Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales
Objetivos Mínimos
Introducción.-
Hace más de veinte siglos se publicó en China el libro titulado
Nueve capítulos sobre el arte de las matemáticas
En el capítulo octavo se resuelven problemas que conducen a sistemas de
ecuaciones lineales. Así, el sistema:
x 2 y 3z 26
2 x 3 y z 34 lo resuelven tranformándolo previamente en este otro
3x 2 y z 39
36 z 99
5 y z 24 del que, fácilmente, se obtiene de modo sucesivo z , y , x .
3x 2 y z 39
Por lo tanto, lo que hoy conocemos por método de Gauss, quizá debería
A1 )DETERMINADO(solución única)
A )SISTEMA COMPATIBLE
A2 )INDETERMINADO(infinitas soluciones)
B)SISTEMA INCOMPATIB LE(no tiene solución)
2.-Sistemas Graduados.-
Los siguientes sistemas se dicen graduados:
x 2 y t 5
x 3 y 2z 7
2 x 3y 14 y z 8
A) B) 5 y z 6 C )
5y 10 3z 12 z 3t 11
2t 6
De abajo arriba, vamos obteniendo el valor de cada incógnita que, en un
paso posterior sustituimos en las ecuaciones anteriores y permite seguir el
proceso hasta obtener la solución (o soluciones) del sistema.
Así, los anteriores sistemas son compatibles determinados:
x 2 y t 5
x 3 y 2 z 7
2x 3y 14 y z 8
A) B) 5y z 6 C)
5y 10 3z 12 z 3t 11
2t 6
t 3
z 4
y 2 z 2
solA) solB) y 2 solC)
x 4 x 5 y 6
x 4
Fíjate ahora en el siguiente sistema graduado,al tener más incógnitas que
ecuaciones pasamos una de las incógnitas al segundo miembro, obtenemos
otro sistema equivalente (graduado). Como las incógnitas están puestas en
función de una de ellas(t en este caso) el sistema no tiene solución única
sino que, en función de los valores que le demos a (t), las demás incógnitas
tomarán también distintos valores. Sistema compatible indeterminado.
3.-Método de Gauss.-
El procedimiento para transformar un sistema cualquiera en otro
equivalente graduado se denomina Método de Gauss.
Para que el sistema inicial tome la fisonomía del graduado equivalente se van
“haciendo ceros” sometiendo a las ecuaciones a dos transformaciones:
Multiplicar una ecuación por un número distinto de cero.
Sumar a una ecuación otra multiplicada por un número.
Este proceso se realiza de modo muy ágil cuando prescindimos de las
incógnitas del sistema, y utilizamos sólamente los coeficientes de las
ecuaciones estructurados en lo que llamaremos matrices numéricas.
Ejemplo.-
a)Resuelve mediante Gauss el sistema:
2 x 5 y 3 z 4
x 2 y z 3 escribimos el sistema en forma matricial y “hacemos ceros”
5 x y 7 z 11
2 5 3 4 ((12ªª))2(2ª) 0 1 1 2 ((12ªª)) 0 1 1 2
(3)ª5(2ª) (3ª92(1ª)
1 2 1 3 1 2 1 3 1 2 1 3
5 1 7 11 0 11 2 4 0 13 0 0
El sistema graduado obtenido es equivalente al inicial y con incógnitas es:
13 y 0 x 5
b)Resuelve mediante Gauss el sistema:
x 3 y 2z 7
2 x y 15z 3 escribimos el sistema en forma matricial y “hacemos ceros”
x 8 y 21z 11
1 3 2 7 ((12ªª))2(1ª) 1 3 2 7 ((12ªª)) 1 3 2 7
(3)ª(1ª) (3ª)( 2 ª )
2 1 15 3 0 5 19 11 0 5 19 11
1 8 21 11 0 5 19 4 0 0 0 7
El sistema graduado obtenido es equivalente al inicial y con incógnitas es:
x 3 y 2z 7
5 y 19 z 11 la última ecuación es imposible; sistema incompatible.
0 x 0 y 0 z 7
Con los ejemplos anteriores hemos visto que el método de Gauss nos puede
llevar a las siguientes situaciones:
Ejemplo.-
c)Resuelve mediante Gauss el sistema:
x 3 y 7 z 10
5 x y z 8 sistema en forma matricial y “hacemos ceros”.
x 4 y 10 z 11
1 3 7 10 ((12ªª))5(1ª) 1 3 7 10 ((12ªª))(3ª)
(3)ª (1ª) eliminamos (2ª ) 1 3 7
5 1 1 8 0 14 34 42
1 4 10 11 0 7 17 21 0 7 17
Sistema
17
Escalonado
y 3 z
que ecuaciones x 3 y 10 7 z indetermin ado
más incógnitas compatible
7
7 y 21 17 z x 1 2 z
7
El sistema es Compatible indeterminado (infinitas soluciones) de la forma:
2 17
Solución: x 1 ; y 3 ; z
7 7
Ejemplo.-
Resuelve por Gauss el sistema:
kx y z 8
x y z 0 sistema con un parámetro (k).
2 x z k
k 1 1 8 ((12ªª))(2ª) k 1 0 2 8 ((12ªª))2(3ª) k 3 0 0 8 2k
(3)ª (3ª)
1 1 1 0 1 1 1 0 1 1 1 0
2 0 1 k 2 0 1 k 2 0 1 k
0 0 0 2
Si k 3 queda: 1 1 1 0 Sistema Incompatible.
2 0 1 3
8 2k
x k 3
k 3x 8 2k compatible 2
determinado k k 16
Si k 3 queda: x y z 0 z en este caso pues, el sistema es
2x z k k 3
k2 k 8
y
k 3
Compatible determinado.
Observación.-
En este último caso hay infinitos sistemas (según los valores de (k ) )que
son compatibles determinados (cada uno tiene una única solución).
Sólamente en el caso de k 3 el sistema resultante es Incompatible
Matrices y Determinantes
7. Matrices Cuadradas.
Objetivos Mínimos
Introducción.-
En el tema anterior ya hemos tratado las matrices como “cajas numéricas”
en las que se resume de forma estructurada una cierta información.
Durante el siglo (XIX), de los estudios de matemáticos como Cayley en
relación con las transformaciones geométricas, surgen las operaciones con
matrices que les confieren una sólida estructura algebraica.
Cesáreo Rodríguez - 10
-
Algebra Lineal
Las matrices se suelen denominar con una letra mayúscula (A, B,C,....) y
abreviadamente se suele escribir A a ij i 1,...., m .
j 1,..., n
Cesáreo Rodríguez - 11
-
Algebra Lineal
Para sumar dos matrices A aij i 1,..,m y B bij i 1,..,m es necesario que
j 1,..,n j 1,..,n
Cesáreo Rodríguez - 12
-
Algebra Lineal
La matriz producto P A.B nos dá el gasto anual (en cada uno de esos
cuatro años) de cada familia en el total de los tres productos.
Cesáreo Rodríguez - 13
-
Algebra Lineal
Ejemplo.-
Comprobemos con algunos ejemplos que el producto no es conmutativo
Si la matriz A es de orden (3x4) y la matriz B es de orden (4x2)
podemos efectuar A.B pero no podemos efectuar B. A
Si la matriz A es de orden (3x4) y la matriz B es de orden (4x3)
podemos efectuar A.B y podemos efectuar B. A pero no pueden
ser iguales A.B B. A ya que A.B es de orden(3x3) y B. A de
orden(4x4).
Por último, aún siendo posible hacer A.B y B. A y que ambos
productos sean del mismo orden, no tienen porque ser iguales
2 1 1 7 5 14
A.B B. A . Sean: A 4 5 ; B 3 0 : A.B 19 y
28
30 36
B.A
6 3
Ejercicio.-(pendiente de comprobación)
Vamos a demostrar que toda matriz A se puede descomponer en suma de
una matriz simétrica S y una antisimétrica H .
Demostración.-
Supongamos A suma de: S (simétrica) y H (antisimétrica); A S H
Si tasponemos la anterior igualdad tendremos:
, es decir: At S H
traspuesta suma
igual S S t
suma traspuestas HH t
At S H
t
St Ht S H
sumando
ASH
miembro a
1 t
A A 2S S A A
t miembro
A S H
t
2
res tan do
ASH
miembro a
1 t
A A 2H H A A
t miembro
A S H
t
2
Por la forma de obtener S y H la descomposición es única.
Cesáreo Rodríguez - 14
-
Algebra Lineal
7.-Matrices Cuadradas.-
Ya hemos dicho que las matrices cuadradas son aquellas que tienen el mismo
número de filas que columnas.
Dentro de estas matrices son especialmente relevantes aquellas que tienen
todos los elementos nulos, salvo los de la diagonal principal. Reciben el
nombre de Matrices Diagonales.
De entre las matrices diagonales, destacan las que tiene todos los
elementos no nulos iguales y que llamamos: Matrices Escalares.
De entre las matrices escalares podemos destacar aquellas que tienen todos
los elementos de la diagonal principal iguales a 1. Se llama Matriz Unidad.
La matriz unidad se representa con la letra I .Las hay de distinto orden:
1 0 0
0
1 0 0
1 0 0 1 0
0
I 2 I3 0 1 0 I4
0 1 0 0 1 0 0 1 0
0 0 0 1
Ya hemos estudiado cómo se multiplican dos matrices.
En el conjunto de las matrices cuadradas siempre es posible multiplicar dos
matrices (son del mismo orden), aunque el producto no es conmutativo.
Ahora bien, dada una matriz cuadrada A , nos planteamos la siguiente
pregunta: ¿es posible encontrar alguna matriz B que conmute con A ?
En general la respuesta es negativa , pero para algunas matrices cuadradas
sí es posible encontrar esa matriz, a la que se le suele llamar inversa de A ,
y se representa por A 1 .
La matriz A y su inversa A 1 conmutan y su producto es la matriz unidad I
A. A 1 A 1 . A I
Las matrices que tienen inversa se llaman matrices regulares y las que no la
tienen se llaman singulares.
Ejemplo.- Comprueba que la matriz A , dada más abajo, es regular y su
inversa es A 1 .
1 1 1
A 1 0 3
2 5 3
1 0 0
A. A 1 A 1 . A 0 1 0
0 0 1
15 8 3
1
A 9 5 2
5 3 1
Cesáreo Rodríguez - 15
-
Algebra Lineal
Cesáreo Rodríguez - 16
-
Algebra Lineal
Ejercicios.-
A)Determina una matriz X que verifica la igualdad A. X . A B O siendo:
3 1 5 2 0 0
A B O
2 1 1 3 0 0
Sol.-
Para poder despejar X necesitamos calcular la inversa de A (si la tiene).
Cesáreo Rodríguez - 17
-
Algebra Lineal
1 1 5 2 1 1 1 1 9 11 4 3
X
2 3 1 3 2 3 2 3 5 8 3 2
Sol.-
Efectuamos X A X A X A X 2 XA AX A 2 por tanto:
2
X 2 XA AX A 2 X 2 XA I 2
AX A 2 I 2 A X A I 2 A 1 . A X A A 1 .I 2 X A 1 A
Cesáreo Rodríguez - 18
-
Algebra Lineal
Cesáreo Rodríguez - 19
-
Algebra Lineal
Cesáreo Rodríguez - 20
-
Algebra Lineal
Cesáreo Rodríguez - 21
-
Algebra Lineal
Cesáreo Rodríguez - 22
-
Algebra Lineal
Cesáreo Rodríguez - 23
-
Algebra Lineal
Entre las filas de las matrices (y también entre las columnas) puede haber
relaciones de dependencia lineal. El conocimiento de la relación de
dependencia entre las filas, es de gran importancia para el estudio de los
sistemas de ecuaciones lineales.
En este contesto podemos ahora definir:
Rango de una matriz es el número de filas linealmente independientes.
También podríamos definir el rango cómo el número de columnas de la
matriz que son (LI). En este caso nos podemos formular la pregunta:
¿Es posible que en una matriz el número de filas (LI) sea distinto del
número de columnas (LI)? La respuesta es negativa.
Teorema.-
En cualquier matriz, el número de filas (LI) coincide con el número de
columnas (LI). Según ésto, el Rango de una matriz es el número de filas o
de columnas que son (LI).
Demostración.(no la hacemos pues no se pide en las PAAU).
Cesáreo Rodríguez - 24
-
Algebra Lineal
Cesáreo Rodríguez - 25
-
Algebra Lineal
Cesáreo Rodríguez - 26
-
Algebra Lineal
En este caso (n=3), cada uno de los productos posibles tomando un factor de
cada fila y uno de cada columna hace que dichos productos estén formados
por tres factores.
Como el núemro total de permutaciones posibles de tres elementos: {1,2,3}
es (3!=3.2.1=6), el número total de productos es seis. De esos seis
sabemos que la mitad son de signo (+) y la otra mitad son de signo(-).
Regla de Sarrus.-
Cesáreo Rodríguez - 27
-
Algebra Lineal
Ejercicios.-
1.-Calcula el valor de los determinantes:
7 1 4 11 0 0 33 55 7 21
a) b) c) d) e)
2 4 6 0 3 1 3 5 4 12
Sol.-
7 1 4 11
a) 7.4 2.( 1) 28 2 30 b) 4.0 6.11 66
2 4 6 0
0 0 33 55 7 21
c) 0.1 0.3 0 d ) 33.5 55.3 0 e) 7.12 21.4 0
3 1 3 5 4 12
p q
2.-Si la matriz A r y sabemos que
s
A 4 :Calcula:
7p 7q q p
a) b) c ) 11 . A
r s s r
Sol.-
Si calculamos el determinante de A tenemos que: A ps qr 4
7p 7q q p
a) 7 ps 7 qr 7 ps qr 7.4 28 b) qr ps ps qr 4
r s s r
11 p 11q
c ) 11 . A 11 p.11 s 11q.11r 11 2 ps qr (121).4 484
11r 11s
Sol.-
3 2 5
a) 1 7 3 3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1 19 149 168
4 1 0
7 4 3
b) 0 11 1 7.11 .5 ( 4).1.0 0.0.3 3.11 .0 ( 4).0.5 7.1.0 385
0 0 5
Cesáreo Rodríguez - 28
-
Algebra Lineal
3 2 5
A 1 7 3 3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1 168
4 1 0
3 1 4
A t
2 7 1 3.7.0 1.1.5 4.(2).3 4.7.5 1.(2).0 3.1.3 168
5 3 0
Cesáreo Rodríguez - 29
-
Algebra Lineal
3 2 5
1 7 3 3.7.0 ( 2).3.4 5.1.1 5.7.4 ( 2).1.0 3.3.1 168
4 1 0
1 7 3
3 2 5 1.( 2).0 7.5.4 3.3.1 3.( 2).4 7.3.0 1.5.1 168
4 1 0
3 2 5
2 14 6 3.14.0 ( 2).6.4 5.2.1 5.14.4 ( 2) 2.0 3.6.1 336
4 1 0
Cesáreo Rodríguez - 30
-
Algebra Lineal
a11 a12
Vamos a probar el recíproco para el caso (n=2). a 21 a 22
0
a11 a12
a11 .a 22 a12 .a 21 0 a11 .a 22 a12 .a 21
a 21 a 22
Es deir: la fila dos es combinación lineal de la fila uno.
10. El determinante de un producto de dos matrices es igual al
producto de sus determinantes, es decir, A.B A . B
Requiere para su demostración la regla de Laplace para el desarrollo
de un determinante por los menores de “p” filas. (No la hacemos).
Ejercicios.-
1) Justifica, sin desarrollar por Sarrus, estas igualdades:
3 1 7 4 1 7 7 4 1
a) 0 0 0 0 b) 2 9 1 0 c) 2 9 7 0
1 11 4 8 2 14 27 94 71
Sol.-
3 1 7
a) 0 0 0 0
Cesáreo Rodríguez - 31
1 11 4
-
Algebra Lineal
7 4 1
c) 2 9 7 0 La tercera fila es combinación lineal de las dos primeras:
27 94 71 f 3 f 1 10 f 2 y si aplicamos la propiedad (9) deducimos que el
determinante es cero.
x y z
2) Sabiendo que el valor del determinante es: 5 0 3 1 Calcula sin
1 1 1
0 5 0 3 5 0 3 0 5 0 3 0 1 1
x y z 1 1 1 1 1 1
x y z
d ) Si A 5 0 3 calcula : A 1 Sabemos que A. A 1 I y I 1
1 1 1
A. A 1 I 1
Según la propiedad (10): A. A1 A . A 1 A 1
A
A
1
1
Cesáreo Rodríguez - 32
-
Algebra Lineal
(2,3,5). Los números seleccionados son aquellos en los que se cruzan filas y
columnas. Su valor es
7 3 1
6 2 0 14 36 8 18 60
4 6 1
5 1
b) El menor del elemento a12 1 es: 12
4 2
10 4 6
5 1
c) El Adjunto de a12 1 es: A12 1 12 1 3 1.6 6
1 2
4 2
Cesáreo Rodríguez - 33
-
Algebra Lineal
3 5 1 8
des rrollo 5 1 8 3 5 8 3 5 1
2 0 7 3 (2º) fila
b)
4 1 6 2 2. 1 6 2 0 7. 4 1 2 3. 4 1 6 4 50
1 3 9 2 1 9 2 1 3
2 1 3 9
Por último vamos a ver una propiedad que nos resultará enormemente útil
para la comprobación de la fórmula de la inversa de una matriz mediante los
determinantes.
12. Si los elementos de una línea se multiplican por los respectivos
Adjuntos de otra línea paralela, el resultado suma cero.
Para el caso de una matriz cuadrada de orden (3) tendríamos por
ejemplo que: a 21 A31 a 22 . A32 a 23 . A33 0 .
En efecto, en general sabemos que:
a12 a13 a11 a13 a11 a12
. A31 .. A32 .. A33 .
a 22 a 23 a 21 a 23 a 21 a 22
a11 a12 a13
a 21 a 22 a 23
La igualdad anterior corresponde al desarrollo del último
determinante(de orden 3) por los elementos de la tercera fila.
Si , y son respectivamente a 21 , a 22 y a 23 el último determinante
tiene dos filas iguales y por tanto vale cero.
Cesáreo Rodríguez - 34
-
Algebra Lineal
3 2 5
Ejemplo.-Sabemos que el siguiente determinante vale: a) 1 7 3 168
4 1 0
2 5 3 5 3 2
1. 1
1 3
7( 1) 2 3 3( 1) 3 3 1( 6 35) 7(9 5) 3(21 2)
7 3 1 3 1 7
1.(41) 7( 4) 3( 23) 41 28 69 69 69 0
1 1 3 1
(1) 14 10 13 14 10 13
18 5 17 18 5 17
18 5 17 0
c e ros e n
c o lum na (1 ª )
( 2 ª ) 14 (1 ª ) 1 1 11 de sa rrol lo
( 3 ª ) 18 (1 ª ) (1 ª ) c ol um na 24 141
0 24 141 ( 1) 434 4 3243 1101
23 181
0 23 181
1 1 a 1 a 3 1 a 1 ( a 3)
1 1 a 1
1 1 1 a a 3 1 1 a 1 1 1 a
1 1 1 1
desarrollo a 1 0 0
0 a 1 0 0 (1 ª ) columna
a 3 ( a 3). 0 a 1 0 ( a 3)( a 1) 3 .
0 0 a 1 0
0 0 a 1
0 0 0 a 1
Cesáreo Rodríguez - 35
-
Algebra Lineal
Esta propiedad nos proporciona una nueva definición de rango de una matriz.
Rango de una matriz es el máximo orden de sus menores no nulos.
Cesáreo Rodríguez - 36
-
Algebra Lineal
Este último menor lo podemos orlar con la (4ª) fila y la columna (3ª) o
con la (4ª) fila y la columna (5ª) (no hay más posibilidades) obteniendo
dos menores de orden cuatro ( que son cero ambos: f 4 f1 f 2 f 3 )
En consecuencia,
Rango es, al
menos, tres.
Cesáreo Rodríguez - 37
-
Algebra Lineal
Condición suficiente.
Vamos a ver ahora que si A 0 entonces A es regular A
1
Cesáreo Rodríguez - 38
-
Algebra Lineal
Cesáreo Rodríguez - 39
-
Algebra Lineal
Objetivos Mínimos
Introducción.-
En la vida real, los sistemas lineales surgen como resultado de imponer
condiciones a las variables que intervienen en un problema.
Estas condiciones que impone el problema real se transforman en un
conjunto o sistema de ecuaciones.
En esta unidad vamos a resolver los sistemas de ecuaciones lineales
mediante determinantes, usando la llamada regla de Cramer.
En el estudio de ciertas curvas planas, Gabriel Cramer ideó y publicó
( en 1750) una regla para resolver sistemas de ecuaciones lineales.
El matemático escocés MacLaurin llegó a los mismos resultados en 1729 y la
publicación de éstos no tuvo lugar hasta 1748, dos años antes que lo hiciese
Gabriel Cramer (en 1750).
Cesáreo Rodríguez - 40
-
Algebra Lineal
Cesáreo Rodríguez - 41
-
Algebra Lineal
Cesáreo Rodríguez - 42
-
Algebra Lineal
Cesáreo Rodríguez - 44
-
Algebra Lineal
Cesáreo Rodríguez - 45
-
Algebra Lineal
Demostración.-
El sistema se puede poner como combinación lineal de los vectores columna:
a11 a12 a1n 0
a 21 a 22 a2n 0
... .x1 ... .x 2 ...................... ... .x n ...
a a a 0
m1 m2 mn
Condición necesaria.
Si tiene solución no trivial es que hay unos valores de: { x1 , x 2 ,......., x n }
no todos cero que permiten escribir la columna de los términos
independientes como combinación lineal de las columnas de la matriz A .
En consecuencia las columnas de A son (LD) y por tanto: rg ( A) n .
Condición suficiente.
Si el rg ( A) n , este sistema homogéno (compatible) es equivalente a un
sistema de Cramer en el que los términos independientes están dados en
función de las incógnitas sobrantes (las que pasen al segundo miembro) .
Es un sistema compatible indeterminado cuya solución general viene dada
con tantos parámetros como incógnitas pasen al segundo miembro.
Cesáreo Rodríguez - 48
-
Algebra Lineal
Cesáreo Rodríguez - 49
-
Algebra Lineal
a 1 x y 0 a 1 1
a 1 x a 1 y 0
A
a 1 a 1
1 1 a 0
A a 1 a 1 a 1 1 a 1 a 0
1 a 1 a 1
Si a 0 el sistema resulta:
x y 0
y x sistema compatible indeterminado
x y 0
Solución: x , y
Si a 1 el sistema resulta:
y0
y 0 sistema compatible indeterminado
2 y 0
Solución: x , y 0
Cesáreo Rodríguez - 50
-
Algebra Lineal
Cesáreo Rodríguez - 51
-