Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPACIDAD:
El estudiante define matrices, determinantes y utiliza propiedades en problemas de la vida real.
ANTECENTES HISTORICOS:
Los primeros indicios de las matrices y los determinantes datan del siglo II AC, aunque hay datos que
señalan sus inicios IV siglos AC. En Babilonia se estudiaron problemas que involucraban a ecuaciones lineales
simultáneas y algunos de estos son conservados en tabletas de arcilla que permanecieron en el tiempo.
Los chinos, entre los años 200 AC y 100 AC, estuvieron mucho más cerca de las matrices que los
babilonios. Verdaderamente es justo decir que el texto “Nueve Capítulos de Arte Matemático”, escrito durante la
Dinastía Han, da el primer ejemplo conocido sobre métodos matriciales.
Cardan, en “Ars Magna” (1545), da una regla para resolver un sistema de dos ecuaciones lineales que
llama regla de modo. Resulta que esta regla corresponde en esencia a nuestra conocida Regla de Cramer para
la resolución de un sistema de (2 x 2). Aunque Cardan no daba aún el paso final, no alcanzó la definición de
determinante pero, ahora podemos ver que su método conducía a la definición.
La idea de determinante apareció en Japón y Europa casi al mismo tiempo, aunque Seki en Japón
ciertamente lo publicó primero. En 1683, Seki escribía “Métodos de Resolución de problemas Disimulados” que
contienen métodos matriciales. Sin tener alguna palabra que correspondiera a 'determinante', Seki los introdujo
y dio métodos generales para calcularlos basados en ejemplos.
El primero en usar el término "matriz" fue Sylvester en 1850. Sylvester definió matriz como un arreglo rectangular
de términos y vio como algunas matrices contenían dentro de ellas varios determinantes representados como
arreglos cuadrados.
BASE TEÓRICA:
MATRICES
matriz A de orden m n sobre el campo de los números reales es una función A : E → , donde
donde: 1 i m, 1 j n
• Se denotará por M mn ( ) al conjunto de todas las matrices de orden m n sobre el campo de los números
reales esto es :
MATRICES ESPECIALES.
1. Matriz Rectangular. Se dice que una matriz A = (aij ) mn es una matriz Rectangular si el número de filas
2. Matriz Fila. Una matriz A = (aij ) mn se llama matriz fila si y solo si m = 1. Es decir:
A = a11 a1n
3. Matriz Columna. La matriz A = (aij ) mn se dice que es matriz columna si y solo si n = 1. Esto es:
a11
A =
am1
4. Matriz Cuadrada. Se dice que una matriz A = (aij ) mn es una matriz cuadrada si el número de filas es
• La diagonal principal de una matriz cuadrada A , está dada por los elementos: a11 , a22 ,, ann .
• La traza de una matriz cuadrada A , denotado por traz( A) , se define por:
5. Matriz Diagonal. La matriz cuadrada A = ( aij ) nn es diagonal si, y sólo si, aij = 0 para todo i j y
existe aii 0 , 1 i n.
Ejemplo.
−3 0 0
A = 0 2 0
0 0 1 33
6. Matriz Identidad. La matriz cuadrada A = ( aij ) nn se llama matriz identidad si y solo si aij = 0 para
Ejemplo.
1 0 0
I 3 = 0 1 0
0 0 1 33
7. Matriz Triangular Superior. La matriz cuadrada A = ( aij ) nn es triangular superior si, y solamente si,
8. Matriz Triangular Inferior. Una matriz cuadrada A = ( aij ) nn es triangular inferior si, y solamente si,
a11 0 0
A = a21 a22 0
a31 a32 a33 33
8. Matriz Nula .- La matriz A = (aij ) mn es matriz nula si, y solo si, aij = 0 , i, j ;
1 i m, 1 j n
0 0 0 0 0 0 0
= 0 0 0 0
Ejemplo. = 0 0 0
0 0 0 33 0 0 0 0 34
Ejemplo:
2x −1 y 5 − y 2 − x −2 5
Sean las matrices A = , B= y C= . Hallar A + C, sabiendo
3 − y 2 x +1 2 4 −1
que A = B.
Solución:
Como A= B entonces 2 x −1 = 5 − y; 3 − y = x + 1, de donde x = 4 y = −2
5 3
Por lo tanto A + C =
9 1
Ejemplo.
2 −3 −1 −5 1 0
Sean las matrices A = y B= , hallar A + B
4 5 −2 23 2 4 3 23
Solución:
−3 −2 −1
A+ B =
6 9 1 23
aditivo.
A = ( aij ) (
es kA = kaij )
mn mn
Ejemplo
3 −2
Sea la matriz A = −1 −4 con el escalar k = −2. Hallar kA
4 7
Solución:
−6 4
kA = 2 8
−8 −14
Propiedades:
2) ( A + B ) = A + B distributiva escalar
3) ( + ) A = A + A distributiva matricial
4) Para toda matriz A M mn ( ) y 0 tal que A0 = 0 A = , existencia del elemento absorbente.
5) Para toda matriz A M mn ( ) y 1 tal que 1A = A = A1 , existencia del elemento identidad
multiplicativa.
c) Multiplicación de Matrices
elemento cij se obtiene sumando los productos de los elementos de la i -ésima fila de A y los elementos de
p
cij = aik bkj ;1 i m, 1 j n.
k =1
Ejemplo.
3 −2
4 5 −1 3
Si A = 5 2 y B = . Hallar AB si existe.
−3 2 0 −2 24
0 1 32
Solución:
18 11 −3 13
AB = 14 29 −5 11
−3 2 0 −2 34
Propiedades.
1) A.B B. A
Am An = Am+n (A )
n
5) ; m
= Amn
de A.
Propiedades.
(A )
T
a) T
=A
( A + B)
T
b) = A T + BT
( AB )
T
c) = BT AT
( kA )
T
d) = kAT ; k
e) una matriz triangular superior se convierte por trasposición en una matriz triangular inferior y viceversa.
f) una matriz fila se convierte por trasposición en matriz columna y viceversa
Ejemplo:
2 1 −4
Hallar la matriz transpuesta de A = , hallar su transpuesta
3 2 5 23
Solución
2 3
A = 1 2
T
−4 5 32
MATRIZ SIMETRICA
A M n n ( ) es simetrica A = AT
Ejemplo.
2 −3 4 2 −3 4
La matriz A = −3 2 1 es simétrica puesto que A = −3 2 1 = A
T
4 1 0 4 1 0
Propiedades.
a) si A es simétrica, entonces kA es también simétrica ( k o k )
2
b) si A es simétrica, entonces A es también simétrica
MATRIZ ANTISIMETRICA
A M n n ( ) es antisimétrica A = − AT
• En una matriz antisimétrica se cumple que aij = − a ji , para i j y aij = 0 , para i= j .
Ejemplo:
0 −5 −1 −3
5 0 −2 0
La matriz A = 1 2 0 −6 es antisimétrica puesto que
3 0 6 0
0 5 1 3 0 −5 −1 −3
−5 0 2 0 5 0 −2 0
AT = −1 −2 0 6 − AT = 1 2 0 −6 = A
−3 0 −6 0 3 0 6 0
inductiva como:
A1 = A
A2 = A. A
A3 = A2 . A
A4 = A3 . A = A2 . A2
An = An −1. A
Ejemplo.
1 2
Si A = . Calcular An
1 0
Ejemplo.
1 1 1
Si A = 0 1 1 . Calcular An
0 0 1
Ejemplo.
1 0 1 0
0 1 0 1
Si A = . Calcular An
1 0 1 0
0 1 0 1
Ejemplo.
a 1 0
Si A = 0 a 1 .Calcular An
0 0 a
MATRIZ IDEMPOTENTE
Ejemplo.
1/ 2 1/ 2 1/ 2 1/ 2
La matriz A = es idempotente puesto que A2 = =A
1/ 2 1/ 2 1/ 2 1/ 2
MATRIZ NILPOTENTE
Ejemplo.
6 −9 6 −9 6 −9 0 0
La matriz A = es nilpotente de índice k = 2 puesto que A2 = = =
4 −6 4 −6 4 −6 0 0
MATRIZ INVOLUTIVA
1 0 0 1 0 0
A = 0 0 1 es una matriz involutiva puesto que A = 0 1 0 = I 3
2
0 1 1 0 0 1
El conjunto M nn ( ) dotado de una ley de composición interna : adición (+) y una ley de composición
externa: múltiplo escalar (me), se llama espacio vectorial de matrices de orden nxn sobre el campo de los
reales, donde:
LCI
+ : M nn ( ) M nn ( ) → M nn ( )
( A, B ) → + ( A, B ) = A + B
A1 ) A + B M nn , A, B M nn (cerradura o clausura)
A2 ) A + B = B + A, A, B M nn (conmutativa)
A3 ) ( A + B ) + C = A + ( B + C ) , A, B, C M nn (asociativa)
A4 ) A M nn , ! M nn / A + = + A = A (existencia del elemento neutro aditivo)
A5 ) A M nn , !− A M nn / A + (− A) = − A + A = (existencia del elemento inverso aditivo)
LCE
me : M nn ( ) → M nn ( )
( , B ) → me ( , B ) = A
( M nn ( ) , +, me, ) que cumple las propiedades antes definidas se llama espacio
MATRICES COMPLEJAS
DEFINICIÓN.- Una Matriz Anm de orden mxn se dice que es compleja si entre sus elementos existe algún
i −1 4 − i
4i 1 + 3i −i
A = 0 2i 1 − 5i B=
1 4−i 7 − 5i 2 x 3
0 1 i 3 x 3
OBSERVACION: El espacio vectorial de las matrices complejas se define exactamente como un espacio
vectorial real, excepto que los escalares para el múltiplo escalar pueden ser números reales o complejos.
MATRIZ CONJUGADA
DEFINICIÓN.- Si A es una matriz cuyos elementos son números complejos de orden mxn , entonces la
matriz conjugada se obtiene sustituyendo cada elemento de dicha matriz por su complejo conjugado.
a) A = A
b) rA = r A; r
c) A + B = A + B
d) A.B = A.B
( ) =(A )
T
T
e) A
MATRIZ HERMITIANA
nxn
Una matriz cuadrada A es Hermitiana si y solo si es igual a la traspuesta de su conjugada. Es
decir:
( )
T
A nxn
es Hermitinana A = A
Nota: los elementos de la diagonal de toda matriz Hermitiana son números reales y los elementos simétricos con
respecto a la diagonal principal son conjugados complejos.
Ejemplo.
2 1 − i 4 + 2i
A = 1+ i 5 −1 − i
4 − 2i −1 + i −3 3 x 3
MATRIZ ANTIHERMITIANA
nxn
Una matriz cuadrada A es Antihermitiana si y solo si es igual al opuesto de la traspuesta de su
conjugada. Es decir:
( )
T
A nxn
es Antihermitinana A = − A
Nota: los elementos de la diagonal de toda matriz Antihermitiana son números imaginarios puros o cero.
Ejemplo.
−i 1 + i 2i
A = −1 + i −3i 2
2i −2 0 3 x 3
DETERMINANTES
| A | o también det ( A) , al número real que está relacionado con los elementos aij de la matriz A.
DEFINICIÓN.- Sea M nn ( ) el conjunto de todas las matrices cuadradas de orden n n sobre el campo de
det : M nn ( )→
A det ( A)
El determinante es una función de M nn ( ) en , tal que det hace corresponder a cada matriz A un
j =1
an1 an 2 ann
donde A (1/ j ) es la submatriz de A eliminando la fila 1 y la j -èsima columna, (eligiendo la fila 1 como
referencia).
A este desarrollo se conoce a menudo como desarrollo por cofactores a lo largo del primer reglon.
2 1 0
Ejemplo: Si la matriz A = 1 1 4 , entonces
−3 2 5
2 1 0
1 4 1 4 1 1
det ( A) = 1 1 4 = 2 −1 +0 = 2 ( 5 − 8 ) − ( 5 + 12 ) = −23
2 5 −3 5 −3 2
−3 2 5
OBSERVACION.
El determinante de una matriz de orden 3, se puede desarrollar por el Método de Sarrus.
a b c
A=d e f
g h k
a b c
d e f
| A |= (aek + dhc + gbf ) − (ceg + fha + kbd )
• Este método sólo se aplica a matrices de or
Ejemplo.
1.
1 2 3 1 2 3
A = 2 3 2 , entonces 2 3 2 = ( 6 + 12 + 4 ) − ( 9 + 4 + 8 ) = 22 − 21 = 1
1 2 2 1 2 2
1 2 3
2 3 2
Propiedades del determinante.
1. | I |= 1 . Donde I es la matriz identidad.
3. | A |=| A |
T
4. | AB |=| A || B |
5. | A |=| A | , n Z +
n n
6. | kA |= k | A | , k
7. Si se intercambian 2 filas o 2 columnas el determinante cambia de signo.
8. Si a una fila o a una columna se le multiplica por un escalar k , entonces el determinante queda multiplicada
por dicho escalar k .
9. Si a una fila (columna) de una matriz A se le multiplica por una constante y ese resultado se suma a otra fila
(columna), el determinante es igual al de la matriz A.
11. El determinante de una matriz triangular A = (aij ) nxn está dado por: A = a11a22 ann
12. Si en una matriz A todos los elementos de una fila (o columna) son ceros , entonces su determinante
vale cero
a11 + b11 a12 + b12 a1n + b1n a11 a12 a1n b11 b12 b1n
a21 a22 a2 n a21 a22 a2 n a21 a22 a2 n
13. = +
EJERCICIOS.
3 6 9 3
−1 0 1 0
1. Sea la matriz A = 1 3 2 −1 , hallar el determinante de la matriz A
−1 −2 −2 1
1 −2 3
2. Dada la matriz A = 2 0 −1 , calcular su determinante.
0 5 −2
ii) Multiplicar a una fila de la matriz A por un numero diferente de cero, para luego sumarlo a otra fila
de A.
iii) Intercambiar dos filas de la matriz A.
Matrices equivalentes
Se dice que A es una matriz equivalente por filas con la matriz B, si B se obtiene de A mediante un número finito
de operaciones elementales por fila, denotado por A ≡ B.
Propiedades
La equivalencia de matrices es una relación de equivalencia, es decir cumple las siguientes propiedades:
i) Reflexiva: A ≡A
ii) Simétrica: si A ≡ B entonces B≡A
iii) Transitiva: si A ≡B y B ≡ C, entonces A ≡ C
Ejemplo:
1 0 −1 1
Para la matriz 𝐴 = [ 2 1 −3 −1] una de las tantas de sus matrices
0 1 1 2
−3 2 1 5 4×4
5 0 −5 5
equivalentes es 𝐵 = [ 0 1 1 2 ] entonces A ≡B
2 1 −3 −1
−3 2 1 5 4×4
MATRIZ ESCALONADA
Una matriz A de orden mxn cuyas filas esta en forma escalon se llama matriz escalonada, y tiene la
forma
1 6 9 3
0 1 2 0
A = 0 0 1 −1
0 0 0 1
Mediante una serie de operaciones elementales de fila una matriz A puede ser reducida ala forma de
matriz escalona.
2 5 3
1 2 2
A=
Ejemplo: Hallar la matriz escalonada de la matriz 3 4 1
2 3 2 43
RANGO DE UNA MATRIZ
El rango de la matriz A es igual a número de filas no nulas que queda en su matriz escalonada.
Luego para hallar el rango de una matriz es suficiente transformarlo a su forma escalonada y como dos
matrices equivalentes tienen el mismo rango entonces el rango de la matriz A será igual al rango de la
matriz escalonada.
Si designamos con “r” el numero de filas no nulas de la matriz escalonada, entonces :
( A) = ( B) = r
MATRIZ INVERSA
Sea la matriz cuadrada A M nn . Si existe una matriz B M nn tal que AB = BA = I donde I es matriz
(A )
−1
−1
1) =A
( AB )
−1
2) = B − 1 A −1
1 −1
( kA)
−1
3) = A , k 0 (k )
k
(A ) ( )
−1 n
4) n
= A−1
• Una matriz A M nn tiene una inversa multiplicativa A−1 si y solo si A es no singular.
Cofactor del elemento de una matriz
Si A M nn entonces el menor del elemento aij , denotado por 𝑀𝑖𝑗 es el determinante de la submatriz que se
Matriz adjunta
Se llama matriz adjunta de A, denotado por adj ( A ) , a la matriz de orden n n formado por los cofactores
Adj ( A ) =
cof ( am1 ) cof ( amn )
−1 1
Sea A una matriz no singular de orden n n entonces A = Adj ( A)
det ( A)
1 0 −1
Ejemplo: Hallar la inversa de la matriz A = 1 −3 −1
0 1 2 33
Solución:
Puesto que la det ( A ) = −6, entonces A es una matriz no singular de orden 3 3 y por la definición anterior
T
−3 −1 1 −1 1 −3
−
1 2 0 2 0 1
0 −1 1 −1 1 0
Adj ( A ) = − −
1 2 0 2 0 1
0 −1 1 −1 1 0
−
−3 −1 1 −1 1 −3
(Método de Gauss-Jordán)
Sea A M nn no singular. Para hallar la inversa de la matriz A por transformaciones elementales de fila,
a su derecha se escribe la matriz identidad I n M nn . La matriz así indicada es de orden n 2n a ella
se le aplica las transformaciones elementales de fila hasta lograr que la matriz A se convierta en la
matriz identidad .luego en ese momento la matriz identidad que figuraba en el anterior esquema queda
transformada en una matriz B M nn la cual viene a ser la inversa de A.
A In
TEF
In A−1 = B
1 0 −1
Ejemplo 1: Hallar la inversa de la matriz A = 1 −3 −1
0 1 2 33
2 5 −1
Ejemplo 2: Hallar la inversa de la matriz A = 4 −1 2
6 4 1 33
1 1 1 1
1 1 −1 −1
Ejemplo 3: Hallar la inversa de la matriz A = 1 −1 1 −1
1 −1 −1 1
1 1 1 1
1 1 −1 −1
A = 1 −1 1 −1
1 −1 −1 1
2 1 0 0
3 2 0 0
Ejemplo 4: Hallar la inversa de la matriz A = 1 1 3 4
2 −1 2 3
¡TU RETO!
2i − j , si i j
1. Dadas las matrices A = aij ( ) , tal que aij = , y B = ( bij ) , tal que
32
j − 2i, si i j 23
i , si i − j es par
bij = . Hallar AB
−2 j , si j − i es impar
0 −2 3
A − kI = 0 . Donde I
2. Dada la matriz A = 0 0 −1 , Calcular los valores de k, sabiendo que
0 0 −2
es la matriz identidad
2 3 4 1 5 2
A = 0 0 −2 ; B = 0 1 0 , calcular
3. Dadas las matrices
0 0 −1 0 0 4
a) | BAT |
b) | BT + I |
| ( B − I ) | , si es posible.
−1
c)
−2 2 − x a12 .a21
4. Si el determinante de la matriz A = es 1. Hallar .
x −1 a11 + a22
5) Una empresa vende tres tipos de artículos: A, B y C. Los registros de venta durante los dos semestres del
año pasado fueron (en miles de dólares): para el primer semestre 230, 860 y 326; y para el segundo semestre,
250, 879 y 345. Represente matricialmente los montos por articulo (sobre las columnas) y por semestre de 2012
(sobre las filas).
¡PRACTIQUEMOS JUNTOS!
1 0 −2 −3 1 2
1. Dadas las matrices A = , B=
2 −3 2 1 −2 3
y los escalares r = 2 , n = −3 ; calcular:
a) rA − nB .
b) Hallar X si se cumple r ( A − X ) = nB
1 0
3 5 −6 0 7
2. Dadas las matrices A = , B= y C = 0 3 , hallar:
0 3 1 3 2 1 −7
a) ( BC )
−1
b) ABC
3 4 −2 0
0 5 7 1
3. Hallar el determinante de la matriz A = 0 0 −1 8
0 0 0 2
4. Los juegos de dos jugadores en los que la ganancia de un jugador representa la pérdida de otro son susceptible
de representación matricial; así, en la siguiente matriz
5 −2 1
4 −1 8
1 −3 0
tanto el jugador A (situado sobre las filas) como el jugador B (situado sobre las columnas) tiene tres estrategias.
La entrada aij representa la ganancia del jugador A (si el número es positivo, o su pérdida, si es negativo) si
elige la estrategia i y el jugador B escoge la estrategia j ; de esta manera, si A escoge la estrategia 2 y B la
¡AHORA TU!
−3 2
1. Hallar f ( M ) , si f ( x ) = x − 2 x − 1 , M =
2
0 −1
1 0
−6 0 7
2. Dadas las matrices A = y B = 0 3
1 3 2 1 −7
Hallar X si:
( )
a) 3 X − 2A T = −2 B + A T
b) 2(XT − A) = −2BT − A
1 a
3. Dada la matriz A = 25
, calcular la inversa de A .
0 1
4. Una industria utiliza tres tipos de materias primas M1 , M 2 y M 3 en la fabricación de dos productos P1 y
y 20 unidades de P2 a la semana. Determine el consumo semanal de cada materia prima (Haga uso de un
producto de matrices)
¡TRABAJA EN EQUIPO!
1 0
−6 0 7
1. Dadas las matrices A = , B = 0 3 , calcular el determinante de la matriz M , tal que
1 3 2 1 −7
M = AB
0 −2 3
−5 0
2. Dadas las matrices A= y B = 2 0 −1 , hallar:
1 2 1 5 −2
a) 2 A−1 ( A + A I )
b) | B−1 |
1 2
3. Si A T = , calcular X sabiendo que
0 1
T
1
2 XT − AT = AT
2
4. Durante un fin de semana se registraron las ventas de tres periódicos A , B y C , en una caseta de ventas de
la ciudad del Cusco, obteniéndose:
Vi Sa Do
10 30 20 A
D = 24 15 28 B
22 16 18 C
Los sistemas de ecuaciones tienen una infinidad de aplicaciones, como en procesamiento digital de señales,
análisis estructural, estimación, predicción y más generalmente en programación lineal, así como en la
aproximación de problemas no lineales de análisis numérico.
BASE TEÓRICA:
En matemáticas y álgebra lineal, un sistema de ecuaciones lineales, también conocido como sistema lineal de
ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones lineales definidos sobre el conjunto de los
números reales. Un ejemplo de sistema de ecuaciones lineales:
x1 + 2 x2 + 4 x3 = 31
5 x1 + x2 + 2 x3 = 29
3 x − x + x = 10
1 2 3
El problema consiste en encontrar los valores desconocidos de las variables 𝑥1 , 𝑥2 y 𝑥3 que satisfacen las
tres ecuaciones.
El dominio de los métodos para discutir y resolver un sistema de ecuaciones lineales permitirá al alumnado afrontar
el planteamiento y resolución de problemas diversos. Si se siguen estudios de Ciencias los aplicarán también en
Geometría para estudiar las posiciones relativas de rectas en el plano y en el espacio.
Donde 𝒂𝒊𝒋 ; 𝑖 = 1,2, ⋯ , 𝑚 𝑦 𝑗 = 1,2, ⋯ , 𝑛 son números reales denominados coeficientes del sistema; 𝒙𝒊
son las variables del sistema y 𝒃𝒊 son los términos independientes del sistema.
Si todos los términos independientes 𝒃𝒊 son iguales a cero, entonces el sistema se denomina Lineal Homogéneo.
Si algún 𝒃𝒊 es diferente de cero, entonces el sistema se denomina Lineal no Homogéneo.
Resolver un sistema de ecuaciones lineales, es determinar los valores de las variables (si existen) los cuales
satisfagan a la vez todas las ecuaciones componentes del sistema.
a11 a1n x1 b1
. =
am1 amn x n b m
A X B
donde
a11 a1n
A = es la matriz de coeficientes del sistema o matriz principal
am1 amn
x1
X = es la matriz columna de las incógnitas o vector solución
x
m
b1
B = es la matriz de términos independientes
b
m
Que toma la forma: 𝐴𝑋 = 𝐵 , denominada ecuación matricial.
Al adjuntar la matriz B ala matriz A se determina una matriz de orden mx(n+1) que lo designamos por A
, es decir:
a11 a1n b
1
A =
am1 amn b m m(n+1)
A la cual llamaremos matriz aumentada o ampliada del sistema.
SISTEMA DE ECUACIONES LINEALES CON TRES VARIABLES
Un sistema de ecuaciones lineales con dos variables tiene la forma:
METODOS DE SOLUCION
METODO DE REDUCCION
El método de reducción consiste en convertir el sistema de ecuaciones lineales de tres variables, a un sistema de
ecuaciones lineales de dos variables y se utiliza cualquiera de los métodos estudiados anteriormente.
Ejemplo:
Resolver el sistema de ecuaciones:
x+ y+z =5
2 x − y + 3z = 20
3x + 2 y − 5 z = −15
x + y + z = 5 (1)
2 x − y + 3z = 20 ( 2 )
3x + 2 y − 5 z = −15 ( 3)
Solución
x + y + z = 5 (1)
2 x − y + 3 z = 20 ( 2 )
3 x + 2 y − 5 z = −15 ( 3)
Para reducir este sistema de ecuaciones lineales de tres variables a un sistema de ecuaciones lineales de dos
variables, se multiplica por menos dos la ecuación (1) y se suma con las ecuación (2)
−2 x − 2 y − 2 z = −10
2 x − y + 3 z = 20
−3 y + 3 z = 10
3 y − 3 z = 10 ( 4)
Del mismo modo eliminamos la variable x en las ecuaciones (2) y (3), multiplicando por tres la ecuación (2) y
multiplicando por menos dos la ecuación (3) luego sumamos las ecuaciones (2) y (3), así:
−6 x + 3 y − 9 z = −60
6 x + 4 y − 10 z = −30
7 y − 19 z = −90 (5)
Ahora se tiene un sistema de ecuaciones lineales de dos variables, se puede resolver el sistema por cualquier
método, elegimos el método de igualación, entonces:
z − 10 19 z − 90
=
3 7
7 z − 70 = 57 z − 270
57 z − 7 z = 270 − 70
50 z = 200
z=4
Reemplazando el valor z en la igualdad y:
19 ( 4 ) − 90 76 − 90 −14
y= = = = −2
7 7 7
Sustituyendo los valores de la variable z y de la variable y en la ecuación (1):
x = − y − z + 5 = − ( −2 ) − 4 + 5 = 2 − 4 + 5 = 3
La solución del sistema es:
x=3
y = −2
z=4
Comprobando la igualdad en la segunda ecuación:
2 ( 3) − ( −2 ) + 3 ( 4 ) = 6 + 4 + 12 = 20
METODO DE KRAMER
Sea el sistema de ecuaciones lineales:
b1 a12 a13
x1 = b2 a22 a23
b3 a32 a33
a11 b1 a13
x2 = a21 b2 a23
a31 b3 a33
a11 a12 b1
x3 = a21 a22 b2
a31 a32 b3
Luego, se tiene:
x1 x x
x1 = , x2 = 2 y x3 = 3
S S S
ANALISIS DEL SISTEMA
1. Si S 0 , entonces el sistema de ecuaciones lineales de tres variables tiene una única
solución y se denomina sistema compatible determinado.
METODOS DE SOLUCION
REGLA DE KRAMER.
Sea el sistema:
Donde:
a11 a1n
S = ;
an1 ann
b1 a1n
x1 =
bn ann
a11 b1
xn =
ann bn
Entonces las componentes de la solución están dadas por:
x1 x xn
x1 = , x2 = 2 , , xn = .
S S S
2 x1 − 5 x2 + 3 x3 = 0
x1 − x2 + x3 = 0
3 x + kx + x = 0
1 2 3
Rpta.: k = 3 .
2.- Utilizando el método de Gauss Jordan, resolver el sistema lineal:
2 x1 + 4 x2 + 6 x3 = 0
4 x1 + 5 x2 + 6 x3 = 0
3x + x − 2 x = 0
1 2 3
Rpta.: x1 = 0 , x2 = 0 y x3 = 0 .
¡PRACTIQUEMOS JUNTOS!
1.- Aplicando el método de Kramer resolver el siguiente sistema:
x1 − x2 + x3 = 0
x1 + 2 x2 + 3 x3 = 7
4 x + 3x + 2 x = 8
1 2 3
Solución
El determinante del sistema será:
1 −1 1
S = 1 2 3 = −20
4 3 2
Como el determinante del sistema es distinto de cero, por tanto, el sistema es compatible determinado (tiene una
única solución).
Calculando los determinantes de las variables:
0 −1 1 1 0 1 1 −1 0
x1 = 7 2 3 = −5 , x2 = 1 7 3 = −30 y x3 = 1 2 7 = −25
8 3 2 4 8 2 4 3 8
Entonces las componentes de la solución del sistema son:
x1 −5 1 x2 −30 3 x3 −25 5
x1 = = = , x2 = = = y x3 = = = .
S −20 4 S −20 2 S −20 4
x1 + 2 x2 + 3x3 + 4 x4 = 5
2 x + x + 2 x + 3x = 1
1 2 3 4
3x1 + 2 x2 + x3 + 2 x4 = 1
4 x1 + 3x2 + 2 x3 + x4 = −5
Solución
Realizamos la tabla con los coeficientes del sistema dispuestos en filas de la siguiente manera:
1 2 3 4 5
2 1 2 3 1
3 2 1 2 1
4 3 2 1 −5
Realizando las operaciones elementales entre filas y columnas:
1 2 3 4 5
0 −3 −4 −5 −9 f 2 − 2 f1
0 −4 −8 −10 −14 f3 − 3 f1
0 −5 −10 −15 −25 f 4 − 4 f1
1 2 3 4 5
0 1 4 5 5 f 2 − f3
0 1 2 5 11 f3 − f 4
0 1 2 3 5 f 4 −5
1 0 −1 −2 −5 f1 − 2 f 4
0 0 2 0 −6 f 2 − f 3
0 0 2 6 6 f3 − f 4
0 1 2 3 5
1 0 −1 −2 −5
0 0 1 0 −3 f 2 2
0 0 0 1 3 f3 2
0 1 2 3 5
1 0 0 −2 −8 f1 + f 2
0 0 1 0 −3
0 0 0 1 3
0 1 2 3 5
1 0 0 0 −2 f1 + 2 f3
0 1 2 3 5 Int. f 4 por f 2
0 0 1 0 −3
0 0 0 1 3
1 0 0 0 −2
0 1 0 35 f 2 − 2 f3
0 0 1 0 −3
0 0 0 1 3
1 0 0 0 −2
0 1 0 0 2 f2 − 3 f4
0 0 1 0 −3
0 0 0 1 3
De donde se tienen los valores de:
x1 = −2 , x2 = 2 , x3 = −3 y x4 = 3
3.- (Problema de aplicación: Inversiones) Un inversionista cuenta con $5000, el consultor determina que tendrá
un crecimiento anual esperado en valor del mercado, del 6%, y con un riesgo promedio de 10%, se identificaron
tres inversiones cuyas tasas de crecimiento se dan en el siguiente cuadro:
Inversiones Crecimiento anual esperado Riesgo anual esperado
Inversión 1 8% 12%
Inversión 2 4% 9%
Inversión 3 6% 8%
Determinar la cantidad de dinero invertido en cada inversión.
Solución
Asignando variables:
x1 Inversión 1.
x2 Inversión 2.
x3 Inversión 3.
Según los datos del problema, la primera ecuación es:
x1 + x2 + x3 = 5000 (1)
El crecimiento anual está dado por:
rend . total
Crecimiento % anual =
Inversión
De los datos del problema:
30000 = 8 x1 + 4 x2 + 6 x3 ( 2)
Luego, tenemos también que:
riesgo total
Riesgo % anual =
Inversión
De los datos del problema:
0.10 =
( 0.12 x1 + 0.09 x2 + 0.08 x3 )
x1 + x2 + x3
Reemplazando el valor de las inversiones:
5000 ( 0.10 ) = 0.12 x1 + 0.09 x2 + 0.08 x3
500 = 0.08 x1 + 0.04 x2 + 0.06 x3
Multiplicando por cien la última expresión:
50000 = 12 x1 + 9 x2 + 8 x3 ( 3)
Tenemos un sistema de ecuaciones lineal de tres variables:
x1 + x2 + x3 = 5000 (1)
8 x1 + 4 x2 + 6 x3 = 30000 ( 2 )
12 x + 9 x + 8 x = 50000 ( 3)
1 2 3
1 1 5000
x3 = 8 4 30000 = 10000
12 9 50000
Entonces las componentes de la solución del problema son:
x1 20000 x2 20000 x3 10000
x1 = = = 2000 , x2 = = = 2000 y x3 = = = 1000
S 10 S 10 S 10
Finalmente, la cantidad de dinero invertido en cada inversión es:
x1 = 2000 .
x2 = 2000
x3 = 1000
¡AHORA TU!
Utilizando los dos métodos (Gauss y Kramer) resolver los siguientes sistemas de ecuaciones lineales:
3x1 + 2 x2 + x3 = 5
1. 2 x1 + 3x2 + x3 = 1
2 x + x + 3x = 11
1 2 3
Rpta.: x1 = 2 , x2 = −2 y x3 = 3 .
x1 + 2 x2 + 4 x3 = 31
2. 5 x1 + x2 + 2 x3 = 29
3 x − x + x = 10
1 2 3
Rpta.: x1 = 3 , x2 = 4 y x3 = 3 .
x1 + 4 x2 + 6 x3 + 4 x4 + x5 = 0
x + x + x + 6 x + 5x = 0
1 2 3 4 5
3.
4 x1 + x2 + x3 + 4 x4 + 6 x5 = 0
6 x + 4 x + x + x + 4 x = 0
1 2 3 4 5
4 x1 + 6 x2 + 4 x3 + x4 + x5 = 0
Rpta.: x1 = x2 = x3 = x4 = x5 = 0
¡TRABAJA EN EQUIPO!
1.- La suma de tres inversiones es S/3400. Las acciones x1 pagan el 2% de dividendos anuales, las acciones
x2 pagan el 4% y las acciones x3 pagan el 6%. La suma de los dividendos anuales es S/189. Las acciones
x1 + x2 + x3 + x4 = 0
x +x +x −x =4
1 2 3 4
x1 + x2 − x3 + x4 = −4
x1 − x2 + x3 + x4 = 2
Rpta.: x1 = 1 , x2 = −1 , x3 = 2 y x4 = −1
x1 + 2 x2 + 3x3 + 4 x4 = 40
2 x + 3x + 4 x + x = 34
1 2 3 4
3x1 + 4 x2 + x3 + 2 x4 = 32
4 x1 + x2 + 2 x3 + 3x4 = 34
Rpta.: x1 = 1 , x2 = 2 , x3 = 3 y x4 = 5 .
BIBLIOGRAFIA:
Arce, Abel. (2006). Calculo Diferencial e Integral i Matemática Básica. 2da Ed. Cusco- Perú: Editorial MOSHERA
S. R. L.
Arya, J. y Lardner, R. Matemática Aplicada a la Administración y Economía. 4ta Ed. Mexico: Pearson Educación.
Espinoza, E. (2007). Vectores y Matrices. Lima: Editorial Edukperu.
Góngora, Mario E. (2016). Complementos de Matemáticas para Estudios Generales. 8va Ed. Cusco-Perú: Editorial
Ardiles.
Lazaro, M. (2005). Álgebra Lineal. Lima. 2da Ed. Editorial MOSHERA S.R.L