Lógica matemática

No se puede hacer matemática, en nuestro caso no podemos saber

matemática, si al estudiarla falta una o más de las cuatro bases (Benalcázar, 2015):
Elementos indispensables de la matemática

Figura 1. Elementos indispensables en el estudio de la matemática (Benalcázar, 2015)

Lógica Matemática: es la formalización simbólica de la deducción natural.

Proposición: es un enunciado “expresión” que posee un valor de verdad, es decir

ante esa expresión podemos afirmar sin ninguna ambigüedad que es falsa o
verdadera, ejemplos:

Estas proposiciones por su simplicidad son conocidas como proposiciones atómicas

o simples.

A continuación se mencionan algunos ejemplos de no proposiciones (Note que no

se puede decir si son verdaderas o falsas.

(a) Buenos días

(b) ¿Cuántos años tienes?

(c) ¡Que chica tan guapa!

(d) x+3=5

También tenemos las proposiciones moleculares o compuestas, que se forman

mediante la conexión de dos o más proposiciones simples. Para generar este tipo
de proposiciones se utilizarán los conectores o conectivos lógicos.

A continuación se definen los conectores (los mismos que se utilizan en todo el

estudio de la matemática) junto a su tabla de verdad (Benalcázar, 2015).
Negación: cuyo símbolo es y se lee . Lo explicamos mediante unos ejemplos

Tabla de verdad de la negación

Conjunción: cuyo símbolo es se lee . Tomando las proposiciones y del ejemplo

del conector anterior, tenemos la proposición compuesta:

Tabla de verdad

La tabla de verdad de la conjunción nos da la definición de la conjunción y es

que una proposición compuesta es verdadera si y solamente si las dos
proposiciones simples , son verdaderas, caso contrario es falsa.
A continuación mencionamos la utilidad y uso de este conector en una problema
de matemática, así si se pide que se determine el dominio de la función dada por:

resulta que se deben resolver las dos desigualdades:

Disyunción o disyunción inclusiva: su símbolo se lee . Igualmente tomando las

proposiciones y del ejemplo del conector de la negación, tenemos la proposición
compuesta:

Tabla de verdad
 La tabla de verdad de la disyunción nos da la definición de la disyunción y es
que una proposición compuesta es verdadera si y solamente al menos una de las
dos proposiciones simples , son verdaderas, caso contrario son falsas; podemos
también dar la definición de la disyunción indicando que la proposición
compuesta es falsa solo si ambas proposiciones simples , son falsas.
A continuación mencionamos la utilidad y uso de este conector en una problema
de matemática, así cuando se pide que resuelva la ecuación

La tabla de verdad de la disyunción exclusiva nos da la definición de la

disyunción exclusiva y es que una proposición compuesta es verdadera si y
solamente si una de las dos proposiciones simples , es verdadera y la otra es falsa,
caso contrario la proposición compuesta es falsa.
A continuación mencionamos la utilidad y uso de este conector en una situación
de matemática, y es que una de las propiedades de orden de los números reales
dice que:
Para cualquier par de números elemento de los reales se tiene que:

Condicional: su símbolo es (⇒) y se lee . Tiene la forma

si p entonces q

ejemplo:

partimos de las proposiciones simples:

p: En mi barrio llueve

q: El patio de mi caso se moja

y generamos la proposición compuesta

La proposición indica que si se cumple la condición , entonces se cumplirá la

proposición . Las proposiciones , toman las siguientes denominaciones
 Tabla de verdad

La tabla de verdad del condicional nos da la definición del condicional y es que

una proposición compuesta p⇒ q es verdadera si se tiene en cuenta que jamás
una verdad implica una falsedad.
Todos los teoremas de matemática consisten en un condicional, los datos o las
proposiciones que son verdaderas constituyen la hipótesis a partir de los cuales se
demuestra la tesis.
Observación: se tienen las siguientes proposiciones:
la directa: el condicional como tal
p⇒ q: Condicional (V)
el recíproco, el mismo que no conocemos su valor de verdad
q⇒ p: Recíproco (?)
y el contrarecíproco, que es verdadero
Bicondicional: su símbolo es "⇔" y se lee . Este conector genera una proposición
compuesta p ⇔ q verdadera únicamente cuando ambas proposiciones , son
verdaderas o ambas proposiciones , son falsas, ejemplo:
p: El polígono tiene sus lados iguales
q: Es equilátero
p⇔q: El polígono tiene sus lados iguales
Tabla de verdad

Obseravción:
La proposición -p ⇔ -q también es verdadera.
La proposición “El superhéroe Batman estudia en la ESPE si y solamente si yo
nací en el planeta marte” es verdadera.
Todas las definiciones en matemática están expresadas mediante un
bicondicional.
Note que en las definiciones de los conectores anteriores ya usamos el
bicondicional.
Se conocen como conectores básicos o fundamentales, los siguientes
 Se conocen como conectores compuestos
 Disyunción exclusiva
 Condicional "⇒"
 Bicondicional "⇔"
Conjuntos
Conjunto: es un concepto primitivo que no tiene definición (recuerde en Geometría
la definición de punto), se asocia con la agrupación de elementos (Benalcázar,
2015).

Notación y representación de conjuntos: se denota con letras mayúsculas del

alfabeto y se los expresa de la siguiente manera:

Representación de conjuntos por tabulación:

Representación de conjuntos por comprensión:

Nota: Existen dos conjuntos principales

Universo: Es un conjunto que se lo toma a conveniencia, representa a toda una población en

estudio o que es observada.
Vacío: Es aquel que no tiene elementos
Operaciones entre conjuntos
Unión:

Intersección
Complemento

Diferencia

Diferencia Simétrica
Leyes del álgebra de conjuntos (Benalcázar, 2015)

Sean A, B, C conjuntos

Axiomas de los números reales

Axiomas de orden de los números reales
Axiomas de los números reales
Notación sigma – Signo sumatorio
Propiedades del signo sumatorio

Propiedad de Linealidad

Axiomas de orden de los números reales

 Ejemplo de aplicación: Utilizando las propiedades de orden de las
propiedades resuelva
Funciones Reales
Definición de Relación Binaria: Dados los conjuntos , una relación de A en B
es un subconjunto del producto cartesiano
Ejemplos:

Tenemos algunas relaciones:

Los elementos de A se Relacionan con los elementos de B ,mediante una ley o regla
o fórmula de asignación

Regla de Asignación

Funciones Básicas
3.- Función Potencia Positiva
Ceros de la función:

Coordenadas del vértice (Puntos extremos)

5. Función Valor Absoluto

Geométricamente

El valor absoluto de un número real es la distancia (en la recta numérica) entre el

origen y dicho número, ejemplo:

Propiedades del valor absoluto

Operaciones con Funciones: Dadas las funciones

Que también pueden ser expresadas como:

 La operación “Suma de Funciones” se define:

 La operación “Diferencia de funciones” se define:

  La operación “Producto de funciones” se define:

 La operación “Cociente de funciones” se define:

Definiciones Básicas
Definición de matriz: Una matriz A de mxn es un arreglo rectangular
de m.n números reales (o complejos) ordenados en filas (renglones) horizontales
y columnas verticales: (Kolman,2006).
Se representa y se nota así:

Un primer ejemplo de matriz tenemos en una hoja electrónica de Excel, cada celda
corresponde a un componente , en el estudio de álgebra lineal estas celdas
contendrán números reales o complejos.

Aunque una matriz no es un conjunto, se acostumbra a llamar elementos a los

componentes (números que colocamos en la celda ). El conjunto de las
matrices de orden mxn, se nota:

Igualdad de matrices: Dos matrices son iguales si y

solamente si , ejemplo:

Dadas las matrices si A=B determine los

valores de x,y,z,a,b,c.
Por definición de igualdad de matrices debe cumplirse que:

Clasificación de Matrices

Matriz cuadrada: Una matriz es cuadrada si y solamente si m=n,

ejemplo: la matriz A es cuadrada de orden 3

El conjunto de las matrices cuadradas se nota

Observación: Los componentes conforman la diagonal de la matriz.

Matriz fila y matriz columna: Sea la matriz

se llama i-ésima fila de a la matriz:

se llama j-ésima columna de a la matriz:

Matriz transpuesta: La matriz transpuesta de es la

matriz ejemplo:

Matriz simétrica: La matriz cuadrada es la

matriz , ejemplo:
note que existe simetría respecto de la diagonal

Matriz antisimétrica: La matriz cuadrada se dice que es antisimétrica

si y solamente si , ejemplo:

Note que la diagonal de la matriz contiene únicamente ceros.

Observación: La matriz -A es el opuesto aditivo de la matriz A

Matriz nula: Una matriz se dice matriz nula si y solamente

si , ejemplo:

Matriz identidad: La matriz se llama matriz identidad si y

solamente si:

Ejemplo: la matriz identidad de orden 3

Matriz escalar: La matriz se llama matriz escalar si y solamente si se

llama matriz escalar si y solamente si
Donde k es un escalar del campo de los números reales o complejos, ejemplos:

Matriz triangular inferior: La matriz se llama matriz triangular inferior

si y solamente

Operaciones Elementales de Fila

En una matriz cuyos componentes pertenecen al campo ( es el
campo de los números reales o de los números complejos), definiremos tres tipos
de operaciones, denominadas operaciones elementales de fila, así:

1) Multiplicación de un escalar no nulo por una fila de la matriz

ejemplo: a la fila 3 de la matriz A, se multiplica por -2 :

ejemplo: la fila 2 de la matriz A es reemplazada por la fila 2 más 4 veces la fila 1 :

3) Intercambio de dos filas de

ejemplo: las filas 1 y 2 de la matriz A se intercambian:

Observación: en cada uno de los casos se obtiene una matriz diferente a la original
y que se ha denominado B. Se dice que la matriz A es equivalente (equivalente por
filas) a la matriz y se nota

Ejemplo: ahora efectuaremos varias operaciones elementales de fila sobre una

matriz:

Entonces: A es equivalente por filas a la matriz B o viceversa.

Matriz escalonada reducida por filas
Una matriz se llama matriz escalonada reducida por filas si cumple
con las siguientes condiciones:
1) El primer elemento no nulo de cada fila no nula, visto de izquierda a derecha, es
1.
2) Cada columna de A que tiene el primer elemento no nulo de alguna fila tiene sus
otros elementos nulos.
3) Toda fila nula, si la hay, está por debajo de toda fila no nula.
4) Si las filas 1,2,...,r, r ≤ m, son las filas no nulas de la matriz A y si el primer
elemento no nulo, visto de izquierda a derecha, de la fila i, i = 1,2,...,r está en la
columna ki, i = 1,2,...,r, entonces k1 < k2 < ··· < kr.
Ejemplos de matrices escalonadas reducidas por filas:
Ejemplos de matrices no escalonadas reducidas por filas:

Teorema: Toda matriz es equivalente por filas a una matriz

escalonada reducida por filas. Llamaremos a esta matriz escalonada reducida por
filas.

Ejemplo: Determine la matriz escalonada reducida por filas, equivalente por filas a
la matriz .

Definición de rango de una matriz: El rango de una matriz es el

número de filas no nulas de la matriz escalonada reducida por fila equivalente por
filas a la matriz .

Ejemplo: Determine el rango de la matriz .

 Del ejemplo anterior se tiene que es la matriz escalonada
reducida por filas equivalente por filas a la matriz A.

Definición de operación interna: Sea G un conjunto cualesquiera no vacío. Se

define la función:

que es conocida como una “ley de composición interna” u “operación

interna” (Ruth Cueva, 2009). En tal virtud esta función no dice que si tomamos
dos elementos cualesquiera del conjunto G y aplicamos la operación el
resultado que se obtiene continúa estando en G.

Un ejemplo de operación interna es la adición de números naturales, donde

Cuando se tiene una operación interna, se dice que se cumple la ley

clausurativa o que esta operación es cerrada.

Definición de operación externa: Sean: G un conjunto cualesquiera no vacío

y K un campo de escalares (números reales o complejos). Se define la siguiente
función:

que es conocida como una “ley de composición externa” u “operación

externa” (Ruth Cueva, 2009). En tal virtud esta función no dice que si tomamos un
elemento cualesquiera del campo K y y un elemento cualesquiera del conjunto G y
aplicamos la
operación
 el resultado que se obtiene pertenece al conjunto G.

Un ejemplo de operación externa es la multiplicación de un número real con un

número complejo, ejemplo:

3(4-3i)=12-9i

Note que las operaciones internas y externas se dan únicamente entre dos
elementos y un operador.

Suma de matrices: La suma de matrices es una operación interna sobre el

conjunto de todas las matrices de orden mxn ,así:

donde:
que de manera simplificada o abreviada se puede escribir:

Obviamente usted puede resolverlo de manera directa.

 Propiedades de la suma de matrices:

Sean las matrices ,se cumplen las

siguientes propiedades:

Multiplicación de un escalar por una matriz: ésta constituye una operación

externa del campo de los escalares sobre el conjunto de todas las matrices de
orden mxn, así:

donde:

que de manera simplificada o abreviada se puede escribir:

Note que ,son elementos del campo de los escalares K (en

nuestro caso números reales o complejos, ejemplo:
 Obviamente usted puede resolverlo de manera directa.

Propiedades del producto de un escalar por una matriz:

Sean:

,se
cumplen las siguientes propiedades:

Multiplicación de matrices: El producto de matrices no es una operación ni

interna ni externa. Se pueden multiplicar matrices de diferente tamaño o dimensión
con la única condición de que el número de columnas de la primera matriz sea
igual al número de filas de la segunda matriz, es decir:
 Sean las matrices El producto
de A por B, notado A.B, es la matriz C tal que cada elemento Cij está definido
por:

Esto es, el elemento de la fila i y columna j del producto de A por B, no es más

que el producto “escalar” del “vector” i-ésima fila de A por el “vector” j-ésima
columna de B.

Para comprender el procedimiento de multiplicación de matrices realizaremos

algunos ejercicios para obtener A.B:
 Observación: el producto de matrices no es conmutativo, inclusive aunque A.B
exista puede pasar que ni siquiera exista B.A.

En los casos en que se cumple que A.B=B.A se dice que las matrices A y
B conmutan o que son conmutables.

Observación:

Puede suceder que siendo una matriz no nula, al elevarle al cuadrado da como
resultado la matriz nula. Esto no pasa con elementos del campo de los reales.

Puede darse que siendo A y B matrices no nulas, el producto A.B es la matriz

nula.
 Propiedades del producto de un escalar por una matriz:

Definición de matriz inversa: Sea la matriz:

A∈Mn.

A es inversible si y solamente si A‾¹ es

la matriz inversa de A, I es la matriz identidad de orden n.

Propiedades: Sean A,B ∈Mn.

1. Si: A es inversible , entonces A‾¹ es inversible y (A‾¹)‾¹=A.

2. A y B son inversibles, entonces A•B es inversible y (AB)‾¹= B‾¹•A‾¹.

Para determinar, cuando exista, la inversa de una matriz, se sigue el siguiente

esquema:
 el mismo que lo chequearemos con el siguiente ejemplo: “Si, es que existe,
halle la inversa de la matriz A. Compruebe que se cumple A‾¹•A=I".
 Hallamos la matriz escalonada reducida por filas equivalente por filas a la
matriz aumentada (A|I).

Si la matriz escalonada reducida por filas equivalente a la matriz

aumentada (A|I) tiene la forma (I|B), entonces B=A‾¹ . Entonces en nuestro
ejemplo:

Matriz nilpotente de orden k: Una matriz es nilpotente

de orden K si y solamente si: y K es el menor entero

positivo para el cual ,ejemplo:

entonces A es nilpotente de orden 3.

 Matriz idempotente: Una matriz es idempotente si
y solamente si A²=A: ejemplo:

por tanto es idempotente. Otros matrices idempotentes son I,0nxn .

Matriz involutiva: Una matriz es involutiva si y

solamente si: A²=I, ejemplo:

por tanto A es involutiva.

Matriz ortogonal: Una matriz es ortogonal si y

solamente si: ejemplo:

entonces por definición de matriz inversa debe cumplirse:

,por tanto es ortogonal.

Matriz conjugada: La conjugada de la matriz con

es , ejemplo:

Matriz hermitiana: La matriz es hermitiana si y

solamente si: , ejemplo:
 Matriz unitaria: La matriz es unitaria si y solamente
si ,ejemplo:

Definición de traza de una matriz: Sea , se llama traza

de A al valor de la suma de los componentes de la diagonal, se
nota . ejemplo:

Halle la traza de

Ejercicio de aplicación:

Dada la matriz

Halle una fórmula para calcular ; .

primero expresamos la matriz A de la siguiente forma:

El determinante de una matriz A es un escalar y es definido
por la función (Ruth Cueva, 2009):

Cálculo del determinante:

 Obviamente es recomendable hacer el desarrollo por la fila o columna donde
haya más ceros.
 Generalización del cálculo de un determinante mediante el desarrollo por
una fila:

a) Sea . El desarrollo del determinante por menores, por

la r-enésima fila de A, se define:

b) Sea , El desarrollo del

determinante por menores, por la j-enésima columna de A, se define de la
siguiente manera :

1. El determinante de una matriz triangular inferior o triangular superior es igual al

producto de los elementos de la diagonal, ejemplo:

2. Si dos matrices A,B cuadradas del mismo orden difieren únicamente en una
fila ó únicamente en una columna, se tiene para el determinante de la suma de
estas matrices:
 3. Si en el determinante de una matriz existe una fila o una columna que tenga
un factor común en todos sus elementos, dicho factor sale a multiplicar por el
determinante,

4. Si en el determinante de una matriz existe una fila de ceros ó una columna

de ceros, el determinante vale cero.

5. Si en el determinante de una matriz existen dos filas iguales ó dos columnas

iguales, el determinante vale cero.

6. Si en el determinante de una matriz una fila es múltiplo de otra ó una

columna es múltiplo de otra, el determinante vale cero.
 7. Si en el determinante de una matriz se intercambian dos filas cualesquiera ó
dos columnas cualesquiera, el determinante cambia de signo.

8. El determinante de una matriz es igual al determinante de su transpuesta.

9. Si en el determinante de una matriz, si a una fila se suma un múltiplo de otra

fila, entonces, el valor del determinante no se altera. De la misma manera si a una
columna se suma un múltiplo de otra columna, entonces, el valor del determinante

no se altera

Ejercicio de aplicación: calcule los siguientes determinantes, usando

únicamente propiedades.
 Ahora tenemos el determinante de una matriz triangular superior, por tanto

El objetivo de resolver este determinante en esta manera, fue de aplicar las

propiedades de los determinantes
Teorema:
 Matriz Cofactor: La matriz de los cofactores de A , que se nota y se define:

Matriz inversa por el método de la matriz cofactor:

Sea: A∈Mn

Ahora calculemos la matriz de cofactores de A.

tenemos:

Definición:
Se llama un sistema de ecuaciones lineales en las variables xi al siguiente sistema
de m ecuaciones con n incógnitas (Ruth Cueva, 2009):

Que también se escribe en forma matricial,

como:

Es decir, al sistema (1) o (2), se lo puede representar por

Donde: es la matriz formada por los coeficientes del sistema.

es una matriz columna, formada por las incógnitas (“vector” de las

incógnitas).

B es la matriz columna, formada por los términos independientes del

sistema.

Definición: el sistema se denomina sistema homogéneo, si , caso contrario se

dice que el sistema no es homogéneo (note que es la matriz nula ).

Si a cada ecuación del sistema (1) se multiplica por un escalar , (no

todos nulos), y luego se suman, se tiene la ecuación (4):

Propiedad:
1. Sea . Si: tiene infinitas soluciones.
2. Sea . Si: tiene infinitas única solución
denominada solución trivial o nula, que se obtiene mediante
3. Sea tiene infinitas soluciones.
 4. Sea . Si: tiene o infinitas soluciones o
ninguna solución.
5. Sea tiene infinitas soluciones o ninguna
solución.
Regla de Cramer
La solución de sistemas de ecuaciones lineales por el método de Cramer se
usa con sistemas , o sea el sistema tiene única solución,
ejemplo:
Resuelva el sistema de ecuaciones:

Obtenemos el determinante de la matriz de coeficientes:

Calculamos las variables (incógnitas):

Observe como varía de posición la columna

del determinante del numerador, en respecto del determinante de que se
encuentra en el denominador, la columna de los coeficientes de X se reemplaza con
los valores de los términos independientes.
Solución de sistemas de ecuaciones con el método de la matriz
aumentada
La solución de sistemas de ecuaciones lineales aplicando operaciones
elementales de fila en la matriz aumentada es un método general que se usa para
resolver cualquier sistema de ecuaciones lineales. Aquí lo aplicaremos para
sistemas , ejemplos:
1) Resuelva el sistema de ecuaciones:
 Puesto que la matriz de coeficientes podemos obtener el
determinante de la matriz de coeficientes:

Por las propiedades anotadas anteriormente, el sistema tendrá infinitas soluciones

o ninguna solución, para resolverlo obtenemos la matriz escalonada reducida por
filas de la matriz aumentada:

La tercera fila de la matriz escalonada reducida por filas indica que se tiene la
ecuación:

O sea que 0=-4 , lo que constituye una contradicción o una falsedad, entonces se
dice que el sistema es inconsistente y que por lo tanto el sistema no tiene
solución, o que el conjunto solución o la solución

2) Resuelva el sistema de ecuaciones:

Puesto que la matriz de coeficientes podemos obtener el

determinante de la matriz de coeficientes:

Por las propiedades anotadas anteriormente, el sistema tendrá infinitas soluciones

o ninguna solución, escalonemos la matriz aumentada:

La tercera fila de la matriz escalonada reducida por filas indica que se tiene la
ecuación:
O sea que 0=0 , lo que es verdadero, por tanto la primera y segunda ecuación nos
dan condiciones de las infinitas soluciones que tiene el sistema, así:
La primera ecuación indica que:

La segunda ecuación indica que:

Por tanto la solución está dada por:

En ocasiones se acostumbra a cambiar la variable por un parámetro , y se tiene:

Cualquiera de las tres maneras de

expresar el conjunto solución es correcto.
3) Resuelva el sistema de ecuaciones:

Este ejercicio ya lo resolvimos usando la regla de Cramer, ahora lo vamos a resolver

usando operaciones elementales de fila en la matriz aumentada:

Note que en el espacio ocupado por la matriz A se tiene ahora la matriz identidad,
lo cual indica que el sistema tiene única solución.

Que también se puede escribir:

Y que como se ve coincide con la obtenida cuando se usa el método de Cramer.

Observación: en el método de la matriz aumentada utilizando operaciones

elementales de fila, hemos aplicado el denominado método de Gauss-Jordan.

A continuación resolveremos un par de ejercicios donde no se puede obtener el

determinante de la matriz de coeficientes A, pues ésta no es cuadrada; en este caso
se procede a obtener directamente la matriz escalonada reducida por filas de la
matriz aumentada.
 4) Resuelva el sistema de ecuaciones:

En este caso la matriz escalonada reducida por filas equivalente a la matriz

aumentada indica que el sistema tiene solución única:

5) Resuelva el sistema de ecuaciones:

En este caso la matriz escalonada reducida por filas equivalente a la matriz

aumentada indica que el sistema tiene infinitas soluciones, cuyas
condiciones dadas por la primera y cuarta ecuación indican x=0 que: y que y-z=1,
por tanto se tiene: x=0 y que y-1=z , por tanto el conjunto solución es:
También se puede expresar la solución en términos de z:

6) Resuelva el sistema de ecuaciones:

En este caso tenemos un sistema de ecuaciones lineales homogéneo y la matriz de

coeficientes A es cuadrada de orden 4, sin embargo no calcularemos el
determinante, y más bien escalonaremos inmediatamente la matriz
aumentada .

La matriz escalonada reducida entrega las siguientes ecuaciones:

Por tanto el conjunto solución resulta:

Recuerde: el sistema de ecuaciones lineales homogéneo, siempre tiene solución,

esta puede ser única (nula)(0,0,...,0) o infinitas soluciones como el caso que
acabamos de resolver.
En el capítulo anterior (Tema-4) se estudiaron los sistemas de ecuaciones lineales
con coeficientes constantes y completamente definidos, es decir que en el sistema
(1):

todos los coeficientes toman valores completamente definidos y

puntuales, ejemplo:

En este capítulo resolveremos sistemas de ecuaciones lineales cuyos

coeficientes y términos independientes no están completamente definidos y toman
el nombre de parámetros, es decir los coeficientes y los términos independientes
bi del sistema (1) son escritos con símbolos como y dependiendo de
determinado valor o valores que tomen generan diferentes tipos de soluciones.

Todo lo manifestado en el capítulo anterior (Tema anterior) para el sistema de

ecuaciones (1) se mantiene y se verifica, pues los sistemas de ecuaciones que
analizaremos aquí, simplemente son casos generales respecto de los tratados en
el capítulo anterior.

Para resolver este tipo de sistemas de ecuaciones, generalmente se utiliza el

método de la matriz ampliada con eliminación de Gauss-Jordan, aunque hay
casos que se pueden resolver con la regla de Cramer (Ruth Cueva, 2009).

En los ejercicios que resolveremos en este capítulo trataremos de cubrir las

situaciones más comunes que se presentan con este tipo de sistemas de
ecuaciones, así:

1) Dado el sistema de ecuaciones:

a. ¿Para qué valores de el sistema tiene única solución?. Halle la solución.

b. ¿Para que valores de el sistema tiene infinitas soluciones?. Halle las
soluciones.
c. ¿Para que valores de el sistema no tiene soluciones?
Escalonamos la matriz ampliada

2) Determine las condiciones para las cuales, el sistema de ecuaciones:

 a. No tiene solución.
b. Tiene infinitas soluciones.
c. Tiene solución única

Planteamos la matriz aumentada

Calculando el determinante de matriz A1, resulta

, entonces tenemos que:

el sistema tiene única solución.

Resolvemos usando la regla de Cramer.

calculamos las variables (incógnitas):

 el sistema puede tener infinitas soluciones
o no puede tener solución.
Se procede de manera similar. El estudiante puede completar el mismo.

3) Determine las condiciones para las cuales, el sistema de ecuaciones:

a. Tiene solución única.

b. Tiene infinitas soluciones.
c. No tiene solución.

escalonamos la matriz aumentada

 entonces tenemos un sistema de tres ecuaciones con tres incógnitas por
resolver.