a

ÁLGEBRA LINEAL II
Unidad 2
 ÁLGEBRA LINEAL II – UNIDAD 2

Introducción

En esta unidad se desarrollarán algunas propiedades básicas de los determinantes y se

verá cómo se pueden utilizar para calcular la inversa de una matriz y resolver sistemas
de n ecuaciones lineales con n incógnitas.

Es importante destacar la importancia del estudio de los determinantes en la vida

cotidiana y/o profesional, por ejemplo, en el estudio de sistemas de comunicaciones
inalámbricos con múltiples entradas y múltiples salidas, información diversa es
transmitida de forma simultánea por cada una de las antenas de transmisión. Los
determinantes juegan un papel importante en las estrategias de codificación de la
información transmitida y recibida.

Además, los determinantes nos permitirán resolver ecuaciones lineales, al igual que los
determinantes, las ecuaciones lineales tiene diferentes aplicaciones, en diferentes áreas
de la vida, por ejemplo, en ingeniería civil, al diseñar y analizar estructuras se resuelven
sistemas de ecuaciones que describen los esfuerzos que tendrá que soportar la
construcción.

Objetivo General
- Identificar un determinante y sus propiedades.

Objetivos Específicos
- Identificar un determinante y sus propiedades.
- Aplicar los determinantes en el cálculo de la matriz inversa y solución de
sistemas de ecuaciones lineales.

1
 ÁLGEBRA LINEAL II – UNIDAD 2

Desarrollo
2. Determinantes
Sea A= (𝑎11 𝑎12 𝑎21 𝑎22 ) una matriz de 2x2. Se define el determinante de A como

Det A = a11 a22 – a12 a21

Con frecuencia se denotará det A por:

No hay que confundir esta notación con las barras de valor

absoluto. |A| denota det A si A es una matriz cuadrada. |x| denota
el valor absoluto de x si x es un número real o complejo
(Grossman, 2007).

Se demostró que A es invertible si y sólo si det A ≠ 0. Como se verá más adelante, este
importante teorema es válido para las matrices de n x n (Grossman, 2007).

En esta unidad se desarrollarán algunas propiedades básicas de los determinantes y se

verá cómo se pueden utilizar para calcular la inversa de una matriz y resolver sistemas
de n ecuaciones lineales con n incógnitas (Grossman, 2007).

El determinante de una matriz de n x n se definirá de manera inductiva. En otras

palabras, se usará lo que se sabe sobre un determinante de 2 x 2 para definir un
determinante de 3 x 3, que a su vez se usará para definir un determinante de 4 x 4, y
así sucesivamente. Se comienza por definir un determinante de 3 x 3 (Grossman, 2007).

2
 ÁLGEBRA LINEAL II – UNIDAD 2

Determinante 3x3:

𝑎11 𝑎12 𝑎13

𝑎
Sean A = 21 𝑎22 𝑎23 . Entonces
𝑎31 𝑎32 𝑎33

𝑎11 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22

Det A = |𝐴| = a11 𝑎 𝑎 – a12 𝑎 𝑎 + a13 𝑎
32 33 31 33 31 𝑎32

Ejemplo: Cálculo de un determinante de 3x3

4 7 −2
Sean A = 3 − 5 1 . Calcula |𝐴|.
−8 6 9

= 4((-5)(9) – (6)(1)) -7((3)(9)-(-8)(1) + (-2)((3)(6) – (-8)(-5))

= 4(-51) -7(35) -2(-22)
= - 405

Hay otro método con el que se pueden calcular determinantes de 3x 3. De la ecuación

anterior se tiene

Es decir:

|𝐴| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 – a12 a23 a31 - a12 a21 a33 – a11 a32 a33

Se escribe A y se le adjuntan sus primeras dos columnas:

3
 ÁLGEBRA LINEAL II – UNIDAD 2

Ejemplo.
Cálculo de un determinante de 3x3 usando el nuevo método

Calcule |3 5 2 4 2 3 − 1 2 4 | usando el nuevo método

Se escribe |3 5 2 4 2 3 − 1 2 4 |3 5 4 2 − 1 2 | y se multiplica como lo

indican las flechas se obtiene

|𝐴| = (3)(2)(4) + (5)(3)(-1) + (2)(4)(2) – (-1)(2)(2) – (4)(4)(5)

= 24 – 15 + 16 + 4 – 18 – 80 = -69.

Este método no funciona para determinantes de n x n si n > 3.

Si intenta algo similar para determinantes de 4 x 4 o de orden
mayor, obtendrá una respuesta equivocada (Grossman, 2007).

Definir los determinantes de n x n debe observarse que la ecuación está formada por
tres determinantes de 2 x 2, si definimos las siguientes matrices: M11 =
(𝑎22 𝑎23 𝑎32 𝑎33 ) (es la matriz formada al eliminar el primer renglón y la primera
columna de la matriz A); M12 = (𝑎21 𝑎23 𝑎31 𝑎33 ), (es la matriz formada al eliminar el
primer renglón y la segunda columna de la matriz A), y M13 = (𝑎21 𝑎22 𝑎31 𝑎32 ) (es la
matriz formada al eliminar el primer renglón y la tercera columna de la matriz A). Si ahora
definimos a A11 = det M11, A12 = -det M12 y A13 = det M13, podemos escribir la ecuación
como (Grossman, 2007).

det A= |𝐴| = A11A11 + a11 A12 + a13 A13

Utilizando las observaciones del párrafo anterior podemos definir ahora el caso general
de estas matrices, resultado de eliminar algún renglón o columna de una matriz
(Grossman, 2007).

Ejemplo: Calculo de dos menores de una matriz de 4x4

4
 ÁLGEBRA LINEAL II – UNIDAD 2

1 −3 5 6
2 4 0 3
Sea A = , Encuentre M32 y M24
1 5 9 −2
4 0 2 7

Al quitar el tercer renglón y la segunda columna de A se encuentra que

1 5 6 1 −3 5
M32 = 2 0 3 . De igual manera, M24 = 1 5 9
4 2 7 4 0 2

2. 1 Propiedades de los determinantes.

❖ El determinante de una matriz A triangular (superior o inferior) es el producto de
los n elementos de su diagonal principal (Costa, et al. s.f.)

𝑎11 𝑎12 … 𝑎1𝑛 𝑎11 0 … 0

0 𝑎22 … 𝑎2𝑛 𝑎21 𝑎22 … 0
. .
. = = a11a22… ann
.
. .
0 0 … 𝑎𝑛𝑛 𝑎𝑛1 …. … 𝑎𝑛𝑛

Esto incluye en particular el caso en que A es diagonal (a ij = 0 si a ≠ j).

5
 ÁLGEBRA LINEAL II – UNIDAD 2

Este resultado ya lo hemos mostrado en base a la forma explícita. A partir de la

definición recursiva, el resultado es obvio a partir del desarrollo de det(A) por la
columna 1 (A triangular superior) o fila 1 (A triangular inferior):

det(A) = a11detM11 = a11a22detM’11 = …= a11a22… ann

Por ejemplo,

1 2 3 4
5 6 7
0 5 6 7 8 9
= 1 0 8 9 = 1.5 = 1,5 . 8 . 10 = 400
0 0 8 9 0 10
0 0 10
0 0 0 10

❖ El determinante de la traspuesta AT es igual al de A (Costa, et al. s.f.)

Det(AT) = det(A)

Para n = 1 es obviamente valida. Asumiendo luego que la propiedad es valida para

matrices de (n - 1) x (n - 1), y recordando que las filas de AT son las columnas de A,
vemos que el desarrollo por la fila i de det(A T) coincide con el desarrollo por la
columna i de det(A), siendo por lo tanto iguales. Por ejemplo:

1 2 1 3
= = 4 – 6 = -2
3 4 2 4

❖ Si A tiene una fila o una columna nula entonces det(A) = 0.

Es inmediato, considerando que el determinante se puede desarrollar por esa fila o
columna (Costa, et al., s.f.). Por ejemplo:

0 0
=0
1 2

❖ Si B se obtiene de A intercambiando dos filas (o columnas) ) det(B) = -det(A).

Supongamos que se intercambia la fila i con la i + 1. Entonces el desarrollo por fila
i+1 de det(B) coincidira con el desarrollo por fila i de det(A), excepto por un
cambio de signo ((-1)i+1+j = -(-1)i+j). Para intercambios i ↔ k con k ≠ i, el resultado
puede verse en forma analoga, o tambien considerando sucesivos intercambios

6
 ÁLGEBRA LINEAL II – UNIDAD 2

i ↔ i + 1 con la fila contigua: si k > i, se necesitan k - i intercambios de este tipo

para llevar la fila i a la k, y luego k – 1 - i intercambios para llevar la ex-fila k (que
quedo en la posicion k - 1) a la i. El signo total es (-1)k-i+k-1-i = -1. Si se intercambian
dos columnas la demostracion es similar (o puede verse por su traspuesta)(
Costa, et al., s.f.). Por ejemplo:

1 2 3 4 2 1
= =- = -2
3 4 1 2 4 3

❖ Si A tiene dos filas o dos columnas identicas entonces det(A) = 0.

Se puede obtener f_acilmente como consecuencia de la propiedad anterior. Basta
con intercambiar esas dos filas o columnas: se obtendra det(A) = -det(A), por lo
que Det(A) = 0 (Costa, et al. s.f.). Por ejemplo:

1 2 1 2 1 2
=- , por lo que =0
1 2 1 2 1 2

❖ Si B se obtiene de A multiplicando una fila (o columna) de A por α → det(B) = α

det(A) ( Costa, et al. (s.f.)):

𝑎11 … 𝑎1𝑛 𝑎11 … 𝑎1𝑛

… …
𝛼𝑎1𝑖 … 𝛼𝑎1𝑛 = 𝛼 𝛼𝑎1𝑖 … 𝛼𝑎1𝑛
… …
𝑎𝑛1 … 𝑎𝑛𝑛 𝑎𝑛1 … 𝑎𝑛𝑛

Esto es inmediato a partir del desarrollo de det(B) por esa fila (o columna):
det(B) = 𝛴𝑗(𝛼aij)(-1)i+j detMij = 𝛼Σj aij(-1)i+j detMij = 𝛼 det(A). Por ej.:

2 4 1 2
=2 = -10
3 1 3 1

7
 ÁLGEBRA LINEAL II – UNIDAD 2

❖ det(αA) = αn det(A) si A es de n x n.
Este resultado se obtiene aplicando el anterior n veces, es decir, a todas las filas (o
columnas)( Costa, et al. (s.f.)). Por ejemplo:

2 4 1 2
= 22 = -20
6 2 3 1

❖ Si B se obtiene de A sumando a una fila (o columna) de A un multiplo de otra fila

(o columna) de A ) det(B)(Costa, et al. s.f.) = det(A):

𝑎11 + 𝛼𝑎𝑖1 … 𝑎1𝑛 + 𝛼𝑎𝑖𝑛 𝑎11 … 𝑎1𝑛

𝑎21 … 𝑎2𝑛 𝑎21 … 𝑎2𝑛
. .
. = .
. .
𝑎𝑛1 … 𝑎𝑛𝑛 𝑎𝑛1 … 𝑎𝑛𝑛

Se demuestra mediante el desarrollo de det(B) por la fila modificada. Se obtendra

det(B) = det(A) + α det(matriz con dos filas iguales) = det(A). Por ejemplo:

1 3 1 3 f – 2f 1 3 1 3
2 1

→ → = = -1
2 5 0 −1 2 5 0 −1

❖ Si A tiene dos filas o columnas proporcionales ⇒ det(A) = 0.

En efecto, si la fila i es α veces la fila j, con j ≠ i, el desarrollo por la fila i implica
det(A) = α det(matriz con dos filas iguales) = 0. Generalizando, det(A) = 0 si una
de las filas (o columnas) es combinación lineal de otras filas (columnas). Esto
significa que dicha fila es una suma de otras filas de A multiplicadas por
constantes. El desarrollo de det(A) por dicha fila será una combinación lineal de
determinantes de matrices con dos filas iguales, por lo que será 0 (Costa, et al.,
s.f.). Por ejemplo, si la fila 3 es la fila 1 más dos veces la fila 2, el desarrollo por
la fila 3 conduce a:

8
 ÁLGEBRA LINEAL II – UNIDAD 2

𝑎 𝑏 𝑐 𝑎 𝑏 𝑐 𝑎 𝑏 𝑐
𝑑 𝑒 𝑓 = 𝑑 𝑒 𝑓 +2 𝑑 𝑒 𝑓 = 0 + 0 = 0
𝑎 + 2𝑑 𝑏 + 2𝑒 𝑐 + 2𝑓 𝑎 𝑏 𝑐 𝑑 𝑒 𝑓

❖ Notar que en general, det(A + B) ≠ det(A) + det(B) (Costa, et al. (s.f.)). Por
ejemplo, si:

1 0 0 0 1 0
A= , B= → A+B=
0 0 0 1 0 1

Y se obtiene det(A) = det(B) = 0 mientras que det(A + B) = det(I2) = 1.

Ejemplo:
Aplicando estas propiedades, podemos calcular determinantes sin utilizar
explicitamente el desarrollo por cofactores, llevando la matriz a la forma triangular.

9
 ÁLGEBRA LINEAL II – UNIDAD 2

0 1 5 3 −6 9
Paso 1 3 −6 9 = - 0 1 5 intercambio de fila 1 y 2 (prop. 4)
2 6 1 2 6 1

1 −2 3
Paso 2 = -3 0 1 5 se extrae un factor 3 de la fila 1 (prop. 6)
2 6 1

1 −2 3
Paso 3 =3 0 1 5 se suma -2 veces la fila 1 a la fila 3 (prop. 8)
0 10 − 5

1 −2 3
Paso 4 =3 0 1 5 se suma -10 veces la fila 2 a la fila 3 (prop. 8)
0 0 − 55

Paso 5 = (-3)(1.1.(-55)) determinante de matriz triangular (prop. 1)

= 165

2.2 Desarrollo de un determinante por el

método de cofactores.
Daremos ahora una expresión más sencilla y general para el determinante, que servirá
para el caso n x n. (Grossman, 2007).

❖ Considerando primero el caso 2 x 2, podemos escribir el determinante como

Det (A) = a11a22 - a12a21

= a11 det(M11) - a12 det(M12)

Donde M11 = (a22) es la submatriz de 1x1 obtenida al borrar la fila 1 y columna 1de
A, y M12 = (a21) la submatriz obtenida al borrar la fila 1 y columna 2 de A:

10
 ÁLGEBRA LINEAL II – UNIDAD 2

𝑎11 𝑎12 𝑎11 𝑎12

𝑎21 𝑎22 → M11 = (a22), 𝑎21 𝑎22 → M12 = (a21)

❖ Para el caso de 3 x 3, se puede reordenar la expresión y escribirla como

Det (A) = a11 (a22a33 - a23a32) - a12 (a21a33 - a23a31) + a13 (a21a32 - a22a31)
𝑎11 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
= a11 𝑎 - a12 𝑎 𝑎33 + a12 𝑎31
32 𝑎33 31 𝑎32

= a11 det(M11) - a12 det(M12) + a13 det(M13)

donde M1j es la matriz de 2 x 2 obtenida al borrar la fila 1 y la columna j de A:

11
 ÁLGEBRA LINEAL II – UNIDAD 2

Ejemplo:

Dada A de n x n, sea Mij la submatriz de (n - 1) x (n - 1) obtenida al borrar la fila i y la

columna j de A. Entonces:

❖ El número det(Mij) se denomina menor del elemento aij.

❖ El número cij = (-1) i+j det(Mij) se denomina cofactor de aij .

Cofactor
Sea A una matriz de n x n. El cofactor ij de A, denotado por Aij, está dado por:
Aij = (-1)i + j |𝑀𝑖𝑗 | .(Grossman, 2007).

Esto es, el cofactor ij de A se obtiene tomando el determinante del menor ij y

multiplicándolo por (-1)i+j . Observe que:

(-1)i+j = {1 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑝𝑎𝑟 − 1 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟

12
 ÁLGEBRA LINEAL II – UNIDAD 2

Ejemplo:
Calculo de dos cofactores de una matriz de 4x4

Con las definiciones anteriores de cofactores estamos en posibilidad de considerar el

caso general de matrices de n x n. Considere

Ejemplo: Cálculo del determinante de una matriz 4x4

13
 ÁLGEBRA LINEAL II – UNIDAD 2

Calcule det A, de donde:

Es obvio que el cálculo del determinante de una matriz de n x n puede ser laborioso.
Para calcular un determinante de 4 x 4 deben calcularse cuatro determinantes de 3 x 3.
Para calcular un determinante de 5 x 5 deben calcularse cinco determinantes de 4 x 4,
lo que equivale a calcular veinte determinantes de 3 x 3. Por fortuna existen técnicas
que simplifican estos cálculos (Grossman, 2007).

Algunos de estos métodos se presentan en la siguiente sección. Sin embargo, existen

algunas matrices para las cuales es muy sencillo calcular los determinantes (Grossman,
2007).

2.3 Matriz adjunta

En matemáticas, y especialmente en álgebra lineal, una matriz cuadrada A de orden n
se dice que es invertible, no singular, no degenerada o regular si existe otra matriz
cuadrada de orden n, llamada matriz inversa de A y representada como A −1, tal que
(Hernández, 2012).

AA-1 = A-1 A = In

Donde In es la matriz identidad de orden n y el producto utilizado es el producto de

matrices usual.
Una matriz no invertible se dice que es singular o degenerada. Una matriz es singular si
y solo si su determinante es cero (Núñez & Sandoval, 2015).

14
 ÁLGEBRA LINEAL II – UNIDAD 2

La inversión de matrices es el proceso de encontrar la matriz inversa de una matriz

dada.
La inversa de una matriz, si existe, es única
La inversa del producto de dos matrices es el producto de las inversas cambiando el
orden
(AT)-1 = (A-1)T
Y, evidentemente:
(A-1)-1 = A
Una matriz es invertible si y sólo si el determinante de A es distinto de cero. Además, la
inversa satisface la igualdad (Núñez & Sandoval, 2015).
1
A-1 = |𝐴| adj (A)T

Donde |𝐴| es el determinante de A y adj (A) es la matriz de adjuntos de A

𝑎11 𝑎12 …. 𝑎1𝑛 𝑎11 𝑎12 …. 𝑎1𝑛

𝑎 𝑎 …. 𝑎𝑎𝑛 𝑎 𝑎 …. 𝑎𝑎𝑛
A= 𝑎𝑖1 𝑎12 …. 𝑎𝑘𝑛 B= 𝑎𝑖1 𝑎12 …. 𝑎𝑖𝑛
𝑖1 𝑘2 𝑖1 𝑖2
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛 𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛

Sea B es la matriz obtenida al reemplazar la k-ésima fila de A por la i-ésima fila de A,

así (Núñez & Sandoval, 2015).:

B es una matriz con dos filas iguales, es decir, |𝐵|= 0

Desarrollando |𝐵|según la k-èsima fila B por menores y cofactores:

ai1Ak1 + ai2Ak2 + … + ain Akn = 0

Sea A ∈ Mnxn, se define como matriz adjunta de A a la traspuesta de la matriz de los

cofactores de los elementos aij (Núñez & Sandoval, 2015).

Ejemplo:

15
 ÁLGEBRA LINEAL II – UNIDAD 2

Sea A ∈ Mnxn

AdjA.A = A.adjA = |𝐴|I

Ejemplo:

Dada la matriz

a) Calcular |𝐴|
b) Hallar la matriz Adj(A)
c) Comprobar que A.Adj(A).A = |𝐴|. 𝐼
d) Calcular A-1

Solución

a) |𝐴|= (1 2 43 8 −2 2 0 4 ) = 2|2 4 8 − 2 | + 4|1 2 3 8 | 2(-36) + 4(2) = -64

b) Adj (A) = (−|8 − 2 0 4 | − |2 4 0 4 | |2 4 8 − 2 | |3 − 2 2 4 | |1 4 2 4 | −

|1 4 3 − 2 | |3 8 2 0 | − |1 2 2 0 | |1 2 3 8 | ) = (32 − 8 36 − 16 − 4 14 −
16 4 2)

c) A.Adj(A) = (1 2 43 8 −2 2 0 4 )(32 − 8 36 − 16 − 4 14 −
16 4 2 ) = (−64 0 0 0 − 64 0 0 0 − 64 )

Adj(A). A = (32 − 8 36 − 16 − 4 14 − 16 4 2 )(1 2 43 8 −2 2 0 4)

= (−64 0 0 0 − 64 0 0 0 − 64 )

1 1
d) A-1 = |𝐴| Adj(A) = (32 − 8 36 − 16 − 4 14 − 16 4 2)
−64

1 1
A-1 = −1/2 1/8 1/16 1/4 − 7/32 1/4 − − 1/32
16 16

16
 ÁLGEBRA LINEAL II – UNIDAD 2

2.4 Regla de Cramer

La regla de Cramer recibe su nombre en honor del matemático suizo Gabriel Cramer
(1704- 1752). Cramer publicó la regla en 1750 en su libro Introduction to the Analysis of
Lines of Algebraic Curves. De hecho, existe evidencia que sugiere que Colin Maclaurin
(1698-1746) conocía la regla desde 1729; Maclaurin fue quizá el matemático británico
más sobresaliente en los años que siguieron a la muerte de Newton. La regla de Cramer
es uno de los resultados más conocidos en la historia de las matemáticas.

Durante casi 200 años fue fundamental en la enseñanza del álgebra y de la teoría de
las ecuaciones.

Debido al gran número de cálculos requeridos, se utiliza muy poco en la actualidad. Sin
embargo, el resultado fue muy determinante en su tiempo.

Este método sirve para resolver sistemas que tienen el mismo número de incógnitas
que de ecuaciones

Sea un sistema de ecuaciones nxn donde:

A es matriz de los coeficientes

Xi es la fila i-esima de X (matriz de las variables

Ai es la matriz que tiene los mismos elementos de A, excepto los de la i-ésima columna,
en la que constan los términos independientes.

|𝐴𝑖 |
Si |𝐴| ≠ 0, entonces xi = |𝐴|

Ejemplo:
Resolver usando el método de Cramer

17
 ÁLGEBRA LINEAL II – UNIDAD 2

Solución

1 1 1
|𝐴| = −2 1 − 2 = -12 ≠ 0 → El Sistema es de Cramer
3 −1 −1

2 1 1
1 1 −2
0 −1 −1
X1 = =½
−12

1 2 1
−2 1 −2
3 0 −1
X2 = = 5/3
−12

1 1 2
−2 1 1
X3 = 3 −1 0 = -1/6
−12

CS = (½., 5/3, -1/6 )

2.5. Solución de un sistema de ecuaciones

lineales
En ciencia y tecnología existe una gran variedad de situaciones que pueden expresarse
en términos matemáticos mediante sistemas de ecuaciones linéales, o bien acercarse
a un sistema de este tipo, de ahí el interés de su estudio (Gutiérrez y Ochoa, 2015).

Una vez que se ha planteado un sistema lineal de ecuaciones, se delinean tres

cuestiones importantes. Loa primera de ellas es conocer si tiene o no solución, la
segunda es la unicidad de la misma, y por último, el cálculo de la colusión cuando existe
(Gutiérrez y Ochoa, 2015).

A las dos primeras cuestiones da respuesta el teorema de Rouché-Frobenius, tal como

se ilustra es esta unidad. Este punto del estudio es importante tomar en cuenta también
las propiedades que presentan los conjuntos de soluciones de los sistemas lineales
homogéneos y no homogéneos (Gutiérrez y Ochoa, 2015).

18
 ÁLGEBRA LINEAL II – UNIDAD 2

La cuestión referente al cálculo de las soluciones tiene múltiples respuestas, ya que

existen diversos métodos para determinarlas. Entre ellos, cabe destacas el método de
triangulación de Gauss y la regla de Cramer(Gutiérrez y Ochoa, 2015).

Ecuación lineal.

Una igualdad donde las variables que intervienen solo tienen coeficientes constantes y
potencia 1, la llamamos ecuación lineal. Si en la ecuación intervienen n variables,
entonces la llamamos ecuación lineal con n variables (Gutiérrez y Ochoa, 2015).

Sistema de ecuaciones lineales.

Cuando se tiene un conjunto de ecuaciones lineales se le llama sistema de ecuaciones

lineales. Por su parte, se llama solución del sistema a los valores de las variables que
satisfacen a todas las ecuaciones del sistema. Mientras que el orden del sistema está
determinado por el producto m x n, donde m es la cantidad de ecuaciones y n la cantidad
de variables (Gutiérrez y Ochoa, 2015).

Ejemplo:
Dado el sistema de ecuaciones lineales, verificar que x = 2, y = 3 y z = 4 es solución del
sistema.

Sisma de ecuación 3x3:

X +3y – z = 7

2y – z = 2

X – 2y -2z = 4

Si se sustituyen los valores en el sistema, tenemos:

2 +3x3 – 4 =2+9–4=7

2x3 – 4 = 6 -4 = 2

2 – 2x3 + 2x4 = 2 – 6 + 8 = 4.

2.6. Métodos de resolución de ecuaciones

lineales
Existen tres métodos para resolver un sistema de ecuaciones. El método de sustitución,
el de reducción y el de igualación. El objetivo de cualquiera de estos métodos es reducir
el sistema a una ecuación de primer grado con una incógnita. La solución obtenida

19
 ÁLGEBRA LINEAL II – UNIDAD 2

siempre será la misma, independientemente del método elegido (Gutiérrez y Ochoa,

2015).

Método de sustitución

Consiste en despejar o aislar una de las incógnitas (por ejemplo, x) y sustituir su

expresión en la otra ecuación. De este modo, obtendremos una ecuación de primer
grado con la otra incógnita, y. Una vez resuelta, calculamos el valor de x sustituyendo
el valor de y que ya conocemos (Gutiérrez y Ochoa, 2015).

Este método despeja una de las dos incógnitas en función de la otra en una de las dos
ecuaciones. Luego sustituye el valor obtenido en la otra ecuación.

Ejemplo:

1. Despejamos x o y en una de las dos ecuaciones. Por ejemplo, y en la primera:

y= 6 - x

2. Despejamos x o y en una de las dos ecuaciones. Por ejemplo, y en la primera:

x – (6 – x) = 4

Nos queda una ecuación con una sola incógnita, que resolvemos:

3. Calculamos el valor de la otra incógnita: y = 6 – x → y = 6 – 5 = 1

La solución que se obtiene es: ( x, y) = (5, 1)

4. El último paso es comprobar que la solución obtenida está bien:

20
 ÁLGEBRA LINEAL II – UNIDAD 2

Método de reducción
Consiste en operar entre las ecuaciones como, por ejemplo, sumar o restar ambas
ecuaciones, de modo que una de las incógnitas desaparezca. Así, obtenemos una
ecuación con una sola incógnita (Gutiérrez y Ochoa, 2015).
Con este método se trata de eliminar una incógnita buscando sistemas equivalentes en
donde los coeficientes de una misma incógnita sean opuestos.
Ejemplo:

1. Queremos que una de las dos incógnitas tenga en ambas ecuaciones el mismo
coeficiente, pero con distinto signo. Por ejemplo, la incógnita x en la primera
ecuación ha de tener un -2. Para ello transformamos la ecuación en otra
equivalente multiplicándola por -2:

2. Por la regla de la suma podemos obtener otra ecuación equivalente, sumando a

ambos lados de la ecuación la misma cantidad. Podemos sumar ambas
ecuaciones:

3. La otra incógnita se obtiene sustituyendo el valor de y en una de las dos

ecuaciones iniciales. Por ejemplo, en la primera:

La solución del sistema es: (x, y) = (5, 10)

4. El último paso es comprobar que la solución está bien.

21
 ÁLGEBRA LINEAL II – UNIDAD 2

Método de igualación

En este método hay que despejar la incógnita x o y en las dos ecuaciones. Luego se
igualan sus valores, obteniendo una ecuación lineal con una sola incógnita.

Ejemplo:

1. Despejamos x o y en ambas ecuaciones.

Observa los coeficientes de las incógnitas. Es más cómodo despejar la incógnita
que tiene de coeficiente uno, en este caso es la y.

2. Si los primeros miembros son iguales, también lo son los segundos. Por tanto,
podemos igualarlos. Obtenemos una ecuación con una sola incógnita, en este
caso x.

3. Nos falta calcular la otra incógnita. Podemos sustituir en cualquiera de las dos
ecuaciones.

La solución del sistema es: (x, y) = (2, 5)

4. Por último, hay que comprobar que la solución cumple las ecuaciones del
sistema.

22
 ÁLGEBRA LINEAL II – UNIDAD 2

Referencias Bibliográficas
1- Bibliografía Básica
● Anton, Howard. (1988). Introducción el álgebra lineal. Limusa.
● Barrera, F. (2014). Álgebra lineal. Grupo editorial Patria.
● Costa, V; Rossignoli, R; Sorichetti, C y Vampa, V. (s.f.) Álgebra Lineal con
Aplicaciones. Parte I. Editorial de la Universidad de la Plata. Parte I.
● Grossman, Stanley. (1988). Álgebra lineal. Grupo Editorial Iberoamérica
● Hill, Richard O. (1991). Álgebra lineal elemental y sus aplicaciones. Prentice-Hall
Hispanoamericana S.A.
● Lipschutz, Seymour. (1980). Álgebra lineal. Serie de Compendios. Mo Graw-Hill.
● Núñez, O.; Sandoval, I. (2015). Álgebra Lineal. Escuela Politécnica Nacional.

2- Bibliografía Complementaria
 Aranda, E. (2013). Álgebra lineal con aplicaciones y Python. Tercer Milenio.
 Arce, C.; Castilla, W.; González, J. (2003). ÁLGEBRA LINEAL. Universidad de
Costa Rica. Escuela de Matemática.
 Grossman, S. (2007) Álgebra Lineal. Grupo Editorial Iberoamérica.
 Hernández, S. (2012). Álgebra Lineal. Red Tercer Mileni

3- Biblioteca Virtual UPAP

 Boada, E. Vargas, E. y Núñez, L. A. (2019). Álgebra lineal. Universidad Abierta
para Adultos (UAPA). https://elibro.net/es/lc/biblioupap/titulos/176649.
 Gutiérrez González, E. y Ochoa García, S. I. (2015). Álgebra lineal y sus
aplicaciones. Grupo Editorial Patria.
https://elibro.net/es/lc/biblioupap/titulos/39422.
 Gutiérrez García, I. (2012). Álgebra lineal. Universidad del Norte.
https://elibro.net/es/lc/biblioupap/titulos/69865

23