P. 1
Vectores y Ecuaciones Lineales

Vectores y Ecuaciones Lineales

2.0

|Views: 751|Likes:

More info:

Published by: Gerardo Enrique Paredes on Mar 12, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/17/2013

pdf

text

original

Sections

  • Objetivos
  • 1. Prelim inares
  • 2. Matrices
  • 2.1. Produ cto de m atrices
  • 2.2. Su m a de m atrices
  • 2.3. Matrices cuadradas
  • 3. Espacios vectoriales
  • 3.2. Bases
  • 3.3. Su bespacios vectoriales y ran go
  • 4. El m étodo de Gauss
  • 5. Ran go y teorem a de Rouch é-Fröben ius
  • 7. Determ in an tes y regla de Cram er
  • 7.3.2. Regla de Cram er para los sistem as n × n
  • 8. Matriz inversa
  • Ejercicios de autoevaluación
  • Glosario
  • Bibliografía

Matrices, vectores y sistemas de ecuaciones lineales

Antonio Montes Lozano
1,5 créditos P00/75004/00191

⎛ a 11 a 21 … a 1n ⎜ A = ⎜ a 21 a 22 … a 2n ⎜ ⎝ am 1 am 2 … am n

⎞ ⎟ ⎟ ⎟ ⎠

© FUOC • P00/75004/00191

Matrices, vectores y sistemas de ecuaciones lineales

Índice

Introducción............................................................................................... 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 método de Gauss .............................................................................. 26 5. Rango y teorema de Rouché-Fröbenius .......................................... 34 6. Sistemas homogéneos.......................................................................... 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 autoevaluación .................................................................. 61 Solucionario................................................................................................ 64 Glosario ........................................................................................................ 76 Bibliografía................................................................................................. 77

.

Provistos con las consecuencias de la noción de independencia lineal de vectores. vectores y sistemas de ecuaciones lineales Introducción Muchos problemas técnicos y científicos requieren la resolución de sistemas de ecuaciones lineales . por ejemplo. Estudiaremos a continuación el método de Gauss para resolver efectivamente los sistemas. Comprometido en contra de las injusticias políticas. a una muerte prematura a los 21 años. indirectamente. podremos abordar la definición y el cálculo del rango. los sucesos de las revoluciones de 1830 lo condujeron. que nos permite discutir los sistemas con ayuda del teorema de Rouché-Fröbenius . los gráficos 3D. Pero para profundizar en su conocimiento. . Este estudio nos conducirá a introducir la estructura de espacio vectorial. y tres años después ya publicó un trabajo importante. dejó una producción matemática trascendental en el campo de la teoría de las ecuaciones. Es un tema fundamental para todas las disciplinas que utilizan las matemáticas de una manera u otra. que permitirá dar fórmulas cerradas para las soluciones de los sistemas y ayudar en la discusión de sistemas con parámetros. que tiene valor por sí misma y se aplica a muchos campos como. abordaremos previamente el estudio de las matrices y los vectores como tablas de números. En este módulo estudiaremos de forma sistemática los sistemas de ecuaciones lineales. Otras veces representa una buena aproximación al problema objeto de estudio. A pesar de todo. introduciremos el concepto de determinante . En muchos problemas existe una dependencia entre las diferentes magnitudes o variables que intervienen y a menudo la planteamos en forma de ecuación lineal. Finalmente. Evariste Galois (1811-1832)… … empezó a interesarse por las matemáticas a los 15 años.© FUOC • P00/75004/00191 5 Matrices.

vectores y sistemas de ecuaciones lineales Objetivos Se pretende que. 4. 5. 6. estudiando los conceptos de este módulo y con los ejemplos y actividades que se incluyen. independencia lineal y base. Entender los conceptos de espacio vectorial. Aprender a determinar el rango de una matriz. .© FUOC • P00/75004/00191 6 Matrices. 7. 3. Saber plantear problemas lineales. Conocer las propiedades de los determinantes y la regla de Cramer. así como aprender a expresar un vector en una base. Dominar el álgebra de matrices. se alcancen los objetivos siguientes: 1. Dominar el teorema de Rouché-Fröbenius y saber discutir un sistema con parámetros. Saber resolver sistemas por el método de Gauss. 2.

si existen valores de x. compatible e indeterminado. el segundo es incompatible y el tercero. . 1) y tiene una solución única. Pero antes conviene introducir la notación matricial. Denominamos sistema compatible al sistema que admite soluciones. los tres casos del ejemplo quedan clasificados de la forma siguiente: el primero es compatible y determinado. El tercero corresponde a dos rectas coincidentes y tiene infinitas soluciones. que será muy útil. En caso contrario recibe el nombre de incompatible . En caso contrario recibe el nombre de compatible indeterminado . Ahora estudiaremos los sistemas de ecuaciones lineales en general y determinaremos cuántas soluciones tienen y cómo calcularlas. Tratándose de sistemas de dos ecuaciones y dos incógnitas no hay más casos. éstos son los casos emblemáticos para sistemas con más ecuaciones e incógnitas. es decir. Consideremos los sistemas lineales de dos ecuaciones y dos incógnitas siguientes: 2x + 3y = 7 ⎫ ⎬ 2x – 3y = 1 ⎭ 2x +3y = 4 ⎫ ⎬ 2x + 3y = 6 ⎭ 2x + 3y = 6 ⎫ ⎬ 4x + 6y = 12 ⎭ Realizando las gráficas de cada uno de los sistemas de ecuaciones se obtiene: a) Rectas secantes b) Rectas paralelas c) Rectas coincidentes El primer sistema representa dos rectas que se cortan en el punto (2. vectores y sistemas de ecuaciones lineales 1. El segundo caso representa dos rectas paralelas y no tiene solución. y que satisfacen el sistema. En realidad. Preliminares Empecemos por recordar algunas nociones básicas. Decimos que un sistema es compatible determinado si admite una única solución. En estos términos.© FUOC • P00/75004/00191 7 Matrices.

. 1 ≤ j ≤ n. con el objetivo de distinguirlas de los números o elementos. . que denotamos como A y que llamamos matriz del sistema . Los términos independientes bj también pueden ser agrupados en forma de vector columna de m filas y los llamamos b. x 2 .. Designemos por L(m.. y el rango de variación de los índices es 1 ≤ i ≤ m. por sus contribuciones a la llamada teoría de los invariantes y las álgebras de dimensión finita. Hamilton y A. vectores y sistemas de ecuaciones lineales 2. Cuando sean claros los rangos de variación de i y de j escribimos simplemente A = (a ij). geometría n-dimensional y. ⎛ b 1⎞ ⎜ ⎟ b b = ⎜ 2⎟ . . El coeficiente aij es el factor que multiplica x j en la i-ésima ecuación.. ≤ m. ⎪ ⎪ a m1 x 1 + a m2 x 2 + … + a mn x n = b m ⎭ La noción de matriz… … fue introducida en 1857 por los matemáticos británicos W. tenemos: ⎛ x 1⎞ ⎜ ⎟ x x = ⎜ 2⎟ ⎜ ⎟ ⎜ ⎟ ⎝ x n⎠ . Cayley. De este modo. (m filas y n columnas). los coeficientesa ij del sistema de ecuaciones (1) forman una matriz m × n. n ) el conjunto de las matrices m × n. y el coeficiente b i es el término independiente de la i-ésima ecuación. Matrices Introducimos ahora las definiciones y notaciones que utilizaremos. Pongamos A = ( a ij)1 ≤ i para indicar que A es la matriz m × n que tiene Advertencia Para no confundirnos denotamos las matrices con negrita. ⎜ ⎟ ⎜ ⎟ ⎝ b m⎠ . x n o variables consiste en un conjunto de m ecuaciones de la forma siguiente: a 11 x 1 + a 12 x 2 + … + a 1 n x n = b 1 ⎫ ⎪ a 21 x 1 + a 22 x 2 + … + a 2 n x n = b 2 ⎪ ⎬. (1) donde las aij y las b i son escalares conocidos. 1 ≤ j ≤ n por elementos los a ij .. Una matriz m × n es una tabla de números aij donde se tiene 1 ≤ i ≤ m. que llamamos vector columna y que denotamos como x.. Arthur Cayley (1821 . Un sistema de m ecuaciones lineales y n incógnitas x1 . 1 ≤ j ≤ n..1895) Matemático inglés que destacó por sus contribuciones a la teoría de matrices. J Sylvester para indicar una ordenación determinada de números. El primero que utilizó la palabra matriz fue J. que dispondremos en m filas y n columnas: ⎛ a a … a 1n ⎞ ⎜ 11 21 ⎟ A = ⎜ a 21 a 22 … a 2n ⎟ ⎜ ⎟ ⎝ a m1 a m 2 … a mn ⎠ (2) De este modo.© FUOC • P00/75004/00191 8 Matrices. determinantes. en colaboración con su gran amigo Sylvester. Podemos agrupar también las x j en forma de matriz de una sola columna y n filas.

como la matriz E de m filas y n columnas siguiente: ⎛ e 11 ⎜ ⎜ ⎝e m 1 ... Producto de matrices Definimos el producto de C. vectores y sistemas de ecuaciones lineales 2. El resultado es una matriz de 3 filas (número de filas de A) y 2 columnas (número de columnas de B) que presentamos a continuación: ⎛ 7 ⎜–13 ⎜ ⎝ 23 7 ⎞ 4 ⎟.. En el ejemplo dado el número de columnas de A y de filas de B es el mismo. de k filas y n columnas. para poder multiplicar dos matrices es necesario que la matriz de la izquierda tenga el mismo número de columnas que el número de filas de la matriz de la derecha. ⎟ 8⎠ .. k n n y. donde el elemento eij de la i-ésima fila y j-ésima columna del producto E se obtiene multiplicando los elementos de la i-ésima fila de C por los elementos de la j-ésima columna de D y sumando: k .. e ij = c i1 d 1 j + c i2 d 2j + … + c i kd k j = l=1 ∑ c il d lj ..© FUOC • P00/75004/00191 9 Matrices.. ) → L ( m . Ejemplo 1 ¿Cuándo es factible la multiplicación de dos matrices? Por ejemplo... ) × L (k . 0⎟ ⎟ 3⎠ (3) ⎛3 ⎜1 – ⎜ ⎝2 –1 0 5 0 3 –1 4⎞ 1⎟ ⎟ 0⎠ Para poder multiplicar A y B es necesario que el número de columnas de A sea igual al de las filas de B. La operación de multiplicar matrices es una aplicación: ·: L (m .. por lo tanto. y el producto es posible. … … c 1k ⎞ ⎟⋅ ⎟ c m k⎠ ⎛ d 11 ⎜ ⎜ ⎝ dk 1 . En el producto de matrices.. el sistema (1) se escribe de la forma: A · x = b.. Cada elemento del producto tendrá 4 sumandos. . De forma abreviada escribimos: E=C ·D o bien omitiendo el punto. … … d 1n ⎞ ⎟.. 4. por una matriz D.1.. observamos que el número de columnas de la matriz de la izquierda y el de las filas de la matriz de la derecha es el mismo ( k). … … e 1n ⎞ ⎛ c 11 ⎟ = ⎜ ⎟ ⎜ ⎝c m 1 e mn⎠ . hagamos la multiplicación matricial indicada: ⎛2 ⎜ 3 ⋅⎜ ⎜4 – ⎜ ⎝1 –1⎞ ⎟ 2⎟ .. simplemente E = CD. ).. de m filas y k columnas. . Con estas notaciones. ⎟ d k n⎠ .

. . c m 2 + d m2 c 1n + d 1n ⎞ ⎟ c 2n + d 2n ⎟ = E. c m2 ⎛ c 11 + d 11 ⎜ c + d 21 = ⎜ 21 ⎜ ⎜ ⎝ c m1 + d m1 . Suma de matrices La suma de dos matrices m × n es igual a la matriz m × n que se obtiene sumando los elementos correspondientes: … … … … … … ⎛ c 11 ⎜ ⎜ c 21 ⎜ ⎜ ⎝c m 1 .. vectores y sistemas de ecuaciones lineales Además de la matriz del sistema (2)....... Matriz del sistema: ⎛ 2 ⎜ 0 ⎜ ⎝ –1 Matriz ampliada: ⎛2 ⎜ ⎜0 ⎝1 – Sistema: ⎛ 2 ⎜ 0 ⎜ ⎝–1 3 –3 4 –6 ⎞ 1⎟ ⎟ –1 ⎠ ⎛ x⎞ ⎛ 7⎞ ⋅ ⎜ y⎟ = ⎜ 1⎟ .. ⎜ ⎟ ⎜ ⎟ ⎜ a m 1 a m 2 … a mn b m⎟ ⎝ ⎠ .. c12 + d 12 c22 + d 22 .. obtenida a partir de la matriz del sistema añadiendo la columna de los términos independientes: ⎛ ⎞ ⎜ a 11 a 12 … a 1 n b 1 ⎟ ⎜ a ⎟ ⎜ 21 a 22 … a 2n b 2 ⎟ . ..... … … … . también utilizamos la matriz ampliada .... c 12 c 22 .. Ejemplo 2 Dado el sistema de ecuaciones siguiente: 2x + 3y – 6z = 7 ⎫ ⎪ – 3 y + z = 1 ⎬. ⎟ ⎠ 2.. . d m2 d 1n ⎞ ⎟ d 2n ⎟ ⎟ = ⎟ d m n⎠ .. –1 4⎠ 3 –3 4 –6 1 –1 ⎞ ⎟. Escribimos el sistema de la forma que expresa la ecuación (3).© FUOC • P00/75004/00191 10 Matrices.. c 1n ⎞ ⎟ c 2n ⎟ ⎟+ ⎟ cmn ⎠ ⎛ d 11 ⎜ ⎜ d 21 ⎜ ⎜ ⎝ d m1 . (4) d 12 d 22 .2. ⎜ ⎟ ⎜ ⎟ ⎝ z⎠ ⎝ 4⎠ 3 –3 4 –6 7⎞ ⎟ 1 1⎟ . ⎪ – x + 4y – z = 4 ⎭ escribimos la matriz del sistema y la matriz ampliada.. ⎟ ⎟ c mn + d mn⎠ ..

si existe un elemento neutro 0 tal que para todo a se verifica que a + 0 = 0 + a = a. Así. William Rowman Hamilton (1805-1865) Matemático nacido en Dublín. italiano. −A. que tiene todos sus elementos iguales a 0. la suma es conmutativa.© FUOC • P00/75004/00191 11 Matrices. Ejemplo 3 Hagamos esta suma: ⎛ ⎞ ⎛ ⎞ ⎜ 3 – 1 0 4 ⎟ ⎜ 8 1 0 4 –4 ⎟ ⎜ –1 0 3 1 ⎟ + ⎜ 3 2 1 –3 ⎟ . Son importantes sus trabajos sobre números irracionales (Algebra as the Science of Pure Time . Resumiendo. griego y hebreo. además de inglés. También podemos asociar a cada matriz A su opuesta. 1933-1835). (L(m. la suma de matrices tiene las propiedades siguientes. es el elemento neutro de la suma. entonces este elemento es único. fue un niño precoz que a los cinco años. Para todo A. leía latín. B. La suma de A y de −A da la matriz 0. decimos que es un grupo conmutativo.n). árabe y sánscrito. Finalmente. Si. francés. Abandonó el estudio de las lenguas para consagrarse a las matemáticas. Propiedades inmediatas 1) Dado un conjunto dotado con una operación interna (que denotaremos por “+”). en términos de los elementos: e ij = cij + d ij . ⎜ ⎟ 2⎠ ⎝ 7 0 7 Es fácil comprobar que la suma de matrices es asociativa y que la matriz 0. además. y a los catorce persa.+) es un grupo conmutativo. (2) y (3) recibe el nombre de grupo. vectores y sistemas de ecuaciones lineales o. C: 1) (A + B) + C = A + ( B + C) asociativa 2) A + 0 = 0 + A = A elemento neutro 3) A + (−A) = 0 elemento opuesto 4) A + B = B + A conmutativa (5) Las propiedades que acabamos de mencionar permiten definir la estructura de grupo. Todo conjunto en el que hay definida una operación que tiene las propiedades (1). a los diez. que tiene por elementos los opuestos de los de A. ⎜ ⎟ ⎜ ⎟ 2 ⎠ ⎝ 2 5 – 1 0 ⎠ ⎝ 5 –5 8 Solución: ⎛ 1194 0⎞ ⎜ ⎟ ⎜ 2 2 4 –2 ⎟ . . tiene la propiedad conmutativa (4).

y el neutro es único. Siendo la operación asociativa. tendríamos: a ′ = 0 + a ′ = ( a″ + a ) + a ′ = a ″ + ( a + a ′ ) = a ″ + 0 = a ″. 2. debemos introducir la matriz identidad I que está formada por unos en la diagonal principal y ceros en todo el resto: ⎛0 ⎜ 0 O = ⎜ ⎜ ⎜ ⎝0 . Por el hecho de que el 0 es el elemento neutro. . 5) Para probarlo sólo tenemos que añadir −c por la derecha a cada lado de la ecuación y utilizar la propiedad asociativa..© FUOC • P00/75004/00191 12 Matrices. a+ c=b+c⇒ a = b. y el elemento inverso (el opuesto en notación “+”) asociado a cada elemento del grupo también es único. Matrices cuadradas Cuando las matrices tienen el mismo número n de filas y de columnas hablamos de matrices cuadradas. además. −(−a) = a. En este caso.. 4) De a + (−a) = 0 se deduce que a es opuesto de (−a). y por la unicidad del opuesto en un grupo.. 0 = 0’.. 3) En un grupo el elemento neutro es único. Por el hecho de que 0´ también es neutro. 5) En un grupo siempre se puede simplificar. siempre las podemos sumar de dos en dos y multiplicar de dos en dos. la operación es asociativa y cada elemento a tiene un opuesto a’ tal que a + a’ = a’ + a = 0. igual a −(−a). Demostración 1) Supongamos que existe otro neutro 0’ con las mismas propiedades. n). 0 0 . Si consideramos el conjunto de las matrices cuadradas. Por lo tanto. 0 … … … 0⎞ ⎟ 0⎟ ⎟ ⎟ 0⎠ . además de la matriz 0 (el elemento neutro de la suma).3. 4) En un grupo. L(n. se tendrá 0 + 0’ = 0. 3) Resulta como corolario de los anteriores. se tendrá 0 + 0’ = 0’. Es decir. entonces este elemento es único.. vectores y sistemas de ecuaciones lineales 2) Si en un conjunto como el anterior. 2) Supongamos que a tuviese otro opuesto a’’..

⎟ 1⎠ . Ejemplo 4 1 A = ⎛ ⎝–2 3⎞ 1 B= ⎛ ⎝3 1⎠ 1⎞ . y un producto con las propiedades (5) y (6).© FUOC • P00/75004/00191 13 Matrices. 3) ( –a ) ⋅ ( –b ) = a ⋅ b. el producto de matrices cuadradas cumplirá también las siguientes propiedades: 1) (A · B)· C = A · (B · C) 2) A · I = I · A = A 3) A · (B + C) = A · B + A · C (A + B) · C = A · C + B · C distributiva asociativa elemento neutro (6) Conviene destacar que la multiplicación de matrices no es conmutativa... B. . C matrices cuadradas cualesquiera de L(n. con las propiedades de grupo conmutativo. Propiedades inmediatas En un anillo conmutativo se cumplen las relaciones que presentamos a continuación: 1) a ⋅ 0 = 0 . es un anillo con unidad. 0 … … … 0⎞ ⎟ 0⎟ ⎟.. 2) a ⋅ ( –b ) = –( a ⋅ b ) = ( –a ) ⋅ b . Además de las propiedades por la suma (5). el producto es conmutativo. Sean A.n). . vectores y sistemas de ecuaciones lineales ⎛1 ⎜ 0 I = ⎜ ⎜ ⎜ ⎝0 0 1 . es decir: En general: A · B ≠ B · A.. además. 2⎠ Comprobemos en este ejemplo que A · B ≠ B · A: 10 AB = ⎛ ⎝ 1 7⎞ –1 BA = ⎛ ⎝ –1 0⎠ 4⎞ .. diremos que A es un anillo conmutativo con unidad .. 11 ⎠ Un conjunto A dotado con dos operaciones: una suma. Si.

y la denotaremos como At. vectores y sistemas de ecuaciones lineales Demostración 1) Utilizando las propiedades distributiva y elemento neutro de la suma. ⎛ 3 A = ⎜ –1 ⎜ ⎝ 2 ⎛ 3 ⎜ –1 A = ⎜ ⎜ 0 ⎜ ⎝ 4 t –1 0 5 –1 0 3 1 0 3 –1 2⎞ ⎟ 5⎟ . Y. y no cambian al intercambiar filas por columnas. 2. 3) Resulta de la anterior y de –(–a) = a. resulta: –( 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 ). – 1⎟ ⎟ 0⎠ 4⎞ 1⎟ ⎟ 0⎠ Es muy sencillo demostrar que: (A + B)t = At + B t (A ⋅ B)t = Bt ⋅ At Diremos que una matriz cuadrada que sea igual a su transpuesta es simétrica . Ejemplo 6 La matriz siguiente: ⎛ ⎜ 1 2 3 A = ⎜ 2 –5 6 ⎜ ⎝ 3 6 7 es simétrica: A = At.© FUOC • P00/75004/00191 14 Matrices. simplificando. Así pues. si A = (a ij ) y At = (a tij ) tendremos a tij = a ji. en ocasiones interesa intercambiar sus filas y sus columnas. La transpuesta de una matriz Dada una matriz. 2) Utilizando la propiedad anterior. resulta: a ⋅ 0= a ⋅ (0 + 0)= a ⋅ 0 + a ⋅ 0 . La matriz resultante se llama matriz transpuesta. Las matrices que son simétricas lo son respecto a la diagonal principal. ⎞ ⎟ ⎟ ⎟ ⎠ . el opuesto de la suma y la propiedad distributiva. resulta a · 0 = 0.4. Ejemplo 5 Escribamos una matriz 3 × 4 y su transpuesta. es decir: aij = a ji ∀i. j.

Las matrices antisimétricas tienen necesariamente ceros en la diagonal principal. ¿Qué tipo de matriz es A? 7. etc. 3 . es decir. Dada la matriz: ⎛ ⎞ A= ⎜ a b ⎟ ⎝ c d⎠ probad que si δ = ad – bc ≠ 0. b) A ⋅ A . Sean las matrices siguientes: ⎛ ⎞ A = ⎜ 2 5⎟ ⎝ –1 3 ⎠ Comprobad que A · B ≠ B · A. . Si A es una matriz 4 × 6: a) ¿Es posible calcular A t · A y A · A t ? b) Si es posible hacerlo. Dadas tres matrices cuadradas n × n A. Demostrad que (A · B)t = B t · A t. 2 . 4. ¿cuántas filas y cuántas columnas tiene At · A? c ) Ídem con A · A t . ⎛ ⎞ Dada la matriz A = ⎜ 7 –2 ⎟ calculad: ⎝ –1 2 ⎠ a) 2 A3 – 5 A 2 + 4 A + 3 I . Actividades 1. entonces la matriz ⎞ 1 ⎛ At = .⋅ ⎜ d –b ⎟ δ ⎝ –c a ⎠ es inversa de A. vectores y sistemas de ecuaciones lineales También tienen interés las matrices con la propiedad de que su transpuesta es igual a su opuesta. probad la propiedad asociativa de la multiplicación. De este modo. d) ¿Tienen alguna otra característica especial las matrices anteriores? 5 . B. C. 6 .© FUOC • P00/75004/00191 15 Matrices. es decir A · At = A t · A = I. En este caso diremos que la matriz es antisimétrica . El producto de una matriz por sí misma se denota en forma de potencia. Sean: ⎛ x⎞ ⎜ ⎟ x = ⎜ y ⎟ ⎜ ⎟ ⎝ 1 ⎠ ⎛ a a a ⎞ ⎜ 11 12 1 ⎟ A = ⎜ a 12 a 22 a 2 ⎟ ⎜ ⎟ ⎝ a1 a2 a ⎠ t ⎛ ⎞ B = ⎜ 3 –1 ⎟ ⎝ 4 8 ⎠ Probad que: x t ⋅ A ⋅ x = a 11 x 2 + 2 a 12 x y + a 22 y2 + 2 a 1 x + 2 a 2 y + a . pondremos A · A · A = A 3 . (A · B) · C = A · (B · C).

Un conjunto dado de una operación interna (que llamaremos suma) con estructura de grupo conmutativo (5) y una multiplicación por escalares (elementos de un cuerpo) con las propiedades (7) decimos que tiene estructura de espacio vectorial (sobre el cuerpo de los escalares). Espacios vectoriales Las matrices admiten también otra operación. . La estructura de espacio vectorial de las matrices nos permitirá profundizar en el tratamiento de los sistemas de ecuaciones. como por ejemplo los polinomios.© FUOC • P00/75004/00191 16 Matrices. vectores y sistemas de ecuaciones lineales 3. µ se verifican las propiedades que presentamos a continuación: 1) λ · (µA) = (λµ) · A 2) 1 · A = A 3) (λ + µ) · A = ( λA) + (µA) λ · (A+B) = (λA) + (λB) distributiva asociativa elemento neutro (7) Para representar los escalares... Propiedades inmediatas En un espacio vectorial se verifican las relaciones siguientes: 1) 0 ⋅ a = 0 . utilizamos las letras griegas λ (lambda) y µ (mu). Nos interesa destacar esta estructura de espacio vectorial que tienen las matrices y que también tienen otros muchos conjuntos matemáticos. que es la multiplicación de un número o escalar.. B.n) con la suma y la multiplicación por escalares forman un espacio vectorial. 2) λ ⋅ 0 = 0 3) ( –1 ) ⋅ a = –a .. Estre producto se hace multiplicando cada elemento de la matriz por el número en cuestión. El conjunto de matrices de L(m. λ. La multiplicación por escalares también tiene propiedades características y fáciles de demostrar. Para todo A.

resulta: 0 · a = 0. 0 · a = (0 + 0) · a = 0 · a + 0 · a. . Dependencia e independencia lineal Dado un conjunto de vectores {v1 . añadiendo –0 · a a los dos miembros y usando la asociatividad.. . 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 características de los espacios vectoriales.© FUOC • P00/75004/00191 17 Matrices.. 3... ..v2 .1. . y cumplen las propiedades (5) y (7).. . así: ⎛ v 1⎞ ⎛ w 1 ⎞ ⎛ v 1 + w 1⎞ ⎜ ⎟ +⎜ ⎟ = ⎜ ⎟ v +w = ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ v n⎠ ⎝ w n ⎠ ⎝ v n + w n⎠ .. que lo configuran como espacio vectorial. . consideraremos el conjunto de vectores-columna (o matrices de n filas y una sola columna).. siguiendo el apartado anterior. Para fijar ideas y por tratarse del espacio vectorial más natural. vectores y sistemas de ecuaciones lineales Demostración 1) En efecto. . Por lo tanto.. v k} de En. ⎛ v 1⎞ ⎛ λ v1⎞ ⎟ λv = λ⎜ ⎟ = ⎜ ⎜ ⎟ ⎜ ⎟ ⎝ v n⎠ ⎝ λ vn⎠ . Llamamos E n o espacio vectorial de n dimensiones sobre los números reales al conjunto de vectores-columna de n componentes reales: ⎛ v1 ⎞ ⎜ ⎟ v v = ⎜ 2⎟ . decimos que son linealmente independientes si y sólo si la igualdad: λ 1 v 1 + λ 2 v 2 + … + λ kv k = 0 (9) . 2) La demostración es análoga a la anterior. . . ⎜ ⎟ ⎜ ⎟ ⎝ vn ⎠ La suma y la multiplicación por escalares en E n están definidas. .

= λ n = 0 . (11) que se expresa diciendo que v es combinación lineal de los vectores u1 .. ya que podemos comprobar que: v 1 + 3 v 2 – v3 = 0 . Ejemplo 7 Los vectores siguientes: ⎛ 1⎞ v1 = ⎜ –2⎟ ⎜ ⎟ ⎝ 5⎠ ⎛ –2⎞ v2 = ⎜ 3⎟ ⎜ ⎟ ⎝ –1⎠ ⎛ –5⎞ v3 = ⎜ 7 ⎟ ⎜ ⎟ ⎝ 2⎠ son linealmente dependientes. y por lo tanto en la combinación lineal habrá un escalar diferente de 0. Observamos que cualquier conjunto de vectores que contiene el vector 0 es linealmente dependiente. …. .. vectores y sistemas de ecuaciones lineales se verifica únicamente para λ1 = λ2 = … = λk = 0.. hay una combinación lineal de ellos igual a 0 donde no todos los escalares son 0. un.. La definición 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). los vectores de (10) verifican la propiedad de que todo vector de En puede descomponerse de la forma: ⎛v 1⎞ v = ⎜ ⎟ = v 1 u 1 + … + vn un ⎜ ⎟ ⎝v n⎠ .. u n = ⎜ 0⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ 0⎠ ⎝ 0⎠ ⎝ 1⎠ . Además. u 2 = ⎜ 0⎟ . Por ejemplo.. ya que de la ecuación: ⎛ λ 1⎞ ⎜ ⎟ λ = ⎜ 2⎟ = 0 ⎜ ⎟ ⎜ ⎟ ⎝ λ n⎠ .© FUOC • P00/75004/00191 18 Matrices. En el caso contrario decimos que son linealmente dependientes. los vectores siguientes: ⎛ 1⎞ ⎛ 0⎞ ⎛ 0⎞ ⎜ 0⎟ ⎜ 1⎟ ⎜ 0⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ = ⎜ 0⎟ .... u1 (10) son linealmente independientes... ya que λ · 0 = 0 para cualquier λ ≠ 0. λ 1 u 1 + λ 2 u 2 + … + λn u n se deriva: λ 1 = λ 2 = ... es decir... . . .

... Supongamos que tenemos un conjunto de vectores v1 . entonces los vectores v. es decir. Proposición 1 La expresión de un vector en una base es única Demostración En efecto. ya que verifican las dos condiciones anteriores.... . ... como ya hemos visto. tal que hay constantes reales λi no todas nulas para las que se verifica (9). 3.. ek } una base del espacio... λi λi λi Decimos que vi es combinación lineal de los restantes vectores del conjunto v1.. Este conjunto de vectores recibe el nombre de base canónica de En.. .. cualquier vector v de En puede ser expresado en esta base. sea {e1 ..© FUOC • P00/75004/00191 19 Matrices. v k son linealmente dependientes. e k}. se cumple λ i ≠ 0. v k linealmente dependiente. .. . . existen v1 . vk ... . es decir.2.. v1 . Los vectores (10) son una base de E n.i – 1 – … – --v k . Por la segunda condición de la definición de base. Recíprocamente.. . 2) todo vector de E n puede expresarse como combinación lineal de {e 1 . vk . vectores y sistemas de ecuaciones lineales Es obvio también que cualquier subconjunto de un conjunto de vectores linealmente independientes es linealmente independiente. Si.. e k} es una base de En si: 1) {e1 . si v es combinación lineal de v1 .... . ek} son linealmente independientes. vk escalares tales que: v = v 1e 1 + … + v k e k. .-v v i = – --v 1 – … – --–. por ejemplo... entonces se puede aislar vi de la forma siguiente: λi 1 λk λ1 ---.. Bases Decimos que un conjunto de vectores {e 1 .

por ejemplo la siguiente: v = v′ 1 e 1 + … + v′ k e k restando las dos ecuaciones obtendríamos: 0 = ( v1 – v′1 )e 1 + … + ( v k – v ′ k) e k Como los ei son linealmente independientes (por la primera condición de la definición de base). esta ecuación implica: v1 − v’ 1 = v 2 − v’ 2 = . .. que es lo que queríamos demostrar.. Entonces. (12) ...... v n los componentes del vector v en la base canónica (10) {u 1 . v1 = v’1 . vectores y sistemas de ecuaciones lineales Si hubiese otra expresión de v en la base dada. Demostración Debemos ver que { u2 . la expresión es única.. los vectores {v.. Proposición 2 Sean v 1 .. .. .. .. .© FUOC • P00/75004/00191 20 Matrices. Los coeficientes vi que multiplican los vectores ei de la base se llaman componentes del vector v en la base {e1. un } cumplen las dos condiciones necesarias para v.. Es decir.... un }: v = v 1u 1 + … + v nu n. .. ser una base: 1) Probamos que son linealmente independientes: De la ecuación: λ 1 v + λ 2 u2 + … + λn u n = 0 se deriva: λ 1 ( v 1 u 1 + … + v n u n) + λ 2 u 2 + … + λ n un = 0 . ek}. un } forman una nueva base de E n. u2 .. Ahora analizaremos cómo son las bases de En. v k = v’k y por lo tanto las dos expresiones de v son idénticas. = vk − v’k = 0 es decir.. si v 1 ≠ 0.

λ1v n + λn = 0 .. vectores y sistemas de ecuaciones lineales que implica: λ 1 v 1 u 1 + ( λ 1 v2 + λ 2 )u 2 + … + ( λ 1 v n + λ n ) un = 0 ..⎞ u n ---v ------------⎝ ⎝ v1 v1 ⎠ v1 ⎠ que prueba que cualquier vector de E n se puede escribir como combinación lineal de los vectores {v. = λ n = 0. λ 1 v 2 + λ 2 = 0. . obtenemos: v v2 1 -u u1 = --v 1 – --u 2 – … – -n n .. y por la independencia lineal de los vectores de la base canónica. . . n y los vectores son linealmente independientes.. A partir de la expresión (11) de v en la base canónica.. Por lo tanto.+ ⎛ w 2 – ---.. queda probado que (12) implica que λ i = 0 para todo i = 1.© FUOC • P00/75004/00191 21 Matrices. un } para formar una nueva base de En. u 2... Como por hipótesis se cumple v1 ≠ 0... resulta: λ 1 v 1 = 0. e k} son k vectores de E n linealmente independientes (con k ≤ n).. se obtiene: λ 2 = .. un }. sustituyendo esta solución en las otras.. teniendo en cuenta que v1 ≠ 0. u2 . . que expresado en la base canónica es: w = w 1 u 1 + … + wn u n .⎞ u2 + … + ⎛ wn – ---. 2) Debemos ver que todo vector w de E n se puede expresar como combinación lineal de {v. ….. la primera de las ecuaciones anteriores implica λ1 = 0 y. entonces podemos sustituir k vectores convenientemente elegidos de la base canónica (10) {u1 . v1 v1 v1 (13) Sea ahora w un vector cualquiera. . un } Teorema 1: teorema de Steinitz Si {e1 ... Empleando (13) obtenemos: v vn 1 -u w = w 1 ⎛ --v – -2 2 – … – --un⎞ + w2 u2 + … + w n u n = ⎝v1 v1 v1 ⎠ w 1 v2 w 1v n w1 = -..

el teorema 2 nos dice que no podemos tener una cantidad de vectores mayor que la dimensión del espacio y que sean linealmente independientes. expresamos e2 en la nueva base: e 2 = a 21 e 1 + a 22 u 2 + … + a 2n un . Continuando por el mismo procedimiento llegaremos a sustituir k vectores convenientemente elegidos de la base canónica por los vectores {e 1 . Ponemos: e 1 = a 11 u1 + … + a 1n un .. u n }. la expresión anterior implicaría que {e 1 .. Teorema 2 Todo conjunto {v 1 . Ejemplo 8 Dados los dos vectores: ⎛ 0⎞ e 1 = ⎜ 3⎟ ⎜ ⎟ ⎝ –2⎠ ⎛ 0⎞ e 2 = ⎜ –1⎟ . Si k > 1. contra la hipótesis. si no.. . e 1 ≠ 0. pues. y decimos que n es la dimensión de En ... e k} linealmente independientes.. Por lo tanto.. De aquí se deducen inmediatamente los teoremas siguientes. vectores y sistemas de ecuaciones lineales Demostración: Sean {e1 . alguno de los a 22 . u2 . . Supongamos también.. Para fijar ideas suponemos que es a 11 ≠ 0 . para fijar ideas. ya que si no.... .. a2n debe ser diferente de cero. vk } de vectores de E n linealmente independientes consta de k ≤ n vectores...u 3 . ⎜ ⎟ ⎝ 1⎠ .. ek }. un ]. Para la proposición 2 podemos formar la nueva base [e1 . Teorema 3 El número de vectores de todas las bases de En es n..e 2. a 23 . e 1 sería 0. Aplicando nuevamente la proposición 2 pasaremos a la nueva base {e 1. y es una base si y sólo si k = n. Necesariamente.© FUOC • P00/75004/00191 22 Matrices. e 2 } son linealmente dependientes. Así. ya que. . tal como queríamos. Algún componente a 1j será diferente de 0.. que sea a 2 2 ≠ 0. .

. 0 0 ... .. ... …. que implica λ 1 = λ 2 = 0.. e2} con vectores de la base canónica.u 3} es 0. resulta que e2 puede sustituir a u3 . ... b) Formemos una base de E 3 completando {e1 .. Por lo tanto. 0 ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝1 0 0 … … … 0 0⎞ ⎟ 0⎟ .. ⎟ 0⎠ 0⎞ ⎟ 0⎟ ⎟...... En cambio..... . 1 0⎞ ⎟ 0⎟ .u3 . 0 … .e 2} Todavía podemos expresar u 2 y u 3 en la nueva base: u 3 = e1 + 3 e2 1 2 u2 = . 0 0 0 0 0 1 0 0 0 . .. Tenemos: ⎛ 0⎞ e 1 = ⎜ 3⎟ = 3 u 2 – 2 u 3 . 3 3 Ahora tenemos que expresar e2 en la nueva base. empezamos por sustituir e 1 por un vector conveniente de la base canónica.(e 1 + 3 e 2 ) = e 1 + 2 e 2 . ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 0 0 … … . . -e -e -u ⎜ ⎟ ⎝3 3 ⎠ 3 3 ⎝ 1⎠ Como el componte según u 3 es diferente de 0. .. ⎛1 ⎜ ⎜0 ⎜ ⎜ ⎝0 ⎛0 ⎜ ⎜1 ⎜ ⎜ ⎝0 0 0 … … … … … … 0⎞ ⎟ 0⎟ ⎟. Como el primer componente de e1 en la base {u 1. .© FUOC • P00/75004/00191 23 Matrices. . .. . . …. finalmente tenemos la base {u 1..u 3}. ⎟ 0⎠ ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 0 0 … … … … … … 1⎞ ⎟ 0⎟ ⎟ ⎟ 0⎠ .. ⎜ ⎟ ⎝ –2⎠ de donde resulta: 1 2 u2 = . ya que el segundo componente es diferente de 0.. . .... De este modo... Tendremos: ⎛ 0⎞ e 2 = ⎜ –1⎟ = – u 2 + u 3 = – ⎛ 1 1 + 2 u 3 ⎞ + u 3 = – 1 1 + 1 3 . e 1 sí que puede sustituir u 2..... tenemos la nueva base {u 1..... . . vectores y sistemas de ecuaciones lineales a) Comprobemos que son linealmente independientes. son linealmente independientes.e1.... . ⎟ ⎟ 0⎠ . . -e 3 3 Ejemplo 9 Escribamos la base canónica para el espacio vectorial de las matrices n × m.... …. ¿Qué dimensión tiene? La base canónica estará formada por cada una de las matrices que tienen un 1 en una posición diferente y todo el resto 0. no podemos sustituir u 1 por e1...... b) Siguiendo la construcción del teorema de Steinitz y la proposición 2.. ⎟ ⎟ 0⎠ ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 0 0 … … … . ⎟ 0⎠ 0⎞ ⎟ 0⎟ ⎟.. ⎟ 0⎠ ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 1 0 … … … … … … 0⎞ ⎟ 0⎟ ⎟.. .. –2λ 1 + λ 2 = 0.e1.e 1 + ...1 + . .u2... De este modo. Solución a) La ecuación λ 1 e 1 + λ 2 e2 = 0 lleva al sistema 3 λ 1 – λ 2 = 0. . 0⎞ ⎟ 1⎟ ⎟ ⎟ 0⎠ 0⎞ ⎟ 0⎟ ⎟ ⎟ 1⎠ ... . .

. En particular. vectores y sistemas de ecuaciones lineales Es inmediato comprobar que las matrices anteriores son linealmente independientes y que toda matriz puede expresarse como combinación lineal de éstas. es decir..3. Decimos que los vectores {v 1 . v k } son un conjunto de generadores de F. v k }. λv. 3. …. con cada par de vectores v y w contiene su diferencia v − w y de este modo contiene el cero. Si v ≠ 0 . contiene también su suma v + w. λ k ∈ R } es un subespacio vectorial de E n ’. el conjunto siguiente: F = { λ 1 v 1 + … + λk v k λ 1 ∈ R .. De forma análoga podemos definir los generadores de F. tenemos que: F 1 = { λv λ ∈ R } . v k }. . el subespacio F1 tiene dimensión 1. .. Ejemplo 10 El conjunto de múltiplos de un vector v cualquiera es un subespacio vectorial. y decimos que es un subespacio vectorial de En. entonces. y las propiedades (5) y (7) continúan siendo válidas. ya que v es una base de F1 . contiene λv. el conjunto F en cuestión tiene estructura de espacio vectorial.. siv es el vector 0 . Decimos que un conjunto de vectores F ⊂ En es un subespacio vectorial de En si. que decimos que es de dimensión 0. es decir. el subespacio se reduce al vector 0.© FUOC • P00/75004/00191 24 Matrices. que por sí solo constituye un subespacio vectorial trivial. forman una base y la dimensión del espacio vectorial de las matrices n × m es n · m... . es decir. Subespacios vectoriales y rango Consideremos un conjunto F de vectores de E n´ tales que si contiene los vectores v y w también contiene su suma v + w. . Por lo tanto. y con cada vector v contiene también el producto para cualquier número λ. que llamamos subespacio vectorial generado por los vectores {v 1 . En consecuencia. Dados k vectores {v1 . 2) Para cada vector v que contiene... Como además también contiene el producto de cada vector por cualquier escalar. Esto hace que sea un subgrupo del grupo aditivo de los vectores de En . contiene también su producto por cualquier escalar λ. En un conjunto así. y sólo si: 1) Para cada dos vectores v y w que contiene. cada vector v contiene su opuesto −v = (−1)v.

R) siguientes: a) { f ∈ F ( R . 10.e2 } que esté formada por e 1 y otro vector e 2 tal que su primer componente expresado en la base canónica ′ sea 0. la dimensión de un subespacio vectorial F de En es menor o igual que n. Decid si son subespacios vectoriales los subconjuntos de R 3 siguientes: a) { ( x. El rango. De este modo. Sea F(R.R) el conjunto de funciones reales de variable real. . y. y. 9.. en En no puede haber más de n vectores linealmente independientes. c) { ( x . 5): a) Probad que son linealmente independientes.. . 0... –3) y e2 = (–1. v2 . (Todas tienen el mismo número. y es igual al número de vectores que contiene cualquier base de F. Llamaremos rango de un conjunto de k vectores {v1 . Consideremos los mismos vectores { e1 . b) { ( x. según el análogo del teorema 3 para los subespacios). z) ∈ R 3 : 5 x + 2 y – 7 z = 3 } . .e 2} de la actividad 8: a) Encontrad una nueva base del subespacio generado por { e 1 . c) { f ∈ F ( R . z) ∈ R 3 : – 3 x + 2 y + z = 0 } . b) { f ∈ F ( R. y. R ) : f ( 1 ) = k } . F no puede contener tampoco más de n vectores linealmente independientes. vectores y sistemas de ecuaciones lineales Por el teorema 2.. En el próximo apartado de este mismo módulo didáctico aprenderemos a determinar el rango de un conjunto de vectores... En particular se tiene que el rango es menor o igual que k. d) Expresad u1 y u 2 en la nueva base. Consideremos los vectores e1 = (2. Lo haremos por el método de Gausss. z) ∈ R 3 : x ≥ 0 } . R ) : f ( 0 ) = 2 f ( 1) } . 11. v3 ) en la nueva base. Actividades 8. b) ¿Es posible completar con u 3 para formar una base de E 3 ? ¿Por qué? c) Expresad un vector cualquiera v = (v 1 . v k } de E n a la dimensión del subespacio que generan. correspondiente a nuestra r. ¿Es posible? ¿Por qué? b) Expresad e 2 en la nueva base.© FUOC • P00/75004/00191 25 Matrices. R ) : f ( –x ) = f 2 ( x ) }. Decid si son subespacios vectoriales los subconjuntos de F(R. lo representamos con la letra griega ρ (ro). 3. Por lo tanto.

el sistema: 3x + 2y + z = 1 ⎫ ⎪ y – 2z = 2 ⎬ ⎪ 2z = –1 ⎭ Karl F. . De este modo.. tenemos: ⎫ ⎪ ⎪ ⎪ 1 y = 2 + 2z = 2 + 2 ⎛ –-⎞ = 1 -⎠ ⎬.. Dado un sistema de ecuaciones lineales (1). como E. El método de Gauss Comencemos ahora el estudio de los sistemas de ecuaciones lineales. Ya discutiremos cuál es la forma final más simple que podemos obtener. finalmente. ⎝ 2 ⎪ ⎪ 1 ⎪ 1 1⎛ 1⎞ x = . Galois. un niño precoz: a los 3 años descubrió un error de cálculo en la paga de los obreros que tenía su padre (no sabemos si a favor de los obreros o de su padre). es inmediato de resolver por sustitución hacia atrás: aislamos la z en la tercera ecuación. ha sido. llamado Princeps Mathematicorum (príncipe de los matemáticos).( 1 – 2y – z ) = . lo que nos interesa es saber si tiene soluciones y cuáles son. Por ello podemos transformarlo en otro equivalente. sea más fácil de resolver. En el objetivo de reducir el sistema a otro con las mismas soluciones pero más sencillo. El método de Gauss consiste en ir transformando el sistema de partida en otro equivalente. tal vez. teniendo las mismas soluciones. el método de Gauss utiliza tres tipos de transformaciones que presentamos a continuación. ya que la matriz del sistema tiene ceros en la parte inferior izquierda de la diagonal principal.. vectores y sistemas de ecuaciones lineales 4. Fue también. después la sustituimos en la segunda para aislar la y. . Gauss (1777-1855).. el mayor matemático de la historia. y.⎝ 1 – 2 + -⎠ = –6 ⎭ 3 3 2 z = –1 2 Decimos que un sistema como el del ejemplo está en forma triangular.© FUOC • P00/75004/00191 26 Matrices. sustituimos la y y la z en la primera y aislamos la x. en el sentido de que. de tal modo que nos acerquemos. a un sistema como el del ejemplo. paso a paso. con ceros en la parte inferior izquierda. Hay sistemas que tienen una solución inmediata. Por ejemplo.

.. c) Transformación 3: multiplicar (o dividir) una fila por un número diferente de cero. ⎫ ⎪ ⎪ ⎪ a i1 x 1 + … + a in x n = b i ⎪ ⎪ ⎪ a j – 1. . .. ⎫ ⎬ ⎭ .. ... si es necesario).© FUOC • P00/75004/00191 27 Matrices. Obviamente la primera y la tercera transformación no modifican las soluciones.. 1 x 1 + … + a j – 1 ... El coeficiente de la x1 de la primera ecuación mencionado será el primer pivote elegido. es igual a la j-ésima ecuación de (14) menos λ por la ecuación i-ésima. Para probar que la segunda no modifica las soluciones del sistema. n x n = b j + 1 ⎪ ⎪ ⎪ ⎭ a m 1 x 1 + … + a mnx n = b m ... b) Transformación 2: añadir a una fila una paralela previamente multiplicada por un número. y recíprocamente. ... A continuación reducimos a cero los restantes coeficientes de x 1 en las otras ecuaciones (transformación 2 para cada ecuación).. es una combinación lineal de la i-ésima y j-ésima ecuaciones de (1). A partir de aquí dejamos fijada la primera ecuación: a ′11 x 1 + a′ 12 x 2 + … + a ′1n x n = b ′1 . El método de Gauss empieza eligiendo como primera ecuación una de las ecuaciones del sistema por la que el coeficiente de la x 1 sea diferente de cero (transformación 1. la j-ésima ecuación de (1). toda solución de (14) lo es de (1). ya que la única ecuación diferente.. 1 x 1 + … + a j + 1.. debemos probar que toda solución de (1) es solución del sistema transformado siguiente: a 11 x 1 + … + a 1n x n = b 1 . . . .. vectores y sistemas de ecuaciones lineales Transformaciones empleadas por el método de Gauss: a) Transformación 1: permutar dos filas entre sí.. . y recíprocamente.... n x n = b j – 1 ⎬ ⎪ ( a j1 + λ a i1 )x 1 + … + ( a jn + λ a in )x n = b j + λ b i ⎪ ⎪ a j + 1. ya que la ecuación diferente. Para ello restamos a cada una de las demás ecuaciones la primera ecuación multiplicada por el coeficiente de x 1 en la misma ecuación y dividida por el . (14) Pero esto es obvio: toda solución de (1) verifica (14).. .. la j-ésima. utilizando el pivote elegido.... .

© FUOC • P00/75004/00191 28 Matrices. el sistema habrá quedado triangular. Pongamos un ejemplo de ello. Para eliminar la x en la segunda ecuación multiplicamos la primera por –1/2 y la sumamos a la segunda. ⎪ ⎭ 2x + A continuación tomamos como pivote el coeficiente de la y en la segunda ecuación. Para hacer esto. Para eliminarla de la tercera. entre las ecuaciones transformadas. De este modo sustituimos la fila i por la fila i menos la fila 1 multiplia i1 cada por ---. A continuación seleccionamos.⎠ ⎝ ⎝ ⎝ a 11 ⎠ a 11 ⎠ a 11 a i1 = b i – ---b 1 . debemos multiplicar la segunda ecuación por 1/7 y sumarla a la tercera. etc. acabaremos reduciendo el sistema completamente a una forma que tiene ceros en la parte inferior izquierda de forma escalonada. una que tenga el coeficiente de la x 2 diferente de cero y la ponemos como segunda ecuación. La nueva fila i será: --a 11 a i1 a i1 a i1 0 + ⎛ a i2 – ---a 12⎞ x 2 + ⎛ a i3 – --. --a 11 De este modo la ecuación resultante tendrá coeficiente de la x1 igual a cero. dejamos fijada también esta ecuación y eliminamos la y de la tercera. el sistema queda reducido a: 3y + z = 6 –7 ⁄ 2 y − 1 1 ⁄ 2 z = 2 1 ⁄ 2 y + 3 ⁄ 2 z = –1 ⎫ ⎪ ⎬. vectores y sistemas de ecuaciones lineales pivote. Por lo tanto. Esto lo hacemos para las filas que van de la 2 hasta n. Éste será el primer pivote. Si todas tuviesen coeficiente de la x2 nulo pasaríamos a la x 3 . ya que el coeficiente de la x es 2 y es diferente de cero. con estas operaciones.a ---. es decir.13⎞ x 3 + … + ⎛ a in – ---a 1 n⎞ x n = ---. El sistema será ahora: 3y + z = 6 ⎫ ⎪ –7 ⁄ 2 y − 1 1 ⁄ 2z = 2 ⎬. Ejemplo 11 Resolvamos el sistema siguiente: 2x + 3 y + z = 6 ⎫ ⎪ x – 2y – 5 z = 5 ⎬ . Procediendo así. . repetimos el proceso con el resto de las ecuaciones y así sucesivamente. ⎪ 3x + 5y + 3z = 8 ⎭ Fijamos la primera ecuación. ⎪ 5 ⁄ 7z = – ⁄7 ⎭ 5 2x + Cuando hayamos llegado a este punto. multiplicamos la primera por –3/2 y la sumamos a la tercera. Tomando como pivote el primer coeficiente no nulo de la que hemos elegido como segunda ecuación. –7/2. Podemos aislar la z de la última ecuación y tendremos: z = –1.

0 0⎠ La matriz final tiene una fila menos que incógnitas. La matriz ampliada del sistema dado es: ⎛2 ⎜ ⎜1 ⎜ ⎝3 6⎞ ⎟ –5 5⎟ . . Repetimos la operación multiplicando la segunda fila por 1/7 y sumando el resultado a la tercera. podemos aislar la y: y = –2 ⎛ 2 + 11 ⎞ = –2 ⎛2 – 11 ⎞ = 1 . y multiplicar la primera fila por –3/2 y sumar el resultado a la tercera. entonces. ⎪ x + 5 y + z = 1 0⎭ La matriz del sistema es: ⎛ 1 ⎜ ⎜ –2 ⎝ 1 1 0 5 –1 0 3 5 ⎞ ⎟. el pivote elegido es a 22 = –7/2. es 0 · z = 0. como sucedía en el ejemplo anterior. El resultado es ahora: ⎛ 2 ⎜ ⎜0 ⎝0 3 –7 ⁄ 2 1 ⁄2 1 6⎞ ⎟ –11 ⁄ 2 2 ⎟ . 3 ⁄ 2 –1⎠ En el segundo paso. y ahora resulta que tenemos un grado de libertad para elegir la z. sustituyendo z e y en la primera obtendremos: 1 1 x = . esto se debe a que la tercera ecuación. ⎟ 3 8⎠ 1 3 –2 5 En el primer paso hemos elegido como pivote el coeficiente a 11 = 2. 5 ⁄ 7 –5 ⁄ 7⎠ 1 –11 ⁄ 2 (15) No todos los sistemas tendrán siempre una única solución. Veamos un caso de ello en el ejemplo siguiente: Ejemplo 12 Resolvamos el sistema siguiente: x + y –z = 0 ⎫ ⎪ – 2x + 3z = 5 ⎬. z = t . que puede tomar cualquier valor. ----z ---7⎝ 2 ⎠ 7⎝ 2 ⎠ Finalmente.( 6 – 3 + 1 ) = 2. 2 2 Una forma más clara de seguir el procedimiento es utilizar la notación matricial. y lo que hemos hecho ha sido multiplicar la primera fila por –1/2 y sumar el resultado a la segunda. ⎟ 1 10⎠ Aplicándole el método de Gauss (segunda transformación tres veces) obtenemos la matriz siguiente: ⎛1 ⎜ ⎜0 ⎝0 1 2 4 –1 0 ⎞ ⎛1 ⎟ ⎜ 1 5 ⎟→⎜ 0 ⎝ 0 2 10 ⎠ 1 2 0 – 1 0⎞ ⎟ 1 5⎟ . Con esto obtenemos la matriz triangular: ⎛2 ⎜ ⎜0 ⎝0 3 –7 ⁄ 2 0 6 ⎞ ⎟ 2 ⎟. Ponemos.© FUOC • P00/75004/00191 29 Matrices.( 6 – 3 y – z ) = . que es la que queda con esta variable. que se cumple para cualquier valor real de z. vectores y sistemas de ecuaciones lineales Sustituyéndola en la segunda.

⎟ 2 –3⎟ ⎟ 1 2⎟ 1 –2⎠ 2 De nuevo reducimos a cero los elementos restantes de la segunda columna: ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 1 0 0 0 0 0 –1 1 0 0 0 0 2 0 0 0 0 0 0 3 0 1 0 0 2 3⎞ 4 –2⎟ ⎟ 1 2⎟ ⎟. x2 . pero también puede ocurrir que todos los elementos de la columna sean cero. y es la siguiente: ⎫ ⎪ ⎬. y las dos en x. ⎪ x = z – y = t – 1 ⁄ 2 ⋅ ( 5 – t ) = 1 ⁄ 2 ⋅ ( 3t – 5 ) ⎭ z = t y = 1 ⁄ 2 ⋅ (5 – z ) = 1 ⁄ 2 ⋅ ( 5 – t ) En la eliminación podemos encontrarnos en la situación de tener que permutar filas (primera transformación). Ejemplo 13 Ponemos un ejemplo con cinco variables x1 . No hay ningún inconveniente en permutar filas para obtener un pivote diferente de cero y poder continuar así el proceso de eliminación en forma triangular. vectores y sistemas de ecuaciones lineales Sustituyendo esta expresión en y. además. que se han anulado también los restantes elementos de la tercera columna. 2 –1⎟ ⎟ 1 2⎟ –1 –2⎠ En este ejemplo ha resultado. y reducimos a cero los restantes de la primera columna. x5. y permutamos así la segunda fila y la tercera: ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 1 0 0 0 0 0 –1 1 0 0 0 0 2 0 0 0 0 0 0 3 0 1 0 0 3⎞ 4 –2⎟ ⎟ 1 2⎟ . El resultado es: ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 1 0 0 0 0 0 –1 0 1 1 0 0 2 0 0 0 0 0 0 0 3 4 0 0 2 1 4 6 1 –1 3⎞ ⎟ 2⎟ –2⎟ . ⎟ –3⎟ ⎟ 2⎟ ⎠ –2 Ahora tomamos como pivote el elemento de la segunda columna y tercera fila. ya que el elemento diagonal que en principio tomaríamos como pivote se ha anulado.© FUOC • P00/75004/00191 30 Matrices. x3 . x4 . obtenemos que la solución general del sistema depende de un parámetro arbitrario t. Resolvemos el sistema que tiene la matriz ampliada siguiente: ⎛ 1 ⎜ ⎜ 1 ⎜ 1 ⎜ ⎜ –1 ⎜ ⎜ 2 ⎝ 1 –1 –1 0 2 –2 –1 2 2 2 –2 4 2 0 0 3 4 0 0 2 3⎞ ⎟ 3 5⎟ 6 1 ⎟. ⎟ 4 –6⎟ ⎟ 5 8⎟ 1 1⎠ Tomamos como pivote el elemento de la primera fila y primera columna a11 . .

al reducir a cero los elementos de una columna (la segunda). Cuando reducimos con este criterio hablamos de pivotamiento total. como vemos. vectores y sistemas de ecuaciones lineales Tomamos como pivote el elemento de la cuarta fila y cuarta columna. partiendo del sistema en la forma (16). ⎟ 1 2⎟ ⎟ 1 2⎟ ⎠ – 1 –2 2 Finalmente. tomamos como pivote el elemento de la cuarta fila y quinta columna y el sistema queda reducido completamente: ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 1 0 0 0 0 0 –1 1 0 0 0 0 2 0 0 0 0 0 0 3 1 0 0 0 2 3⎞ ⎟ 4 –2⎟ 2 –1⎟ . podríamos permutar las columnas tercera y cuarta y obtendríamos: ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ x1 1 0 0 0 0 0 x2 –1 1 0 0 0 0 x4 0 3 1 0 0 0 x3 2 0 0 0 0 0 x5 2 4 2 1 0 0 ⎞ ⎟ 3⎟ –2⎟ ⎟ –1⎟ . Por esta razón generalmente no lo haremos. Así. depende de un parámetro arbitrario t (si bien en este ejemplo algunas incógnitas tienen valor fijo.© FUOC • P00/75004/00191 31 Matrices. aparte del motivo estético que supone que los pivotes estén en la diagonal principal. ⎟ 2⎟ ⎟ 0⎟ 0⎠ Hemos tenido suerte. Cuando esto sucede podemos hacer también una permutación de columnas. podemos hacerlo. porque la tercera columna ha quedado automáticamente reducida sin necesidad de hacer nada más. permutamos las filas tercera y cuarta: ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 1 0 0 0 0 0 –1 1 0 0 0 0 2 0 0 0 0 0 0 3 1 0 0 0 3⎞ ⎟ 4 –2⎟ 2 –1⎟ . siempre que permutemos también el orden de las variables correspondientes. En este ejemplo hemos visto que. De este modo. Nuevamente debemos permutar . Pero si queremos. Esto no aporta nada esencial a la solución del sistema. ⎟ 1 2⎟ ⎟ 0 0⎟ ⎠ 0 0 (16) Podemos ahora expresar la solución general de esta forma: x5 = 2 x 4 = – 1 – 2 x 5 = –5 x3 = t x2 = – 2 – 3 x4 – 4 x5 = 5 x 1 = 3 + x 2 – 2 x3 – 2 x 5 = 4 – 2 t que. con el objetivo de continuar colocando el nuevo pivote en la diagonal principal de la matriz. independientemente de t). se nos han reducido “por azar” los elementos de la siguiente.

⎟ 2⎟ ⎟ 0⎟ 0⎠ La cuarta columna también ha quedado automáticamente reducida. Ejemplo 14 Resolvamos el sistema que tiene por matriz ampliada: ⎛7 ⎜ ⎜4 ⎝3 –3 2 –5 –1 0⎞ ⎟ 8 5⎟ . Además.© FUOC • P00/75004/00191 32 Matrices. El resultado es: ⎛ 7 ⎜ ⎜ 0 ⎝0 –3 26 ⁄ 7 –26 ⁄ 7 –1 0⎞ ⎟ 60 ⁄ 7 5⎟ . De donde obtenemos la solución: x3 = t x5 = 2 x 4 = – 1 – 2x 5 = –5 x 2 = – 2 – 3x 4 – 4x 5 = 5 x 1 = 3 + x 2 – 2x 3 = 4 – 2t que. como vemos. el sistema está ya totalmente reducido. –6 0 ⁄ 7 7⎠ . coincide exactamente con la solución dada con pivotamiento parcial. vectores y sistemas de ecuaciones lineales la columna cuarta y la quinta para llevar el pivote de la quinta columna a la diagonal principal. Las soluciones del sistema pueden ponerse también en forma de vectores columna: ⎛ x 1⎞ ⎛4⎞ ⎛ –2 ⎞ ⎜ ⎟ ⎜5⎟ ⎜0⎟ x 2⎟ ⎜ ⎜ x ⎟ = ⎜ 0 ⎟ + t⎜ 1 ⎟ . –9 7⎠ Procedemos a reducir la primera columna tomando como pivote el coeficiente a 11 = 7. El resultado es: ⎛ x1 ⎜ ⎜ 1 ⎜ ⎜ 0 ⎜ 0 ⎜ ⎜ 0 ⎜ ⎜ 0 ⎝ 0 x2 –1 1 0 0 0 0 x4 0 3 1 0 0 0 x5 2 4 2 1 0 0 x3 2 0 0 0 0 0 ⎞ ⎟ 3⎟ –2⎟ ⎟ –1⎟ . ⎜ ⎟ ⎜ ⎟ x = ⎜ 3⎟ ⎜ ⎟ ⎜ ⎟ ⎜ x 4⎟ –5 ⎟ ⎜ ⎜0⎟ ⎜ ⎟ ⎝2⎠ ⎝0⎠ ⎝ x 5⎠ Veamos ahora otro ejemplo. Las filas (o ecuaciones independientes) tienen el pivote en la diagonal principal y las ecuaciones que no eran independientes se han reducido a cero y podemos eliminarlas.

el sistema no tiene ninguna solución. ⎪ – 4x + 3y – z – 2t = 1 ⎪ – 2x + 2y – t = 2 ⎭ 2x – y + z 15.© FUOC • P00/75004/00191 33 Matrices. – 2 x + 3 y + 2 z = –3 ⎪ ⎭ 14. 0 12⎠ –1 Ahora el resultado consiste en que la tercera ecuación es imposible y. vectores y sistemas de ecuaciones lineales Tomamos como pivote el elemento de la segunda fila y segunda columna a22 = 26/7 y reducimos la segunda columna: ⎛ 7 ⎜ ⎜ 0 ⎝0 –3 26 ⁄ 7 0 0⎞ ⎟ 60 ⁄ 7 5 ⎟ . 2 x1 + 2 x2 + 2 x3 – 4 x4 – 4 x5 = 8 ⎫ ⎪ 2 x 4 + 4 x 5 = –2 ⎪ ⎪ x 1 + 4 x 2 + 4 x 3 + 4 x 4 + 4 x 5 = 1 ⎬. por lo tanto. ⎪ x 1 + 3 x 2 + 4x 3 x2 4 x3 = 3 ⎪ ⎪ 3 x1 + 3 x2 + 3 x3 + 4 x4 + 4 x5 = 1 ⎭ x + z– t = 2 . 4x – 2y – z = 2 ⎫ ⎪ 3x + 5y + 3z = 2 ⎬. Es un sistema incompatible. ⎫ = 1 ⎪ ⎪ x + 3y + 4z – 7t = 11⎬. 5x + 2y – z = 2 ⎫ ⎪ x – y + 3 z = 8 ⎬. x + y + 5z = 0 ⎫ ⎪ 2 x – y + 3 z = 1 ⎬. ⎪ x – 7y – 4z = 2 ⎭ 16. Actividades Resolved los sistemas de ecuaciones siguientes: 12. ⎪ – 3x + 4y – z = 0 ⎭ 13.

.. vj} por { v′i ... v j. v 12 v 22 ..© FUOC • P00/75004/00191 34 Matrices. … .. . v′ − λ v ′ }.... vectores y sistemas de ecuaciones lineales 5.. Rango y teorema de Rouché-Fröbenius Hemos definido en el apartado 3 de este mismo módulo didáctico el rango de un conjunto de vectores {v1 . . v k } y por {v 1. v k } son los mismos.. .. En efecto.. vk } como la dimensión del subespacio que generan. . la tercera transformación obviamente tampoco altera el subespacio generado... v′ } = {v i . v ′ . ⎟ ⎟ v kn⎠ . v2 = ⎜ ⎟ . los subespacios generados por {v1 . . vi . .. vj + λvi } j y esta transformación se puede invertir: {vi .. Por último. . Las transformaciones de Gauss convierten el conjunto dado de vectores en otro conjunto que genera el mismo subespacio. i j i Teniendo en cuenta que los restantes vectores no cambian con una segunda transformación. vk = ⎜ ⎟ . ya que toda combinación lineal de i j vectores del primer conjunto puede ponerse como combinación lineal de los vectores del segundo conjunto y recíprocamente. Sean los vectores: ⎛ v11⎞ ⎛ v21 ⎞ ⎛ vk 1⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ v12 v22 vk 2 v1 = ⎜ ⎟ . v j}={ v′ . v′ . ponemos los componentes de los vectores en forma de vectores-fila y construimos la matriz correspondiente: … … … ⎛ v 11 ⎜ ⎜ v 21 ⎜ ⎜ ⎝ v k1 . vk 2 v 1n⎞ ⎟ v 2n⎟ . El método de Gauss permite determinar su rango.. ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ v 1n⎠ ⎝ v2n ⎠ ⎝ vk n⎠ .. (17) Aplicamos el método de Gauss. y la segunda modifica el vector de la fila j utilizando el de la fila i en una transformación reversible: cambia {v i.. ..... ....... . ya que la permutación de filas (primera transformación) no altera el conjunto..

0 ⎞ ⎜ ⎟ ⎜ 0 0 .. 0 ⎟ ⎜ 0 0 . 0 0 . podemos utilizar el método de Gauss y reducir la matriz (17). ... 0 0 . 0 .... 0 0 .. .. Los restantes elementos habrán quedado reducidos forzosamente a cero. 0 0 .... El resultado será una matriz escalonada.. Además.. .. ⎟ ⎜ ⎟ ⎜ 0 0 ...© FUOC • P00/75004/00191 35 Matrices.. los vectores-fila que quedan forman una base del subespacio generado.... 0 0 ... 0 0 . (18) donde los son los pivotes que son estrictamente diferentes de cero y son números que pueden ser diferentes de cero o no.. v3 = ⎜ ⎟ ... 0 0 .. v6 = ⎜ ⎟ ⎜ 0⎟ ⎜0 ⎟ ⎜ 3⎟ ⎜ 4⎟ ⎜ 0⎟ ⎜0⎟ ⎜ 2⎟ ⎜3 ⎟ ⎜ 6⎟ ⎜ 4⎟ ⎜ 5⎟ ⎜1⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ 3⎠ ⎝5 ⎠ ⎝ 1⎠ ⎝ –6⎠ ⎝ 8⎠ ⎝1⎠ ..... . Pero además son linealmente independientes. v5 = ⎜ ⎟. vectores y sistemas de ecuaciones lineales En consecuencia. En consecuencia.... es decir.... . Los vectores de la fila que han quedado son. el primer vector-fila debe estar multiplicado por cero para que el primer componente de la combinación sea siempre nulo.. 0 0 .. 0 ⎟ ⎜ ⎟ ⎜ 0 0 .. igual al número de vectores-fila diferentes de cero que hayan quedado después de la reducción completa por Gauss. 0 0 ... 0⎠ .... 0 0 ... . 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ 0 0 .... vk}. v4 = ⎜ ⎟ . .. y de este modo sucesivamente para todo el resto de vectores-fila. . con la forma siguiente: ⎛ 0 . 0 0 .. los vectores resultantes forman un base del subespacio generado. Ejemplo 15 Para encontrar el rango de los vectores siguientes: v1 ⎛ 1⎞ ⎛1 ⎞ ⎛ 1⎞ ⎛ –1⎞ ⎛ 2⎞ ⎛1⎞ ⎜ –1 ⎟ ⎜–1 ⎟ ⎜ 0⎟ ⎜ 2⎟ ⎜ –2 ⎟ ⎜–1⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 2⎟ ⎜2 ⎟ ⎜ 2⎟ ⎜ –2⎟ ⎜ 4⎟ ⎜2⎟ = ⎜ ⎟.. un conjunto de generadores del subespacio que genera {v1 . v2 = ⎜ ⎟......... .. ya que en toda combinación lineal nula de los vectores que se obtienen. 0 0 . 0 . por construcción. entonces... El rango de {v 1 . 0 0 . 0 0 ..... .... 0 0 .. .. vk} será.

..... 0 0 .... ⎜ ⎟ .... 0 0 . . ..... 0 0... donde hemos visto que el resultado era: ⎛1 ⎜0 ⎜ ⎜0 ⎜ ⎜0 ⎜ ⎜0 ⎝0 –1 1 0 0 0 0 2 0 0 0 0 0 0 3 1 0 0 0 2 4 2 1 0 0 3 ⎞ –2 ⎟ ⎟ –1 ⎟ ⎟ 2 ⎟ ⎟ 0 ⎟ 0 ⎠ Por lo tanto. por reducción gaussiana. . resulta que el segundo miembro es estricta- mente diferente de cero. de la forma 0 = .. .. 0 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ 0 0 .. 0 0 ⎠ .. para determinar el rango de una matriz podemos emplear el método de eliminación de Gauss. ⎞ . vectores y sistemas de ecuaciones lineales consideramos la matriz correspondiente de los vectores-fila: ⎛ 1 ⎜ 1 ⎜ ⎜ 1 ⎜ ⎜ –1 ⎜ ⎜ 2 ⎝ 1 –1 –1 0 2 –2 –1 2 2 2 –2 4 2 0 0 3 4 0 0 2 3 6 4 5 1 3 ⎞ 5 ⎟ ⎟ 1 ⎟ ⎟ –6 ⎟ ⎟ 8 ⎟ 1⎠ y aplicamos el método de Gauss. v 3 ′ = ⎜ ⎟ .© FUOC • P00/75004/00191 36 Matrices... v 2 ′ = ⎜ ⎟ .. 0 0 . la reducción gaussiana nos permite determinar una base del subespacio que generan: ⎛ 1⎞ ⎛ 0⎞ ⎛ 0⎞ ⎛ 0⎞ ⎜ –1⎟ ⎜ 1⎟ ⎜ 0⎟ ⎜ 0⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 2⎟ ⎜ 0⎟ ⎜ 0⎟ ⎜ 0⎟ v 1′ = ⎜ ⎟ . a la dimensión del subespacio generado por las filas consideradas como vectores-fila... ..... a una matriz de la forma: ...... ⎜ 0 0 . . el sistema será compatible. Recordemos que. ... . ... Podemos definir ahora el rango de una matriz.. . ya que contendrá una ecuación imposible. 0 0... ⎜ 0⎟ ⎜ 3⎟ ⎜ 1⎟ ⎜ 0⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ 2⎟ 4⎟ 2⎟ ⎜ ⎜ ⎜ ⎜ 1⎟ ⎝ 3⎠ ⎝ –2⎠ ⎝ –1⎠ ⎝ 2⎠ Consideremos ahora el método de Gauss aplicado a sistemas desde la óptica anterior.... ⎟ ⎜ ⎟ 0 0 . 0 0 . 0 0. y es igual.. v 4 ′ = ⎜ ⎟ ....... ⎛ 0 0 .. . ⎟ . donde hemos destacado la columna de los términos independientes.. 0 0 . ........ En caso contrario... el sistema resultante será incompatible.. El rango de una matriz es el máximo número de filas linealmente independientes que contiene. ⎜ ⎟ ⎜ 0 0 . además.. Esta matriz es la misma del ejemplo 13.. . .v6 } es 4 y.. 0 0. el rango de {v1 . Si en la ecuación final.. A partir de la matriz ampliada (4) llegaremos.. . ........ .

no puede aparecer ninguna ecuación incompatible del tipo 0 = . 2) El rango de la matriz ampliada puede. superar el de la matriz del sistema en una unidad. 12 . El número de grados de libertad de un sistema compatible. Teniendo en cuenta que queda una ecuación para cada pivote. 11. 13 y 14 desde el punto de vista del teorema de Rouché-Fröbenius. En este caso. vectores y sistemas de ecuaciones lineales Con esta definición ahora podemos continuar la discusión sobre el número 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. sin embargo. y es incompatible en caso contrario. Teorema 4: teorema de Rouché-Fröbenius Un sistema de ecuaciones lineales es compatible si el rango de la matriz del sistema es igual al rango de la matriz ampliada. Podemos enunciar ya el teorema de Rouché-Fröbenius. Comentad las actividades 10. 3) En lo que respecta al número de parámetros libres que tiene la solución de un sistema compatible. observemos que las variables a las que no haya quedado asociado ningún pivote pueden ser elegidas arbitrariamente. Actividad 17. o número de parámetros del que depende la solución del sistema. necesariamente quedará la última ecuación de la forma 0 = y el sistema será incompatible. es igual al número de incógnitas menos el rango de la matriz del sistema. de forma que las otras quedarán determinadas en función de éstas.© FUOC • P00/75004/00191 37 Matrices. el número de grados de libertad de la solución será igual al de incógnitas menos el rango del sistema. .

Para un sistema homogéneo. .. . vectores y sistemas de ecuaciones lineales 6.© FUOC • P00/75004/00191 38 Matrices.. . (19) Matricialmente se expresa del siguiente modo: A · x = 0.. las soluciones que interesan son precisamente las que no son triviales. si hay una solución particular x1 o. . aplicado ahora.. .. o.. Pero en el caso de los sistemas homogéneos. La primera parte del teorema de Rouché.. de forma que el rango de la matriz ampliada será igual al rango de la matriz del sistema. ⎛ x 1⎞ ⎛ x 11 ⎞ ⎜ ⎟ ⎜ ⎟ x x x = ⎜ 2⎟ = ⎜ 12 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ x n⎠ ⎝ x 1n⎠ .. Un sistema homogéneo de m ecuaciones y n incógnitas será de la forma: 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 m 1 x 1 + a m2 x 2 + … + a mn x n = 0 ⎭ . detalladamente. por abuso de lenguaje. que un sistema homogéneo que únicamente tenga la solución trivial no tiene soluciones propias. Sistemas homogéneos Un sistema homogéneo es aquel en el que el término independiente de todas las ecuaciones es cero.. Se dice. nos dice que siempre tendrá solución. algo evidente ya que x = 0 es una solución trivial. . brevemente... . la matriz ampliada contiene sólo una columna de ceros más que la matriz del sistema. Para los sistemas homogéneos. Es evidente que todo el sistema homogéneo admite la solución trivial: ⎛x 1⎞ ⎛0 ⎞ ⎜ ⎟ ⎜ ⎟ x 2⎟ 0 ⎜ = ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝x n⎠ ⎝0 ⎠ . x = 0. .

.. vectores y sistemas de ecuaciones lineales entonces.. . 23 0⎠ Reducimos a cero la primera columna. Es decir. (20) Estas proposiciones son consecuencia inmediata de las propiedades de las operaciones con las matrices dadas en el apartado 2.© FUOC • P00/75004/00191 39 Matrices. x = t x 1 también es solución. 37 0⎠ . ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ x n⎠ ⎝ x 1n⎠ . ⎛ x 1⎞ ⎛ x 11 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ x 2⎟ = t ⎜ x 12 ⎟ .. para 1 ≤ i ≤ s... Si ponemos las solución en forma matricial. también es una solución para todo t. Ejemplo 16 Resolvamos el sistema 2w = 0 ⎫ ⎪ x – y + 3 z – 7w = 0 ⎬ ⎪ 2 x + 5 y – 1 0z + 23 w = 0 ⎭ 5x + 2y – z+ y pongamos la solución en la forma de la fórmula (20). 23 0 ⎠ Resulta más cómodo tomar el primer pivote de la segunda ecuación y permutar las filas una y dos: ⎛1 ⎜ ⎜5 ⎝2 –1 2 5 3 –1 –10 –7 0⎞ ⎟ 2 0⎟ .. El resultado es: ⎛1 ⎜ ⎜0 ⎝0 –1 7 7 3 –16 –16 –7 0⎞ ⎟ 37 0⎟ .. será: ⎛ x 1⎞ ⎛ x 11⎞ ⎛ x 21 ⎞ ⎛ x s1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ x 2⎟ x 12⎟ x 22 ⎟ x ⎜ = t 1 ⎜ ⎟ + t 2 ⎜ ⎟ + … + t s ⎜ s2 ⎟ . toda combinación lineal de la forma x = t1 x 1 + t 2 x 2 + … + t s x s será también solución.. . . ⎜ ⎟ ⎜ ⎜ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ x n⎠ ⎝ x 1n⎠ ⎝ x 2n⎠ ⎝ x sn ⎠ . si t es un parámetro arbitrario.. Partimos de la matriz del sistema: ⎛ 5 ⎜ ⎜1 ⎝ 2 2 –1 5 –1 3 –10 2 0⎞ ⎟ –7 0 ⎟ ... . Si un sistema homogéneo admite un conjunto de soluciones particulares x i .

© FUOC • P00/75004/00191 40 Matrices. .. si x 1.. vectores y sistemas de ecuaciones lineales Ahora reducimos la segunda columna y el resultado es: ⎛ 1 ⎜ ⎜ 0 ⎝ 0 –1 7 0 3 –16 0 –7 0⎞ ⎟ 37 0⎟ .. Dado un sistema lineal homogéneo de la forma A · x = 2 demostrad. . t 2. utilizando las propiedades de las operaciones con matrices y vectores dadas en el apartado 2 de este mismo módulo didáctico que. x s son soluciones particulares del sistema. 4 x – y + 11 z – 4 t = 0 ⎪ x – 4y – 4z – t = 0 ⎪ ⎭ 2 2.. .. x 2. Resolved el sistema de ecuaciones siguiente: x + y + 5z = 0 ⎫ ⎪ 4x + 7y – 3z = 0 ⎬. ⎪ – 3 x – 3 y – 15 z = 0 ⎭ 20. Resolved el sistema de ecuaciones siguiente: x + y + 5z – 3t = 0 ⎫ ⎪ 2x – 3y + z + 2t = 0 ⎪ ⎬. puesto en forma vectorial: ⎛x⎞ ⎛ 12 ⁄ 7 ⎞ ⎛ –5 ⁄ 7⎞ ⎛ 12 ⎞ ⎛ –5 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ y⎟ –37 ⁄ 7⎟ 16 ⁄ 7⎟ –37⎟ ⎜ ⎜ ⎜ ⎜ ⎜ 16⎟ ⎜ z ⎟ = t1 ⎜ 0 ⎟ + t2 ⎜ 1 ⎟ = t1′ ⎜ 0 ⎟ + t2′ ⎜ 7 ⎟ . ⎪ – x + 8 y + 24 z = 0 ⎭ 1 9. t s reales. Resolved el sistema de ecuaciones siguiente: x + y + 5z = 0 ⎫ ⎪ 2 x + 2 y + 10 z = 0 ⎬ . ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ w⎠ ⎝ 1 ⎠ ⎝ 0 ⎠ ⎝ 7 ⎠ ⎝ 0⎠ Actividades 18. Resolved el sistema de ecuaciones siguiente: 2x – y + 3z = 0 ⎫ ⎪ – x + 3y + 7z = 0 ⎬. y = 16 ⁄ 7 ⋅ z – 37 ⁄ 7 ⋅ w = 16 ⁄ 7 ⋅ t 2 – 37 ⁄ 7 ⋅ t 1 ⎪ ⎪ x = y – 3 z + 7 w = –5 ⁄ 7 ⋅ t 2 + 12 ⁄ 7 ⋅ t 1 ⎭ w = t1 z = t2 Finalmente. ⎪ – x – 3y + 2z = 0 ⎭ 21. La solución es: ⎫ ⎪ ⎪ ⎬. entonces t1 x 1 + t2 x 2 + … + ts x s también es solución del sistema para todo conjunto de valores t 1.. 0 0⎠ El sistema tiene rango dos y dos grados de libertad.

. e inventó una máquina de calcular para aligerar el cálculo a los astrónomos. pero si lo que deseamos es dar una fórmula directa que exprese la solución.. Fue bachiller en 1663. Determinantes y regla de Cramer Entre los sistemas de ecuaciones lineales adquieren especial importancia los que tienen igual número de ecuaciones que de incógnitas. Determinantes de segundo orden Empezamos por un sistema de dos ecuaciones y dos incógnitas: a 11x 1 + a 12 x 2 = b 1 ⎫ ⎬. y particularmente los que son determinados.. y en 1666 defendió su tesis. Esta fórmula nos sugiere definir el determinante de una matriz 2 × 2 del modo siguiente: c 11 det C = det ⎛ ⎝c 21 c 12 ⎞ c = 11 c 22 ⎠ c21 c 12 c 22 = c 11 c 22 – c 12 c 21 . Este problema interesó a Leibnitz hacia 1678. hijo de un profesor de filosofía de familia acomodada. ya que son los más habituales en muchas aplicaciones científicas y técnicas. la segunda por a 12 y restando para eliminar x 2. Hemos visto en el apartado anterior cómo se resuelve en la práctica cualquier sistema de una forma efectiva y con pocas operaciones. b⎠ 2 . Con esta definición la ecuación anterior se puede escribir: b1 x 1 det A = det ⎛ ⎝b 2 a 12⎞ . donde Christian Huygens lo inició seriamente en las matemáticas. 7.. pronto se interesó por la historia y el derecho. a 21x 1 + a 22 x 2 = b 2 ⎭ Multiplicando la primera ecuación por a 22 . vectores y sistemas de ecuaciones lineales 7. Interesado por las máquinas y por los ingenios. en 1671 escribió su primera obra sobre la mecánica. entonces aparecen los determinantes.1. con la que obtuvo el título de doctor en filosofía. a ⎠ 22 Hacemos la misma operación por x 2 y resulta: a 11 x 2 det A = det ⎛ ⎝a 21 b 1⎞ . Por sus trabajos de diplomático (sugirió a Luis XIV que conquistase Egipto y que atacase las colonias holandesas de Asia) viajó a Londres y a París. De arte combinatoria . A los 8 años comenzó a estudiar latín y poco tiempo después. griego.© FUOC • P00/75004/00191 41 Matrices. Gotfried Wilhelm Leibnitz (1646-1716).. y estudió geometría euclidiana y álgebra con el físico Erhard Weigel. Hypothesis physica nova. obtenemos: ( a 11 a 22 – a 21 a 12 ) ⋅ x 1 = b 1 a 22 – b 2 a 12 . algo que lo llevó al descubrimiento del cálculo diferencial e integral.

de determinante fue introducida por A.= -. -------------------------------∆ 23 ∆ 23 Ejemplo 18 Dado el sistema: 3 kx + 8 y = 2 ⎫ ⎬ 4 x + 7 y = –5 ⎭ discutid para qué valores del parámetro k el sistema es compatible y determinado. y en este caso dad la solución. vectores y sistemas de ecuaciones lineales Ahora. 4 –4 48 3 4 13 --x = --------.y = -------. y las soluciones son: 7 5 2 7 El uso matemático de D D Es muy habitual designar el determinante del sistema con la letra griega delta mayúscula (∆).------22 -a 11 a 12 a 21 a 22 a 21 b2 x 2 = -------------------------------. Podemos ilustrar así la regla para calcular un determinante de segundo orden: La notación. Ejemplo 17 Dado el sistema siguiente.© FUOC • P00/75004/00191 42 Matrices.. 3x – 4y = 4 ⎭ El determinante del sistema es: ∆ = 2 3 5 = –23 ≠ 0. . si: det A = a 11 a 21 a 12 a 22 ≠ 0.. . utilizemos la regla de Cramer para decidir si es o no es compatible y determinado. La condición (21) permite decidir si el sistema es compatible y determinado o no. Cayley en el año 1839. (21) podemos aislar x 1 y x 2 y obtenemos: b1 a 12 a 11 b1 b a x 1 = ------------2---------.. y obtened en este caso la solución: 2x + 5y = 7 ⎫ ⎬.= -. a 11 a 12 a 21 a 22 Las fórmulas anteriores reciben el nombre de regla de Cramer .. –4 Por lo tanto el sistema es compatible y determinado..

–5------54 x = ---------. para encontrarnos en un caso que ya sabemos resolver. la solución es: 2 8 2 1 –8 4-------. ⎟ c 33⎠ llamamos menor complementario γij de un elemento cij al determinante de segundo orden que se forma con los elementos de C que se obtienen suprimiendo la fila y la columna correspondientes al elemento dado. (22) De la definición anterior. si: 32 --k ≠ -21 el determinante es diferente de cero y el sistema es compatible y determinado.-------.= ---------------7 --------------∆ 2 1k – 32 7.= –--5k--–5y = --------. . En este caso.------. sustituyendo los determinantes de segundo orden. La búsqueda de combinaciones adecuadas de las ecuaciones que eliminen una variable.2.-------. lleva a definir el determinante de orden tres. vectores y sistemas de ecuaciones lineales El determinantes del sistema es: ∆ = Por lo tanto. resulta: det C = c11 c 22 c 23 + c12 c 23 c 31 + c 13 c 21 c 32 – – c 11 c23 c 32 – c 12 c 21 c33 – c 12 c 21 c33 – c 13 c 22 c 31.-2 1k – 3 2 ∆ 3k 3k 4 8 7 = 21 k – 32. Dada una matriz: ⎛ c 11 C = ⎜ c 21 ⎜ ⎝ c 31 c 12 c 22 c 32 c 13⎞ c 23⎟ . Determinantes de tercer orden En este subapartado consideramos sistemas de tres ecuaciones y tres incógnitas.© FUOC • P00/75004/00191 43 Matrices. Entonces. (23) . definimos el determinante de C de la forma siguiente: c11 det C = c21 c31 c 22 c 32 c 23 c 33 c 12 c 22 c 32 c12 c32 c 13 c 23 = c11 γ 11 – c 21 γ21 + c 31 γ31 = c 33 c 13 c 33 c12 c22 c 13 c 23 = c11 – c 21 + c 31 .

1 y 7. .3 de este mismo módulo didáctico. por contraposición a (22). de este . las fórmulas para aislar las incógnitas que hemos visto para sistemas 2 × 2..i 2 . La definición (22) o (23). es de hecho consecuencia de generalizar. al caso 3 × 3. Determinantes de orden n Podemos generalizar los determinantes para un orden n cualquiera.. n).. Dada una matriz n × n: ⎛ a 11 ⎜ ⎜ a 21 ⎜ ⎜ ⎝ an 1 a 12 a 22 a n2 … … … a 1n ⎞ ⎟ a 2n ⎟ ⎟. Ejemplo 19 Calculemos el determinante siguiente: 1 ∆ = 3 4 Solución ∆ = 1 ( –2 ) 5 + 3 ( –1 ) ( –3 ) + 1 ⋅ 4 ⋅ 4– 4( – 2) ( –3 ) – 1 ( –1 ) ⋅ 1 –3 ⋅ 4 ⋅ 5 = –68. No pretendemos que entendáis con toda claridad la definición anterior. 2. i n ) de los índices (1... ya que todavía no hemos estudiado las permutaciones.. aunque parezca arbitraria.© FUOC • P00/75004/00191 44 Matrices. No insistiremos. 4 –2 –1 –3 1. ⎟ a nm⎠ Definiremos el det A por la fórmula siguiente: det A = ∑ ( –1 ) σ σ a 1i 1 a 2i 2 … a ni n (24) donde la suma se extiende a todas las permutaciones (i 1 . 5 7.3. y respecto a filas y columnas. vectores y sistemas de ecuaciones lineales lo cual muestra la simetría de la definición respecto a las permutaciones de índices. donde destaca especialmente una columna. y el signo corresponde a la paridad de la permutación. La regla (23) para calcular un determinante de tercer orden recibe el nombre de regla de Sarrus y puede ser ilustrada así: Ved los apartados 7.

3. Las propiedades que ahora daremos de los determinantes son válidas para los determinantes de cualquier orden. Propiedades de los determinantes 1) Desarrollo por una fila (o columna): adjunto. ( 2. De este modo. que es idéntica a la fórmula (23) dada por la regla de Sarrus. Las permutaciones de (1. De este modo. ( 1. (22) no es más que la expresión del determinante de orden 3 desarrollado por la primera columna.. son un poco técnicas y no las ponemos en el texto para no alargarlo innecesariamente.. 3 ) – . . 2 ) + . 3) son: ( 1. y negativa si es impar.© FUOC • P00/75004/00191 45 Matrices. Las demostraciones de estas propiedades. 1 . La expresión resultante i.. Únicamente la aplicaremos al caso n = 3 para ver cómo actúa. 7. equivale a “desarrollar el determinante por los elementos de la fila (o columna) correspondiente”. vectores y sistemas de ecuaciones lineales modo. … El signo correspondiente a la posición ( j) es (–1)i+j. 1 . 1) + . 2. sobre esta fórmula. + – + . 2 .. la fórmula (24) aplicada a los determinantes de orden 3 dará: det A = a 11a 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 .. 1 )– donde hemos puesto la paridad como subíndice. 3 )+ . ( 3. Podéis consultarlas en la bibliografía. según la regla de signos siguiente: + – + . 2. La paridad de una permutación es positiva cuando el número de transposiciones o permutaciones de 2 índices que es necesario hacer para llegar a la permutación (1. … …. 3) es par. 2 )– . 2. – + – . por los menores complementarios correspondientes afectados de un signo que depende de la posición que ocupe el elemento. ( 2.. El valor de un determinante es igual a la suma algebraica de los productos de los elementos de una fila (o columna) cualquiera. 3 . 3 . hechas a partir de la definición (24).1. (3 .

. si intercambiamos la columna i por la j obtenemos: c11 c21 ... Para cualquier índice de fila (o columna) i. c n1 c 12 c 22 . cn 1 c 1i c 2i . Esta propiedad es muy útil para calcular efectivamente los determinantes. cn j c 1i c 2i . ya que permite reducir el cálculo de un determinante de orden n al cálculo de determinantes de orden n–1. c n1 … … … c1 i c2 i ... c2 n … … … c n1 c n2 ..... El valor del determinante de una matriz es igual a la de su transpuesta. vectores y sistemas de ecuaciones lineales Llamamos adjunto C ij de un elemento c ij a su menor complementario dotado del signo que le corresponde en el anterior esquema de signos.© FUOC • P00/75004/00191 46 Matrices. cn n . Un determinante que tenga dos filas (o columnas) iguales vale 0: … … … … … … … … … c 11 c 21 .... c nj … … … … … … c 1n c 2n c nn … … … . c n2 … … … c 1n c 2n . c ni c 1n c 2n . 2) Transponer. tenemos: det C = c i1 C i1 + c i2 C i2 + … + c in C in = c1 i C 1i + c2 i C 2i + … + c ni C ni . 3) Permutar filas o columnas. c n1 c1 j c2 j . c ni … … … … … … c 1j c 2j .. c nn .. c ni c 1i c 2i .. c nn = c 11 c 12 . c ni c 1n c 2n .... La suma de dos determinantes que tengan las filas (o las columnas) comunes excepto una es igual al determinante que .. 4) Filas o columnas iguales.. = c11 = – c21 ...... Al intercambiar entre sí dos filas o bien dos columnas el valor de un determinante cambia de signo... 5) Suma de determinantes parecidos...... c nn = 0... no se altera al intercambiar filas y columnas: c11 c21 .. Por ejemplo. c 1n c21 c22 . es decir..

el determinante queda multiplicado por el mismo número: λc 11 c 21 .. c nn . c n2 … … … … … … a 1 n + a′ 1n c2 n ... c12 c22 ..... cn n + a 11 ′ c 21 .© FUOC • P00/75004/00191 47 Matrices. 8) Elementos de una fila (o columna) por los adjuntos de una paralela.. c n1 λ c12 c22 . c n2 No debemos confundir la operación de multiplicar una fila de la matriz por un escalar con la operación de multiplicar la matriz por un escalar introducida en el apartado 4 de este módulo didáctico. Si multiplicamos todos los elementos de una fila o columna por un escalar. c 11 = c 21 ........ c n1 a 12 ′ c 22 . . c nn = λ c 11 c 21 c n1 . c n1 c 12 c 22 .. cn 2 … … … c1 n + λc 1j c2 n + λc 2j c nn + λ c nj . Un determinante no varía si añadimos a una fila (o una columna) los elementos de una paralela multiplicados por una misma constante: c 11 c 21 .... c n2 6) Multiplicación de una fila o columna por un escalar.. cn 1 a1 n c 2n ... = a 12 + a′ 12 c 22 .... c nn … … … c 1n c 2n ..... vectores y sistemas de ecuaciones lineales se obtiene con las filas (o columnas) comunes y la fila (o columna) no común formada por la suma de los elementos correspondientes de los determinantes que sumamos: a 11 c 21 .. cn 2 … … … c1 n c2 n . si i ≠ j.. c n1 a 12 c 22 . c n2 … … … a 11 + a′ 11 = c 21 . c n1 c12 c22 ... La suma de los elementos de una fila (o una columna) por los adjuntos de una paralela vale 0: a i1 A j1 + a i2 A j2 + … + a in A jn = 0 ..... Teniendo en cuenta esto (utilizando esta propiedad para cada una de las n filas o bien n columnas de A) resultará: det ( λ A ) = λn ⋅ d e tA . c nn si j ≠ n. Allí todos los elementos de la matriz quedaban multiplicados por el escalar. a1 n ′ c 2n cn n .... cn 2 … … … λ c 1n c2 n ... 7) Añadir una fila (o una columna) multiplicada por un escalar a una paralela.

2 Para reducir a cero los elementos de la primera columna: – Multiplicamos la primera fila por 3 y la restamos de la segunda. 8 y 9 que acabamos de enunciar permiten calcular determinantes sin necesidad de desarrollarlos por la fórmula (24). Sirve para demostrar resultados u obtener expresiones compactas. vectores y sistemas de ecuaciones lineales 9) Determinante de un producto de matrices cuadradas. resulta: ∆ = 1 11 –1 1 = – 6 + 121 = 115. El determinante de un producto de matrices es igual al producto de los determinantes de cada matriz: det ( A ⋅ B ) = det A ⋅ det B Las propiedades 1. –6 Ahora. –6 Este método es mucho más eficiente para calcular determinantes que (23). ya que la propiedad 7 nos autoriza a hacerlo. 9 Solución: en efecto. Las propiedades mencionadas también nos permiten asegurar que cierto determinante es cero sin necesidad de desarrollarlo. Para calcular un determinante podemos ir reduciendo a ceros los elementos de una fila. desarrollándolo por la primera columna. que valen 0). 2. Ejemplo 21 Probemos que: 1 ∆ = 3 2 –2 –5 7 –1 –2 = 0 . pero se utiliza poco para calcular efectivamente determinantes. 5. La utilidad de las fórmulas (24) o (23) es más teórica que práctica. 3. como hacíamos en el método de Gauss. teniendo en cuenta que la tercera columna es la suma de las dos primeras. El resultado es: 1 ∆ = 0 0 –2 1 11 4 –11 . – Multiplicamos la primera fila por 2 y la restamos de la tercera. porque se trata de la suma de dos determinantes nulos (es decir. . 7. 6. 4. Ejemplo 20 Ved cómo calcular el determinante siguiente: 1 ∆ = 3 2 –2 –5 7 4 1. y utilizando primero la propiedad (7) y después la (5) obtenemos que el resultado es 0. y después utilizar 1 para desarrollar por aquella fila.© FUOC • P00/75004/00191 48 Matrices.

.. mientras que para la 8. también. Regla de Cramer para los sistemas n × n Consideremos ahora un sistema de n ecuaciones con n incógnitas: 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 ⎪ ⎬.. la expresión anterior queda b1 x 1 det A = b2 . a n. i + 1 a 2...2. a n. para las demás variables: ∆ xi = -i ∆ donde: (26) a 11 ∆i = a 21 .. respectivamente. i – 1 ... .... i + 1 … … … a 1n a 2n .... Para la propiedad 1 el primer paréntesis vale det A.© FUOC • P00/75004/00191 49 Matrices.. Por lo tanto. y si: det A ≠ 0 (25) obtenemos las fórmulas de Cramer.. i + 1 ... . . reducida a: = b 1 A 11 + b 2 A 21 + … + b n A n1 .. ⎪ a n 1 x 1 + a n 2 x 2 + … + a nn x n = b n ⎪ ⎭ .. vectores y sistemas de ecuaciones lineales 7. i-ésima. a n1 … … … a 1. bn a 1. Multiplicando la ecuación i por el adjunto Ai1 y sumando por todo i resulta: ( a 11 A 11 + a 21 A 21 + … + a n1 A n 1 )x 1 + + ( a 12 A 11 + a 22 A 21 + … + a n2 A n1 )x 2 + … + + ( a 1n A 11 + a 2 n A 21 + … + a nn A n1 )x n = .. a n2 … … … a1 n a2 n . i – 1 b1 b2 . a nn .. Podemos repetir el cálculo anterior con los adjuntos de las columnas segunda... a nn . i – 1 a 2.3... los restantes paréntesis valen 0.. tercera. bn a 12 a 22 .

25 50 6 Veamos un ejemplo 4 × 4: Ejemplo 23 Resolvamos por Cramer el sistema siguiente 4 × 4: x + y + 3z – 2t = 3 ⎫ ⎪ 2x – 4 y + 7 z + 2 t = –1 ⎪ ⎬. b) La condición para que el sistema sea compatible y determinado se expresa en (25)..= -. en consecuencia.–5 --50 2 2 4 1 1 5 6 2 4 1 –1 40 --. Ejemplo 22 Utilicemos la regla de Cramer para discutir y resolver el sistema siguiente: x + 2y – z = 1 ⎫ ⎪ – 5x + 4y + 3z = 5 ⎬. Veamos un ejemplo de sistema 3 × 3.4 3 = -. 3x – 2y + 9z – t = 6 ⎪ x + 3y – z – t = 0 ⎪ ⎭ ...= 50 5 2 –1 48 24 ----3 = -. a n1 Observad que: a 12 a 22 .= -50 25 2 1 86 43 ----5 = -. ⎪ 2x + y + 2z = 6 ⎭ El determinante del sistema es: 1 ∆ = –5 2 2 4 1 –1 3 = 1 ⋅ 4 ⋅ 2 + ( –5 ) ⋅ 1 ⋅ ( –1 ) + 2 ⋅ 3 ⋅ 2 – 2 ⋅ 4 ⋅ ( –1 ) – 2 –2 ⋅ ( –5 ) ⋅ 2 –1 ⋅ 3 ⋅ 1 = 50 ≠ 0 y... a n2 … … … a1 n a2 n . a nn (27) a) El determinante ∆i se obtiene cambiando la columna i de ∆ por la columna de términos independientes. vectores y sistemas de ecuaciones lineales a 11 ∆ = a 21 . Para calcular las variables tendremos: 1 1x = -. el sistema es compatible y determinado..–5 50 2 1 1 z = -..© FUOC • P00/75004/00191 50 Matrices.5 -50 6 1 1-y = -.

∆2 . ya que para resolver efectivamente un sistema es mucho menos eficiente que el método de Gauss. 3 17 --z = –-. 1 Ahora podemos añadir la tercera columna a la primera. De este modo: 3 ∆ 1 = –1 6 0 1 –4 –2 3 3 7 9 –1 24 51 –1 –2 0 –1 1 –4 –26 3 24 51 –1 24 7 51 –1 –20 –40 = 0 4 2 11 –1 = 2 = –1 –1 0 –1 0 –11 = –2 6 3 4 61 11 = 127 –1 61 127 0 = –20 = 100. t. .. Obtenemos: 0 ∆ = 0 3 1 0 –4 6 5 1 = 3 ⋅ 5 = 15 ≠ 0. 5 8-9 -t = –-. y. y podemos calcular los determinantes ∆ 1. –4 0 lo cual permite obtener x: 100 20 x = ---. z. Empleando como pivote el elemento de la primera fila y la primera columna. Como puede comprobarse.. vectores y sistemas de ecuaciones lineales El determinante del sistema es: 1 ∆ = 2 3 1 1 –4 –2 3 3 7 9 –1 –2 2 –1 –1 .© FUOC • P00/75004/00191 51 Matrices..= -. 16 --y = –-. reducimos a cero la primera columna: 1 ∆ = 0 0 0 1 –6 –5 2 3 1 0 –4 –2 –6 6 = –5 5 2 1 1 0 –4 6 5. El sistema es de Cramer.. utilizando nuevamente la séptima propiedad de los determinantes. Pero el precio que se paga por este método es bastante elevado. ∆3 y ∆4 . Finalmente. 15 ∆ 3 = –51 y ∆4 = –89. habría resultado mucho más corto hacer los cálculos con el método de Gauss. ------3 15 Procediendo de forma similar. que nos determinarán x. Hemos visto que la teoría de los determinantes permite una formulación compacta para resolver los sistemas n × n. obtenemos: ∆ 2 = –80.

se deduce fácilmente que en una matriz n × m. la utilidad teórica de los determinantes ante la potencia práctica del método de Gauss. Incluso cuando debemos calcular un determinante.© FUOC • P00/75004/00191 52 Matrices. lo hacemos reduciendo a cero filas o columnas por el método de añadir a una fila (o columna) otra fila u otra columna multiplicada por una constante (propiedad 7). habremos determinado el rango. mientras que en el momento de resolver sistemas concretos. Los determinantes son un complemento necesario para discutir y sistematizar el estudio de los sistemas de ecuaciones. Para utilizar este teorema debemos encontrar un menor no nulo de orden tan grande como seamos capaces. . Teorema 5 El rango de una matriz es igual al orden del menor de orden máximo diferente de cero. Veamos. En definitiva. Cuando todos los menores orlados del dado sean nulos. el procedimiento de cálculo regresa nuevamente al método de Gauss. Dada la simetría entre filas y columnas en un determinante. A continuación. pero para calcular las soluciones utilizaremos el método de Gauss. sin utilizar directamente las definiciones. de modo que el nuevo determinante menor continúe siendo diferente de cero. de este modo. el número de filas y el de columnas linealmente independientes es el mismo. Llamamos determinante menor de orden s de una matriz a todo determinante formado por s filas y s columnas extraídas de la matriz dada. el método eficiente y recomendado con carácter general es el método de Gauss. vamos ampliándolo con una fila y una columna. vectores y sistemas de ecuaciones lineales Podemos afirmar que los determinantes tienen un papel teórico y permiten sistematizar los resultados. el menor de orden máximo que podemos formar será de orden igual al menor de los dos números m. y repitiendo la operación tantas veces como sea necesario. Si la matriz tiene m filas y n columnas. n. Los determinantes permiten también obtener una definición alternativa a la que ya hemos visto del rango de una matriz. algo que nos indicará que los vectores de la fila implicados son linealmente independientes. Con la definición de menor podemos enunciar el teorema siguiente.

x + 2y – z = 3 ⎪ λx – 2y + 2z = 1 ⎪ ⎭ 26. encontradlas. ( – 2 0 – λ) x + 3x – 9y – 5z = 0 ⎫ ⎪ 12 z = 0 ⎬. ⎪ y + ( 2 – λ )z = 0 ⎭ – 51 x + ( 2 3 – λ )y – 25. b) Generalizando el método anterior. calculad el determinante siguiente. ¿qué expresión podemos dar para la solución? 24.. ¿Para qué valores de λ el sistema homogéneo siguiente tiene soluciones no triviales? En estos casos. Determinad λ para que el sistema tenga soluciones no triviales. 1 xn xn 2 . (28) … … … x1 x2 xn n –1 n –1 .. conocido como determinante de Vandermonde: 1 1 x1 x2 x1 x2 2 2 . λx + y + z = 0 ⎫ ⎪ 3 x + λ y – 2 z = 0 ⎬. . .. ⎪ a n1 x 1 + a n2 x 2 + … + a nn x n = 0 ⎪ ⎭ . Determinante de Vandermonde Determinante que tiene unos en la primera fila.. Utilizando determinantes. vectores y sistemas de ecuaciones lineales Actividades 23.. Determinad λ para que el sistema siguiente sea compatible: 2 x – 3y – z = 2 ⎫ ⎪ x + 2y – 3 z = 4 ⎪ ⎬.. Discutid las soluciones del sistema siguiente. a) ¿Cuál es la condición para que el sistema tenga soluciones no triviales? b) En el caso de que tenga. .. Lo mismo se puede aplicar en lo que respecta a las columnas.. = ( x – y ) ( y – z ) ( z – x ). n –1 .. y dad las soluciones correspondientes en forma de vectores-columna... ⎪ 2x + 4 y + z = 0 ⎭ 28.. mientras que la segunda fila es arbitraria y las siguientes están formadas por las potencias sucesivas de los elementos de la segunda fila..© FUOC • P00/75004/00191 53 Matrices. y que ésta tenga a su vez 1 grado de libertad. ved qué podemos decir a propósito de un sistema homogéneo de n ecuaciones y n incógnitas: 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 ⎪ ⎬. según los valores del parámetro λ: λx + y + x + λy + z = 1 ⎫ ⎪ z = λ ⎬. a) Demostrad que: 1 1 1 x y z x2 y z 2 2 .. ⎪ x + y + λz = λ2⎭ 27.

vectores y sistemas de ecuaciones lineales 29...© FUOC • P00/75004/00191 54 Matrices. . Calculad este determinante: a 11 0 0 a 12 a 22 0 a 13 a 23 a 33 … … … … a1 n a2 n a 3n .... 0 0 0 .. . an n . ...

más utilidad teórica que práctica. vectores y sistemas de ecuaciones lineales 8. ya que resulta muy costoso hacer el cálculo de la inversa a partir de ésta. es 1. que denotaremos como A –1..⎜ ----= ----.⎜ det A ⎜ ⎝ A 1n . la matriz siguiente: … … … A –1 ⎛ A 11 ⎜ A 12 1 ----. El método de Gauss nos permite resolver simultáneamente diferentes sistemas considerando la matriz ampliada con una columna para cada segundo miem- .© FUOC • P00/75004/00191 55 Matrices. Así pues.. A 2n A n1 ⎞ ⎟ A n2 ⎟ ⎟ ⎟ A nn ⎠ (30) formada por los adjuntos de los elementos (transpuestos) divididos por el determinante es inversa de A . la condición necesaria y suficiente para que A tenga inversa es (29). En efecto. A 21 A 22 . .. En cambio. Si se cumple (29).. Podemos emplear también el método de Gauss. los elementos diagonales de la matriz del producto corresponderán a la suma de productos de los elementos de una fila por los adjuntos de la misma fila y divididos por det A que. (29) Recordad la novena propiedad de los determinantes Esta condición es también suficiente a partir de la primera y la octava propiedad de los determinantes. La fórmula (39) de la matriz inversa tiene. es cero. por la propiedad 1 de los determinantes. la cual verifica: A ⋅ A–1 = A –1 ⋅ A = I. si multiplicamos esta matriz por A. los elementos no diagonales corresponderán a la suma de productos de los elementos de una fila por los adjuntos de una paralela que. 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. por la propiedad 8 de los determinantes.. para que A tenga inversa es necesario que: det A ≠ 0.. como siempre. Matriz inversa Diremos que la matriz cuadrada A tiene inversa si hay una matriz.

.. Ejemplo 24 Queremos encontrar la matriz inversa de A. lo cual nos dará la matriz inversa X.. . El sistema será ahora: … … … … ⎛ a 11 ⎜ ⎜ ⎝ a n1 . Aplicamos el método de Gauss tomando como segundos miembros los vectores columna: ⎛ 1⎞ ⎜ ⎟ ⎜ 0⎟ . . ⎟ 1⎠ Primero.. a fin de convertirlos en unos. forman la matriz identidad. a 1n 1 a nn 0 .. ⎟ x nn⎠ ... Finalmente. ⎜ ⎟ ⎜ ⎟ ⎝ 0⎠ ⎛ 0⎞ ⎛0 ⎞ ⎜ ⎟ ⎜ ⎟ 1⎟ ⎜ . ... donde: ⎛1 A = ⎜5 ⎜ ⎝2 1 4 –1 1⎞ 5⎟ . los cuales..... reducimos a cero también los elementos del triángulo superior empleando el método de Gauss de abajo a arriba y tomando como pivotes los unos de la diagonal principal.. . .. ⎛ a 11 ⎜ ⎜ ⎝a n1 .... A continuación. …. puestos como columnas de la matriz ampliada. o. x 1n ⎞ ⎛1 ⎟ = ⎜ ⎟ ⎜ ⎝0 x nn⎠ … … 0⎞ ⎟ ⎟ 1⎠ . 0⎞ ⎟.. La matriz ampliada del sistema será: … … … … (31) ..... ⎟ 1⎠ .. El resultado será: ⎛1 ⎜ ⎜ ⎝0 … … 0 x 11 . la reducimos por el método de Gauss a forma triangular.. 1 x n1 … … x 1 n⎞ ⎟. ... . dividimos las filas por los elementos diagonales que han quedado... en forma de matrices: A ⋅X =I y la solución será precisamente X = A − 1.. vectores y sistemas de ecuaciones lineales bro.. a 1n ⎞ ⎟ ⎟ a nn ⎠ ⎛ x 11 ⋅⎜ ⎜ ⎝ x n1 . . ⎜ 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ 0⎠ ⎝1 ⎠ .© FUOC • P00/75004/00191 56 Matrices....

Calculad. cos α ⎠ –2 5 1 4⎞ –3 ⎟ . ⎟ –1⎠ 1 –13 Vemos así que el coste de encontrar la inversa de una matriz n × n por el método de Gauss es resolver simultáneamente n sistemas por Gauss con la propia matriz del sistema. ⎟ 4⎠ . reduciremos a cero la parte superior de la matriz del sistema. escribimos la matriz ampliada siguiente: ⎛ 1 ⎜ ⎜ 5 ⎝ 2 1 4 –1 1 1 5 0 1 0 0 1 0 0⎞ 0⎟ . si la hay. ⎟ –1⎠ 0 1 0 0 0 9 5 –2 –1 3 1⎞ 0⎟ . la inversa de la matriz siguiente por el método de Gauss: ⎛ 1 ⎜ 2 ⎜ ⎝ –3 31. por lo tanto: ⎛ 9 ⎜ 5 ⎜ ⎝ –13 –2 –1 3 1⎞ 0⎟ . En la primera triangulación obtenemos: ⎛ 1 ⎜ ⎜ 0 ⎝ 0 1 –1 0 1 1 –5 0 1 –3 0⎞ 0⎟ . vectores y sistemas de ecuaciones lineales Para encontrarla. El resultado será: ⎛1 ⎜ ⎜0 ⎝0 La matriz inversa es. ⎟ 1⎠ 0 –1 13 Podemos continuar su reducción multiplicando la tercera fila por –1 y la segunda también por –1 para llenar de unos la diagonal principal. esto se debe a que. tenemos automáticamente la solución de cualquier sistema de la forma A·x=b ya que multiplicando esta ecuación por A−1 por la izquierda obtenemos lo siguiente: x = A−1 · b Actividades 30. a) Calculad la matriz inversa de: ⎛ cos α ⎝ senα –s e n α⎞ . Finalmente. que es muy inferior a n veces el coste de resolver un sistema. para cada sistema.© FUOC • P00/75004/00191 57 Matrices. únicamente debemos añadir los cálculos relativos a la columna correspondiente de la matriz ampliada. Si hemos calculado la matriz inversa de A. ⎟ 1⎠ la cual reducimos por el método de Gauss.

¿Es posible conseguir que la matriz siguiente sea ortogonal eligiendo a. b y c de forma adecuada? ⎛3 ⁄ 5 ⎜4 ⁄ 5 ⎜ ⎝ 0 –4 ⁄ 13 3 ⁄ 13 12 ⁄ 13 a⎞ b⎟. c ) Las matrices que verifican la propiedad anterior reciben el nombre de ortogonales. ⎟ c⎠ . vectores y sistemas de ecuaciones lineales b) Comprobad que A · A t = A t · A = I.© FUOC • P00/75004/00191 58 Matrices.

Para un sistema n × n determinado. Permite transformarlos en forma escalonada con un mínimo de operaciones. A pesar de ello. pero los cálculos son mucho más complicados. y si lo es. y hemos llegado a la conclusión de que. a introducir el concepto de matriz y sus operaciones. las fórmulas de Cramer nos dan una expresión directa de las soluciones. vectores y sistemas de ecuaciones lineales Resumen Hemos visto que. Por otro lado. El estudio de los espacios vectoriales aplicado a los sistemas de ecuaciones nos permite introducir el concepto de rango de una matriz. es necesario únicamente que su determinante sea diferente de cero. Los sistemas de ecuaciones nos llevan. la teoría de los determinantes permite una formulación teórica más directa. el método de eliminación de Gauss es el más adecuado. en el momento de calcular determinantes también utilizamos el método de Gauss. y a partir de esto el teorema de Rouché-Fröbenius da la clave para saber si un sistema es compatible o no. para resolver efectivamente sistemas de ecuaciones lineales. cuántos grados de libertad tiene la solución general. de forma natural. .© FUOC • P00/75004/00191 59 Matrices. para ello. reconociendo en ellas las estructuras de anillo y de espacio vectorial. Los determinantes resultan también útiles para saber si una matriz tiene inversa.

.

x + b y +a z = 1 ⎪ ⎭ 4. a) ¿Son linealmente independientes? Escribid esta condición en términos de determinantes. ⎪ 4 x + 3 y + 5z = 42 ⎭ 3x + 3 x + y + 2z = 19 ⎫ ⎪ x + 2 y + 3 z = 27 ⎬ .© FUOC • P00/75004/00191 61 Matrices. 5 . v 4 } en la nueva base. v2 = (2. 2. 7). Encontrad la inversa de la matriz siguiente: ⎛ 9 –2 –4 A = 1 ⎜ 1 2 –1 5⎜ ⎝ –12 1 7 6 . v4 } y dad una base del subespacio que generan. vectores y sistemas de ecuaciones lineales Ejercicios de autoevaluación 1 . 0. –1. v3 . 3. Resolvedlo por los valores de m que hacen que sea compatible: –x + mz = m ⎫ ⎪ x + y + 3 z = 5 ⎬. 3). 3. u3 . v3 . Consideremos los vectores v1 = (1. Resolved los sistemas de ecuaciones siguientes: y + 2z = 19 ⎫ ⎪ x + 2 y + 3 z = 27 ⎬ . 1. d) Expresad los vectores {v1 . 0. –2. y determinad sus componentes en esta nueva base. v 2 . Dada la matriz 2 A = ⎛ ⎝ 4 –1 ⎞ –2 ⎠ ⎞ ⎟ ⎟ ⎠ . u2 . v3 = (–1. –1). u 4} por los vectores encontrados en el apartado anterior para formar una nueva base de E 4 . 2) y v4 = (4. Discutid el sistema siguiente según el valor del parámetro m. ⎪ 2x + my + = 0 ⎭ 3 . ⎪ 4 x + 3 y + 5z = 0 ⎭ 3x + 2 . Discutid este sistema según los valores de a y b: a x + by + z = 1 ⎫ ⎪ x + aby + z = b ⎬. ⎪ 4 x + 2 y + 5z = 0 ⎭ y + 2z = 0 ⎫ ⎪ x + 2y + 3z = 0 ⎬. b) Determinad el rango de { v1 . ⎪ 4 x + 2 y + 5z = 42 ⎭ 3x + y + 2z = 19 ⎫ ⎪ x + 2 y + 3 z = 27 ⎬ . v2 . ⎪ 4 x + 3 y + 5z = 46 ⎭ 3x + y + 2z = 0 ⎫ ⎪ x + 2y + 3z = 0 ⎬. c) Sustituid los vectores convenientes de la base canónica {u 1 .

3 toneladas de disolvente y 5 toneladas de madera.m. nos proporcione los kilogramos de plata. cobre y oro habrá en la mezcla resultante? ¿Cuál será la proporción de plata. Disponemos de tres aleaciones A. Una empresa tiene dos centros de producción. 6. ¿cuántos kilogramos de plata. cuya composición aparece en la tabla siguiente: A Plata Cobre Oro 5% 15% 80% B 10% 25% 65% C 15% 40% 45% Mezclando las tres aleaciones podemos obtener diferentes productos con varias proporciones de plata.m. ¿Hay alguna matriz D diferente de 0 tal que A · D = D · A = 0 ? 7 . ¿Cuál es la suma de cada una de sus columnas? b) Mezclando 50 kilogramos de A. el 30. 0.m. b) Encontrad otra matriz C. 20 de B y 20 de C. cobre y oro en la mezcla final? c) Mezclando 0.5% de cobre y el 58% de oro? 10.5% de plata. 6 toneladas de papel. d) Al cabo de unos cuantos días. • En Mataró se han comprado 2 toneladas de tinta. Supongamos que las composiciones de las aleaciones del ejercicio anterior son: A Plata Cobre Oro 5% 15% 80% B 10% 25% 65% C 15% 35% 50% 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.. 7). a)Disponed esta información en dos matrices A y B de forma que A · B nos dé la cantidad total que han gastado cada uno de los centros de producción. e)¿Cómo podemos encontrar la cantidad gastada entre los dos en cada una de las compras? f)¿Cómo encontramos la cantidad total gastada entre los dos? 9 . ¿cuál tiene una proporción menor de plata? ¿Cuál tiene una proporción mayor? . y madera 2 u. pero el vector de precios es ahora (4. multiplicándola por los kilogramos de A. 2 toneladas de papel. una vez agotado todo el material. 2..). el 27% de cobre y un 62% de oro? Si hay diferentes posibilidades. disolvente 5 u. Disponed esta información en dos matrices D y E de forma que D · E nos dé por columnas las cantidades totales que han gastado los centros en cada una de las compras que han hecho. tal que operando convenientemente las tres matrices obtengamos el total gastado entre los dos centros c)Encontrad una matriz H que. a) Encontrad una matriz tal que. Lo mismo que en el ejercicio anterior. de B y de C que mezclemos. 8 toneladas de papel. En cada uno de los centros se han hecho las compras siguientes: • En Lérida se han comprado 1 tonelada de tinta..5 kilogramos de A. 8 .3 de C. (unidades monetarias). nos dé la cantidad total de cada producto que han comprado entre los dos centros (es decir: 3 toneladas de tinta. uno en Lérida y otro en Mataró. cobre y oro que hay en la mezcla final. 4 toneladas de disolvente y 3 toneladas de madera. de las que tienen valores positivos para las tres variables.2 de B y 0. papel 2 u. cobre y oro habrá en la mezcla resultante? ¿Cuál será la proporción de plata. cobre y oro. operada convenientemente. suponiendo que ahora A es tal que det( A)≠0 .© FUOC • P00/75004/00191 62 Matrices. Sabiendo que los precios para cada artículo son: tinta 3 u. vectores y sistemas de ecuaciones lineales encontrad matrices B y C que cumplan A · B = C · A = 0 . deciden volver a hacer la misma compra (los mismos productos y las mismas cantidades). cuántos kilogramos de plata. cobre y oro en la mezcla final? d) ¿Podemos obtener una mezcla con el 20% de plata y el 80% de oro? ¿Qué interpretación de la solución podemos dar cuando alguna incógnita toma valor negativo? e) ¿Podemos obtener una mezcla con el 11. B y C.m.

. Resolvedlo cuando sea posible. vectores y sistemas de ecuaciones lineales 11. B.© FUOC • P00/75004/00191 63 Matrices. n% de cobre y el resto de oro. Plantead el sistema correspondiente y discutidlo según el valor de los parámetros m y n. C de las características siguientes: A Plata Cobre Oro 5% 15% 80% B 10% 25% 65% C 15% m% 85 − m% para obtener una mezcla que tenga el 12% de plata. Se mezclan tres aleaciones A.

por definición de la matriz transpuesta. Si consideramos ahora la matriz (A · B) t. Así pues. k = 1 ∑ (B ) n t ik ( A )k j = t k = 1 ∑b n ki a jk = k= 1 ∑a n jk b k i. 2 2 t t t t t t t . ⎝0 1 ⎠ ( a d – bc ) ⎝ 0 a d – b c⎠ 6. escribiremos (A) ij = aij y ( B) j k = b jk donde 1 ≤ i ≤ m. 2. 3 . efectivamente. Observemos que.⎛ -------------= ⎛ . 1 ⎛ a b ⎞ ⎛ --------⎛ d –b ⎞⎞ = -------. 1 ≤ j ≤ n y 1 ≤ k ≤ m´. Tenemos: t t t A · A = B1 6× 6 6×4 4× 6 y A 4× 6 · A = B2 4×4 6×4 Por lo tanto.⎛ a b ⎞ ⎛ d –b ⎞ = -----------------------1--⎝ c d ⎠ ⎝ ( a d – b c ) ⎝–c a ⎠⎠ ( ad – bc ) ⎝ c d ⎠ ⎝ –c a ⎠ ad –bc 0 ⎞ 1 0⎞ 1 = -------. por lo tanto. A · B ≠ B · A.© FUOC • P00/75004/00191 64 Matrices. Como es habitual. vectores y sistemas de ecuaciones lineales Solucionario Actividades 1 . 526 –194 ⎞ 3 2 2A – 5A + 4A + 3I = ⎛ ⎝ –97 41 ⎠ 7 –1 ⎞ ⎛ 7 –2 ⎞ t ⎛ 50 –1 6 ⎞ A A = ⎛ ⎝ –2 2 ⎠ ⎝ –1 2 ⎠ = ⎝ –16 8 ⎠ . ⎛ a 11 a 12 a 1⎞ ⎛ x⎞ ( x y 1 ) ⎜ a 12 a 22 a 2⎟ ⎜ y⎟ = ⎜ ⎟⎜ ⎟ ⎝ a 1 a 2 a ⎠ ⎝ 1⎠ ⎛ a 11 x + a 12 y + a 1⎞ = ( x y 1 )⎜ a 12 x + a 22 y + a 2⎟ = ⎜ ⎟ ⎝ a1 x + a2y + a ⎠ = a 11 x + 2 a 12 xy + a 22 y + 2 a 1 x + 2a 2 y + a . por las propiedades de la matriz transpuesta: B 1 = ( A A) = A (( A) ) = A A = B 1 y. También tendremos. con lo cual ((A · B )t) ij = (Bt · A t)ij y las matrices (A·B ) t y Bt·A t son iguales. tenemos que ((A · B )t) ij = (A · B) ji = Sin embargo: ( B A ) ij = t t k= 1 ∑a n jk b k i. B 1 es simétrica. los dos productos se pueden calcular. Comprobad que B2 también es simétrica. 3 –1 ⎞ ⎛ 2 5 ⎞ ⎛ 7 12 ⎞ B ⋅A = ⎛ ⎝ 4 8 ⎠ ⎝ –1 3 ⎠ = ⎝ 0 44 ⎠ . Tenemos que: 2 5 ⎞ ⎛ 3 –1 ⎞ ⎛ 26 38 ⎞ A⋅ B = ⎛ ⎝ –1 3 ⎠ ⎝ 4 8 ⎠ = ⎝ 9 25 ⎠ . 5. 4 . que (A t) ij = a ji y (Bt) ij = b ji.

a) La ecuación λ 1 e1 + λ 1 e1 = 0 se escribe: λ 1 ( 2 . en componentes.u 2. u 3} forman una base de E3 . 0 . v3) se expresará así en la nueva base: 1 3 v = v1 u 1 + v 2 u 2 + v 3 u 3 = v 1 ⎛ . e1 y e2 son linealmente independientes.v1 e 1 + v 2 u 2 + ⎛ .. + ( A B ) in C nj = m = 1 ∑ ( A B) n im C m j. Esto es factible. En consecuencia.. Tendremos: .e 1 + . –3 ) + λ 2 ( –1 .u 3 } empezamos por sustituir u1 por e 1 . obtenemos: ⎛ ⎞ b km c m j⎟ = ⎠ ⎛ ⎞ cm ⎟ = j ⎠ ( ( A B )C ) ij = m = 1 ∑ ⎜∑ a ⎝ n n k= 1 ik k= 1 ∑a ⎜∑b ⎝ n ik n m = 1 km = k = 1 ∑a n ik ( B C) k j = ( A (B C ) ) ij. ⎝2 ⎠ 2 Podemos continuar la sustitución de vectores de la base canónica. la matriz A es simétrica.© FUOC • P00/75004/00191 65 Matrices. 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.u 3 }. 7 .v1 + v3 ⎞ u 3 . 3 .u 2 ..u 3 ⎞ + v 2 u 2 + v 3 u 3 = ⎝2 2 ⎠ 1 3 = . ya que el componente de e 1 según u 1 en la base canónica es 2 ≠ 0. Expresamos e 2 en la base anterior { e 1.. a partir de la base canónica { u 1 . 5 ) = 0 que. + a im b n m = k= 1 ∑a n ik bk m . sustituyendo los (A B)im por sus valores tenemos: ( ( A B )C ) ij = m = 1 ∑ (A B ) n im Cmj = m= 1 ∑ ⎜∑a ⎝ n n k = 1 ⎛ ik ⎞ b km ⎟ c m j . pues. ⎠ Haciendo los productos y reorganizando los sumatorios (lo cual puede hacerse por la propiedad distributiva del producto respecto a la suma). -u 2 2 Por lo tanto. podemos escribir: ( ( A B )C) ij = ( A B ) i1 C 1j + .u 2 . Pero cada uno de los elementos de A · B se obtiene haciendo: ( A B ) im = a i1 b 1m + a i2 b 2m + . Tenemos: e 1 = 2 u1 – 3 u 3 y así: u 1 = 1 e 1 + 3 3. lleva al sistema: 2 λ1 + λ2 = 0 3 λ2 = 0 – 3 λ1 + 5 λ2 = 0 La única solución de este sistema es λ 1 = λ 2 = 0. 8. vectores y sistemas de ecuaciones lineales Así. Un vector arbitrario v = (v1. { e1. v2 . por lo tanto. b) Siguiendo el método de la proposición 2 y el teorema de Steinitz.

da: 2 e ′ = λ ( 2.u2 .( e ′ –λe 1 ) = – . Efectivamente: – 3 k u1 + 2 k u 2 + k u3 = k ( – 3 u 1 + 2u 2 + u 3 ) = 0 . 5 ) = λ ( 0.2 2 6 c) Es la fórmula obtenida en el apartado anterior. es necesario ver que: .u3) y (v1.1 + . u3 + v 3) ∈ B. u 2.0. 2 Si el primer componente de e′2 debe ser 0. resulta 2 λ − µ = 0.3.© FUOC • P00/75004/00191 66 Matrices. 3. –3) + µ ( –1. 6. • Debemos comprobar si se verifica que (u 1.1 + . debe ser combinación lineal: e′ = λ e 1 + µ e 2 = λ ( 2. obteniendo e′ = (0. • Debemos comprobar si se verifica que (u 1 + v1. -e -e -u 6 3 6 Ahora podemos expresar v en la nueva base { e 1. v2 .v3) = (u 1 + v1. 0. u 3) ∈ A. 7 ) 2 y si queremos podemos elegir λ = 1. z) ∈ R 3 : –3x + 2 y + z = 0}:(u 1.2 – .v3).u 3}: 3 v = 1 v 1 e 1 + v 2 u 2 + ⎛ . Efectivamente: – 3 u 1 + 2 u 2 + u 3 – 3 v 1 + 2 v 2 + v3 = 0 porque –3 u 1 + 2 u 2 + u 3 = 0 y –3 v 1 + 2 v2 + v 3 = 0 • Debemos comprobar si k (u 1. a) El segundo vector debe pertenecer al subespacio generado por { e1.2 e 2 + -v -v -v ⎝2 6 ⎠ 3 ⎛3 – 7v + v ⎞u . y.′ . sustituyendo en la expresión anterior de e′ .1. v3).u3) + (v1 . es necesario que veamos que: –3 ( u 1 + v1 ) + 2( u 2 + v 2) + u 3 + v3 = 0 .1 + v 3⎞ u 3 = -v ⎝2 ⎠ 2 = 1 1 e 1 + v 2 ⎛ 1 1 + 1 e 2 – 7 3 ⎞ + ⎛ 3 1 + v 3⎞ u 3 = -v -e -u -v ⎝6 ⎠ 2 3 6 ⎠ ⎝2 1 1 1 = ⎛ . y. Para ello.e1 + 3 u 2 + .0). d) Utilizando la expresión anterior y aplicándola a u 1 = (1.0) y a u 2 = (0. ⎝2 ⎠ 2 2 2 El componente según u 2 es 3 ≠ 0. vectores y sistemas de ecuaciones lineales 1 3 1 7 e 2 = . 3.e 1 + .2⎞ e 1 + . 6. 2 Para ello. -v 3⎠ 3 ⎝. 5 ). resulta: u1 = 1 1 + 3 3 -e -u 2 2 1 1 1 u2 = . Por lo tanto.v2 .e 2.( –1 ) + 5⎞ u 3 = –. 0. u2. 6 3 7 9. u2 + v2.e 2}. 7) 2 b) 1 1 1 e 2 = . a) Se toman dos elementos del conjunto A = {(x. u2 + v′ u 3+v3) ∈ A.u3 .( –1 )e 1 + 3u 2 + ⎛ . Para ello es necesario ver que –3 ku1 + 2ku2 + ku3 = 0. u 3) y (v1. que. y de este modo puede sustituir a u 2: 1 1 7 u 2 = .v2.u 3 . –3 ) + 2 λ ( –1 .1 + .e 2 – . z) ∈ R 3 : 5x + 2y – 7z = 3}: (u 1. -e -e µ 2 2 2 2 10.u2 .1 . b) Se toman dos elementos del conjunto B = {(x.

Para ello es necesario ver si (kf1)(0) = 2(kf 1)(1). • Debemos comprobar si se verifica que ( u1 + v 1. v3). Por ello es necesario que (f 1+f 2)(–x) = (f 1+f 2) 2 (x). • Queremos comprobar si kf 1 ∈ B. 2 2 2 13. Para ello es necesario que (f1 + f2 )(0) = 2(f 1 + f 2)(1).u2 . (correcto). • Queremos ver si f1 +f2 ∈C. Tenemos ( f 1 + f 2 ) ( –x ) = f1 ( –x ) + f 2 ( –x ) = f 1 ( x ) + f 2 ( x ) ≠ ( f 1 + f 2 ) ( x ). Efectivamente: ( f1 + f 2 ) ( 0 ) = f 1 ( 0 ) + f 2 ( 0 ) = 2 f 1 ( 1 ) + 2 f 2 ( 1) = 2 ( f 1 + f 2 ) ( 1 ). u3) y (v1 . con lo que obtenemos: x + y + 5 z = 3 + 2 + 5 ⋅ ( –1) = 0 2 x – y + 3 z = 2 ⋅ 3 – 2 + 3 ⋅ ( –1 ) = 1 – 3 x + 4 y – z = ( –3 ) ⋅ 3 + 4 ⋅ 2 –( –1) = 0 (correcto). • Debemos comprobar si k(u 1.u3) ∈ C. Por lo tanto. Efectivamente. Pero tenemos que: 5 u 1 + 2 u 2 – 7 u 3 + 5 v 1 + 2 v2 – 7 v3 = 3 + 3 = 6. vectores y sistemas de ecuaciones lineales 5 ( u 1 + v1 ) + 2 ( u 2 + v 2 ) – 7 ( u 3 + v 3 ) = 3 . por lo tanto. sólo se verifica en el caso k = 0.R). y = 2. Efectivamente: ( k f 1 ) ( 0 ) = kf 1 ( 0 ) = k2 f 1 ( 1) = 2 ( kf 1 ) ( 1 ). z = –1. • Queremos ver si f 1 + f 2 ∈ B. R). Podemos comprobar que el resultado es correcto sustituyendo los valores encontrados por las incógnitas en cada una de las ecuaciones. si u 1 ≥ 0 y v1 ≥ 0 entonces (u 1+v1) ≥ 0. el sistema tiene como solución única x = 3. b) Se toman dos elementos del conjunto B = {f ∈ F(R. z) ∈ R 3 : x ≥ 0}: (u 1 . Observad las permutaciones entre las filas y cómo facilitan los cálculos: . es necesario ver que: ( u1 + v 1 ) ≥ 0 . c) Se toman dos elementos del conjunto C = {( x. • Queremos ver si f1 + f 2 ∈ A. Así pues. (correcto). u2 + v 2u 3 + v3) ∈ C.-⎠ 3 3 y. Por lo tanto.© FUOC • P00/75004/00191 67 Matrices. C no es subespacio vectorial de F(R. no necesariamente tenemos que k u1 ≥ 0 por cualquier valor de k.R) : f(1) = k}:f1 y f2. 11. Siendo u 1 ≥ 0. c) Se toman dos elementos del conjunto C = {f ∈ F(R. 12. v2. A no es subespacio vectorial de F(R. Tenemos ( f 1 + f 2 ) ( 1 ) = f 1 ( 1 ) + f 2 ( 1) = k + k = 2k .R) : f(–x) = f 2 (x)}:f 1 y f 2. Para ello es necesario que se verifique que (f1 + f 2)(1) = k. el conjunto B no es un subespacio vectorial de R 3 . y. en general. Para ello. u2. a) Se toman dos elementos del conjunto A = {f ∈ F(R. por lo tanto. ⎛ 1 1 5 0⎞ 1 5 0⎞ ⎛1 ⎛ 1 1 5 0⎞ ⎟ ⎜ 2 –1 3 1 ⎟ → ⎜ 0 –3 –7 1 ⎟ → ⎜ 0 –3 –7 1 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 7⎟ 7 ⎝ –3 4 – 0 ⎠ ⎝ 0 7 1 4 0⎠ 1 ⎝ 0 0 –.R) : f(0) = 2f(1)}: f1 y f 2.

16. 24 3 24 14. -. 15. y = 3 – z .© FUOC • P00/75004/00191 68 Matrices. ⎛ 4 –2 –1 2⎞ ⎛ 1 –7 –4 2 ⎞ ⎜ 3 5 3 2⎟ → ⎜ 3 5 3 2⎟ → ⎜ ⎟ ⎜ ⎟ ⎝ 1 –7 –4 2⎠ ⎝ 4 –2 –1 2 ⎠ ⎛1 → ⎜0 ⎜ ⎝0 –7 26 26 –4 15 15 2⎞ ⎛1 –4⎟ → ⎜ 0 ⎟ ⎜ ⎝0 –6 ⎠ –7 26 0 –4 15 0 2⎞ –4⎟ ⎟ –2⎠ que es un sistema incompatible. ya que la última ecuación se ha transformado en 0 · x + 0 · y + 0 · z = –2. ⎛ 1 0 1 1 2⎞ ⎛1 ⎜ 2 –1 1 0 ⎜0 1⎟ ⎜ ⎟ ⎜ ⎜ 1 3 4 –7 11⎟ → ⎜ 0 ⎜ ⎟ ⎜ ⎜ –4 3 –1 –2 1 ⎟ ⎜0 ⎝ –2 2 0 –1 2 ⎠ ⎝0 0 1 –1 – 1–1 2⎞ 2 –3 ⎟ ⎟ 3 3 –6 9 ⎟ → ⎟ 3 3 –6 9 ⎟ 2 2 –3 6 ⎠ ⎛ 1 0 1 – 1 2⎞ ⎛ 1 0 1 0 2⎞ ⎜ 0 –1 –1 2 –3⎟ ⎜ 0 1 1 0 3⎟ ⎜ ⎟ ⎜ ⎟ → ⎜ 0 0 0 0 0 ⎟ → ⎜0 0 0 1 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜0 0 0 0 0 ⎟ ⎜0 0 0 0 0 ⎟ ⎝0 0 0 1 0 ⎠ ⎝0 0 0 0 0 ⎠ x = 2 – z . t = 0.z = ----. vectores y sistemas de ecuaciones lineales 3 8⎞ ⎛ 5 2 –1 2⎞ ⎛ 1 –1 3 8⎞ ⎛ 1 –1 ⎜ 1 –1 3 8⎟ → ⎜ 5 2 –1 2⎟ → ⎜ 0 7 –16 –38⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ –2 3 2 –3⎠ ⎝ –2 3 2 – 3 ⎠ ⎝ 0 1 8 13⎠ ⎛ 1 –1 ⎛ 1 –1 3 8 ⎞ 3 8⎞ ⎜ ⎟ ⎜ ⎟ →⎜ 0 1 ⎟ → ⎜0 1 8 13 ⎟ 8 13 ⎜ ⎟ ⎜ ⎟ ⎝ 0 7 –1 6 –38 ⎠ ⎝ 0 0 –7 2 –129 ⎠ con lo que obtenemos: 31 4 43 x = -.y = –. y esta ecuación no tiene ninguna solución. ⎛2 ⎜0 ⎜ ⎜1 ⎜ ⎜1 ⎝3 8⎞ ⎛1 1 ⎜0 0 –2 ⎟ ⎟ ⎜ → ⎜2 2 1 1 1 1 1⎟ ⎟ ⎜ 1 1 0 0 3⎟ ⎜1 1 ⎝3 3 3 3 4 4 1⎠ 0 1 1 1 1 0 0 1 1 1 1 1 1 1⎞ ⎛ ⎟ ⎜0 0 –2 ⎟ ⎜ 6⎟ → ⎜ 0 0 ⎟ ⎜ 2⎟ ⎜0 0 ⎠ ⎝0 0 –2 1 1 0 0 2 2 –1 –1 1 0 1 3 1 1 0 4 4 1 1 0 1⎞ –2 ⎟ ⎟ 8⎟ → ⎟ 3⎟ 1⎠ 0 2 –1 –1 ⎛1 ⎜0 ⎜ ⎜0 ⎜ ⎜0 ⎝0 0 0 –3 –3 0 0 –1 –1 0 0 1 1 ⎛1 ⎜0 ⎜ ⎜0 ⎜ ⎜0 ⎝0 1 ⎞ 0 1 1 –2⎟ ⎟ 0 0 0 0⎟ → ⎟ 0 0 0 0⎟ 0 0 0 0⎠ 1 1 1 3⎞ 0 0 1 1 –2⎟ ⎟ 0 0 0 0 0⎟ ⎟ 0 0 0 0 0⎟ 0 0 0 0 0⎠ . ---.

1 ) .. 21. + t n Ax n = t 1 0 + t 2 0 + ... Si x 1. y la solución es x = – y –5 z.. querrá decir que A · x 1 = 0. 0. 20. x 4. A · xn = 0 y.. 0. 0. x 3. el sistema se reduce a (1 1 5 | 0). x 5 ) = · = ( 3. 0 ) + x 5 ( 0. diremos que el sistema homogéneo no tiene solución propia. x 5 ) = ( 3 – x 2 – x 3.. z = 0.0 ⎠ 3 0 ⎞ 0 ⎟ → ⎟ 0 ⎠ 0 ⎞ 0 ⎟ ⎟ 0 ⎠ Obtenemos x = 0. 0 ) + x 2 ( –1. . 0. ⎛1 ⎜ ⎜2 ⎜4 ⎜ ⎝1 1 –3 –1 –4 5 1 11 –4 –3 2 –4 –1 1 –5 0 0 0 ⎞ ⎛1 ⎟ ⎜ 0 ⎟ ⎜0 ⎟ → ⎜0 0 ⎟ ⎜ ⎝0 0 ⎠ 5 –9 0 0 –3 8 0 –6 1 –5 –5 –5 5 –9 –9 –9 –3 8 8 2 0⎞ ⎟ 0⎟ → 0⎟ ⎟ 0⎠ ⎛1 ⎜ 0 →⎜ ⎜0 ⎜ ⎝0 0 ⎞ ⎛ x⎞ ⎛ –16⎞ ⎟ ⎜ ⎟ ⎜ ⎟ 0 ⎟ y –9⎟ →⎜ ⎟ =⎜ s. –2. 0. x 3 .. ⎜ ⎟ ⎜ ⎟ ⎝ z⎠ ⎝ 5⎠ 19. 0... vectores y sistemas de ecuaciones lineales de donde podemos aislar x 1 y x 4 en función de las demás incógnitas. + t n 0 = 0 . + At n x n = = t 1 A x 1 + t 2 Ax 2 + . xn son soluciones del sistema A · x = 0. y = 0. 17. ⎜ ⎟ 0⎟ ⎜ ⎟ 25 --0⎠ ⎝ 0 0 –-. 1. 0. 0. . –2 – x 5 . Teniendo en cuenta que la única solución de este sistema homogéneo es lva trivial. . Teniendo en cuenta que todas las ecuaciones son múltiples de la primera. ⎟ ⎜ z⎟ ⎜ 5⎟ 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ t⎠ ⎝ 0⎠ 0 ⎠ 22. 0 ) + x 3 ( –1 . x 2.. ⎛ 2 –1 3 ⎜ –1 3 7 ⎜ ⎝ –1 8 24 ⎛ –1 3 7 ⎜ 0 5 17 ⎜ ⎝ 0 5 17 0 ⎞ ⎛ –1 3 7 0 ⎟ → ⎜ 2 –1 3 ⎜ ⎟ ⎝ –1 8 24 0 ⎠ 0 ⎞ ⎛ –1 3 7 0 ⎟ → ⎜ 0 5 17 ⎟ ⎜ ⎝ 0 0 0 0 ⎠ ⎛ x⎞ ⎛ –16 ⎞ ⎜ y⎟ = ⎜ –17 ⎟ t .. 1. + t n x n ) = A t 1 x 1 + A t 2 x 2 + . Ejercicio 10 11 12 13 14 Número de variables 3 3 4 3 5 Rango sistema 3 3 3 2 2 Rango matriz ampliada 3 3 3 3 2 Tipo solución Determinada Determinada Indeterminada Incompatible Indeterminada Grados libertad 0 0 1 3 18.. x 4 = –2 – x 5 (¡comprobadlo!).© FUOC • P00/75004/00191 69 Matrices. –1. 5 ⎛ 1 1 ⎜ 4 7 –3 ⎜ ⎝ –1 –3 2 0⎞ 1 5 ⎛1 0 ⎟ → ⎜0 3 –23 ⎟ ⎜ ⎝ 0 –2 0⎠ 7 5 0 ⎞ ⎛1 1 0⎞ ⎟ → ⎜ 0 3 –23 0 ⎟ .. Observad que todas las soluciones de este sistema se pueden expresar así: ( x 1 . 0. obteniendo x 1 = 3 – x2 – x 3. x 2 .. por lo tanto: A ( t 1 x 1 + t 2 x 2 + .

es cero.. entonces una solución es: x 1 = A 11 t . ya que. ⎪ 3x – y + z = 0⎭ Según la actividad anterior. ya que en la primera ecuación. y = – t = –36 t. En segundo lugar. que serán los únicos valores que darán lugar a soluciones no triviales. lo cual nos indicaría que: • el rango es inferior a n – 1 y hay más de una indeterminada. Para que el sistema tenga soluciones no triviales es necesario que el determinante del sistema sea cero. Puede suceder. el sistema es: – 22 x + 9 y – 5 z = 0 ⎫ ⎪ – 51 x + 2 1y – 12 z = 0 ⎬. • Busquemos las soluciones para λ = 1. • o bien lo debemos probar con los adjuntos de otra fila que no tenga todos los adjuntos nulos. la solución será: x1 = 22 –12 –1 1 t = 10 t. La condición es. 3 2 Buscamos soluciones enteras de la ecuación polinómica y obtenemos λ 1 = 1. vectores y sistemas de ecuaciones lineales 23. ⎪ 3x – y = 0⎭ De forma análoga. es necesario que el determinante del sistema sea nulo (det A = 0). tendremos: a 11 A 11 t + a 12 A 12 t + . x n = A 1n t donde A1 j es el adjunto del elemento a 1j. sin embargo. ⎜ ⎟ ⎜ ⎟ ⎝ z⎠ ⎝ 1⎠ .© FUOC • P00/75004/00191 70 Matrices. ⎜ ⎟ ⎜ ⎟ ⎝ z⎠ ⎝ –3⎠ Para λ = 2. si es diferente de cero. x 2 = A 12 t . + a 1n A 1n t = t det A = 0 y para las otras aparecerá la suma de productos de los elementos de una fila por los adjuntos de una paralela que. si det A = 0. por la propiedad 8 de los determinantes. que todos estos adjuntos sean 0. al sustituir las x. sería determinado y sólo tendría la solución trivial nula. x 2 = – –51 3 –12 1 t = 15 t . la solución es: 21 – 12 –1 0 –5 1 3 –12 0 –51 3 21 –1 x = t = –12 t .. 24. x3 = –51 3 22 1 t = –15 t o bien: ⎛ x⎞ ⎛ 2⎞ ⎜ y⎟ = ⎜ 3 ⎟ t . de este modo: ( – 20 – λ ) –51 3 9 23 – λ –1 –5 –12 2 –λ = – λ + 5 λ – 8 λ + 4 = 0. z = t = –12 t o bien: ⎛ x⎞ ⎛ 1⎞ ⎜ y⎟ = ⎜ 3 ⎟ t . a) En primer lugar. El sistema es: – 21 x + 9 y – 5 z = 0 ⎫ ⎪ – 51 x + 22 y – 12 z = 0 ⎬ . a fin de que el rango sea inferior a 3. λ 2 = 2 y λ 3 = 2.

el rango de la matriz ampliada será 4 y el rango de la matriz del sistema será. Podemos observar que el rango de A es 3. Para el caso λ = –2. • aplicando la propiedad 6 de los determinantes. por lo tanto. un sistema compatible indeterminado. 26. 3 (ya que la matriz del sistema sólo tiene tres columnas). aplicándole Gauss obtenemos: ⎛ –2 ⎜ 1 ⎜ ⎝ 1 1 –2 1 1⎞ ⎛1 1 –2⎟ → . un sistema incompatible. ni nada). • Para λ = –2. ⎟ 7⎠ ⎛ x⎞ ⎛ –3 ⁄ • Para λ = –5 (resolviéndolo por Gauss) obtenemos ⎜ y⎟ = ⎜ ⎜ ⎟ ⎜ ⎝ z⎠ ⎝ –22 ⁄ • Para λ diferente de estos valores el sistema (¡es homogéneo!) tiene únicamente la solución trivial. 1 1 λ • Por lo tanto. • calculando el determinante de orden 2 que nos queda y arreglando los signos. Observemos que si λ ≠ –2. → ⎜ 0 ⎟ ⎜ ⎝0 –2 4⎠ 1 –2 –3 0 1 –2⎞ 3 –3⎟ . ⎟ 0 4⎠ 3 2 que nos dice que el sistema es incompatible. El determinante de la matriz ampliada del sistema es: 2 –3 –1 2 1 2 –3 4 2 1 1 –2 –1 3 λ –2 = – 13 λ – 26.© FUOC • P00/75004/00191 71 Matrices. 27. si λ ≠ 1 y λ ≠ –2. 2⎞ 2⎟ t. El determinante de la matriz del sistema es λ 2 + 6λ + 5. de este modo. que es. vectores y sistemas de ecuaciones lineales 25. Tendremos. El determinante de la matriz del sistema es: λ 1 1 1 λ 1 = λ – 3 λ + 2 = (λ – 1 ) (λ + 2 ) . evidentemente. • restando a la tercera columna la segunda multiplicada por x. obtenemos: 1 1 1 x y z = x y z 2 2 2 1 = 1 1 0 y–x z–x 2 0 y2 – xy = z – xz y –x z –x 1 1 y2 – x y z –xz y z 2 = y –x z –x y (y – x ) z (z – x ) = (y – x ) (z – x ) = = ( y – x )(z – x ) (z – y ) = (x – y ) (z – x )( y – z ) .. cuyas Por lo tanto: ⎛ x⎞ ⎛ 1⁄ • Para λ = –1 (resolviéndolo por Gauss) obtenemos ⎜ y⎟ = ⎜ –1 ⁄ ⎜ ⎟ ⎜ ⎝ z⎠ ⎝ raíces son λ = –1 y λ = –5. para extraer del determinante los escalares que multiplican todos los elementos de las filas segunda y tercera. Os daréis cuenta de que es un sistema compatible indeterminado. . tendrá que ser 3 y coincidirá con el rango de la matriz del sistema y con el número de incógnitas). independientemente del valor del número real λ. ⎟ 1⎠ 7⎞ 1⎟ t. • Para λ = 1 el sistema consta de una única ecuación x + y + z = 1. el rango de la matriz del sistema es 3 y el sistema será compatible y determinado (el rango de la matriz ampliada no puede ser 4. a) Observad que: • restando a la segunda columna la primera multiplicada por x. 28. ni lambdas.. como máximo. este determinante se anula sólo en el caso de que λ = –2. • desarrollando el determinante por la primera columna. sustituimos este valor en el sistema y lo resolvemos siempre (es un sistema “normal”: no hay parámetros. por lo tanto.

⎛ –1 ⁄ 5 ⎞ ⎛ 11 ⁄ 5⎞ c) ⎜ 65 ⁄ 5⎟ + t ⎜ –7 ⁄ 5 ⎟ . finalmente. ⎜ ⎟ ⎝ 1⎠ 2.--+ 3 ⎝m + 1 m + 1 m + 1⎠ ..-----..© FUOC • P00/75004/00191 72 Matrices.. cos ( α )⎠ (recordad que sin 2 (α) + cos 2 (α) = 1.m---.. -⎟ 89 ⎜ ⎝17 5 9⎠ 31.----. es decir. · a n n.. que es: ( x 2 – x 1 ) ( x 3 – x 1 ) . z ) = ⎛ -2--. El resultado es a 11 · a 22 · . ⎜ ⎟ ⎝ 0⎠ ⎛ –1 ⁄ 5⎞ e) t ⎜ –7 ⁄ 5⎟ . c.. ⎜ ⎟ ⎝ 6⎠ b) Incompatible. ⎛ 1⎞ a) ⎜ 4⎟ . y . resultando dos posibilidades: 5a = 48 b = –36 c = -. ⎛ 1 ⎜ 2 ⎜ ⎝–3 ⎛1 → ⎜0 ⎜ ⎝0 ⎛1 → ⎜0 ⎜ ⎝0 –2 9 0 –2 1 0 0 0 1 4 –11 89 ⁄ 9 21 ⁄ 89 1 ⁄ 89 17 ⁄ 89 –2 5 1 4 –3 1 1 –2 17 ⁄ 9 1 0 0 0 1 5⁄9 16 ⁄ 89 5 ⁄ 89 0 1 0 0⎞ ⎛1 0⎟ → ⎜ 0 ⎟ ⎜ ⎝0 1⎠ 0⎞ ⎛1 0⎟ → ⎜ 0 ⎟ ⎜ ⎝0 1⎠ –2 9 –5 –2 1 0 0 1 0 4 –11 16 4 –11 ⁄ 9 1 0 0 1 1 –2 3 29. ( x n – x 1 ) ( x 3 – x 2 ). • Si m ≠ 0 y m ≠ –1. 0 1 0 1 2 ⁄9 ⎧ ⎪ ⎨ ⎪ ⎩ 0⎞ 0⎟ → ⎟ 1⎠ 0 1⁄9 5 ⁄ 89 12 ⁄ 89 16 ⁄ 89 5 ⁄ 89 ⎞ ⎟ → ⎟ 9 ⁄ 89 ⎠ 0 –1 4 ⁄ 89⎞ 1 1 ⁄ 89⎟ ⎟ 9 ⁄ 89 ⎠ 0 17 ⁄ 89 23 ⁄ 89 1 ⁄ 89 17 ⁄ 89 –20 ⁄ 89 –36 ⁄ 89⎞ ⎛1 11 ⁄ 89⎟ → ⎜ 0 ⎟ ⎜ ⎝0 9 ⁄ 89⎠ y.. c) Planteamos la ecuación A · A t = I y del sistema que queda aislamos a. ----65 13 Ejercicios de autoevaluación 1.o bien -------65 65 13 a = –48 ---65 5b = 36 c = –-. después b y. --4.) b) Es una comprobación inmediata. el producto de los elementos de la diagonal. ( x n – x 2 ) . ( x n – x n – 1 ) ⎧ ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎧ ⎪ ⎪ ⎪ ⎨ ⎪ ⎪ ⎪ ⎩ 30. por lo tanto.--. -----⎞ .. a) ⎛ cos ( α ) ⎝ sin ( α ) – sin ( α )⎞ – 1 cos ( α ) = ⎛ ⎝ – sin ( α ) cos( α )⎠ sin ( α )⎞ .. el sistema es compatible y determinado con soluciones: –( x. los mismos pasos que hemos seguido cuando hay tres columnas nos proporcionan determinantes cada vez menores hasta llegar al valor del determinante grande. ⎜ ⎟ ⎜ ⎟ ⎝ ⎝ 0⎠ 1⎠ ⎛ 0⎞ d) ⎜ 0⎟ .-. --m . la inversa que nos piden es: ⎛ 2 3 1 2 –14⎞ 1-.-.⎜ 1 1 6 11⎟ . vectores y sistemas de ecuaciones lineales b) Para el caso general...

© FUOC • P00/75004/00191

73

Matrices, vectores y sistemas de ecuaciones lineales

• Si m = 0 el sistema es compatible e indeterminado con soluciones: ( x, y , z ) = ( 0,5,0 ) + t ( 0 , –3 , 1) . • 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 condición λ 1 v1 + λ 2 v 2 + λ 3 v3 + λ 4 v 4 = 0 implique λ 1 = λ 2 = λ3 = λ 4 = 0, el sistema homogéneo: λ 1 + 2 λ2 – λ 3 + 4 λ4 = 0 ⎫ ⎪ 2 λ1 – λ 2 + 3 λ3 + 3 λ4 = 0 ⎪ ⎬ λ2 – 2 λ3 = 0⎪ – λ 1 + 3 λ2 + 2 λ3 + 7 λ4 = 0 ⎪ ⎭ debería tener como única solución la trivial λ1 = λ 2 = λ 3 = λ 4 = 0. Esto implicaría que el sistema fuese determinado con solución única (0, 0, 0, 0). La matriz del sistema es: ⎛ 1 ⎜ ⎜ 2 ⎜ 0 ⎜ ⎝ –1 2 –1 1 3 –1 3 –2 2 4⎞ ⎟ 3⎟ 0⎟ ⎟ 7⎠

por lo tanto, los vectores dados serán linealmente independientes si det A ≠ 0 y linealmente dependientes si det A = 0. En los apartados siguientes veremos que estamos en la segunda opción y, por lo tanto, los vectores dados son linealmente dependientes. b) Para determinar el rango y obtener una base del subespacio generado por { v1 ,v2,v 3,v4 }, aplicamos el método de Gauss: ⎛ 1 ⎜ ⎜ 2 ⎜ –1 ⎜ ⎝ 4 2 –1 3 3 2 –5 0 0 0 1 –2 0 –1⎞ ⎛1 ⎟ ⎜ 3⎟ 0 →⎜ ⎜0 2⎟ ⎟ ⎜ ⎝0 7⎠ 0 1 –1 –1 2 –5 5 –5 2 –5 0 0 0 1 –2 0 –1⎞ ⎟ 5⎟ → 1⎟ ⎟ 11⎠ 0 1 –1 0 –1⎞ ⎟ 5⎟ . 6⎟ ⎟ 0⎠

⎛1 ⎜ 0 → ⎜ ⎜0 ⎜ ⎝0

–1⎞ ⎛1 ⎟ ⎜ 5⎟ 0 →⎜ ⎜0 6⎟ ⎟ ⎜ ⎝0 6⎠

En consecuencia, el rango es 3, y una base del subespacio generado es: e 1 = ( 1, 2, 0, –1 ) e 2 = ( 0 , –5 , 1 , 5) e 3 = ( 0, 0, –1, 6) .

c) Sea ahora la base canónica { u1 ,u 2,u 3,u 4}. Podemos sustituir u 1 por e1, ya que su componente según u 1 es 1 ≠ 0. Tenemos: e 1 = u 1 + 2· u 2 – u 4, es decir: u1 = e1 – 2u 2 + u 4 y por lo tanto, un vector cualquiera: w = w1 u1 + w2 u2 + w 3u 3 + w4 u4 se expresará así en la nueva base: 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 .

© FUOC • P00/75004/00191

74

Matrices, vectores y sistemas de ecuaciones lineales

Ahora podemos sustituir u 2 por e2 , ya que e2 expresado en la nueva base es: e 2 = 0 ⋅ e 1 + ( –2 ⋅ 0 – 5) ⋅ u 2 + 1 ⋅ u 3 + ( 0 + 5 ) ⋅ u 4 = – 5 u 2 + u 3 + 5 u 4 y el componente según u 2 es –5 ≠ 0. Tenemos: 1 1 u 2 = –- e 2 + - 3 + u 4 . -u 5 5 Expresemos ahora w en la nueva base { e 1,e 2,u 3,u 4}: 1 w = w 1 e 1 + ( –2 w 1 + w 2 ) ⎛ –1 e 2 + - 3 + u 4⎞ + w 3 u 3 + ( w 1 + w 4 )u 4 = -u ⎝ ⎠ 5 5 2 1 2 1 = w 1 e 1 + ⎛ - 1 – - 2 ⎞ e 2 + ⎛ –- w 1 + - 2 + w 3⎞ u 3 + ( –w 1 + w 2 + w 4 )u 4. -w -w -w ⎝5 ⎝ 5 ⎠ 5 ⎠ 5 A partir de aquí tendremos que e 3, expresado en la base { e 1,e2 ,u 3,u 4} es: e 3 = –u 3 + 6 u 4 y el componente según u 3 es –1 ≠ 0. Por lo tanto, puede sustituir u 3 , y tenemos: u 3 = –e 3 + 6 u 4 . De este modo w expresado en la base { e1 ,e2 ,u 3,u 4}, será: 2 1 1 w = w 1 e 1 + ⎛ - 1 –- 2 ⎞ e 2 + ⎛ –2 w 1 + - 2 + w 3⎞ ( – e 3 + 6 u 4 ) + ( – w 1 + w 2 + w 4 ) u 4 = -w - ⎠ -w -w ⎝5 ⎝ ⎠ 5 5 5 2 1 2 17 11 = w 1 e 1 + ⎛ - w 1 –- w 2⎞ e 2 + ⎛ - w 1 –1 w 2 –w 3 ⎞ e 3 + ⎛ – -- 1 + -- 2 + 6 w 3 + w 4⎞ u 4. --w ---w ⎝5 ⎝5 ⎠ ⎝ -⎠ 5 ⎠ 5 5 5 d) Aplicando la fórmula anterior podemos expresar los vectores v1,v 2,v3 ,v4 en la base {e1,e 2,u 3,u 4 }: 2 2 2 2 17 22 v1 = ( 1, 2, 0, 1) = e 1 + ⎛ - – -⎞ e 2 + ⎛ - – - – 0⎞ e 3 + ⎛ –-- + -- + 0 – 1⎞ u 4 = e 1 - - - -- -⎝ 5 5⎠ ⎝5 5 ⎠ ⎝ -- -⎠ 5 5 4 1 4 1 34 11 v2 = ( 2, –1, 1, 3 ) = 2 e1 + ⎛ - + -⎞ e2 + ⎛ - + - – 1⎞ e 3 + ⎛ –-- – -- + 6 + 3⎞ u 4 = 2 e 1 + e 2 . - - - - - ⎠ -- -⎝ 5 5⎠ ⎝5 5 ⎝ -- -⎠ 5 5 2 3 2 3 17 33 v 3 = ( –1, 3, –2 , 2 ) = –e 1 + ⎛ – - – -⎞ e 2 + ⎛ – - – - + 2⎞ e 3 + ⎛ -- + -- – 12 + 2⎞ u 4 = –e1 – e 2 + e 3. - - - - ⎠ -- -⎝ 5 5⎠ ⎝ 5 5 ⎝ -- -⎠ 5 5 v 4 = ( 4, 3, 0, 7) = 4 e 1 + ⎛ 8 – 3⎞ e 2 + ⎛ 8 – 3 + 0⎞ e 3 + ⎛ –68 + 33 + 7⎞ u 4 = 4 e 1 + e 2 + e 3 . - - - - - -- --- --- -⎝ 5 5⎠ ⎝5 5 ⎠ ⎝ 5 ⎠ 5 5. ⎛3 = ⎜1 ⎜ ⎝5 2 3 3 2⎞ 1⎟ . ⎟ 4⎠

A

–1

6. a B = ⎛ ⎝2a b⎞ 2 b⎠ –2 c C= ⎛ ⎝ –2 d c⎞ d⎠ –2 b D=⎛ ⎝ –4 b b⎞ 2b⎠

donde a, b, c y d son números cualesquiera. 7 . Teniendo en cuenta que det( A) ≠ 0, A tiene inversa y, por lo tanto, B = A −1 · 0 = 0. Lo mismo para C y D. 8. ⎛3 ⎞ ⎜2 ⎟ B = ⎜ ⎟ ⎜5 ⎟ ⎜ ⎟ ⎝2 ⎠

1 a) A = ⎛ ⎝2

2 6

3 4

5⎞ 3⎠

y

© FUOC • P00/75004/00191

75

Matrices, vectores y sistemas de ecuaciones lineales

donde en la primera fila de A se encuentran las compras del centro de Lérida y en la segunda, las del centro de Mataró, y la matriz B consta de los precios de cada uno de los productos. Si multiplicamos: ⎛3 ⎞ 5 ⎞ ⎜2 ⎟ 32 ⋅⎜ ⎟ = ⎛ ⎞ ⎝ 44⎠ 3 ⎠ ⎜5 ⎟ ⎜ ⎟ ⎝2 ⎠

1 A⋅ B= ⎛ ⎝2

2 6

3 4

obtenemos que el centro de Lérida ha gastado 32 u.m. y el de Mataró 44 u.m. b) Si C = (1 1), 32 C ⋅ (A ⋅ B ) = ( 1 1) ⋅ ⎛ ⎞ = ( 76 ) . ⎝ 44⎠ c) Nos piden que sumemos por columnas la matriz A. Observemos que: 1 H = C ⋅ A = ( 1 1) ⋅ ⎛ ⎝2 2 6 3 4 5⎞ = (3 8 7 8 ) . 3⎠

¿Podríais 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 ⎛3 ⎜ 2 E = ⎜ ⎜5 ⎜ ⎝2 4⎞ ⎟ 2⎟ tiene los precios de cada mes en una columna. 6⎟ ⎟ 7⎠ 61⎞ nos da el gasto de cada centro en cada compra. 65⎠

32 A⋅E = ⎛ ⎝ 44

e) (1 1) · (D · E ) = (76 126) es lo que han gastado entre los dos centros cada una de las compras. 1 ( ( 1 1 ) ⋅ ( D · E ) ) ⋅ ⎛ ⎞ = 7 6 + 126 ⎝ 1⎠ es el gasto total. 9 . ¡Quizá sería mejor que avisásemos a un químico! a) El sistema será: ⎛ 5% ⎜ 15% ⎜ ⎝ 80% 10% 25% 65% 15% ⎞ 40% ⎟ ⎟ 45% ⎠ ⎛ Kg. plata ⎞ ⎛ Kg. A ⎞ ⋅ ⎜ Kg. B ⎟ = ⎜ Kg. cobre ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ Kg. oro ⎠ ⎝ Kg. C⎠

b) 7,5 kilogramos de plata, 20,5 kilogramos de cobre y 62 kilogramos de oro. Las proporciones correspondientes son, aproximadamente, 8,33%, 22,78% y 68,89%. c) 9%, 24,5%, 66,5% d) Si resolvemos el sistema: ⎛ 5% ⎜ 15% ⎜ ⎝ 80% 10% 25% 65% 15% ⎞ 40% ⎟ ⎟ 45% ⎠ ⎛ x⎞ ⎛ 0,2⎞ ⋅ ⎜ y⎟ = ⎜ 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ z⎠ ⎝ 0,8⎠

obtenemos x = –11, y = 21, z = –9. Directamente no tiene sentido considerar –11 kilos de A, pero sí que podemos considerar que la solución consiste en tomar 21 kilos de B, extraer 11 kilos de A y 9 kilos de C. Podéis 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 aleaciones A, B y C, y esto (¡los químicos lo saben muy bien!, por cierto, ¿aún no ha llegado el que habíamos avisado?) no siempre es posible. e) ( 0,2; 0,3; 0,5 ).

. es linealmente independiente si la ecuación λ 1v 1 + . 11.–--0t -.. t expresa la proporción de C que habrá en la mezcla final. la solución sería (0. regla de Fórmulas cerradas. el valor correspondiente a la cantidad de B (que es la y) sería negativo. espacio vectorial numérico n-dimensional Espacio vectorial de los vectores-columna (o fila) de n componentes reales. .. es decir. Cramer. vk} de vectores.2 n ------. para cada m ≠ 35 y cualquier valor de n el sistema tiene solución única. b) El sistema es compatible e indeterminado y. 3/5.55). vectores y sistemas de ecuaciones lineales 10. ⎝ 5 5⎠ Glosario adjunto del elemento a ij de una matriz cuadrada Determinante menor complementario del elemento a ij con el signo (–1) i+j donde i. = λk = 0. ya que.z = ------m-----------. tiene muchas soluciones que se pueden expresar de esta forma: x = 5---.15. • Si m = 35 y n = 29 el sistema es compatible e indeterminado con la solución siguiente: ( x. Observad que en este caso la matriz del sistema tiene determinante nulo.+ 5 ( 15 – 5 (3 5 – m ) 5 ( m – 35 ) m – 35 Por ejemplo. –2 . 3 2⎞ + t ( 1. . en forma de cociente de determinantes. 1 ). a) El sistema es incompatible.3. Si m ≠ 35. método de Método de eliminación de incógnitas que permite reducir un sistema lineal de forma escalonada. si t > 3/5..-. por lo tanto.-. + λ kv k = 0 implica λ 1 = . y .– 29 x = ------------n-...-. la proporción mínima de C es 0 y la máxima. 0. que es: 7 ----5---–----. independencia lineal de vectores Dado un conjunto {v 1. determinante Dada una matriz cuadrada. y = -------------. En caso contrario decimos que son linealmente dependientes.© FUOC • P00/75004/00191 76 Matrices. base de un espacio (o un subespacio) vectorial Conjunto de vectores linealmente independientes. el sistema es compatible y determinado.z = t .. si n fuese 40 y m fuese 55. . y = 6----. • Si m = 35 y n ≠ 29 el sistema es incompatible. espacio vectorial sobre un cuerpo Conjunto dotado de una operación interna que recibe el nombre de suma con propiedades de grupo conmutativo y una multiplicación por escalares del cuerpo con ciertas propiedades específicas. .+ . 5 5 Observemos que. el determinante es un número que se calcula a partir de sus elementos y que proporciona información sobre la independencia lineal de sus filas (y de sus columnas) dimensión de un espacio (o un subespacio) vectorial: Número máximo de vectores linealmente independientes que contiene este espacio y que es igual al número de vectores de cualquier base del espacio o subespacio). n----2 ------------) -m----( 9 -----) -.. j son los índices de la fila y la columna que ocupa el elemento. z) = ⎛ 0. en la solución..---1 -t-–-. Gauss. generadores de un espacio (o subespacio) vectorial Todo conjunto de vectores tales que todo vector del espacio (o subespacio) se puede poner como combinación lineal del conjunto de generadores..--. y en consecuencia. por lo tanto. 0. tales que todo vector del espacio (o el subespacio) es combinación lineal de estos. no hay forma de obtener una mezcla con las características pedidas.--1-. que dan el valor de las incógnitas en un sistema de n ecuaciones y n incógnitas compatible y determinado..

. suprimiendo las restantes. Cada fila de la matriz corresponde a una ecuación. sistema homogéneo Sistema de ecuaciones sin términos independientes o. vk}. Hace un tratamiento elemental del álgebra lineal para estudiantes de primeros cursos de licenciatura no específica. sistema lineal Conjunto de ecuaciones de primer grado en m variables.. llamamos menor complementario de un elementoa ij. Los vectores del espacio vectorial numérico n -dimensional están formados por una matriz de una sola columna (o una sola fila) de n elementos. menor Dada una matriz. H. cuántos grados de libertad tiene la solución general. No contiene todas las demostraciones. Esto será una matriz n × m. . sistema determinado Sistema que tiene una única solución. Su producto.© FUOC • P00/75004/00191 77 Matrices. decimos que es incompatible. en el caso de un sistema homogéneo. rango de un conjunto de vectores Número máximo de vectores linealmente independientes que contiene. Introducción al álgebra lineal . teorema de Teorema que permite saber si un sistema lineal es compatible o no lo es. con términos independientes nulos. permite saber si es determinado o indeterminado. No requiere conocimientos de cálculo. x n en cada una de las ecuaciones del sistema. Por abuso de lenguaje. Rouché-Fröbenius. En el caso de que sea compatible. 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.. matriz inversa Aquella que presentan las matrices cuadradas que tienen determinante diferente de cero. matriz de un sistema Matriz formada por los coeficientes de las variables x 1. con la matriz dada es la matriz identidad. pero sí las . decimos que es indeterminado. vectores y sistemas de ecuaciones lineales matriz Tabla de números en forma de n filas y m columnas. subespacio vectorial generado Dado un conjunto de vectores {v 1 . el subespacio que genera es el conjunto de todos los vectores que son combinación lineal de los vectores del conjunto. subespacio vectorial Subconjunto de un espacio vectorial que tiene estructura de espacio vectorial. Bibliografía Anton. y en el último caso. sistema compatible Sistema de ecuaciones que tiene alguna solución. Las filas y columnas no deben coincidir necesariamente. Limusa.. tanto por la izquierda como por la derecha. .. Si no tiene ninguna decimos que es incompatible. si bien incluye ejercicios para aquellos estudiantes que sí los tienen.. Si tiene más de una. lo que es equivalente. cuando únicamente tiene la solución trivial 0. (3. vector Llamamos vectores a los elementos de un espacio vectorial. (1991). matriz ampliada de un sistema Matriz de un sistema de ecuaciones lineales formada mediante la ampliación de la matriz del sistema con la columna de los términos independientes. al determinante menor que se forma suprimiendo la fila i y la columna j. menor complementario Dada una matriz cuadrada. pivote Elemento diferente de cero que se elige para reducir a cero los restantes coeficientes en una etapa dada del método de Gauss.a edición). México: Ed.

Barcelona: Ed. Grossman. S. Álgebra lineal. (1985).a edición). G. (1988). traducido al castellano y del que se han hecho muchas ediciones. (2.© FUOC • P00/75004/00191 78 Matrices. vectores y sistemas de ecuaciones lineales que considera pedagógicas y elementales. Es el libro de referencia general para todo el curso.a edición). Es un texto bastante básico. S. VicensVives. Se trata de un libro clásico (1941). Mac Lane. Álgebra moderna. Además.. Birkhoff.I. . pero tiene un cariz más específicamente científico. contiene métodos numéricos para álgebra lineal. que están señalados. en una parte optativa incluye otras demostraciones no tan elementales. México: Grupo Editorial Iberoamericano. Abarca todo el temario del curso y otros temas relacionados. contiene también muchos ejercicios propuestos. Es un texto parecido al de Anton. que requieren conocimientos de cálculo (análisis). Hay ejercicios. (3. Es un texto muy bien hecho que está a un nivel asequible para los estudiantes que seguís este curso.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->