INTRO.

MATRICES Y DETERMINANTES
Las matrices se utilizan en el clculo numrico, en la resoluci n !e sistemas !e ecuaciones lineales, !e las ecuaciones !i"erenciales # !e las !eri$a!as %arciales. Tienen tam&in muc'as a%licaciones en el cam%o !e la "(sica.

MATRICES
Una matriz es una tabla ordenada de escalares ai

de la forma

La matriz anterior se denota tambin por (ai (ai

j ), i

=1, ..., m, j =1, ..., n, o simplemente por

j ).

Los trminos horizontales son las filas de la matriz y los verticales son sus columnas. Una matriz con m filas y n columnas se denomina matriz m por n, o matriz m n. Las matrices se denotar n usualmente por letras may!sculas, A, B, ..., y los elementos de las mismas por min!sculas, a, b, ... "jemplo#

donde sus filas son (1, $%, &) y (', (, $)) y sus

CLASES DE MATRICES
*e+!n el aspecto de las matrices, stas pueden clasificarse en# Matrices cua!ra!as Una matriz cuadrada es la ,ue tiene el mismo n!mero de filas ,ue de columnas. *e dice ,ue una matriz cuadrada n n es de orden n y se denomina matriz n-cuadrada. Ejemplo: *ean las matrices

"ntonces, A y B son matrices cuadradas de orden % y ) respectivamente.

Matriz i!enti!a! *ea A = (ai

j ) una matriz n$cuadrada. La dia+onal (o dia+onal principal) de A consiste en los elementos a11, a)), ..., ann. La traza de A, escrito tr A, es la suma de los elementos
dia+onales. La matriz n$cuadrada con unos en la dia+onal principal y ceros en cual,uier otra posici-n, denotada por I, se conoce como matriz identidad (o unidad). .ara cual,uier matriz A, A/ I = I /A = A. Matrices trian)ulares Una matriz cuadrada A = (ai

j ) es una matriz trian+ular superior o simplemente una matriz

trian+ular, si todas las entradas bajo la dia+onal principal son i+uales a cero. 0s1 pues, las matrices

son matrices trian+ulares superiores de -rdenes ), % y &. Matrices !ia)onales Una matriz cuadrada es dia+onal, si todas sus entradas no dia+onales son cero o nulas. *e denota por D = dia+ (d11, d)), ..., dnn ). .or ejemplo,

son matrices dia+onales ,ue pueden representarse, respectivamente, por dia+(%,$1,2) dia+(&,$%) y dia+(),3,',$1). Tras%uesta !e una matriz La traspuesta de una matriz A consiste en intercambiar las filas por las columnas y se denota por A4. 0s1, la traspuesta de

"n otras palabras, si A = (ai 1. (A 5 B)4 = A4 5 B4. ). (A4)4 = A.

j ) es una matriz m n, entonces A4 =

es la matriz n

m. La trasposici-n de una matriz cumple las si+uientes propiedades#

%. (kA)4 = kA4 (si k es un escalar). &. (AB)4 = B4A4. Matrices simtricas *e dice ,ue una matriz real es simtrica, si A4 = A6 y ,ue es antisimtrica, si A4 = $A. Ejemplo: 7onsideremos las si+uientes matrices#

.odemos observar ,ue los elementos simtricos de A son i+uales, o ,ue A4 = A. *iendo as1, A es simtrica. .ara B los elementos simtricos son opuestos entre s1, de este modo B es antisimtrica. A simple vista, C no es cuadrada6 en consecuencia, no es ni simtrica ni antisimtrica. Matrices orto)onales *e dice ,ue una matriz real A es orto+onal, si AA4 = A4 A = I. *e observa ,ue una matriz orto+onal A es necesariamente cuadrada e invertible, con inversa A$1 = A4. 7onsideremos una matriz % % arbitraria#

*i A es orto+onal, entonces#

Matrices normales

Una matriz es normal si conmuta con su traspuesta, esto es, si AA4 = A4A. 8bviamente, si A es simtrica, antisimtrica u orto+onal, es necesariamente normal. Ejemplo#

.uesto ,ue AA4 = A4A, la matriz es normal.

O*ERACIONES CON MATRICES

Suma # resta !e matrices .ara poder sumar o restar matrices, stas deben tener el mismo n!mero de filas y de columnas. "s decir, si una matriz es de orden % ) y otra de % %, no se pueden sumar ni restar. "sto es as1 ya ,ue, tanto para la suma como para la resta, se suman o se restan los trminos ,ue ocupan el mismo lu+ar en las matrices. "jemplo#

.ara sumar o restar m s de dos matrices se procede i+ual. 9o necesariamente para poder sumar o restar matrices, stas tienen ,ue ser cuadradas. Ejemplo:

*ro!ucto !e matrices .ara poder multiplicar dos matrices, la primera debe tener el mismo n!mero de columnas ,ue filas la se+unda. La matriz resultante del producto ,uedar con el mismo n!mero de filas de la primera y con el mismo n!mero de columnas de la se+unda. "s decir, si tenemos una matriz ) % y la multiplicamos por otra de orden % (, la matriz resultante ser de orden ) (. () %) (% () = () () *e puede observar ,ue el producto de matrices no cumple la propiedad conmutativa, ya ,ue en el ejemplo anterior, si multiplicamos la se+unda por la primera, no podr1amos efectuar la operaci-n. % ( por ) %, puesto ,ue la primera matriz no tiene el mismo n!mero de columnas ,ue filas la se+unda. *upon+amos ,ue A = (ai

de A coincide con el n!mero de filas de B6 es decir, A es una matriz m p y B una matriz p n. "ntonces el producto AB es la matriz m n cuya entrada ij se obtiene multiplicando la fila i de A por la columna j de B. "sto es,

) y B = (bi

) son matrices tales ,ue el n!mero de columnas

Ejemplo# 1.

).

Producto por un escalar

"l producto de un escalar k por la matriz A, escrito kA o simplemente kA, es la matriz obtenida multiplicando cada entrada de A por k#

Ejemplo#

"ntonces#

Di$isi n !e matrices La divisi-n de matrices se define como el producto del numerador multiplicado por la matriz inversa del denominador. "s decir, sean las matrices A y B tal ,ue A/B AB$1#

*i una matriz est dividida entre un escalar, todos los trminos de la matriz ,uedar n divididos por ese escalar. Ejemplo:

MATRICES IN+ERTI,LES
*e dice ,ue una matriz cuadrada A es invertible, si e:iste una matriz B con la propiedad de ,ue AB A$1. Ejemplo: BA !

siendo ! la matriz identidad. ;enominamos a la matriz B la inversa de A y la denotamos por

.uesto ,ue AB

BA

!, A y B son invertibles, siendo cada una la inversa de la otra.

Mto!o !e -auss *ea A = (ai

) una matriz cuadrada de orden n. .ara calcular la matriz inversa de A, ,ue

denotaremos como A$1, se+uiremos los si+uientes pasos# *aso .. 7onstruir la matriz n "n # = (0 ! ) esto es, A est en la mitad iz,uierda de # y la matriz identidad ! en la derecha. *aso /. *e deja tal y como est la primera fila de #, y debajo del primer trmino de la dia+onal principal, a11, ,ue llamaremos pi$ote, ponemos ceros. Lue+o se opera como se indica en el si+uiente ejemplo. Ejemplo# 7onsideremos una matriz % % arbitraria

*aso ..

*aso /.

"l si+uiente paso es i+ual ,ue el anterior, pero esta vez se co+e como pivote el se+undo trmino de la dia+onal principal.

0l lle+ar al !ltimo trmino de la dia+onal, se procede i+ual ,ue antes, pero poniendo los ceros encima del nuevo pivote. *e observa ,ue al co+er como pivote el !ltimo trmino de la dia+onal, la matriz A se transforma en una matriz trian+ular. Una vez realizados todos los pasos, la mitad iz,uierda de la matriz # se convierte en una matriz dia+onal. "n este momento hay ,ue proceder a transformar, si es ,ue no lo est , la mitad iz,uierda en la matriz identidad, dividiendo si fuera necesario las filas de # por un escalar. Ejemplo# *upon+amos ,ue ,ueremos encontrar la inversa de

.rimero construimos la matriz # = (A !),

La mitad iz,uierda de # est en forma trian+ular, por consi+uiente, A es invertible. *i hubiera ,uedado toda una fila con ceros en la mitad A de #, la operaci-n habr1a terminado (A no es invertible). 0 continuaci-n, co+emos como pivote a%%, ponemos ceros encima de ste y se+uimos operando hasta ,ue nos ,uede una matriz dia+onal.

<a ,ue la matriz colocada en la mitad iz,uierda es dia+onal, no hay ,ue operar m s. 4ransformamos la matriz dia+onal en una matriz identidad6 para ello hay ,ue dividir la se+unda fila entre $1#

La matriz ,ue ha ,uedado en la mitad derecha de # es precisamente la matriz inversa de A#

.ara comprobar si el resultado es correcto, se procede a multiplicar AA$1, teniendo ,ue dar como resultado la matriz identidad !. Comprobaci%n# AA$1 = !

E0ercicio1 o%eraciones con matrices

*ean

a& =>u clase de matrices son? b& 7alcular# $ A $ B 5 C. A 5 B $ C. %A 5 C@). c& 7alcular# (A / B) @C. d) 7alcular la inversa de A (A$1) y comprobar el resultado. 'esoluci%n#

a& Las tres matrices son cuadradas y de orden tres. A su vez, B es una matriz trian+ular, ya ,ue todas las entradas debajo de la dia+onal principal son ceros, y C es antisimtrica por,ue los elementos simtricos son opuestos entre s1. b&

c& .uesto ,ue (A B) @C = A B C$1, calcularemos primero la inversa de C y lue+o haremos el producto.

 ;ividimos la primera fila entre $3, la se+unda entre % y la tercera entre $% para ,ue en la mitad iz,uierda ,uede la matriz identidad,

.or lo tanto, la matriz inversa de C es#

A continuaci-n, se calcula el producto de las matrices A y B,

.or !ltimo, calculamos (AB)C$1.

*acando factor com!n 1@%, el resultado puede escribirse como#

d) .rimero se construye la matriz # = (A !) y lue+o se va desarrollando por Aauss. 0s1 pues#

*e simplifica un poco para ,ue las operaciones no sean tan costosas, dividiendo la tercera fila entre cuatro. ;e este modo, se tiene

*e vuelve a simplificar, dividiendo la primera fila entre dos y la se+unda entre cuatro,

.uesto ,ue ya ha ,uedado una matriz dia+onal en la mitad iz,uierda de #, se procede a transformar esta mitad iz,uierda en una matriz identidad, dividiendo la primera fila entre $%'&), la se+unda entre $2B y la tercera entre %C,

0s1 pues, la matriz ,ue ha ,uedado en la mitad derecha es precisamente la matriz identidad, ,ue sacando factor com!n 1@2B se puede escribir como#

 .ara comprobar el resultado, la matriz inversa de A o A$1, tiene ,ue cumplir AA$1 = !. .rocedamos a la comprobaci-n#

MATR. Y SIST. DE EC2AC. LINEALES

La matriz ampliada # de un sistema de m ecuaciones con n inc-+nitas es la si+uiente#

7ada fila de # corresponde a una ecuaci-n del sistema y cada columna a los coeficientes de una inc-+nita, e:cepto la !ltima, ,ue corresponde a las constantes del sistema. Un sistema de ecuaciones lineales puede resolverse trabajando con su matriz ampliada, espec1ficamente, reducindola a forma escalonada mediante el proceso de Aauss. Mto!o !e -auss .ara resolver sistemas de ecuaciones lineales, se aplica el mtodo de Aauss. "ste proceso se ilustra en el si+uiente ejemplo. Ejemplo# *ea el sistema,

su matriz ampliada asociada es

0hora resolvemos por el mtodo de Aauss sabiendo ,ue la primera columna corresponde a los coeficientes de la (, la se+unda a los de la ), la tercera a los de la z y la cuarta a los trminos independientes#

;e este modo, el sistema tiene la soluci-n !nica ( = ), ) = $1, z = %. La resoluci-n de sistemas de ecuaciones lineales por matrices, aplicando el mtodo de Aauss u otros, es una de las m!ltiples aplicaciones ,ue tienen stas. E0ercicio1 resoluci n !e sistemas !e ecuaciones lineales %or matrices

Dallar el valor de (, ), z, t en los si+uientes sistemas de ecuaciones lineales aplicando

matrices#

a& La matriz # asociada al sistema de ecuaciones es#

La tercera fila se suprime, puesto ,ue es m!ltiplo de la se+unda y resultar1a una fila nula. 0s1, el sistema ,ueda formado por dos ecuaciones con cuatro inc-+nitas#

La soluci-n del sistema es compatible e indeterminado, esto es, tiene infinitas soluciones. ( = $C $ ) 5 1't z = 2t $ 2 - ($ C $ ) 5 1't, ), 2t $ 2, t). ;ependiendo de ,u valores se escojan para ) y t, salen distintos resultados. 0s1, para ) t = ' tendremos la soluci-n del sistema ( = $C, ) = ', z = $2, t = '. b& La matriz # asociada al sistema de ecuaciones es#

9o hay necesidad de continuar calculando nada m s, puesto ,ue la matriz escalonada ya nos indica ,ue el sistema es incompatible (*E), es decir, ,ue no tiene soluci-n. "spec1ficamente, la tercera fila de la matriz escalonada corresponde a la ecuaci-n '( 5 ') 5 'z 5 't = $( obteniendo como resultado ' = $(, ,ue es absurdo. .or lo tanto, decimos ,ue no tiene soluci-n.

DETERMINANTES
0 cada matriz n$cuadrada A = (ai

j ) se le asi+na un escalar particular denominado

determinante de A, denotado por det (0), F 0 F o

Una tabla ordenada n n de escalares situada entre dos l1neas verticales, llamada determinante de orden n, no es una matriz. La funci-n determinante apareci- por primera vez en el estudio de los sistemas de ecuaciones lineales. Geremos ,ue es una herramienta indispensable en el estudio y obtenci-n de stas.

DETERMINANTES DE ORDEN 2NO Y DOS

Los determinantes de orden uno y dos se definen como si+ue#

= a11

0s1, el determinante de una matriz 1 1 A = (a11) es el propio escalar a11, es decir, det (A) = Fa11F = a11. Ejemplos: a& ;ado ,ue el determinante de orden uno es el mismo escalar, tenemos det ()&) = )&, det($%) = $%, det (%(5() = %(5(. b&

DETERMINANTES DE ORDEN TRES

7onsideremos una matriz % % arbitraria A = (ai si+ue#

j ). "l determinante de A se define como

a1)a)1a%% $ a%)a)%a11 8bsrvese ,ue hay seis productos, cada uno formado por tres elementos de la matriz. 4res de los productos aparecen con si+no positivo (conservan su si+no) y tres con si+no ne+ativo (cambian su si+no). .ara calcular los determinantes de orden tres, el si+uiente dia+rama puede ayudar a resolverlos#

Ejemplo# 7alcular el valor del determinante#

= )& 5 )' 5 ' $ ($&) $ ' $ ($1() = && 5 & 5 1( = 3% "l determinante de la matriz % % A = (ai

j ) puede reescribirse como#

det (A) = a11(a))a%% $ a)%a%)) $ a1)(a)1a%% $ a)%a%1) 5 a1%(a)1a%) $ a))a%1) =

,ue es una combinaci-n lineal de tres determinantes de orden dos, cuyos coeficientes (con si+nos alternantes) constituyen la primera fila de la matriz dada. "sta combinaci-n lineal puede indicarse de la forma si+uiente#

9-tese ,ue cada matriz ) ) se obtiene suprimiendo en la matriz inicial la fila y la columna ,ue contienen su coeficiente. Ejemplo: .ara demostrar ,ue la propiedad anterior se cumple, trabajaremos con #

= %(B5() $ )('$1') 5 1('5&) = %C 5 )' 5 & = 3%

*RO*IEDADES DE LOS DETERMINANTES

Las propiedades b sicas del determinante son las si+uientes# .. "l determinante de una matriz A y el de su traspuesta A4 son i+uales, es decir,

/. *ea A una matriz cuadrada, *i A posee dos filas (columnas) i+uales, necesariamente = '.

*i A es trian+ular, esto es, A s-lo tiene ceros por encima o por debajo de la dia+onal principal, entonces es i+ual al producto de los elementos de la dia+onal.

3. *upon+amos ,ue B se ha obtenido de A mediante una operaci-n elemental entre filas o columnas, *i se han intercambiado dos filas (columnas) de A, FBF = $ FA*. *i se ha sumado un m!ltiplo de una fila (columna) a otra, entonces F BF = FA*. *i se ha multiplicado una fila (columna) de A por un escalar k, FBF = kFA*. 4. *ea A cual,uier matriz n$cuadrada, son e,uivalentes los si+uientes principios# A es invertible, es decir, A tiene inversa A$1. A+ = ' tiene solamente la soluci-n trivial. "l determinante de A no es nulo# FA* '. 5. "l determinante es una funci-n multiplicativa. "s decir, el determinante del producto de matrices A y B es el producto de los determinantes# FABF = FAF FBF. 6. *upon+amos ,ue A y B son matrices similares, entonces# FAF = FBF.

DETERM. DE ORDEN AR,ITRARIO

*ea A = (ann) una matriz de orden arbitrario n n (siendo n un n!mero par). .ara calcular el det (A) se procede de la si+uiente manera#

Los si+nos se van alternando se+!n la posici-n ,ue ocupen las entradas del determinante. "s decir#

Ejemplo#

*i observamos la matriz, podemos ver ,ue en la tercera columna hay dos ceros. 0s1 pues, si co+emos las entradas de la tercera columna para calcular el determinante, nos ahorraremos calcular dos determinantes, ya ,ue el producto de un determinante por cero es cero.

= $1($%() 5 %(%() = %( 5 1'( = 1&'.

E0ercicio1 clculo !e !eterminantes

7alcular los si+uientes determinantes#

= )($3$)&5135))5 (($&$)&53)$1(&51)$13$%) = $)&$11'5% = $1%1.

= 1/(135'5)&$($&)$($%')$') $)/($1)B$)5%'$($&')$1)$($13)) = 2&$)/($(3) = = 2&511) = 1B3.

AD72NTO DE 2NA MATRI8

7onsideremos una matriz n$cuadrada A = (ai

j ) sobre un cuerpo ,. "l adjunto de A,

denotado por adj A, es la traspuesta de la matriz de cofactores de A#

Ejemplo#

Los cofactores de los nueve elementos de A son#

La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto de A#

Aplicaci%n del adjunto para -allar la matriz in$ersa .ara toda matriz cuadrada A, A/(adj A) = (adj A) / A = FAF! ;e este modo, si FAF ',

8bservemos ,ue esta propiedad nos permite hallar por otro mtodo la inversa de una matriz. Ejemplo# 7onsideremos la matriz

y el det A#

0s1 pues, aplicando la propiedad anterior#

E0ercicio1 clculo !e la matriz in$ersa

7alcular, por la propiedad anterior, la inversa de las si+uientes matrices#

a&

b&

a& .rimero hallaremos el determinante de la matriz A#

"l si+uiente paso es hallar el adjunto de la matriz B, as1 pues, los cofactores de los cuatro elementos de B son# B11 = ( B)1 = . B1) = $) B)) = %

y el adjunto de B, denotado por adj B, ser

b& "mpezaremos por hallar el det A,

Los cofactores de los nueve elementos de A son#

La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto de A#

0plicando la propiedad de la matriz inversa obtenemos A$1#

C9LC. DEL RAN-O DE 2NA MATRI8

7onsideremos la matriz A = (aij)#

.. "l ran+o de la matriz A coincide con el de la matriz AH ,ue se obtiene suprimiendo en la matriz A todas la l1neas (filas o columnas) cuyas entradas estn s-lo formadas por ceros, es decir, ,ue sean nulas. /. 7onsideremos la matriz# 01 = (a11, a1), ..., a1n) y supon+amos ,ue

entonces # ran+o (A) ran+o(A 1) = 1 3. 0Iadimos filas de la matriz A a la matriz 01 hasta encontrar una matriz ,ue cumpla#

tal ,ue posea un menor no nulo de la forma#

.or consi+uiente, ran+o (A) ran+o(A )) = ). *i esto no hubiese sido posible, entonces# ran+o (A) = 1. *upon+amos ,ue ran+o (A) ran+o (0)) y ,ue i = ) y j = ). 4. 0Iadimos filas a la matriz 0) hasta encontrar una matriz ,ue cumpla#

de forma ,ue posea un menor de orden tres de la forma#

"ntonces# ran+o (A) ran+o (A)) = %. "n caso de no haber sido posible encontrar dicho menor, entonces# ran+o (A) = ran+o (A)) = ). *uponiendo ,ue ran+o (A) ran+o (A%) y ,ue i = % y j = %, se proceder1a como en los casos anteriores, y as1 sucesivamente hasta a+otar todas las filas de la matriz A. "jemplos# a& *ea la matriz A una matriz de orden tres. Dallar el ran+o (A).

7omo A es una matriz cuadrada de orden tres, como m :imo el ran+o ( A) puede valer tres. 7alcularemos primero el determinante o determinantes de las submatrices de orden dos de A. 0s1 pues

<a ,ue el resultado es cero, probaremos con todas las submatrices de A hasta encontrar una cuyo determinante no sea cero. *i no encontramos nin+una, el ran+o ( A) = 1.

.uesto ,ue el resultado de calcular el determinante de esta submatriz de A no es nulo, podemos afirmar de momento ,ue el ran+o (A) = ). 0Iadimos ahora una columna y una fila m s para ver si el ran+o puede ser tres#

;ado ,ue el determinante de A no es nulo y a su vez es de orden tres, el ran+o (A) = %. 9o necesariamente para poder calcular el ran+o de una matriz, sta tiene ,ue ser cuadrada. 0s1, en el si+uiente ejemplo# b& 7alcular el ran+o de la matriz B de orden % &.

7omo hay una determinante de orden dos no nulo, el ran+o de la matriz B es mayor o i+ual ,ue ). 7alculamos a continuaci-n los determinantes de orden superior#

.robamos con un se+undo determinante de orden tres#

0s1 pues, como hay un determinante de orden tres ,ue no es nulo, el ran+o ( B) = %. Un ran+o mayor ,ue % no se puede hallar, ya ,ue no se puede formar un determinante de orden &. Jecurdese ,ue para poder calcular el determinante de una matriz o de una submatriz, stas tienen ,ue ser cuadradas.

A*LIC. DE LOS DETERMINANTES

"n el tema de matrices y su aplicaci-n a los sistemas de ecuaciones lineales, se vio c-mo resolverlas mediante el teorema de Aauss. 7on los determinantes, y aplicando la re+la de 7ramer, veremos otra manera de calcular los sistemas de ecuaciones lineales. Re)la !e Cramer Los pasos a se+uir para calcular los sistemas de ecuaciones se+!n la re+la de 7ramer son los si+uientes# .. Dallar la matriz ampliada (A b& asociada al sistema de ecuaciones, esto es# ,ue la primera columna est formada por las entradas de los coeficientes de la primera inc-+nita de las ecuaciones6 ,ue la se+unda columna la formen las de la se+unda inc-+nita, y as1 hasta lle+ar a la !ltima columna, ,ue estar constituida por las entradas de los trminos independientes de las ecuaciones.

/. 7alcular el determinante de A. 3. 0plicar la re+la de 7ramer, ,ue consiste en# a& ir sustituyendo la primera columna del det (A) por los trminos independientes6 b& dividir el resultado de este determinante entre el det (A) para hallar el valor de la primera inc-+nita6 c& continuar sustituyendo los trminos independientes en las distintas columnas para hallar el resto de las inc-+nitas. Ejemplo: *ea el sistema de ecuaciones lineales formado por dos ecuaciones con dos inc-+nitas#

"ncontrar el valor de ( e ) mediante la re+la de 7ramer. "mpezaremos con el primer paso, ,ue consiste en hallar la matriz ampliada A b asociada al sistema de ecuaciones lineales#

"l se+undo paso es calcular el determinante de A. 0s1 pues#

< el tercero y !ltimo paso consiste en calcular las inc-+nitas#

Discusi n !e los sistemas !e ecuaciones lineales 0 continuaci-n, se estudiar la manera de saber de antemano si un sistema de ecuaciones lineales tienen o no soluci-n y si tienen una !nica o infinitas soluciones. "l estudio o discusi-n de los sistemas de ecuaciones se efect!a aplicando el teorema de Jouch$KrLbenius. Mste dice ,ue con un sistema de ecuaciones lineales pueden ocurrir dos cosas# .. >ue el sistema de ecuaciones sea un sistema compatible (*.7.), esto es, ,ue ten+a soluci-n. /. >ue el sistema de ecuaciones sea un sistema incompatible (*.E.) o ,ue no ten+a soluci-n.

"l primer caso puede dividirse en dos# a& ,ue sea un sistema compatible y determinado (*.7.;.), esto es, ,ue ten+a una !nica soluci-n6 b& ,ue el sistema sea compatible e indeterminado (*.7.E.), es decir, ,ue ten+a infinitas soluciones. *ea un sistema no homo+neo#

"n consecuencia, la matriz ampliada Ab asociada al sistema de ecuaciones es#

y el sistema ser compatible cuando# ran+o (A) = ran+o (A b&, lo ,ue suele e:presarse diciendo ,ue el ran+o de la matriz de coeficientes coincide con el ran+o de la matriz ampliada. *i el sistema anterior es compatible y ran+o (A) = ran+o (A b& = n!mero de inc-+nitas, el sistema es compatible y determinado, es decir, tiene una !nica soluci-n. *i, por el contrario, tenemos ,ue ran+o (A) = ran+o (A b& N n!mero de inc-+nitas, el sistema es compatible e indeterminado, es decir, tiene infinitas soluciones. *i ran+o (A) ran+o (A b&, el sistema es incompatible y no tiene nin+una soluci-n. Ejemplos# ;iscutir, sin resolver, los si+uientes sistemas de ecuaciones#

.uesto ,ue ran+o (A) = 1 ran+o (A b& = ), el sistema es incompatible6 no e:iste nin+una soluci-n.

<a ,ue ran+o (A) = ran+o (A b& = ) = n!mero de inc-+nitas, el sistema es compatible y determinado6 es decir, e:iste una !nica soluci-n.

.uesto ,ue ran+o (A) = ran+o (A b& = 1 N n!mero de inc-+nitas, el sistema es compatible e indeterminado6 e:isten infinitas soluciones. E0ercicio1 clculo !e las inc )nitas en un sistema !e ecuaciones lineales

;iscutir y calcular el valor de las inc-+nitas de los si+uientes sistemas de ecuaciones

lineales#

a&

7alculamos a continuaci-n el ran+o de A y el ran+o de la matriz ampliada (A b&# "l ran+o de la matriz A ser #

"l ran+o de la matriz ampliada (A b&#

;ado ,ue ran+o (A) = ran+o (A b& = % = n!mero de inc-+nitas, el sistema es compatible y determinado6 tiene, pues, una !nica soluci-n. Jesolvamos el sistema mediante la re+la de 7ramer# 7alculamos el det (A)#

0plicando la re+la de 7ramer#

( = 3B@)%6 ) = $(%@)%6 z = $&)@)%.

*OLINOMIO CARACTER:STICO
7onsideremos una matriz n$cuadrada arbitraria#

La matriz (A $ /In), donde In es la matriz identidad n$cuadrada y un escalar indeterminado, se denomina matriz caracter1stica de A#

*u determinante, det (A $ /In) , ,ue es un polinomio en , recibe el nombre de polinomio caracter1stico de A. 0simismo, llamamos a det (A $ /In) = ' ecuaci%n caracter/stica de A. "jemplo# Dallar la matriz caracter1stica y el polinomio caracter1stico de la matriz A#

La matriz caracter1stica ser (A $ /In). Lue+o#

y el polinomio caracter1stico,

0s1 pues, el polinomio caracter1stico es +alores %ro%ios # $ectores %ro%ios

) $ 5 &.

*ea A una matriz n$cuadrada sobre un cuerpo ,. Un escalar ,n se denomina un valor propio de A si e:iste un vector (columna) no nulo $ ,n para el ,ue A$ = $ 4odo vector ,ue satisfa+a esta relaci-n se llama vector propio de A perteneciente al valor propio . Los trminos valor caracter1stico y vector caracter1stico (o autovalor y autovector) se utilizan con frecuencia en lu+ar de valor propio y vector propio. "jemplo# *ea

0s1 pues, $1 y $) son vectores propios de A pertenecientes, respectivamente, a los valores propios 1 = & y ) = $1 de A.