Antonio Montes - Matrices, Vectores y Sistemas Lineales

Matrices, vectores
y sistemas
de ecuaciones
lineales
Antonio Montes Lozano
1,5 crditos
P00/75004/00191
A
a
11
a
21
a
1n
a
21
a
22
a
2n
a
m1
a
m2
a
mn
( ,
, (
, (
, (
j \
=
FUOC P00/75004/00191 Matrices, vectores y sistemas de ecuaciones lineales
ndice
I ntroduccin............................................................................................... 5
Objetivos...................................................................................................... 6
1. Preliminares.......................................................................................... 7
2. Matrices.................................................................................................. 8
2.1. Producto de matrices ......................................................................... 9
2.2. Suma de matrices............................................................................... 10
2.3. Matrices cuadradas ............................................................................ 12
2.4. La transpuesta de una matriz ............................................................ 14
3. Espacios vectoriales............................................................................. 16
3.1. Dependencia e independencia lineal ................................................ 17
3.2. Bases................................................................................................... 19
3.3. Subespacios vectoriales y rango......................................................... 24
4. El mtodo de Gauss.............................................................................. 26
5. Rango y teorema de Rouch-Frbenius.......................................... 34
6. Sistemas homogneos.......................................................................... 38
7. Determinantes y regla de Cramer.................................................... 41
7.1. Determinantes de segundo orden ..................................................... 41
7.2. Determinantes de tercer orden .......................................................... 43
7.3. Determinantes de orden n................................................................. 44
7.3.1. Propiedades de los determinantes.......................................... 45
7.3.2. Regla de Cramer para los sistemas n n ................................ 49
8. Matriz inversa....................................................................................... 55
Resumen....................................................................................................... 59
Ejercicios de autoevaluacin .................................................................. 61
Solucionario................................................................................................ 64
Glosario........................................................................................................ 76
Bibliografa................................................................................................. 77
FUOC P00/75004/00191 5 Matrices, vectores y sistemas de ecuaciones lineales
Introduccin
Muchos problemas tcnicos y cientficos requieren la resolucin de sistemas
deecuaci ones li neales . Es un tema fundamental para todas las disciplinas que
utilizan las matemticas de una manera u otra. En muchos problemas existe
una dependencia entre las diferentes magnitudes o variables que intervienen
y a menudo la planteamos en forma de ecuacin lineal. Otras veces representa
una buena aproximacin al problema objeto de estudio.
En este mdulo estudiaremos de forma sistemtica los sistemas de ecuaciones
lineales. Pero para profundizar en su conocimiento, abordaremos previamente
el estudio de las matri ces y los vect ores como tablas de nmeros. Este estudio
nos conducir a introducir la estructura de espacio vectorial, que tiene valor
por s misma y se aplica a muchos campos como, por ejemplo, los grficos 3D.
Estudiaremos a continuacin el mt od o d e Gauss para resolver efectivamente
los sistemas.
Provistos con las consecuencias de la nocin de i ndependenci a li neal de vec-
t ores, podremos abordar la definicin y el clculo del rango , que nos permite
discutir los sistemas con ayuda del teorema de Rouch-Frbenius . Finalmen-
te, introduciremos el concepto de determinante , que permitir dar frmulas
cerradas para las soluciones de los sistemas y ayudar en la discusin de si st e-
mas con parmetros.
Evariste Galois
(1811-1832)
empez a interesarse por las
matemticas a los 15 aos, y
tres aos despus ya public
un trabajo importante. Com-
prometido en contra de las in-
justicias polticas, los sucesos
de las revoluciones de 1830 lo
condujeron, indirectamente, a
una muerte prematura a los 21
aos. A pesar de todo, dej
una produccin matemtica
trascendental en el campo de
la teora de las ecuaciones.
Objetivos
Se pretende que, estudiando los conceptos de este mdulo y con los ejemplos
y actividades que se incluyen, se alcancen los objetivos siguientes:
1. Dominar el lgebra de matrices.
2. Entender los conceptos de espacio vectorial, independencia lineal y base,
as como aprender a expresar un vector en una base.
3. Saber resolver sistemas por el mtodo de Gauss.
4. Aprender a determinar el rango de una matriz.
5. Conocer las propiedades de los determinantes y la regla de Cramer.
6. Dominar el teorema de Rouch-Frbenius y saber discutir un sistema con
parmetros.
7. Saber plantear problemas lineales.
1. Preliminares
Empecemos por recordar algunas nociones bsicas.
Consideremos los sistemas lineales de dos ecuaciones y dos incgnitas siguientes:
Realizando las grficas de cada uno de los sistemas de ecuaciones se obtiene:
El primer sistema representa dos rectas que se cortan en el punto (2, 1) y tiene una
solucin nica. El segundo caso representa dos rectas paralelas y no tiene solu-
cin. El tercero corresponde a dos rectas coincidentes y tiene infinitas soluciones.
Tratndose de sistemas de dos ecuaciones y dos incgnitas no hay ms casos.
En realidad, stos son los casos emblemticos para sistemas con ms ecuacio-
nes e incgnitas.
En estos trminos, los tres casos del ejemplo quedan clasificados de la forma
siguiente: el primero es compatible y determinado; el segundo es incompati-
ble y el tercero, compatible e indeterminado.
Ahora estudiaremos los sistemas de ecuaciones lineales en general y determi-
naremos cuntas soluciones tienen y cmo calcularlas. Pero antes conviene
introducir la notacin matricial, que ser muy til.
Denominamos sistema compatible al sistema que admite soluciones,
es decir, si existen valores de x, y que satisfacen el sistema. En caso con-
trario recibe el nombre de incompatible . Decimos que un sistema es
compati ble determi nado si admite una nica solucin. En caso con-
trario recibe el nombre de compati ble i ndetermi nado .
2x 3y 7 = +
2x 3y 1 =

2x +3y =4
2x 3y 6 = +

2x 3y + 6 =
4x 6y 12 = +

a) Rectas secantes b ) Rectas paralelas c) Rectas coincidentes

2. Matrices
Introducimos ahora las definiciones y notaciones que utilizaremos.
Un sistema de m ecuaciones lineales y n incgnitas x
1
, x
2
, ..., x
n
o variables con-
siste en un conjunto de mecuaciones de la forma siguiente:
(1)
donde las a
ij
y las b
i
son escalares conocidos, y el rango de variacin de los ndices
es1 i m, 1 j n. El coeficiente a
ij
es el factor que multiplica x
j
en la i-sima
ecuacin, y el coeficiente b
i
es el trmino independiente de la i-sima ecuacin.
De este modo, los coeficientes a
i j
del sistema de ecuaciones (1) forman una ma-
triz m n, que denotamos como A y que llamamos matri z del si stema .
Pongamos A =(a
i j
)
1 i m, 1 j n
para indicar que A es la matriz m n que tiene
por elementos los a
ij
. Cuando sean claros los rangos de variacin de i y de j
escribimos simplemente A =(a
i j
).
Designemos por L(m, n ) el conjunto de las matrices m n, (m filas y n colum-
nas).
Podemos agrupar tambin las x
j
en forma de matriz de una sola columna y n
filas, que llamamos vector col umna y que denotamos como x. Los trminos
independientes b
j
tambin pueden ser agrupados en forma de vector columna
dem filas y los llamamos b . De este modo, tenemos:
Una matriz m n es una tabla de nmeros a
ij
donde se tiene 1 i m,
1 j n, que dispondremos en m filas y n columnas:
(2)
La nocin de matriz
fue introducida en 1857
por los matemticos britnicos
W. Hamilton y A. Cayley. El pri-
mero que utiliz la palabra
matriz fue J. J Sylvester para
indicar una ordenacin deter-
minada de nmeros.
a
11
x
1
a
12
x
2
a
1n
x
n
+ + + b
1
=
a
21
x
1
a
22
x
2
a
2n
x
n
+ + + b
2
=
a
m1
x
1
a
m2
x
2
a
mn
x
n
+ + + b
m
=
,
Arthur Cayley
(1821 - 1895)
Matemtico ingls que desta-
c por sus contribuciones a la
teora de matrices, determi-
nantes, geometra n-dimensio-
nal y, en colaboracin con su
gran amigo Sylvester, por sus
contribuciones a la llamada
teora de los invariantes y las
lgebras de dimensin finita.
A
a
11
a
21
a
1n
a
21
a
22
a
2n
a
m1
a
m2
a
mn
( ,
, (
, (
, (
j \
=
Advertencia
Para no confundirnos denota-
mos las matrices con negrita,
con el objetivo de distinguirlas
de los nmeros o elementos.
x
x
1
x
2
x
n ( ,
, (
, (
, (
, (
j \
b
b
1
b
2
b
m ( ,
, (
, (
, (
, (
j \
. = =
.
.
.
.
.
.
2.1. Producto de matrices
Definimos el producto de C, de m filas y k columnas, por una matriz D, de k
filas y n columnas, como la matriz E de m filas y n columnas siguiente:
donde el elemento e
ij
de la i-sima fila y j-sima columna del producto E se ob-
tiene multiplicando los elementos de la i-sima fila de C por los elementos de
la j-sima columna de D y sumando:
De forma abreviada escribimos:
E =C D
o bien omitiendo el punto, simplemente E = CD.
La operacin de multiplicar matrices es una aplicacin:
y, por lo tanto, para poder multiplicar dos matrices es necesario que la matriz
de la izquierda tenga el mismo nmero de columnas que el nmero de filas de
la matriz de la derecha.
Con estas notaciones, el sistema (1) se escribe de la forma:
A x =b . (3)
Ejemplo 1
Cundo es factible la multiplicacin de dos matrices? Por ejemplo, hagamos la multiplica-
cin matricial indicada:
Para poder multiplicar A y B es necesario que el nmero de columnas de A sea igual al de las
filas de B. En el ejemplo dado el nmero de columnas de A y de filas de B es el mismo, 4, y
el producto es posible. Cada elemento del producto tendr 4 sumandos. El resultado es una
matriz de 3 filas (nmero de filas de A) y 2 columnas (nmero de columnas de B) que pre-
sentamos a continuacin:
e
11
e
1n
e
m1
e
mn
( ,
, (
, (
j \
c
11
c
1k
c
m1
c
mk
( ,
, (
, (
j \
d
11
d
1n
d
k1
d
kn
( ,
, (
, (
j \
, =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
e
i j
c
i 1
d
1j
c
i 2
d
2j
c
i k
d
kj
c
i l
d
l j .
l 1 =
k
= + + + =
En el producto
de matrices...
... observamos que el nmero de
columnas de la matriz de la iz-
quierda y el de las filas de la ma-
triz de la derecha es el mismo (k).
:L m k) L k n , ( ) L mn , ( ). , (
3 1 0 4
1 0 3 1
2 5 1 0
( ,
, (
, (
j \
2 1
3 2
4 0
1 3 ( ,
, (
, (
, (
, (
j \
.
7 7
13 4
23 8
( ,
, (
, (
j \
.
Adems de la matriz del sistema (2), tambin utilizamos la matri z ampl i ada ,
obtenida a partir de la matriz del sistema aadiendo la columna de los trmi-
nos independientes:
(4)
Ejemplo 2
Dado el sistema de ecuaciones siguiente:
escribimos la matriz del sistema y la matriz ampliada. Escribimos el sistema de la forma que
expresa la ecuacin (3).
Matriz del sistema:
Matriz ampliada:
Sistema:
2.2. Suma de matrices
La suma de dos matrices m n es igual a la matriz m n que se obtiene suman-
do los elementos correspondientes:
a
11
a
12
a
1n
a
21
a
22
a
2n
a
m1
a
m2
a
mn
b
1
b
2
b
m
( ,
, (
, (
, (
, (
, (
, (
j \
.
.
.
.
.
.
.
.
.
.
2x 3y 6z + 7 =
3y z + 1 =
x 4y z + 4 =
,
2 3 6
0 3 1
1 4 1 ( ,
, (
, (
j \
.
2 3 6
0 3 1
1 4 1
7
1
4
( ,
, (
, (
j \
.
2 3 6
0 3 1
1 4 1
( ,
, (
, (
j \
x
y
z
( ,
, (
, (
j \
7
1
4
( ,
, (
, (
j \
. =
c
11
c
12
c
1n
c
21
c
22
c
2n
c
m1
c
m2
c
mn
( ,
, (
, (
, (
, (
j \
d
11
d
12
d
1n
d
21
d
22
d
2n
d
m1
d
m2
d
mn
( ,
, (
, (
, (
, (
j \
+ =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
c
11
d
11
+ c
12
d
12
+ c
1n
d
1n
+
c
21
d
21
+ c
22
d
22
+ c
2n
d
2n
+
c
m1
d
m1
+ c
m2
d
m2
+ c
mn
d
mn
+
( ,
, (
, (
, (
, (
j \
E , = =
.
.
.
.
.
.
.
.
.
o, en trminos de los elementos:
Ejemplo 3
Hagamos esta suma:
Solucin:
Es fcil comprobar que la suma de matrices es asociativa y que la matriz 0 , que
tiene todos sus elementos iguales a 0, es el elemento neutro de la suma.
Tambin podemos asociar a cada matriz A su opuesta, A, que tiene por ele-
mentos los opuestos de los de A. La suma de A y de A da la matriz 0. Final-
mente, la suma es conmutativa.
Las propiedades que acabamos de mencionar permiten definir la estructura de
grupo.
As, (L(m,n),+) es un grupo conmutativo.
Resumiendo, la suma de matrices tiene las propiedades siguientes. Para
todo A, B, C:
1) (A + B) +C =A +(B +C) asociativa
2) A +0 =0 +A =A elemento neutro (5)
3) A +(A) = 0 elemento opuesto
4) A +B =B +A conmutativa
Todo conjunto en el que hay definida una operacin que tiene las pro-
piedades (1), (2) y (3) recibe el nombre de grup o. Si, adems, tiene la
propiedad conmutativa (4), decimos que es un grupo conmutati vo.
Propi edades i nmedi atas
1 ) Dado un conjunto dotado con una operacin interna (que denota-
remos por +), si existe un elemento neutro 0 tal que para todo a se ve-
rifica que a +0 =0 +a =a, entonces este elemento es nico.
e
i j
c
i j
d
i j
. + =
3 1 0
1 0 3
2 5 1
4
1
0 ( ,
, (
, (
, (
j \
8 1 0 4
3 2 1
5 5 8
4
3
2 ( ,
, (
, (
, (
j \
. +
1 1 9 4
2 2 4
7 0 7
0
2
2 ( ,
, (
, (
, (
j \
.
William Rowman
Hamilton (1805-1865)
Matemtico nacido en Dubln,
fue un nio precoz que a los
cinco aos, adems de ingls,
lea latn, griego y hebreo; a los
diez, francs, italiano, rabe y
snscrito, y a los catorce persa.
Abandon el estudio de las len-
guas para consagrarse a las ma-
temticas. Son importantes sus
trabajos sobre nmeros irracio-
nales (Algebra as the Science of
Pure Time, 1933-1835).
Demostraci n
1 ) Supongamos que existe otro neutro 0 con las mismas propiedades. Por el he-
cho de que el 0 es el elemento neutro, se tendr 0 +0 =0. Por el hecho de que 0
tambin es neutro, se tendr 0 +0 =0. Por lo tanto, 0 =0, y el neutro es nico.
2 ) Supongamos que a tuviese otro opuesto a. Siendo la operacin asociativa,
tendramos:
3 ) Resulta como corolario de los anteriores.
4 ) De a + (a) =0 se deduce que a es opuesto de (a), y por la unicidad del
opuesto en un grupo, igual a (a).
5 ) Para probarlo slo tenemos que aadir c por la derecha a cada lado de la
ecuacin y utilizar la propiedad asociativa.
2.3. Matrices cuadradas
Cuando las matrices tienen el mismo nmero n de filas y de columnas habla-
mos de matrices cuadradas. Si consideramos el conjunto de las matrices cua-
dradas, L(n, n), siempre las podemos sumar de dos en dos y multiplicar de dos
en dos. En este caso, adems de la matriz 0 (el elemento neutro de la suma),
debemos introducir la matriz identidad I que est formada por unos en la dia-
gonal principal y ceros en todo el resto:
2 ) Si en un conjunto como el anterior, adems, la operacin es asocia-
tiva y cada elemento a tiene un opuesto a tal que a + a =a + a =0,
entonces este elemento es nico.
3 ) En un grupo el elemento neutro es nico, y el elemento inverso (el
opuesto en notacin +) asociado a cada elemento del grupo tambin
es nico.
4 ) En un grupo, (a) =a.
5) En un grupo siempre se puede simplificar. Es decir,
a c b c a + = + b . =
a 0 a a a + ( ) a a a a + ( ) a 0 a. = + = + = + = + =
O
0 0 0
0 0 0
0 0 0
( ,
, (
, (
, (
, (
j \
=
.
.
.
.
.
.
.
.
.
Conviene destacar que la multiplicacin de matrices no es conmutativa, es decir:
Ejemplo 4
Comprobemos en este ejemplo que A B B A:
Sean A, B, C matrices cuadradas cualesquiera de L(n,n). Adems de las
propiedades por la suma (5), el producto de matrices cuadradas cumpli-
r tambin las siguientes propiedades:
1 ) (A B) C = A (B C) asociativa
2 ) A I = I A = A elemento neutro (6)
3 ) A (B + C) = A B + A C
(A + B) C = A C + B C distributiva
En general: A B B A.
Un conjunto A dotado con dos operaciones: una suma, con las propie-
dades de grupo conmutativo, y un producto con las propiedades (5) y
(6), es un ani llo con uni dad. Si, adems, el producto es conmutativo,
diremos que A es un anillo conmutativo con unidad .
En un anillo conmutativo se cumplen las relaciones que presentamos a
continuacin:
1 )
2 )
3 )
I
1 0 0
0 1 0
0 0 1
( ,
, (
, (
, (
, (
j \
. =
.
.
.
.
.
.
.
.
.
A
1 3
2 1
( ,
j \
B
1 1
3 2
( ,
j \
. = =
AB
10 7
1 0
( ,
j \
BA
1 4
1 11
( ,
j \
. = =
a 0 0. =
a b ( ) a b ( ) a ( ) b. = =
a ( ) b ( ) a b. =
Demostraci n
1 ) Utilizando las propiedades distributiva y elemento neutro de la suma, resulta:
Y, simplificando, resulta a 0 = 0.
2 ) Utilizando la propiedad anterior, el opuesto de la suma y la propiedad dis-
tributiva, resulta:
3 ) Resulta de la anterior y de (a) = a.
2.4. La transpuesta de una matriz
Dada una matriz, en ocasiones interesa intercambiar sus filas y sus columnas. La
matriz resultante se llama matriz transpuesta, y la denotaremos como A
t
.
As pues, si A =(a
ij
) y A
t
=(a
t
ij
) tendremos a
t
ij
=a
j i
.
Ejemplo 5
Escribamos una matriz 3 4 y su transpuesta.
Es muy sencillo demostrar que:
(A + B)
t
A
t
+ B
t
(A B)
t
B
t
A
t
Diremos que una matriz cuadrada que sea igual a su transpuesta es simtrica .
Las matrices que son simtricas lo son respecto a la diagonal principal, y no
cambian al intercambiar filas por columnas.
Ejemplo 6
La matriz siguiente:
es simtrica: A =A
t
, es decir: a
ij
=a
ji
i, j.
a 0 a 0 0 + ( ) a 0 a 0. + = =
a b ( ) a b ( ) 0 a b ( ) a 0 a b ( ) a b b ( ) + ( )= + = + = + =
a b ( ) a b + ( ) a b ( ) 0 a b ( ) a b ( ). = + = + =
A
3 1 0 4
1 0 3 1
2 5 1 0
( ,
, (
, (
j \
=
A
t
3 1 2
1 0 5
0 3 1
4 1 0 ( ,
, (
, (
, (
, (
j \
. =
A
1 2 3
2 5 6
3 6 7 ( ,
, (
, (
, (
j \
=
Tambin tienen inters las matrices con la propiedad de que su transpuesta es
igual a su opuesta. En este caso diremos que la matriz es antisimtrica . Las ma-
trices antisimtricas tienen necesariamente ceros en la diagonal principal.
Actividades
1. Sean las matrices siguientes:
Comprobad que A B B A.
2 . El producto de una matriz por s misma se denota en forma de potencia. De este modo,
pondremosA A A = A
3
, etc.
Dada la matriz A = calculad:
a)
b)
3 . Demostrad que (A B)
t
= B
t
A
t
.
4. Si A es una matriz 4 6:
a) Es posible calcular A
t
A y A A
t
?
b ) Si es posible hacerlo, cuntas filas y cuntas columnas tiene A
t
A?
c ) dem con A A
t
.
d ) Tienen alguna otra caracterstica especial las matrices anteriores?
5 . Dada la matriz:
probad que si =ad bc 0, entonces la matriz
es inversa de A, es decir A A
t
= A
t
A = I .
6 . Sean:
Probad que:
Qu tipo de matriz es A?
7. Dadas tres matrices cuadradas n n A, B, C, probad la propiedad asociativa de la multipli-
cacin, es decir, (A B) C = A (B C).
A
2 5
1 3 ( ,
, (
j \
B
3 1
4 8 ( ,
, (
j \
= =
7 2
1 2 ( ,
, (
j \
2A
3
5A
2
4A 3I . + +
A
t
A .
A
a b
c d ( ,
, (
j \
=
A
t
1
---
d b
c a ( ,
, (
j \
=
x
x
y
1 ( ,
, (
, (
, (
j \
A =
a
11
a
12
a
1
a
12
a
22
a
2
a
1
a
2
a ( ,
, (
, (
, (
j \
=
x
t
A x a
11
x
2
2a
12
xy a
22
y
2
2a
1
x 2a
2
y a. + + + + + =
3. Espacios vectoriales
Las matrices admiten tambin otra operacin, que es la multiplicacin de un
nmero o escalar. Estre producto se hace multiplicando cada elemento de la
matriz por el nmero en cuestin.
Un conjunto dado de una operacin interna (que llamaremos suma) con es-
tructura de grupo conmutativo (5) y una multiplicacin por escalares (elemen-
tos de un cuerpo) con las propiedades (7) decimos que tiene estructura de
espacio vectorial (sobre el cuerpo de los escalares).
Nos interesa destacar esta estructura de espacio vectorial que tienen las matri-
ces y que tambin tienen otros muchos conjuntos matemticos, como por
ejemplo los polinomios.
La estructura de espacio vectorial de las matrices nos permitir profundizar en
el tratamiento de los sistemas de ecuaciones.
La multiplicacin por escalares tambin tiene propiedades caractersticas
y fciles de demostrar. Para todo A, B, , se verifican las propiedades que
presentamos a continuacin:
1 ) (A) =() A asociativa
2) 1 A =A elemento neutro (7)
3 ) ( +) A =(A) +(A)
(A+B) =(A) +(B) distributiva
El conjunto de matrices de L(m,n) con la suma y la multiplicacin por
escalares forman un espacio vectorial.
En un espacio vectorial se verifican las relaciones siguientes:
1)
2 )
3 )
Para representar
los escalares...
... utilizamos las letras griegas
(lambda) y (mu).
0 a 0. =
0 0 =
1 ( ) a a =
Demostraci n
1 ) En efecto, 0 a =(0 +0) a =0 a +0 a. Por lo tanto, aadiendo 0 a a
los dos miembros y usando la asociatividad, resulta: 0 a =0.
2 ) La demostracin es anloga a la anterior.
3 ) Utilizando las propiedades de espacio vectorial y la propiedad (1) resulta:
a =a + 0 a =a + (1 + (1)) a = a + (1 a + (1) + (1) a) =
=(a +a) + (1) a =0 + (1) a =(1) a
Ahora estudiaremos de forma detallada las caractersticas de los espacios vec-
toriales.
Para fijar ideas y por tratarse del espacio vectorial ms natural, consideraremos el
conjunto de vectores-columna (o matrices de n filas y una sola columna).
La suma y la multiplicacin por escalares en E
n
estn definidas, siguiendo el
apartado anterior, as:
y cumplen las propiedades (5) y (7), que lo configuran como espacio vectorial.
3.1. Dependencia e independencia lineal
LlamamosE
n
o espaci o vectori al de n di mensi ones sob re l os nmeros
reales al conjunto de vectores-columna de n componentes reales:
Dado un conjunto de vectores {v
1
,v
2
..., v
k
}de E
n,
decimos que son l i -
nealmente i ndependi entes si y slo si la igualdad:
(9)
v
v
1
v
2
v
n
( ,
, (
, (
, (
, (
j \
. =
.
.
.
v w
v
1
v
n
( ,
, (
, (
j \
w
1
w
n
( ,
, (
, (
j \
+ = +
v
1
w
1
+
v
n
w
n
+
( ,
, (
, (
j \
=
.
.
.
.
.
.
.
.
.
v
v
1
v
n
( ,
, (
, (
j \
=
v
1
v
n
( ,
, (
, (
j \
=
.
.
.
.
.
.
1
v
1

2
v
2

k
v
k
+ + + 0 =
Por ejemplo, los vectores siguientes:
(10)
son linealmente independientes, ya que de la ecuacin:
se deriva:
1
=
2
=... =
n
= 0.
Adems, los vectores de (10) verifican la propiedad de que todo vector de E
n
puede descomponerse de la forma:
(11)
que se expresa diciendo que v es combinacin lineal de los vectores u
1
, ..., u
n
.
Ejemplo 7
Los vectores siguientes:
son linealmente dependientes, ya que podemos comprobar que:
es decir, hay una combinacin lineal de ellos igual a 0 donde no todos los escalares son 0.
Observamos que cualquier conjunto de vectores que contiene el vector 0 es li-
nealmente dependiente, ya que 0 =0 para cualquier 0, y por lo tanto en
la combinacin lineal habr un escalar diferente de 0.
La definicin de independencia lineal que hemos visto no tiene en cuenta el
orden en el que se dan los vectores (por la propiedad conmutativa de la suma
de vectores).
se verifica nicamente para
En el caso contrario decimos que son l i neal mente dependi entes.
1

2

k
0. = = = =
u
1
1
0
0
0
( ,
, (
, (
, (
, (
, (
j \
, u
2
0
1
0
0
( ,
, (
, (
, (
, (
, (
j \
, , u
n
0
0
0
1
( ,
, (
, (
, (
, (
, (
j \
= = =
.
.
.
.
.
.
.
.
.
1
u
1

2
u
2

n
u
n
+ + +
n
( ,
, (
, (
, (
, (
j \
0 = =
.
.
.
v
v
1
v
n
( ,
, (
, (
j \
v
1
u
1
v
n
u
n
+ + = =
.
.
.
v
1
1
2
5
( ,
, (
, (
j \
v
2
2
3
1
( ,
, (
, (
j \
v
3
5
7
2
( ,
, (
, (
j \
= = =
v
1
3v
2
v
3
+ 0, =
Supongamos que tenemos un conjunto de vectores v
1
, ..., v
k
linealmente de-
pendiente, es decir, tal que hay constantes reales
i
no todas nulas para las que
se verifica (9). Si, por ejemplo, se cumple
i
0, entonces se puede aislar v
i
de
la forma siguiente:
Decimos que v
i
es combinacin lineal de los restantes vectores del conjunto
v
1
, ..., v
k
.
Recprocamente, si v es combinacin lineal de v
1
, ..., v
k
, entonces los vectores
v, v
1
, ..., v
k
son linealmente dependientes.
3.2. Bases
Los vectores (10) son una base de E
n,
ya que verifican las dos condiciones an-
teriores, como ya hemos visto. Este conjunto de vectores recibe el nombre de
b ase canni ca de E
n
.
Demostraci n
En efecto, sea {e
1
, ..., e
k
}una base del espacio. Por la segunda condicin de la
definicin de base, cualquier vector v de E
n
puede ser expresado en esta base,
es decir, existen v
1
, ..., v
k
escalares tales que:
Es obvio tambin que cualquier subconjunto de un conjunto de vecto-
res linealmente independientes es linealmente independiente.
Decimos que un conjunto de vectores {e
1
, ..., e
k
}es una base de E
n
si:
1 ) {e
1
, ..., e
k
}son linealmente independientes,
2 ) todo vector de E
n
puede expresarse como combinacin lineal de
{e
1
, ..., e
k
}.
Proposi ci n 1
La expresin de un vector en una base es nica
v
i
i
-----v
1

i 1
i
----------v
i 1

k
i
-----v
k
. =
v v
1
e
1
v
k
e
k
. + + =
Si hubiese otra expresin de v en la base dada, por ejemplo la siguiente:
restando las dos ecuaciones obtendramos:
Como los e
i
son linealmente independientes (por la primera condicin de la
definicin de base), esta ecuacin implica:
v
1
v
1
=v
2
v
2
=... =v
k
v
k
=0 es decir, v
1
= v
1
, ..., v
k
=v
k
y por lo tanto las dos expresiones de v son idnticas. Es decir, la expresin es
nica, que es lo que queramos demostrar.
Ahora analizaremos cmo son las bases de E
n
.
Demostraci n
Debemos ver que {v, u
2
, ..., u
n
}cumplen las dos condiciones necesarias para
ser una base:
1 ) Probamos que son linealmente independientes:
De la ecuacin:
(12)
se deriva:
Los coeficientes v
i
que multiplican los vectores e
i
de la base se llaman
componentes del vector v en la base {e
1
, . . . , e
k
}.
Proposi ci n 2
Sean v
1
, ..., v
n
los componentes del vector v en la base cannica (10)
{u
1
, ..., u
n
}:
Entonces, si v
1
0, los vectores {v, u
2
, ..., u
n
}forman una nueva base de E
n
.
v v
1
e
1
v
k
e
k
+ + =
0 v
1
v
1
( )e
1
v
k
v
k
( ) e
k
+ + =
v v
1
u
1
v
n
u
n
. + + =
1
v
2
u
2

n
u
n
+ + + 0 =
1
v
1
u
1
v
n
u
n
+ + ( )
2
u
2

n
u
n
+ + + 0 , =
que implica:
y por la independencia lineal de los vectores de la base cannica, resulta:
Como por hiptesis se cumple v
1
0, la primera de las ecuaciones anteriores
implica
1
=0 y, sustituyendo esta solucin en las otras, se obtiene:
2
=... =
n
=0.
Por lo tanto, queda probado que (12) implica que
i
=0 para todo i =1, ..., n
y los vectores son linealmente independientes.
2 ) Debemos ver que todo vector w de E
n
se puede expresar como combinacin
lineal de {v, u
2
, ..., u
n
}.
A partir de la expresin (11) de v en la base cannica, teniendo en cuenta que
v
1
0, obtenemos:
(13)
Sea ahora w un vector cualquiera, que expresado en la base cannica es:
Empleando (13) obtenemos:
que prueba que cualquier vector de E
n
se puede escribir como combinacin li-
neal de los vectores {v, u
2
, ..., u
n
}
Teorema 1: teorema de Steinitz
Si {e
1
, ..., e
k
}son kvectores de E
n
linealmente independientes (con k n),
entonces podemos sustituir k vectores convenientemente elegidos de la
base cannica (10) {u
1
,.., u
n
}para formar una nueva base de E
n
.
1
v
1
u
1

1
v
2

2
+ ( )u
2

1
v
n

n
+ ( ) u
n
+ + + 0 , =
1
v
1
0,
1
v
2

2
+ 0, ,
1
v
n

n
+ 0, = = =
u
1
1
v
1
-----v
1
v
2
v
1
-----u
2

v
n
v
1
-----u
n
. =
w w
1
u
1
w
n
u
n
. + + =
w w
1
1
v
1
-----v
v
2
v
1
-----u
2

v
n
v
1
-----u
n
( ,
j \
w
2
u
2
w
n
u
n
+ + + = =
w
1
v
1
------v w
2
w
1
v
2
v
1
------------
( ,
j \
u
2
w
n
w
1
v
n
v
1
------------
( ,
j \
u
n
+ + + =
Demostraci n:
Sean {e
1
, ... e
k
}linealmente independientes. Por lo tanto, e
1
0. Ponemos:
Algn componente a
1j
ser diferente de 0, ya que, si no, e
1
sera 0. Para fijar
ideas suponemos que es a
11
0.
Para la proposicin 2 podemos formar la nueva base [e
1
, u
2
, ..., u
n
]. Si k >1,
expresamos e
2
en la nueva base:
Necesariamente, alguno de los a
22
, a
23
, ..., a
2n
debe ser diferente de cero, ya que
si no, la expresin anteri or i mpl i car a que {e
1
, e
2
}son linealmente depen-
dientes, contra la hiptesis. Supongamos tambin, para fijar ideas, que sea
a
22
0. Aplicando nuevamente la proposicin 2 pasaremos a la nueva base
{e
1
, e
2
, u
3
. . . , u
n
}.
Continuando por el mismo procedimiento llegaremos a sustituir k vectores
convenientemente elegidos de la base cannica por los vectores {e
1
, ..., e
k
}, tal
como queramos.
De aqu se deducen inmediatamente los teoremas siguientes.
As, pues, el teorema 2 nos dice que no podemos tener una cantidad de vec-
tores mayor que l a di mensi n del espaci o y que sean l i neal mente i ndepen-
dientes.
Ejemplo 8
Dados los dos vectores:
Teorema 2
Todo conjunto {v
1
, ..., v
k
}de vectores de E
n
linealmente independientes
consta de k n vectores, y es una base si y slo si k = n.
Teorema 3
El nmero de vectores de todas las bases de E
n
es n, y decimos que n es
la di mensi n de E
n
.
e
1
a
11
u
1
a
1n
u
n
. + + =
e
2
a
21
e
1
a
22
u
2
a
2n
u
n
. + + + =
e
1
0
3
2
( ,
, (
, (
j \
e
2
0
1
1
( ,
, (
, (
j \
. = =
a) Comprobemos que son linealmente independientes.
b ) Formemos una base de E
3
completando {e
1
, e
2
}con vectores de la base cannica.
Sol uc i n
a) La ecuacin
1
e
1
+
2
e
2
=0 l l eva al si stema 3
1

2
=0, 2
1
+
2
=0, que i mpl i ca
1
=
2
=0. Por lo tanto, son linealmente independientes.
b) Siguiendo la construccin del teorema de Steinitz y la proposicin 2, empezamos por sus-
tituir e
1
por un vector conveniente de la base cannica. Como el primer componente de e
1
en la base {u
1
, u
2
,u
3
}es 0, no podemos sustituir u
1
por e
1
. En cambio, e
1
s que puede sustituir
u
2
, ya que el segundo componente es diferente de 0. De este modo, tenemos la nueva base
{u
1
,e
1
,u
3
}.
Tenemos:
de donde resulta:
Ahora tenemos que expresar e
2
en la nueva base. Tendremos:
Como el componte segn u
3
es diferente de 0, resulta que e
2
puede sustituir a u
3
. De este
modo, finalmente tenemos la base {u
1
, e
1
,e
2
}
Todava podemos expresar u
2
y u
3
en la nueva base:
Ejemplo 9
Escribamos la base cannica para el espacio vectorial de las matrices n m. Qu dimensin
tiene?
La base cannica estar formada por cada una de las matrices que tienen un 1 en una posi-
cin diferente y todo el resto 0.
e
1
0
3
2
( ,
, (
, (
j \
3u
2
2u
3
, = =
u
2
1
3
---e
1
2
3
---u
3
. + =
e
2
0
1
1
( ,
, (
, (
j \
u
2
u
3
+
1
3
---e
1
2
3
---u
3
+
( ,
j \
u
3
+
1
3
---e
1
1
3
---u
3
. + = = = =
u
3
e
1
3e
2
+ =
u
2
1
3
---e
1
2
3
--- e
1
3e
2
+ ( ) + e
1
2e
2
. + = =
1 0 0
0 0 0
0 0 0
( ,
, (
, (
, (
, (
j \
,
0 1 0
0 0 0
0 0 0
( ,
, (
, (
, (
, (
j \
, ,
0 0 1
0 0 0
0 0 0
( ,
, (
, (
, (
, (
j \
0 0 0
1 0 0
0 0 0 ( ,
, (
, (
, (
, (
j \
,
0 0 0
0 1 0
0 0 0 ( ,
, (
, (
, (
, (
j \
, ,
0 0 0
0 0 1
0 0 0 ( ,
, (
, (
, (
, (
j \
0 0 0
0 0 0
1 0 0 ( ,
, (
, (
, (
, (
j \
,
0 0 0
0 0 0
0 1 0 ( ,
, (
, (
, (
, (
j \
, ,
0 0 0
0 0 0
0 0 1 ( ,
, (
, (
, (
, (
j \
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Es inmediato comprobar que las matrices anteriores son linealmente independientes y que
toda matriz puede expresarse como combinacin lineal de stas. En consecuencia, forman
una base y la dimensin del espacio vectorial de las matrices n m es n m.
3.3. Subespacios vectoriales y rango
Consideremos un conjunto F de vectores de E
n
tales que si contiene los vecto-
res v y w tambin contiene su suma v + w, y con cada vector v contiene tam-
bin el producto para cualquier nmero , es decir, v.
En un conjunto as, cada vector v contiene su opuesto v =(1)v. Por lo tanto,
con cada par de vectores v y w contiene su diferencia v w y de este modo
contiene el cero. Esto hace que sea un subgrupo del grupo aditivo de los vec-
tores de E
n
. Como adems tambin contiene el producto de cada vector por
cualquier escalar, y las propiedades (5) y (7) continan siendo vlidas, el con-
junto F en cuestin tiene estructura de espacio vectorial, y decimos que es un
subespaci o vectori al de E
n
.
Ejemplo 10
El conjunto de mltiplos de un vector v cualquiera es un subespacio vectorial, es decir, tene-
mos que:
En particular, si v es el vector 0 , el subespacio se reduce al vector 0, que por s solo constituye
un sub espaci o vectori al tri vi al, que decimos que es de dimensin 0.
Si v 0 , entonces, el subespacio F
1
tiene dimensin 1, ya que v es una base de F
1
.
De forma anloga podemos definir los generadores de F.
Decimos que un conjunto de vectores F E
n
es un subespaci o vectori al
d e E
n
si, y slo si:
1 ) Para cada dos vectores v y w que contiene, contiene tambin su
suma v + w.
2 ) Para cada vector v que contiene, contiene tambin su producto por
cualquier escalar , es decir, contiene v.
Dados k vectores {v
1
, ..., v
k
}, el conjunto siguiente:
es un subespaci o vectori al de E
n
, que l l amamos sub esp ac i o vec t o-
ri al gen erad o p or l os vec t ores {v
1
, ..., v
k
}. Deci mos que l os vectores
{v
1
, ..., v
k
}son un c on jun t o d e gen erad ores d e F.
F
1
v R. =
F
1
v
1

k
v
k

1
R, ,
k
R + + =
Por el teorema 2, en E
n
no puede haber ms de n vectores linealmente inde-
pendientes. Por lo tanto, F no puede contener tampoco ms de n vectores li-
nealmente independientes.
De este modo, la dimensin de un subespacio vectorial F de E
n
es menor o
igual que n, y es igual al nmero de vectores que contiene cualquier base de F.
(Todas tienen el mismo nmero, segn el anlogo del teorema 3 para los sub-
espacios).
En particular se tiene que el rango es menor o igual que k.
Actividades
8 . Consideremos los vectores e
1
=(2, 0, 3) y e
2
=(1, 3, 5):
a) Probad que son linealmente independientes.
b ) Es posible completar con u
3
para formar una base de E
3
? Por qu?
c) Expresad un vector cualquiera v =(v
1
, v
2
, v
3
) en la nueva base.
d ) Expresad u
1
y u
2
en la nueva base.
9 . Consideremos los mismos vectores {e
1
,e
2
}de la actividad 8:
a) Encontrad una nueva base del subespacio generado por {e
1
,e
2
}que est formada
por e
1
y otro vector tal que su primer componente expresado en la base cannica
sea 0. Es posible? Por qu?
b ) Expresad e
2
en la nueva base.
10. Decid si son subespacios vectoriales los subconjuntos de R
3
siguientes:
a)
b )
c)
11. Sea F(R,R) el conjunto de funciones reales de variable real. Decid si son subespacios
vectoriales los subconjuntos de F(R,R) siguientes:
a)
b )
c)
Llamaremos rango de un conjunto de k vectores {v
1
, ..., v
k
}de E
n
a la
dimensin del subespacio que generan.
El rango...
... lo representamos con la letra
griega (ro), correspondiente
a nuestra r.
En el prximo apartado de este
mismo mdulo didctico
aprenderemos a determinar el rango de
un conjunto de vectores. Lo haremos por
el mtodo de Gausss.
e
2
x y z , , ( ) R
3
: 3x 2y z + + 0. =
x y z , , ( ) R
3
: 5x 2y 7z + 3. =
x y z , , ( ) R
3
: x 0.
f F R, R ( ) : f 1 ( ) k. =
f F R, R ( ) : f 0 ( ) 2f 1 ( ) . =
f F R, R ( ) : f x ( ) f
2
x ( ) . =
4. El mtodo de Gauss
Comencemos ahora el estudio de los sistemas de ecuaciones lineales. Dado un
sistema de ecuaciones lineales (1), lo que nos interesa es saber si tiene solucio-
nes y cules son.
Por ello podemos transformarlo en otro equivalente, en el sentido de que, te-
niendo las mismas soluciones, sea ms fcil de resolver. Hay sistemas que tie-
nen una solucin inmediata.
Por ejemplo, el sistema:
es inmediato de resolver por sustitucin hacia atrs: aislamos la z en la tercera
ecuacin, despus la sustituimos en la segunda para aislar la y, y, finalmente,
sustituimos la y y la z en la primera y aislamos la x. De este modo, tenemos:
Decimos que un sistema como el del ejemplo est en forma triangular, ya que
la matriz del sistema tiene ceros en la parte inferior izquierda de la diagonal
principal.
En el objetivo de reducir el sistema a otro con las mismas soluciones pero ms
sencillo, el mtodo de Gauss utiliza tres tipos de transformaciones que presen-
tamos a continuacin.
El mtodo de Gauss consiste en ir transformando el sistema de partida
en otro equivalente, de tal modo que nos acerquemos, paso a paso, a un
sistema como el del ejemplo, con ceros en la parte inferior izquierda. Ya
discutiremos cul es la forma final ms simple que podemos obtener.
3x 2y z + + 1 =
y 2z 2 =
2z 1 =

z
1
2
--- =
y 2 2z + 2 2
1
2
---
( ,
j \
+ 1 = = =
x
1
3
--- 1 2y z ( )
1
3
--- 1 2
1
2
--- +
( ,
j \
1
6
--- = = =
.
Karl F. Gauss
(1777-1855)...
... llamado Princeps Mathemati-
corum (prncipe de los matem-
ticos), ha sido, tal vez, el mayor
matemtico de la historia. Fue
tambin, como E. Galois, un
nio precoz: a los 3 aos descu-
bri un error de clculo en la
paga de los obreros que tena su
padre (no sabemos si a favor de
los obreros o de su padre).
Obviamente la primera y la tercera transformacin no modifican las soluciones.
Para probar que la segunda no modifica las soluciones del sistema, debemos
probar que toda solucin de (1) es solucin del sistema transformado siguiente:
(14)
y recprocamente.
Pero esto es obvio: toda solucin de (1) verifica (14), ya que la nica ecuacin
diferente, la j-sima, es una combinacin lineal de la i-sima y j-sima ecua-
ciones de (1), y recprocamente, toda solucin de (14) lo es de (1), ya que la
ecuacin diferente, la j-sima ecuacin de (1), es igual a la j-sima ecuacin de
(14) menos por la ecuacin i-sima.
El mtodo de Gauss empieza eligiendo como primera ecuacin una de las
ecuaciones del sistema por la que el coeficiente de la x
1
sea diferente de cero
(transformacin 1, si es necesario). El coeficiente de la x
1
de la primera ecua-
cin mencionado ser el primer pivote elegido. A partir de aqu dejamos fijada
la primera ecuacin:
A continuacin reducimos a cero los restantes coeficientes de x
1
en las otras
ecuaciones (transformacin 2 para cada ecuacin), utilizando el pivote elegi-
do. Para ello restamos a cada una de las dems ecuaciones la primera ecuacin
multiplicada por el coeficiente de x
1
en la misma ecuacin y dividida por el
Transformaciones empleadas por el mtodo de Gauss:
a) Transformacin 1: permutar dos filas entre s.
b ) Transformacin 2: aadir a una fila una paralela previamente multi-
plicada por un nmero.
c) Transformacin 3: multiplicar (o dividir) una fila por un nmero di-
ferente de cero.
a
11
x
1
a
1n
x
n
+ + b
1
=
a
i 1
x
1
a
in
x
n
+ + b
i
=
a
j 1 1 ,
x
1
a
j 1 n ,
x
n
+ + b
j 1
=
a
j 1
a
i 1
+ ( )x
1
a
jn
a
in
+ ( )x
n
+ + b
j
b
i
+ =
a
j 1 1 , +
x
1
a
j 1 n , +
x
n
+ + b
j 1 +
=
a
m1
x
1
a
mn
x
n
+ + b
m
=

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
11
x
1
a
12
x
2
a
1n
x
n
+ + + b
1
. =
.
.
.
.
.
.
.
.
.
.
.
.
pivote. De este modo sustituimos la fila i por la fila i menos la fila 1 multipli-
cada por La nueva fila i ser:
De este modo la ecuacin resultante tendr coeficiente de la x
1
igual a cero.
Esto lo hacemos para las filas que van de la 2 hasta n.
A continuacin seleccionamos, entre las ecuaciones transformadas, una que
tenga el coeficiente de la x
2
diferente de cero y la ponemos como segunda
ecuacin. Si todas tuviesen coeficiente de la x
2
nulo pasaramos a la x
3
, etc. To-
mando como pivote el primer coeficiente no nulo de la que hemos elegido
como segunda ecuacin, repetimos el proceso con el resto de las ecuaciones y
as sucesivamente.
Procediendo as, acabaremos reduciendo el sistema completamente a una for-
ma que tiene ceros en la parte inferior izquierda de forma escalonada.
Pongamos un ejemplo de ello.
Ejemplo 11
Resolvamos el sistema siguiente:
Fijamos la primera ecuacin, ya que el coeficiente de la x es 2 y es diferente de cero.
ste ser el primer pivote. Para eliminar la x en la segunda ecuacin multiplicamos la
primera por 1/2 y la sumamos a la segunda. Para eliminarla de la tercera, multiplica-
mos la primera por 3/2 y la sumamos a la tercera. con estas operaciones, el sistema
queda reducido a:
A continuacin tomamos como pivote el coeficiente de la y en la segunda ecuacin, es decir,
7/2. Por lo tanto, dejamos fijada tambin esta ecuacin y eliminamos la y de la tercera. Para
hacer esto, debemos multiplicar la segunda ecuacin por 1/7 y sumarla a la tercera. El sistema
ser ahora:
Cuando hayamos llegado a este punto, el sistema habr quedado triangular. Podemos aislar
laz de la ltima ecuacin y tendremos:
z =1.
a
i 1
a
11
-------.
0 a
i 2
a
i 1
a
11
-------a
12
( ,
j \
x
2
a
i 3
a
i 1
a
11
-------a
13
( ,
j \
x
3
a
in
a
i 1
a
11
-------a
1n
( ,
j \
x
n
+ + + + =
b
i
a
i 1
a
11
-------b
1
. =
2x 3y z + + 6 =
x 2y 5z 5 =
3x 5y 3z + + 8 =
.
2x + 3y + z = 6
7 2y 11 2z = 2
1 2y + 3 2z = 1

.
2x + 3y + z = 6
7 2y 11 2z = 2
5 7z = 5 7
.
Sustituyndola en la segunda, podemos aislar la y:
Finalmente, sustituyendo z e y en la primera obtendremos:
Una forma ms clara de seguir el procedimiento es utilizar la notacin matricial. La matriz
ampliada del sistema dado es:
En el primer paso hemos elegido como pivote el coeficiente a
11
=2, y lo que hemos hecho
ha sido multiplicar la primera fila por 1/2 y sumar el resultado a la segunda, y multiplicar la
primera fila por 3/2 y sumar el resultado a la tercera. El resultado es ahora:
En el segundo paso, el pivote elegido es a
22
=7/2. Repetimos la operacin multiplicando la
segunda fila por 1/7 y sumando el resultado a la tercera. Con esto obtenemos la matriz trian-
gular:
(15)
No todos los sistemas tendrn siempre una nica solucin, como suceda en
el ejemplo anterior. Veamos un caso de ello en el ejemplo siguiente:
Ejemplo 12
Resolvamos el sistema siguiente:
La matriz del sistema es:
Aplicndole el mtodo de Gauss (segunda transformacin tres veces) obtenemos la matriz si-
guiente:
La matriz final tiene una fila menos que incgnitas, y ahora resulta que tenemos un grado
de libertad para elegir la z, que puede tomar cualquier valor; esto se debe a que la tercera ecua-
cin, que es la que queda con esta variable, es 0 z =0, que se cumple para cualquier valor
real de z. Ponemos, entonces, z =t.
y
2
7
--- 2
11
2
------z +
( ,
j \
2
7
--- 2
11
2
------
( ,
j \
1. = = =
x
1
2
--- 6 3y z ( )
1
2
--- 6 3 1 + ( ) 2. = = =
2 3 1
1 2 5
3 5 3
6
5
8 ( ,
, (
, (
, (
j \
.
2 3 1
0 7 2 11 2
0 1 2 3 2
6
2
1
( ,
, (
, (
j \
.
2 3 1
0 7 2 11 2
0 0 5 7
6
2
5 7
( ,
, (
, (
j \
.
x y z + 0 =
2x 3z + 5 =
x 5y z + + 10 =
.
1 1 1
2 0 3
1 5 1
0
5
10
( ,
, (
, (
j \
.
1 1 1
0 2 1
0 4 2
0
5
10
( ,
, (
, (
j \ 1 1 1
0 2 1
0 0 0
0
5
0
( ,
, (
, (
j \
.
Sustituyendo esta expresin en y, y las dos en x, obtenemos que la solucin general del siste-
ma depende de un parmetro arbitrario t, y es la siguiente:
En la eliminacin podemos encontrarnos en la situacin de tener que permu-
tar filas (primera transformacin), ya que el elemento diagonal que en princi-
pio tomaramos como pivote se ha anulado.
No hay ningn inconveniente en permutar filas para obtener un pivote diferen-
te de cero y poder continuar as el proceso de eliminacin en forma triangular,
pero tambin puede ocurrir que todos los elementos de la columna sean cero.
Ejemplo 13
Ponemos un ejemplo con cinco variables x
1
, x
2
, x
3
, x
4
, x
5
.
Resolvemos el sistema que tiene la matriz ampliada siguiente:
Tomamos como pivote el elemento de la primera fila y primera columna a
11
, y reducimos a
cero los restantes de la primera columna. El resultado es:
Ahora tomamos como pivote el elemento de la segunda columna y tercera fila, y permuta-
mos as la segunda fila y la tercera:
De nuevo reducimos a cero los elementos restantes de la segunda columna:
En este ejemplo ha resultado, adems, que se han anulado tambin los restantes elementos
de la tercera columna.
z t =
y 1 2 5 z ( ) 1 2 5 t ( ) = =
x z y t 1 2 5 t ( ) 1 2 3t 5 ( ) = = =
.
1 1 2 0 2
1 1 2 0 3
1 0 2 3 6
1 2 2 4 4
2 2 4 0 5
1 1 2 0 1
3
5
1
6
8
1
( ,
, (
, (
, (
, (
, (
, (
, (
j \
.
1 1 2 0 2
0 0 0 0 1
0 1 0 3 4
0 1 0 4 6
0 0 0 0 1
0 0 0 0 1
3
2
2
3
2
2
( ,
, (
, (
, (
, (
, (
, (
, (
j \
.
1 1 2 0 2
0 1 0 3 4
0 0 0 0 1
0 0 0 1 2
0 0 0 0 1
0 0 0 0 1
3
2
2
3
2
2
( ,
, (
, (
, (
, (
, (
, (
, (
j \
.
1 1 2 0 2
0 1 0 3 4
0 0 0 0 1
0 0 0 1 2
0 0 0 0 1
0 0 0 0 1
3
2
2
1
2
2
( ,
, (
, (
, (
, (
, (
, (
, (
j \
.
Tomamos como pivote el elemento de la cuarta fila y cuarta columna. As, permutamos las
filas tercera y cuarta:
Finalmente, tomamos como pivote el elemento de la cuarta fila y quinta columna y el siste-
ma queda reducido completamente:
(16)
Podemos ahora expresar la solucin general de esta forma:
que, como vemos, depende de un parmetro arbitrario t (si bien en este ejemplo algunas in-
cgnitas tienen valor fijo, independientemente de t).
En este ejemplo hemos visto que, al reducir a cero los elementos de una co-
lumna (la segunda), se nos han reducido por azar los elementos de la si-
guiente. Cuando esto sucede podemos hacer tambin una permutacin de
columnas, con el objetivo de continuar colocando el nuevo pivote en la dia-
gonal principal de la matriz, siempre que permutemos tambin el orden de las
variables correspondientes. Cuando reducimos con este criterio hablamos de
pivotamiento total. Esto no aporta nada esencial a la solucin del sistema,
aparte del motivo esttico que supone que los pivotes estn en la diagonal
principal. Por esta razn generalmente no lo haremos.
Pero si queremos, podemos hacerlo. De este modo, partiendo del sistema en la
forma (16), podramos permutar las columnas tercera y cuarta y obtendramos:
Hemos tenido suerte, porque la tercera columna ha quedado automticamen-
te reducida sin necesidad de hacer nada ms. Nuevamente debemos permutar
1 1 2 0 2
0 1 0 3 4
0 0 0 1 2
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
3
2
1
2
2
2
( ,
, (
, (
, (
, (
, (
, (
, (
j \
.
1 1 2 0 2
0 1 0 3 4
0 0 0 1 2
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
3
2
1
2
0
0
( ,
, (
, (
, (
, (
, (
, (
, (
j \
.
x
5
2 =
x
4
1 2x
5
5 = =
x
3
t =
x
2
2 3x
4
4x
5
5 = =
x
1
3 x
2
2x
3
2x
5
+ 4 2t = =
x
1
x
2
x
4
x
3
x
5
1 1 0 2 2
0 1 3 0 4
0 0 1 0 2
0 0 0 0 1
0 0 0 0 0
0 0 0 0 0
3
2
1
2
0
0
( ,
, (
, (
, (
, (
, (
, (
, (
, (
, (
j \
.
la columna cuarta y la quinta para llevar el pivote de la quinta columna a la
diagonal principal. El resultado es:
La cuarta columna tambin ha quedado automticamente reducida. Adems, el
sistema est ya totalmente reducido. Las filas (o ecuaciones independientes) tie-
nen el pivote en la diagonal principal y las ecuaciones que no eran independien-
tes se han reducido a cero y podemos eliminarlas.
De donde obtenemos la solucin:
que, como vemos, coincide exactamente con la solucin dada con pivota-
miento parcial.
Las soluciones del sistema pueden ponerse tambin en forma de vectores co-
lumna:
Veamos ahora otro ejemplo.
Ejemplo 14
Resolvamos el sistema que tiene por matriz ampliada:
Procedemos a reducir la primera columna tomando como pivote el coeficiente a
11
=7. El re-
sultado es:
x
1
x
2
x
4
x
5
x
3
1 1 0 2 2
0 1 3 4 0
0 0 1 2 0
0 0 0 1 0
0 0 0 0 0
0 0 0 0 0
3
2
1
2
0
0
( ,
, (
, (
, (
, (
, (
, (
, (
, (
, (
j \
.
x
3
t =
x
5
2 =
x
4
1 2x
5
5 = =
x
2
2 3x
4
4x
5
5 = =
x
1
3 x
2
2x
3
+ 4 2t = =
x
x
1
x
2
x
3
x
4
x
5
( ,
, (
, (
, (
, (
, (
, (
j \ 4
5
0
5
2
( ,
, (
, (
, (
, (
, (
j \
t
2
0
1
0
0
( ,
, (
, (
, (
, (
, (
j \
. + = =
7 3 1
4 2 8
3 5 9
0
5
7
( ,
, (
, (
j \
.
7 3 1
0 26 7 60 7
0 26 7 60 7
0
5
7
( ,
, (
, (
j \
.
Tomamos como pivote el elemento de la segunda fila y segunda columna a
22
=26/7 y redu-
cimos la segunda columna:
Ahora el resultado consiste en que la tercera ecuacin es imposible y, por lo tanto, el sistema
no tiene ninguna solucin. Es un sistema incompatible.
Actividades
Resolved los sistemas de ecuaciones siguientes:
12.
13.
14.
15.
16.
7 3 1
0 26 7 60 7
0 0 0
0
5
12
( ,
, (
, (
j \
.
x y 5z + + 0 =
2x y 3z + 1 =
3x 4y z + 0 =
.
5x 2y z + 2 =
x y 3z + 8 =
2x 3y 2z + + 3 =
.
x z t + 2 =
2x y z + 1 =
x 3y 4z 7t + + 11 =
4x 3y z 2t + 1 =
2x 2y t + 2 =

.
4x 2y z 2 =
3x 5y 3z + + 2 =
x 7y 4z 2 =
.
2x
1
2x
2
2x
3
4x
4
4x
5
+ + 8 =
2x
4
4x
5
+ 2 =
x
1
4x
2
4x
3
4x
4
4x
5
+ + + + 1 =
x
1
3x
2
4x + +
3
x
2
4x
3
3 =
3x
1
3x
2
3x
3
4x
4
4x
5
+ + + + 1 =
.
5. Rango y teorema de Rouch-Frbenius
Hemos definido en el apartado 3 de este mismo mdulo didctico el rango de
un conjunto de vectores {v
1
, ..., v
k
}como la dimensin del subespacio que ge-
neran. Sean los vectores:
El mtodo de Gauss permite determinar su rango.
En efecto, ponemos los componentes de los vectores en forma de vectores-fila
y construimos la matriz correspondiente:
(17)
Aplicamos el mtodo de Gauss. Las transformaciones de Gauss convierten el
conjunto dado de vectores en otro conjunto que genera el mismo subespacio,
ya que la permutacin de filas (primera transformacin) no altera el conjunto,
y la segunda modifica el vector de la fila j utilizando el de la fila i en una trans-
formacin reversible:
cambia {v
i
, v
j
}por { , }={v
i
, v
j
+v
i
}
y esta transformacin se puede invertir:
{v
i
, v
j
}={ , }.
Teniendo en cuenta que los restantes vectores no cambian con una segunda
transformacin, los subespacios generados por {v
1
, ..., v
i
, ... v
j
, ..., v
k
}y por
{v
1
, ..., , ... , ..., v
k
}son los mismos, ya que toda combinacin lineal de
vectores del primer conjunto puede ponerse como combinacin lineal de los
vectores del segundo conjunto y recprocamente.
Por ltimo, la tercera transformacin obviamente tampoco altera el subespa-
cio generado.
v
1
v
11
v
12
v
1n
( ,
, (
, (
, (
, (
j \
, v
2
v
21
v
22
v
2n
( ,
, (
, (
, (
, (
j \
, , v
k
v
k1
v
k2
v
kn
( ,
, (
, (
, (
, (
j \
. = = =
.
.
.
.
.
.
.
.
.
v
11
v
12
v
1n
v
21
v
22
v
2n
v
k1
v
k2
v
kn
( ,
, (
, (
, (
, (
j \
.
.
.
.
.
.
.
.
.
.
v
i
v
j
v
i
v
j
v
i
v
i
v
j
En consecuencia, podemos utilizar el mtodo de Gauss y reducir la matriz (17).
El resultado ser una mat ri z escal onada, es decir, con la forma siguiente:
(18)
donde los son los pivotes que son estrictamente diferentes de cero y son
nmeros que pueden ser diferentes de cero o no. Los restantes elementos ha-
brn quedado reducidos forzosamente a cero.
Los vectores de la fila que han quedado son, por construccin, un conjunto
de generadores del subespacio que genera {v
1
, ..., v
k
}.
Pero adems son linealmente independientes, ya que en toda combinacin li-
neal nula de los vectores que se obtienen, el primer vector-fila debe estar mul-
tiplicado por cero para que el primer componente de la combinacin sea
siempre nulo, y de este modo sucesivamente para todo el resto de vectores-fila.
En consecuencia, los vectores resultantes forman un base del subespacio gene-
rado.
Adems, los vectores-fila que quedan forman una base del subespacio genera-
do.
Ejemplo 15
Para encontrar el rango de los vectores siguientes:
El rango de {v
1
, ..., v
k
}ser, entonces, igual al nmero de vectores-fila
diferentes de cero que hayan quedado despus de la reduccin comple-
ta por Gauss.
0 ... 0 0 ... 0 0 ... 0 0 ... 0
0 0 ... 0 ... 0 0 ... 0 0 ... 0
0 0 ... 0 0 ... 0 ... 0 0 ... 0
0 0 ... 0 0 ... 0 0 ... ...
0 0 ... 0 0 ... 0 0 ... 0 0 ... 0
0 0 ... 0 0 ... 0 0 ... 0 0 ... 0
( ,
, (
, (
, (
, (
, (
, (
, (
, (
, (
j \
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

v
1
1
1
2
0
2
3
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
2
1
1
2
0
3
5
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
3
1
0
2
3
6
1
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
4
1
2
2
4
4
6
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
5
2
2
4
0
5
8
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
6
1
1
2
0
1
1
( ,
, (
, (
, (
, (
, (
, (
, (
j \
= = = = = =
consideramos la matriz correspondiente de los vectores-fila:
y aplicamos el mtodo de Gauss. Esta matriz es la misma del ejemplo 13, donde hemos visto
que el resultado era:
Por lo tanto, el rango de {v
1
, ...,v
6
}es 4 y, adems, la reduccin gaussiana nos permite deter-
minar una base del subespacio que generan:
Consideremos ahora el mtodo de Gauss aplicado a sistemas desde la ptica
anterior. A partir de la matriz ampliada (4) llegaremos, por reduccin gaussia-
na, a una matriz de la forma:
donde hemos destacado la columna de los trminos independientes. Si en la
ecuacin final, de la forma 0 =, resulta que el segundo miembro es estricta-
mente diferente de cero, el sistema resultante ser incompatible, ya que con-
tendr una ecuacin imposible. En caso contrario, el sistema ser compatible.
Podemos definir ahora el rango de una matriz.
El rango de una matri z es el mximo nmero de filas linealmente in-
dependientes que contiene, y es igual, a la dimensin del subespacio ge-
nerado por las filas consideradas como vectores-fila.
1 1 2 0 2 3
1 1 2 0 3 5
1 0 2 3 6 1
1 2 2 4 4 6
2 2 4 0 5 8
1 1 2 0 1 1
( ,
, (
, (
, (
, (
, (
, (
, (
j \
1 1 2 0 2 3
0 1 0 3 4 2
0 0 0 1 2 1
0 0 0 0 1 2
0 0 0 0 0 0
0 0 0 0 0 0
( ,
, (
, (
, (
, (
, (
, (
, (
j \
v
1
1
1
2
0
2
3
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
2

0
1
0
3
4
2
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
3
0
0
0
1
2
1
( ,
, (
, (
, (
, (
, (
, (
, (
j \
, v
4
0
0
0
0
1
2
( ,
, (
, (
, (
, (
, (
, (
, (
j \
. = = = =
... ... ... ...
0 0 ... ... ... ...
0 0 ... 0 0... ... ...
0 0 ... 0 0... 0 0 ... ...
0 0 ... 0 0... 0 0 ... 0 0 ... 0
0 0 ... 0 0... 0 0 ... 0 0 ... 0
( ,
, (
, (
, (
, (
, (
, (
, (
, (
j \

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Recordemos que...
... para determinar el rango de
una matriz podemos emplear
el mtodo de eliminacin de
Gauss.
Con esta definicin ahora podemos continuar la discusin sobre el nmero de
soluciones del sistema y llegaremos a las conclusiones siguientes:
1 ) Cuando el rango de la matriz ampliada sea igual al de la matriz del sistema,
no puede aparecer ninguna ecuacin incompatible del tipo 0 =.
2 ) El rango de la matriz ampliada puede, sin embargo, superar el de la matriz
del sistema en una unidad. En este caso, necesariamente quedar la ltima
ecuacin de la forma 0 = y el sistema ser incompatible.
3 ) En lo que respecta al nmero de parmetros libres que tiene la solucin de
un sistema compatible, observemos que las variables a las que no haya queda-
do asociado ningn pivote pueden ser elegidas arbitrariamente, de forma que
las otras quedarn determinadas en funcin de stas. Teniendo en cuenta que
queda una ecuacin para cada pivote, el nmero de grados de libertad de la
solucin ser igual al de incgnitas menos el rango del sistema. Podemos
enunciar ya el teorema de Rouch-Frbenius.
Actividad
17. Comentad las actividades 10, 11, 12 , 13 y 14 desde el punto de vista del teorema de
Rouch-Frbenius.
Teorema 4: teorema de Rouch-Frbenius
Un sistema de ecuaciones lineales es compatible si el rango de la matriz
del sistema es igual al rango de la matriz ampliada, y es incompatible en
caso contrario.
El nmero de grados de libertad de un sistema compatible, o nmero de
parmetros del que depende la solucin del sistema, es igual al nmero
de incgnitas menos el rango de la matriz del sistema.
6. Sistemas homogneos
Matricialmente se expresa del siguiente modo:
A x =0 .
Es evidente que todo el sistema homogneo admite la solucin trivial:
o, brevemente, x = 0 .
Para los sistemas homogneos, la matriz ampliada contiene slo una columna
de ceros ms que la matriz del sistema, de forma que el rango de la matriz am-
pliada ser igual al rango de la matriz del sistema. La primera parte del teorema
de Rouch, aplicado ahora, nos dice que siempre tendr solucin, algo eviden-
te ya que x =0 es una solucin trivial. Pero en el caso de los sistemas homo-
gneos, las soluciones que interesan son precisamente las que no son triviales.
Para un sistema homogneo, si hay una solucin particular x
1
o, detalladamente,
Un sistema homogneo es aquel en el que el trmino independiente de
todas las ecuaciones es cero. Un sistema homogneo de m ecuaciones y
n incgnitas ser de la forma:
(19)
Se dice, por abuso de lenguaje, que un sistema homogneo que nica-
mente tenga la solucin trivial no tiene soluciones propias.
a
11
x
1
a
12
x
2
a
1n
x
n
+ + + 0 =
a
21
x
1
a
22
x
2
a
2n
x
n
+ + + 0 =
a
m1
x
1
a
m2
x
2
a
mn
x
n
+ + + 0 =
.
.
.
.
.
.
.
.
.
x
1
x
2
x
n
( ,
, (
, (
, (
, (
j \ 0
0
0
( ,
, (
, (
, (
, (
j \
=
.
.
.
.
.
.
x
x
1
x
2
x
n
( ,
, (
, (
, (
, (
j \
x
11
x
12
x
1n
( ,
, (
, (
, (
, (
j \
= =
.
.
.
.
.
.
entonces, si t es un parmetro arbitrario, x =t x
1
tambin es solucin. Es decir,
tambin es una solucin para todo t.
Si un sistema homogneo admite un conjunto de soluciones particulares x
i
,
para 1 i s, toda combinacin lineal de la forma
ser tambin solucin. Si ponemos las solucin en forma matricial, ser:
(20)
Estas proposiciones son consecuencia inmediata de las propiedades de las ope-
raciones con las matrices dadas en el apartado 2.
Ejemplo 16
Resolvamos el sistema
y pongamos la solucin en la forma de la frmula (20).
Partimos de la matriz del sistema:
Resulta ms cmodo tomar el primer pivote de la segunda ecuacin y permutar las filas una
y dos:
Reducimos a cero la primera columna. El resultado es:
x
1
x
2
x
n
( ,
, (
, (
, (
, (
j \
t
x
11
x
12
x
1n
( ,
, (
, (
, (
, (
j \
. =
.
.
.
.
.
.
x t
1
x
1
t
2
x
2
t
s
x
s
+ + + =
x
1
x
2
x
n
( ,
, (
, (
, (
, (
j \
t
1
x
11
x
12
x
1n
( ,
, (
, (
, (
, (
j \
t
2
x
21
x
22
x
2n
( ,
, (
, (
, (
, (
j \
t
s
x
s1
x
s2
x
sn
( ,
, (
, (
, (
, (
j \
. + + + =
.
.
.
.
.
.
.
.
.
.
.
.
5x 2y z 2w + + 0 =
x y 3z 7w + 0 =
2x 5y 10z 23w + + 0 =
5 2 1 2
1 1 3 7
2 5 10 23
0
0
0
( ,
, (
, (
j \
.
1 1 3 7
5 2 1 2
2 5 10 23
0
0
0
( ,
, (
, (
j \
.
1 1 3 7
0 7 16 37
0 7 16 37
0
0
0
( ,
, (
, (
j \
.
Ahora reducimos la segunda columna y el resultado es:
El sistema tiene rango dos y dos grados de libertad. La solucin es:
Finalmente, puesto en forma vectorial:
Actividades
18. Resolved el sistema de ecuaciones siguiente:
1 9. Resolved el sistema de ecuaciones siguiente:
2 2. Dado un sistema lineal homogneo de la forma A x =2 demostrad, utilizando las pro-
piedades de las operaciones con matrices y vectores dadas en el apartado 2 de este mismo m-
dulo didctico que, si x
1
, x
2
, ..., x
s
son soluciones particulares del sistema, entonces
tambin es solucin del sistema para todo conjunto de valores t
1
, t
2
, ..., t
s
reales.
1 1 3 7
0 7 16 37
0 0 0 0
0
0
0
( ,
, (
, (
j \
.
w t
1
=
z t
2
=
y 16 7 z 37 7 w 16 7 t
2
37 7 t
1
= =
x y 3z 7w + 5 7 t
2
12 7 t
1
+ = =
.
x
y
z
w ( ,
, (
, (
, (
, (
j \
t
1
12 7
37 7
0
1 ( ,
, (
, (
, (
, (
j \
t
2
5 7
16 7
1
0 ( ,
, (
, (
, (
, (
j \
+ t
1
12
37
0
7 ( ,
, (
, (
, (
, (
j \
t
2
5
16
7
0 ( ,
, (
, (
, (
, (
j \
. + = =
2x y 3z + 0 =
x 3y 7z + + 0 =
x 8y 24z + + 0 =
.
x y 5z + + 0 =
2x 2y 10z + + 0 =
3x 3y 15z 0 =
.
x y 5z + + 0 =
4x 7y 3z + 0 =
x 3y 2z + 0 =
.
x y 5z 3t + + 0 =
2x 3y z 2t + + 0 =
4x y 11z 4t + 0 =
x 4y 4z t 0 =
.
t
1
x
1
t
2
x
2
t
s
x
s
+ + +
7. Determinantes y regla de Cramer
Entre los sistemas de ecuaciones lineales adquieren especial importancia los
que tienen igual nmero de ecuaciones que de incgnitas, y particularmente
los que son determinados, ya que son los ms habituales en muchas aplicacio-
nes cientficas y tcnicas.
Hemos visto en el apartado anterior cmo se resuelve en la prctica cualquier
sistema de una forma efectiva y con pocas operaciones; pero si lo que desea-
mos es dar una frmula directa que exprese la solucin, entonces aparecen los
determinantes. Este problema interes a Leibnitz hacia 1678.
7.1. Determinantes de segundo orden
Empezamos por un sistema de dos ecuaciones y dos incgnitas:
Multiplicando la primera ecuacin por a
22
, la segunda por a
12
y restando para
eliminar x
2,
obtenemos:
Esta frmula nos sugiere definir el determinante de una matriz 2 2 del
modo siguiente:
Con esta definicin la ecuacin anterior se puede escribir:
Hacemos la misma operacin por x
2
y resulta:
Gotfried Wilhelm Leibnitz
(1646-1716)...
... hijo de un profesor de filoso-
fa de familia acomodada,
pronto se interes por la histo-
ria y el derecho. A los 8 aos
comenz a estudiar latn y
poco tiempo despus, griego.
Fue bachiller en 1663, y estu-
di geometra euclidiana y l-
gebra con el fsico Erhard
Weigel, y en 1666 defendi su
tesis, De arte combinatoria, con
la que obtuvo el ttulo de doc-
tor en filosofa. Interesado por
las mquinas y por los inge-
nios, en 1671 escribi su pri-
mera obra sobre la mecnica,
Hypothesis physica nova, e in-
vent una mquina de calcular
para aligerar el clculo a los as-
trnomos. Por sus trabajos de
diplomtico (sugiri a Luis XIV
que conquistase Egipto y que
atacase las colonias holandesas
de Asia) viaj a Londres y a Pa-
rs, donde Christian Huygens lo
inici seriamente en las mate-
mticas, algo que lo llev al
descubrimiento del clculo di-
ferencial e integral.
a
11
x
1
a
12
x
2
+ b
1
=
a
21
x
1
a
22
x
2
+ b
2
=

.
a
11
a
22
a
21
a
12
( ) x
1
b
1
a
22
b
2
a
12
. =
det C det
c
11
c
12
c
21
c
22
( ,
j \
c
11
c
12
c
21
c
22
c
11
c
22
c
12
c
21
. = = =
x
1
det A det
b
1
a
12
b
2
a
22
( ,
j \
. =
x
2
det A det
a
11
b
1
a
21
b
2
( ,
j \
. =
Ahora, si:
(21)
podemos aislar x
1
y x
2
y obtenemos:
Las frmulas anteriores reciben el nombre de regl a de Cramer . La condicin
(21) permite decidir si el sistema es compatible y determinado o no.
Podemos ilustrar as la regla para calcular un determinante de segundo orden:
Ejemplo 17
Dado el sistema siguiente, utilizemos la regla de Cramer para decidir si es o no es compatible
y determinado, y obtened en este caso la solucin:
El determinante del sistema es:
Por lo tanto el sistema es compatible y determinado, y las soluciones son:
Ejemplo 18
Dado el sistema:
discutid para qu valores del parmetro k el sistema es compatible y determinado, y en este
caso dad la solucin.
det A
a
11
a
12
a
21
a
22
0, =
x
1
b
1
a
12
b
2
a
22
a
11
a
12
a
21
a
22
--------------------------------- = x
2
a
11
b
1
a
21
b
2
a
11
a
12
a
21
a
22
---------------------------------. =
La notacin...
... de determinante fue intro-
ducida por A. Cayley en el ao
1839.
2x 5y + 7 =
3x 4y 4 =

2 5
3 4
23 0. = =
x
7 5
4 4
--------------------------
48
23
------ = = y
2 7
3 4
------------------------
13
23
------. = =
El uso matemtico de D D
Es muy habitual designar el de-
terminante del sistema con la le-
tra griega delta mayscula ().
3kx 8y + 2 =
4x 7y + 5 =


El determinantes del sistema es:
Por lo tanto, si:
el determinante es diferente de cero y el sistema es compatible y determinado. En este caso,
la solucin es:
7.2. Determinantes de tercer orden
En este subapartado consideramos sistemas de tres ecuaciones y tres incgnitas.
La bsqueda de combinaciones adecuadas de las ecuaciones que eliminen una
variable, para encontrarnos en un caso que ya sabemos resolver, lleva a definir
el determinante de orden tres.
Entonces, definimos el determinante de C de la forma siguiente:
(22)
De la definicin anterior, sustituyendo los determinantes de segundo orden,
resulta:
(23)
Dada una matriz:
llamamosmenor complementario
ij
de un elemento c
ij
al determinan-
te de segundo orden que se forma con los elementos de C que se obtienen
suprimiendo la fila y la columna correspondientes al elemento dado.
3k 8
4 7
21k 32. = =
k
32
21
------
x
2 8
5 7
----------------------------
54
21k 32
----------------------- = = y
3k 2
4 5
----------------------------
15k 8
21k 32
------------------------. = =
C
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
( ,
, (
, (
j \
, =
det C
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
c
11
11
c
21
21
c
31
31
+ = = =
c
11
c
22
c
23
c
32
c
33
c
21
c
12
c
13
c
32
c
33
c
31
c
12
c
13
c
22
c
23
. + =
det C c
11
c
22
c
23
c
12
c
23
c
31
c
13
c
21
c
32
+ + =
c
11
c
23
c
32
c
12
c
21
c
33
c
12
c
21
c
33
c
13
c
22
c
31
,
lo cual muestra la simetra de la definicin respecto a las permutaciones de n-
dices, y respecto a filas y columnas, por contraposicin a (22), donde destaca
especialmente una columna.
La definicin (22) o (23), aunque parezca arbitraria, es de hecho consecuencia
de generalizar, al caso 3 3, las frmulas para aislar las incgnitas que hemos
visto para sistemas 2 2.
La regla (23) para calcular un determinante de tercer orden recibe el nombre
de regla de Sarrus y puede ser ilustrada as:
Ejemplo 19
Calculemos el determinante siguiente:
Solucin
7.3. Determinantes de orden n
Podemos generalizar los determinantes para un orden n cualquiera. Dada una
matriz n n:
Definiremos el det A por la frmula siguiente:
(24)
donde la suma se extiende a todas las permutaciones (i
1
,i
2
..., i
n
) de los ndices
(1, 2, ..., n), y el signo corresponde a la paridad de la permutacin.
No pretendemos que entendis con toda claridad la definicin anterior, ya
que todava no hemos estudiado las permutaciones. No insistiremos, de este
Ved los apartados 7.1 y 7.3 de este
mismo mdulo didctico.
1 4 3
3 2 1
4 1 5
. =
1 2 ( ) 5 3 1 ( ) 3 ( ) 1 4 4 4 2 ( ) 3 ( ) 1 1 ( ) 1 3 4 5 + + 68. = =
a
11
a
12
a
1n
a
21
a
22
a
2n
a
n1
a
n2
a
nm
( ,
, (
, (
, (
, (
j \
.
det A 1 ( )
a
1i
1
a
2i
2
a
ni
n
=
modo, sobre esta frmula. nicamente la aplicaremos al caso n =3 para ver
cmo acta.
Las permutaciones de (1, 2, 3) son:
donde hemos puesto la paridad como subndice. La paridad de una permuta-
cin es positiva cuando el nmero de transposiciones o permutaciones de 2
ndices que es necesario hacer para llegar a la permutacin (1, 2, 3) es par, y
negativa si es impar. De este modo, la frmula (24) aplicada a los determinan-
tes de orden 3 dar:
que es idntica a la frmula (23) dada por la regla de Sarrus.
Las propiedades que ahora daremos de los determinantes son vlidas para los
determinantes de cualquier orden. Las demostraciones de estas propiedades,
hechas a partir de la definicin (24), son un poco tcnicas y no las ponemos
en el texto para no alargarlo innecesariamente. Podis consultarlas en la bi-
bliografa.
7.3.1. Propiedades de los determinantes
1) Desarrollo por una fila (o columna): adjunto. El valor de un determinan-
te es igual a la suma algebraica de los productos de los elementos de una fila
(o columna) cualquiera, por los menores complementarios correspondientes
afectados de un signo que depende de la posicin que ocupe el elemento, se-
gn la regla de signos siguiente:
El signo correspondiente a la posicin (i, j) es (1)
i+j
. La expresin resultante
equivale a desarrollar el determinante por los elementos de la fila (o colum-
na) correspondiente. De este modo, (22) no es ms que la expresin del de-
terminante de orden 3 desarrollado por la primera columna.
1 2 3 , , ( )
+
1 3 2 , , ( )
2 1 3 , , ( )
2 3 1 , , ( )
+
, 3 1 2 , , ( )
+
, 3 2 1 , , ( )
, , ,
det A a
11
a
22
a
23
a
11
a
23
a
32
a
12
a
21
a
33
+ =
a
12
a
23
a
31
a
13
a
21
a
32
a
13
a
22
a
31
, +
+ +
+
+ +
.
.
.
.
.
.
.
.
.
.
Llamamos adjunto C
ij
de un elemento c
i j
a su menor complementario dota-
do del signo que le corresponde en el anterior esquema de signos. Para cual-
quier ndice de fila (o columna) i, tenemos:
Esta propiedad es muy til para calcular efectivamente los determinantes, ya
que permite reducir el clculo de un determinante de orden n al clculo de de-
terminantes de orden n1.
2) Transponer. El valor del determinante de una matriz es igual a la de su
transpuesta, es decir, no se altera al intercambiar filas y columnas:
3) Permutar fi las o columnas. Al intercambiar entre s dos filas o bien dos co-
lumnas el valor de un determinante cambia de signo.
Por ejemplo, si intercambiamos la columna i por la j obtenemos:
4) Fi las o columnas i guales. Un determinante que tenga dos filas (o colum-
nas) iguales vale 0:
5) Suma de determinantes parecidos. La suma de dos determinantes que ten-
gan las filas (o las columnas) comunes excepto una es igual al determinante que
det C c
i 1
C
i 1
c
i 2
C
i 2
c
in
C
in
+ + + c
1i
C
1i
c
2i
C
2i
c
ni
C
ni
. + + + = =
c
11
c
12
c
1n
c
21
c
22
c
2n
c
n1
c
n2
c
nn
c
11
c
21
c
n1
c
12
c
22
c
n2
c
1n
c
2n
c
nn
. =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
c
11
c
1i
c
1j
c
1n
c
21
c
2i
c
2j
c
2n
c
n1
c
ni
c
nj
c
nn
=
.
.
.
.
.
.
.
.
.
.
.
.
c
11
c
1j
c
1i
c
1n
c
21
c
2j
c
2i
c
2n
c
n1
c
nj
c
ni
c
nn
. =
.
.
.
.
.
.
.
.
.
.
.
.
c
11
c
1i
c
1i
c
1n
c
21
c
2i
c
2i
c
2n
c
n1
c
ni
c
ni
c
nn
0. =
.
.
.
.
.
.
.
.
.
.
.
.
se obtiene con las filas (o columnas) comunes y la fila (o columna) no comn
formada por la suma de los elementos correspondientes de los determinantes
que sumamos:
6 ) Mul ti pl i caci n de una fi l a o col umna por un escal ar. Si multiplicamos
todos los elementos de una fila o columna por un escalar, el determinante
queda multiplicado por el mismo nmero:
No debemos confundir la operacin de multiplicar una fila de la matriz por un
escalar con la operacin de multiplicar la matriz por un escalar introducida en
el apartado 4 de este mdulo didctico. All todos los elementos de la matriz
quedaban multiplicados por el escalar.
Teniendo en cuenta esto (utilizando esta propiedad para cada una de las n filas
o bien n columnas de A) resultar:
7 ) Aadi r una fi la (o una columna) multi pli cada por un escalar a una pa-
ralela. Un determinante no vara si aadimos a una fila (o una columna) los
elementos de una paralela multiplicados por una misma constante:
8 ) Elementos de una fi la (o columna) por los adjuntos de una paralela. La
suma de los elementos de una fila (o una columna) por los adjuntos de una
paralela vale 0:
a
11
a
12
a
1n
c
21
c
22
c
2n
c
n1
c
n2
c
nn
a
11
a
12
a
1n
c
21
c
22
c
2n
c
n1
c
n2
c
nn
+ =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
11
a
11
+ a
12
a
12
+ a
1n
a
1n
+
c
21
c
22
c
2n
c
n1
c
n2
c
nn
. =
.
.
.
.
.
.
.
.
.
c
11
c
12
c
1n
c
21
c
22
c
2n
c
n1
c
n2
c
nn
c
11
c
12
c
1n
c
21
c
22
c
2n
c
n1
c
n2
c
nn
. =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
det A ( )
n
detA. =
c
11
c
12
c
1n
c
1j
+
c
21
c
22
c
2n
c
2j
+
c
n1
c
n2
c
nn
c
nj
+
c
11
c
12
c
1n
c
21
c
22
c
2n
c
n1
c
n2
c
nn
si j n. =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i 1
A
j 1
a
i 2
A
j 2
a
in
A
jn
+ + + 0 si i j. =
9) Determi nante de un producto de matri ces cuadradas. El determinante
de un producto de matrices es igual al producto de los determinantes de cada
matriz:
Las propiedades 1, 2, 3, 4, 5, 6, 7, 8 y 9 que acabamos de enunciar permiten
calcular determinantes sin necesidad de desarrollarlos por la frmula (24).
Para calcular un determinante podemos ir reduciendo a ceros los elementos de
una fila, como hacamos en el mtodo de Gauss, ya que la propiedad 7 nos au-
toriza a hacerlo, y despus utilizar 1 para desarrollar por aquella fila.
Ejemplo 20
Ved cmo calcular el determinante siguiente:
Para reducir a cero los elementos de la primera columna:
Multiplicamos la primera fila por 3 y la restamos de la segunda.
Multiplicamos la primera fila por 2 y la restamos de la tercera.
El resultado es:
Ahora, desarrollndolo por la primera columna, resulta:
Este mtodo es mucho ms eficiente para calcular determinantes que (23). La
utilidad de las frmulas (24) o (23) es ms terica que prctica. Sirve para de-
mostrar resultados u obtener expresiones compactas, pero se utiliza poco para
calcular efectivamente determinantes.
Las propiedades mencionadas tambin nos permiten asegurar que cierto de-
terminante es cero sin necesidad de desarrollarlo.
Ejemplo 21
Probemos que:
Solucin: en efecto, teniendo en cuenta que la tercera columna es la suma de las dos prime-
ras, y utilizando primero la propiedad (7) y despus la (5) obtenemos que el resultado es 0,
porque se trata de la suma de dos determinantes nulos (es decir, que valen 0).
det A B ( ) det A det B =
1 2 4
3 5 1
2 7 2
. =
1 2 4
0 1 11
0 11 6
. =
1 11
11 6
6 121 + 115. = = =
1 2 1
3 5 2
2 7 9
0. = =
7.3.2. Regla de Cramer para los sistemas n n
Consideremos ahora un sistema de n ecuaciones con n incgnitas:
Multiplicando la ecuacin i por el adjunto A
i1
y sumando por todo i resulta:
Para la propiedad 1 el primer parntesis vale det A, mientras que para la 8,
los restantes parntesis valen 0. Por lo tanto, la expresin anterior queda
reduci da a:
Podemos repetir el clculo anterior con los adjuntos de las columnas segunda,
tercera, ..., i-sima, respectivamente, y si:
(25)
obtenemos las frmul as de Cramer, tambin, para las dems variables:
(26)
donde:
a
11
x
1
a
12
x
2
a
1n
x
n
+ + + b
1
=
a
21
x
1
a
22
x
2
a
2n
x
n
+ + + b
2
=
a
n1
x
1
a
n2
x
2
a
nn
x
n
+ + + b
n
=
.
.
.
.
.
.
.
.
.
.
.
.
.
a
11
A
11
a
21
A
21
a
n1
A
n1
+ + + ( )x
1
+
a
12
A
11
a
22
A
21
a
n2
A
n1
+ + + ( )x
2
+ + +
a
1n
A
11
a
2n
A
21
a
nn
A
n1
+ + + ( )x
n
+ =
b
1
A
11
b
2
A
21
b
n
A
n1
. + + + =
x
1
det A
b
1
a
12
a
1n
b
2
a
22
a
2n
b
n
a
n2
a
nn
. =
.
.
.
.
.
.
.
.
.
det A 0
x
i

i
----- =
i
a
11
a
1 i 1 ,
b
1
a
1 i 1 + ,
a
1n
a
21
a
2 i 1 ,
b
2
a
2 i 1 + ,
a
2n
a
n1
a
n i 1 ,
b
n
a
n i 1 + ,
a
nn
=
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(27)
Observad que:
a) El determinante
i
se obtiene cambiando la columna i de por la columna
de trminos independientes.
b ) La condicin para que el sistema sea compatible y determinado se expresa
en (25).
Veamos un ejemplo de sistema 3 3.
Ejemplo 22
Utilicemos la regla de Cramer para discutir y resolver el sistema siguiente:
y, en consecuencia, el sistema es compatible y determinado. Para calcular las variables ten-
dremos:
Veamos un ejemplo 4 4:
Ejemplo 23
Resolvamos por Cramer el sistema siguiente 4 4:
a
11
a
12
a
1n
a
21
a
22
a
2n
a
n1
a
n2
a
nn
=
.
.
.
.
.
.
.
.
.
x 2y z + 1 =
5x 4y 3z + + 5 =
2x y 2z + + 6 =
1 2 1
5 4 3
2 1 2
1 4 2 5 ( ) 1 1 ( ) 2 3 2 2 4 1 ( ) + + = =
2 5 ( ) 2 1 3 1 50 0 =
x
1
50
------
1 2 1
5 4 3
6 1 2
40
50
------
4
5
--- = = =
y
1
50
------
1 1 1
5 5 3
2 6 2
48
50
------
24
25
------ = = =
z
1
50
------
1 2 1
5 4 5
2 1 6
86
50
------
43
25
------. = = =
x y 3z 2t + + 3 =
2x 4y 7z 2t + + 1 =
3x 2y 9z t + 6 =
x 3y z t + 0 =
.
Empleando como pivote el elemento de la primera fila y la primera columna, reducimos a
cero la primera columna:
Ahora podemos aadir la tercera columna a la primera, utilizando nuevamente la sptima
propiedad de los determinantes.
Obtenemos:
El sistema es de Cramer, y podemos calcular los determinantes
1
,
2
,
3
y
4
, que nos deter-
minarn x, y, z, t. De este modo:
lo cual permite obtener x:
Procediendo de forma similar, obtenemos:
Finalmente,
Como puede comprobarse, habra resultado mucho ms corto hacer los clculos con el m-
todo de Gauss.
Hemos visto que la teora de los determinantes permite una formulacin com-
pacta para resolver los sistemas n n. Pero el precio que se paga por este m-
todo es bastante elevado, ya que para resolver efectivamente un sistema es
mucho menos eficiente que el mtodo de Gauss.
1 1 3 2
2 4 7 2
3 2 9 1
1 3 1 1
. =
1 1 3 2
0 6 1 6
0
0
5
2
0 5
4 1
6 1 6
5 0 5
2 4 1
. = =
0 1 6
0 0 5
3 4 1
3 5 15 0. = = =
1
3 1 3 2
1 4 7 2
6 2 9 1
0 3 1 1
0 11 24 4
1 4 7 2
0 26 51 11
0 3 1 1
= = =
11 24 4
26 51 11
3 1 1
61 24 20
127 51 40
0 1 0
= = =
61 20
127 40
100, = =
x
100
15
----------
20
3
------. = =
2
80,
3
51 y
4
89. = = =
y
16
3
------, z
17
5
------, t
89
15
------. = = =
Podemos afirmar que los determinantes tienen un papel terico y permiten
sistematizar los resultados, mientras que en el momento de resolver sistemas
concretos, el mtodo eficiente y recomendado con carcter general es el m-
todo de Gauss.
Incluso cuando debemos calcular un determinante, lo hacemos reduciendo a
cero filas o columnas por el mtodo de aadir a una fila (o columna) otra fila
u otra columna multiplicada por una constante (propiedad 7), y repitiendo la
operacin tantas veces como sea necesario, sin utilizar directamente las defi-
niciones. En definitiva, el procedimiento de clculo regresa nuevamente al
mtodo de Gauss.
Los determinantes permiten tambin obtener una definicin alternativa a la
que ya hemos visto del rango de una matriz.
Con la definicin de menor podemos enunciar el teorema siguiente.
Para utilizar este teorema debemos encontrar un menor no nulo de orden tan
grande como seamos capaces, algo que nos indicar que los vectores de la fila
implicados son linealmente independientes. A continuacin, vamos amplin-
dolo con una fila y una columna, de modo que el nuevo determinante menor
contine siendo diferente de cero. Cuando todos los menores orlados del dado
sean nulos, habremos determinado el rango.
Veamos, de este modo, la utilidad terica de los determinantes ante la poten-
cia prctica del mtodo de Gauss. Los determinantes son un complemento ne-
cesario para discutir y sistematizar el estudio de los sistemas de ecuaciones,
pero para calcular las soluciones utilizaremos el mtodo de Gauss.
Llamamos determi nante menor de orden s s de una matriz a todo de-
terminante formado por s filas y s columnas extradas de la matriz dada.
Si la matriz tiene m filas y n columnas, el menor de orden mximo que
podemos formar ser de orden igual al menor de los dos nmeros m, n.
Teorema 5
El rango de una matriz es igual al orden del menor de orden mximo
diferente de cero.
Dada la simetra entre filas y columnas en un determinante, se deduce
fcilmente que en una matriz n m, el nmero de filas y el de columnas
linealmente independientes es el mismo.
Actividades
23. Utilizando determinantes, ved qu podemos decir a propsito de un sistema homo-
gneo de n ecuaciones y n incgnitas:
(28)
a) Cul es la condicin para que el sistema tenga soluciones no triviales?
b ) En el caso de que tenga, y que sta tenga a su vez 1 grado de libertad, qu expresin
podemos dar para la solucin?
24. Para qu valores de el sistema homogneo siguiente tiene soluciones no triviales?
En estos casos, encontradlas.
25. Determinad para que el sistema siguiente sea compatible:
26. Discutid las soluciones del sistema siguiente, segn los valores del parmetro :
27. Determinad para que el sistema tenga soluciones no triviales, y dad las soluciones
correspondientes en forma de vectores-columna.
28.
a) Demostrad que:
b ) Generalizando el mtodo anterior, calculad el determinante siguiente, conocido
como d et ermi nant e d e Vand ermond e:
a
11
x
1
a
12
x
2
a
1n
x
n
+ + + 0 =
a
21
x
1
a
22
x
2
a
2n
x
n
+ + + 0 =
a
n1
x
1
a
n2
x
2
a
nn
x
n
+ + + 0 =
.
.
.
.
.
.
.
.
.
.
20 ( ) x 9y 5z + 0 =
51x 23 ( )y 12z + 0 =
3x y 2 ( )z + 0 =
.
2x 3y z 2 =
x 2y 3z + 4 =
x 2y z + 3 =
x 2y 2z + 1 =
.
x y z + + 1 =
x y z + + =
x y z + +
2
=

.
x y z + + 0 =
3x y 2z + 0 =
2x 4y z + + 0 =
.
1 x x
2
1 y y
2
1 z z
2
x y ( ) y z ( ) z x ( ). =
1 x
1
x
1
2
x
1
n 1
1 x
2
x
2
2
x
2
n 1
1 x
n
x
n
2
x
n
n 1
.
.
.
.
.
.
.
.
.
.
.
.
.
Determinante
de Vandermonde
Determinante que tiene unos
en la primera fila, mientras que
la segunda fila es arbitraria y las
siguientes estn formadas por
las potencias sucesivas de los
elementos de la segunda fila.
Lo mismo se puede aplicar en
lo que respecta a las columnas.
29. Calculad este determinante:
a
11
a
12
a
13
a
1 n
0 a
22
a
23
a
2 n
0 0 a
33
a
3n
0 0 0 a
n n
.
.
.
.
.
.
.
.
.
.
.
.
.
8. Matriz inversa
Teniendo en cuenta que el determinante de un producto de matrices es igual
al producto de los determinantes y que el determinante de I es 1, para que A
tenga inversa es necesario que:
det A 0. (29)
Esta condicin es tambin suficiente a partir de la primera y la octava propie-
dad de los determinantes. Si se cumple (29), la matriz siguiente:
(30)
formada por los adjuntos de los elementos (transpuestos) divididos por el de-
terminante es inversa de A.
En efecto, si multiplicamos esta matriz por A, los elementos diagonales de la
matriz del producto correspondern a la suma de productos de los elementos
de una fila por los adjuntos de la misma fila y divididos por det A que, por la
propiedad 1 de los determinantes, es 1.
En cambio, los elementos no diagonales correspondern a la suma de produc-
tos de los elementos de una fila por los adjuntos de una paralela que, por la
propiedad 8 de los determinantes, es cero. As pues, la condicin necesaria y
suficiente para que A tenga inversa es (29).
La frmula (39) de la matriz inversa tiene, como siempre, ms utilidad terica
que prctica, ya que resulta muy costoso hacer el clculo de la inversa a partir
de sta. Podemos emplear tambin el mtodo de Gauss.
El mtodo de Gauss nos permite resolver simultneamente diferentes sistemas
considerando la matriz ampliada con una columna para cada segundo miem-
Diremos que la matriz cuadrada A tiene inversa si hay una matriz, que
denotaremos como A
1
, la cual verifica:
A A
1
A
1
A I. = =
Recordad la novena propiedad de
los determinantes
A
1 1
det A
---------------
A
11
A
21
A
n1
A
12
A
22
A
n2
A
1n
A
2n
A
nn
( ,
, (
, (
, (
, (
j \
=
.
.
.
.
.
.
.
.
.
bro. Aplicamos el mtodo de Gauss tomando como segundos miembros los
vectores columna:
los cuales, puestos como columnas de la matriz ampliada, forman la matriz
identidad. El sistema ser ahora:
o, en forma de matrices:
(31)
y la solucin ser precisamente X = A
1
.
La matriz ampliada del sistema ser:
Primero, la reducimos por el mtodo de Gauss a forma triangular. A continua-
cin, dividimos las filas por los elementos diagonales que han quedado, a fin
de convertirlos en unos. Finalmente, reducimos a cero tambin los elementos
del tringulo superior empleando el mtodo de Gauss de abajo a arriba y to-
mando como pivotes los unos de la diagonal principal. El resultado ser:
lo cual nos dar la matriz inversa X.
Ejemplo 24
Queremos encontrar la matriz inversa de A, donde:
1
0
0 ( ,
, (
, (
, (
, (
j \
,
0
1
0 ( ,
, (
, (
, (
, (
j \
, ,
0
0
1 ( ,
, (
, (
, (
, (
j \
.
.
.
.
.
.
.
.
.
a
11
a
1n
a
n1
a
nn
( ,
, (
, (
j \
x
11
x
1n
x
n1
x
nn
( ,
, (
, (
j \
1 0
0 1
( ,
, (
, (
j \
=
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
A X I =
a
11
a
1n
a
n1
a
nn
1 0
0 1
( ,
, (
, (
j \
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0
0 1
x
11
x
1n
x
n1
x
nn
( ,
, (
, (
j \
,
.
.
.
.
.
.
.
.
.
.
.
.
A
1 1 1
5 4 5
2 1 1
( ,
, (
, (
j \
. =
Para encontrarla, escribimos la matriz ampliada siguiente:
la cual reducimos por el mtodo de Gauss. En la primera triangulacin obtenemos:
Podemos continuar su reduccin multiplicando la tercera fila por 1 y la segunda tambin
por 1 para llenar de unos la diagonal principal. Finalmente, reduciremos a cero la parte su-
perior de la matriz del sistema. El resultado ser:
La matriz inversa es, por lo tanto:
Vemos as que el coste de encontrar la inversa de una matriz n n por el m-
todo de Gauss es resolver simultneamente n sistemas por Gauss con la propia
matriz del sistema, que es muy inferior a n veces el coste de resolver un siste-
ma; esto se debe a que, para cada sistema, nicamente debemos aadir los cl-
culos relativos a la columna correspondiente de la matriz ampliada.
Si hemos calculado la matriz inversa de A, tenemos automticamente la solu-
cin de cualquier sistema de la forma
A x = b
ya que multiplicando esta ecuacin por A
1
por la izquierda obtenemos lo si-
guiente:
x =A
1
b
Actividades
30. Calculad, si la hay, la inversa de la matriz siguiente por el mtodo de Gauss:
31.
a) Calculad la matriz inversa de:
1 1 1
5 4 5
2 1 1
1 0 0
0 1 0
0 0 1
( ,
, (
, (
j \
.
1 1 1
0 1 0
0 0 1
1 0 0
5 1 0
13 3 1
( ,
, (
, (
j \
.
1 0 0
0 1 0
0 0 1
9 2 1
5 1 0
13 3 1
( ,
, (
, (
j \
.
9 2 1
5 1 0
13 3 1
( ,
, (
, (
j \
.
1 2 4
2 5 3
3 1 4
( ,
, (
, (
j \
.
cos sen
sen cos
( ,
j \
.
b ) Comprobad que A A
t
=A
t
A =I.
c ) Las matrices que verifican la propiedad anterior reciben el nombre de ortogonales. Es
posible conseguir que la matriz siguiente sea ortogonal eligiendo a, b y c de forma adecuada?
3 5 4 13 a
4 5 3 13 b
0 12 13 c
( ,
, (
, (
j \
.
Resumen
Hemos visto que, para resolver efectivamente sistemas de ecuaciones lineales,
el mtodo de eliminacin de Gauss es el ms adecuado. Permite transformar-
los en forma escalonada con un mnimo de operaciones.
Por otro lado, la teora de los determinantes permite una formulacin terica ms
directa, pero los clculos son mucho ms complicados. Para un sistema n n de-
terminado, las frmulas de Cramer nos dan una expresin directa de las solucio-
nes. A pesar de ello, en el momento de calcular determinantes tambin utilizamos
el mtodo de Gauss.
Los sistemas de ecuaciones nos llevan, de forma natural, a introducir el con-
cepto de matriz y sus operaciones, reconociendo en ellas las estructuras de ani-
llo y de espacio vectorial.
El estudio de los espacios vectoriales aplicado a los sistemas de ecuaciones nos
permite introducir el concepto de rango de una matriz, y a partir de esto el teo-
rema de Rouch-Frbenius da la clave para saber si un sistema es compatible
o no, y si lo es, cuntos grados de libertad tiene la solucin general.
Los determinantes resultan tambin tiles para saber si una matriz tiene inver-
sa, y hemos llegado a la conclusin de que, para ello, es necesario nicamente
que su determinante sea diferente de cero.
Ejercicios de autoevaluacin
1 . Resolved los sistemas de ecuaciones siguientes:
2 . Discutid el sistema siguiente segn el valor del parmetro m. Resolvedlo por los valores de
m que hacen que sea compatible:
3 . Discutid este sistema segn los valores de a y b:
4. Consideremos los vectores v
1
=(1, 2, 0, 1), v
2
=(2, 1, 1, 3), v
3
=(1, 3, 2, 2) y v
4
=(4, 3, 0, 7).
a) Son linealmente independientes? Escribid esta condicin en trminos de determinantes.
b) Determinad el rango de {v
1
, v
2
, v
3
, v
4
}y dad una base del subespacio que generan.
c) Sustituid los vectores convenientes de la base cannica {u
1
, u
2
, u
3
, u
4
}por los vectores
encontrados en el apartado anterior para formar una nueva base de E
4
.
d) Expresad los vectores {v
1
, v
2
, v
3
, v
4
}en la nueva base, y determinad sus componentes
en esta nueva base.
5 . Encontrad la inversa de la matriz siguiente:
6 . Dada la matriz
3x y 2z + + 19 =
x 2y 3z + + 27 =
4x 2y 5z + + 42 =
.
3x y 2z + + 19 =
x 2y 3z + + 27 =
4x 3y 5z + + 42 =
.
3x y 2z + + 19 =
x 2y 3z + + 27 =
4x 3y 5z + + 46 =
.
3x y 2z + + 0 =
x 2y 3z + + 0 =
4x 2y 5z + + 0 =
.
3x y 2z + + 0 =
x 2y 3z + + 0 =
4x 3y 5z + + 0 =
.
x mz + m =
x y 3z + + 5 =
2x my + + 0 =
.
ax by z + + 1 =
x aby z + + b =
x by az + + 1 =
.
A
1
5
---
9 2 4
1 2 1
12 1 7
( ,
, (
, (
j \
=
A
2 1
4 2
( ,
j \
=
encontrad matrices B y C que cumplan A B = C A = 0 . Hay alguna matriz D diferente de
0 tal que A D = D A = 0 ?
7 . Lo mismo que en el ejercicio anterior, suponiendo que ahora A es tal que det(A)0.
8 . Una empresa tiene dos centros de produccin, uno en Lrida y otro en Matar. En cada
uno de los centros se han hecho las compras siguientes:
En Lrida se han comprado 1 tonelada de tinta, 2 toneladas de papel, 3 toneladas de
disolvente y 5 toneladas de madera.
En Matar se han comprado 2 toneladas de tinta, 6 toneladas de papel, 4 toneladas de di-
solvente y 3 toneladas de madera. Sabiendo que los precios para cada artculo son: tinta 3
u.m. (unidades monetarias), papel 2 u.m., disolvente 5 u.m. y madera 2 u.m.
a)Disponed esta informacin en dos matrices A y B de forma que A B nos d la cantidad
total que han gastado cada uno de los centros de produccin.
b) Encontrad otra matriz C, tal que operando convenientemente las tres matrices obtenga-
mos el total gastado entre los dos centros
c)Encontrad una matriz H que, operada convenientemente, nos d la cantidad total de
cada producto que han comprado entre los dos centros (es decir: 3 toneladas de tinta, 8
toneladas de papel...).
d) Al cabo de unos cuantos das, una vez agotado todo el material, deciden volver a hacer
la misma compra (los mismos productos y las mismas cantidades), pero el vector de pre-
cios es ahora (4, 2, 6, 7). Disponed esta informacin en dos matrices D y E de forma que
D E nos d por columnas las cantidades totales que han gastado los centros en cada una
de las compras que han hecho.
e)Cmo podemos encontrar la cantidad gastada entre los dos en cada una de las compras?
f)Cmo encontramos la cantidad total gastada entre los dos?
9 . Disponemos de tres aleaciones A, B y C, cuya composicin aparece en la tabla siguiente:
Mezclando las tres aleaciones podemos obtener diferentes productos con varias proporcio-
nes de plata, cobre y oro.
a) Encontrad una matriz tal que, multiplicndola por los kilogramos de A, de B y de C que
mezclemos, nos proporcione los kilogramos de plata, cobre y oro que hay en la mezcla fi-
nal. Cul es la suma de cada una de sus columnas?
b) Mezclando 50 kilogramos de A, 20 de B y 20 de C, cuntos kilogramos de plata, cobre y oro
habr en la mezcla resultante? Cul ser la proporcin de plata, cobre y oro en la mezcla final?
c) Mezclando 0,5 kilogramos de A, 0,2 de B y 0,3 de C, cuntos kilogramos de plata, cobre y
oro habr en la mezcla resultante? Cul ser la proporcin de plata, cobre y oro en la mezcla
final?
d) Podemos obtener una mezcla con el 20% de plata y el 80% de oro? Qu interpretacin
de la solucin podemos dar cuando alguna incgnita toma valor negativo?
e) Podemos obtener una mezcla con el 11,5% de plata, el 30,5% de cobre y el 58% de oro?
10. Supongamos que las composiciones de las aleaciones del ejercicio anterior son:
a) Podemos obtener una mezcla con el 20% de plata y el 80% de oro?
b) Podemos obtener una mezcla con el 11% de plata, el 27% de cobre y un 62% de oro?
Si hay diferentes posibilidades, de las que tienen valores positivos para las tres variables,
cul tiene una proporcin menor de plata? Cul tiene una proporcin mayor?
A B C
Plata 5% 10% 15%
Cobre 15% 25% 40%
Oro 80% 65% 45%
A B C
Plata 5% 10% 15%
Cobre 15% 25% 35%
Oro 80% 65% 50%
11. Se mezclan tres aleaciones A, B, C de las caractersticas siguientes:
para obtener una mezcla que tenga el 12% de plata, n% de cobre y el resto de oro. Plantead
el sistema correspondiente y discutidlo segn el valor de los parmetros m y n. Resolvedlo
cuando sea posible.
A B C
Plata 5% 10% 15%
Cobre 15% 25% m%
Oro 80% 65% 85 m%
Solucionario
Actividades
1 . Tenemos que:
As pues, efectivamente, A B B A.
2 .
3 . Como es habitual, escribiremos (A)
ij
=a
ij
y ( B)
j k
=b
jk
donde 1 i m, 1 j n y 1 k m.
Tambin tendremos, por definicin de la matriz transpuesta, que (A
t
)
ij
=a
ji
y (B
t
)
i j
=b
j i
.
Si consideramos ahora la matriz (A B)
t
, tenemos que ((A B)
t
)
ij
=(A B)
ji
=
Sin embargo:
con lo cual ((A B)
t
)
ij
=(B
t
A
t
)
i j
y las matrices (AB)
t
y B
t
A
t
son iguales.
4 . Tenemos:
y
Por lo tanto, los dos productos se pueden calcular. Observemos que, por las propiedades
de la matriz transpuesta:
y, por lo tanto, B
1
es simtrica. Comprobad que B
2
tambin es simtrica.
5 .
6 .
A B
2
1
5
3
( ,
j \
3
4
1
8
( ,
j \
26
9
38
25
( ,
j \
. = =
B A
3
4
1
8
( ,
j \
2
1
5
3
( ,
j \
7
0
12
44
( ,
j \
. = =
2A
3
5A
2
4A 3I + +
526 194
97 41
( ,
j \
=
A
t
A
7
2
1
2
( ,
j \
7
1
2
2
( ,
j \
50
16
16
8
( ,
j \
. = =
a
jk
b
ki
.
k 1 =
n
B
t
A
t
( )ij B
t
( )ik
k 1 =
n
A
t
( )kj b
ki
a
jk
k 1 =
n
a
j k
b
ki
.
k 1 =
n
= = =
A
t
A
t
= B
1
6 4 4 6 6 6
A A
t
= B
2
4 6 6 4 4 4
B
1
t
A
t
A ( )
t
A
t
A ( )
t
( )
t
A
t
A B
1
= = = =
a b
c d
( ,
j \
1
ad bc ( )
-----------------------
d b
c a
( ,
j \
( ,
j \
1
ad bc ( )
-----------------------
a b
c d
( ,
j \
d b
c a
( ,
j \
= =
1
ad bc ( )
-----------------------
ad bc 0
0 ad bc
( ,
j \
=
1 0
0 1
( ,
j \
. =
x y 1 ( )
a
11
a
12
a
1
a
12
a
22
a
2
a
1
a
2
a
( ,
, (
, (
j \
x
y
1
( ,
, (
, (
j \
=
x y 1 ( )
a
11
x a
12
y a
1
+ +
a
12
x a
22
y a
2
+ +
a
1
x a
2
y a + +
( ,
, (
, (
j \
= =
a
11
x
2
2a
12
xy a
22
y
2
2a
1
x 2a
2
y a. + + + + + =
As, pues, la matriz A es simtrica.
7 . Recordemos que ((AB)C)
ij
se obtiene haciendo el producto de la fila i de la matriz (AB) por
la columna j de C y, por lo tanto, podemos escribir:
Pero cada uno de los elementos de A B se obtiene haciendo:
sustituyendo los (AB)
im
por sus valores tenemos:
Haciendo los productos y reorganizando los sumatorios (lo cual puede hacerse por la pro-
piedad distributiva del producto respecto a la suma), obtenemos:
8 .
a) La ecuacin
1
e
1
+
1
e
1
=0 se escribe:
que, en componentes, lleva al sistema:
La nica solucin de este sistema es
1
=
2
=0. En consecuencia, e
1
y e
2
son linealmente
independientes.
b) Siguiendo el mtodo de la proposicin 2 y el teorema de Steinitz, a partir de la base ca-
nnica {u
1
,u
2
,u
3
}empezamos por sustituir u
1
por e
1
. Esto es factible, ya que el componen-
te de e
1
segn u
1
en la base cannica es 2 0. Tenemos:
y as:
Por lo tanto, {e
1
,u
2
, u
3
}forman una base de E
3
.
Un vector arbitrario v = (v
1
, v
2
, v
3
) se expresar as en la nueva base:
Podemos continuar la sustitucin de vectores de la base cannica. Expresamos e
2
en la
base anterior {e
1
,u
2
,u
3
}. Tendremos:
AB ( )C ( )
ij
AB ( )
i1
C
1j
... AB ( )
in
C
nj
+ + A B ( )
im
C
mj.
m 1 =
n
= =
A B ( )
im
a
i1
b
1m
= a
i2
b
2m
... a
im
b
nm
+ + + a
ik
b
km
;
k 1 =
n
=
AB ( )C ( )
ij
AB ( )
im
C
mj
m 1 =
n
a
ik
b
km
k 1 =
n
( ,
, (
j \
m 1 =
n
c
mj
. = =
AB ( )C ( )
ij
a
ik
b
km
c
mj
k 1 =
n
( ,
, (
j \
m 1 =
n
a
ik
b
km
c
mj
m 1 =
n
( ,
, (
j \
k 1 =
n
= = =
a
ik
BC ( )
kj
A B C ( ) ( )
ij
= .
k 1 =
n
1
2,0, 3 ( )
2
+ 1 ,3,5 ( ) 0 =
2
1

2
+ 0 =
3
2
0 =
3
1
5
2
+ 0 =
e
1
2u
1
3u
3
=
u
1
1
2
--- = e
1
3
2
---u
3
. +
v v
1
u
1
= v
2
u
2
v
3
u
3
+ + v
1
=
1
2
---e
1
3
2
---u
3
+
( ,
j \
v
2
u
2
v
3
u
3
+ + =
1
2
--- = v
1
e
1
v
2
u
2
3
2
---v
1
v
3
+
( ,
j \
+ + u
3
.
El componente segn u
2
es 3 0, y de este modo puede sustituir a u
2
:
Ahora podemos expresar v en la nueva base {e
1
,e
2
,u
3
}:
c) Es la frmula obtenida en el apartado anterior.
d) Utilizando la expresin anterior y aplicndola a u
1
=(1,0,0) y a u
2
=(0,1,0), resulta:
9 .
a) El segundo vector debe pertenecer al subespacio generado por {e
1
,e
2
}. Por lo tanto, debe
ser combinacin lineal:
Si el primer componente de debe ser 0, resulta 2 =0, que, sustituyendo en la ex-
presin anterior de , da:
y si queremos podemos elegir =1, obteniendo =(0, 6, 7)
b)
10.
a) Se toman dos elementos del conjunto A ={(x, y, z) R
3
: 3x +2y +z =0}:(u
1
,u
2
,u
3
) y
(v
1
,v
2
,v
3
).
Debemos comprobar si se verifica que (u
1
,u
2
,u
3
) +(v
1
,v
2
,v
3
) =(u
1
+v
1
, u
2
+ u
3
+v
3
) A.
Para ello, es necesario que veamos que:
Efectivamente:
Debemos comprobar si k (u
1
, u
2
, u
3
) A. Para ello es necesario ver que 3ku
1
+2ku
2
+ ku
3
=0.
Efectivamente:
b) Se toman dos elementos del conjunto B ={(x, y, z) R
3
: 5x + 2y 7z =3}: (u
1
, u
2
, u
3
) y
(v
1
, v
2
, v
3
).
Debemos comprobar si se verifica que (u
1
+v
1
, u
2
+v
2
, u
3
+v
3
) B. Para ello, es necesario
ver que:
e
2
1
2
--- = 1 ( )e
1
3u
2
3
2
--- 1 ( ) 5 +
( ,
j \
u
3
+ +
1
2
---e
1
3u
2
7
2
--- + + u
3
. =
u
2
1
6
---e
1
=
1
3
---e
2
7
6
---u
3
. +
v
1
2
--- = v
1
e
1
v
2
u
2
3
2
---v
1
v
3
+
( ,
j \
+ + u
3
=
1
2
---v
1
e
1
= v
2
+
1
6
---e
1
1
3
---e
2
7
6
---u
3
+
( ,
j \
3
2
---v
1
v
3
+
( ,
j \
+ u
3
=
1
2
---v
1
1
6
---v
2
+
( ,
j \
= e
1
1
3
---v
2
e
2
+
3
2
---v
1
7
6
---v
2
v
3
+
( ,
j \
+ u
3
.
u
1
1
2
---e
1
=
3
2
---u
3
+
u
2
1
6
---e
1
1
3
---e
2
1
7
---u
3
. + =
e
2
e
1
= e
2
+ 2, 0, 3 ( ) = 1, 3, 5 ( ). +
e
2
e
2
e
2
2, 0, 3 ( ) = 2 + 1 , 3, 5 ( ) 0, 6, 7 ( ) =
e
2
e
2
1
--- e
2
e
1
( )
1
2
---e
1
1
2
---e
2
. + = =
v
2
3 u
1
v
1
+ ( ) 2 + u
2
v
2
+ ( ) u
3
v
3
+ + 0. =
3u
1
2u +
2
u
3
3v
1
2v
2
v
3
+ + + 0 porque = 3u
1
2u
2
u
3
+ + 0 y = 3 v
1
2v
2
v
3
+ + 0 =
3ku
1
2ku
2
ku
3
+ + k 3u
1
2u
2
u
3
+ + ( ) 0. = =
Pero tenemos que:
por lo tanto, el conjunto B no es un subespacio vectorial de R
3
.
c) Se toman dos elementos del conjunto C ={( x, y, z) R
3
: x 0}: (u
1
, u
2
, u
3
) y (v
1
, v
2
, v
3
).
Debemos comprobar si se verifica que ( u
1
+v
1
, u
2
+v
2
u
3
+v
3
) C. Para ello, es necesario
ver que:
Efectivamente, si u
1
0 y v
1
0 entonces (u
1
+v
1
) 0.
Debemos comprobar si k(u
1
,u
2
,u
3
) C.
Siendo u
1
0, no necesariamente tenemos que ku
1
0 por cualquier valor de k.
11.
a) Se toman dos elementos del conjunto A ={f F(R,R) : f(1) =k}:f
1
y f
2
.
Queremos ver si f
1
+f
2
A. Para ello es necesario que se verifique que (f
1
+f
2
)(1) =k.
Tenemos
As pues, slo se verifica en el caso k =0. Por lo tanto, en general, A no es subespacio vec-
torial de F(R,R).
b) Se toman dos elementos del conjunto B ={f F(R,R) : f(0) =2f(1)}:f
1
y f
2
.
Queremos ver si f
1
+f
2
B. Para ello es necesario que (f
1
+f
2
)(0) =2(f
1
+f
2
)(1). Efectiva-
mente:
Queremos comprobar si kf
1
B. Para ello es necesario ver si (kf
1
)(0) =2(kf
1
)(1). Efecti-
vamente:
c) Se toman dos elementos del conjunto C ={f F(R,R) : f(x) =f
2
(x)}:f
1
y f
2
.
Queremos ver si f
1
+f
2
C. Por ello es necesario que (f
1
+f
2
)(x) =(f
1
+f
2
)
2
(x).
Tenemos
Por lo tanto, C no es subespacio vectorial de F(R, R).
12.
y, por lo tanto, el sistema tiene como solucin nica x =3; y =2; z =1. Podemos compro-
bar que el resultado es correcto sustituyendo los valores encontrados por las incgnitas en
cada una de las ecuaciones, con lo que obtenemos:
13. Observad las permutaciones entre las filas y cmo facilitan los clculos:
5 u
1
v
1
+ ( ) 2 u
2
v
2
+ ( ) 7 u
3
v
3
+ ( ) + 3. =
5u
1
2u
2
7u
3
5v
1
2v
2
7v
3
+ + + 3 3 + 6; = =
u
1
v
1
+ ( ) 0.
f
1
f
2
+ ( ) 1 ( ) f
1
1 ( ) = f
2
1 ( ) + k k + 2k. = =
f
1
f
2
+ ( ) 0 ( ) f
1
0 ( ) = f
2
0 ( ) + 2f
1
1 ( ) 2f
2
1 ( ) + 2 f
1
f
2
+ ( ) 1 ( ). = =
kf
1
( ) 0 ( ) kf
1
= 0 ( ) k2f
1
1 ( ) 2 kf
1
( ) 1 ( ). = =
f
1
f
2
+ ( ) x ( ) f
1
x ( ) = f
2
+ x ( ) f
1
2
x ( ) = f
2
2
x ( ) + f
1
f
2
+ ( )
2
x ( ).
1 1 5 0
2 1 3 1
3 4 1 0
( ,
, (
, (
j \
1 1 5 0
0 3 7 1
0 7 14 0
( ,
, (
, (
j \
1 1 5 0
0 3 7 1
0 0
7
3
---
7
3
---
( ,
, (
, (
, (
j \

x y 5z + + 3 2 5 + + = 1 ( ) 0 (correcto), =
2x y 3z + 2 3 = 2 3 + 1 ( ) 1 (correcto), =
3x 4y z + 3 ( ) = 3 4 2 + 1 ( ) 0 (correcto). =
con lo que obtenemos:
14.
15.
que es un si stema i ncompati bl e, ya que l a l ti ma ecuaci n se ha transformado en
0 x +0 y +0 z =2, y esta ecuaci n no ti ene ni nguna sol uci n.
16.
5 2 1 2
1 1 3 8
2 3 2 3
( ,
, (
, (
j \
1 1 3 8
5 2 1 2
2 3 2 3
( ,
, (
, (
j \
1 1 3 8
0 7 16 38
0 1 8 13
( ,
, (
, (
j \

1 1 3 8
0 1 8 13
0 7 16 38 ( ,
, (
, (
, (
j \
1 1 3 8
0 1 8 13
0 0 72 129
( ,
, (
, (
, (
j \

x
31
24
------, y
4
3
---, = = z
43
24
------. =
1 0 1 1 2
2 1 1 0 1
1 3 4 7 11
4 3 1 2 1
2 2 0 1 2
( ,
, (
, (
, (
, (
, (
j \
1 0 1 1 2
0 1 1 2 3
0 3 3 6 9
0 3 3 6 9
0 2 2 3 6
( ,
, (
, (
, (
, (
, (
j \

1 0 1 1 2
0 1 1 2 3
0 0 0 0 0
0 0 0 0 0
0 0 0 1 0
( ,
, (
, (
, (
, (
, (
j \
1 0 1 0 2
0 1 1 0 3
0 0 0 1 0
0 0 0 0 0
0 0 0 0 0
( ,
, (
, (
, (
, (
, (
j \
x 2 z; = y 3 z; = t 0; =
4 2 1 2
3 5 3 2
1 7 4 2
( ,
, (
, (
j \
1 7 4 2
3 5 3 2
4 2 1 2
( ,
, (
, (
j \

1 7 4 2
0 26 15 4
0 26 15 6
( ,
, (
, (
j \
1 7 4 2
0 26 15 4
0 0 0 2
( ,
, (
, (
j \

2 2 2 1 1 8
0 0 0 1 1 2
1 1 1 1 1 1
1 1 1 0 0 3
3 3 3 4 4 1
( ,
, (
, (
, (
, (
, (
j \
1 1 1 1 1 1
0 0 0 1 1 2
2 2 2 1 1 8
1 1 1 0 0 3
3 3 3 4 4 1
( ,
, (
, (
, (
, (
, (
j \

1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
1
3
1
1
1
1
3
1
1
1
2
6
2
2
( ,
, (
, (
, (
, (
, (
j \
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
1
0
0
0
1
1
0
0
0
1
2
0
0
0
( ,
, (
, (
, (
, (
, (
j \

1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
1
0
0
0
3
2
0
0
0
( ,
, (
, (
, (
, (
, (
j \
de donde podemos ai sl ar x
1
y x
4
en funci n de l as dems i ncgni tas, obteni endo
x
1
=3 x
2
x
3
, x
4
=2 x
5
(comprobadlo!). Observad que todas las soluciones de este
sistema se pueden expresar as:
17.
18.
19. Teniendo en cuenta que todas las ecuaciones son mltiples de la primera, el sistema se
reduce a (1 1 5 | 0), y la solucin es x =y 5z.
20.
Obtenemos x =0; y =0; z =0. Teniendo en cuenta que la nica solucin de este sistema
homogneo es lva trivial, diremos que el sistema homogneo no tiene solucin propia.
21.
22. Si x
1
, ..., x
n
son soluciones del sistema A x = 0, querr decir queA x
1
= 0, ..., A x
n
= 0
y, por lo tanto:
Ejercicio
Nmero
de variab les
Rang o
sist ema
Rango matriz
ampliada
Tipo solucin
Grados
lib ert ad
10 3 3 3 Determinada 0
11 3 3 3 Determinada 0
12 4 3 3 Indeterminada 1
13 3 2 3 Incompatible -
14 5 2 2 Indeterminada 3
x
1,
x
2,
x
3,
x
4,
x
5
( ) 3 x
2
x
3,
x
2,
x
3
, 2 x
5
x
5
, ( ) = =
3, 0, 0, 0, 2, 0 ( ) = x
2
1 , 1, 0, 0, 0 ( ) x
3
1 , 0, 1, 0, 0 ( ) x
5
0, 0, 0, 1, 1 ( )
. + + +
2
1
1
1
3
8
3
7
24
0
0
0
( ,
, (
, (
j \
1
2
1
3
1
8
7
3
24
0
0
0
( ,
, (
, (
j \

1
0
0
3
5
5
7
17
17
0
0
0
( ,
, (
, (
j \
1
0
0
3
5
0
7
17
0
0
0
0
( ,
, (
, (
j \
x
y
z
( ,
, (
, (
j \
16
17
5
( ,
, (
, (
j \
t. =
1
4
1
1
7
3
5
3
2
0
0
0
( ,
, (
, (
j \
1
0
0
1
3
2
5
23
7
0
0
0
( ,
, (
, (
j \
1
0
0
1
3
0
5
23
25
3
------
0
0
0
( ,
, (
, (
, (
j \
.
1
2
4
1
1
3
1
4
5
1
11
4
3
2
4
1
0
0
0
0 ( ,
, (
, (
, (
, (
j \ 1
0
0
0
1
5
5
5
5
9
9
9
3
8
8
2
0
0
0
0 ( ,
, (
, (
, (
, (
j \

1
0
0
0
1
5
0
0
5
9
0
0
3
8
0
6
0
0
0
0 ( ,
, (
, (
, (
, (
j \ x
y
z
t ( ,
, (
, (
, (
, (
j \ 16
9
5
0 ( ,
, (
, (
, (
, (
j \
s. =
A t
1
x
1
t
2
x
2
... t
n
x
n
+ + + ( ) A t
1
x
1
At
2
x
2
... At
n
x
n
+ + + = =
t
1
Ax
1
t
2
Ax
2
... t
n
Ax
n
+ + + = t
1
0 t
2
0 ... t
n
0 + + + 0 . = =
23.
a) En primer lugar, es necesario que el determinante del sistema sea nulo (det A =0), ya
que, si es diferente de cero, sera determinado y slo tendra la solucin trivial nula.
En segundo lugar, si det A =0, entonces una solucin es:
donde A
1j
es el adjunto del elemento a
1j
, ya que en la primera ecuacin, al sustituir las x,
tendremos:
y para las otras aparecer la suma de productos de los elementos de una fila por los adjun-
tos de una paralela que, por la propiedad 8 de los determinantes, es cero.
Puede suceder, sin embargo, que todos estos adjuntos sean 0, lo cual nos indicara que:
el rango es inferior a n 1 y hay ms de una indeterminada.
o bien lo debemos probar con los adjuntos de otra fila que no tenga todos los adjuntos
nulos.
24. Para que el sistema tenga soluciones no triviales es necesario que el determinante del sis-
tema sea cero, a fin de que el rango sea inferior a 3. La condicin es, de este modo:
Buscamos soluciones enteras de la ecuacin polinmica y obtenemos
1
=1,
2
=2 y
3
=2,
que sern los nicos valores que darn lugar a soluciones no triviales.
Busquemos las soluciones para =1. El sistema es:
Segn la actividad anterior, la solucin ser:
o bien:
Para =2, el sistema es:
De forma anloga, la solucin es:
o bien:
x
1
A
11
t, = x
2
A
12
t, = x
n
A
1n
t =
a
11
A
11
t a
12
A
12
t ... a
1n
A
1n
t + + + t det A 0 = =
20 ( )
51
3
9
23
1
5
12
2
3
5
2
8 4 + + 0. = =
21x 9y 5z + 0 =
51x 22y 12z + 0 =
3x y z + 0 =
.
x
1
22
1
12
1
t 10t, x
2
51
3
12
1
t 15t, x
3
51
3
22
1
t = = = = 15t = =
x
y
z
( ,
, (
, (
j \
2
3
3
( ,
, (
, (
j \
t. =
22x 9y 5z + 0 =
51x 21y 12z + 0 =
3x y 0 =
.
x
21
1
12
0
t 12 t, y
51
3
12
0
t 36 t, z
51
3
21
1
t = = = = 12t = =
x
y
z
( ,
, (
, (
j \
1
3
1
( ,
, (
, (
j \
t. =
25. El determinante de la matriz ampliada del sistema es:
por lo tanto, este determinante se anula slo en el caso de que =2. Podemos observar
que el rango de A es 3, independientemente del valor del nmero real .
Observemos que si 2, el rango de la matriz ampliada ser 4 y el rango de la matriz del
sistema ser, como mximo, 3 (ya que la matriz del sistema slo tiene tres columnas). Ten-
dremos, de este modo, un sistema incompatible.
Para el caso =2, sustituimos este valor en el sistema y lo resolvemos siempre (es un sis-
tema normal: no hay parmetros, ni lambdas, ni nada). Os daris cuenta de que es un
sistema compatible indeterminado.
26. El determinante de la matriz del sistema es:
Por lo tanto, si 1 y 2, el rango de la matriz del sistema es 3 y el sistema ser
compatible y determinado (el rango de la matriz ampliada no puede ser 4; por lo tanto,
tendr que ser 3 y coincidir con el rango de la matriz del sistema y con el nmero de
incgnitas).
Para =1 el sistema consta de una nica ecuacin x +y +z =1, que es, evidentemente,
un sistema compatible indeterminado.
Para =2, aplicndole Gauss obtenemos:
que nos dice que el sistema es incompatible.
27. El determinante de la matriz del sistema es
2
+6 +5, cuyas races son =1 y =5.
Por lo tanto:
Para =1 (resolvindolo por Gauss) obtenemos
Para =5 (resolvindolo por Gauss) obtenemos
Para diferente de estos valores el sistema (es homogneo!) tiene nicamente la solu-
cin trivial.
28.
a) Observad que:
restando a la segunda columna la primera multiplicada por x,
restando a la tercera columna la segunda multiplicada por x,
desarrollando el determinante por la primera columna,
aplicando la propiedad 6 de los determinantes, para extraer del determinante los esca-
lares que multiplican todos los elementos de las filas segunda y tercera,
calculando el determinante de orden 2 que nos queda y arreglando los signos,
obtenemos:
2
1
1
3
2
2
2
1
3
1
2
2
4
3
1
13 26, =
1
1
1
1
1
1
3
3 2 + 1 ( )
2
2 + ( ) . = =
2
1
1
1
2
1
1
1
2
1
2
4
( ,
, (
, (
j \
...
1
0
0
2
3
0
1
3
0
2
3
4
( ,
, (
, (
j \
,
x
y
z
( ,
, (
, (
j \
1 2
1 2
1
( ,
, (
, (
j \
t. =
x
y
z
( ,
, (
, (
j \
3 7
1
22 7
( ,
, (
, (
j \
t. =
1
1
1
x
y
z
x
2
y
2
z
2
1
1
1
0
y x
z x
0
y
2
xy
z
2
xz
y x
z x
y
2
xy
z
2
xz
= = =
y x
z x
y y x ( )
z z x ( )
= y x ( ) z x ( )
1
1
y
z
= =
y x ( ) z x ( ) z y ( ) = x y ( ) z x ( ) y z ( ) . =
b) Para el caso general, los mismos pasos que hemos seguido cuando hay tres columnas
nos proporcionan determinantes cada vez menores hasta llegar al valor del determinante
grande, que es:
29. El resultado es a
11
a
22
... a
nn
, es decir, el producto de los elementos de la diagonal.
30.
y, por lo tanto, la inversa que nos piden es:
31.
a)
(recordad que sin
2
() +cos
2
() =1.)
b) Es una comprobacin inmediata.
c) Planteamos la ecuacin A A
t
=I y del sistema que queda aislamos a, despus b y, final-
mente, c, resultando dos posibilidades:
Ejercicios de autoevaluacin
1 .
a)
b) Incompatible.
c)
d)
e)
2 .
Si m 0 y m 1, el sistema es compatible y determinado con soluciones:
x
2
x
1
( ) x
3
x
1
( ) ... x
n
x
1
( ) x
3
x
2
( )... x
n
x
2
( ) ... x
n
x
n 1
( )
1
2
3
2
5
1
4
3
1
1
0
0
0
1
0
0
0
1
( ,
, (
, (
j \
1
0
0
2
9
5
4
11
16
1
2
3
0
1
0
0
0
1
( ,
, (
, (
j \

1
0
0
2
9
0
4
11
89 9
1
2
17 9
0
1
5 9
0
0
1
( ,
, (
, (
j \
1
0
0
2
1
0
4
11 9
1
1
2 9
17 89
0
1 9
5 89
0
0
9 89
( ,
, (
, (
j \

1
0
0
2
1
0
0
0
1
21 89
1 89
17 89
20 89
16 89
5 89
36 89
11 89
9 89
( ,
, (
, (
j \
1
0
0
0
1
0
0
0
1
23 89
1 89
17 89
12 89
16 89
5 89
14 89
11 89
9 89
( ,
, (
, (
j \

1
89
------
23
1
17
12
16
5
14
11
9
( ,
, (
, (
j \
.
( ) cos
( ) sin
( ) sin
( ) cos
( ,
j \
1
( ) cos
( ) sin
( ) sin
( ) cos
( ,
j \
. =
a
48
65
------ = b
36
65
------ = c
5
13
------ o bien a
48
65
------ = b
36
65
------ = c
5
13
------ . = =
1
4
6
( ,
, (
, (
j \
.
11 5
65 5
0
( ,
, (
, (
j \
t
1 5
7 5
1
( ,
, (
, (
j \
. +
0
0
0
( ,
, (
, (
j \
.
t
1 5
7 5
1
( ,
, (
, (
j \
.
x,y,z ( )
2m
m 1 +
--------------,
4
m 1 +
--------------,
m 3 +
m 1 +
--------------
( ,
j \
. =
Si m =0 el sistema es compatible e indeterminado con soluciones:
Si m =1 el sistema es incompatible.
3 .
Si b 0, a 1 y a 2, el determinante de la matriz del sistema es diferente de cero y,
por lo tanto, el sistema es compatible y determinado.
Si b =0, el sistema es incompatible independientemente del valor de a.
Si a =1 y b 1, el sistema es incompatible.
Si a =1 y b =1, el sistema es compatible e indeterminado.
Si a =2 y b 2, el sistema es incompatible.
Si a =2 y b =2, el sistema es compatible e indeterminado.
4 .
a) Para que la condicin
1
v
1
+
2
v
2
+
3
v
3
+
4
v
4
=0 implique
1
=
2
=
3
=
4
=0, el
sistema homogneo:
debera tener como nica solucin la trivial
1
=
2
=
3
=
4
=0. Esto implicara que el
sistema fuese determinado con solucin nica (0, 0, 0, 0). La matriz del sistema es:
por lo tanto, los vectores dados sern linealmente independientes si det A 0 y linealmen-
te dependientes si det A =0. En los apartados siguientes veremos que estamos en la segun-
da opcin y, por lo tanto, los vectores dados son linealmente dependientes.
b) Para determinar el rango y obtener una base del subespacio generado por {v
1
,v
2
,v
3
,v
4
},
aplicamos el mtodo de Gauss:
En consecuencia, el rango es 3, y una base del subespacio generado es:
c) Sea ahora la base cannica {u
1
,u
2
,u
3
,u
4
}. Podemos sustituir u
1
por e
1
, ya que su compo-
nente segn u
1
es 1 0. Tenemos:
e
1
=u
1
+2u
2
u
4
, es decir: u
1
=e
1
2u
2
+u
4
y por lo tanto, un vector cualquiera:
se expresar as en la nueva base:
x,y,z ( ) 0,5,0 ( ) t 0, 3 ,1 ( ) . + =
1
2
2

3
4
4
+ + 0 =
2
1

2
3
3
3
4
+ + 0 =
2
2
3
0 =
1
3
2
2
3
7
4
+ + + 0 =
1
2
0
1
2
1
1
3
1
3
2
2
4
3
0
7
( ,
, (
, (
, (
, (
j \
1
2
1
4
2
1
3
3
0
1
2
0
1
3
2
7
( ,
, (
, (
, (
, (
j \ 1
0
0
0
2
5
5
5
0
1
2
0
1
5
1
11
( ,
, (
, (
, (
, (
j \

1
0
0
0
2
5
0
0
0
1
1
1
1
5
6
6 ( ,
, (
, (
, (
, (
j \ 1
0
0
0
2
5
0
0
0
1
1
0
1
5
6
0 ( ,
, (
, (
, (
, (
j \
.
e
1
1, 2, 0, 1 ( ) e
2
0, 5,1,5 ( ) = e
3
0, 0, 1, 6 ( ) . = =
w w
1
u
1
w
2
u
2
w
3
u
3
w
4
u
4
+ + + =
w w
1
e
1
2 u
2
u
4
+ ( ) = w
2
u
2
w
3
u
3
w
4
u
4
+ + + =
w
1
e
1
2 w
1
w
2
+ ( ) + u
2
w
3
u
3
w
1
w
4
+ ( ) u
4
. + + =
Ahora podemos sustituir u
2
por e
2
, ya que e
2
expresado en la nueva base es:
y el componente segn u
2
es 5 0. Tenemos:
Expresemos ahora w en la nueva base {e
1
,e
2
,u
3
,u
4
}:
A partir de aqu tendremos que e
3
, expresado en la base {e
1
,e
2
,u
3
,u
4
}es:
y el componente segn u
3
es 1 0. Por lo tanto, puede sustituir u
3
, y tenemos:
De este modo w expresado en la base {e
1
,e
2
,u
3
,u
4
}, ser:
d) Aplicando la frmula anterior podemos expresar los vectores v
1
,v
2
,v
3
,v
4
en la base
{e
1
,e
2
,u
3
,u
4
}:
5 .
6 .
donde a, b, c y d son nmeros cualesquiera.
7 . Teniendo en cuenta que det(A) 0, A tiene inversa y, por lo tanto, B = A
1
0 =0. Lo mis-
mo para C y D.
8 .
a)
e
2
0 e
1
= 2 0 5 ( ) + u
2
1 u
3
0 5 + ( ) + + u
4
5u
2
u
3
5u
4
+ + =
u
2
1
5
--- e
2
1
5
---u
3
u
4
. + + =
w w
1
e
1
2 w
1
w
2
+ ( ) +
1
5
--- e
2
1
5
---u
3
u
4
+ +
( ,
j \
= w
3
u
3
w
1
w
4
+ ( )u
4
+ + =
w
1
e
1
2
5
---w
1
1
5
---w
2
( ,
j \
+ e
2
=
2
5
--- w
1
1
5
---w
2
w
3
+ +
( ,
j \
u
3
w
1
w
2
+ w
4
+ ( )u
4.
+ +
e
3
u
3
= 6u
4
+
u
3
e
3
= 6u
4
. +
w w
1
e
1
=
2
5
---w
1
1
5
---w
2
( ,
j \
+ e
2
2
5
--- w
1
1
5
---w
2
w
3
+ +
( ,
j \
+ e
3
6u
4
+ ( ) w
1
w
2
w
4
+ + ( ) u
4
+ =
w
1
e
1
=
2
5
---w
1
1
5
---w
2
( ,
j \
+ e
2
2
5
---w
1
1
5
--- w
2
w
3
( ,
j \
e
3
17
5
------w
1
11
5
------w
2
6w
3
w
4
+ + +
( ,
j \
u
4.
+ +
v
1
1, 2, 0, 1 ( ) e
1
= =
2
5
---
2
5
---
( ,
j \
e
2
2
5
---
2
5
--- 0
( ,
j \
e
3
17
5
------
22
5
------ 0 1 + +
( ,
j \
u
4
+ + + e
1
=
v
2
2, 1 , 1, 3 ( ) 2e
1
4
5
---
1
5
--- +
( ,
j \
e
2
+ = =
4
5
---
1
5
--- 1 +
( ,
j \
e
3
34
5
------
11
5
------ 6 3 + +
( ,
j \
u
4
+ + 2e
1
e
2
. + =
v
3
1, 3, 2 , 2 ( ) e
1
= =
2
5
---
3
5
---
( ,
j \
e
2
2
5
---
3
5
--- 2 +
( ,
j \
e
3
17
5
------
33
5
------ 12 2 + +
( ,
j \
u
4
+ + + e
1
e
2
e
3.
+ =
v
4
4, 3, 0, 7 ( ) 4e
1
= =
8
5
---
3
5
---
( ,
j \
e
2
8
5
---
3
5
--- 0 +
( ,
j \
e
3
68
5
------
33
5
------ 7 + +
( ,
j \
u
4
+ + + 4e
1
e
2
e
3
. + + =
A
1
3
1
5
2
3
3
2
1
4
( ,
, (
, (
j \
. =
B
a
2a
b
2b
( ,
j \
= C
2c
2d
c
d
( ,
j \
= D
2b
4b
b
2b
( ,
j \
=
A
1
2
2
6
3
4
5
3
( ,
j \
y B
3
2
5
2 ( ,
, (
, (
, (
, (
j \
= =
donde en la primera fila de A se encuentran las compras del centro de Lrida y en la se-
gunda, las del centro de Matar, y la matriz B consta de los precios de cada uno de los pro-
ductos. Si multiplicamos:
obtenemos que el centro de Lrida ha gastado 32 u.m. y el de Matar 44 u.m.
b) Si C =(1 1),
c) Nos piden que sumemos por columnas la matriz A. Observemos que:
Podrais interpretar ahora las operaciones C (A B) y (C A) B?
d) En este segundo caso D =A, ya que hacen exactamente la misma compra y
tiene los precios de cada mes en una columna.
nos da el gasto de cada centro en cada compra.
e) (1 1) (D E ) =(76 126) es lo que han gastado entre los dos centros cada una de las
compras.
es el gasto total.
9 . Quiz sera mejor que avissemos a un qumico!
a) El sistema ser:
b) 7,5 kilogramos de plata, 20,5 kilogramos de cobre y 62 kilogramos de oro. Las propor-
ciones correspondientes son, aproximadamente, 8,33%, 22,78% y 68,89%.
c) 9%, 24,5%, 66,5%
d) Si resolvemos el sistema:
obtenemos x =11, y =21, z =9. Directamente no tiene sentido considerar 11 kilos de
A, pero s que podemos considerar que la solucin consiste en tomar 21 kilos de B, extraer
11 kilos de A y 9 kilos de C. Podis comprobar que lo que queda tiene el 20% de plata y el
80% de oro. Observad que estamos suponiendo que disponemos de un procedimiento
para extraer de una mezcla cualquiera de plata, cobre y oro ciertas cantidades de las alea-
ciones A, B y C, y esto (los qumicos lo saben muy bien!, por cierto, an no ha llegado
el que habamos avisado?) no siempre es posible.
e)
A B
1
2
2
6
3
4
5
3
( ,
j \
=
3
2
5
2 ( ,
, (
, (
, (
, (
j \
32
44
( ,
j \
=
C A B ( ) 1 1 ( ) =
32
44
( ,
j \
76 ( ) . =
H C A 1 1 ( ) = =
1
2
2
6
3
4
5
3
( ,
j \
3 8 7 8 ( ) . =
E
3
2
5
2
4
2
6
7 ( ,
, (
, (
, (
, (
j \
=
A E
32
44
61
65
( ,
j \
=
1 1 ( ) D E ( ) ( )
1
1
( ,
j \
76 126 + =
5%
15%
80%
10%
25%
65%
15%
40%
45%
( ,
, (
, (
j \
Kg. A
Kg. B
Kg. C
( ,
, (
, (
j \
Kg. plata
Kg. cobre
Kg. oro
( ,
, (
, (
j \
=
5%
15%
80%
10%
25%
65%
15%
40%
45%
( ,
, (
, (
j \
x
y
z
( ,
, (
, (
j \
0,2
0
0,8
( ,
, (
, (
j \
=
0,2; 0,3; 0,5 ( ).
10. Observad que en este caso la matriz del sistema tiene determinante nulo.
a) El sistema es incompatible; por lo tanto, no hay forma de obtener una mezcla con las
caractersticas pedidas.
b) El sistema es compatible e indeterminado y, por lo tanto, tiene muchas soluciones que
se pueden expresar de esta forma:
Observemos que, en la solucin, t expresa la proporcin de C que habr en la mezcla final,
y en consecuencia, la proporcin mnima de C es 0 y la mxima, 3/5, ya que, si t >3/5, el
valor correspondiente a la cantidad de B (que es la y) sera negativo.
11. Si m 35, el sistema es compatible y determinado, es decir, para cada m 35 y cualquier
valor de n el sistema tiene solucin nica, que es:
Por ejemplo, si n fuese 40 y m fuese 55, la solucin sera (0,15; 0,3; 0,55).
Si m =35 y n 29 el sistema es incompatible.
Si m =35 y n =29 el sistema es compatible e indeterminado con la solucin siguiente:
Glosario
adjunto del elemento a
i j
de una matriz cuadrada
Determinante menor complementario del elemento a
ij
con el signo (1)
i+j
donde i, j son l os
ndices de la fila y la columna que ocupa el elemento.
base de un espacio (o un subespacio) vectorial
Conjunto de vectores linealmente independientes, tales que todo vector del espacio (o el
subespacio) es combinacin lineal de estos.
Cramer, regla de
Frmulas cerradas, en forma de cociente de determinantes, que dan el valor de las incgnitas
en un sistema de n ecuaciones y n incgnitas compatible y determinado.
determinante
Dada una matriz cuadrada, el determinante es un nmero que se calcula a partir de sus ele-
mentos y que proporciona informacin sobre la independencia lineal de sus filas (y de sus
columnas)
dimensin de un espacio (o un subespacio) vectorial:
Nmero mximo de vectores linealmente independientes que contiene este espacio y que es
igual al nmero de vectores de cualquier base del espacio o subespacio).
espacio vectorial sobre un cuerpo
Conjunto dotado de una operacin interna que recibe el nombre de suma con propiedades
de grupo conmutativo y una multiplicacin por escalares del cuerpo con ciertas propiedades
especficas.
espacio vectorial numrico n-dimensional
Espacio vectorial de los vectores-columna (o fila) de n componentes reales.
generadores de un espacio (o subespacio) vectorial
Todo conjunto de vectores tales que todo vector del espacio (o subespacio) se puede poner
como combinacin lineal del conjunto de generadores.
Gauss, mtodo de
Mtodo de eliminacin de incgnitas que permite reducir un sistema lineal de forma escalonada.
independencia lineal de vectores
Dado un conj unto {v
1
, ..., v
k
}de vectores, es l i neal mente i ndependi ente si l a ecuaci n
1
v
1
+... +
k
v
k
= 0 implica
1
=... =
k
=0. En caso contrario decimos que son linealmente de-
pendientes.
x
5t 1
5
--------------- = , y
6 10t
5
------------------, z t = =
x
2m 5 15 n ( ) +
5 3 5 m ( )
---------------------------------------- = , y
7m 5 9 2n ( ) +
5 m 35 ( )
-----------------------------------------, z
n 29
m 35
------------------. = =
x, y, z ( ) 0,
3
5
---,
2
5
---
( ,
j \
= t 1, 2 , 1 ( ). +
matri z
Tabla de nmeros en forma de n filas y m columnas. Esto ser una matriz n m.
matriz de un sistema
Matriz formada por los coeficientes de las variables x
1
, ..., x
n
en cada una de las ecuaciones
del sistema. Cada fila de la matriz corresponde a una ecuacin.
matriz ampliada de un sistema
Matriz de un sistema de ecuaciones lineales formada mediante la ampliacin de la matriz del
sistema con la columna de los trminos independientes.
matriz inversa
Aquella que presentan las matrices cuadradas que tienen determinante diferente de cero. Su
producto, tanto por la izquierda como por la derecha, con la matriz dada es la matriz identidad.
menor
Dada una matriz, se llama menor o determinante menor a cualquier determinante de la matriz
cuadrada que se forme con los elementos de la matriz correspondientes a k filas y k columnas,
suprimiendo las restantes. Las filas y columnas no deben coincidir necesariamente.
menor complementario
Dada una matriz cuadrada, llamamos menor complementario de un elemento a
ij
, al determi-
nante menor que se forma suprimiendo la fila i y la columna j.
pivote
Elemento diferente de cero que se elige para reducir a cero los restantes coeficientes en una
etapa dada del mtodo de Gauss.
rango de un conjunto de vectores
Nmero mximo de vectores linealmente independientes que contiene.
Rouch-Frbenius, teorema de
Teorema que permite saber si un sistema lineal es compatible o no lo es. En el caso de que
sea compatible, permite saber si es determinado o indeterminado, y en el ltimo caso, cun-
tos grados de libertad tiene la solucin general.
sistema lineal
Conjunto de ecuaciones de primer grado en m variables.
sistema compatible
Sistema de ecuaciones que tiene alguna solucin. Si no tiene ninguna decimos que es incom-
patible. Por abuso de lenguaje, en el caso de un sistema homogneo, cuando nicamente tie-
ne la solucin trivial 0, decimos que es incompatible.
sistema determinado
Sistema que tiene una nica solucin. Si tiene ms de una, decimos que es indeterminado.
sistema homogneo
Sistema de ecuaciones sin trminos independientes o, lo que es equivalente, con trminos
independientes nulos.
subespacio vectorial
Subconjunto de un espacio vectorial que tiene estructura de espacio vectorial.
subespacio vectorial generado
Dado un conjunto de vectores {v
1
, ..., v
k
}, el subespacio que genera es el conjunto de todos
los vectores que son combinacin lineal de los vectores del conjunto.
vector
Llamamos vectores a los elementos de un espacio vectorial. Los vectores del espacio vectorial
numrico n-dimensional estn formados por una matriz de una sola columna (o una sola fi-
la) de n elementos.
Bibliografa
Anton, H. (1991). Introduccin al lgebra lineal . (3.
a
edicin). Mxico: Ed. Limusa.
Hace un tratamiento elemental del lgebra lineal para estudiantes de primeros cursos de li-
cenciatura no especfica. No requiere conocimientos de clculo, si bien incluye ejercicios
para aquellos estudiantes que s los tienen. No contiene todas las demostraciones, pero s las
que considera pedaggicas y elementales; en una parte optativa incluye otras demostraciones
no tan elementales. Es un texto bastante bsico.
Birkhoff, G.; Mac Lane, S.(1985). lgebra moderna. (3.
a
edicin). Barcelona: Ed. Vicens-
Vives.
Es el libro de referencia general para todo el curso. Abarca todo el temario del curso y otros
temas relacionados. Se trata de un libro clsico (1941), traducido al castellano y del que se
han hecho muchas ediciones. Es un texto muy bien hecho que est a un nivel asequible para
los estudiantes que segus este curso; contiene tambin muchos ejercicios propuestos.
Grossman, S.I. (1988). lgebra lineal. (2.
a
edicin). Mxico: Grupo Editorial Iberoamericano.
Es un texto parecido al de Anton, pero tiene un cariz ms especficamente cientfico. Hay
ejercicios, que estn sealados, que requieren conocimientos de clculo (anlisis). Adems,
contiene mtodos numricos para lgebra lineal.

Antonio Montes - Matrices, Vectores y Sistemas Lineales

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Antonio Montes - Matrices, Vectores y Sistemas Lineales

Cargado por

Copyright:

Formatos disponibles

Matrices, vectores

a) Rectas secantes b ) Rectas paralelas c) Rectas coincidentes

FUOC P00/75004/00191 43 Matrices, vectores y sistemas de ecuaciones lineales

También podría gustarte