Algebra Lineal Matrices y Vectores PDF

Matrices, vectores
y sistemas
de ecuaciones
lineales
Antonio Montes Lozano
1,5 crditos
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
ndice
Introduccin............................................................................................... 5
Objetivos ...................................................................................................... 6
1. Preliminares .......................................................................................... 7
2. Matrices .................................................................................................. 8
2.1. Producto de matrices ......................................................................... 9
2.2. Suma de matrices............................................................................... 10
2.3. Matrices cuadradas ............................................................................ 12
2.4. La transpuesta de una matriz ............................................................ 14
3. Espacios vectoriales ............................................................................. 16
3.1. Dependencia e independencia lineal ................................................ 17
3.2. Bases ................................................................................................... 19
3.3. Subespacios vectoriales y rango......................................................... 24
4. El mtodo de Gauss .............................................................................. 26
5. Rango y teorema de Rouch-Frbenius .......................................... 34
6. Sistemas homogneos.......................................................................... 38
7. Determinantes y regla de Cramer.................................................... 41
7.1. Determinantes de segundo orden ..................................................... 41
7.2. Determinantes de tercer orden .......................................................... 43
7.3. Determinantes de orden n................................................................. 44
7.3.1. Propiedades de los determinantes.......................................... 45
7.3.2. Regla de Cramer para los sistemas n n ................................ 49
8. Matriz inversa ....................................................................................... 55
Resumen....................................................................................................... 59
Ejercicios de autoevaluacin .................................................................. 61
Solucionario................................................................................................ 64
Glosario ........................................................................................................ 76
Bibliografa................................................................................................. 77
Matrices, vectores y sistemas de ecuaciones lineales
FUOC P00/75004/00191
Introduccin
Muchos problemas tcnicos y cientficos requieren la resolucin de sistemas

de ecuaciones lineales . Es un tema fundamental para todas las disciplinas que
utilizan las matemticas de una manera u otra. En muchos problemas existe
una dependencia entre las diferentes magnitudes o variables que intervienen
y a menudo la planteamos en forma de ecuacin lineal. Otras veces representa
una buena aproximacin al problema objeto de estudio.
En este mdulo estudiaremos de forma sistemtica los sistemas de ecuaciones
lineales. Pero para profundizar en su conocimiento, abordaremos previamente
el estudio de las matrices y los vectores como tablas de nmeros. Este estudio
nos conducir a introducir la estructura de espacio vectorial, que tiene valor
por s misma y se aplica a muchos campos como, por ejemplo, los grficos 3D.
Estudiaremos a continuacin el mtodo de Gauss para resolver efectivamente
los sistemas.
Provistos con las consecuencias de la nocin de independencia lineal de vectores, podremos abordar la definicin y el clculo del rango, que nos permite
discutir los sistemas con ayuda del teorema de Rouch-Frbenius . Finalmente, introduciremos el concepto de determinante , que permitir dar frmulas
cerradas para las soluciones de los sistemas y ayudar en la discusin de sistemas con parmetros.
Evariste Galois
(1811-1832)
empez a interesarse por las
matemticas a los 15 aos, y
tres aos despus ya public
un trabajo importante. Comprometido en contra de las injusticias polticas, los sucesos
de las revoluciones de 1830 lo
condujeron, indirectamente, a
una muerte prematura a los 21
aos. A pesar de todo, dej
una produccin matemtica
trascendental en el campo de
la teora de las ecuaciones.
FUOC P00/75004/00191
Objetivos
Se pretende que, estudiando los conceptos de este mdulo y con los ejemplos
y actividades que se incluyen, se alcancen los objetivos siguientes:
1. Dominar el lgebra de matrices.
2. Entender los conceptos de espacio vectorial, independencia lineal y base,
as como aprender a expresar un vector en una base.
3. Saber resolver sistemas por el mtodo de Gauss.
4. Aprender a determinar el rango de una matriz.
5. Conocer las propiedades de los determinantes y la regla de Cramer.
6. Dominar el teorema de Rouch-Frbenius y saber discutir un sistema con
parmetros.
7. Saber plantear problemas lineales.
FUOC P00/75004/00191
1. Preliminares
Empecemos por recordar algunas nociones bsicas.

Consideremos los sistemas lineales de dos ecuaciones y dos incgnitas siguientes:
2x + 3y = 7
2x 3y = 1
2x +3y = 4
2x + 3y = 6
2x + 3y = 6
4x + 6y = 12
Realizando las grficas 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, 1) y tiene una
solucin nica. El segundo caso representa dos rectas paralelas y no tiene solucin. El tercero corresponde a dos rectas coincidentes y tiene infinitas soluciones.
Tratndose de sistemas de dos ecuaciones y dos incgnitas no hay ms casos.
En realidad, stos son los casos emblemticos para sistemas con ms ecuaciones e incgnitas.
Denominamos sistema compatible al sistema que admite soluciones,

es decir, si existen valores de x, y que satisfacen el sistema. En caso contrario recibe el nombre de incompatible . Decimos que un sistema es
compatible determinado si admite una nica solucin. En caso contrario recibe el nombre de compatible indeterminado .
En estos trminos, los tres casos del ejemplo quedan clasificados de la forma
siguiente: el primero es compatible y determinado; el segundo es incompatible y el tercero, compatible e indeterminado.
Ahora estudiaremos los sistemas de ecuaciones lineales en general y determinaremos cuntas soluciones tienen y cmo calcularlas. Pero antes conviene
introducir la notacin matricial, que ser muy til.
FUOC P00/75004/00191
2. Matrices
Introducimos ahora las definiciones y notaciones que utilizaremos.
La nocin de matriz
Un sistema de m ecuaciones lineales y n incgnitas x1 , x 2 , ..., 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
,
a m1 x 1 + a m2 x 2 + + a mn x n = b m
fue introducida en 1857

por los matemticos britnicos
W. Hamilton y A. Cayley. El primero que utiliz la palabra
matriz fue J. J Sylvester para
indicar una ordenacin determinada de nmeros.
(1)
donde las aij y las b i son escalares conocidos, y el rango de variacin de los ndices
es 1 i m, 1 j n. El coeficiente aij es el factor que multiplica x j en la i-sima
ecuacin, y el coeficiente b i es el trmino independiente de la i-sima ecuacin.
Una matriz m n es una tabla de nmeros aij donde se tiene 1 i m,

1 j n, 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, los coeficientesa ij del sistema de ecuaciones (1) forman una matriz m n, que denotamos como A y que llamamos matriz del sistema .
Pongamos A = ( a ij)1 i
m, 1 j n
para indicar que A es la matriz m n que tiene
por elementos los a ij . Cuando sean claros los rangos de variacin de i y de j

escribimos simplemente A = (a ij).
Designemos por L(m, n ) el conjunto de las matrices m n, (m filas y n columnas).
Podemos agrupar tambin las x j en forma de matriz de una sola columna y n
filas, que llamamos vector columna y que denotamos como x. Los trminos
independientes bj tambin pueden ser agrupados en forma de vector columna
de m filas y los llamamos b. De este modo, tenemos:
b 1

b
b = 2 .

b m
...
...
x 1

x
x = 2

x n
Arthur Cayley
(1821 - 1895)
Matemtico ingls que destac por sus contribuciones a la
teora de matrices, determinantes, geometra n-dimensional y, en colaboracin con su
gran amigo Sylvester, por sus
contribuciones a la llamada
teora de los invariantes y las
lgebras de dimensin finita.
Advertencia
Para no confundirnos denotamos las matrices con negrita,
con el objetivo de distinguirlas
de los nmeros o elementos.
FUOC P00/75004/00191
2.1. Producto de matrices

Definimos el producto de C, de m filas y k columnas, por una matriz D, de k
filas y n columnas, como la matriz E de m filas y n columnas siguiente:
d 11
dk 1
d 1n
,
d k n
...
...
...
c 1k
c m k
...
e 1n
c 11
=
c m 1
e mn
...
...
e 11
e m 1
donde el elemento eij de la i-sima fila y j-sima columna del producto E se obtiene multiplicando los elementos de la i-sima fila de C por los elementos de
la j-sima columna de D y sumando:
En el producto
de matrices...
e ij = c i1 d 1 j + c i2 d 2j + + c i kd k j =
c il d lj .
... observamos que el nmero de

columnas de la matriz de la izquierda y el de las filas de la matriz de la derecha es el mismo ( k).
l=1
De forma abreviada escribimos:

E=C D
o bien omitiendo el punto, simplemente E = CD.
La operacin de multiplicar matrices es una aplicacin:
: L (m ,k ) L (k ,n ) L ( m ,n ).
y, por lo tanto, para poder multiplicar dos matrices es necesario que la matriz
de la izquierda tenga el mismo nmero de columnas que el nmero de filas de
la matriz de la derecha.
Con estas notaciones, el sistema (1) se escribe de la forma:
A x = b.
(3)
Ejemplo 1
Cundo es factible la multiplicacin de dos matrices? Por ejemplo, hagamos la multiplicacin matricial indicada:
3
1
4
1
0
4
1
2
.
0
3
Para poder multiplicar A y B es necesario que el nmero de columnas de A sea igual al de las
filas de B. En el ejemplo dado el nmero de columnas de A y de filas de B es el mismo, 4, y
el producto es posible. Cada elemento del producto tendr 4 sumandos. El resultado es una
matriz de 3 filas (nmero de filas de A) y 2 columnas (nmero de columnas de B) que presentamos a continuacin:
7
13
23
7
4 .
8
FUOC P00/75004/00191
10
Adems de la matriz del sistema (2), tambin utilizamos la matriz ampliada ,

obtenida a partir de la matriz del sistema aadiendo la columna de los trminos independientes:
(4)
...
...
...
a 11 a 12 a 1 n b 1
a
21 a 22 a 2n b 2 .
a m 1 a m 2 a mn b m
Ejemplo 2
Dado el sistema de ecuaciones siguiente:
2x + 3y 6z = 7
3 y + z = 1 ,
x + 4y z = 4
escribimos la matriz del sistema y la matriz ampliada. Escribimos el sistema de la forma que
expresa la ecuacin (3).
Matriz del sistema:
2
0
3
3
4
6
1
1
Matriz ampliada:
2
0
1
6 7
1 1 .
1 4
3
3
4
Sistema:
2
0
3
3
4
6
1
1
x
7
y = 1 .

z
4
2.2. Suma de matrices

La suma de dos matrices m n es igual a la matriz m n que se obtiene sumando los elementos correspondientes:
c22 + d 22
d 1n
d 2n
=
d m n
...
d 22
d m2
c12 + d 12
c m 2 + d m2
c 1n + d 1n
c 2n + d 2n
= E,
c mn + d mn
...
c 11 + d 11
c + d 21
= 21
c m1 + d m1
...
c m2
d 12
...
d 11
d 21
d m1
...
c 22
c 1n
c 2n
+
cmn
...
...
c 12
...
...
c 11
c 21
c m 1
FUOC P00/75004/00191
11
o, en trminos de los elementos:

e ij = cij + d ij .
Ejemplo 3
Hagamos esta suma:
3 1 0 4 8 1 0 4 4
1 0 3 1 + 3 2 1 3 .
2
2 5 1 0 5 5 8
Solucin:
1194 0
2 2 4 2 .
2
7 0 7
Es fcil comprobar que la suma de matrices es asociativa y que la matriz 0, que

tiene todos sus elementos iguales a 0, es el elemento neutro de la suma.
Tambin podemos asociar a cada matriz A su opuesta, A, que tiene por elementos los opuestos de los de A. La suma de A y de A da la matriz 0. Finalmente, la suma es conmutativa.
Resumiendo, la suma de matrices tiene las propiedades siguientes. Para

todo A, B, C:
1) (A + B) + C = A + ( B + C) asociativa
2) A + 0 = 0 + A = A elemento neutro
(5)
3) A + (A) = 0 elemento opuesto

4) A + B = B + A conmutativa
Las propiedades que acabamos de mencionar permiten definir la estructura de

grupo.
Todo conjunto en el que hay definida una operacin que tiene las propiedades (1), (2) y (3) recibe el nombre de grupo. Si, adems, tiene la
propiedad conmutativa (4), decimos que es un grupo conmutativo.
As, (L(m,n),+) es un grupo conmutativo.
Propiedades inmediatas
1) Dado un conjunto dotado con una operacin interna (que denotaremos por +), si existe un elemento neutro 0 tal que para todo a se verifica que a + 0 = 0 + a = a, entonces este elemento es nico.
William Rowman
Hamilton (1805-1865)
Matemtico nacido en Dubln,
fue un nio precoz que a los
cinco aos, adems de ingls,
lea latn, griego y hebreo; a los
diez, francs, italiano, rabe y
snscrito, y a los catorce persa.
Abandon el estudio de las lenguas para consagrarse a las matemticas. Son importantes sus
trabajos sobre nmeros irracionales (Algebra as the Science of
Pure Time , 1933-1835).
FUOC P00/75004/00191
12
2) Si en un conjunto como el anterior, adems, la operacin es asociativa y cada elemento a tiene un opuesto a tal que a + a = a + a = 0,
entonces este elemento es nico.
3) En un grupo el elemento neutro es nico, y el elemento inverso (el
opuesto en notacin +) asociado a cada elemento del grupo tambin
es nico.
4) En un grupo, (a) = a.
5) En un grupo siempre se puede simplificar. Es decir,
a+ c=b+c a = b.
Demostracin
1) Supongamos que existe otro neutro 0 con las mismas propiedades. Por el hecho de que el 0 es el elemento neutro, se tendr 0 + 0 = 0. Por el hecho de que 0
tambin es neutro, se tendr 0 + 0 = 0. Por lo tanto, 0 = 0, y el neutro es nico.
2) Supongamos que a tuviese otro opuesto a. Siendo la operacin asociativa,
tendramos:
a = 0 + a = ( a + a ) + a = a + ( a + a ) = a + 0 = a .
3) Resulta como corolario de los anteriores.
4) De a + (a) = 0 se deduce que a es opuesto de (a), y por la unicidad del
opuesto en un grupo, igual a (a).
5) Para probarlo slo tenemos que aadir c por la derecha a cada lado de la
ecuacin y utilizar la propiedad asociativa.
2.3. Matrices cuadradas

Cuando las matrices tienen el mismo nmero n de filas y de columnas hablamos de matrices cuadradas. Si consideramos el conjunto de las matrices cuadradas, L(n, n), siempre las podemos sumar de dos en dos y multiplicar de dos
en dos. En este caso, adems de la matriz 0 (el elemento neutro de la suma),
debemos introducir la matriz identidad I que est formada por unos en la diagonal principal y ceros en todo el resto:
...
0
...
...
0
O =
FUOC P00/75004/00191
13
0
.
...
0
1
...
...
0
I =
Sean A, B, C matrices cuadradas cualesquiera de L(n,n). Adems de las

propiedades por la suma (5), el producto de matrices cuadradas cumplir tambin las siguientes propiedades:
1) (A B) C = A (B C)
asociativa
2) A I = I A = A
elemento neutro
(6)
3) A (B + C) = A B + A C
(A + B) C = A C + B C
distributiva
Conviene destacar que la multiplicacin de matrices no es conmutativa, es decir:
En general: A B B A.
Ejemplo 4
1
A =
2
3
1
B =
1
3
1
.
2
Comprobemos en este ejemplo que A B B A:

10
AB =
1
7
1
BA =
0
1
4
.
11
Un conjunto A dotado con dos operaciones: una suma, con las propiedades de grupo conmutativo, y un producto con las propiedades (5) y
(6), es un anillo con unidad. Si, adems, el producto es conmutativo,
diremos que A es un anillo conmutativo con unidad .
En un anillo conmutativo se cumplen las relaciones que presentamos a
continuacin:
1) a 0 = 0 .
2) a ( b ) = ( a b ) = ( a ) b .
3) ( a ) ( b ) = a b.
FUOC P00/75004/00191
14
Demostracin
1) Utilizando las propiedades distributiva y elemento neutro de la suma, resulta:
a 0= a (0 + 0)= a 0 + a 0 .
Y, simplificando, resulta a 0 = 0.
2) Utilizando la propiedad anterior, el opuesto de la suma y la propiedad distributiva, 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 ).
3) Resulta de la anterior y de (a) = a.
2.4. La transpuesta de una matriz

Dada una matriz, en ocasiones interesa intercambiar sus filas y sus columnas. La
matriz resultante se llama matriz transpuesta, y la denotaremos como At.
As pues, si A = (a ij ) y At = (a tij ) tendremos a tij = a ji.
Ejemplo 5
Escribamos una matriz 3 4 y su transpuesta.
3
A = 1
2
3
1
A =
0
4
t
4
1
0
2
5
.
1
1
0
3
1
Es muy sencillo demostrar que:
+ B)t = At + B t
(A B)t = Bt At
(A
Diremos que una matriz cuadrada que sea igual a su transpuesta es simtrica .
Las matrices que son simtricas lo son respecto a la diagonal principal, y no
cambian al intercambiar filas por columnas.
Ejemplo 6
La matriz siguiente:
1 2 3
A = 2 5 6
3 6 7
es simtrica: A = At, es decir: aij = a ji i, j.
FUOC P00/75004/00191
15
Tambin tienen inters las matrices con la propiedad de que su transpuesta es

igual a su opuesta. En este caso diremos que la matriz es antisimtrica . Las matrices antisimtricas tienen necesariamente ceros en la diagonal principal.
Actividades
1. Sean las matrices siguientes:
A = 2 5
1 3
B = 3 1
4 8
Comprobad que A B B A.
2 . El producto de una matriz por s misma se denota en forma de potencia. De este modo,
pondremos A A A = A 3 , etc.
Dada la matriz A = 7 2 calculad:

1 2
a) 2 A3 5 A 2 + 4 A + 3 I .
t
b) A A .
3 . Demostrad que (A B)t = B t A t.
4. Si A es una matriz 4 6:
a) Es posible calcular A t A y A A t ?
b) Si es posible hacerlo, cuntas filas y cuntas columnas tiene At A?
c ) dem con A A t .
d) Tienen alguna otra caracterstica especial las matrices anteriores?
5 . Dada la matriz:
A= a b
c d
probad que si = ad bc 0, entonces la matriz
1
At = --- d b
c a
es inversa de A, es decir A At = A t A = I.
6 . Sean:
x
x = y
a a a
11 12 1
A = a 12 a 22 a 2
a1 a2 a
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 .
Qu tipo de matriz es A?
7. Dadas tres matrices cuadradas n n A, B, C, probad la propiedad asociativa de la multiplicacin, es decir, (A B) C = A (B C).
FUOC P00/75004/00191
16
3. Espacios vectoriales
Las matrices admiten tambin otra operacin, que es la multiplicacin de un

nmero o escalar. Estre producto se hace multiplicando cada elemento de la
matriz por el nmero en cuestin.
La multiplicacin por escalares tambin tiene propiedades caractersticas

y fciles de demostrar. Para todo A, B, , se verifican las propiedades que
presentamos a continuacin:
1) (A) = () A
2) 1 A = A
asociativa
elemento neutro
(7)
3) ( + ) A = ( A) + (A)
(A+B) = (A) + (B)
distributiva
Un conjunto dado de una operacin interna (que llamaremos suma) con estructura de grupo conmutativo (5) y una multiplicacin por escalares (elementos de un cuerpo) con las propiedades (7) decimos que tiene estructura de
espacio vectorial (sobre el cuerpo de los escalares).
El conjunto de matrices de L(m,n) con la suma y la multiplicacin por

escalares forman un espacio vectorial.
Nos interesa destacar esta estructura de espacio vectorial que tienen las matrices y que tambin tienen otros muchos conjuntos matemticos, como por
ejemplo los polinomios.
La estructura de espacio vectorial de las matrices nos permitir profundizar en

el tratamiento de los sistemas de ecuaciones.
En un espacio vectorial se verifican las relaciones siguientes:
1) 0 a = 0 .
2) 0 = 0
3) ( 1 ) a = a
Para representar
los escalares...
... utilizamos las letras griegas
(lambda) y (mu).
FUOC P00/75004/00191
17
Demostracin
1) En efecto, 0 a = (0 + 0) a = 0 a + 0 a. Por lo tanto, aadiendo 0 a a
los dos miembros y usando la asociatividad, resulta: 0 a = 0.
2) La demostracin es anloga a la anterior.
3) Utilizando las propiedades de espacio vectorial y la propiedad (1) resulta:
a = a + 0 a = a + (1 + (1)) a = a + (1 a + (1) + (1) a) =
= (a + a) + (1) a = 0 + (1) a = ( 1) a
Ahora estudiaremos de forma detallada las caractersticas de los espacios vectoriales.
Para fijar ideas y por tratarse del espacio vectorial ms natural, consideraremos el
conjunto de vectores-columna (o matrices de n filas y una sola columna).
Llamamos E n o espacio vectorial de n dimensiones sobre los nmeros

reales al conjunto de vectores-columna de n componentes reales:
...
v1

v
v = 2 .

vn
La suma y la multiplicacin por escalares en E n estn definidas, siguiendo el

apartado anterior, as:
...
...
...
v 1 w 1
v 1 + w 1
v + w = + =
v n w n
v n + w n
...
...
v 1
v1
v = =

v n
vn
y cumplen las propiedades (5) y (7), que lo configuran como espacio vectorial.
3.1. Dependencia e independencia lineal
Dado un conjunto de vectores {v1 ,v2 ..., v k} de En, decimos que son linealmente independientes si y slo si la igualdad:
1 v 1 + 2 v 2 + + kv k = 0
(9)
FUOC P00/75004/00191
18
se verifica nicamente para

1 = 2 = = k = 0.
En el caso contrario decimos que son linealmente dependientes.
Por ejemplo, los vectores siguientes:
(10)
...
...
...
u1
1
0
0
0
1
0

= 0 , u 2 = 0 , , u n = 0

0
0
1
son linealmente independientes, ya que de la ecuacin:
...
1 u 1 + 2 u 2 + + n u n
= 2 = 0

n
se deriva: 1 = 2 = ... = n = 0 .
Adems, 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
(11)
que se expresa diciendo que v es combinacin lineal de los vectores u1 , ..., un.
Ejemplo 7
Los vectores siguientes:
1
v1 = 2

5
2
v2 = 3

1
5
v3 = 7

2
son linealmente dependientes, ya que podemos comprobar que:

v 1 + 3 v 2 v3 = 0 ,
es decir, hay una combinacin lineal de ellos igual a 0 donde no todos los escalares son 0.
Observamos que cualquier conjunto de vectores que contiene el vector 0 es linealmente dependiente, ya que 0 = 0 para cualquier 0, y por lo tanto en
la combinacin lineal habr un escalar diferente de 0.
La definicin de independencia lineal que hemos visto no tiene en cuenta el
orden en el que se dan los vectores (por la propiedad conmutativa de la suma
de vectores).
FUOC P00/75004/00191
19
Es obvio tambin que cualquier subconjunto de un conjunto de vectores linealmente independientes es linealmente independiente.
Supongamos que tenemos un conjunto de vectores v1 , ..., v k linealmente dependiente, es decir, tal que hay constantes reales i no todas nulas para las que
se verifica (9). Si, por ejemplo, se cumple i 0, entonces se puede aislar vi de
la forma siguiente:
i 1
k
1
---------v
-----v
.
v i = -----v
i 1
i i 1
i k
Decimos que vi es combinacin lineal de los restantes vectores del conjunto
v1, ..., vk .
Recprocamente, si v es combinacin lineal de v1 , ..., vk , entonces los vectores
v, v1 , ..., v k son linealmente dependientes.
3.2. Bases
Decimos que un conjunto de vectores {e 1 , ..., e k} es una base de En si:

1) {e1 , ..., ek} son linealmente independientes,
2) todo vector de E n puede expresarse como combinacin lineal de
{e 1 , ..., e k}.
Los vectores (10) son una base de E n, ya que verifican las dos condiciones anteriores, como ya hemos visto. Este conjunto de vectores recibe el nombre de
base cannica de En.
Proposicin 1
La expresin de un vector en una base es nica
Demostracin
En efecto, sea {e1 , ..., ek } una base del espacio. Por la segunda condicin de la
definicin de base, cualquier vector v de En puede ser expresado en esta base,
es decir, existen v1 , ..., vk escalares tales que:
v = v 1e 1 + + v k e k.
FUOC P00/75004/00191
20
Si hubiese otra expresin de v en la base dada, por ejemplo la siguiente:

v = v 1 e 1 + + v k e k
restando las dos ecuaciones obtendramos:
0 = ( v1 v1 )e 1 + + ( v k v k) e k
Como los ei son linealmente independientes (por la primera condicin de la
definicin de base), esta ecuacin implica:
v1 v 1 = v 2 v 2 = ... = vk vk = 0 es decir, v1 = v1 , ..., v k = vk
y por lo tanto las dos expresiones de v son idnticas. Es decir, la expresin es
nica, que es lo que queramos demostrar.
Los coeficientes vi que multiplican los vectores ei de la base se llaman

componentes del vector v en la base {e1, ..., ek}.
Ahora analizaremos cmo son las bases de En.
Proposicin 2
Sean v 1 , ..., v n los componentes del vector v en la base cannica (10)
{u 1 , ..., un }:
v = v 1u 1 + + v nu n.
Entonces, si v 1 0, los vectores {v, u2 , ..., un } forman una nueva base de E n.
Demostracin
Debemos ver que {v, u2 , ..., un } cumplen las dos condiciones necesarias para
ser una base:
1) Probamos que son linealmente independientes:
De la ecuacin:
1 v + 2 u2 + + n u n = 0
se deriva:
1 ( v 1 u 1 + + v n u n) + 2 u 2 + + n un = 0 ,
(12)
FUOC P00/75004/00191
21
que implica:
1 v 1 u 1 + ( 1 v2 + 2 )u 2 + + ( 1 v n + n ) un = 0 ,
y por la independencia lineal de los vectores de la base cannica, resulta:
1 v 1 = 0,
1 v 2 + 2 = 0, ,
1v n + n = 0 ,
Como por hiptesis se cumple v1 0, la primera de las ecuaciones anteriores

implica 1 = 0 y, sustituyendo esta solucin en las otras, se obtiene: 2 = ... = n = 0.
Por lo tanto, queda probado que (12) implica que i = 0 para todo i = 1, ..., n
y los vectores son linealmente independientes.
2) Debemos ver que todo vector w de E n se puede expresar como combinacin
lineal de {v, u2 , ..., un }.
A partir de la expresin (11) de v en la base cannica, teniendo en cuenta que
v1 0, obtenemos:
v
v2
1
----n-u n .
u1 = -----v 1 -----u
v1
v1 2
v1
(13)
Sea ahora w un vector cualquiera, que expresado en la base cannica es:
w = w 1 u 1 + + wn u n .
Empleando (13) obtenemos:
v
vn
1
+ w2 u 2 + + w n u n =
w = w 1 -----v ----2-u2 -----u
v1
v1
v 1 n
w 1 v2
w 1 v n
w
= -----1-v + w 2 ----------- u + + wn ----------- u
v1
v1 2
v1 n
que prueba que cualquier vector de E n se puede escribir como combinacin lineal de los vectores {v, u 2, ..., un }
Teorema 1: teorema de Steinitz

Si {e1 , ..., e k} son k vectores de E n linealmente independientes (con k n),
entonces podemos sustituir k vectores convenientemente elegidos de la
base cannica (10) {u1 ,.., un } para formar una nueva base de En.
FUOC P00/75004/00191
22
Demostracin:
Sean {e1 , ... e k} linealmente independientes. Por lo tanto, e 1 0. Ponemos:
e 1 = a 11 u1 + + a 1n un .
Algn componente a 1j ser diferente de 0, ya que, si no, e 1 sera 0. Para fijar
ideas suponemos que es a 11 0 .
Para la proposicin 2 podemos formar la nueva base [e1 , u2 , ..., un ]. Si k > 1,
expresamos e2 en la nueva base:
e 2 = a 21 e 1 + a 22 u 2 + + a 2n un .
Necesariamente, alguno de los a 22 , a 23 , ..., a2n debe ser diferente de cero, ya que
si no, la expresin anterior implicara que {e 1 , e 2 } son linealmente dependientes, contra la hiptesis. Supongamos tambin, para fijar ideas, que sea
a 2 2 0. Aplicando nuevamente la proposicin 2 pasaremos a la nueva base
{e 1,e 2,u 3 ..., u n }.
Continuando por el mismo procedimiento llegaremos a sustituir k vectores
convenientemente elegidos de la base cannica por los vectores {e 1 , ..., ek }, tal
como queramos.
De aqu se deducen inmediatamente los teoremas siguientes.
Teorema 2
Todo conjunto {v 1 , ..., vk } de vectores de E n linealmente independientes
consta de k n vectores, y es una base si y slo si k = n.
Teorema 3
El nmero de vectores de todas las bases de En es n, y decimos que n es
la dimensin de En .
As, pues, el teorema 2 nos dice que no podemos tener una cantidad de vectores mayor que la dimensin del espacio y que sean linealmente independientes.
Ejemplo 8
Dados los dos vectores:
0
e 1 = 3

2
0
e 2 = 1 .

1
FUOC P00/75004/00191
23
a) Comprobemos que son linealmente independientes.

b) Formemos una base de E 3 completando {e1 , e2} con vectores de la base cannica.
Solucin
a) La ecuacin 1 e 1 + 2 e2 = 0 lleva al sistema 3 1 2 = 0, 2 1 + 2 = 0, que implica
1 = 2 = 0. Por lo tanto, son linealmente independientes.
b) Siguiendo la construccin del teorema de Steinitz y la proposicin 2, empezamos por sustituir e 1 por un vector conveniente de la base cannica. Como el primer componente de e1
en la base {u 1,u2,u 3} es 0, no podemos sustituir u 1 por e1. En cambio, e 1 s que puede sustituir
u 2, ya que el segundo componente es diferente de 0. De este modo, tenemos la nueva base
{u 1,e1,u 3}.
Tenemos:
0
e 1 = 3 = 3 u 2 2 u 3 ,

2
de donde resulta:
1
2
u 2 = ---e 1 + --u 3 .
3
3
Ahora tenemos que expresar e2 en la nueva base. Tendremos:
0
e 2 = 1 = u 2 + u 3 = 1
---e + 2
--u + u 3 = 1
---e 1 + 1
---u 3 .

3 1 3 3
3
3
1
Como el componte segn u 3 es diferente de 0, resulta que e2 puede sustituir a u3 . De este
modo, finalmente tenemos la base {u 1,e1,e 2}
Todava podemos expresar u 2 y u 3 en la nueva base:
u 3 = e1 + 3 e2
1
2
u 2 = ---e 1 + -- ( e 1 + 3 e 2 ) = e 1 + 2 e 2 .
3
3
Ejemplo 9
Escribamos la base cannica para el espacio vectorial de las matrices n m. Qu dimensin
tiene?
La base cannica estar formada por cada una de las matrices que tienen un 1 en una posicin diferente y todo el resto 0.
...
...
0
,
...
...
...
...
0
0
...
...
...
...
...
0
,
...
...
0
1
...
0
,
0
0
...
...
...
0
,
...
0
,
...
...
...
...
1
0
...
...
0
,
...
...
...
...
...
...
FUOC P00/75004/00191
24
Es inmediato comprobar que las matrices anteriores son linealmente independientes y que
toda matriz puede expresarse como combinacin lineal de stas. En consecuencia, forman
una base y la dimensin del espacio vectorial de las matrices n m es n m.
3.3. Subespacios vectoriales y rango

Consideremos un conjunto F de vectores de E n tales que si contiene los vectores v y w tambin contiene su suma v + w, y con cada vector v contiene tambin el producto para cualquier nmero , es decir, v.
En un conjunto as, cada vector v contiene su opuesto v = (1)v. Por lo tanto,
con cada par de vectores v y w contiene su diferencia v w y de este modo
contiene el cero. Esto hace que sea un subgrupo del grupo aditivo de los vectores de En . Como adems tambin contiene el producto de cada vector por
cualquier escalar, y las propiedades (5) y (7) continan siendo vlidas, el conjunto F en cuestin tiene estructura de espacio vectorial, y decimos que es un
subespacio vectorial de En.
Decimos que un conjunto de vectores F En es un subespacio vectorial

de En si, y slo si:
1) Para cada dos vectores v y w que contiene, contiene tambin su
suma v + w.
2) Para cada vector v que contiene, contiene tambin su producto por
cualquier escalar , es decir, contiene v.
Ejemplo 10
El conjunto de mltiplos de un vector v cualquiera es un subespacio vectorial, es decir, tenemos que:
F 1 = { v R } .
En particular, siv es el vector 0 , el subespacio se reduce al vector 0, que por s solo constituye
un subespacio vectorial trivial, que decimos que es de dimensin 0.
Si v 0 , entonces, el subespacio F1 tiene dimensin 1, ya que v es una base de F1 .
De forma anloga podemos definir los generadores de F.
Dados k vectores {v1 , ..., v k }, el conjunto siguiente:

F = { 1 v 1 + + k v k 1 R , , k R }
es un subespacio vectorial de E n , que llamamos subespacio vectorial generado por los vectores {v 1 , ..., v k }. Decimos que los vectores
{v 1 , ..., v k } son un conjunto de generadores de F.
FUOC P00/75004/00191
25
Por el teorema 2, en En no puede haber ms de n vectores linealmente independientes. Por lo tanto, F no puede contener tampoco ms de n vectores linealmente independientes.
De este modo, la dimensin de un subespacio vectorial F de En es menor o
igual que n, y es igual al nmero de vectores que contiene cualquier base de F.
(Todas tienen el mismo nmero, segn el anlogo del teorema 3 para los subespacios).
Llamaremos rango de un conjunto de k vectores {v1 , ..., v k } de E n a la

dimensin del subespacio que generan.
En particular se tiene que el rango es menor o igual que k.

Actividades
8.
Consideremos los vectores e1 = (2, 0, 3) y e2 = (1, 3, 5):

a) Probad que son linealmente independientes.
b) Es posible completar con u 3 para formar una base de E 3 ? Por qu?
c) Expresad un vector cualquiera v = (v 1 , v2 , v3 ) en la nueva base.
d) Expresad u1 y u 2 en la nueva base.
9.
Consideremos los mismos vectores { e1 ,e 2} de la actividad 8:

a) Encontrad una nueva base del subespacio generado por { e 1 ,e2 } que est formada
por e 1 y otro vector e 2 tal que su primer componente expresado en la base cannica
sea 0. Es posible? Por qu?
b) Expresad e 2 en la nueva base.
10. Decid si son subespacios vectoriales los subconjuntos de R 3 siguientes:

a) { ( x, y, z) R 3 : 3 x + 2 y + z = 0 } .
b) { ( x, y, z) R 3 : 5 x + 2 y 7 z = 3 } .
c) { ( x , y, z) R 3 : x 0 } .
11. Sea F(R,R) el conjunto de funciones reales de variable real. Decid si son subespacios
vectoriales los subconjuntos de F(R,R) siguientes:
a) { f F ( R , R ) : f ( 1 ) = k } .
b) { f F ( R, R ) : f ( 0 ) = 2 f ( 1) } .
c) { f F ( R , R ) : f ( x ) = f 2 ( x ) }.
El rango...
... lo representamos con la letra
griega (ro), correspondiente
a nuestra r.
En el prximo apartado de este

mismo mdulo didctico
aprenderemos a determinar el rango de
un conjunto de vectores. Lo haremos por
el mtodo de Gausss.
FUOC P00/75004/00191
26
4. El mtodo de Gauss
Comencemos ahora el estudio de los sistemas de ecuaciones lineales. Dado un

sistema de ecuaciones lineales (1), lo que nos interesa es saber si tiene soluciones y cules son.
Por ello podemos transformarlo en otro equivalente, en el sentido de que, teniendo las mismas soluciones, sea ms fcil de resolver. Hay sistemas que tienen una solucin inmediata.
Por ejemplo, el sistema:
3x + 2y + z = 1
y 2z = 2
2z = 1
es inmediato de resolver por sustitucin hacia atrs: aislamos la z en la tercera

ecuacin, despus la sustituimos en la segunda para aislar la y, y, finalmente,
sustituimos la y y la z en la primera y aislamos la x. De este modo, tenemos:
z = 1
--2
1
y = 2 + 2z = 2 + 2 --- = 1
.
2
1
1
1
1
x = ---( 1 2y z ) = --- 1 2 + --- = --6
3
3
2
Decimos que un sistema como el del ejemplo est en forma triangular, ya que
la matriz del sistema tiene ceros en la parte inferior izquierda de la diagonal
principal.
El mtodo de Gauss consiste en ir transformando el sistema de partida

en otro equivalente, de tal modo que nos acerquemos, paso a paso, a un
sistema como el del ejemplo, con ceros en la parte inferior izquierda. Ya
discutiremos cul es la forma final ms simple que podemos obtener.
En el objetivo de reducir el sistema a otro con las mismas soluciones pero ms

sencillo, el mtodo de Gauss utiliza tres tipos de transformaciones que presentamos a continuacin.
Karl F. Gauss
(1777-1855)...
... llamado Princeps Mathematicorum (prncipe de los matemticos), ha sido, tal vez, el mayor
matemtico de la historia. Fue
tambin, como E. Galois, un
nio precoz: a los 3 aos descubri un error de clculo en la
paga de los obreros que tena su
padre (no sabemos si a favor de
los obreros o de su padre).
FUOC P00/75004/00191
27
Transformaciones empleadas por el mtodo de Gauss:

a) Transformacin 1: permutar dos filas entre s.
b) Transformacin 2: aadir a una fila una paralela previamente multiplicada por un nmero.
c) Transformacin 3: multiplicar (o dividir) una fila por un nmero diferente de cero.
Obviamente la primera y la tercera transformacin no modifican las soluciones.

Para probar que la segunda no modifica las soluciones del sistema, debemos
probar que toda solucin de (1) es solucin del sistema transformado siguiente:
a 11 x 1 + + a 1n x n = b 1
(14)
...
...
...
...
...
...
...
...
...
a i1 x 1 + + a in x n = b i
a j 1, 1 x 1 + + a j 1 , n x n = b j 1
( a j1 + a i1 )x 1 + + ( a jn + a in )x n = b j + b i
a j + 1, 1 x 1 + + a j + 1, n x n = b j + 1
a m 1 x 1 + + a mnx n = b m
y recprocamente.
Pero esto es obvio: toda solucin de (1) verifica (14), ya que la nica ecuacin
diferente, la j-sima, es una combinacin lineal de la i-sima y j-sima ecuaciones de (1), y recprocamente, toda solucin de (14) lo es de (1), ya que la
ecuacin diferente, la j-sima ecuacin de (1), es igual a la j-sima ecuacin de
(14) menos por la ecuacin i-sima.
El mtodo de Gauss empieza eligiendo como primera ecuacin una de las
ecuaciones del sistema por la que el coeficiente de la x 1 sea diferente de cero
(transformacin 1, si es necesario). El coeficiente de la x1 de la primera ecuacin mencionado ser el primer pivote elegido. A partir de aqu dejamos fijada
la primera ecuacin:
...
...
...
...
a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 .
A continuacin reducimos a cero los restantes coeficientes de x 1 en las otras

ecuaciones (transformacin 2 para cada ecuacin), utilizando el pivote elegido. Para ello restamos a cada una de las dems ecuaciones la primera ecuacin
multiplicada por el coeficiente de x 1 en la misma ecuacin y dividida por el
FUOC P00/75004/00191
28
pivote. De este modo sustituimos la fila i por la fila i menos la fila 1 multiplia
cada por ----i1
---. La nueva fila i ser:
a 11
a i1
a
a
0 + a i2 ------a 12 x 2 + a i3 ----i1
---a 13 x 3 + + a in ----i1
---a 1 n x n =
a 11
a 11
a 11
a
= b i ----i1
---b .
a 11 1
De este modo la ecuacin resultante tendr coeficiente de la x1 igual a cero.
Esto lo hacemos para las filas que van de la 2 hasta n.
A continuacin seleccionamos, entre las ecuaciones transformadas, una que
tenga el coeficiente de la x 2 diferente de cero y la ponemos como segunda
ecuacin. Si todas tuviesen coeficiente de la x2 nulo pasaramos a la x 3 , etc. Tomando como pivote el primer coeficiente no nulo de la que hemos elegido
como segunda ecuacin, repetimos el proceso con el resto de las ecuaciones y
as sucesivamente.
Procediendo as, acabaremos reduciendo el sistema completamente a una forma que tiene ceros en la parte inferior izquierda de forma escalonada.
Pongamos un ejemplo de ello.
Ejemplo 11
Resolvamos el sistema siguiente:
2x + 3 y + z = 6
x 2y 5 z = 5 .
3x + 5y + 3z = 8
Fijamos la primera ecuacin, ya que el coeficiente de la x es 2 y es diferente de cero.
ste ser el primer pivote. Para eliminar la x en la segunda ecuacin multiplicamos la
primera por 1/2 y la sumamos a la segunda. Para eliminarla de la tercera, multiplicamos la primera por 3/2 y la sumamos a la tercera. con estas operaciones, el sistema
queda reducido a:
2x +
3y +
z = 6
7 2 y 1 1 2 z = 2
1 2 y + 3 2 z = 1
A continuacin tomamos como pivote el coeficiente de la y en la segunda ecuacin, es decir,

7/2. Por lo tanto, dejamos fijada tambin esta ecuacin y eliminamos la y de la tercera. Para
hacer esto, debemos multiplicar la segunda ecuacin por 1/7 y sumarla a la tercera. El sistema
ser ahora:
2x +
3y +
z =
6
7 2 y 1 1 2z =
2 .
5 7 z = 5 7
Cuando hayamos llegado a este punto, el sistema habr quedado triangular. Podemos aislar
la z de la ltima ecuacin y tendremos:
z = 1.
FUOC P00/75004/00191
29
Sustituyndola en la segunda, podemos aislar la y:

y = 2
-- 2 + 11
------z = 2
---2 11
------ = 1 .
7
2
7
2
Finalmente, sustituyendo z e y en la primera obtendremos:
1
1
x = ---( 6 3 y z ) = ---( 6 3 + 1 ) = 2.
2
2
Una forma ms clara de seguir el procedimiento es utilizar la notacin matricial. La matriz
ampliada del sistema dado es:
2
3
2
5
5 5 .
3 8
1
En el primer paso hemos elegido como pivote el coeficiente a 11 = 2, y lo que hemos hecho
ha sido multiplicar la primera fila por 1/2 y sumar el resultado a la segunda, y multiplicar la
primera fila por 3/2 y sumar el resultado a la tercera. El resultado es ahora:
2
0
0
3
7 2
1 2
1
6
11 2 2 .
3 2 1
En el segundo paso, el pivote elegido es a 22 = 7/2. Repetimos la operacin multiplicando la

segunda fila por 1/7 y sumando el resultado a la tercera. Con esto obtenemos la matriz triangular:
2
0
0
2 .
5 7 5 7
7 2
(15)
11 2
No todos los sistemas tendrn siempre una nica solucin, como suceda en
el ejemplo anterior. Veamos un caso de ello en el ejemplo siguiente:
Ejemplo 12
Resolvamos el sistema siguiente:
x + y z = 0
2x + 3z = 5 .
x + 5 y + z = 1 0
La matriz del sistema es:
1
2
1
1
0
5
1 10
1 0
3 5
Aplicndole el mtodo de Gauss (segunda transformacin 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 .
0 0
La matriz final tiene una fila menos que incgnitas, y ahora resulta que tenemos un grado
de libertad para elegir la z, que puede tomar cualquier valor; esto se debe a que la tercera ecuacin, que es la que queda con esta variable, es 0 z = 0, que se cumple para cualquier valor
real de z. Ponemos, entonces, z = t .
FUOC P00/75004/00191
30
Sustituyendo esta expresin en y, y las dos en x, obtenemos que la solucin general del sistema depende de un parmetro arbitrario t, y es la siguiente:
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 eliminacin podemos encontrarnos en la situacin de tener que permutar filas (primera transformacin), ya que el elemento diagonal que en principio tomaramos como pivote se ha anulado.
No hay ningn inconveniente en permutar filas para obtener un pivote diferente de cero y poder continuar as el proceso de eliminacin en forma triangular,
pero tambin puede ocurrir que todos los elementos de la columna sean cero.
Ejemplo 13
Ponemos un ejemplo con cinco variables x1 , x2 , x3 , x4 , x5.
Resolvemos el sistema que tiene la matriz ampliada siguiente:
1
1
1
2
1
2
1
4
2
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 , y reducimos a
cero los restantes de la primera columna. El resultado es:
2
2 .
Ahora tomamos como pivote el elemento de la segunda columna y tercera fila, y permutamos as la segunda fila y la tercera:
3
4 2
1 2 .
2 3
1 2
1 2
De nuevo reducimos a cero los elementos restantes de la segunda columna:
2 3
4 2
1 2
.
2 1
1 2
1 2
En este ejemplo ha resultado, adems, que se han anulado tambin los restantes elementos
de la tercera columna.
FUOC P00/75004/00191
31
Tomamos como pivote el elemento de la cuarta fila y cuarta columna. As, permutamos las
filas tercera y cuarta:
4 2
2 1 .
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:
4 2
2 1 .
1 2
0 0
0 0
(16)
Podemos ahora expresar la solucin 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, como vemos, depende de un parmetro arbitrario t (si bien en este ejemplo algunas incgnitas tienen valor fijo, independientemente de t).
En este ejemplo hemos visto que, al reducir a cero los elementos de una columna (la segunda), se nos han reducido por azar los elementos de la siguiente. Cuando esto sucede podemos hacer tambin una permutacin de
columnas, con el objetivo de continuar colocando el nuevo pivote en la diagonal principal de la matriz, siempre que permutemos tambin el orden de las
variables correspondientes. Cuando reducimos con este criterio hablamos de
pivotamiento total. Esto no aporta nada esencial a la solucin del sistema,
aparte del motivo esttico que supone que los pivotes estn en la diagonal
principal. Por esta razn generalmente no lo haremos.
Pero si queremos, podemos hacerlo. De este modo, partiendo del sistema en la
forma (16), podramos permutar las columnas tercera y cuarta y obtendramos:
x1
x2
x4
x3
x5
3
2
1 .
0
0
Hemos tenido suerte, porque la tercera columna ha quedado automticamente reducida sin necesidad de hacer nada ms. Nuevamente debemos permutar
FUOC P00/75004/00191
32
la columna cuarta y la quinta para llevar el pivote de la quinta columna a la

diagonal principal. El resultado es:
x1
0
0
0
0
x2
x4
x5
x3
3
2
1 .
0
0
La cuarta columna tambin ha quedado automticamente reducida. Adems, el

sistema est ya totalmente reducido. 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.
De donde obtenemos la solucin:
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, coincide exactamente con la solucin dada con pivotamiento parcial.
Las soluciones del sistema pueden ponerse tambin en forma de vectores columna:
x 1
4
2

0
x
5
2

x = x 3 = 0 + t 1 .

x 4
5
0

0
x 5
2
Veamos ahora otro ejemplo.
Ejemplo 14
Resolvamos el sistema que tiene por matriz ampliada:
7
4
3
3
2
5
1 0
8 5 .
9 7
Procedemos a reducir la primera columna tomando como pivote el coeficiente a 11 = 7. El resultado es:
7
0
0
3
26 7
26 7
1 0
60 7 5 .
6 0 7 7
FUOC P00/75004/00191
33
Tomamos como pivote el elemento de la segunda fila y segunda columna a22 = 26/7 y reducimos la segunda columna:
7
0
0
60 7 5 .
0
12
26 7
0
Ahora el resultado consiste en que la tercera ecuacin es imposible y, por lo tanto, el sistema
no tiene ninguna solucin. Es un sistema incompatible.
Actividades
Resolved los sistemas de ecuaciones siguientes:
12.
x + y + 5z = 0
2 x y + 3 z = 1 .
3x + 4y z = 0
13.
5x + 2y z = 2
x y + 3 z = 8 .
2 x + 3 y + 2 z = 3
14.
x
+ z
t = 2
= 1
x + 3y + 4z 7t = 11.
4x + 3y z 2t = 1
2x + 2y
t = 2
2x y +
15.
4x 2y z = 2
3x + 5y + 3z = 2 .
x 7y 4z = 2
16.
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 .
x 1 + 3 x 2 + 4x 3
x2 4 x3 = 3
3 x1 + 3 x2 + 3 x3 + 4 x4 + 4 x5 = 1
FUOC P00/75004/00191
34
5. Rango y teorema de Rouch-Frbenius
Hemos definido en el apartado 3 de este mismo mdulo didctico el rango de

un conjunto de vectores {v1 , ..., vk } como la dimensin del subespacio que generan. Sean los vectores:
...
...
...
v11
v21
vk 1

v12
v22
vk 2
v 1 = , v 2 = , , v k = .

v 1n
v2n
vk n
El mtodo de Gauss permite determinar su rango.

En efecto, ponemos los componentes de los vectores en forma de vectores-fila
y construimos la matriz correspondiente:
v 22
vk 2
v 1n
v 2n
.
v kn
(17)
...
v 12
...
...
v 11
v 21
v k1
Aplicamos el mtodo de Gauss. Las transformaciones de Gauss convierten el

conjunto dado de vectores en otro conjunto que genera el mismo subespacio,
ya que la permutacin de filas (primera transformacin) no altera el conjunto,
y la segunda modifica el vector de la fila j utilizando el de la fila i en una transformacin reversible:
cambia {v i, vj} por { vi , vj } = {v i , vj + vi }
y esta transformacin se puede invertir:
{vi , v j}={ vi , vj v i }.
Teniendo en cuenta que los restantes vectores no cambian con una segunda
transformacin, los subespacios generados por {v1 , ..., vi , ... v j, ..., v k } y por
{v 1, ..., vi , ... v j , ..., v k } son los mismos, ya que toda combinacin lineal de
vectores del primer conjunto puede ponerse como combinacin lineal de los
vectores del segundo conjunto y recprocamente.
Por ltimo, la tercera transformacin obviamente tampoco altera el subespacio generado.
FUOC P00/75004/00191
35
En consecuencia, podemos utilizar el mtodo de Gauss y reducir la matriz (17).

El resultado ser una matriz escalonada, es decir, con la forma siguiente:
(18)
...
...
...
...
...
...
...
...
...
z
0 ... z
0z
0 ... z
0z
0 ... z
0z
0 ... z
0
0 ... zz
0 0 ... zz
0 0 ... z
0
0 0 ... z
0 0 ... 0 0 ... z
0 ... z
0z
0 ... z
0
0 0 ... 0 0 ... 0 0 ... z ... z
0 0 ... 0 0 ... 0 0 ... 0 0 ... 0
0 0 ... 0 0 ... 0 0 ... 0 0 ... 0
donde los son los pivotes que son estrictamente diferentes de cero y
z son
nmeros que pueden ser diferentes de cero o no. Los restantes elementos habrn quedado reducidos forzosamente a cero.
Los vectores de la fila que han quedado son, por construccin, un conjunto
de generadores del subespacio que genera {v1 , ..., vk}.
Pero adems son linealmente independientes, ya que en toda combinacin lineal nula de los vectores que se obtienen, el primer vector-fila debe estar multiplicado por cero para que el primer componente de la combinacin sea
siempre nulo, y de este modo sucesivamente para todo el resto de vectores-fila.
En consecuencia, los vectores resultantes forman un base del subespacio generado.
El rango de {v 1 , ..., vk} ser, entonces, igual al nmero de vectores-fila

diferentes de cero que hayan quedado despus de la reduccin completa por Gauss.
Adems, los vectores-fila que quedan forman una 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
= , v2 = , v3 = , v4 = , v5 = , v6 =
0
0
3
4
0
0
2
3
6
4
5
1

3
5
1
6
8
1
FUOC P00/75004/00191
36
consideramos la matriz correspondiente de los vectores-fila:

1
1
2
1
3
5
8
1
y aplicamos el mtodo de Gauss. Esta matriz es la misma del ejemplo 13, donde hemos visto
que el resultado era:
1
0
0
0
3
2
1
0
0
Por lo tanto, el rango de {v1 , ...,v6 } es 4 y, adems, la reduccin gaussiana nos permite determinar una base del subespacio que generan:
1
0
0
0
1
1
0
0

2
0
0
0
v 1 = , v 2 = , v 3 = , v 4 = .
0
3
1
0

2
4
2

1
3
2
1
2
Consideremos ahora el mtodo de Gauss aplicado a sistemas desde la ptica

anterior. A partir de la matriz ampliada (4) llegaremos, por reduccin gaussiana, a una matriz de la forma:
z
z
z
z
...
...
...
...
...
...
...
...
...
...
z ... z z... z z ... z z ... z

0 0 ... z... z z ... z z ... z
0 0 ... 0 0... z ... z z ... z
0 0 ... 0 0... 0 0 ... z ... z
0 0 ... 0 0... 0 0 ... 0 0 ... 0
0 0 ... 0 0... 0 0 ... 0 0 ... 0
donde hemos destacado la columna de los trminos independientes. Si en la

ecuacin final, de la forma 0 = z, resulta que el segundo miembro es estrictamente diferente de cero, el sistema resultante ser incompatible, ya que contendr una ecuacin imposible. En caso contrario, el sistema ser compatible.
Podemos definir ahora el rango de una matriz.
El rango de una matriz es el mximo nmero de filas linealmente independientes que contiene, y es igual, a la dimensin del subespacio generado por las filas consideradas como vectores-fila.
Recordemos que...
... para determinar el rango de
una matriz podemos emplear
el mtodo de eliminacin de
Gauss.
FUOC P00/75004/00191
37
Con esta definicin ahora podemos continuar la discusin sobre el nmero de

soluciones del sistema y llegaremos a las conclusiones siguientes:
1) Cuando el rango de la matriz ampliada sea igual al de la matriz del sistema,
no puede aparecer ninguna ecuacin incompatible del tipo 0 = .
2) El rango de la matriz ampliada puede, sin embargo, superar el de la matriz

del sistema en una unidad. En este caso, necesariamente quedar la ltima
ecuacin de la forma 0 = y el sistema ser incompatible.
3) En lo que respecta al nmero de parmetros libres que tiene la solucin de

un sistema compatible, observemos que las variables a las que no haya quedado asociado ningn pivote pueden ser elegidas arbitrariamente, de forma que
las otras quedarn determinadas en funcin de stas. Teniendo en cuenta que
queda una ecuacin para cada pivote, el nmero de grados de libertad de la
solucin ser igual al de incgnitas menos el rango del sistema. Podemos
enunciar ya el teorema de Rouch-Frbenius.
Teorema 4: teorema de Rouch-Frbenius

Un sistema de ecuaciones lineales es compatible si el rango de la matriz
del sistema es igual al rango de la matriz ampliada, y es incompatible en
caso contrario.
El nmero de grados de libertad de un sistema compatible, o nmero de
parmetros del que depende la solucin del sistema, es igual al nmero
de incgnitas menos el rango de la matriz del sistema.
Actividad
17. Comentad las actividades 10, 11, 12 , 13 y 14 desde el punto de vista del teorema de
Rouch-Frbenius.
FUOC P00/75004/00191
38
6. Sistemas homogneos
Un sistema homogneo es aquel en el que el trmino independiente de

todas las ecuaciones es cero. Un sistema homogneo de m ecuaciones y
n incgnitas ser de la forma:
.. .
.. .
.. .
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
(19)
Matricialmente se expresa del siguiente modo:

A x = 0.
Es evidente que todo el sistema homogneo admite la solucin trivial:
...
...
x 1
0

x
2
= 0

x n
0
o, brevemente, x = 0.
Se dice, por abuso de lenguaje, que un sistema homogneo que nicamente tenga la solucin trivial no tiene soluciones propias.
Para los sistemas homogneos, la matriz ampliada contiene slo una columna
de ceros ms que la matriz del sistema, de forma que el rango de la matriz ampliada ser igual al rango de la matriz del sistema. La primera parte del teorema
de Rouch, aplicado ahora, nos dice que siempre tendr solucin, algo evidente ya que x = 0 es una solucin trivial. Pero en el caso de los sistemas homogneos, las soluciones que interesan son precisamente las que no son triviales.
Para un sistema homogneo, si hay una solucin particular x1 o, detalladamente,
...
...
x 1
x 11

x
x
x = 2 = 12

x n
x 1n
FUOC P00/75004/00191
39
entonces, si t es un parmetro arbitrario, x = t x 1 tambin es solucin. Es decir,

tambin es una solucin para todo t.
...
...
x 1
x 11

x 2 = t x 12 .

x n
x 1n
Si un sistema homogneo admite un conjunto de soluciones particulares x i ,

para 1 i s, toda combinacin lineal de la forma
x = t1 x 1 + t 2 x 2 + + t s x s
ser tambin solucin. Si ponemos las solucin en forma matricial, ser:
(20)
...
...
...
...
x 1
x 11
x 21
x s1

x
x
x
2 = t 12 + t 22 + + t x s2 .
1
2
s

x n
x 1n
x 2n
x sn
Estas proposiciones son consecuencia inmediata de las propiedades de las operaciones con las matrices dadas en el apartado 2.
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 solucin en la forma de la frmula (20).

Partimos de la matriz del sistema:
5
1
2
10
2 0
7 0 .
23 0
Resulta ms cmodo tomar el primer pivote de la segunda ecuacin y permutar las filas una
y dos:
1
5
2
7 0
2 0 .
23 0
10
Reducimos a cero la primera columna. El resultado es:

1
0
0
16
16
7 0
37 0 .
37 0
FUOC P00/75004/00191
40
Ahora reducimos la segunda columna y el resultado es:

1
0
0
16
7 0
37 0 .
0 0
El sistema tiene rango dos y dos grados de libertad. La solucin es:
.
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, puesto en forma vectorial:

x
12 7
5 7
12
5

37
7
16
37
= t
+t
= t
+ t 16 .
1
2
1
2
z
0
1
0
7

w
1
0
7
0
Actividades
18. Resolved el sistema de ecuaciones siguiente:
2x y + 3z = 0
x + 3y + 7z = 0 .
x + 8 y + 24 z = 0
1 9. Resolved el sistema de ecuaciones siguiente:
x + y + 5z = 0
2 x + 2 y + 10 z = 0 .
3 x 3 y 15 z = 0
x + y + 5z = 0
4x + 7y 3z = 0 .
x 3y + 2z = 0
x + y + 5z 3t = 0
2x 3y +
z + 2t = 0
.
4 x y + 11 z 4 t = 0
x 4 y 4 z t = 0
2 2. Dado un sistema lineal homogneo de la forma A x = 2 demostrad, utilizando las propiedades de las operaciones con matrices y vectores dadas en el apartado 2 de este mismo mdulo didctico que, si x 1, x 2, ..., x s son soluciones particulares del sistema, entonces
t1 x 1 + t2 x 2 + + ts x s
tambin es solucin del sistema para todo conjunto de valores t 1, t 2, ..., t s reales.
FUOC P00/75004/00191
41
7. Determinantes y regla de Cramer
Entre los sistemas de ecuaciones lineales adquieren especial importancia los

que tienen igual nmero de ecuaciones que de incgnitas, y particularmente
los que son determinados, ya que son los ms habituales en muchas aplicaciones cientficas y tcnicas.
Hemos visto en el apartado anterior cmo se resuelve en la prctica cualquier
sistema de una forma efectiva y con pocas operaciones; pero si lo que deseamos es dar una frmula directa que exprese la solucin, entonces aparecen los
determinantes. Este problema interes a Leibnitz hacia 1678.
Gotfried Wilhelm Leibnitz
(1646-1716)...
7.1. Determinantes de segundo orden

Empezamos por un sistema de dos ecuaciones y dos incgnitas:
a 11x 1 + a 12 x 2 = b 1
.
a 21x 1 + a 22 x 2 = b 2
Multiplicando la primera ecuacin por a 22 , la segunda por a 12 y restando para

eliminar x 2, obtenemos:
( a 11 a 22 a 21 a 12 ) x 1 = b 1 a 22 b 2 a 12 .
Esta frmula 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 11 c 22 c 12 c 21 .
c 22
Con esta definicin la ecuacin anterior se puede escribir:
b1
x 1 det A = det
b2
a 12
.
a
22
Hacemos la misma operacin por x 2 y resulta:

a 11
x 2 det A = det
a
21
b 1
.
b
2
... hijo de un profesor de filosofa de familia acomodada,

pronto se interes por la historia y el derecho. A los 8 aos
comenz a estudiar latn y
poco tiempo despus, griego.
Fue bachiller en 1663, y estudi geometra euclidiana y lgebra con el fsico Erhard
Weigel, y en 1666 defendi su
tesis, De arte combinatoria , con
la que obtuvo el ttulo de doctor en filosofa. Interesado por
las mquinas y por los ingenios, en 1671 escribi su primera obra sobre la mecnica,
Hypothesis physica nova, e invent una mquina de calcular
para aligerar el clculo a los astrnomos. Por sus trabajos de
diplomtico (sugiri a Luis XIV
que conquistase Egipto y que
atacase las colonias holandesas
de Asia) viaj a Londres y a Pars, donde Christian Huygens lo
inici seriamente en las matemticas, algo que lo llev al
descubrimiento del clculo diferencial e integral.
FUOC P00/75004/00191
42
Ahora, si:
det A =
a 11
a 12
a 21
a 22
0,
(21)
podemos aislar x 1 y x 2 y obtenemos:

b1
a 12
b2
a 22
x 1 = ------------------------------a 11
a 12
a 21
a 11
b1
a 21
b2
x 2 = -------------------------------.
a 11
a 12
a 22
a 21
a 22
Las frmulas anteriores reciben el nombre de regla de Cramer . La condicin

(21) permite decidir si el sistema es compatible y determinado o no.
Podemos ilustrar as la regla para calcular un determinante de segundo orden:
La notacin...
... de determinante fue introducida por A. Cayley en el ao
1839.
Ejemplo 17
Dado el sistema siguiente, utilizemos la regla de Cramer para decidir si es o no es compatible
y determinado, y obtened en este caso la solucin:
2x + 5y = 7
.
3x 4y = 4
El determinante del sistema es:
= 2
3
5 = 23 0.
Por lo tanto el sistema es compatible y determinado, y las soluciones son:

7
4
4
48
3
4
13
x = -------------------------- = ------ y = ------------------------ = ------.
23
23
Ejemplo 18
Dado el sistema:
4 x + 7 y = 5
3 kx + 8 y = 2
discutid para qu valores del parmetro k el sistema es compatible y determinado, y en este

caso dad la solucin.
El uso matemtico de DD
Es muy habitual designar el determinante del sistema con la letra griega delta mayscula ().
FUOC P00/75004/00191
43
El determinantes del sistema es:

=
3k
= 21 k 32.
Por lo tanto, si:

32
k -----21
el determinante es diferente de cero y el sistema es compatible y determinado. En este caso,
la solucin es:
2
3k
2
1 5k 8
4
5
y = ---------------------------- = ------------------------.
2 1k 3 2
54
x = --
---5
--------------------7
--- = ---------------------
2 1k 32
7.2. Determinantes de tercer orden

En este subapartado consideramos sistemas de tres ecuaciones y tres incgnitas.
La bsqueda de combinaciones adecuadas de las ecuaciones que eliminen una
variable, para encontrarnos en un caso que ya sabemos resolver, lleva a definir
el determinante de orden tres.
Dada una matriz:

c 11
C = c 21
c 31
c 12
c 13
c 23 ,
c 33
c 22
c 32
llamamos menor complementario ij 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.
Entonces, definimos el determinante de C de la forma siguiente:
c11
det C = c21
c 12
c 13
c 22
c 23 = c11 11 c 21 21 + c 31 31 =
c31
c 32
c 33
= c11
c 22
c 23
c 32
c 33
c 21
c12
c 13
c32
c 33
+ c 31
c12
c 13
c22
c 23
(22)
De la definicin anterior, sustituyendo los determinantes de segundo orden,

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,
(23)
FUOC P00/75004/00191
44
lo cual muestra la simetra de la definicin respecto a las permutaciones de ndices, y respecto a filas y columnas, por contraposicin a (22), donde destaca
especialmente una columna.
La definicin (22) o (23), aunque parezca arbitraria, es de hecho consecuencia
de generalizar, al caso 3 3, las frmulas para aislar las incgnitas que hemos
visto para sistemas 2 2.
La regla (23) para calcular un determinante de tercer orden recibe el nombre
de regla de Sarrus y puede ser ilustrada as:
Ejemplo 19
Calculemos el determinante siguiente:
1
= 3
4
1.
Solucin
= 1 ( 2 ) 5 + 3 ( 1 ) ( 3 ) + 1 4 4 4( 2) ( 3 ) 1 ( 1 ) 1 3 4 5 = 68.
7.3. Determinantes de orden n

Podemos generalizar los determinantes para un orden n cualquiera. Dada una
matriz n n:
a 11
a 21
an 1
a 12
a 22
a n2
a 1n
a 2n
.
a nm
Definiremos el det A por la frmula siguiente:

det A =
( 1 )
a 1i 1 a 2i 2 a ni n
(24)
donde la suma se extiende a todas las permutaciones (i 1 ,i 2 ..., i n ) de los ndices

(1, 2, ..., n), y el signo corresponde a la paridad de la permutacin.
No pretendemos que entendis con toda claridad la definicin anterior, ya
que todava no hemos estudiado las permutaciones. No insistiremos, de este
Ved los apartados 7.1 y 7.3 de este

mismo mdulo didctico.
FUOC P00/75004/00191
45
modo, sobre esta frmula. nicamente la aplicaremos al caso n = 3 para ver

cmo acta.
Las permutaciones de (1, 2, 3) son:
( 1, 2 , 3 )+ , ( 1, 3 , 2 ) , ( 2, 1 , 3 ) , ( 2, 3 , 1) + , (3 , 1 , 2 ) + , ( 3, 2, 1 )
donde hemos puesto la paridad como subndice. La paridad de una permutacin es positiva cuando el nmero de transposiciones o permutaciones de 2
ndices que es necesario hacer para llegar a la permutacin (1, 2, 3) es par, y
negativa si es impar. De este modo, la frmula (24) aplicada a los determinantes de orden 3 dar:
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 ,
que es idntica a la frmula (23) dada por la regla de Sarrus.
Las propiedades que ahora daremos de los determinantes son vlidas para los
determinantes de cualquier orden. Las demostraciones de estas propiedades,
hechas a partir de la definicin (24), son un poco tcnicas y no las ponemos
en el texto para no alargarlo innecesariamente. Podis consultarlas en la bibliografa.
7.3.1. Propiedades de los determinantes
1) Desarrollo por una fila (o columna): adjunto. El valor de un determinante es igual a la suma algebraica de los productos de los elementos de una fila
(o columna) cualquiera, por los menores complementarios correspondientes
afectados de un signo que depende de la posicin que ocupe el elemento, se-
...
...
...
gn la regla de signos siguiente:
El signo correspondiente a la posicin (i, j) es (1)i+j. La expresin resultante

equivale a desarrollar el determinante por los elementos de la fila (o columna) correspondiente. De este modo, (22) no es ms que la expresin del determinante de orden 3 desarrollado por la primera columna.
FUOC P00/75004/00191
46
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. Para cualquier ndice de fila (o columna) i, 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 .
Esta propiedad es muy til para calcular efectivamente los determinantes, ya

que permite reducir el clculo de un determinante de orden n al clculo de determinantes de orden n1.
2) Transponer. El valor del determinante de una matriz es igual a la de su
c21
c 22
c 2n
...
c n1
c n2
c nn
c 11
c21
c n1
c 12
c22
c n2
c 1n
c2 n
...
c 1n
...
...
c 12
...
c11
...
transpuesta, es decir, no se altera al intercambiar filas y columnas:
cn n
3) Permutar filas o columnas. Al intercambiar entre s dos filas o bien dos columnas el valor de un determinante cambia de signo.
Por ejemplo, si intercambiamos la columna i por la j obtenemos:
c1 i
c 1j
c 1n
c21
c2 i
c 2j
c 2n
c nn
c ni
c nj
c1 j
c 1i
c 1n
c21
c2 j
c 2i
c 2n
c n1
...
cn j
...
...
c11
...
...
...
c n1
...
...
c11
c ni
c nn
4) Filas o columnas iguales. Un determinante que tenga dos filas (o columnas) iguales vale 0:
c 1i
c 1n
c 21
c 2i
c 2i
c 2n
...
cn 1
c ni
c ni
= 0.
...
c 1i
...
...
c 11
c nn
5) Suma de determinantes parecidos. La suma de dos determinantes que tengan las filas (o las columnas) comunes excepto una es igual al determinante que
FUOC P00/75004/00191
47
se obtiene con las filas (o columnas) comunes y la fila (o columna) no comn

formada por la suma de los elementos correspondientes de los determinantes
a 1 n
c 21
c 22
c 2n
c 21
c 22
c 2n
c n1
c n2
cn n
c n1
c n2
cn n
a 12 + a12
a 1 n + a1n
c 22
c2 n
cn 1
...
...
...
c 21
...
a1 n
...
...
a 11 + a11
a 12
...
a 12
a 11
...
a 11
...
que sumamos:
c n2
c nn
6) Multiplicacin de una fila o columna por un escalar. Si multiplicamos

todos los elementos de una fila o columna por un escalar, el determinante
c 1n
c 11
c12
c1 n
c2 n
c 21
c22
c2 n
cn 2
c nn
c n1
cn 2
...
c22
...
c n1
c12
...
...
c 21
...
c 11
...
queda multiplicado por el mismo nmero:
c nn
No debemos confundir la operacin de multiplicar una fila de la matriz por un

escalar con la operacin de multiplicar la matriz por un escalar introducida en
el apartado 4 de este mdulo didctico. All todos los elementos de la matriz
quedaban multiplicados por el escalar.
Teniendo en cuenta esto (utilizando esta propiedad para cada una de las n filas
o bien n columnas de A) resultar:
det ( A ) = n d e tA .
7) Aadir una fila (o una columna) multiplicada por un escalar a una paralela. Un determinante no vara si aadimos a una fila (o una columna) los
c 21
c22
c2 n + c 2j
...
c n1
cn 2
c nn + c nj
c 11
c 12
c 1n
c 21
c 22
c 2n
c n1
c n2
si j n.
...
c1 n + c 1j
...
...
c12
...
c 11
...
elementos de una paralela multiplicados por una misma constante:
c nn
8) Elementos de una fila (o columna) por los adjuntos de una paralela. La

suma de los elementos de una fila (o una columna) por los adjuntos de una
paralela vale 0:
a i1 A j1 + a i2 A j2 + + a in A jn = 0
si i j.
FUOC P00/75004/00191
48
9) Determinante de un producto de matrices cuadradas. 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, 2, 3, 4, 5, 6, 7, 8 y 9 que acabamos de enunciar permiten
calcular determinantes sin necesidad de desarrollarlos por la frmula (24).
Para calcular un determinante podemos ir reduciendo a ceros los elementos de
una fila, como hacamos en el mtodo de Gauss, ya que la propiedad 7 nos autoriza a hacerlo, y despus utilizar 1 para desarrollar por aquella fila.
Ejemplo 20
Ved cmo calcular el determinante siguiente:
1
= 3
1.
Para reducir a cero los elementos de la primera columna:

Multiplicamos la primera fila por 3 y la restamos de la segunda.
Multiplicamos la primera fila por 2 y la restamos de la tercera.
El resultado es:
4
11 .
11
Ahora, desarrollndolo por la primera columna, resulta:

= 1
11
1 1 = 6 + 121 = 115.
6
Este mtodo es mucho ms eficiente para calcular determinantes que (23). La

utilidad de las frmulas (24) o (23) es ms terica que prctica. Sirve para demostrar resultados u obtener expresiones compactas, pero se utiliza poco para
calcular efectivamente determinantes.
Las propiedades mencionadas tambin nos permiten asegurar que cierto determinante es cero sin necesidad de desarrollarlo.
Ejemplo 21
Probemos que:
1
= 3
2 = 0 .
Solucin: en efecto, teniendo en cuenta que la tercera columna es la suma de las dos primeras, y utilizando primero la propiedad (7) y despus la (5) obtenemos que el resultado es 0,
porque se trata de la suma de dos determinantes nulos (es decir, que valen 0).
FUOC P00/75004/00191
49
7.3.2. Regla de Cramer para los sistemas n n

Consideremos ahora un sistema de n ecuaciones con n incgnitas:
...
...
...
...
a 11 x 1 + a 12 x 2 + + a 1n x n = b 1
a 21 x 1 + a 22 x 2 + + a 2n x n = b 2
.
a n 1 x 1 + a n 2 x 2 + + a nn x n = b n
Multiplicando la ecuacin 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 =
= b 1 A 11 + b 2 A 21 + + b n A n1 .
Para la propiedad 1 el primer parntesis vale det A, mientras que para la 8,
los restantes parntesis valen 0. Por lo tanto, la expresin anterior queda
reducida a:
a1 n
b2
a 22
a2 n
bn
...
...
a 12
...
x 1 det A =
b1
a n2
a nn
Podemos repetir el clculo anterior con los adjuntos de las columnas segunda,
tercera, ..., i-sima, respectivamente, y si:
det A 0
(25)
obtenemos las frmulas de Cramer, tambin, para las dems variables:
x i = ----i
(26)
a 1, i 1
b1
a 1, i + 1
a 1n
a 21
a 2, i 1
b2
a 2, i + 1
a 2n
...
...
a n, i 1
bn
a n, i + 1
a n1
...
...
i =
a 11
...
donde:
a nn
FUOC P00/75004/00191
a1 n
a 21
a 22
a2 n
a n1
a n2
(27)
...
a 12
...
a 11
...
50
a nn
Observad que:
a) El determinante i se obtiene cambiando la columna i de por la columna
de trminos independientes.
b) La condicin para que el sistema sea compatible y determinado se expresa
en (25).
Veamos un ejemplo de sistema 3 3.
Ejemplo 22
Utilicemos la regla de Cramer para discutir y resolver el sistema siguiente:
x + 2y z = 1
5x + 4y + 3z = 5 .
2x + y + 2z = 6
1
= 5
1
3 = 1 4 2 + ( 5 ) 1 ( 1 ) + 2 3 2 2 4 ( 1 )
2
2 ( 5 ) 2 1 3 1 = 50 0
y, en consecuencia, el sistema es compatible y determinado. Para calcular las variables tendremos:

1
x = --1
---- 5
50
6
1
1
y = ------ 5
50
2
1
1
z = ------ 5
50
2
40
----- = 4
--3 = 50
5
2
4
1
1
48
24
----- = -----3 = 50
25
2
5
6
2
4
1
1
86
43
----- = ------.
5 = 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
.
3x 2y + 9z t = 6
x + 3 y z t = 0
FUOC P00/75004/00191
51

1
1
2
2
.
Empleando como pivote el elemento de la primera fila y la primera columna, reducimos a

cero la primera columna:
1
= 0
0
6
6 =
5
5
2
1
6
5.
0
4
Ahora podemos aadir la tercera columna a la primera, utilizando nuevamente la sptima

propiedad de los determinantes.
Obtenemos:
= 3 5 = 15 0.
El sistema es de Cramer, y podemos calcular los determinantes 1, 2 , 3 y 4 , que nos determinarn x, y, z, t. De este modo:
3
1 1
24
1 = 1
6
2 = 1
1
0
26
51
11
11
= 2 6
24
4
61
11 = 127
24
20
51
51
40 =
61
4
=
20 = 100,
4 0
127
lo cual permite obtener x:
100
20
x = ---------- = ------.
3
15
Procediendo de forma similar, obtenemos:
2 = 80,
3 = 51
4 = 89.
Finalmente,
16
y = ------,
3
17
z = ------,
5
89
t = ------.
15
Como puede comprobarse, habra resultado mucho ms corto hacer los clculos con el mtodo de Gauss.
Hemos visto que la teora de los determinantes permite una formulacin compacta para resolver los sistemas n n. Pero el precio que se paga por este mtodo es bastante elevado, ya que para resolver efectivamente un sistema es
mucho menos eficiente que el mtodo de Gauss.
FUOC P00/75004/00191
52
Podemos afirmar que los determinantes tienen un papel terico y permiten

sistematizar los resultados, mientras que en el momento de resolver sistemas
concretos, el mtodo eficiente y recomendado con carcter general es el mtodo de Gauss.
Incluso cuando debemos calcular un determinante, lo hacemos reduciendo a
cero filas o columnas por el mtodo de aadir a una fila (o columna) otra fila
u otra columna multiplicada por una constante (propiedad 7), y repitiendo la
operacin tantas veces como sea necesario, sin utilizar directamente las definiciones. En definitiva, el procedimiento de clculo regresa nuevamente al
mtodo de Gauss.
Los determinantes permiten tambin obtener una definicin alternativa a la
que ya hemos visto del rango de una matriz.
Llamamos determinante menor de orden s de una matriz a todo determinante formado por s filas y s columnas extradas de la matriz dada.
Si la matriz tiene m filas y n columnas, el menor de orden mximo que
podemos formar ser de orden igual al menor de los dos nmeros m, n.
Con la definicin de menor podemos enunciar el teorema siguiente.
Teorema 5
El rango de una matriz es igual al orden del menor de orden mximo
diferente de cero.
Para utilizar este teorema debemos encontrar un menor no nulo de orden tan
grande como seamos capaces, algo que nos indicar que los vectores de la fila
implicados son linealmente independientes. A continuacin, vamos amplindolo con una fila y una columna, de modo que el nuevo determinante menor
contine siendo diferente de cero. Cuando todos los menores orlados del dado
sean nulos, habremos determinado el rango.
Dada la simetra entre filas y columnas en un determinante, se deduce

fcilmente que en una matriz n m, el nmero de filas y el de columnas
linealmente independientes es el mismo.
Veamos, de este modo, la utilidad terica de los determinantes ante la potencia prctica del mtodo de Gauss. Los determinantes son un complemento necesario para discutir y sistematizar el estudio de los sistemas de ecuaciones,
pero para calcular las soluciones utilizaremos el mtodo de Gauss.
FUOC P00/75004/00191
53
Actividades
23. Utilizando determinantes, ved qu podemos decir a propsito de un sistema homogneo de n ecuaciones y n incgnitas:
(28)
...
...
...
a 11 x 1 + a 12 x 2 + + a 1n x n = 0
a 21 x 1 + a 22 x 2 + + a 2n x n = 0
.
a n1 x 1 + a n2 x 2 + + a nn x n = 0
a) Cul es la condicin para que el sistema tenga soluciones no triviales?
b) En el caso de que tenga, y que sta tenga a su vez 1 grado de libertad, qu expresin
podemos dar para la solucin?
24. Para qu valores de el sistema homogneo siguiente tiene soluciones no triviales?
En estos casos, encontradlas.
5z = 0
12 z = 0 .
y + ( 2 )z = 0
( 2 0 ) x +
9y
51 x + ( 2 3 )y
3x
25. Determinad para que el sistema siguiente sea compatible:

2 x 3y z = 2
x + 2y 3 z = 4
.
x + 2y z = 3
x 2 y + 2 z = 1
26. Discutid las soluciones del sistema siguiente, segn los valores del parmetro :
x + y +
z = 1
z = .
x + y + z = 2
x + y +
27. Determinad para que el sistema tenga soluciones no triviales, y dad las soluciones
correspondientes en forma de vectores-columna.
x + y + z = 0
3 x + y 2 z = 0 .
2x + 4 y + z = 0
28.
a) Demostrad que:
1
x2
= ( x y ) ( y z ) ( z x ).
Determinante
de Vandermonde
x1
x1
x1
x2
x2
x2
...
...
...
b) Generalizando el mtodo anterior, calculad el determinante siguiente, conocido

como determinante de Vandermonde:
xn
xn
n 1
...
n 1
n 1
xn
Determinante que tiene unos

en la primera fila, mientras que
la segunda fila es arbitraria y las
siguientes estn formadas por
las potencias sucesivas de los
elementos de la segunda fila.
Lo mismo se puede aplicar en
lo que respecta a las columnas.
FUOC P00/75004/00191
54
a 12
a 13
a1 n
a 22
a 23
a2 n
a 33
a 3n .
...
...
...
a 11
...
29. Calculad este determinante:
an n
FUOC P00/75004/00191
55
8. Matriz inversa
Diremos que la matriz cuadrada A tiene inversa si hay una matriz, que
denotaremos como A 1, la cual verifica:
A A1 = A 1 A = I.
Teniendo en cuenta que el determinante de un producto de matrices es igual

al producto de los determinantes y que el determinante de I es 1, para que A
tenga inversa es necesario que:
det A 0.
(29)
Esta condicin es tambin suficiente a partir de la primera y la octava propiedad de los determinantes. Si se cumple (29), la matriz siguiente:
A 22
A 2n
A n1
A n2
A nn
(30)
...
A 21
...
...
A 11
A 12
1
= ---------------
det A
A 1n
formada por los adjuntos de los elementos (transpuestos) divididos por el determinante es inversa de A .
En efecto, si multiplicamos esta matriz por A, los elementos diagonales de la

matriz del producto correspondern a la suma de productos de los elementos
de una fila por los adjuntos de la misma fila y divididos por det A que, por la
propiedad 1 de los determinantes, es 1.
En cambio, los elementos no diagonales correspondern a la suma de productos de los elementos de una fila por los adjuntos de una paralela que, por la
propiedad 8 de los determinantes, es cero. As pues, la condicin necesaria y
suficiente para que A tenga inversa es (29).
La frmula (39) de la matriz inversa tiene, como siempre, ms utilidad terica

que prctica, ya que resulta muy costoso hacer el clculo de la inversa a partir
de sta. Podemos emplear tambin el mtodo de Gauss.
El mtodo de Gauss nos permite resolver simultneamente diferentes sistemas

considerando la matriz ampliada con una columna para cada segundo miem-
Recordad la novena propiedad de

los determinantes
FUOC P00/75004/00191
56
bro. Aplicamos el mtodo de Gauss tomando como segundos miembros los

vectores columna:
...
...
...
0
0

1
, , 0

0
1
1

0 ,

0
los cuales, puestos como columnas de la matriz ampliada, forman la matriz

identidad. El sistema ser ahora:
...
x 1n
1
=
0
x nn
...
x 11
x n1
...
...
a 1n
a nn
...
...
a 11
a n1
o, en forma de matrices:
A X =I
(31)
y la solucin ser precisamente X = A 1.

La matriz ampliada del sistema ser:
a 1n 1
a nn 0
0
.
...
...
...
...
a 11
a
n1
Primero, la reducimos por el mtodo de Gauss a forma triangular. A continuacin, dividimos las filas por los elementos diagonales que han quedado, a fin
de convertirlos en unos. Finalmente, reducimos a cero tambin los elementos
del tringulo superior empleando el mtodo de Gauss de abajo a arriba y tomando como pivotes los unos de la diagonal principal. El resultado ser:
0 x 11
1 x n1
lo cual nos dar la matriz inversa X.
Ejemplo 24
Queremos encontrar la matriz inversa de A, donde:
1
A = 5
x 1 n
,
x nn
...
...
...
...
1
4
1
1
5 .
1
FUOC P00/75004/00191
57
Para encontrarla, escribimos la matriz ampliada siguiente:

1
5
2
1 1
5 0
4
1
1 0
0
0 .
1
la cual reducimos por el mtodo de Gauss. En la primera triangulacin obtenemos:

1
0
0
0
1 13
0
0 .
1
Podemos continuar su reduccin multiplicando la tercera fila por 1 y la segunda tambin

por 1 para llenar de unos la diagonal principal. Finalmente, reduciremos a cero la parte superior de la matriz del sistema. El resultado ser:
1
0
0
1 13
1
0 .
1
La matriz inversa es, por lo tanto:

9
5
13
2
1
3
1
0 .
1
Vemos as que el coste de encontrar la inversa de una matriz n n por el mtodo de Gauss es resolver simultneamente n sistemas por Gauss con la propia
matriz del sistema, que es muy inferior a n veces el coste de resolver un sistema; esto se debe a que, para cada sistema, nicamente debemos aadir los clculos relativos a la columna correspondiente de la matriz ampliada.
Si hemos calculado la matriz inversa de A, tenemos automticamente la solucin de cualquier sistema de la forma
Ax=b
ya que multiplicando esta ecuacin por A1 por la izquierda obtenemos lo siguiente:
x = A1 b
Actividades
30. Calculad, si la hay, la inversa de la matriz siguiente por el mtodo de Gauss:
1
2
2
5
1
4
3 .
4
31.
a) Calculad la matriz inversa de:
cos
sen
s e n
.
cos
FUOC P00/75004/00191
58
b) Comprobad que A A t = A t A = I.
c ) Las matrices que verifican la propiedad anterior reciben el nombre de ortogonales. Es
posible conseguir que la matriz siguiente sea ortogonal eligiendo a, b y c de forma adecuada?
3 5
4 5
4 13
3 13
12 13
a
b .
c
FUOC P00/75004/00191
59
Resumen
Hemos visto que, para resolver efectivamente sistemas de ecuaciones lineales,

el mtodo de eliminacin de Gauss es el ms adecuado. Permite transformarlos en forma escalonada con un mnimo de operaciones.
Por otro lado, la teora de los determinantes permite una formulacin terica ms
directa, pero los clculos son mucho ms complicados. Para un sistema n n determinado, las frmulas de Cramer nos dan una expresin directa de las soluciones. A pesar de ello, en el momento de calcular determinantes tambin utilizamos
el mtodo de Gauss.
Los sistemas de ecuaciones nos llevan, de forma natural, a introducir el concepto de matriz y sus operaciones, reconociendo en ellas las estructuras de anillo y de espacio vectorial.
El estudio de los espacios vectoriales aplicado a los sistemas de ecuaciones nos
permite introducir el concepto de rango de una matriz, y a partir de esto el teorema de Rouch-Frbenius da la clave para saber si un sistema es compatible
o no, y si lo es, cuntos grados de libertad tiene la solucin general.
Los determinantes resultan tambin tiles para saber si una matriz tiene inversa, y hemos llegado a la conclusin de que, para ello, es necesario nicamente
que su determinante sea diferente de cero.
FUOC P00/75004/00191
61
Ejercicios de autoevaluacin
1 . Resolved los sistemas de ecuaciones siguientes:
y + 2z = 19
x + 2 y + 3 z = 27 .
4 x + 2 y + 5z = 42
3x +
y + 2z = 19
x + 2 y + 3 z = 27 .
4 x + 3 y + 5z = 42
3x +
3 x + y + 2z = 19
x + 2 y + 3 z = 27 .
4 x + 3 y + 5z = 46
y + 2z = 0
x + 2y + 3z = 0 .
4 x + 2 y + 5z = 0
3x +
y + 2z = 0
x + 2y + 3z = 0 .
4 x + 3 y + 5z = 0
3x +
2 . Discutid el sistema siguiente segn el valor del parmetro m. Resolvedlo por los valores de
m que hacen que sea compatible:
mz = m
x + y + 3 z = 5 .
2x + my +
= 0
x +
3 . Discutid este sistema segn los valores de a y b:

a x + by + z = 1
x + aby + z = b .
x + b y + a z = 1
4. Consideremos los vectores v1 = (1, 2, 0, 1), v2 = (2, 1, 1, 3), v3 = (1, 3, 2, 2) y v4 = (4, 3, 0, 7).
a) Son linealmente independientes? Escribid esta condicin en trminos de determinantes.
b) Determinad el rango de { v1 , v2 , v3 , v4 } y dad una base del subespacio que generan.
c) Sustituid los vectores convenientes de la base cannica {u 1 , u2 , u3 , u 4} por los vectores
encontrados en el apartado anterior para formar una nueva base de E 4 .
d) Expresad los vectores {v1 , v 2 , v3 , v 4 } en la nueva base, y determinad sus componentes
en esta nueva base.
5 . Encontrad la inversa de la matriz siguiente:
9 2 4
A = 1
--- 1 2 1
5
12 1
7
6 . Dada la matriz
2
A =
4
1
2
FUOC P00/75004/00191
62
encontrad matrices B y C que cumplan A B = C A = 0 . Hay alguna matriz D diferente de

0 tal que A D = D A = 0 ?
7 . Lo mismo que en el ejercicio anterior, suponiendo que ahora A es tal que det( A)0 .
8 . Una empresa tiene dos centros de produccin, uno en Lrida y otro en Matar. En cada
uno de los centros se han hecho las compras siguientes:
En Lrida se han comprado 1 tonelada de tinta, 2 toneladas de papel, 3 toneladas de
disolvente y 5 toneladas de madera.
En Matar se han comprado 2 toneladas de tinta, 6 toneladas de papel, 4 toneladas de disolvente y 3 toneladas de madera. Sabiendo que los precios para cada artculo son: tinta 3
u.m. (unidades monetarias), papel 2 u.m., disolvente 5 u.m. y madera 2 u.m.
a)Disponed esta informacin en dos matrices A y B de forma que A B nos d la cantidad
total que han gastado cada uno de los centros de produccin.
b) Encontrad otra matriz C, tal que operando convenientemente las tres matrices obtengamos el total gastado entre los dos centros
c)Encontrad una matriz H que, operada convenientemente, nos d la cantidad total de
cada producto que han comprado entre los dos centros (es decir: 3 toneladas de tinta, 8
toneladas de papel...).
d) Al cabo de unos cuantos das, una vez agotado todo el material, deciden volver a hacer
la misma compra (los mismos productos y las mismas cantidades), pero el vector de precios es ahora (4, 2, 6, 7). Disponed esta informacin en dos matrices D y E de forma que
D E nos d por columnas las cantidades totales que han gastado los centros en cada una
de las compras que han hecho.
e)Cmo podemos encontrar la cantidad gastada entre los dos en cada una de las compras?
f)Cmo encontramos la cantidad total gastada entre los dos?
9 . Disponemos de tres aleaciones A, B y C, cuya composicin aparece en la tabla siguiente:
A
Plata
5%
10%
15%
Cobre
15%
25%
40%
Oro
80%
65%
45%
Mezclando las tres aleaciones podemos obtener diferentes productos con varias proporciones de plata, cobre y oro.
a) Encontrad una matriz tal que, multiplicndola por los kilogramos de A, de B y de C que
mezclemos, nos proporcione los kilogramos de plata, cobre y oro que hay en la mezcla final. Cul es la suma de cada una de sus columnas?
b) Mezclando 50 kilogramos de A, 20 de B y 20 de C, cuntos kilogramos de plata, cobre y oro
habr en la mezcla resultante? Cul ser la proporcin de plata, cobre y oro en la mezcla final?
c) Mezclando 0,5 kilogramos de A, 0,2 de B y 0,3 de C, cuntos kilogramos de plata, cobre y
oro habr en la mezcla resultante? Cul ser la proporcin de plata, cobre y oro en la mezcla
final?
d) Podemos obtener una mezcla con el 20% de plata y el 80% de oro? Qu interpretacin
de la solucin podemos dar cuando alguna incgnita toma valor negativo?
e) Podemos obtener una mezcla con el 11,5% de plata, el 30,5% de cobre y el 58% de oro?
10. Supongamos que las composiciones de las aleaciones del ejercicio anterior son:
A
Plata
5%
10%
15%
Cobre
15%
25%
35%
Oro
80%
65%
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, el 27% de cobre y un 62% de oro?
Si hay diferentes posibilidades, de las que tienen valores positivos para las tres variables,
cul tiene una proporcin menor de plata? Cul tiene una proporcin mayor?
FUOC P00/75004/00191
63
11. Se mezclan tres aleaciones A, B, C de las caractersticas siguientes:
Plata
5%
10%
15%
Cobre
15%
25%
m%
Oro
80%
65%
85 m%
para obtener una mezcla que tenga el 12% de plata, n% de cobre y el resto de oro. Plantead
el sistema correspondiente y discutidlo segn el valor de los parmetros m y n. Resolvedlo
cuando sea posible.
FUOC P00/75004/00191
64
Solucionario
Actividades
1 . Tenemos que:
2 5 3 1
26 38
A B =
=
.
1 3 4 8
9 25
3 1 2 5
7 12
B A =
=
.
4 8 1 3
0 44
As pues, efectivamente, A B B A.
2.
526 194
3
2
2 A 5 A + 4 A + 3 I =
97
41
7 1 7 2
50 1 6
t
A A =
=
.
2 2 1 2
16 8
3 . Como es habitual, escribiremos (A) ij = aij y ( B) j k = b jk donde 1 i m, 1 j n y 1 k m.
Tambin tendremos, por definicin de la matriz transpuesta, que (A t) ij = a ji y (Bt) ij = b ji.
Si consideramos ahora la matriz (A B) t, tenemos que ((A B )t) ij = (A B) ji =
a
n
k= 1
jk
b k i.
Sin embargo:
t
(B )
( B A ) ij =
k = 1
ik
( A )k j =
k = 1
ki
a jk =
a
n
k= 1
jk
b k i.
con lo cual ((A B )t) ij = (Bt A t)ij y las matrices (AB ) t y BtA t son iguales.
4 . Tenemos:
64
4 6
B1
6 6
A
4 6
64
B2
44
Por lo tanto, los dos productos se pueden calcular. Observemos que, por las propiedades
de la matriz transpuesta:
t
t t
B 1 = ( A A) = A (( A) ) = A A = B 1
y, por lo tanto, B 1 es simtrica. Comprobad que B2 tambin es simtrica.
5.
a b d b
1------------ d b
a b ---------------------1
------------
c d ( a d b c ) c a = ( ad bc ) c d c a =
0
1 0
1------------ a d b c
= ----------=
.
0 1
( a d bc )
0
a d b c
6.
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
2
= a 11 x + 2 a 12 xy + a 22 y + 2 a 1 x + 2a 2 y + a .
FUOC P00/75004/00191
65
As, pues, la matriz A es simtrica.

7 . Recordemos que ((AB )C)ij se obtiene haciendo el producto de la fila i de la matriz (AB ) por
la columna j de C y, por lo tanto, podemos escribir:
( A B)
n
( ( A B )C) ij = ( A B ) i1 C 1j + ... + ( A B ) in C nj =
m = 1
im
C m j.
Pero cada uno de los elementos de A B se obtiene haciendo:
a
n
( A B ) im = a i1 b 1m + a i2 b 2m + ... + a im b n m =
k= 1
ik
bk m ;
sustituyendo los (A B)im por sus valores tenemos:
( ( A B )C ) ij =
(A B )
n
m = 1
im
Cmj =
a
n
m= 1
k = 1
ik
b km c m j .
Haciendo los productos y reorganizando los sumatorios (lo cual puede hacerse por la propiedad distributiva del producto respecto a la suma), obtenemos:
( ( A B )C ) ij =
a
n
m = 1
ik
k= 1
a
n
k = 1
ik
b km c m j =
a b
n
k= 1
ik
m = 1
km
c m j =
( B C) k j = ( A (B C ) ) ij.
8.
a) La ecuacin 1 e1 + 1 e1 = 0 se escribe:
1 ( 2 , 0 , 3 ) + 2 ( 1 , 3 , 5 ) = 0
que, en componentes, lleva al sistema:
2 1 + 2 = 0
3 2 = 0
3 1 + 5 2 = 0
La nica solucin de este sistema es 1 = 2 = 0. En consecuencia, e1 y e2 son linealmente
independientes.
b) Siguiendo el mtodo de la proposicin 2 y el teorema de Steinitz, a partir de la base cannica { u 1 ,u 2 ,u 3 } empezamos por sustituir u1 por e 1 . Esto es factible, ya que el componente de e 1 segn u 1 en la base cannica es 2 0. Tenemos:
e 1 = 2 u1 3 u 3
y as:
u1 = 1
---e 1 + 3
---u 3 .
2
2
Por lo tanto, { e1,u 2 , u 3} forman una base de E3 .
Un vector arbitrario v = (v1, v2 , v3) se expresar as en la nueva base:
1
3
v = v1 u 1 + v 2 u 2 + v 3 u 3 = v 1 ---e 1 + --u 3 + v 2 u 2 + v 3 u 3 =
2
2
1
3
= ---v1 e 1 + v 2 u 2 + ---v1 + v3 u 3 .
2
2
Podemos continuar la sustitucin de vectores de la base cannica. Expresamos e 2 en la
base anterior { e 1,u 2,u 3 }. Tendremos:
FUOC P00/75004/00191
66
1
3
1
7
e 2 = ---( 1 )e 1 + 3u 2 + ---( 1 ) + 5 u 3 = ---e1 + 3 u 2 + ---u 3 .
2
2
2
2
El componente segn u 2 es 3 0, y de este modo puede sustituir a u 2:
1
1
7
u 2 = ---e 1 + ---e 2 ---u 3 .
6
3
6
Ahora podemos expresar v en la nueva base { e 1,e 2,u 3}:
1--v e + v u + 3
v= --v + v 3 u 3 =
1 1
2 2
2 1
2
= 1
---v 1 e 1 + v 2 1
---e + 1
--e 7
---u + 3
---v + v 3 u 3 =
6 1 3 2 6 3 2 1
2
1
1
1
= ---v 1 + ---v 2 e 1 + ---v2 e 2 +
2
6
3
7
3
--v --v + v 3 u 3 .
2 1 6 2
c) Es la frmula obtenida en el apartado anterior.

d) Utilizando la expresin anterior y aplicndola a u 1 = (1,0,0) y a u 2 = (0,1,0), resulta:
u1 = 1
---e 1 + 3
---u 3
2
2
1
1
1
u 2 = ---e 1 + ---e 2 ---u 3 .
6
3
7
9.
a) El segundo vector debe pertenecer al subespacio generado por { e1,e 2}. Por lo tanto, debe
ser combinacin lineal:
e2 = e 1 + e 2 = ( 2, 0, 3) + ( 1, 3, 5 ).
Si el primer componente de e2 debe ser 0, resulta 2 = 0, que, sustituyendo en la expresin anterior de e2 , da:
e 2 = ( 2, 0, 3 ) + 2 ( 1 , 3, 5 ) = ( 0, 6, 7 )
y si queremos podemos elegir = 1, obteniendo e2 = (0, 6, 7)
b)
1
1
1
e 2 = ---( e 2 e 1 ) = ---e 1 + ---e 2 .
2
2
10.
a) Se toman dos elementos del conjunto A = {(x, y, z) R 3 : 3x + 2 y + z = 0}:(u 1,u2 ,u3) y
(v1,v2 ,v3).
Debemos comprobar si se verifica que (u 1,u2 ,u3) + (v1 ,v2,v3) = (u 1 + v1, u2 + v2 u 3+v3) A.
Para ello, es necesario que veamos que: 3 ( u 1 + v1 ) + 2( u 2 + v 2) + u 3 + v3 = 0 .
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, u2, u 3) A. Para ello es necesario ver que 3 ku1 + 2ku2 + ku3 = 0.
Efectivamente:
3 k u1 + 2 k u 2 + k u3 = k ( 3 u 1 + 2u 2 + u 3 ) = 0 .
b) Se toman dos elementos del conjunto B = {(x, y, z) R 3 : 5x + 2y 7z = 3}: (u 1, u 2, u 3) y
(v1, v2 , v3).
Debemos comprobar si se verifica que (u 1 + v1, u2 + v2, u3 + v 3) B. Para ello, es necesario
ver que:
FUOC P00/75004/00191
67
5 ( u 1 + v1 ) + 2 ( u 2 + v 2 ) 7 ( u 3 + v 3 ) = 3 .
Pero tenemos que:
5 u 1 + 2 u 2 7 u 3 + 5 v 1 + 2 v2 7 v3 = 3 + 3 = 6;
por lo tanto, el conjunto B no es un subespacio vectorial de R 3 .
c) Se toman dos elementos del conjunto C = {( x, y, z) R 3 : x 0}: (u 1 , u2, u3) y (v1 , v2, v3).
Debemos comprobar si se verifica que ( u1 + v 1, u2 + v 2u 3 + v3) C. Para ello, es necesario
ver que:
( u1 + v 1 ) 0 .
Efectivamente, si u 1 0 y v1 0 entonces (u 1+v1) 0.
Debemos comprobar si k(u 1,u2 ,u3) C.
Siendo u 1 0, no necesariamente tenemos que k u1 0 por cualquier valor de k.
11.
a) Se toman dos elementos del conjunto A = {f F(R,R) : f(1) = k}:f1 y f2.
Queremos ver si f1 + f 2 A. Para ello es necesario que se verifique que (f1 + f 2)(1) = k.
Tenemos
( f 1 + f 2 ) ( 1 ) = f 1 ( 1 ) + f 2 ( 1) = k + k = 2k .
As pues, slo se verifica en el caso k = 0. Por lo tanto, en general, A no es subespacio vectorial de F(R,R).
b) Se toman dos elementos del conjunto B = {f F(R,R) : f(0) = 2f(1)}: f1 y f 2.
Queremos ver si f 1 + f 2 B. Para ello es necesario que (f1 + f2 )(0) = 2(f 1 + f 2)(1). 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 ).
Queremos comprobar si kf 1 B. Para ello es necesario ver si (kf1)(0) = 2(kf 1)(1). Efectivamente:
( k f 1 ) ( 0 ) = kf 1 ( 0 ) = k2 f 1 ( 1) = 2 ( kf 1 ) ( 1 ).
c) Se toman dos elementos del conjunto C = {f F(R,R) : f(x) = f 2 (x)}:f 1 y f 2.
Queremos ver si f1 +f2 C. Por ello es necesario que (f 1+f 2)(x) = (f 1+f 2) 2 (x).
Tenemos
2
( f 1 + f 2 ) ( x ) = f1 ( x ) + f 2 ( x ) = f 1 ( x ) + f 2 ( x ) ( f 1 + f 2 ) ( x ).
Por lo tanto, C no es subespacio vectorial de F(R, R).
12.
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 1 0
0 7 1 4 0
0 0 -3-- -3-
y, por lo tanto, el sistema tiene como solucin nica x = 3; y = 2; z = 1. Podemos comprobar que el resultado es correcto sustituyendo los valores encontrados por las incgnitas en
cada una de las ecuaciones, con lo que obtenemos:
x + y + 5 z = 3 + 2 + 5 ( 1) = 0
(correcto),
2 x y + 3 z = 2 3 2 + 3 ( 1 ) = 1
3 x + 4 y z = ( 3 ) 3 + 4 2 ( 1) = 0
(correcto),
(correcto).
13. Observad las permutaciones entre las filas y cmo facilitan los clculos:
FUOC P00/75004/00191
68
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
0
7
2
129
0
7
1
6
38
con lo que obtenemos:

31
4
43
x = ------, y = ---, z = ------.
24
3
24
14.
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
2
2 3
3 3 6 9
3 3 6 9
2 2 3 6
11
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 ; y = 3 z ; t = 0;
15.
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
26
15
26
15
2
1
4 0
0
6
26
15
2
4
2
que es un sistema incompatible, ya que la ltima ecuacin se ha transformado en

0 x + 0 y + 0 z = 2, y esta ecuacin no tiene ninguna solucin.
16.
2
0
1
3
2 2 1 1
8
1 1
0 0
2
1 1 1
1 1
2 2
1 1
0 0
3
1 1
3 3
3 3 4 4
1
1
0
0
0
1 1
0 0
0 0 3 3
0 0 1 1
0 0
1
1
0
0
0
1 1
1
0 0
2
6
0 0
2
0 0
0 0
2
1 1 0 0
2 1 1
1
3
0
4
0
4
1
2
3
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
FUOC P00/75004/00191
69
de donde podemos aislar x 1 y x 4 en funcin de las dems incgnitas, obteniendo

x 1 = 3 x2 x 3, x 4 = 2 x 5 (comprobadlo!). Observad que todas las soluciones de este
sistema se pueden expresar as:
( x 1 , x 2 , x 3, x 4, x 5 ) = ( 3 x 2 x 3, x 2, x 3 , 2 x 5 , x 5 ) =
= ( 3, 0, 0, 0, 2, 0 ) + x 2 ( 1, 1, 0, 0, 0 ) + x 3 ( 1 , 0, 1, 0, 0 ) + x 5 ( 0, 0, 0, 1, 1 ) .
17.
Ejercicio
Nmero
de variables
Rango
sistema
Rango matriz
ampliada
Tipo solucin
Grados
libertad
10
Determinada
11
Determinada
12
Indeterminada
13
Incompatible
14
Indeterminada
18.
2 1 3
1
3 7
1
8 24
0
1 3 7
0 2 1 3
1 8 24
0
1 3 7
0 5 17
0 5 17
0
1 3 7
0 0 5 17
0 0 0
0
0
0
0
0
0
0
x
16
y = 17 t .

z
5
19. Teniendo en cuenta que todas las ecuaciones son mltiples de la primera, el sistema se
reduce a (1 1 5 | 0), y la solucin es x = y 5 z.
20.
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
23
0 0 3
0 .
25
0
0 0 --3---- 0
Obtenemos x = 0; y = 0; z = 0. Teniendo en cuenta que la nica solucin de este sistema

homogneo es lva trivial, diremos que el sistema homogneo no tiene solucin propia.
21.
1
2
4
11
0
1
0
0

0
0
0
0
0
0
0
x 16
0
y
9
=
s.
0
z
5
t 0
0
22. Si x 1, ..., xn son soluciones del sistema A x = 0, querr decir que A x 1 = 0, ..., A xn = 0
y, por lo tanto:
A ( t 1 x 1 + t 2 x 2 + ... + t n x n ) = A t 1 x 1 + A t 2 x 2 + ... + At n x n =
= t 1 A x 1 + t 2 Ax 2 + ... + t n Ax n = t 1 0 + t 2 0 + ... + t n 0 = 0 .
FUOC P00/75004/00191
70
23.
a) En primer lugar, es necesario que el determinante del sistema sea nulo (det A = 0), ya
que, si es diferente de cero, sera determinado y slo tendra la solucin trivial nula.
En segundo lugar, si det A = 0, entonces una solucin es:
x 1 = A 11 t ,
x 2 = A 12 t ,
x n = A 1n t
donde A1 j es el adjunto del elemento a 1j, ya que en la primera ecuacin, al sustituir las x,
tendremos:
a 11 A 11 t + a 12 A 12 t + ... + a 1n A 1n t = t det A = 0
y para las otras aparecer la suma de productos de los elementos de una fila por los adjuntos de una paralela que, por la propiedad 8 de los determinantes, es cero.
Puede suceder, sin embargo, que todos estos adjuntos sean 0, lo cual nos indicara que:
el rango es inferior a n 1 y hay ms de una indeterminada.
o bien lo debemos probar con los adjuntos de otra fila que no tenga todos los adjuntos
nulos.
24. Para que el sistema tenga soluciones no triviales es necesario que el determinante del sistema sea cero, a fin de que el rango sea inferior a 3. La condicin es, de este modo:
( 20 )
51
23
12
= + 5 8 + 4 = 0.
Buscamos soluciones enteras de la ecuacin polinmica y obtenemos 1 = 1, 2 = 2 y 3 = 2,

que sern los nicos valores que darn lugar a soluciones no triviales.
Busquemos las soluciones para = 1. El sistema es:
21 x + 9 y 5 z = 0
51 x + 22 y 12 z = 0 .
3x y +
z = 0
Segn la actividad anterior, la solucin ser:
x1 =
22 12
1
t = 10 t, x 2 =
51
12
t = 15 t , x3 =
51
22
51
21
t = 15 t
o bien:
x
2
y = 3 t .

z
3
Para = 2, el sistema es:
22 x + 9 y 5 z = 0
51 x + 2 1y 12 z = 0 .
3x y
= 0
De forma anloga, la solucin es:
x =
21 12
1
t = 12 t , y =
5 1
12
t = 36 t, z =
o bien:
x
1
y = 3 t .

z
1
t = 12 t
FUOC P00/75004/00191
71
25. El determinante de la matriz ampliada del sistema es:

2 3 1 2
1
2 3 4
1 2 1 3
2
= 13 26,
2 1
por lo tanto, este determinante se anula slo en el caso de que = 2. Podemos observar
que el rango de A es 3, independientemente del valor del nmero real .
Observemos que si 2, el rango de la matriz ampliada ser 4 y el rango de la matriz del
sistema ser, como mximo, 3 (ya que la matriz del sistema slo tiene tres columnas). Tendremos, de este modo, un sistema incompatible.
Para el caso = 2, sustituimos este valor en el sistema y lo resolvemos siempre (es un sistema normal: no hay parmetros, ni lambdas, ni nada). Os daris cuenta de que es un
sistema compatible indeterminado.
26. El determinante de la matriz del sistema es:
1 1
3
1 1 = 3 + 2 = ( 1 ) ( + 2 ) .
1 1
Por lo tanto, si 1 y 2, el rango de la matriz del sistema es 3 y el sistema ser
compatible y determinado (el rango de la matriz ampliada no puede ser 4; por lo tanto,
tendr que ser 3 y coincidir con el rango de la matriz del sistema y con el nmero de
incgnitas).
Para = 1 el sistema consta de una nica ecuacin x + y + z = 1, que es, evidentemente,
un sistema compatible indeterminado.
Para = 2, aplicndole Gauss obtenemos:
2
1
1
1
1 2 ... 0
0
2 4
2
1
1 2
3 3 ,
0 4
3
0
que nos dice que el sistema es incompatible.

27. El determinante de la matriz del sistema es 2 + 6 + 5, cuyas
Por lo tanto:
x
1
Para = 1 (resolvindolo por Gauss) obtenemos y = 1

races son = 1 y = 5.
2
2 t.
1
x
3
Para = 5 (resolvindolo por Gauss) obtenemos y =
z
22
7
1 t.
7
Para diferente de estos valores el sistema (es homogneo!) tiene nicamente la solucin trivial.
28.
a) Observad que:
restando a la segunda columna la primera multiplicada por x,
restando a la tercera columna la segunda multiplicada por x,
desarrollando el determinante por la primera columna,
aplicando la propiedad 6 de los determinantes, para extraer del determinante los escalares que multiplican todos los elementos de las filas segunda y tercera,
calculando el determinante de orden 2 que nos queda y arreglando los signos,
obtenemos:
1
1
1
x
y
z
=
1
= 1
yx
y2 xy =
zx
z xz
y x
y (y x )
z x
z (z x )
y x
y2 x y
z x
z xz
= (y x ) (z x )
= ( y x )(z x ) (z y ) = (x y ) (z x )( y z ) .
FUOC P00/75004/00191
72
b) Para el caso general, los mismos pasos que hemos seguido cuando hay tres columnas
nos proporcionan determinantes cada vez menores hasta llegar al valor del determinante
grande, que es:
( x 2 x 1 ) ( x 3 x 1 ) ... ( x n x 1 ) ( x 3 x 2 )... ( x n x 2 ) ... ( x n x n 1 )
29. El resultado es a 11 a 22 ... a n n, es decir, el producto de los elementos de la diagonal.

30.
1
2
3
1
0
0
1
0
0
11
89 9
17 9
59
21 89
20 89
1 89
16 89
17 89
5 89
0
1
0 0
0
1
0
1
0 0
0
1
11
16
0
0
1
11 9
2 9
19
17 89
5 89
23 89
12 89
1 89
16 89
17 89
5 89
36 89
1
11 89 0
0
9 89
9 89
0
1 4 89
1 1 89
9 89
y, por lo tanto, la inversa que nos piden es:

2 3 1 2 14
--1
---- 1 1 6 11 .
89
17 5
9
31.
a)
cos ( )
sin ( )
sin ( ) 1
cos ( )
=
cos( )
sin ( )
sin ( )
.
cos ( )
(recordad que sin 2 () + cos 2 () = 1.)

b) Es una comprobacin inmediata.
c) Planteamos la ecuacin A A t = I y del sistema que queda aislamos a, despus b y, finalmente, c, resultando dos posibilidades:
a = 48
------ b = 36
------ c = --5
---- o bien
65
65
13
a = 48
-----65
b = 36
------ c = --5
----.
65
13
Ejercicios de autoevaluacin
1.
1
a) 4 .

6
b) Incompatible.
1 5
11 5
c) 65 5 + t 7 5 .
0
1
0
d) 0 .
0
1 5
e) t 7 5 .
1
2.
Si m 0 y m 1, el sistema es compatible y determinado con soluciones:
---4
+----3-- .
( x, y , z ) = ---2
----m
-------, ----------, m
------m + 1 m + 1 m + 1
FUOC P00/75004/00191
73
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 condicin 1 v1 + 2 v 2 + 3 v3 + 4 v 4 = 0 implique 1 = 2 = 3 = 4 = 0, el
sistema homogneo:
1 + 2 2 3 + 4 4 = 0
2 1 2 + 3 3 + 3 4 = 0
2 2 3
= 0
1 + 3 2 + 2 3 + 7 4 = 0
debera tener como nica solucin la trivial 1 = 2 = 3 = 4 = 0. Esto implicara que el
sistema fuese determinado con solucin nica (0, 0, 0, 0). La matriz del sistema es:
1
2
0
3
0
7
por lo tanto, los vectores dados sern linealmente independientes si det A 0 y linealmente dependientes si det A = 0. En los apartados siguientes veremos que estamos en la segunda opcin 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 mtodo de Gauss:
1
2
1
0

0
1
1
3
0
0
2
0
7
1
1
5
0
0
6
0
6
1
11
5
.
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 cannica { u1 ,u 2,u 3,u 4}. Podemos sustituir u 1 por e1, ya que su componente segn 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 expresar as 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
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 segn u 2 es 5 0. Tenemos:
1
1
u 2 = --e 2 + ---u 3 + u 4 .
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 + ---u 3 + u 4 + w 3 u 3 + ( w 1 + w 4 )u 4 =
5
5
2
1
2
1
= w 1 e 1 + ---w 1 ---w 2 e 2 + ---w 1 + ---w 2 + w 3 u 3 + ( w 1 + w 2 + w 4 )u 4.
5
5
5
5
A partir de aqu 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 segn 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}, ser:
2
1
1
w = w 1 e 1 + ---w 1 ---w 2 e 2 + 2
---w 1 + ---w 2 + w 3 ( e 3 + 6 u 4 ) + ( w 1 + w 2 + w 4 ) u 4 =
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 + ------w 1 + ------w 2 + 6 w 3 + w 4 u 4.
5
5
5
5
5
5
d) Aplicando la frmula 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 + 8
--- 3
-- + 0 e 3 + 68
------+ 33
------+ 7 u 4 = 4 e 1 + e 2 + e 3 .
5 5 2 5 5
5
5.
3
= 1
5
2
3
3
2
1 .
4
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 nmeros 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.
1
a) A =
2
5
3
3
2
B =
5

2
FUOC P00/75004/00191
75
donde en la primera fila de A se encuentran las compras del centro de Lrida y en la segunda, las del centro de Matar, y la matriz B consta de los precios de cada uno de los productos. Si multiplicamos:
1
A B =
2
3
5 2
32
=
3 5
44

2
obtenemos que el centro de Lrida ha gastado 32 u.m. y el de Matar 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
5
= (3 8 7 8 ) .
3
Podrais interpretar ahora las operaciones C (A B) y (C A) B?

d) En este segundo caso D = A, ya que hacen exactamente la misma compra y
3
2
E =
5
2
tiene los precios de cada mes en una columna.
6
32
A E =
44
61
nos da el gasto de cada centro en cada compra.
65
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 . Quiz sera mejor que avissemos a un qumico!
a) El sistema ser:
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 s que podemos considerar que la solucin consiste en tomar 21 kilos de B, extraer
11 kilos de A y 9 kilos de C. Podis comprobar que lo que queda tiene el 20% de plata y el
80% de oro. Observad que estamos suponiendo que disponemos de un procedimiento
para extraer de una mezcla cualquiera de plata, cobre y oro ciertas cantidades de las aleaciones A, B y C, y esto (los qumicos lo saben muy bien!, por cierto, an no ha llegado
el que habamos avisado?) no siempre es posible.
e) ( 0,2; 0,3; 0,5 ).
FUOC P00/75004/00191
76
10. Observad que en este caso la matriz del sistema tiene determinante nulo.
a) El sistema es incompatible; por lo tanto, no hay forma de obtener una mezcla con las
caractersticas pedidas.
b) El sistema es compatible e indeterminado y, por lo tanto, tiene muchas soluciones que
se pueden expresar de esta forma:
t---
1
1
x=5
----------, y = 6
-----
--------0t
----, z = t
5
5
Observemos que, en la solucin, t expresa la proporcin de C que habr en la mezcla final,
y en consecuencia, la proporcin mnima de C es 0 y la mxima, 3/5, ya que, si t > 3/5, el
valor correspondiente a la cantidad de B (que es la y) sera negativo.
11. Si m 35, el sistema es compatible y determinado, es decir, para cada m 35 y cualquier
valor de n el sistema tiene solucin nica, que es:
7 m + 5 (9 2 n )
n 29
2---m
+----5---(--15
----n
x=-----------------) , y = -----------------------------------------, z = ------------------.
5 (3 5 m )
5 ( m 35 )
m 35
Por ejemplo, si n fuese 40 y m fuese 55, la solucin sera (0,15; 0,3; 0,55).
Si m = 35 y n 29 el sistema es incompatible.
Si m = 35 y n = 29 el sistema es compatible e indeterminado con la solucin siguiente:
( x, y , z) = 0, 3
---, 2
--- + t ( 1, 2 , 1 ).
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, j son los
ndices de la fila y la columna que ocupa el elemento.
base de un espacio (o un subespacio) vectorial
Conjunto de vectores linealmente independientes, tales que todo vector del espacio (o el
subespacio) es combinacin lineal de estos.
Cramer, regla de
Frmulas cerradas, en forma de cociente de determinantes, que dan el valor de las incgnitas
en un sistema de n ecuaciones y n incgnitas compatible y determinado.
determinante
Dada una matriz cuadrada, el determinante es un nmero que se calcula a partir de sus elementos y que proporciona informacin sobre la independencia lineal de sus filas (y de sus
columnas)
dimensin de un espacio (o un subespacio) vectorial:
Nmero mximo de vectores linealmente independientes que contiene este espacio y que es
igual al nmero de vectores de cualquier base del espacio o subespacio).
espacio vectorial sobre un cuerpo
Conjunto dotado de una operacin interna que recibe el nombre de suma con propiedades
de grupo conmutativo y una multiplicacin por escalares del cuerpo con ciertas propiedades
especficas.
espacio vectorial numrico n-dimensional
Espacio vectorial de los vectores-columna (o fila) de n componentes reales.
generadores de un espacio (o subespacio) vectorial
Todo conjunto de vectores tales que todo vector del espacio (o subespacio) se puede poner
como combinacin lineal del conjunto de generadores.
Gauss, mtodo de
Mtodo de eliminacin de incgnitas que permite reducir un sistema lineal de forma escalonada.
independencia lineal de vectores
Dado un conjunto {v 1, ..., vk} de vectores, es linealmente independiente si la ecuacin
1v 1 + ... + kv k = 0 implica 1 = ... = k = 0. En caso contrario decimos que son linealmente dependientes.
FUOC P00/75004/00191
77
matriz
Tabla de nmeros en forma de n filas y m columnas. Esto ser una matriz n m.
matriz de un sistema
Matriz formada por los coeficientes de las variables x 1, ..., x n en cada una de las ecuaciones
del sistema. Cada fila de la matriz corresponde a una ecuacin.
matriz ampliada de un sistema
Matriz de un sistema de ecuaciones lineales formada mediante la ampliacin de la matriz del
sistema con la columna de los trminos independientes.
matriz inversa
Aquella que presentan las matrices cuadradas que tienen determinante diferente de cero. Su
producto, tanto por la izquierda como por la derecha, con la matriz dada es la matriz identidad.
menor
Dada una matriz, se llama menor o determinante menor a cualquier determinante de la matriz
cuadrada que se forme con los elementos de la matriz correspondientes a k filas y k columnas,
suprimiendo las restantes. Las filas y columnas no deben coincidir necesariamente.
menor complementario
Dada una matriz cuadrada, llamamos menor complementario de un elementoa ij, al determinante menor que se forma suprimiendo la fila i y la columna j.
pivote
Elemento diferente de cero que se elige para reducir a cero los restantes coeficientes en una
etapa dada del mtodo de Gauss.
rango de un conjunto de vectores
Nmero mximo de vectores linealmente independientes que contiene.
Rouch-Frbenius, teorema de
Teorema que permite saber si un sistema lineal es compatible o no lo es. En el caso de que
sea compatible, permite saber si es determinado o indeterminado, y en el ltimo caso, cuntos grados de libertad tiene la solucin general.
sistema lineal
Conjunto de ecuaciones de primer grado en m variables.
sistema compatible
Sistema de ecuaciones que tiene alguna solucin. Si no tiene ninguna decimos que es incompatible. Por abuso de lenguaje, en el caso de un sistema homogneo, cuando nicamente tiene la solucin trivial 0, decimos que es incompatible.
sistema determinado
Sistema que tiene una nica solucin. Si tiene ms de una, decimos que es indeterminado.
sistema homogneo
Sistema de ecuaciones sin trminos independientes o, lo que es equivalente, con trminos
independientes nulos.
subespacio vectorial
Subconjunto de un espacio vectorial que tiene estructura de espacio vectorial.
subespacio vectorial generado
Dado un conjunto de vectores {v 1 , ..., vk}, el subespacio que genera es el conjunto de todos
los vectores que son combinacin lineal de los vectores del conjunto.
vector
Llamamos vectores a los elementos de un espacio vectorial. Los vectores del espacio vectorial
numrico n -dimensional estn formados por una matriz de una sola columna (o una sola fila) de n elementos.
Bibliografa
Anton, H. (1991). Introduccin al lgebra lineal . (3.a edicin). Mxico: Ed. Limusa.
Hace un tratamiento elemental del lgebra lineal para estudiantes de primeros cursos de licenciatura no especfica. No requiere conocimientos de clculo, si bien incluye ejercicios
para aquellos estudiantes que s los tienen. No contiene todas las demostraciones, pero s las
FUOC P00/75004/00191
78
que considera pedaggicas y elementales; en una parte optativa incluye otras demostraciones
no tan elementales. Es un texto bastante bsico.
Birkhoff, G.; Mac Lane, S. (1985). lgebra moderna. (3.a edicin). Barcelona: Ed. VicensVives.
Es el libro de referencia general para todo el curso. Abarca todo el temario del curso y otros
temas relacionados. Se trata de un libro clsico (1941), traducido al castellano y del que se
han hecho muchas ediciones. Es un texto muy bien hecho que est a un nivel asequible para
los estudiantes que segus este curso; contiene tambin muchos ejercicios propuestos.
Grossman, S.I. (1988). lgebra lineal. (2.a edicin). Mxico: Grupo Editorial Iberoamericano.
Es un texto parecido al de Anton, pero tiene un cariz ms especficamente cientfico. Hay
ejercicios, que estn sealados, que requieren conocimientos de clculo (anlisis). Adems,
contiene mtodos numricos para lgebra lineal.

Algebra Lineal Matrices y Vectores PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal Matrices y Vectores PDF

Cargado por

Copyright:

Formatos disponibles

Matrices, vectores

Matrices, vectores y sistemas de ecuaciones lineales

Matrices, vectores y sistemas de ecuaciones lineales

Muchos problemas tcnicos y cientficos requieren la resolucin de sistemas

Matrices, vectores y sistemas de ecuaciones lineales

Empecemos por recordar algunas nociones bsicas.

Realizando las grficas de cada uno de los sistemas de ecuaciones se obtiene:

Denominamos sistema compatible al sistema que admite soluciones,

Matrices, vectores y sistemas de ecuaciones lineales

Matrices, vectores y sistemas de ecuaciones lineales

Introducimos ahora las definiciones y notaciones que utilizaremos.

fue introducida en 1857

Una matriz m n es una tabla de nmeros aij donde se tiene 1 i m,

para indicar que A es la matriz m n que tiene

por elementos los a ij . Cuando sean claros los rangos de variacin de i y de j

Matrices, vectores y sistemas de ecuaciones lineales

2.1. Producto de matrices

... observamos que el nmero de

De forma abreviada escribimos:

Matrices, vectores y sistemas de ecuaciones lineales

Adems de la matriz del sistema (2), tambin utilizamos la matriz ampliada ,

2.2. Suma de matrices

Matrices, vectores y sistemas de ecuaciones lineales

o, en trminos de los elementos:

Es fcil comprobar que la suma de matrices es asociativa y que la matriz 0, que

Resumiendo, la suma de matrices tiene las propiedades siguientes. Para

3) A + (A) = 0 elemento opuesto

Las propiedades que acabamos de mencionar permiten definir la estructura de

As, (L(m,n),+) es un grupo conmutativo.

2.3. Matrices cuadradas

Matrices, vectores y sistemas de ecuaciones lineales

Matrices, vectores y sistemas de ecuaciones lineales

Sean A, B, C matrices cuadradas cualesquiera de L(n,n). Adems de las

Conviene destacar que la multiplicacin de matrices no es conmutativa, es decir:

Comprobemos en este ejemplo que A B B A:

2.4. La transpuesta de una matriz

Es muy sencillo demostrar que:

Matrices, vectores y sistemas de ecuaciones lineales

Tambin tienen inters las matrices con la propiedad de que su transpuesta es

Dada la matriz A = 7 2 calculad:

Matrices, vectores y sistemas de ecuaciones lineales

Matrices, vectores y sistemas de ecuaciones lineales

Las matrices admiten tambin otra operacin, que es la multiplicacin de un

La multiplicacin por escalares tambin tiene propiedades caractersticas

El conjunto de matrices de L(m,n) con la suma y la multiplicacin por

La estructura de espacio vectorial de las matrices nos permitir profundizar en

Matrices, vectores y sistemas de ecuaciones lineales

Llamamos E n o espacio vectorial de n dimensiones sobre los nmeros

La suma y la multiplicacin por escalares en E n estn definidas, siguiendo el

3.1. Dependencia e independencia lineal

Matrices, vectores y sistemas de ecuaciones lineales

se verifica nicamente para

Por ejemplo, los vectores siguientes:

son linealmente independientes, ya que de la ecuacin:

son linealmente dependientes, ya que podemos comprobar que:

Decimos que un conjunto de vectores {e 1 , ..., e k} es una base de En si:

Matrices, vectores y sistemas de ecuaciones lineales

Matrices, vectores y sistemas de ecuaciones lineales

Si hubiese otra expresin de v en la base dada, por ejemplo la siguiente:

Los coeficientes vi que multiplican los vectores ei de la base se llaman

Ahora analizaremos cmo son las bases de En.

Matrices, vectores y sistemas de ecuaciones lineales

Como por hiptesis se cumple v1 0, la primera de las ecuaciones anteriores