=
l +
Y
X
A
00
angodeC
R
T
B=
y2n
10⇒
e,{}3A
Y ]B
G
UNIDAD 4
g)
No se establecen restricciones sobre el escalar z, esto es, al no establecerse

restricciones sobre la tercera componente, ésta puede tomar cualquier valor.
Conclusión: todo vector de la forma , t escalar arbitrario, es “transformado” en
el vector . Note que estos vectores componen la recta ,
pero como no pasa por el origen, no es un subespacio.
2 2
3 3
h) sí está en el codominio de T porque es un vector de tres componentes y vive en
. No está en el rango de T porque su tercera componente es diferente de cero.
24
a) Sí, el dominio para ambas es .

b) con .
con .
Ambos son subespacios de , generados por n vectores LI, luego generan .
Entonces, sí coinciden.
c) Sí coinciden en su núcleo, es el vector cero. Como A y su inversa son matrices
invertibles, sus respectivos determinantes son no nulos y las ecuaciones matriciales
admiten únicamente la solución nula.
274
lt130scα
T→ =
N
T y()2auR
ngodeG B
A Y=
→

{}
∈
−
1
X eB
1n)0u
(yY
A it−
X salrb
co
/
UNIDAD 4
d) con A=I o cualquier A cuyo determinante no sea nulo.
25
Es conveniente que usted se ayude representando gráficamente las diversas
transformaciones.
, .
Entonces:
Observe el orden: de adentro hacia fuera en la expresión última. Al vector le aplicamos

A y a ese resultado le aplicamos B.
a) .
b) No es invertible porque .
c) . Como el núcleo admite infinitos
vectores además del vector nulo. es una recta (el segundo eje).
d) . También vale:
que es una
expresión más simple. Siempre se debe tratar de buscar una base simple en la
composición de sus coordenadas. La idea es que la “dificultad” sea absorbida por el
escalar. En este ejemplo sacamos la fracción factor común y este factor forma
parte del escalar: .
e) es el vector transformado. Esta situación no puede darse porque
dicho vector no está en rango de T, ya que no es un múltiplo de .
275
51<
y(yx
A
B
C con−
342D −
001
1= yx)0B
A c=
>
⇒
−
5
2
4
3
UNIDAD 4
f) Compresión horizontal: ; Dilatación vertical: . Primero
comprimimos, luego dilatamos: BA, esto es,
g) Reflexión respecto a la recta : ; Giro 180º: . Primero
reflexión, luego giro: BA, esto es,
h) Corte : ; expansión: ;
reflexión: ; corte .
Finalmente tendremos: para cualquier orden en que se asocien las
matrices al operar. Recordemos que el producto matricial es asociativo.
i) .
j) La idea de trabajo es la siguiente: para buscar las inversas calculemos determinantes

y adjuntas de los respectivas matrices relacionadas con la compresión y con la
reflexión. Finalmente tendremos:
compresión: . Su matriz inversa vale:
que corresponde a la matriz de expansión en el primer eje.

reflexión: . Su matriz inversa vale:
que corresponde a la matriz de reflexión sobre el primer eje.
26
a) Cualquier punto de se expresa, en términos de la base canónica,
276
87⇒
d({}+ sinreco−
315A= ∈
zt∧
Syx/000=
A}∈
ulG
N
T
X
yy +
ezn01t/G
= )solució7rX
−
xyA
afm
H
L
E
S
d
UNIDAD 4
, luego, por linealidad de T, se cumple:
b) . Como al
tener una fila nula, el SELH planteado admite infinitas soluciones además de la
trivial. Para obtener la “forma” de la solución, trabajamos sobre la matriz aumentada
y el SELH asociado a esta última matriz, equivalente al de partida, muestra las

restricciones impuestas a las coordenadas –variables– del punto genérico x, y, z.
Esas restricciones son: . Luego,
es el conjunto solución del SELH. Conclusión: es una recta,
más precisamente, el tercer eje de coordenadas cartesianas.
c) Veamos:
277
en87=
)a3G
56xT
012+
(=
−
kIX
A+
21xb−
)0X
kA
UNIDAD 4
Se demuestra que tales vectores son LI: la única combinación lineal posible para
obtener el vector nulo es . La dimensión del rango de T es dos.
d) Se trata de un simple trabajo algebraico en el cual se distingue la información de

partida y el resultado al cual se quiere arribar. En nuestro caso:
Información de partida: T es lineal, vale la expresión .

Resultado al cual se quiere arribar: expresión de la matriz de la transformación.
Idea de trabajo: desandar camino algebraicamente; expresar como suma de
los transformados de la base canónica usando la linealidad. ¡A trabajar!
Conclusión: .
27
Se cumple:
9 por definición de autovector: ;
9 propiedad uniforme de la suma: ;
9 propiedad de identidad en la multiplicación: ;
9 propiedad distributiva del producto respecto de la suma matricial:
278
scalrbio76XG
n1 kI()0det17
⇒
−
=
459=
A 1k()7ar.539064X
∧
enl
G b
ito −
2
UNIDAD 4
28
a) Se comprueba y también, .
Esto es, se cumple con k escalar y X vector no nulo.
b) ,
Note que hemos expresado el vector generador con componentes naturales en vez de
racionales, debido a que los naturales son expresiones más simples de manipular y
de visualizar.
Conclusión:
9 es el autoespacio del autovector asociado al autovalor 0.53.
9 es el autoespacio del autovector asociado al autovalor 1.
Observe que esos autovectores son LI y forman base en .
c) Expansión de factor dos en el primer eje:
279
ncalr0=

G kI()d1
0 ⇒
−
1escalrbito0=
A 1k()b
∧ +
−
2
en
G
ito
UNIDAD 4
Conclusión:
Observe que esos autovectores son LI y forman base en .
d) Reflexión: . Como A es diagonal, por simple observación, se puede
anticipar que los escalares –1 y 1 son los autovalores de autovectores y ,
respectivamente. ¿Por qué estos autovectores? Pues para no alterar D, P debe

coincidir con la identidad. Lo comprobamos algebraicamente:
Conclusión:
280

0
G −
()k+
j1 i⇒
≠
∀
áscon{}
2p
21
kk
VV
1p 0=
adem12==
D pA
V
P =
T≠
X i∀
2p10=
kV A
,j
n
UNIDAD 4
9 es el autoespacio del autovector asociado al autovalor –1.
29
Si con , entonces, es LI. Lo demostraremos por
contradicción ¿recuerda el concepto? Supongamos que es LD porque sólo el
primer vector es combinación lineal no nula del resto. Apliquemos T y trabajemos
algebraicamente con todo lo que sabemos:
Pero es combinación lineal de , luego existe un escalar no nulo, supongamos

. Si , ¡contradicción! Pues por hipótesis, .
Conclusión: es LI.
30
a) Sea:
Armemos las matrices P y D como sigue:
Operamos:
281
()kpX12047k5.3D
=1
vecs−−
11 D
P
A −
7629345m 10=
=
V()V
17
p×
A -−
P9
6
8
X
UNIDAD 4
b)
Se utilizó: el concepto de potencia, la propiedad asociativa del producto

matricial, el concepto de matriz inversa, la propiedad de la identidad matricial y,
nuevamente, el concepto de potencia, en ese orden.
31
La actividad 28 en su apartado (b) nos provee los autovalores y los autovectores para
construir las matrices P y D, respectivamente. El ejemplo 22 de la unidad 2 nos provee
la relación entre A –matriz estocástica– y X –vector de distribución de la población–.
a) Con esta información, sólo nos queda reemplazar y calcular:
Hagamos cálculos aritméticos:
Observamos que, a medida que el exponente k crece, la potencia decrece y “tiende”

al valor nulo.
b) Llamemos a la distribución inicial de la población, entonces la distribución
después de k períodos es . Los autovectores (autovalor 1) y
282
73α
c21
kX
V Sxy/(){017
+ }α
52=
t−,y563+
= escalrb
0.12()Vitoxk
UNIDAD 4
(autovalor 0.53) forman base de , de modo que existen escalares y
tales que . Entonces
y, como para valores muy grandes de k, es prácticamente cero, tendremos

.
Es decir, después de muchos períodos, la distribución de población es proporcional
al autovector de autovalor uno. En efecto, . Interesante, ¿verdad?
32
a) Falso. El vector nulo es LD porque para cualquier escalar no nulo, su producto por
escalares es nulo.
b) Falso. El vector dado tiene tres componentes y en , los vectores admiten sólo
dos.
c) Falso. La definición no establece restricciones sobre el escalar sino sobre el vector.
d) Falso. Es necesario que, además, no sean nulos ni múltiplos.
e) Falso. La matriz no es invertible. Se trata de la matriz de proyección sobre
el primer eje en .
f) Falso. No existe una matriz diagonal correspondiente a la matriz de corte .
g) Falso. Sólo si la recta pasa por el origen. Por ejemplo la recta dada por la fórmula
no es un subespacio porque el vector nulo no está en él.
Efectivamente:
Y no hay valor a asignar al escalar para obtener el vector nulo en S.
283
z−∧
x20≥
y=
/0V ≥
2
3y
UNIDAD 4
Hemos incorporado tres actividades que nos permiten evaluar la totalidad de los
objetivos de aprendizaje planteados, ¿los recuerda? Ellos son:
9 Caracterizar conjuntos de vectores y analizar relaciones de dependencia e

independencia lineal entre ellos.
9 Caracterizar las transformaciones matriciales y construir la matriz que las
representa.
9 Identificar matrices diagonalizables y construirla como producto entre una diagonal
y otra invertible.
9 Resolver problemas empleando la multiplicación de matrices en una visión
dinámica.
Dado el SELH :
a) Defina vectores apropiados y redefina el problema en términos de combinaciones

lineales.
b) Defina el problema en términos de una transformación lineal apropiada.
c) Encuentre una base y la dimensión del conjunto solución.
d) Construya una base y la dimensión para la solución de cada ecuación lineal del
SELH.
e) Grafique en los apartados anteriores.
Con la información de la actividad de proceso 44, de la unidad 1:

f) Exprese el conjunto solución S como un conjunto de vectores.
g) Demuestre que S no es un subespacio vectorial.
2
Retome el ejemplo 28 de la unidad 1.
9 Defina el problema en términos de una transformación lineal apropiada.
9 Responda: ¿Es diagonalizable la matriz de la transformación? ¿Es invertible la
transformación? Fundamente sus respuestas.
3
Clasifique como “verdadera” V o “falsa” F, cada una de las siguientes afirmaciones.
Fundamente su respuesta.
a) es un subespacio vectorial de .
284
75A371,s×
−
×
22
U
24{}
≤
ps
IT→
m
VV
11p
V G
en1 −
2
UNIDAD 4
b) El espacio de columnas de una matriz es un subespacio vectorial de .

c) Toda matriz puede tener a lo sumo dos autovalores.
d) es combinación lineal de U y de V.
e) Si A es , las columnas de la matriz son LD.
f) Toda lineal queda completamente determinada por su accionar sobre
las columnas de la matriz .
g) LI , son base de con .
h) es LI y base de .
i) coincide con .
j) El plano de la gráfica es un subespacio

vectorial de .
285
“Conocer es poseer. Comprender es más que eso”. David Perkins.

Criterios de evaluación

En la actividad obligatoria 2 que encontrará en el Aula virtual de la materia, encontrará

las pautas para su resolución. La entrega de la misma puede realizarse por e-mail a
actividadobligatoria@iua.edu.ar, correo postal o personalmente dentro del horario de
tutoría.
288
CLAVE DE RESPUESTAS
“La información se transforma en una carga indigesta cuando no se la entiende”. John Dewey
CLAVE DE RESPUESTAS
Unidad 1
1
a) De las ecuaciones algebraicas dOs son ecuaciones lineales 2 x − 3 y = z + 2 y
2 x − y = 3 x − y + 2 . Para determinar sus constantes y sus variables conviene
expresarlas en la forma estándar, esto es, variables a la izquierda y constantes a la
derecha ordenando y completando si es necesario, así: 2 x − 3 y − 1z = 2 ,
−1x + 0 y = 2 . Consideramos que:
• la primera es una ecuación en las variables x, y, z. Luego, los correspondientes
coeficientes para cada una de esas variables son, respectivamente: 2, -3, -1 y 2 es
el valor del término independiente.
• La segunda lo es en las variables x, y. Luego, los correspondientes coeficientes
para cada una de esas variables son, respectivamente: -1 y 0, 2 es el valor del
término independiente.
En ambos casos podemos plantear que son ecuaciones en más variables que las
mencionadas (siempre y cuando sea un número finito) y afirmar que sus
correspondientes coeficientes son cero.
b) Todas son expresiones algebraicas porque combinan números constantes con

números variables. Las siguientes expresiones algebraicas no son ecuaciones
lineales en las variables x, y, z porque:
• 2 xy − 4 z = 1 , la variable x multiplica a la
variable y.
• 3 x 2 − x + 3 = 0 , la variable x aparece a la
segunda potencia en uno de los sumandos.
1
• = 2 , las variables figuran en el denominador.
x+ y+z
Para más detalles véase el inciso 1 de la unidad.
2
a) Primero: expresamos el SEL dado en su forma estándar a fin de identificar
0 x1 + 2 x2 + 3 x3 = 4

claramente las constantes y las variables, así resulta: 2 x1 − 6 x2 + 7 x3 = 0
1x − 2 x + 5 x = 10
 1 2 3
Segundo: un plano es la representación gráfica de una ecuación en tres variables.

Para graficar cada plano determinamos los puntos en que cortan a los ejes.
• El primer plano no corta al primer eje porque no existe valor de la primera
variable que multiplicado por 0 dé 4; corta al segundo eje en (0, 2,0) ; al tercer
eje en (0,0,4/3).
• El segundo plano corta al primer eje en el (0,0,0); corta al segundo eje en
(0,0,0); al tercer eje en (0,0,0). Como necesitamos más información
consideremos un tercer y cuarto punto, por ejemplo: facilmente comprobamos
que (3,1,0) y (-3,-1,0) satisfacen la ecuación.
290
CLAVE DE RESPUESTAS
• El segundo plano corta al primer eje en el (10,0,0); corta al segundo eje en (0,
5,0) ; al tercer eje en (0,0,2).
 1 0 0 0
b) De la matriz aumentada escalonada en los renglones reducida  0 1 0 0 
 0 0 0 0 
podemos deducir que el SEL asociado consta de
• tres ecuaciones porque la matriz es de tres filas y cada fila contiene los
coeficientes de una ecuación.
• Tres variables ya que la matriz consta de cuatro columnas, una por cada variable,
y la última que contiene los términos independientes.
• Es homogéneo porque la última columna es de ceros: columna de términos
independientes.
• Tiene una ecuación superflua, esto es, que repite información ya dada porque el
último renglón es de ceros.
• El conjunto solución admite una representación monoparamétrica, el SEL
homogéneo admite infinitas soluciones. Dos variables son principales y una
variable es libre y por lo tanto puede tomar cualquier valor real (porque hay dos
unos principales y tres variables).
• Una representación paramétrica del conjunto solución es
S = {( x, y, z ) / x = 0, y = 0, z = t con t ∈ \ }
c) Un SEL se visualiza a través de las Eje y

siguientes gráficas. Obtenga de esa
visualización la mayor cantidad posible
de información acerca del SEL y de su
conjunto solución.
Eje x
• Se visualizan tres rectas y cada recta
está asociada a una ecuación lineal: se tiene un SEL de tres ecuaciones.
• Las gráficas están en el plano, entonces, hay dos variables: x e y. Tenemos un
SEL de tres ecuaciones en dos variables.
• Las rectas pasan por el origen, entonces el SEL es homogéneo.
• El origen es el único punto en común, el único punto que pertenece
simultáneamente al conjunto solución de cada ecuación. Luego, el SEL admite
una única solución: la nula o trivial.
3
 2x − 3 y + 5z = 0

El SEL homogéneo tiene infinitas soluciones  − x + 7 y − z = 0 para k=95/11.
4 x − 11 y + kz = 0

291
CLAVE DE RESPUESTAS
 2 −3 5 0 
Justificación: el método de Gauss aplicado a la matriz aumentada  −1 7 −1 0 
 4 −11 k 0 
 −3 5 
1 2 2
0
 
 3
llega a la forma escalonada en los renglones 0 1 0 . Y aquí nos
 11 
 95 
0 0 k− 0
 11 
detenemos y razonamos así: si queremos infinitas soluciones necesitamos que el último
renglón sea completamente de ceros, tendríamos dos variables principales y una libre.
Para que el renglón sea completamente de ceros necesitamos que la ecuación
95
k− = 0 sea verdadera, luego que k tome el valor 95/11.
11
Notemos que para otro valor de k el SEL homogéneo admitirá la solución nula como
única solución.
Finalmente, chequeamos que todos los cálculos aritméticos en la eliminación han sido
hechos correctamente.
4
Modelizamos el problema razonando así:
Constantes del problema: cantidades fijas de flujo entrante o saliente.
Variables del problema -cantidades numéricas desconocidas-:
Sea x i el número de vehículos por hora que circulan por la calle i, i variando entre
1,2,3,4 y 5.
La ley de formación de las ecuaciones viene dada por la condición que dice: “en cada
nodo el flujo entrante es igual al flujo que sale”. Luego,
9 en nodo 1: x1 + x5 + 100 = x3 + 300
9 en nodo 2: x2 + 200 = x1 + 200
9 en nodo 3: x3 + 200 + 100 = x2 + 200 + x4
9 en nodo 4: x4 + 100 = x5
Estas ecuaciones dan origen a un SEL cuya forma estándar -ordenado y completado- es:
 1x1 + 0 x2 − 1x3 + 0 x4 + 1x5 = 200
−1x + 1x + 0 x + 0 x + 0 x = 0
 1 2 3 4 5

 0 x1 − 1x2 + 1x3 − 1x4 + 0 x5 = −100
 0 x1 + 0 x2 + 0 x3 + 1x4 − 1x5 = −100
El método de Gauss Jordan aplicado a la matriz aumentada construye las siguientes

matrices aumentadas asociadas a SEL equivalentes al primero. Lo dicho vale porque
tienen el mismo conjunto solución, ya que se aplican operaciones elementales sobre los
renglones para pasar de una a otra.
292
CLAVE DE RESPUESTAS
1 0 −1 0 1 200
−1 1 0 0 0 0
0 −1 1 −1 0 −100 1 0 -1 0 1 200
0 0 0 1 −1 −100 0 1 -1 0 1 200
1 0 −1 0 1 200 0 0 0 0 0 0
0 1 −1 0 1 200 0 0 0 1 -1 -100
0 −1 1 −1 0 −100 1 0 -1 0 1 200
0 0 0 1 −1 −100 0 1 -1 0 1 200
1 0 −1 0 1 200 0 0 0 1 -1 -100
0 1 −1 0 1 200 0 0 0 0 0 0
0 0 0 −1 1 100
0 0 0 1 −1 −100
 x1 − x3 + x5 = 200

El SEL asociado a la última matriz ampliada es  x2 − x3 + x5 = 200 , expresando las
 x4 − x5 = −100

variables principales en términos del resto se tiene una expresión paramétrica del
conjunto solución
( x1 , x2 , x3 , x4 , x5 ) / x1 = x2 = 200 + x3 − x5 , x4 = −100 + s, 
S = 
 x3 = t , x5 = s con t ∧ s ∈ \ 
solución biparamétrica porque depende de dos parámetros.
La modelización matemática del problema afirma que existen soluciones. Ahora

analicemos la solución matemática en el contexto del problema:
Cada variable es un número natural de vehículos que entran o salen a un nodo, luego
planteamos matemáticamente: t es natural, s es natural, x4 = −100 + s es natural, en
particular –100+s >0, s>100. Por otro lado x1 = x2 son naturales, esto es, en particular
mayores a cero, esto es, 200+t-s>0, 200+t>s>100, t>-100 cosa que ya sabíamos.
Conclusión: t puede ser cualquier número natural y s debe ser un natural mayor que 200
para que haya tráfico entrante y saliente en cada nodo.
Una solución particular se obtiene al asignarle un valor específico a los parámetros. Por
ejemplo para t=100, s=300 se tiene (0,0,100,200,300) es solución pues satisface el SEL
original.
Si x3 vale cero se tiene el valor 0 para el parámetro t; s debe asumir un valor mayor que
200 ya que, de otra forma la variable x2 asume un valor negativo (hecho sin sentido en
este contexto) Si x3 y x5 asumen valor cero, esto es, se cierra un camino, x4 es la
variable que ahora asumirá un valor negativo; hecho también sin sentido en este
contexto.
293
CLAVE DE RESPUESTAS
Unidad 2
1
Primero: calculemos los productos, las potencias, inversas, producto por un escalar, esto
es, calculamos los “sumandos”:
3 0 3 0  9 0
C2 =   =  . La potencia dos de C puede calcularse porque C es
7 1  7 1   28 1 
cuadrada. Por definición: la potencia es el producto por sí mismo tantas veces como
indica la potencia. A diferencia de los números reales, la potencia en matrices, sólo se
definió para naturales. C y sus potencias tienen el mismo tamaño.
3 0 1 0 Calculamos la inversa usando el Método de Gauss-Jordan y

7 1 0 1 verificamos la exactitud de los cálculos (aritmética real):
1  1   1 
1 0 0  0  0
3  3 0 3 1 0  −1 3
7 1  7 =  . Conclusión: C =  7 .
7   −   0 1  
0 1 − 1 1 − 1
3  3   3 
Además, C y su inversa tienen el mismo tamaño.
Los productos son posibles porque

 9 0 1 0 3   9 0 27  los tamaños son compatibles. La
C 2 AT =   =
 28 1   2 −1 2  30 −1 86  transpuesta de A se construye a partir
2× 2 2×3 2×3 del intercambio entre filas y
columnas respectivas.
0 7   1 
 9 0 27    =  0 63   3 0
C A B=
2 T
1 0  1 0
     3C −1 = 3  =
30 −1 86  0 0   −1 210  − 7 −7 3
  1 
 3 
2×3 3× 2 2× 2
2× 2 2× 2
Segundo: reordenamos la ecuación de modo tal que la matriz “desconocida” quede a

derecha y las matrices “conocidas” a izquierda: C 2 AT B − 3C −1 − I = − X .
Tercero: ya calculados los “sumandos” sumamos algebraicamente ya que esa matriz

“suma” nos permitirá determinar la matriz desconocida.
 0 63   1 0  1 0   −2 63 
C 2 AT B − 3C −1 − I =  − − = 
 −1 210   −7 3  0 1   −6 206
Cuarto: planteamos la igualdad entre matrices. Dos matrices son iguales si la igualdad
entre números reales se cumple entrada a entrada.
 −2 63   x11 x12   − x11 = −2 − x12 = 63

 −6 206  = −  x ⇒
x22  − x21 = −6 − x22 = 206
   21
294
CLAVE DE RESPUESTAS
 2 −63 
a) Conclusión: X =  .
 6 −206 
2
b) ∑a
i =1
c + b32 = ( a31c12 + a32 c22 ) + b32 = h32
3i i 2 con H = AC + B , luego:
( 0 + 2 ) + 0 = 2 = h32 .
 9 0   3 7   9 0   −9 −21  0 −21
c) C 2 − 3C T =   −3 = + = .
 28 1  0 1   28 1   0 −3   28 −2 
2
a) Colocamos cualquier real en la entrada 1,1 y el resto de las entradas cero.
b) Colocamos cualquier real en las entradas 1,1 , 2,1 y 2,2 , y ceros en las entradas 1,2
y 2,3.
c) La entrada ij debe coincidir con la entrada ji.
d) Toda entrada de la matriz debe ser nula.
Interpretación: si la matriz que condensa información de salidas y llegadas es

a) Diagonal: significa que cada punto se comunica consigo mismo solamente.
b) Triangular inferior: significa que cada punto se comunica consigo mismo y con los
siguientes en la lista, no se conecta con los de atrás o anteriores.
c) Simétrica: para un punto dado la cantidad de caminos de salida coincide con la
cantidad de caminos que llegan a ese punto.
3
a) Unidad 1 / Actividades de autoevaluación / Actividad 2a.
 0 2 3   x1   4 
0 2 3 1 0 0  2 −6 7   x  =  0  es la expresión matricial
2 −6 7 0 1 0   2  
 1 −2 5   x3  10
1 −2 5 0 0 1
AX = B del SEL dado con A matriz de
1 −2 5 0 0 1 coeficientes, X matriz de variables y B vector de
2 −6 7 0 1 0 términos independientes.
0 2 3 1 0 0
Un resultado importante afirma que:
1 −2 5 0 0 1 9 Si A tiene inversa, la solución viene dada por
0 −2 −3 0 1 −2 X = A−1 B .
0 2 3 1 0 0 9 Si A no tiene inversa, la solución es vacía o
1 −2 5 0 0 1 tiene infinitas.
3 1 Los cálculos de la izquierda nos muestran que A
0 1 0 − 1
2 2 no tiene inversa. Luego, no podemos aplicar
0 0 0 1 1 −2 método matricial –conocido- para hallar la
solución del SEL.
b) Unidad 1 / Actividades de autoevaluación / Actividad 4.
295
CLAVE DE RESPUESTAS
 x1 
 1 0 −1 0 1     200 
 −1 1 0 0 0   x2   0 
  x  =   es la expresión matricial del SEL. Como la
 0 −1 1 −1 0   3   −100 
   x4   
 0 0 0 1 −1  x   100 
 5
matriz de coeficientes no es cuadrada, no tiene inversa y por lo tanto, no hay
posibilidad de aplicar método matricial conocido para calcular la solución. La matriz
de coeficientes tiene tamaño 4 × 5 , el vector de variables 5 × 1 , y el vector de
términos independientes 4 × 1 .
c) Unidad 1 / Actividades de proceso /Actividad 39.

1 −1   x   −12000 
 0.1 0.12  y  =  8040  es la expresión matricial del SEL. La inversa de la
    
1  12 100  1  6 50 
matriz de coeficientes es: = . Para ratificar la exactitud
22  −10 100  11  −5 50 
de los cálculos aritméticos reales hacemos el producto entre la matriz de coeficientes
y su inversa verificando que coincide con la identidad
1  6 50   1 −1   1 0 
= .
11  −5 50  0.1 0.12   0 1 
  
La afirmación ya citada expresa que la solución del SEL viene dada por el producto
entre la inversa y el vector de términos independientes -en ese orden-. Luego:
 x  1  6 50   −12000   30000 
 y  = 11  −5 50   8040  =  42000 . La solución hallada usando este método
      
matricial coincide con el obtenido mediante la aplicación del Método de Gauss-
Jordan. Como era de esperar, la solución del SEL es única y no depende del método
de cálculo en matemática exacta.
4
a) Falso.
( ( A) )
p q
= A p " A p = ( AA" A )" ( AA" A )= A pq
q veces A p q veces, p veces A
b) Falso. No se cumple la ley cancelativa en el producto. Ejemplo:

1 0  1 2  1 2  1 0 1 2
 0 0  3 4  =  0 0  =  0 0   5 6  .
       
c) Falsa. Puede ser cuadrada y sin embargo no tener inversa. Ejemplo: una matriz n × n
con la entrada 1,1 no nula y resto nulo.
d) Verdadero. Pues: −2 A = ( −1) 2 A = 2 ( −1) A = 2 ( − A ) . Se usaron las siguientes

propiedades: de la identidad en los reales, asociativa en los reales, conmutativa en
los reales, asociativa en el producto por escalar y definición de matriz opuesta.
296
CLAVE DE RESPUESTAS
5
a)
 0.92 0.02 0.01 0.05 92 2 1 5  92% 2% 1% 5% 
 0.04 0.88 0.01 
0.07     
1  4 88 1 7   4% 88% 1% 7% 
T = = =
 0.02 0.02 0.93 0.03 100  2 2 93 3   2% 2% 93% 3% 
     
 0.04 0.06 0.01 0.89   4 6 1 89   4% 6% 1% 89% 
matriz de probabilidades de transición. La entrada ij es la probabilidad de que un

consumidor de la marca i se pase a la marca j en el período siguiente.
b) vector de estado inicial de consumidores S. S = [ 460 520 540 480] .
c) ST población de cada marca después del primer período. (Vector 1× 4 .)

( ST ) T = S (TT ) = ST 2 población de cada marca después del segundo período.
(Vector 1× 4 .)
( ST 2 ) T = S (T 2T ) = ST 3 población de cada marca después del tercer período.
(Vector 1× 4 .)
En general ST n población de cada marca después del n-ésimo período. (Vector
1× 4 .)
d) La potencia n de T , T n , da la probabilidad de transición al cabo de n períodos.

Puede tomarse un período como el equivalente a un año, a un trimestre, etc.
En particular, T 10 da la probabilidad de transición de una marca a otra después de
diez períodos. La correspondiente entrada ij condensa la probabilidad de transición
de la marca i a la marca j después del período 10.
e) Cada entrada de M es el cociente entre el número de consumidores de una marca y

el total poblacional encuestado: eso representa una proporción o porcentaje1.
460
= 0.23 = 23% , M = [ 23% 26% 27% 24% ] = [ 0.23 0.26 0.27 0.24]
2000
1
M= [ 23 26 27 24] vector de proporciones “relativas” de mercado: el
100
23% del total consume la marca M1 y el 27% de los 2000 consumidores la marca
M3.
Notemos que el producto entre M y un vector de unos de tamaño compatible da el

100% (el total encuestado, el total poblacional).
Este ejemplo se desarrolló paso a paso, se modeló matemáticamente paso a paso en

la Guía de matemática II.2 Consúltela si desea información más detallada.
1
(Parte/total)=porcentaje o proporción . Es la relación de la “parte” en el “total”.
2
La cita completa está en la Bibliografía.
297
CLAVE DE RESPUESTAS
Unidad 3
1
a) Copiamos la eliminación gaussiana del desarrollo de la actividad de proceso 41 de la
unidad 1, eliminando en cada caso el cuarto renglón de las matrices, y calculamos:
5 10 15 240
A 80 65 55 1240
15 25 30 520
1 2 3 48 ← ( 15 ) Obtenemos B multiplicando el primer renglón
B 80 65 55 1240 1 1
de A por , luego B = A .
15 25 30 520 5 5
1 2 3 48 ( −80)
Obtenemos C sumando un múltiplo del primer
C 0 −95 −185 −2600 ↵+
renglón de B al segundo, luego C = B .
15 25 30 520
1 2 3 48 (−15)
Obtenemos D sumando un múltiplo del primer
D 0 −95 −185 −2600
renglón de C al tercero, luego D = C .
0 −5 −15 −200 ↵+
1 2 3 48 Obtenemos E multiplicando el segundo renglón
E 0 1 185 2600
← (− ) 1
1 1
95 95 95
de D por − , luego E = − D.
0 −5 −15 −200 95 95
1 2 3 48
37 520
Obtenemos F sumando un múltiplo del segundo
F 0 1 (5)
19 19
renglón de E al tercero, luego F = E .
0 0 − 100
19
− 1200
19
↵+
1 2 3 48 Obtenemos G multiplicando el tercer renglón
37 520
G 0 1 19 19
19 19
de F por − , luego G = − F.
0 0 1 12 ← (− 100
19
) 100 100
Juntando todo, tenemos:

A = 5 ⋅ B = 5 ⋅ C = 5 ⋅ D = 5 ⋅ ( −95 ) ⋅ E
 100 
= 5 ⋅ ( −95 ) ⋅ F = 5 ⋅ ( −95 ) ⋅  −  G = 2500,
 19 
donde hemos tomado G = 1 porque es triangular y tiene todos unos en la diagonal.
b) Desarrollando por la primera fila tenemos:
298
CLAVE DE RESPUESTAS
5 10 15
65 55 80 55 80 65
80 65 55 = 5 ⋅ − 10 ⋅ + 15 ⋅
25 30 15 30 15 25
15 25 30
= 5 ⋅ ( 65 ⋅ 30 − 25 ⋅ 55 ) − 10 ⋅ ( 80 ⋅ 30 − 15 ⋅ 55 ) + 15 ⋅ ( 80 ⋅ 25 − 15 ⋅ 65 )
= 5 ⋅ 575 − 10 ⋅ 1575 + 15 ⋅ 1025 = 2875 − 15750 + 15375
= 2500,
que coincide con el resultado.
Y para jugar un poco, podemos realizar las siguientes observaciones que van más
allá de lo que se pide en la consigna. Todas las filas contienen a 5 factor común,
esto es, podemos pensar que 5 multiplica a cada fila, o bien que 5 multiplica una
matriz, luego:
5 10 15 1 2 3
80 65 55 = 5 ⋅ 16 13 11 ,
3
15 25 30 3 5 6
expresión que contiene números más fáciles de utilizar en un producto.
5 10 240
80 65 1240
15 25 520 30000
c) Usando la regla de Cramer, z = = = 12 .
5 10 15 2500
80 65 55
15 25 30
d) Queda
 23 3 17 
 100 −
100 100 
 575 −75 −425   
1 1    63 3 37 
−1
A = adj ( A) = −1575 −75 925  = − − .
det ( A ) 2500  
 100 100 100 
 1025 25 −475   41 1

19 
 −
 
 100 100 100 
e) Recordemos que dos matrices son iguales cuando coinciden componente a
componente. Como z es la tercera entrada del vector (matriz columna) de variables,
debe ser igual a la tercera fila de A−1 B , donde B es el vector (matriz columna) de
términos independientes. Entonces escribimos:
 240 
1 30000
z= (1025 25 −475) 1240  = = 12 ,
2500  520  2500
 
que coincide con el resultado anterior.
2
Los métodos desarrollados hasta ahora para calcular la inversa de una matriz son:
299
CLAVE DE RESPUESTAS
9 El método de Gauss-Jordan aplicado a las matrices An×n | I n×n . Es un método que

durante su aplicación informa en manera simultánea si existe y cuál es su aspecto.
1
9 La fórmula A−1 = adj ( A ) si det ( A ) ≠ 0 . De antemano se debe saber que la
det ( A )
matriz tiene inversa y esa información la da el det ( A ) : si es nulo, no existe; caso
contrario, existe.
Los métodos desarrollados hasta ahora para calcular la solución de un SEL son:
9 Los métodos basados en las operaciones elementales en los renglones y cuya idea es
llevar la matriz aumentada a una equivalente cuyo SEL asociado sea más fácil de
resolver. Esos métodos son: de Gauss y de Gauss-Jordan. Durante su aplicación
informan simultáneamente si el SEL es consistente o inconsistente y también cuál es
el aspecto de la solución. Constituyen la opción que mejor se adapta a cualquier
tamaño de SEL.
9 X = A−1 B es un método matricial aplicado únicamente a SEL que se saben de
antemano consistentes con solución única ( det ( A ) ≠ 0 ). Una de sus ventajas es que
las variables se calculan en forma individual.
9 Regla de Cramer: es un método matricial basado en el cálculo de determinantes. Se
aplica únicamente a SEL que se saben de antemano consistentes con solución única
( det ( A ) ≠ 0 ). Una de sus ventajas es que las variables se calculan en forma
det ( Ak )
individual. La fórmula para cada variable es x k = . Es un método de gran
det ( A )
valor teórico pero no práctico, ya que el tiempo usado en calcular los determinantes
puede ser muy grande.
3
a) Usando determinantes, la ecuación del plano que pasa por los puntos
( −1, 0, 2 ) ( 2, 2, 0 ) ( 0,1, −1) es:
0 2 1 −1 2 1 −1 0 1 −1 0 2
2 0 1 x− 2 0 1 y+ 2 2 1 z− 2 2 0 =
1 −1 1 0 −1 1 0 1 1 0 1 −1
( −4 ) x − ( −7 ) y + (1) z − ( 6 ) =
−4 x + 7 y + z − 6 = 0,
que es equivalente a −4 x + 7 y + z = 6 .
b) Supondremos que A, B y C son, respectivamente:

 a11 " a1 j " a1n   a11 " b1 j " a1n   a11 " a1 j + b1 j " a1n 
a " a " a2 n   a21 " b2 j " a2 n  a " a2 j + b2 j " a2 n 
 21 2j  21
 a31 " a3 j " a3n  ,  a31 " b3 j " a3n  ,  a31 " a3 j + b3 j " a3n 
     
 # # #   # # #   # # # 
 an1 " anj " ann   an1 " bnj " ann   an1 " anj + bnj " ann 
    
300
CLAVE DE RESPUESTAS
Desarrollando el determinante de C por la columna j ¿por qué es conveniente

desarrollarlo por ésta?, tendremos:
a11 " a1 j + b1 j " a1n

a21 " a2 j + b2 j " a2 n
a31 " a3 j + b3 j " a3n = ( a1 j + b1 j ) C1 j + ( a2 j + b2 j ) C2 j + " + ( anj + bnj ) Cnj
# # #
an1 " anj + bnj " ann
= a1 j C1 j + a2 j C2 j + " + anj Cnj
+b1 j C1 j + b2 j C2 j + " + bnj Cnj
a11 " a1 j " a1n a11 " b1 j " a1n
a21 " a2 j " a2 n a21 " b2 j " a2 n
= a31 " a3 j " a3n + a31 " b3 j " a3n .
# # # # # #
an1 " anj " ann an1 " bnj " ann
Aquí hemos considerado que todas las columnas de las tres matrices son idénticas
salvo la columna j : como los cofactores Cij sólo contienen elementos de las
columnas distintas de la j , son a la vez cofactores de aij , de bij y de cij . Note
también el uso de la propiedad distributiva en el producto por un escalar.
Un ejemplo con matrices 3 × 3 : sean

1 2 3  1 1 3  1 1 3
 0 −1 − 2  =  0 1 − 2  +  0 − 2 −2 ,
    
 0 0 −3  0 0 −3  0 0 −3
entonces
1 2 3 1 1 3 1 1 3
0 −1 −2 = 3 = ( −3) + ( 6 ) = 0 1 −2 + 0 −2 −2 .
0 0 −3 0 0 −3 0 0 −3
4
A5 = −3I no existe
n
− A2 = AT A = ( −3 ) 5
A = ( −1)
−n
dos renglones coinciden
no tiene inversa A =0
301
CLAVE DE RESPUESTAS
Unidad 4
1
1  2  3  0
a) El SEL se expresa como: x   + y   + z   =   ; y el problema puede
 2  −1  −1  0
plantearse así: ¿es el vector nulo combinación lineal de los vectores
1   2   3   1   2   3  
 2  ,  −1 ,  −1 ? ¿El vector nulo está en el Gen   2  ,  −1 ,  −1  ?
            
b)
T : \3 → \ 2
X 6 AX
 x
1 2 3   
X 6   y
 2 −1 −1  z 
 
El problema plantea encontrar el núcleo de la transformación lineal T:
NuT = { X ∈ \ 3 / T ( X ) = 0}
 x
1 2 3    0
c) El SELH se expresa en forma matricial    y  =   . Trabajando con la
 2 −1 −1  z  0 
 
matriz aumentada llegamos a la forma escalonada en los renglones reducida:
 1
 x=− t
1 5
1 0 0 
5  7
⇒ y = − t .
7 5
0 1 0 
5 z = t t∈\


 1 7 
S = {( x, y, z ) / AX = 0} = ( x, y, z ) / x = − t , y = − t , z = t ∧ t ∈ \ 
 5 5 
  1 
 − 5  
 x      
  1 7    7 
=   y  / x = − t , y = − t , t escalar arbitrario  = t − t escalar arbitrario 
5 5  
 z     5 
     1 
 
   
   
302
CLAVE DE RESPUESTAS
 1  
 − 5  
    1  
 7     
= Gen  −  = Gen   7   .
 
 5     −5 
 1     
  
  
S tiene dimensión uno y gráficamente se representa por una recta en \ 3 .
d) Dada:
x + 2 y + 3z = 0 ⇒
S1 = {( x, y, z ) / x = −2a − 3b, y = a, z = b con a ∧ b ∈ \}
  −2a − 3b  
  
=  a  con a y b escalares arbitrarios 
 b  
 
  −2a − 3b  
 
=   1a + 0b  con a y b escalares arbitrarios 
  0a + 1b  
  
  −2a   −3b  
 
=   1a  +  0b  con a y b escalares arbitrarios 
  0a   1b  
    
  −2   3 
     
= a  1  +b 0  con a y b escalares arbitrarios 
  0  1  
     
  −2   3 
 
= Gen   1  , 0  .
  0  1  
    
Finalmente, S1 es un plano en \ 3 .
Dada:
2x − y − z = 0 ⇒
S 2 = {( x, y, z ) / y = 2a − b, x = a, z = b con a ∧ b ∈ \}
 a  
  
=   2a − b  con a y b escalares arbitrarios 
 b  
  
  a + 0b  
  
=   2a − 1b  con a y b escalares arbitrarios 
 0a + 1b  
  
303
CLAVE DE RESPUESTAS
  a   0b  
    
=   2a  +  −1b  con a y b escalares arbitrarios 
  0a   1b  
    
 1   0  
     
= a  2  +b  −1 con a y b escalares arbitrarios 
 0  1  
     
 1   0  
 
= Gen   2  ,  −1  .
0  1  
    
Luego, S 2 es un plano en \ 3 .
e)
S1
NulT
S2
304
CLAVE DE RESPUESTAS
f)
S = {( x, y, z ) / AX = B} = {( x, y, z ) / x = 4000 − 5t , y = −500 + t , z = t ∧ t ∈ \}
 x  
  
=   y  / x = 4000 − 5t , y = −500 + t , z = t , t escalar arbitrario 
 z  
  
  4000 − 5t     4000   −5 
       
=   −500 + 1t  t escalar arbitrario  =   −500  +t  1  t escalar arbitrario  .
  0 + 1t    0   1  
       
g) S no es subespacio vectorial: el vector nulo no está en él. Efectivamente de la forma

de S resulta que la única forma de anular la 3ª componente es haciendo t cero, pero
esa asignación no anula las componentes uno y dos.
2
9 Se trata de:
T : \2 → \2 transformación de trasquilado
S : \2 → \2 transformación de compresión
X 6 T ( X ) = Y 6 S ( Y ) = S (T ( X ) ) composición de transformaciones
X 6 AX = Y 6 BY = B ( AX ) = ( BA ) X composición matricial
X 6 ( BA ) X transformación compuesta
 1  1  3  1  3 3 
1   x1   x1 + x2   0   x1 + x2   x1 + x2 
4  = 4 6 4 4 = 4 16 .
   x2        
0 1  x2   0 1   x2   x2 
X → ( BA ) X
3 3 
X 6  4 16  X ← matriz de la transformación compuesta
 
0 1 
3 3  3 3 
 4 16   x1  =  4 x1 + 16 x2 
   x2   
 0 1   x2 
3
9 Calculemos los autovalores y los autovectores: det ( BA − kI ) = 0 ⇒ k = 1, k = .
4
3
Los correspondientes X tal que TX = kX son, respectivamente X =   y X = 0 .
4
Luego, la matriz BA no es diagonalizable: no existe una P invertible tal que
BA = PDP −1 .
Observación: la solución del SELH ( BA − 1I ) X = 0 es:
305
CLAVE DE RESPUESTAS
 3 
 3       3 
( x, y ) / x = t , y = t , t ∈ \  = t  4  , t ∈ \  = t   , t ∈ \  .
 4   1   4 
   
3
9 La transformación compuesta es invertible pues det( BA) = ≠ 0 . Vale:
4
4 1
 − 
( BA) =  3 4  .
−1
0 1 
La notación usual para la transformación compuesta es ( S D T ) X = S (T ( X ) ) .
3
 x
a) F. Si k < 0 , entonces k   ∉ V porque kx ≤ 0 ∧ ky ≤ 0 si x ≥ 0 ∧ y ≥ 0 . En
 y
 2 2
particular   ∈ V mientras que ( −1)   ∉ V .
 3 3
b) V. A 7×5 = [ A1 A2 A3 A4 A5 ] donde cada columna Ai tiene 7 componentes,
7
esto es, vive en \ .
c) V. De esa manera D es diagonal 2 × 2 con los autovalores en su diagonal. Si tiene
más, la dimensión de D supera a dos y eso contradice la hipótesis.
d) V. −U = ( −1)U + 0V .
e) V. Las columnas de A son cuatro vectores de dos componentes cada uno, esto es,
cada columna vive en el plano \ 2 . Como el número de vectores supera el número
de componentes de cada vector, constituyen un conjunto LD.
f) F. T queda completamente definida conociendo los transformados de la base
canónica de \ n .
g) F. V1 , ",V p LI , no alcanza para ser base de Gen {V1 ,",Vs } con p ≤ s . Debemos
probar que p es el mayor número posible de vectores LI en Gen {V1 ,",Vs } . Este
hecho es muy importante.
1
h) F.   es LI pero no es base de \ 2 porque su dimensión es 1. Sabemos que la
1
canónica es base de \ 2 y está formada por dos vectores LI.
2
7
  2
 −3   
i) V. Gen   coincide con Gen  −3 porque:
7 7
1  
 
 
306
CLAVE DE RESPUESTAS
 2     2  
 7     7  
      
  −3     −3  
Gen  = t , t escalar arbitrario 
 7    7 
      
 1     1  
      
      
 2   2 
 1      
= t  −3 , t escalar arbitrario  = t  −3 , t escalar arbitrario  .
 7 7    7 
       
1
En esta manipulación algebraica lo importante de destacar es que el factor es
7
“absorbido” por el escalar arbitrario. Lo interesante de reescribir la base es que la
expresión nueva, compuesta de componentes naturales, resulta más fácil de
visualizar y de manipular en cálculos aritméticos.
j) F. El plano de la gráfica no pasa por el origen. Ello significa que el origen no le

pertenece, luego, no puede ser un subespacio. Las gráficas que no pasan por el
origen no pueden ser un subespacio vectorial sea un punto, una recta, un plano, u
otro en un espacio de dimensión mayor.
307
PROGRAMA
“1+1=2; 2+2=4; ...”. R2D2.
“Qui habet aures audiendi, audiat.” Anónimo.

PROGRAMA
Objetivos
9 Dominar conceptos y técnicas del álgebra de matrices, determinantes, sistemas de

ecuaciones lineales y transformaciones lineales dentro del ámbito del Álgebra lineal.
9 Identificar y valorar el uso de la matemática en las distintas etapas de la resolución
de un problema, en el diagnóstico de situaciones de la vida real cotidiana y de la
científica.
9 Modelizar situaciones usando elementos y teoría del Álgebra lineal.
9 Valorar y comprender el lenguaje técnico de la ciencia matemática y la rigurosidad
que lo diferencia del lenguaje cotidiano, como así, los procesos de abstracción y de
interpretación relacionados al mismo.
9 Utilizar estrategias conducentes a aprender a aprender comprensivamente
matemática y a trabajar en forma autónoma y organizada.
Contenidos
Unidad 1. Ecuaciones lineales.

1. Preliminares.
2. Ecuación lineal (EL).
3. Conjunto solución de una EL.
4. Sistema de ecuaciones lineales (SEL).
5. Conjunto solución de un SEL.
6. Gráfica de SEL.
7. Modelizaciones matemáticas usando SEL.
Unidad 2. Matrices.
1. Matriz.
2. Operaciones con matrices.
3. Álgebra matricial.
4. Modelizaciones matemáticas con matrices en situaciones concretas.
Unidad 3. Determinantes.
1. Determinante de una matriz.
2. Alternativas de cálculo del det ( A ) .
3. Propiedades del determinante.
4. Aplicaciones.
Unidad 4. Transformaciones matriciales de \ n en \ m .

1. Vectores.
2. Combinación lineal de vectores en \ n .
3. Transformaciones matriciales.
4. Vectores y valores propios.
310
PROGRAMA
Bibliografía consultada por la autora
ANTON, Howard. Introducción al álgebra lineal. Editorial Limusa. México. Tercera

edición. 1991.
ARYA J. Y LARDNER R. Matemáticas aplicadas a la administración y a la economía.
Prentice Hall. México. Tercera edición. 1992.
DEPARTAMENTO PEDAGÓGICO. CIMEI. Instituto Universitario Aeronáutico.
Córdoba. Tercera edición. 2003.
FRALEIGH, Beauregard. Álgebra lineal. Addison-Wesley Iberoamericana.
México.1989.
GERBER, Harbey. Álgebra lineal. Grupo Editorial Iberoamericana. México.1990.
GROSSMAN, Stanley. Álgebra lineal con aplicaciones. McGraw Hill. México. Quinta
edición. 1996.
GUSTAFSON, R. A. Algebra intermedia. Thomsom editores. México. 1997.
HAEUSSLER, E. Y PAUL R. Matemáticas para administración, economía, ciencias
sociales y de la vida. Prentice Hall. México. Octava edición. 1997.
JOHNSON, David y MOWRY, Thomas. Matemáticas finitas. Aplicaciones prácticas.
Internacional Thomson editores. México. 2000.
KLEIMAN, Ariel y KLEIMAN, Helena de. Matrices: aplicaciones matemáticas en
economía y administración. Editorial Limusa. México. 1985.
LAY, David C. Álgebra lineal y sus aplicaciones. Addison-Wesley Longman. México.
Segunda edición. 1999.
LEITHOLD, Louis. Matemáticas previas al cálculo. Oxford university press. México.
Tercera edición. 1998.
LIAL Margaret y HUNGERFOR Thomas. Matemáticas para administración y
economía. Tearson educación. México. Séptima edición. 2000.
OLMOS, Adriana. Matemática II. Instituto Universitario Aeronáutico. Córdoba. 1998.
RORRES, Chris y ANTON, Howard. Aplicaciones de álgebra lineal. Editorial Limusa.
México. 1979.
SAUCHELLI V. y OLMOS Adriana. Módulo de nivelación matemática. Instituto
Universitario Aeronáutico. Córdoba. 2003.
SOBEL, Max y LERNER Norbert. Álgebra. Prentice Hall. Segunda edición.
México.1989.
311

Matematica I PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Matematica I PDF

Cargado por

Copyright:

Formatos disponibles

ii

En esta oportunidad le presento la guía de “Mate 1” (permítame llamarla así), y

Al igual que usted lo hará en el próximo semestre, quizá cuatrimestre, me

¡Cuénteme de usted! De sus avances, de sus logros, de las piedras en el

Bueno, bueno. Para iniciar la reflexión en la materia, recuerdo una cita de

Un saludo afectuoso, Adriana.

Autora y tutora Adriana Olmos, aolmos@iua.edu.ar

Fue diseñada bajo el supuesto de fortalecer, en el alumno, prácticas de aprendizaje

La premisa fundamental es que el contenido es absolutamente asequible y que el alumno

El sistema de evaluación contempla el seguimiento continuo del alumno y en sus instancias de

Finalmente, quedo a su disposición y lo saludo con afecto y respeto. Adriana.

Autora y tutora Adriana Olmos, aolmos@iua.edu.ar

Introducción general orientadora ................................................................................ 1

Unidad 1. Ecuaciones lineales ........................................................................................7

Unidad 2. Matrices .......................................................................................................89

Actividad Obligatoria 1 ..............................................................................................165

Unidad 3. Determinantes ...........................................................................................167

Unidad 4. Transformaciones matriciales de \ n en \ m ..........................................213

Actividad Obligatoria 2 ..............................................................................................287

Clave de respuestas .....................................................................................................289

Introducción general orientadora

La Matemática I de la carrera de Ingeniería de sistemas trabaja, en cuatro unidades,

El Álgebra lineal trabaja con arreglos de números. En particular:

En esta materia lo invito a comprometerse con los siguientes objetivos de aprendizaje.

Por otro lado, relaciona permanentemente planteos de problemas concretos con

Finalmente, es fundamental, contar con los conocimientos previos requeridos por

El siguiente mapa conceptual sintetiza lo hablado.

son analizadas por de las

el las Los sistemas de las transformaciones

Respecto a aspectos más generales, le recordamos:

Hemos elegido algunos símbolos tipográficos para orientarlo en la guía. La negrita

Bibliografía consultada por la autora

ANTON, Howard. Introducción al álgebra lineal. Editorial Limusa. México. Tercera

En Aula virtual / Archivos /Material complementario / Bibliografía_comentada.pdf

Orientación del aprendizaje

Mientras la aritmética opera con números específicos identificados como constantes, el

En la vida real muchas situaciones, muchas relaciones entre objetos, se describen

El auge de los sistemas de ecuaciones lineales en áreas no específicamente “científicas”

La ingeniería es quizá la disciplina que resuelve la mas amplia cantidad de problemas de

Al concluir la unidad usted estará en condiciones de alcanzar los siguientes objetivos de

9 Distinguir ecuaciones lineales de otras ecuaciones

9 Conocer la correspondencia entre métodos algebraicos y métodos gráficos para

Finalmente, el siguiente mapa conceptual establece una relación de inclusión y

operan con los

sistemas de obteniendo SEL

En esta sección recordaremos en qué se diferencia la aritmética del álgebra.

Las variables se simbolizan por medio de letras sin subíndices: a, b, c, x, z o con

La palabra álgebra proviene del vocablo árabe al-jabr, consignado en el título de un

Una ecuación es un enunciado que establece la igualdad de dos expresiones y ese

Una ecuación algebraica es un enunciado en el que se establece la igualdad de dos

Como usted recordará, en el curso de nivelación en matemática 3 incursionamos en la

2. Ecuación lineal (EL)

En esta sección definimos y ejemplificamos el concepto de ecuación lineal en una, dos y

Omitiendo las unidades y nombrando con x el valor desconocido costo de un

ejemplo de ecuación lineal en la variable x que modeliza matemáticamente la

mensualidad de Pedro + mensualidad de Juan = $130.

Si llamamos x a la mensualidad de Pedro e y a la mensualidad de Juan, la situación

Formalmente, se define una ecuación lineal en las n variables x1 , x2 ,… , xn 4 como

b) 2 x − y + 2 z = 0 no es lineal porque, en el primer sumando, la variable x figura

Muchas veces es necesario ordenar y completar una ecuación para identificar si es

3. Conjunto solución de una EL

Una solución de la ecuación lineal a1 x1 + a2 x2 + + an xn = b es una sucesión ordenada

La colección de todas las soluciones de la ecuación lineal es el conjunto solución o