Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
1. Sesión teórica: Ecuaciones y sistemas lineales
Leed este documento antes de la sesión teórica correspondiente a la unidad
temática, asegurandoos que lo entendéis. Los contenidos de esta unidad son muy
simples y ya los conocéis de vuestros estudios anteriores; a pesar de eso es muy
importante que los estudiéis con mucha atención porque en estos contenidos se
encuentran las claves principales del Álgebra Lineal.
Esta ecuación es lineal porque las únicas operaciones que hacemos con las incógnitas con-
sisten en multiplicarlas por una constante y sumar los resultados. Cualquier ecuación que
requiera otro tipo de operación no es lineal.1 En gran medida, el Álgebra Lineal es el estudio de
las ecuaciones lineales.
Es evidente que la ecuación (1) tiene muchas soluciones, como ésta: x1 = 3, x2 = 0; o esta
otra: x1 = 0, x2 = 3/2 (simplemente sustituyendo los valores de x1 y x2 dados se comprueba en
seguida que efectivamente son soluciones de la ecuación).
De hecho, esta ecuación tiene infinitas soluciones, que podemos encontrar fácilmente: des-
pejando en (1) la primera incógnita tendremos
x1 = 3 − 2x2 (2)
de manera que dando a x2 cualquier valor podemos calcular el valor adecuado de x1 para obtener
la solución. Por ejemplo, para x2 = 0 obtendremos x1 = 3 − 2 · 0 = 3, así encontramos nuestra
primera solución: x1 = 3, x2 = 0; en cambio, si partimos de x2 = 1 obtendremos x1 = 3 − 2 · 1 = 1
y podemos asegurar que x1 = 1, x2 = 1 es otra solución.
Dado que cada solución de la ecuación (1) es un par de números, x1 , x2 , resulta muy
conveniente ver esta solución como el vector (x1 , x2 ) ∈ R2 .
De acuerdo con esta notación, las tres soluciones particulares de la ecuación (1) que ya
conocemos son éstas: " # " # " #
3 0 1
, ,
0 3/2 1
Llamamos particulares a estas soluciones por el hecho de que hay muchas otras. Llamaremos
solución general a una expresión que representa todas las soluciones particulares; para obtenerla,
regresamos a la fórmula (2). Si λ representa cualquier número, entonces podemos reescribir esta
fórmula de la manera siguiente,
x1 = 3 − 2λ
x2 = λ
de manera que el conjunto de todas las soluciones de la ecuación (1) es
(" # )
3 − 2λ
S= : λ∈R
λ
así que llamaremos solución general de la ecuación al vector genérico (3 − 2λ, λ). Como aquí
λ representa un número cualquiera, diremos que λ es un parámetro y que hemos expresado la
solución general de la ecuación (1) en forma paramétrica.
1
Per ejemplo, x1 x2 = 1 o x1 + cos x2 = 0 no son ecuaciones lineales.
2
Por simple que parezca, el hecho de interpretar las soluciones de las ecuaciones lineales como
vectores es un de los pilares del Álgebra Lineal. La primera consecuencia de esta interpretación
es que podemos utilizar el cálculo vectorial para trabajar con las soluciones; por ejemplo, la
solución general de la ecuación se puede expresar como
" # " # " #
x1 3 −2
= +λ
x2 0 1
Para visualizar gráficamente las soluciones de la ecuación (1), como sabemos que x1 +2x2 = 3
es la ecuación de una recta en el plano y ya conocemos diferentes soluciones, podemos marcar
un par de soluciones y dibujar la recta que las contiene.
2 "0#
3 " #
2 1
1 1
" #
3
0
−3 −2 −1 1 2 3 4x + 2x = 3
1 2
−1
−2
Las soluciones de la ecuación se corresponden con todos los puntos de esta recta.
Que la solución general sea " # " #
3 −2
~
x= +λ
0 1
significa que cualquier solución de la ecuación es la suma del vector (3, 0) con un múltiplo de
(−2, 1). El significado geométrico de este hecho se ve en el gráfico siguiente:
" # " # 2
3 −2 " # " #
+2 3 −2
0 1 +
1 0 1
" #
3
0
−3 −2
" # " #
−1 1 2 3 43 1 −2
−2
−1 0 1
−2
3
Así concluye el estudio del ecuación (1). Ahora trabajaremos con una ecuación con tres
incógnitas.
Ejemplo 2
Soluciones e interpretación gráfica de la ecuación
Esta ecuación también tiene infinitas soluciones. Si despejamos la primera incógnita tendre-
mos
x1 = 1/2 − x2 + (1/2)x3 (5)
así que ahora aún parece que tenemos más libertad para encontrar soluciones: podemos dar
cualquier valor a x2 y a x3 y, entonces, calcular el valor adecuado de x1 para obtener una
solución. Por ejemplo, si ponemos x2 = x3 = 0 deberá ser x1 = 1/2, de manera que (1/2, 0, 0) es
una solución del ecuación (4). Otras elecciones de x2 y x3 nos proporcionan estas otras soluciones
particulares:
0 1 1 0
1/2 , 0 , 1 , 1
0 1 3 1
Para determinar el conjunto de todas las soluciones, asignaremos un par de parámetros a las
variables x2 y x3 , como x2 = λ1 , x3 = λ2 , y obtendremos x1 = 1/2−x2 +(1/2)x3 = 1/2−λ1 +(1/2)λ2 ,
de manera que el conjunto de las soluciones es :
1/2 − λ1 + (1/2)λ2
S= λ λ , λ
: ∈
1
1 2 R
λ2
o bien,
1/2 −1 1/2
S= + λ + λ λ , λ
0 1 0
: ∈ (6)
1
2
1 2 R
0
0
1
Así como en el ejemplo anterior el conjunto de todas las soluciones se podría interpretar como
una recta en el plano, ahora el ecuación (4) representa un plano en el espacio tridimensional.
Todos los vectores de posición de los puntos de este plano se pueden obtener sumando el vector
(1/2, 0, 0) con un múltiplo del vector (−1, 1, 0) y un múltiplo de (1/2, 0, 1).
4
−1
1/2
1/2
+ (1/4) + (2/3) 0
0 1
0 0 1
1/2
0
0
Parece claro que cualquier ecuación lineal se puede resolver de la misma manera, por
muchas incógnitas que tenga. Únicamente puede haber algún problema cuando los coeficientes
(los números que multiplican las incógnitas) sean cero. Por ejemplo, en la ecuación
no podemos despejar la primera incógnita (de hecho, esta incógnita puede ser invisible, si
escribimos la ecuación como 2x2 + 3x3 = 5), pero si la segunda,
5 3
x2 = − x3
2 2
de manera que ahora son x1 y x3 las incógnitas a las que daremos valores arbitrarios y las
soluciones se pueden expresar como x1 = λ1 , x2 = 5/2 − (3/2)λ2 , x3 = λ2 . Así que el conjunto de
todas las soluciones es
0 1 0
S= + λ 0 + λ −3/2 : λ , λ ∈ R
5/2
1 2 1 2
0
0
1
Así, pues, para resolver una ecuación lineal lo único que debemos hacer es despejar una
incógnita cuyo coeficiente no sea cero y sustituir todas las otras incógnitas por parámetros. A
pesar de todo, hay un par de casos patológicos:
1. En la ecuación
0x1 + 0x2 = 0
no se puede despejar ninguna incógnita. Pero a pesar de ello, es evidente que cualquier
vector de R2 es solución, es decir, que la solución es x1 = λ1 , x2 = λ2 .
0x1 + 0x2 = a, (a , 0)
5
1.2. Sistemas de ecuaciones lineales
Ahora nos ocuparemos de los sistemas de ecuaciones lineales. Se trata de encontrar las
soluciones comunes a dos o más ecuaciones.
Ejemplo 3
Estudio del sistema de ecuaciones lineales
x1 + 2x2 = 3
(7)
x1 − x2 = −3
El sistema se puede resolver fácilmente sin más que hacer una sencilla operación de elimina-
ción: si a la segunda ecuación le restamos la primera obtendremos un nuevo sistema que es
equivalente al (7) pero en el que la segunda ecuación sólo tiene una incógnita:
x1 + 2x2 = 3
−3x2 = −6
así que dividiendo la segunda ecuación entre −3 obtendremos el valor de la segunda incógnita,
x2 = 2, y el sistema se convierte en
x1 + 2x2 = 3
x2 = 2
Posteriormente, podemos sustituir x2 = 2 en la primera ecuación y obtendremos x1 = 3 − 2 · 2 =
−1. En definitiva, el sistema (7) tiene una solución única: (x1 , x2 ) = (−1, 2). Siempre que se
resuelve un problema hay que comprobar los resultados; aquí conviene que nos aseguremos de
que la solución es correcta sustituyendo x1 = −1, x2 = 2 en la ecuación original:
x1 + 2x2 = −1 + 2 · 2 = 3
x1 − x2 = −1 − 2 = −3
(En los materiales de estudio no siempre comprobaremos los resultados, porque eso sólo serviría
para hacerlos más tediosos, pero siempre que resolváis un problema debéis comprobar que los
resultados son correctos).
Haremos dos interpretaciones gráficas. En primer lugar, puesto que la solución general cada
una de estas ecuaciones representa una recta, resulta que la única solución común a las dos
ecuaciones es la intersección de estas dos rectas.
3 x1 − x2 = −3
" # 2
−1
2
1
−4 −3 −2 −1 1 2 3 4x + 2x = 3
1 2
−1
−2
Para visualizar geométricamente la solución desde otro punto de vista, nos interesa observar
que el sistema
x1 + 2x2 = 3
x1 − x2 = −3
6
es equivalente a la ecuación vectorial
" # " # " #
1 2 3
x1 + x2 =
1 −1 −3
así que encontrar una solución del sistema lineal es equivalente a escribir el vector (3, −3) como combi-
nación lineal de los vectores (1, 1) y (2, −1).
2
" #
1
1 ~1 =
u
1
−4 −3 −2 −1 1 2 "3 # 4 5 6 7
2
−1 ~2 =
u
u1
−~ −1
−2 u2
2~
" #
−3 3
~1 + 2 u
−1 u ~2 =
−3
−4
−5
7
3
−3 −2 −1 1 2 3 4 x1 + 2x2 = 3
−1 3x1 + 6x2 = 9
−2
Para ver qué pasa con la interpretación vectorial del problema, escribimos el sistema en
forma vectorial:
x1 + 2x2 = 3
) " # " # " #
1 2 3
⇐⇒ x1 + x2 =
3x1 + 6x2 = 9 3 6 9
así que se trata de escribir el vector (3, 9) como combinación
lineal de los vectores (1, 3) y (2, 6), pero eso se puede hacer 9 9
de muchas maneras: por ejemplo, (1, 3) + (2, 6) = (3, 9); pero 8 " #
1
8
también 7 3 7 " #
6 6 2
3(1, 3) + 0(2, 6) = (3, 9) 5 " # 5 6
1
(1, 3) + (2, 6) = (3, 9) 4 3 4
0(1, 3) + (3/2)(2, 6) = (3, 9) 3 3
2(1, 3) + (1/2)(2, 6) = (3, 9) . . . 2 2
" # " #
1 1
1 3 1 3
x1 + 2x2 = 3
0 = −8
Y lo que pasa ahora es que la segunda ecuación no puede tener ninguna solución, así que el
sistema tampoco tiene soluciones.
Si cada ecuación representa una recta, el problema es que las dos ecuaciones de nuestro
ejemplo corresponden a rectas paralelas, así que no tienen ningun punto en común:
8
3
−3 −2 −1 1 2 3 4x + 2x = 3
1 2
−1
−2 3x1 + 6x2 = 1
9
En este caso, la forma vectorial del sistema es esta: 8
" # " # " # 7
1 2 3
+ x2 =
" #
x1 6 2
3 6 1
5 6
y el problema consiste en expresar el vector (3, 1) como combinación 4 " #
lineal de los vectores (1, 3) y (2, 6). Pero como el vector (2, 6) es pro- 3 1
porcional a (1, 3), resulta que los dos determinan la misma recta, y 2 3
" #
sólo los vectores que se encuentran sobre esta recta (que son los de 1 3
la forma λ(1, 3)) se pueden expresar como combinaciones lineales de 1
los dos vectores anteriores. −3 −2 −1 1 2 3
−1
En otras palabras, las combinaciones lineales del vectores −2
" # " # −3
1 2
~1 =
u ~2 =
u −4
3 6
−5
son los vectores proporcionales a u ~1 . Como el vector u ~ = (3, 1) no −6
~1 , entonces la ecuación x1 u
es un múltiplo de u ~ 1 + x2 u
~2 = u
~ no tiene −7
ninguna solución. −8
−9
El hecho de que (2, 6) sea un múltiplo de (1, 3) hace que algunas ecuaciones (como la del
ejemplo 4) tengan infinitas soluciones y en cambio otras (como la del ejemplo 5) no tengan
ninguna.
Acabaremos estudiando un sistema de dos ecuaciones con tres incógnitas.
Ejemplo 6
Resolución del sistema lineal
2x1 + 2x2 − x3 = 1
x1 − x2 + x3 = 0
9
de manera que las dos ecuaciones se pueden resolver despejando x1 y x2 y asignando a x3
un valor arbitrario. Si dividimos la primera ecuación por 2 y la segunda por −2 aún será más
sencillo obtener la solución:
x1 + (1/4)x3 = 1/4
x2 − (3/4)x3 = 1/4
Así que, x1 = 1/4 − (1/4)x3 , x2 = 1/4 + (3/4)x3 ; por lo tanto la solución general de este sistema es
x1 1/4 −1/4
x2 = 1/4 + λ 3/4
x3 0 1
Gráficamente, cada ecuación de este sistema representa un plano, de manera que la solución
del sistema es la recta intersección de los dos planos.
2x1 + 2x2 − x3 = 1 x1 − x2 + x3 = 0
1/4
1/4
0
Desde otro punto de vista, el hecho de que este sistema tenga muchas soluciones quiere
decir que hay muchas maneras de expresar el vector (1, 0) como combinación lineal de los tres
vectores (2, 1), (2, −1) y (1, −1). La figura siguiente muestra un par de ellas.
2 2
" # " #
−1 2 −1 2
−1 −1
−2 −2
" # " # " # " # " # " #
1 1 2 1 2 1 2 −1
=4 +4 = +
0 1 −1 0 −1 1
10
1.2.1. Clasificación de los sistemas lineales atendiendo al número de soluciones
Los últimos ejemplos muestran que hay sistemas de ecuaciones lineales que tienen una
solución única, otros que tienen más de una y otros que no tienen ninguna. En consecuencia,
podemos clasificar los sistemas en las siguientes categorías:
Definiciones 1
1. Un sistema de ecuaciones lineales es incompatible (o también, inconsistente) cuando
no tiene ninguna solución.
2. En caso de que el sistema tenga alguna solución, entonces decimos que es compatible
(o consistente).
Los sistemas compatibles pueden ser
11
1.3. Ejercicios básicos
Estos ejercicios son muy simples, pero los debéis resolver con todo detalle —
antes del próximo seminario— para aseguraros que comprendéis correctamente la
materia.
~ = (1, 2, −1).
2. Encuentra el conjunto de todos los vectores que son ortogonales al vector u
~1 =
3. Encuentra el conjunto de todos los vectores que son ortogonales a los dos vectores u
~2 = (2, 4, 1).
(1, 2, −1) y u
x1 + 2x2 − x3 = −3
2x1 + 4x2 + x3 = 0
12
2. Seminario 1: Matrices y sistemas lineales
En este seminario identificaremos los sistemas de ecuaciones lineales con cier-
tas ecuaciones vectoriales y matriciales e introduciremos el algoritmo de reducción
de Gauss-Jordan, que nos permite discutir y resolver cualquier sistema lineal, pero
que tendrá muchas otras aplicaciones en el curso.
x1 + 2x2 = 3
(10)
x1 − x2 = −3
La raya vertical entre las matrices A y ~b no tiene significado matemático; únicamente nos sirve para separar los
2
vectores de coeficientes del vector de términos independientes. Como en muchas aplicaciones ~b será una matriz en
lugar de un vector, esta raya nos será muy útil.
13
La forma vectorial de este sistema es
" # " # " # " #
a11 a12 a b
x1 + x2 + x3 13 = 1
a21 a22 a23 b2
y la forma matricial,
a11 a12 . . .
a1n b1
a21 a22 . . . a2n
b2
. . . ~ x = . . .
am1 am2 . . .
amn bm
La matriz de coeficientes es
a11 a12 · · · a1n
a
21 a22 · · · a2n
A = . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
am1 am2 · · · amn
y la matriz ampliada
a11 a12 · · · a1n b1
. . . . . . . . . . . . . . . . . . . . . . . . .
am1 am2 · · · amn bm
14
2.2. Método de reducción de Gauss-Jordan (primera aproximación)
Hasta ahora, hemos resuelto sólo sistemas de dos ecuaciones. Pero la estrategia de elimi-
nación (sumar o restar a una ecuación un múltiplo adecuado de otra) nos puede servir para
resolver muchos otros sistemas de ecuaciones lineales. De hecho, todos los sistemas lineales se
pueden discutir, y resolver en caso de que tengan solución, mediante un método general muy
simple, el método de eliminación (o, mejor, de reducción) de Gauss-Jordan.
La idea básica del método de Gauss-Jordan es eliminar x1 de todas las ecuaciones excepto
de la primera; acto seguido eliminamos x2 de todas las ecuaciones salvo de la segunda, y así
sucesivamente: En el mejor caso, eso conducirá a la separación de las incógnitas, de manera que
cada ecuación se podrá resolver independientemente de las otras.
En lugar de trabajar directamente sobre el sistema lineal lo haremos con la matriz ampliada.
Ahora bien, en los primeros ejemplos, para que se entienda perfectamente el proceso, lo haremos
en paralelo con el sistema lineal y la matriz ampliada.
Ejemplo 7
Discusión y resolución del sistema lineal
x1 + x2 − x3 = 1
x1 − x2 + x3 = 0
2x1 + 4x2 + 4x3 = 3
15
Como x3 ya se ha eliminado en la primera ecuación, nada más debemos eliminar esta
incógnita en la segunda: a la segunda ecuación le restaremos la tercera dividida entre cuatro:
x1 = 1/2
1 0 0 1/2
Ahora cada ecuación contiene una sola incógnita, así que la solución se obtiene dividiendo
la segunda ecuación entre −2 y la tercera entre 8:
x1 = 1/2
1 0 0 1/2
Ejemplo 8
Discusión y resolución del sistema lineal
3x2 + 3x3 = 1
x1 − x2 − x3 = 0
x1 + 2x2 + 2x3 = 1
Este sistema presenta un problema que aún no habíamos encontrado: se supone que hemos
de eliminar x1 en todas las ecuaciones excepto la primera, pero resulta que el coeficiente de x1
en la primera ecuación es cero. Para resolver este problema intercambiaremos las dos primeras
ecuaciones (filas).
x1 − x2 − x3 = 0
1 −1 −1 0
16
Eliminamos x1 de la tercera ecuación, restando la primera,
x1 − x2 − x3 = 0
1 −1 −1 0
x1 = 1/3
1 0 0 1/3
x1 = 1/3
1 0 0 1/3
x1 = 1/3
1 0 0 1/3
El sistema:
x1 = 1/3
x2 + x3 = 1/3
0=0
Ejemplo 9
Discusión y soluciones del sistema lineal
x1 + x2 + x3 = 1
x1 − x2 − x3 = 0
x1 − 3x2 − 3x3 = 3
17
Primer paso: a la segunda y a la tercera filas los restamos la primera.
1 1 1 1
0 −2 −2 −1
0 −4 −4 2
x1 = 1/2
−2x2 − 2x3 = −1
0=4
Ejercicio 2.3. Discute y resuelve, en caso de que sean compatibles, los sistemas lineales si-
guientes. Utiliza el algoritmo de Gauss-Jordan.
18
3. Seminario 2: Matrices escalonadas y matrices elementales
En este apartado estudiaremos las matrices escalonadas y las matrices ele-
mentales, que nos permiten interpretar las operaciones elementales como produc-
tos de matrices.
Además, las matrices escalonadas nos ayudan a resolver definitivamente el pro-
blema de decidir si un sistema lineal es compatible (utilizando el teorema de Rou-
ché) y, en este caso, a encontrar la solución.
1. Las filas nulas, si tiene alguna, están por abajo de las no nulas, y
4. Todos los elementos situados por encima de los unos principales son ceros.
Ejemplo 10
Las matrices siguientes son, respectivamente, escalonada (no principal), escalonada prin-
cipal (no reducida) y escalonada reducida:
0 1 2 3 0 1 2 3 0 1 0 3
0 0 −2 3 0 0 1 3 0 0 1 3
0 0 0 0 0 0 0 0 0 0 0 0
Ejercicio 3.1. Determinar si cada una de estas matrices es escalonada, escalonada principal,
escalonada reducida o si no es escalonada.
0 1 0 3 " #
1 0 0 0
(a) 1 0 1 3
No escalonada (b) Escalonada reducida
0 0 1 0
0 0 0 0
1 2 0 0 " #
1 2 0 0
(c) 0 2 0 0
Escalonada (d) Escalonada principal
0 1 0 1
0 0 2 1
" # 0 2 0 0
1 2 0 0
(f) 0 1 2 1
(e) Escalonada No escalonada
0 0 2 1
0 0 0 0
" # " #
0 0 0 0 1 0 2 5
(g) Escalonada reducida (h) Escalonada reducida
0 0 0 0 0 1 3 −3
19
En las matrices escalonadas llamamos columnas principales (o columnas pivote) a las que contienen
un elemento principal.
Una operación elemental es una transformación matricial de uno de estos tres tipos:
Operación de reducción: Sumar a una fila un múltiplo adecuado de otra fila. Es decir,
sustitución de una fila por el resultado de sumar un múltiplo de otra fila.
Sólo hay estos tres tipos de operaciones elementales. A menudo, se puede es-
calonar un sistema utilizando otras transformaciones, semejantes a éstas, pero que
no son estrictamente operaciones elementales; nosotros utilizaremos sólo opera-
ciones elementales.
En particular, hay que remarcar que las operaciones más importantes —las de
reducción— consisten en cambiar una fila de la matriz por el resultado de sumar a
esta fila un múltiplo de otra: por ejemplo, podemos cambiar la primera fila, f1 , por
f1 − (1/2) f2 (la primera menos la mitad de la segunda), pero no por el doble de la
primera menos la segunda: cambiar f1 por 2 f1 − f2 no es una operación elemental.
Definiciones 3
1. Dos matrices A y B son equivalentes por filas si podemos transformar A en B mediante
un número finito de operaciones elementales.
Una matriz tiene muchas formas escalonadas, pero la forma escalonada reducida es única,
es decir, que para cualquier matriz A hay una sola matriz escalonada reducida que es equivalente por
filas a A.
El hecho más importante acerca de las operaciones elementales es que estas operaciones
se pueden interpretar como multiplicaciones matriciales: cada operación elemental sobre la matriz
A es el producto de una matriz especial por la matriz A. Este hecho será muy importante y tendrá
muchas aplicaciones, especialmente en el tema siguiente, pero también en el resto del curso.
A estas matrices especiales las llamaremos matrices elementales y nuestro objetivo inmediato
es el de investigar cómo deben ser las matrices elementales. Algunos ejercicios lo aclararán.
20
Ejemplo 11
Encuentra una matriz
e11 e12 e13
e21 e22 e23
e31 e32 e33
de manera que, al multiplicarla por
0 0 −2 0
A = 2 4 −10 6
2 4 −5 6
Para construirla, notemos que las filas del producto son combinaciones lineales de las filas de
la segunda matriz:
– La primera fila de este producto es
e11 (fila 1 de A) + e12 (fila 2 de A) + e13 (fila 3 de A)
así que para que el resultado sea la segunda fila de A conviene poner
0(fila 1 de A) + 1(fila 2 de A) + 0(fila 3 de A)
0 1 0 0 0 −2 0 2 4 −10 6
2 4 −10 6 =
2 4 −5 6
21
Ejemplo 12
Encontrar una matriz
e11 e12 e13
e21 e22 e23
e31 e32 e33
de manera que, al multiplicarla por
0 0 −2 0
A = 2 4 −10 6
2 4 −5 6
Para que la primera fila del producto coincida con la primera fila de A debemos poner
Posteriormente, como la tercera fila del producto queremos que sea la misma que la tercera fila
de A, ponemos
0(fila 1 de A) + 0(fila 2 de A) + 1(fila 3 de A)
1 0 0 0 0 −2 0 0 0 −2 0
0 1/2 0 2 4 −10 6 = 1 2 −5 3
0 0 1 2 4 −5 6 2 4 −5 6
1 0 0
La matriz que buscábamos es esta: E2 (1/2) = 0 1/2 0.
0 0 1
1 0 0
La matriz E2 (1/2) = 0 1/2 0 es una matriz elemental del tipo escalado. El subíndice 2 y el
0 0 1
número 1/2 hacen referencia a la fila de la matriz A que cambia de escala (la segunda) y al
factor de escala (un medio).
22
Ejemplo 13
Encontrar una matriz
e11 e12 e13
e21 e22 e23
e31 e32 e33
de manera que, al multiplicarla por
0 0 −2 0
A = 1 1 −5 6
2 4 −5 6
23
3.2.1. La matriz identidad
La matriz identidad de orden n es la matriz cuadrada n × n
1 0 . . . 0
0 1 . . . 0
I = . . . . . . . . . . . . .
. . . . . . . . . . . . .
0 0 ... 1
(los unos ocupan toda la diagonal principal de la matriz y todas las otras entradas son
ceros)
Multiplicar la matriz Ei, j por una matriz A es equivalente a intercambiar las filas i y j de A.
Por ejemplo, " # " #" # " #
4 2 0 1 4 2 2 3
E1,2 = =
2 3 1 0 2 3 4 2
La matriz elemental Ei (α) es la matriz que resulta de sustituir en la matriz identidad el
elemento que se encuentra en la posición (i, i) por α.
Multiplicar la matriz Ei (α) por una matriz A es equivalente a multiplicar la fila i de A por α.
Por ejemplo, " # " #" # " #
4 2 −3 0 4 2 −12 −6
E1 (−3) = =
2 3 0 1 2 3 2 3
La matriz elemental de tipo eliminación Ei, j (α) es la matriz que resulta de cambiar la entrada
(i, j) de la matriz identidad por α.
24
Por ejemplo, si trabajamos con matrices 4 × 4,
1 0 0 0 1 0 0 0
0 1 4 0 0 1 0 0
E2,3 (4) = E4,1 (−2) =
0 0 1 0 0 0 1 0
0 0 0 1 −2 0 0 1
Multiplicar la matriz Ei, j (α) por una matriz A es equivalente a sumar a la fila i de A α veces
la fila j. Por ejemplo, " # " #" # " #
4 2 1 −1 4 2 2 −1
E1,2 (−1) = =
2 3 0 1 2 3 2 3
1. E4 (−2)A
La cuarta fila de la matriz A se multiplica por −2.
2. E2,4 (3)A
A la segunda fila de la matriz A se le suma el triple de la cuarta fila.
3. E4,1 A
Se permutan las filas primera y cuarta de A.
25
Ejercicio 3.3. Calcula la forma escalonada reducida de la matriz
0 0 −2 7
A = 2 4 −10 12
2 4 −5 −5
siguiendo los pasos indicados: en cada paso haz las operaciones elementales correspondientes
a las matrices que hay por encima de la flecha.
0 0 −2 7 E1,2 2 4 −10 12 E3,1 (−1) 2 4 −10 12
2 4 −10 12
−−→ 0 0 −2 7 −−−−−→ 0 0 −2 7
2 4 −5 −5 2 4 −5 −5 0 0 5 −17
1 2 −5 6 E (5/2)E (−5/2) 1 2 0 −23/2
E1 (1/2)
3,2 1,2
−−−−→ 0 0 −2 7 −−−−−−−−−−−−→ 0 0 −2 7
0 0 5 −17 0 0 0 1/2
E2 (−1/2)
1 2 0 −23/2 E2,3 (7)E1,3 (23) 1 2 0 0 E (2) 1 2 0 0
3
−−−−−→ 0 0 1 −7/2 −−−−−−−−−→ 0 0 1 0 −−−→ 0 0 1 0
0 0 0 1/2 0 0 0 1/2 0 0 0 1
1 2 0 1
Ejercicio 3.4. Encuentra la forma escalonada reducida de la matriz 3 6 1 6. Discute y
1 2 2 7
resuelve el sistema lineal
x1 + 2x2 =1
3x1 + 6x2 + x3 = 6
x1 + 2x2 + 2x3 = 7
1 2 0 1 E3,1 (−1)E2,1 (−3) 1 2 0 1 E3,2 (−2) 1 2 0 1
3 6 1 6
−−−−−−−−−−→ 0 0 1 3 −−−−−→ 0 0 1 3
1 2 2 7 0 0 2 6 0 0 0 0
26
3.3. Discusión y resolución de los sistemas lineales
Supongamos que queremos estudiar la compatibilidad de un sistema lineal cualquiera y, en
caso de que sea compatible, resolverlo. Antes que nada aplicamos el algoritmo de Gauss-Jordan
para obtener la forma escalonada de la matriz ampliada del sistema.
Entonces llamaremos variables principales (o incógnitas principales) a aquellas incógnitas que
en alguna ecuación aparecen multiplicadas por un elemento principal, y variables (o incógnitas)
libres a las que no son principales.
Entonces,
– Si la columna de los términos independientes tiene algún pivote, entonces el sistema
es incompatible, porque la fila correspondiente a este pivote representa la ecuación
27
Este teorema nos permite decidir el carácter de cualquier sistema lineal sin más que reducirlo
a una forma escalonada.
Ejemplo 14
Discusión y cálculo de las soluciones del sistema
− 2x3 + 7x5 = 12
2x1 + 4x2 − 10x3 + 6x4 + 12x5 = 28
2x1 + 4x2 − 5x3 + 6x4 − 5x5 = −1
de manera que el rango de la matriz de coeficientes y el de la matriz ampliada son, los dos,
iguales a 3. El sistema es compatible indeterminado.
Las variables x1 , x3 , x5 son principales y x2 , x4 son libres. El sistema lineal es equivalente a
éste:
x1 + 2x2 + 3x4 = 7
x3 = 1
x5 = 2
x1 = 7 − 2x2 − 3x4
x3 = 1
x5 = 2
y la solución general se obtiene cambiando las dos variables libres por parámetros:
28
" # " #
1 2 u
Ejercicio 3.5. (Una matriz inversa) Si A = ~= 1 ,
yu
2 3 u2
x1 + 2x2 = u1
2x1 + 3x2 = u2
x1 + 2x2 = u1
−x2 = −2u1 + u2
−3u1 + 2u2
" #
X=
2u1 − u2
29