Está en la página 1de 17

U N I V E R S I D A D D E M U R C I A

DEPARTAMENTO DE MATEMÁTICAS ÁLGEBRA 2012/13

Claudi Busqué Roca (notas basadas en apuntes de Alberto del Valle Robles)

✞ ✝ 1. MATRICES Y SISTEMAS DE ECUACIONES

Operaciones con matrices

En todo lo que sigue, K denotará el conjunto de los números reales ( R ) o de los números complejos ( C ).

1 Definición. Sean n y m dos enteros positivos. Una matriz de tamaño n × m

es una disposición de nm elementos de K en n filas y m columnas. Denotaremos por M n,m ( K) al conjunto de todas las matrices de tamaño n × m con entradas en K. Las matrices con el mismo número de filas y columnas se llaman cuadradas y el conjunto de todas las matrices cuadradas de tamaño n × n con entradas en K se denota por M n ( K) . Una matriz de tamaño 1 × m se llama una matriz o vector fila, y una matriz de tamaño n × 1 se llama una matriz o vector columna.

2 Ejemplos. La matriz

3 2 6 2

0

4

5

es una matriz de tamaño 2 × 3 con entradas reales. Otros ejemplos:

4

6 2

2

M 2 ( R ) ,

2 + i 4 i

2

0

i

5

M 3, 2 ( C ) .

La matriz 2 4 0 0 es un vector fila, y la matriz

2

0

2

  es un vector

columna. Los elementos de los vectores fila suelen escribirse separados por comas para evitar confusiones, así el vector fila anterior se ecribiría ( 2 , 4 , 0 , 0).

Al hablar de matrices en abstracto se suele utilizar la notación siguiente: si A M n,m ( K) , escribimos

A = (a ij ) con i ∈ { 1 ,

, n} , j ∈ { 1 ,

, m}

para indicar que a ij es el número que ocupa el lugar de la fila i y la columna j . Usando esta notación podemos, por ejemplo, definir algunas clases h abituales de matrices:

1

3

Definición. Una matriz cuadrada A = (a ij ) M n ( K) se llama diagonal si a ij = 0

para todo i = j , es decir, la matriz solo puede tener entradas no nulas en la diagonal

principal que son los elementos a 11 , a 22 ,

elemento en toda la diagonal se llama una matriz escalar . La matriz identidad es la matriz escalar con 1’s en la diagonal:

, a nn . Una matriz diagonal con el mismo

I n =

1

0

.

.

.

0

0

1

.

0

·

·

·

.

·

·

.

·

·

·

.

·

0

0

.

1

.

Se dice que A es triangular superior (o inferior ) si a ij = 0 para todo i > j (o para todo i < j ), es decir, cuando todas sus entradas por debajo (o por encima) de la diagonal principal son nulas. Tienen, por tanto, las formas

a

11

0

.

.

.

0

a

a

12

22

.

0

·

·

·

.

·

·

.

·

·

·

.

·

a

a

a

1n

2n

.

nn

a 11

a 21

.

.

.

a n 1

0

a 22

.

a n 2

·

·

·

.

·

·

.

·

·

·

.

·

0

0

.

a nn

 

.

A continuación vamos a definir las operaciones con matrices.

4 Definición. Dadas dos matrices A = (a ij ) y B = (b ij ) del mismo tamaño, se define su suma como la matriz

A + B = (c ij )

con

c ij = a ij + b ij

5 Ejemplos.

(1) Si A =

3 2 6 2 y B = 9

0

4

5

0

0 1

1

4 , entonces

5

A + B = 3 + 9 2 + 0

0 + 0

4

5

6 1 2

(2) Las matrices

a

0

b

c

y

+ 4 = 12 2

5

+

1

5

0

0

2 2

0

2

1

1

2 .

no se pueden sumar pues no tienen el mismo tamaño.

(3) ( 2 + i, 4 , 0 , 0) + (2 , i, , i, 0) =

(i, 4 + i, , i, 0)

6 Definición. Dada una matriz A = (a ij ) y un número b K, se define el producto bA como la matriz

bA = (c ij )

con

c ij = ba ij ,

es decir, se multiplican todos los elementos de la matriz por b.

2

La suma de matrices y el producto de matrices por números verifica las siguientes propiedades:

7 Proposición. Sean A, B y C matrices del tamaño adecuado para se puedan realizar las operaciones indicadas, y α, β K. Entonces

(1) A + B = B + A (propiedad conmutativa)

(2) ( A + B ) + C = A + (B + C ) (propiedad asociativa)

(3) Existe una matriz, que denotaremos por 0, que verifica A + 0 = A (existencia de elemento neutro para la suma).

(4) Dada una matriz A, existe una matriz, que denotaremos por A que verifica A + (A) = 0 (existencia de opuestos para la suma).

(5)

( α + β ) A = αA + βA.

(6)

α ( A + B ) = αA + αB .

(7) α ( βA) = (αβ ) A.

+ B ) = αA + αB . (7) α ( βA ) = ( αβ

Demostración: EJERCICIO Solo indicar que la matriz 0 es la que tiene ceros en todas sus entradas y la matriz A es la que tiene a ij en el lugar ij si A = (a ij ) .

− a i j en el lugar ij si A = ( a i j )

8 Definición. Dada una matriz A = (a ij ) de tamaño n × p y una matriz B = (b ij ) de tamaño p × m, se define su producto como la matriz de tamaño n × m definida por

AB = (c ij )

con

c ij =

p

k =1

a ik b kj .

De la definición vemos que el elemento c ij del producto de A por B se obtiene como el produto de la fila i de A por la columna j de B :

9

a

11

.

.

.

a

12

.

·

·

·

a

1p

.

      a 11 . . . a 12 . · ·

a i1

a

i2

·

·

·

a

ip

.

.

.

a n 1

.

a n 2

·

·

·

.

a np

·

·

 

b

11

b 21

.

.

.

b p 1

·

Ejemplo. Si A = (1 , 1 , 1) y B =

AB = 2

·

·

·

·

·

·

b

b

1j

2j

.

b pj

·

·

·

·

·

·

·

·

·

1

0 , entonces

1

y

BA =

1

0

1

3

b

1m

b 2m

.

.

.

pm

b

1

0

1

=

1

0

1

.

·

·

·

.

.

.

a ij

.

.

.

·

·

·

Como vemos AB y BA pueden ser matrices muy distintas. El producto de matrices

cuadradas de tamaño n × n es otra vez una matriz de tamaño n × n, es decir, el producto define una operación interna en el conjunto M n ( K) , pero, aun así, tampoco es conmutativo:

0

0

0 0

1

1

0 =

0

1

0

0

0

y

0

1

0

0

0

0

0 = 0

0

1

0

1

10 Proposición. Sean A, B y C matrices del tamaño adecuado para se puedan realizar las operaciones indicadas, y α K. Entonces

(1)

( AB ) C

= A( BC ) (propiedad asociativa)

(2)

A · 0 = 0 · A = 0 .

(3)

A( B + C ) = AB + AC y ( B + C ) A = BA + CA (propiedad distribitiva del producto respecto de la suma).

(4) α ( AB ) = (αA) B .

(5) Sea I n la matriz identidad de tamaño n × n. Si A M n,m ( K) , se tiene que I n A = AI m = A.

Demostración: Demostremos, por ejemplo, la propiedad asociativa. Si D es una matriz, denotemos por [D ] ij al elemento que ocupa el lugar ij en la misma. Co esta notación tenemos:

[( AB ) C ] ij = [AB ] ik [C ] kj

k

= ( [A] il [B ] lk )[C ] kj =

k

l

k

l

[A] il [B ] lk [C ] kj = [A] il ( [B ] lk [C ] kj ) = [A] il [BC ] lj = [A( BC )] ij .

l

k

l

] i l [ BC ] l j = [ A ( BC )] i j

Los demás casos se dejan como EJERCICIO

i j . l k l Los demás casos se dejan como EJERCICIO En Maxima, las

En Maxima, las operaciones +, - y * entre matrices del mismo ta maño hacen la suma, la diferencia y el producto elemento a elemento. Para el producto usual de dos matrices de tamaños adecuados se usa un punto bajo (.). Conviene dejar espacio a cada lado para evitar confusiones con expresiones decimales. Para el producto de números por matrices también se usa *. Para calcular potencias de una matriz cuadrada (producto po r sí misma varias veces) se usa ˆˆ. Si sólo se usa ˆ entonces se hace la potencia element o a elemento. Por ejemplo:

A:matrix([1,2,3],[2,3,4]); B:matrix([1,1,1],[2,2,2]) ;

C:matrix([1,r],[0,1])

A+B; A-B; C.A; A*B; 7*A; Aˆ2; Aˆ3; Cˆˆ2; Cˆˆ3;

4

11

Definición. Dada una matriz A = (a ij ) , se define su traspuesta como

A t = (c ij )

con c ij = a ji ,

es decir, es la matriz cuyas columnas son las filas de A. Una matriz A se llama simétrica si A = A t .

12 Proposición. Sean A y B matrices del tamaño adecuado para se puedan realizar

las operaciones indicadas. Entonces

(1) ( A t ) t = A.

(2) ( A + B ) t = A t + B t .

(3) ( αA) t = αA t .

(4) ( AB ) t = B t A t .

Demostración: Demostremos la última propiedad. Por un lado tenemos:

[( AB ) t ] ij = [AB ] ji = [A] jk [B ] ki

y, por otro lado,

k

[B t A t ] ij = [B t ] ik [A t ] kj = [A] jk [B ] ki .

k

[ A t ] k j = [ A ] j k [ B ] k

Los demás casos se dejan como EJERCICIO

k

] k i . k Los demás casos se dejan como EJERCICIO k 13 Definición. Si

13 Definición. Si A, A 1 ,

binación lineal

de A 1 ,

, A n son vectores fila (columna), decimos que A es com-

, A n si existen números α 1 ,

, α n K tales que

A = α 1 A 1 + · · · + α n A n .

14 Ejemplo. El vector fila (5 , 9 , 1) es combinación lineal de (1 , 0 , 1), (3 , 4 , 0) y

(0 , 1 , 2) pues

(5 , 9 , 1) = (1 , 0 , 1) + 2(3 , 4 , 0)

+ (0 , 1 , 2).

El vector columna

0

0

0

es combinación lineal de

1

0

1

,

0

0 = 3 0 + 1 2 1 / 2

0

1

1

1

1

2

2

1

1

1

y 1 / 2 pues

2

2

5

15 Ejemplo. Sea A = (a ij ) una matriz de tamaño n × m y sea C con C t = (c 1 ,

, c m )

un vector columna de tamaño m × 1 , entonces el producto AC es otro vector columna de

tamaño n × 1 . Si denotamos por A 1 , que AC es combinación lineal de A 1 ,

A 1 , que AC es combinación lineal de A 1 , , A m las

, A m las columnas de A, es fácil ver EJERCICIO , A m , en concreto,

AC = c 1 A 1 + · · · + c m A m .

Si ahora aplicamos la traspuesta a esta expresión tenemos

C t A t = (AC ) t = (c 1 A 1 + · · · + c m A m ) t = c 1 A 1 t + · · · + c m a t

m

y deducimos que al multiplicar por la izquierda un vector fila por una matriz se obtiene una combinación lineal de las filas de esa matriz. Por ejemplo :

( a, b) 1 1

2

3 = a( 1 , 1) + b(2 , 3),

1 1

3

2

6

a

b

= a 1 + b

2

1

3

.

Con Maxima se pueden construir matrices generales y particulares de varias formas:

matrix ( Fil1,Fil2, )

matrix([1,2,3],[5,9,0]);

para introducir

la

matriz

fila

a

fila:

entermatrix ( NúmFils,NúmCols ) para introducir la matriz elemento a ele- mento, de forma simplificada si es diagonal, simétrica, anti simétrica o general:

entermatrix(2,2);

genmatrix ( a,NúmFils,NúmCols ) para introducir la matriz mediante una fór-

mula: a[i,j]:=iˆ2+jˆ2$

genmatrix(a,3,2);

zeromatrix ( NúmFils,NúmCols )

zeromatrix(2,3);

para

obtener

una

matriz

nula:

ident( Tamaño ) para obtener una matriz identidad: ident(3);

diagmatrix ( Tamaño,Número ) para obtener una matriz diagonal con Número en la diagonal: diagmatrix(3,25);

ematrix ( NúmFils,NúmCols,Escalar,Fil,Col ) para obtener una matriz con una única entrada no nula: ematrix(2,3,9,1,2);

columnvector ( Lista ), que requiere el paquete eigen, para obtener una matriz

columna: load(eigen);

columnvector([1,2,3]);

Mostramos también algunas manipulaciones sencillas de las matrices. Comenzamos definiendo una matriz A para después manipularla:

a[i,j]:=iˆ2+jˆ2$ A:genmatrix(a,3,4);

A[3,2]; por ejemplo, recupera la entrada indicada de la matriz A.

row( Matriz,NúmFil ) recupera una fila de la matriz: row(A,3);

col( Matriz,NúmCol ) recupera una columna de la matriz: col(A,2);

minor( Matriz,FilElim,ColElim ) elimina una fila y una columna: minor(A,3,1);

submatrix ( FilsElim,Matriz,ColsElim )

submatrix(1,A,2,3);

addrow (

addcol (

transpose ( Matriz ) traspone la matriz: transpose(A);

) añade filas a la matriz: addrow(A,[1,1,1,1]);

) añade columnas: addcol(A,[1,1,1],[0,0,0]);

elimina

filas

y

columnas:

Sistemas de ecuaciones. Método de Gauss-Jordan

16 Definición. Un sistema lineal de n ecuaciones con m incógnitas es un sistema del tipo

( )

a 11 x 1 a 21 x 1

a n 1

x

1

+ a 12 x 2 + a 22 x 2

+ a n 2 x 2

7

+ · · · +

a 1m x m = b 1

+ · · · +

a 2m x m = b 2

.

.

.

+ · · · +

a nm x m = b n

Los a ij son los coeficientes del sistema, las x i son las incógnitas y los b j son los términos independientes .

Un sistema se llama incompatible cuando no tiene solución y compatible si la tiene. En ese último caso, puede ser compatible determinado si tienen una solución única y compatible indeterminado si tienen infinitas soluciones (demostraremos en su momento que estos son todos los casos posibles). Por otra parte, un sistema se llama homogéneo si b 1 = b 2 = · · · = b n = 0 .

Vamos a desarrollar en esta sección un algoritmo muy eficaz pa ra la resolución de sistema de ecuaciones lineales, conocido como método de G auss-Jordan. Veamos primero un ejemplo. Consideremos el sistema:

  x 1 + 2 x 2 + x 3 + 2 x 4

2 x 1 x 2 x 3 x 4

  2 x 1 + x 2 + 2 x 3 x 4

=

= 7

2

=

16

2 x 2 + 3 x 3 + x 4 =

17

Empecemos por sumar a la tercera ecuación y restar a la segund a la primera multipli- cada por 2. Nos queda

x 1 + 2 x 2 + x 3

x

+ 4 x 3

+ 2 x 4

5 x 2 3 x 3 5 x 4

+ 3 x 4

=

= 39

34

=

16

5

2

2 x 2 + 3 x 3 + x 4 =

17

Ahora multiplicamos por 2 la cuarta ecuación y después le sumamos la segunda; y a la tercera le sumamos la segunda:

x 1 + 2 x 2 + x 3

+ 2 x 4

5 x 2 3 x 3 5 x 4

x 3 2 x 4

=

= 39

5

16

=

x

2

+ 3 x 3 3 x 4 =

5

Intercambiamos la segunda ecuación con la cuarta:

x 1 + 2 x 2 + x 3

16

5

5

5 x 2 3 x 3 5 x 4 = 39

+ 2 x 4

+ 3 x 3 3 x 4

x 3 2 x 4

=

=

=

x

2

Restamos a la última 5 veces la segunda:

 

 

x 1 + 2 x 2 + x 3

+ 2 x 4

=

16

x 2 + 3 x 3 3 x 4

=

5

x 3 2 x 4

=

5

18 x 3 + 10 x 4 = 14

Sumamos a la última 18 veces la anterior:

 

 

x 1 + 2 x 2 + x 3

+ 2 x 4

=

16

x 2 + 3 x 3 3 x 4

=

5

x 3 2 x 4

=

5

26 x 4 = 104

8

Ahora finalmente despejamos x 4 de la última ecuación y sustituimos su valor en las anteriores, despejamos x 3 de la tercera y sustituimos en las anteriores, y así hasta resolver completamente el sistema:

x 4 = 1 ,

x 3 = 3 ,

x 2 = 2 ,

x 1 = 1 .

Con el fin de sistematizar este procedimiento, vamos a escribir los sistemas de ecua-

, x m )

ciones en forma matricial. Dado el sistema ( ) , pongamos A = (a ij ) , x t = (x 1 ,

y b t = (b 1 ,

, b n ) . Entonces, el sistema puede escribirse como

Ax = b

y el problema es hallar todos los vectores columna x que cumplen esta ecuación matri- cial.

La matriz A recibe el nombre de matriz de coeficientes del sistema y la matriz cuyas columnas son las columnas de A más la columna b de términos independiantes, denotada por ( A | b) se llama matriz ampliada del sistema.

Las operaciones que hemos hecho con las ecuaciones del sistema se pueden reflejar en operaciones con las filas de ( A | b) . Por tanto, vamos a definir lo que se conoce como operaciones elementales en las filas o columnas de una matriz.

17 Definición. Dada una matriz A M n,m ( K) , se denomina operación elemental

de filas en A a cada una de las siguientes operaciones:

(I) Intercambiar dos filas.

(II) Multiplicar una fila por un elemento no nulo de K.

(III) Añadir a una fila otra multiplicada por un elemento de K.

De forma análoga se definen las operaciones elementales por columnas.

18 Definición. Diremos que dos matrices del mismo tamaño son equivalentes por

filas si una se obtiene a partir de la otra mediante una sucesión finita de operaciones elementales de filas, y diremos que dos matrices del mismo tamaño son equivalentes

por columnas si una se obtiene a partir de la otra mediante una sucesión finita de operaciones elementales de columnas. Finalmente, diremos que dos matrices son equivalentes si una se obtiene a partir de la otra mediante una sucesión finita de operaciones elementales de filas y/o columnas.

19 Proposición. Sean C y D las matrices ampliadas de dos sistemas de ecuaciones.

Si C y D son equivalentes por filas, entonces los sistemas asociados tienen el mismo conjunto de soluciones.

9

Demostración: Una operación del tipo I sólo supone un cambio de orden de las ecuaciones y eso no afecta a las soluciones. Tampoco afecta u na operación del tipo II, pues las soluciones de una ecuación no cambian si multiplica mos la ecuación por r = 0 . Si denotamos por E k la ecuación dada por la fila k , es muy fácil ver que las soluciones de E i y E j son las misma que las soluciones de E i + rE j y E j , por lo que una operación del tipo III tampoco afecta a las soluciones. Una sucesión fin ita de estas operaciones no afecta pues a las soluciones, y esto prueba el enunciado.

no afecta pues a las soluciones, y esto prueba el enunciado. 20 Ejemplo. En el ejemplo

20 Ejemplo. En el ejemplo visto anteriormente, la matriz ampliada del sistema es

16

2 1 1 1 7

2

0

3

1

1

2

1

2

2

2

2 1

1

17

y la sucesión de operaciones elementales han sido:

 

1

2 1 1 1 7

2

17

0

3

1

16

2

1

2

2

2

2 1

1

3 +2F 1

F

−−−−→

2 2F 1

F

16

0 5 3 5 39

0

0

1

2

5

2

1

4

3

2

3

1

34

17

 

16

1 2

0 5 3 5 39

34

34

0

0

1

1

4

6

2

2

3

2

5

4

16

5

5

0 5 3 5 39

1 2

0 1

0 0

 

3 3

1 2

 

F 4 + F 2

−−−−→

F 3 + F 2

F 4 5F 2

−−−−→

5 3 5 39

0

5

5

16

1

0

2

0

1

2

1 2

3 3

2

3 3

1 2

0 1

 

1 2

0 1

0 0

0 0 18

1

16

5

5

10 14

1

0 1

0

0

16

5

5

0 0 26 104

0

3

2

1

3

1

2

2


 


 

2F 4

−−→

F 2 F 4

−−−−→

F 4 +18F 3

−−−−−→

El aspecto de la última matriz motiva la siguiente definición:

21 Definición. Dada una matriz, llamaremos pivote de una fila no nula a la primera

entrada no nula de esa fila. Se dice que la matriz es escalonada por filas si:

El pivote de cada fila no nula vale 1.

El pivote de cada fila no nula está estrictamente a la derecha del pivote de la fila anterior.

Las filas nulas, si las hay, son las últimas.

10

y se dice que es escalonada reducida por filas si además:

Cada pivote es el único elemento no nulo de su columna.

De forma parecida, se puede definir matriz escalonada por columnas. De hecho, una matriz es escalonada (escalonada reducida) por columnas si su traspuesta lo es por filas.

22 Ejemplos. Consideremos las siguientes matrices, en las que los pivotes van en

negrita:

A =

2

0

0

0

1

1

0

0

1

2

5

4

B =

1

0

0

2

0

0

0

1

0

4

1

1

5

2

5

C =

1

0

0

0

1

0

2

6

0

0

0

1

5

2

4

A no es escalonada, pues hay un pivote que vale 2, y aunque valiera 1 tampoco lo sería,

pues el tercer pivote no está estrictamente a la derecha del segundo. B sí es escalonada,

pero no es reducida porque en la columna del tercer pivote hay otras entradas no nulas.

C

es escalonada reducida.

Veamos ahora toda matriz es equivalente por filas a una matriz en forma escalonada:

23

Teorema (Algoritmo de eliminación de Gauss-Jordan). Toda matriz A es

equivalente por filas a una matriz escalonada por filas y también a una matriz escalo- nada reducida por filas.

Demostración: Veamos cómo una serie de operaciones elementales en las filas de

A la convierten primero en escalonada y luego en reducida. Comenzamos así:

1. Si hay filas de ceros, las ponemos las últimas con operacion es del tipo I.

2. En la primera columna no nula elegimos una entrada a = 0 , multiplicamos por a 1 la correspondiente fila y la llevamos arriba. De este modo en la primera fila hay un pivote 1 y a su izquierda hay columnas de ceros.

3. Ponemos ceros debajo de ese pivote con operaciones del tip o III.

Ahora nos fijamos sólo en las filas que quedan estrictamente ba jo el pivote que hemos puesto y repetimos el proceso para poner un pivote 1 en la segunda fila y estrictamente a la derecha del anterior. Seguimos repitiendo el proceso, co locando pivotes 1 escalonados y ceros bajo ellos. En algún momento tenemos un último pivote en una fila, que puede ir seguida de filas de ceros, y la matriz así obtenida es escalo nada por filas.

Si la queremos reducida, podemos poner ceros sobre los pivot es con la misma idea del paso 3 y empezando por el último, para que los ceros que pongamos no sean alterados por las operaciones subsiguientes.

paso 3 y empezando por el último, para que los ceros que pongamos no sean alterados

11

24 Aplicación del método de Gauss-Jordan. Para aplicar el algoritmo, se siguen los pasos descritos en el teorema anterior para llevar la mat riz ampliada del sistema a una matriz escalonada (o escalonada reducida) por filas.

El sistema correspondiente a esta matriz escalonada se estu dia muy fácilmente. Primero olvidamos las filas nulas, pues la ecuación 0 x 1 + · · · + 0 x n = 0 admite todas las soluciones. Hecho esto:

Si hay un pivote en la última columna, la correspondiente fila debe ser (0 0

y, por tanto, el sistema es incompatible , pues la ecuación 0 x 1 + · · · + 0 x n = 1 con no tiene solución. En caso contrario pueden ocurrir dos cosa s:

Si todas las columnas “de incógnitas” (que son todas menos la última) tienen pivo- te el sistema es compatible determinado , y se resuelve despejando las incógnitas “de abajo hacia arriba” como se verá en los ejemplos. Si la mat riz es reducida este proceso es trivial: las incógnitas ya están despejadas.

En otro caso el sistema es compatible indeterminado , y se resuelve asignando un parámetro a cada incógnita correspondiente a una columna sin pivote y des- pejando el resto de incógnitas, las llamadas incógnitas principales, de abajo hacia arriba en función de estos parámetros (de nuevo esto es trivial en el “caso reducido”). Al número de parámetros se le llama grados de libertad del sis- tema.

0 | 1)

Por ejemplo, consideremos dos sistemas cuyas matrices esca lonadas son

1

0

0

2

0

0

0

1

0

4

1

1

5

2

5

y

1

0

0

0

1 1 / 3

0

2

1

/

0

0

0

1

5

2

4

Ambos son compatibles indeterminados. Llamemos x, y, z, t a las incógnitas.

En el primer caso hay que tomar como parámetro y = α (sistema con 1 grado de libertad) y resolver desde abajo para obtener primero t = 2 , luego z = 5 t = 3 , y por último x = 5 2 y 4 t = 3 2 α , de modo que podemos describir las soluciones dando valores arbitrarios a α en

( x, y, z, t) = (3 2 α, α, 3 , 2) = (3 , 0 , 3 , 2) + α ( 2 , 1 , 0 , 0).

El segundo sistema también tiene 1 grado de libertad y hay que asignar un parámetro

a z (para evitar fracciones hacemos z = 6 α ) y resolver desde abajo: primero se tiene

t = 4 , luego y =

x = 5 z/ 2 = 5 3 α , de modo que la

solución general es

2 z/ 3 = 2 2 α , y

por último

( x, y, z, t) = (5 3 α, 2 2 α, 6 α, 4) = (5 , 2 , 0 , 4) + α ( 3 , 2 , 6 , 0).

12

En Maxima, el comando echelon ( Matriz ) calcula una matriz escalonada por filas equivalente por filas a la matriz dada, aunque en general no llega hasta la forma reducida.

El comando triangularize ( Matriz ) es como el anterior, pero sin forzar que los pivotes valgan 1. Finalmente, rank( Matriz ) nos da el rango (definiremos el rango de una matriz en un tema posterior). Por ejemplo:

A:matrix([1,2,3,4,1],[3,2,1,4,3],[1,1,1,2,1],[4,3,2 ,1,1]);

echelon(A);

triangularize(A);

rank(A);

25 Ejemplos. (1) Resolver, si es posible, el sistema

2 x

+ x + 2 y

y

4 x + 5 y

+ 2 z

+ 3 t =

t =

6

2 z

3

2 z

+

t =

12

Consideramos la matriz asociada y la llevamos a su forma esca lonada reducida, indicando las operaciones elementales y marcando en negrit a los pivotes:

6

3

1 12

2 2 1 3

0

0

3

2

1

2

3

1 2 2 1

4 5 2

1

0

0

3

6

6

5

5


−−−−→

F

1

2

F

1 2 2 1

2

4 5 2

3

3

1 12

6

1

2

1 3 F 2

−−−−→

elim F 3

1

0

3

1 2 5 / 3 0

2 2

1

1

0

2

7 / 3 3

0 1 2 5 / 3 0

2 2F 1

F

−−−−→

3 4F 1

F

F 1 2F 2

−−−−→

Por tanto, el sistema es compatible indeterminado y su solución se puede expresar en función de dos parámetros λ y µ en la forma:

z = λ t = 3 µ x = 3 2 λ 7 µ y = 2 λ + 5 µ

( x, y, z, t) = (3 , 0 , 0 , 0) + λ ( 2 , 2 , 1 , 0) + µ ( 7 , 5 , 0 , 3)

13

En Maxima, el comando algsys ( [ Ecu1,Ecu2,

de las ecuaciones lineales dadas en las incógnitas que se ind iquen, pero no se puede usar la expresión matricial: hay que teclear una y otra vez la s incógnitas. Si la solución requiere parámetros, éstos se llaman %r1, %r2 , etc. El siguiente ejemplo resuelve el sistema del ejercicio anterior:

) resuelve el sistema

],[Inc1,Inc2,

]

algsys([2*x+y+2*z+3*t=6,x+2*y-2*z-t=3,4*x+5*y-2*z+t =12],[x,y,z,t]); El programa asigna parámetros a las primeras incógnitas. Pa ra poder comprobar “nuestro” resultado basta con cambiar el orden de las incógn itas para que se asignen parámetros a z y t:

algsys([2*x+y+2*z+3*t=6,x+2*y-2*z-t=3,4*x+5*y-2*z+t =12],[z,t,x,y]);

Cambiando el parámetro asignado a z por λ y el asignado a t por 3 µ se obtiene nuestra solución.

(2) Resolver, si es posible, el sistema:

2 x

y

x + 2 y

+

4 x + 5 y

+ 2 z

+ 3 t =

t =

6

2 z

3

2 z

+

t

= 10

Transformando la matriz asociada (con las dos primeras ecua ciones ya intercambiadas) encontramos una ecuación sin soluciones ( 0 x +0 y +0 z +0 t = 2 ), por lo que el sistema es incompatible:

1 2 2 1

2

3

4

3

6

1 10

1

2

5 2

2 2F 1

F

−−−−→

3 4F 1

F

1

0

0

1

0 3

0

2 2 1

6

0

0

5

0

2 2 1

6

5

3

0

5 2

3

3

6


3

0

2

F 3 F 2

−−−−→

(3) Resolver, si es posible, el sistema:

2 x + x + 2 y

+

3 x + 2 y

y + 3 z y + 4 z + 2 z

z =

3

2

= 1

=

2

=

x

Transformamos la matriz del sistema:

1

2

1 1

2

2

1

3

1

3

3

2

4 1

2

2

1 F 2

F

−−−−→

2

1

1 1

2

1

2

3

3

1

2

3

4 1

2