1

ÁLGEBRA Y
PROGRAMACIÓN
LINEAL

Imagen Pexels.com

Etapa 2: Contextualización
2

Contenido

Introducción..................................................................................................................... 3

Pregunta orientadora....................................................................................................... 4

1. Matrices .................................................................................................................... 4

1.1 Tipos de matrices ........................................................................................ 5

1.2 Operaciones con matrices ........................................................................... 6

1.3 Propiedades de las operaciones matriciales ............................................... 8

2. Determinantes........................................................................................................... 9

2.1 Regla de Sarrus......................................................................................... 10

2.2 Menores y cofactores ................................................................................ 12

2.3 Propiedades de los determinantes ............................................................ 13

3. Sistema de ecuaciones lineales .............................................................................. 15

3.1 Métodos de solución.................................................................................. 16

Recursos complementarios ........................................................................................... 20

Referencias ................................................................................................................... 20

Glosario ......................................................................................................................... 21
3

Introducción

Esta etapa de contextualización abarca el desarrollo de matrices y operaciones

algebraicas definidas en ellas. Estas matrices pueden ser vistos como matrices
rectangulares de elementos donde cada entrada depende de dos subíndices (en
comparación con vectores, donde cada entrada dependía de un solo subíndice).
Sistemas de ecuaciones lineales y sus respectivas soluciones se pueden investigar de
manera eficiente utilizando el lenguaje de las matrices. Además, ciertos objetos
abstractos introducidos en capítulos posteriores, como "cambio de base",
"transformaciones lineales" y Las "formas cuadráticas" se pueden representar mediante
estas matrices (matrices rectangulares).

Por otro lado, el tratamiento abstracto del álgebra lineal que se presenta más adelante
nos dará una nueva perspectiva de la estructura de estos matrices, adicionalmente a
cada matriz cuadrada se le puede asociar un número real denominado su determinante.
El material de este contenido permitirá analizar y resolver ecuaciones enormemente, en
donde se brindan herramientas básicas para desarrollar múltiples aplicaciones del
algebra lineal.

Por otro lado, se brinda información acerca de los sistemas de ecuaciones lineales,
estableciendo lineamientos para resolver sistemas que constan de dos o más ecuaciones
lineales en dos o más incógnitas
4

Pregunta orientadora

Realizar un proceso matemático con elementos aritméticos tales como matrices,

vectores, y ecuaciones de tipo lineal, conllevan procesos abstractos sobre grandes
estructuras matemáticas. Por tanto, ¿cuáles son las herramientas que se pueden utilizar
para desarrollar un sistema de ecuaciones lineal?

1. Matrices
Una matriz (forma plural: matrices) es una disposición de números en una forma
rectangular que consta de una o más filas y columnas. Cada número en esta disposición
se denomina entrada o elemento de la matriz. Una matriz generalmente se denota por
una letra mayúscula y sus elementos se encierran entre corchetes [] o corchetes
redondeados () o barras verticales dobles || ||.

Si 𝑎𝑖𝑗 denota el elemento en la i-ésima fila y la j-ésima columna de una matriz A,

entonces la matriz se escribe de la siguiente forma:

𝑎11 𝑎12 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑛
. . . .
. . . .
. . . .
[𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 ]

Definición Si una matriz tiene m filas y n columnas, la llamamos matriz de

orden m por n. El orden de una matriz también se conoce como tamaño o
dimensión de la matriz, además Se dice que dos matrices son iguales entre sí, sí
y solo si son del mismo orden y tienen los mismos elementos correspondientes.
5

2 1
1 2 3 1 −3
Por ejemplo, las matrices 𝐴 = [ ] , 𝐵 = [3 −1] , 𝑦 𝐶 = [ ],
−1 1 5 2 5
1 5
son del orden 2 x 3, 3 x 2, y 2 x 2, respectivamente.

1.1 Tipos de matrices

Matriz de filas: una matriz que tiene una sola fila. Ejemplo:[1 −2 4]
−1
Matriz de columna: una matriz que tiene una sola columna. Ejemplo: [ 2 ]
5
0 0
Matriz nula: una matriz que tiene todos los elementos cero. Ejemplo: [ ],. Una matriz
0 0
nula es también conocida como matriz cero, y generalmente se denota por 0

Matriz cuadrada: una matriz que tiene el mismo número de filas y columnas. Ejemplo:
3 −2
[ ], es una matriz cuadrada de tamaño 2 x 2
3 1

Matriz diagonal: una matriz cuadrada, cuyos elementos, excepto los del encabezado
2 0 0
diagonal son cero. Ejemplo: [0 −3 0]
0 0 5

Matriz escalar: una matriz diagonal que tiene todos los elementos diagonales iguales
3 0 0
entre sí. Ejemplo: [0 3 0]
0 0 3

Matriz unitaria: una matriz diagonal que tiene todos los elementos diagonales iguales a
1 0 0
1 0
1. Ejemplo: [ ], [0 1 0] ... Una matriz unitaria también se conoce como matriz
0 1 0 0 1
identidad y se denota con la letra mayúscula I.
6

Matriz triangular: una matriz cuadrada, en la que todos los elementos debajo (o arriba)
3 1 4 1 0 0
de diagonal principal son cero. Ejemplo: [0 2 −1] y [2 3 0] son matrices
0 0 4 4 −1 5
triangulares superiores e inferiores, respectivamente

2 1 −3
Matriz simétrica: una matriz cuadrada [𝑎𝑖𝑗 ] tal que 𝑎𝑖𝑗 = 𝑎𝑗𝑖 Ejemplo: [ 1 4 5 ]
−3 5 0

Matriz de simetría oblicua: una matriz cuadrada [𝑎𝑖𝑗 ] tal que 𝑎𝑖𝑗 = −𝑎𝑗𝑖 . Ejemplo:
0 2 3
[−2 0 1]. Tenga en cuenta que los elementos en la diagonal inicial de una matriz
−3 −1 0
asimétrica son siempre cero.

1.2 Operaciones con matrices

Podemos obtener nuevas matrices a partir de las dadas usando las siguientes
operaciones.

1. Suma y resta: si 𝐴 = (𝑎𝑖𝑗 ) y 𝐵 = (𝑏𝑖𝑗 ) son matrices m x n, entonces su suma

𝐴 + 𝐵 se define como la nueva matriz: (𝑎𝑖𝑗 + 𝑏𝑖𝑗 ), donde 1 ≤ 𝑖 ≤ 𝑚 𝑦 1 ≤ 𝑗 ≤
𝑛 . El orden de esta suma es nuevamente m x n. De manera similar, se define
A - B. Tenga en cuenta que la suma o diferencia de dos matrices se define solo
cuando las matrices tienen el mismo tamaño. Ejemplo: 𝑠𝑖
3 4 −2 1 2 3 −1 3
𝐴=[ ],𝐵 [ ],𝑦 𝐶 = [ ],
2 0 1 4 −1 2 2 4
entonces 𝐴 + 𝐵 𝑦 𝐴 − 𝐵 están definidos, mientras que 𝐴 + 𝐶 𝑦 𝐴 − 𝐶 no
están definidos.

2. Multiplicación escalar: si 𝐴 = (𝑎𝑖𝑗 ) es una matriz y k es un escalar, entonces

el múltiplo escalar de A por k, denotado por 𝑘𝐴, es la matriz 𝐵 = (𝑏𝑖𝑗 ) definida
7

por 𝑏𝑖𝑗 = 𝑘𝑎𝑖𝑗 . Entonces, para multiplicar una matriz A por una constante k
significa multiplicar cada elemento de A, por ejemplo:
2 3 −1
𝑆𝑒𝑎 𝐴 = [ ] 𝑦𝑘=2
5 1 4

Entonces obtenemos

2 3 −1 4 6 −2
𝑘𝐴 = 2 [ ] =[ ]
5 1 4 10 2 8

3. Multiplicación: si 𝐴 = (𝑎𝑖𝑗 ) y 𝐵 = (𝑏𝑖𝑗 ) 𝐵 = (𝑏𝑖𝑗 ) son dos matrices de

órdenes m x p y p x respectivamente, entonces el producto AB es la
nueva matriz 𝐶 = (𝑐𝑖𝑗 ) Þ de orden m x n definida por la fórmula: 𝑐𝑖𝑗 =
𝑎𝑖1 𝑏𝑖1 + 𝑎𝑖2 𝑏𝑖2 + 𝑎𝑖𝑝 𝑏𝑝𝑗 . Donde 1 ≤ 𝑖 ≤ 𝑚 𝑦 1 ≤ 𝑗 ≤ 𝑛. En resumen, 𝑐𝑖𝑗 =
∑𝑝𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 .
Ejemplo:
3 1
2 3 −4
𝑆𝑒𝑎 𝐴 = [ ] 𝑦 𝐵 = [−2 2]
5 1 4
5 −3

Entonces obtenemos

𝐴𝐵
2 × 3 + 3 + 3 × (−2) + (−4) × 5 2 × 1 + 3 × 2 + (−4) × (−3)
=[ ]
1 × 3 + 2 × (−2) + 3 × 5 1 × 1 + 2 × 2 + 3 × (−3)
−20 20
=[ ]
14 −4

4. Transposición: la transposición de una matriz de m × n 𝐴 = (𝑎𝑖𝑗 ) se

define como la matriz de n × m. 𝐴 = (𝑎𝑖𝑗 ), donde 1 ≤ 𝑖 ≤ 𝑚 𝑦 1 ≤ 𝑗 ≤ 𝑛..
También se denota como 𝐴𝑇 . Ejemplo:
8

2 −3 5
𝑆𝐼 𝐴 = [ ]
6 1 3

Luego

2 6
𝑇
𝐴 = [−3 1]
5 3

Observaciones.
𝑇
A es simétrico ↔ 𝐴 = 𝐴
𝑇
A es simétrico sesgado ↔ 𝐴 = −𝐴

1.3 Propiedades de las operaciones matriciales

Sean A, B y C matrices, entonces las propiedades básicas de la adición de
matrices, la multiplicación escalar, la multiplicación de matrices y la transposición
de matrices se indican a continuación sin prueba. Estas propiedades se pueden
verificar fácilmente en ejemplos.

1. Propiedades de la suma de matrices y la multiplicación escalar

𝐴 + 𝐵 = 𝐵 + 𝐴 (𝑐𝑜𝑛𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑎 )
(𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶 ) (𝑎𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎 )
(𝐴 + 𝑂 = 𝑂 + 𝐴 = 𝐴, 𝐷𝑜𝑛𝑑𝑒 𝑂 𝑐𝑜𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑛𝑢𝑙𝑎
𝑘 (𝐴 + 𝐵) = 𝑘𝐴 + 𝑘𝐵, 𝐷𝑜𝑛𝑑𝑒 𝑘 𝑒𝑠 𝑢𝑛 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 (𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑡𝑖𝑣𝑎)

2. Propiedades de la multiplicación de matrices:

𝐴𝐵 ≠ 𝐵𝐴
𝐴(𝐵𝐶 ) = (𝐴𝐵)𝐶 (𝐴𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎)
𝐴𝐼 = 𝐼𝐴 = 𝐴, 𝐷𝑜𝑛𝑑𝑒 𝐽 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑
9

𝐴(𝐵 + 𝐶 ) = 𝐴𝐵 + 𝐴𝐶 (𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑡𝑖𝑣𝑎)

3. Propiedades de la transposición de matrices:

(𝐴𝑇 )𝑇 = 𝐴
(𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇
(𝑘𝐴)𝑇 = 𝑘𝐴𝑇
(𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇

2. Determinantes

El determinante de una matriz cuadrada A se denota con el símbolo |𝐴| o detA.

Podemos formar determinantes de n x n matrices. Estos determinantes se
denominan determinantes n x n.

1. Si 𝐴 = [𝑎11 ] es una matriz 1 x1. entonces su determinante |𝐴| es igual al

número 𝑎11 sí mismo.

𝑎11 𝑎12
2. Si 𝐴 = [𝑎 𝑎22 ] es una matriz 2 x 2, entonces el determinante esta dado
21

por

𝑎 𝑎12
|𝐴| = [𝑎11 𝑎22 ] = 𝑎11 𝑎22 − 𝑎12 𝑎21
21
10

𝑎11 𝑎12 𝑎13

𝑎
3. Si 𝐴 = [ 21 𝑎22 𝑎23 ] es una matriz 3 x 3, entonces el determinante esta dado
𝑎31 𝑎32 𝑎33
por:
𝑎 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
|𝐴| = 𝑎11 [𝑎22 𝑎33 ] − 𝑎12 [ 𝑎31 𝑎32 ] + 𝑎13 [ 𝑎31 𝑎32 ]
32

= 𝑎11 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) − 𝑎12 (𝑎21 𝑎33 − 𝑎23 𝑎31 ) + 𝑎13 (𝑎21 𝑎32 − 𝑎22 𝑎31 )

Tenga en cuenta que el determinante se expande a lo largo de la primera fila. De

manera similar, el determinante se puede expandir a lo largo de cualquier otra fila
o columna que lleve (+) o (-) el signo según el lugar ocupado por el elemento en
el siguiente esquema:

+ − +
|− + −|
+ − +

Ejemplos:
1. |2| = 2
2 3
2. | | = 2 × (−5) − 3 × 4 = −10 − 12 = −22
4 −5
1 3 5
1 3 2 3 2 1
3. |2 1 3 | = 1| | − 3| |+ 5| |. expandiéndose a lo
−4 −6 3 −6 3 −4
3 −4 −6
largo de la primera fila
= 1(−6 + 12) − 3(−12 − 9) + 5(−8 − 3) = 6 + 63 − 55 = 14

2.1 Regla de Sarrus

11

Para encontrar el valor de un determinante 3 x 3, la siguiente regla, llamada el

Regla de Sarrus puede ser útil.

𝑎11 𝑎12 𝑎13

1. Considere el determinante [𝑎21 𝑎22 𝑎23 ]
𝑎31 𝑎32 𝑎33

2. Escriba las tres columnas y luego repita las dos primeras para tener la
cuarta y la quinta columna, respectivamente, de la siguiente manera (se
deben omitir las barras verticales):

𝑎11 𝑎12 𝑎13 𝑎11 𝑎12

𝑎21 𝑎22 𝑎23 𝑎21 𝑎22
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32

3. Escribe el producto de los elementos de cada diagonal principal con signo

positivo. También escribe el producto de los elementos de cada diagonal
secundaria con signo negativo.
4. La suma de los productos obtenidos en el paso (3) da el valor del
determinante

Ejemplo
Utilice la regla de Sarrus para encontrar el valor del siguiente determinante:

1 3 5
[2 1 3]
3 −4 −6

Solución
Los elementos del determinante dado se organizan de la siguiente manera:
12

1 3 5 1 3
2 1 3 2 1
3 −4 −6 3 −4

Ahora, según la regla de Sarrus, el valor del determinante es

1 × 1 × (−6) + 3 × 3 × 3 + 5 × 2 × (−4) − 3 × 1 × 5 − (−4) × 3 × 1

− (−6) × 2 × 3 = 14

2.2 Menores y cofactores

𝑎11 𝑎12 𝑎13
Por definición sea 𝐷 = [𝑎21 𝑎22 𝑎23 ] un determinante 3 x 3.
𝑎31 𝑎32 𝑎33

Entonces, el determinante 2 x 2 obtenido al eliminar la fila y la columna, en las

que se encuentra un elemento 𝑎𝑖𝑗 , se llama el menor del elemento y se denota
por 𝑀𝑖𝑗 .

Definición Si 𝑀𝑖𝑗 es el menor de un elemento 𝐴𝑖𝑗 de un determinante, entonces el

cofactor del elemento, denotado por 𝐴𝑖𝑗 , se define como 𝐴𝑖𝑗 = (−1)𝑖+𝑗 𝑀𝑖𝑗 .

𝑎22 𝑎23
Así, el menor de 𝑎11 en D es 𝑀11 = [𝑎 𝑎33 ] y el cofactor es 𝐴11 =
32

(−1)1+1 𝑀11 = 𝑀11

Ejemplo
Escribe los cofactores de los elementos de la segunda fila del determinante
13

1 2 3
𝐷 = [−4 3 6]
2 −7 9

y por tanto encontrar el valor del determinante.

Solución

2 3
𝐴21 = (−1)2+1 | | = −(18 + 21) = −39
−7 9
1 3
𝐴22 = (−1)2+2 | |=9−6=3
2 9
1 2
𝐴23 = (−1)2+3 | | = −(7 + 4) = 11
2 −7

Entonces
𝐷 = 𝑎21 𝐴21 + 𝑎22 𝐴22 + 𝑎23 𝐴23 = (−4)(−39) + 3(3) + 6(11) = 231

2.3 Propiedades de los determinantes

Las siguientes propiedades pueden ser útiles para encontrar los valores de los
determinantes:
1. Si dos filas o columnas de un determinante son idénticas, entonces su valor
es igual a cero.
2 3 1
Ejemplo: [−3 4 2] = 0 (La primera y tercera fila son idénticas)
2 3 1
2. Si todos los elementos en cualquier fila o columna de un determinante son
cero, entonces el valor del determinante también es cero.
1 −2 5
Ejemplo: [3 2 4] = 0 (Los elementos de la tercera fila son 0)
0 0 0

3. El determinante de una matriz unitaria es igual a 1.

14

1 0 0
Ejemplo: [0 1 0] = 1
0 0 1
4. El determinante de una matriz diagonal es igual al producto de los
elementos diagonales.
2 0 0
Ejemplo: [0 −3 0] = 2 × (−3) × 4 = −24
0 0 4

5. El determinante de una matriz cuadrada es igual al determinante de su

transpuesta.

1 2 3 1 3 2
Ejemplo: [3 −1 2 ] = [2 −1 0 ]
2 0 −3 3 2 −3

6. Si se intercambian dos filas o columnas adyacentes de un determinante,

entonces el valor del determinante cambia por signo.

1 2 3 3 −1 2
Ejemplo: [3 −1 2 ] = [1 2 0]
2 0 −3 2 0 −3

7. Si cada elemento de una fila (o columna) de un determinante se multiplica

por un escalar k, entonces el valor del determinante también se multiplica
por k.
3𝑎 b c 𝑎 b c
Ejemplo: [ 3l m n] = 3 [ l m n]
3p q r p q r
15

𝑎+𝛼 b c
8. Un determinante de la forma [ l + β m n] se puede expresar en forma
p+γ q r
de la suma de dos determinantes:

𝑎 b c 𝛼 b c
[ l m n] = [β m n]
p q r γ q r

9. Si un múltiplo de cualquier fila (o columna) de un determinante se suma a

(o se resta de) cualquier otra fila (o columna), entonces el valor del
determinante permanece sin cambios.
Ejemplo:
𝑎 b c 𝑎 + 𝑘𝑏 b c
[ l m n] = [l + km m n]
p q r p + kq q r

10. El determinante de un producto de dos matrices cuadradas es igual

al producto de sus determinantes, es decir |𝐴𝐵| = |𝐴||𝐵|

3. Sistema de ecuaciones lineales

Una ecuación de la forma 𝑎𝑥 + 𝑏𝑦 + 𝑐 = 0, donde uno de los números reales a y b
no es cero, se llama ecuación lineal en X y Y. De manera similar, una ecuación de la
forma 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + 𝑑 = 0 es una ecuación lineal en tres variables x, y, y z.

Un sistema de ecuaciones puede tener exactamente una solución, ninguna solución o

un número infinito de soluciones. Un sistema con al menos una solución se llama sistema
consistente. Si tiene una solución única, se dice que es consistente e independiente.

𝑥+𝑦 =5
Ejemplo 1: El sistema { , tiene exactamente una solución. La única solución es
𝑥−𝑦 =3
𝑥 = 4, 𝑦 = 1, entonces, es un sistema consistente e independiente.
16

𝑥+𝑦 =5
Ejemplo 2: El sistema { , no tiene solución, porque ningún valor de X y Y
𝑥+𝑦 =7
satisface ambas ecuaciones. Por tanto, es un sistema inconsistente.

2𝑥 + 𝑦 = 7
Ejemplo 3: El sistema { , es consistente, pero dependiente.
4𝑥 + 2𝑦 = 14
• Se dice que un sistema de ecuaciones es consistente y dependiente, si tiene
infinitas soluciones.

3.1 Métodos de solución

Método de matriz equivalente a filas: según este método, para resolver un sistema de
𝑎1 𝑥 + 𝑏1 𝑦 = 𝑐1
ecuaciones lineales en dos variables, digamos. { , formamos la siguiente
𝑎2 𝑥 + 𝑏2 𝑦 = 𝑐2
𝑎1 𝑏1 : 𝑐1
matriz, llamada matriz aumentada: [ ].
𝑎2 𝑏2 : 𝑐2

Luego, usamos operaciones de fila para cambiar esta matriz en matrices equivalentes
de fila. Algunas de las operaciones de fila elementales son las siguientes:
• Intercambio de dos filas cualesquiera, Ej. 𝑅1 ↔ 𝑅2
• Multiplicación de cada elemento de una fila por un número distinto de cero, por
ejemplo, 𝑅1 → 3𝑅1
• Múltiplo de una fila agregado a (o restado de) cualquier otra fila, por ejemplo 𝑅2 →
𝑅2 + 2𝑅1 : 𝑅2 → 𝑅2 − 3𝑅1 .
De esta forma, las operaciones de fila se realizan hasta obtener la siguiente forma
1 0 : 𝑝
especial: [ ]. Luego la solución del sistema será 𝑥 = 𝑝, 𝑦 = 𝑞.
0 1 : 𝑞
Nota: Un sistema de tres ecuaciones lineales con tres variables se puede resolver
de manera similar.
17

Ejemplo
Encontrar la solución, si la hay del sistema
2𝑥 − 3𝑦 = 4
{
5𝑥 + 4𝑦 = 1
Solución:
La matriz aumentada es la siguiente

2 −3 : 4
[ ].
5 4 : 1

−3
1 : 2 1
~[ 2 ] , 𝑅1 → 2 𝑅1 .
5 4 : 1

−3
1 : 2
2
~[ 23 ] , 𝑅2 → 𝑅2 − 5𝑅1 .
0 : −9
2

−3
1 : 2 2
~[ 2 ] , 𝑅2 → 𝑅
−18 23 2
0 1 :
23

19
1 0 :
~[ 23 ] , 𝑅 → 𝑅 + 3 𝑅
1 1
−18 2 2
0 1 :
23

19 −18
Por lo tanto, la solución requerida es 𝑥 = , 𝑦=
23 23
18

Método determinante (regla de Cramer): consideremos el sistema de ecuaciones

𝑎1 𝑥 + 𝑏1 𝑦 = 𝑐1
{ .
𝑎2 𝑥 + 𝑏2 𝑦 = 𝑐2

Multiplicando la primera ecuación por 𝑏2 , segundo por 𝑏1 , y luego restando la segunda

de la primera, obtenemos (𝑎1 𝑏2 − 𝑎2 𝑏1 )𝑥 = 𝑏2 𝑐1 − 𝑏1 𝑐2 .

𝑐1 𝑏1
𝑏2 𝑐1 − 𝑏1 𝑐2 |𝑐 𝑏2
|
2
𝑥= = 𝑎1 𝑏1
𝑎 1 𝑏2 − 𝑎 2 𝑏1
|𝑎 𝑏2
|
2

Similarmente, obtenemos
𝑎1 𝑐1
|𝑎 𝑐 | 𝑎 𝑏1
𝑦 = 2 2 , 𝑠𝑖𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 | 1 |≠0
𝑎 𝑏1 𝑎2 𝑏2
| 1 |
𝑎2 𝑏2

Alternativamente, podemos escribir las fórmulas mencionadas anteriormente como se

muestra a continuación: Si

𝑎1 𝑏1 𝑐1 𝑏1 𝑎1 𝑐1
𝐷 = |𝑎 𝑏2
| , 𝐷1 = |𝑐 𝑏2
| , 𝑦 𝐷2 = |𝑎 𝑐2 |
2 2 2

entonces los valores de 𝑥 y 𝑦 están dadas por las fórmulas:

𝐷1 𝐷2 𝐷3
𝑥= ,𝑦 = ,𝑦 𝑧 =
𝐷 𝐷 𝐷

Donde
19

𝑎1 𝑏1 𝑐1 𝑑1 𝑏1 𝑐1 𝑎1 𝑑1 𝑐1
𝐷 = | 𝑎2 𝑏2 𝑐2 | , 𝐷1 = |𝑑2 𝑏2 𝑐2 | , 𝐷2 = |𝑎2 𝑑2 𝑐2 | , 𝑦 𝐷3
𝑎3 𝑏3 𝑐3 𝑑3 𝑏3 𝑐3 𝑎3 𝑑3 𝑐3
𝑎1 𝑏1 𝑑1
= |𝑎2 𝑏2 𝑑2 |
𝑎3 𝑏3 𝑑3

Cabe señalar aquí que 𝐷 ≠ 0.

Ejemplo
Utilice la regla de Cramer para resolver las ecuaciones: 3𝑥 + 4𝑦 = 14, 5𝑥 + 6𝑦 = 22
Solución.
Nosotros tenemos
3 4
𝐷=| | = 3 × 6 − 5 × 4 = −2 ≠ 0
5 6
14 4
𝐷1 = | | = 14 × 6 − 4 × 22 = −4
22 6
3 14
𝐷2 = | | = 3 × 22 − 5 × 14 = −4
5 22

Ahora, según la regla de Cramer, obtenemos

𝐷1 −4 𝐷2 −4
𝑥= = = 2. 𝑦 = = = 2.
𝐷 −2 𝐷 −2
20

Recursos complementarios

Recurso video 1 Zach Star. Las aplicaciones de las matrices | Lo que desearía que mis
maestros me hubieran dicho antes. Link: https://youtu.be/rowWM-MijXU
Soler Fajardo, F. Molina Focazzio, F. G. y Rojas Cortés, L. (2016). Álgebra y
Recurso lectura
programación lineales: con aplicaciones a ciencias administrativas,
1 contables y financiera (3a. ed.). Ecoe Ediciones. Pag. 479-481 https://elibro-
net.ucompensar.basesdedatosezproxy.com/es/lc/ucompensar/titulos/122455
Recurso lectura
Qi, L., Sun, W., & Wang, Y. (2007). Numerical multilinear algebra and its
2 applications. Frontiers of Mathematics in China, 2(4), 501-526.

Referencias
Academia Internet. (2015, 24 febrero). Programación Lineal, teoría y ejercicios [Vídeo].
YouTube. https://www.youtube.com/watch?v=YoQPjiiUl3g

Davis, E. (2012). Linear Algebra and Probability for Computer Science Applications. Taylor &
Francis Group.
https://elibro-
net.ucompensar.basesdedatosezproxy.com/es/lc/ucompensarenglish/titulos/143905

Guerrero Salas, H. (2009). Programación lineal aplicada. Ecoe Ediciones. https://elibro-

net.ucompensar.basesdedatosezproxy.com/es/lc/ucompensar/titulos/69101

Khan, S. Bari, A. y Faisal Khan, M. (2019). Linear and integer programming. Cambridge
Scholars Publishing https://elibro-
net.ucompensar.basesdedatosezproxy.com/es/lc/ucompensarenglish/titulos/121880

Liesen, J & Mehrmann, V. (2015). Linear Algebra. Suiza: Springer.

https://link.springer.com/book/10.1007/978-3-319-24346-7

Núñez, L. A. Vargas, E. y Boada, E. (2019). Álgebra lineal. Universidad Abierta para Adultos
(UAPA). https://elibro-
net.ucompensar.basesdedatosezproxy.com/es/lc/ucompensar/titulos/176649

Qi, L., Sun, W., & Wang, Y. (2007). Numerical multilinear algebra and its applications. Frontiers
of Mathematics in China, 2(4), 501-526.

Soler, F. (2016). Álgebra lineal y programación lineal: con aplicaciones a ciencias

administrativas, contables y financieras. Bogotá: Ecoe Ediciones.
https://www.ecoeediciones.com/wp-content/uploads/2016/03/%C3%81lgebra-lineal-y-
programaci%C3%B3n-lineal-3ra-Edici%C3%B3n.pdf
21

Glosario

• Matrix: Two-dimensional table of numbers in abstract quantities that can be added

and multiplied.
• Determinants: It is a mathematical notation formed by a square table of numbers,
or other elements, between two vertical lines; the value of the expression is
calculated by developing it following certain rules.
• Systems of linear equations: It is a set of linear equations, defined on a body or
a commutative ring
• Cramer's rule: Provides the solution of determined compatible systems of linear
equations (with a single solution) by calculating determinants. It is a very fast
method to solve systems, especially for 2x2 and 3x3 dimension systems.
• Sarrus's Rule: It is an easy method to memorize and calculate a 3 × 3
determinant. Named after the French mathematician Pierre Frédéric Sarrus