Matrices, vectores y sistemas de ecuaciones lineales

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

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

⎞ ⎟ ⎟ ⎟ ⎠

© FUOC • P00/75004/00191

Matrices, vectores y sistemas de ecuaciones lineales

Índice

Introducción............................................................................................... 5 Objetivos ...................................................................................................... 6 1. Preliminares .......................................................................................... 7 2. Matrices .................................................................................................. 8 2.1. Producto de matrices ......................................................................... 9 2.2. Suma de matrices............................................................................... 10 2.3. Matrices cuadradas ............................................................................ 12 2.4. La transpuesta de una matriz ............................................................ 14 3. Espacios vectoriales ............................................................................. 16 3.1. Dependencia e independencia lineal ................................................ 17 3.2. Bases ................................................................................................... 19 3.3. Subespacios vectoriales y rango......................................................... 24 4. El método de Gauss .............................................................................. 26 5. Rango y teorema de Rouché-Fröbenius .......................................... 34 6. Sistemas homogéneos.......................................................................... 38 7. Determinantes y regla de Cramer.................................................... 41 7.1. Determinantes de segundo orden ..................................................... 41 7.2. Determinantes de tercer orden .......................................................... 43 7.3. Determinantes de orden n................................................................. 44 7.3.1. Propiedades de los determinantes.......................................... 45 7.3.2. Regla de Cramer para los sistemas n × n ................................ 49 8. Matriz inversa ....................................................................................... 55 Resumen....................................................................................................... 59 Ejercicios de autoevaluación .................................................................. 61 Solucionario................................................................................................ 64 Glosario ........................................................................................................ 76 Bibliografía................................................................................................. 77

.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

0 ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝1 0 0 … … … 0 0⎞ ⎟ 0⎟ . . Solución a) La ecuación λ 1 e 1 + λ 2 e2 = 0 lleva al sistema 3 λ 1 – λ 2 = 0...© FUOC • P00/75004/00191 23 Matrices. b) Siguiendo la construcción del teorema de Steinitz y la proposición 2... . …. ... 0⎞ ⎟ 1⎟ ⎟ ⎟ 0⎠ 0⎞ ⎟ 0⎟ ⎟ ⎟ 1⎠ . ya que el segundo componente es diferente de 0.. .e 1 + ..e1.. Por lo tanto. ... tenemos la nueva base {u 1. –2λ 1 + λ 2 = 0. finalmente tenemos la base {u 1.. .. 3 3 Ahora tenemos que expresar e2 en la nueva base.e1. Tenemos: ⎛ 0⎞ e 1 = ⎜ 3⎟ = 3 u 2 – 2 u 3 ... no podemos sustituir u 1 por e1. . 1 0⎞ ⎟ 0⎟ .(e 1 + 3 e 2 ) = e 1 + 2 e 2 . que implica λ 1 = λ 2 = 0.. En cambio...u 3} es 0...u3 . ... .. ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 0 0 … … . e2} con vectores de la base canónica. ⎟ ⎟ 0⎠ . De este modo....... empezamos por sustituir e 1 por un vector conveniente de la base canónica. ⎛1 ⎜ ⎜0 ⎜ ⎜ ⎝0 ⎛0 ⎜ ⎜1 ⎜ ⎜ ⎝0 0 0 … … … … … … 0⎞ ⎟ 0⎟ ⎟....u 3}. …... . ⎟ 0⎠ ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 1 0 … … … … … … 0⎞ ⎟ 0⎟ ⎟.... -e 3 3 Ejemplo 9 Escribamos la base canónica para el espacio vectorial de las matrices n × m. . . son linealmente independientes. . ¿Qué dimensión tiene? La base canónica estará formada por cada una de las matrices que tienen un 1 en una posición diferente y todo el resto 0. ..u2. 0 0 0 0 0 1 0 0 0 . . .. . . ⎟ 0⎠ ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 0 0 … … … … … … 1⎞ ⎟ 0⎟ ⎟ ⎟ 0⎠ .. ⎟ ⎟ 0⎠ ⎛0 ⎜ ⎜0 ⎜ ⎜ ⎝0 0 0 … … … . ⎜ ⎟ ⎝ –2⎠ de donde resulta: 1 2 u2 = ......e 2} Todavía podemos expresar u 2 y u 3 en la nueva base: u 3 = e1 + 3 e2 1 2 u2 = . ⎟ 0⎠ 0⎞ ⎟ 0⎟ ⎟.. De este modo.. . 0 … .. . -e -e -u ⎜ ⎟ ⎝3 3 ⎠ 3 3 ⎝ 1⎠ Como el componte según u 3 es diferente de 0.. Como el primer componente de e1 en la base {u 1.. resulta que e2 puede sustituir a u3 . b) Formemos una base de E 3 completando {e1 ... vectores y sistemas de ecuaciones lineales a) Comprobemos que son linealmente independientes. .. e 1 sí que puede sustituir u 2.1 + . ⎟ 0⎠ 0⎞ ⎟ 0⎟ ⎟. Tendremos: ⎛ 0⎞ e 2 = ⎜ –1⎟ = – u 2 + u 3 = – ⎛ 1 1 + 2 u 3 ⎞ + u 3 = – 1 1 + 1 3 ... .. 0 0 ... …... .

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

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

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

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

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

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

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

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

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

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

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

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

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

superar el de la matriz del sistema en una unidad. 3) En lo que respecta al número de parámetros libres que tiene la solución de un sistema compatible. no puede aparecer ninguna ecuación incompatible del tipo 0 = . Teniendo en cuenta que queda una ecuación para cada pivote. observemos que las variables a las que no haya quedado asociado ningún pivote pueden ser elegidas arbitrariamente. el número de grados de libertad de la solución será igual al de incógnitas menos el rango del sistema. Podemos enunciar ya el teorema de Rouché-Fröbenius. 12 . Comentad las actividades 10. es igual al número de incógnitas menos el rango de la matriz del sistema. vectores y sistemas de ecuaciones lineales Con esta definición ahora podemos continuar la discusión sobre el número de soluciones del sistema y llegaremos a las conclusiones siguientes: 1) Cuando el rango de la matriz ampliada sea igual al de la matriz del sistema. El número de grados de libertad de un sistema compatible. necesariamente quedará la última ecuación de la forma 0 = y el sistema será incompatible. de forma que las otras quedarán determinadas en función de éstas.© FUOC • P00/75004/00191 37 Matrices. o número de parámetros del que depende la solución del sistema. y es incompatible en caso contrario. En este caso. . Actividad 17. sin embargo. 2) El rango de la matriz ampliada puede. Teorema 4: teorema de Rouché-Fröbenius Un sistema de ecuaciones lineales es compatible si el rango de la matriz del sistema es igual al rango de la matriz ampliada. 13 y 14 desde el punto de vista del teorema de Rouché-Fröbenius. 11.

. nos dice que siempre tendrá solución. . ⎛ x 1⎞ ⎛ x 11 ⎞ ⎜ ⎟ ⎜ ⎟ x x x = ⎜ 2⎟ = ⎜ 12 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ x n⎠ ⎝ x 1n⎠ . aplicado ahora. . x = 0. Para un sistema homogéneo. algo evidente ya que x = 0 es una solución trivial. . por abuso de lenguaje...© FUOC • P00/75004/00191 38 Matrices. si hay una solución particular x1 o.. La primera parte del teorema de Rouché. Sistemas homogéneos Un sistema homogéneo es aquel en el que el término independiente de todas las ecuaciones es cero. la matriz ampliada contiene sólo una columna de ceros más que la matriz del sistema.. detalladamente. las soluciones que interesan son precisamente las que no son triviales. (19) Matricialmente se expresa del siguiente modo: A · x = 0. . . Un sistema homogéneo de m ecuaciones y n incógnitas será de la forma: a 11 x 1 + a 12 x 2 + … + a 1n x n = 0 ⎫ ⎪ a 21 x 1 + a 22 x 2 + … + a 2n x n = 0 ⎪ ⎬ ⎪ ⎪ a m 1 x 1 + a m2 x 2 + … + a mn x n = 0 ⎭ . brevemente. que un sistema homogéneo que únicamente tenga la solución trivial no tiene soluciones propias.... de forma que el rango de la matriz ampliada será igual al rango de la matriz del sistema. Es evidente que todo el sistema homogéneo admite la solución trivial: ⎛x 1⎞ ⎛0 ⎞ ⎜ ⎟ ⎜ ⎟ x 2⎟ 0 ⎜ = ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝x n⎠ ⎝0 ⎠ .. Para los sistemas homogéneos.. Se dice.. vectores y sistemas de ecuaciones lineales 6. .. o. . Pero en el caso de los sistemas homogéneos.

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

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

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

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

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

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

(22) no es más que la expresión del determinante de orden 3 desarrollado por la primera columna. 3 )+ . la fórmula (24) aplicada a los determinantes de orden 3 dará: det A = a 11a 22 a 23 – a 11 a 23 a 32 – a 12 a 21 a 33 + + a 12 a 23 a 31 – a 13 a 21 a 32 – a 13 a 22 a 31 .. 3) es par. Podéis consultarlas en la bibliografía. (3 . vectores y sistemas de ecuaciones lineales modo. Las permutaciones de (1. 3) son: ( 1. 3 . 1 )– donde hemos puesto la paridad como subíndice.3. 2. 1) + . 2. 1 . hechas a partir de la definición (24). Las demostraciones de estas propiedades. equivale a “desarrollar el determinante por los elementos de la fila (o columna) correspondiente”. 3 . Propiedades de los determinantes 1) Desarrollo por una fila (o columna): adjunto.© FUOC • P00/75004/00191 45 Matrices. y negativa si es impar. 7.. + – + . La paridad de una permutación es positiva cuando el número de transposiciones o permutaciones de 2 índices que es necesario hacer para llegar a la permutación (1. 2. ( 1. 1 . . La expresión resultante i. … El signo correspondiente a la posición ( j) es (–1)i+j.. ( 2. 3 ) – . … …. que es idéntica a la fórmula (23) dada por la regla de Sarrus. El valor de un determinante es igual a la suma algebraica de los productos de los elementos de una fila (o columna) cualquiera. Las propiedades que ahora daremos de los determinantes son válidas para los determinantes de cualquier orden. según la regla de signos siguiente: + – + .. son un poco técnicas y no las ponemos en el texto para no alargarlo innecesariamente.. sobre esta fórmula. De este modo. 2 )– . 2 ) + .1. por los menores complementarios correspondientes afectados de un signo que depende de la posición que ocupe el elemento. Únicamente la aplicaremos al caso n = 3 para ver cómo actúa. ( 3. 2 .. De este modo. ( 2. – + – .

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

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

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

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

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

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

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

⎪ y + ( 2 – λ )z = 0 ⎭ – 51 x + ( 2 3 – λ )y – 25. a) Demostrad que: 1 1 1 x y z x2 y z 2 2 ... a) ¿Cuál es la condición para que el sistema tenga soluciones no triviales? b) En el caso de que tenga. ¿qué expresión podemos dar para la solución? 24.. Discutid las soluciones del sistema siguiente. mientras que la segunda fila es arbitraria y las siguientes están formadas por las potencias sucesivas de los elementos de la segunda fila. según los valores del parámetro λ: λx + y + x + λy + z = 1 ⎫ ⎪ z = λ ⎬. 1 xn xn 2 .. conocido como determinante de Vandermonde: 1 1 x1 x2 x1 x2 2 2 . ⎪ x + y + λz = λ2⎭ 27.. ⎪ a n1 x 1 + a n2 x 2 + … + a nn x n = 0 ⎪ ⎭ ... y dad las soluciones correspondientes en forma de vectores-columna... . Utilizando determinantes. ved qué podemos decir a propósito de un sistema homogéneo de n ecuaciones y n incógnitas: a 11 x 1 + a 12 x 2 + … + a 1n x n = 0 ⎫ ⎪ a 21 x 1 + a 22 x 2 + … + a 2n x n = 0 ⎪ ⎬. y que ésta tenga a su vez 1 grado de libertad.. x + 2y – z = 3 ⎪ λx – 2y + 2z = 1 ⎪ ⎭ 26.. (28) … … … x1 x2 xn n –1 n –1 . Determinad λ para que el sistema siguiente sea compatible: 2 x – 3y – z = 2 ⎫ ⎪ x + 2y – 3 z = 4 ⎪ ⎬. Determinad λ para que el sistema tenga soluciones no triviales.© FUOC • P00/75004/00191 53 Matrices. b) Generalizando el método anterior. vectores y sistemas de ecuaciones lineales Actividades 23. ( – 2 0 – λ) x + 3x – 9y – 5z = 0 ⎫ ⎪ 12 z = 0 ⎬. . calculad el determinante siguiente. ⎪ 2x + 4 y + z = 0 ⎭ 28. Determinante de Vandermonde Determinante que tiene unos en la primera fila. n –1 . λx + y + z = 0 ⎫ ⎪ 3 x + λ y – 2 z = 0 ⎬. Lo mismo se puede aplicar en lo que respecta a las columnas.. = ( x – y ) ( y – z ) ( z – x ). encontradlas. ... ¿Para qué valores de λ el sistema homogéneo siguiente tiene soluciones no triviales? En estos casos.

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

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

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

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

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

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

.

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

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

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

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

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

0.© FUOC • P00/75004/00191 66 Matrices. u 3) y (v1. Por lo tanto. • Debemos comprobar si se verifica que (u 1.3.u 3}: 3 v = 1 v 1 e 1 + v 2 u 2 + ⎛ . resulta 2 λ − µ = 0. sustituyendo en la expresión anterior de e′ .0) y a u 2 = (0. –3 ) + 2 λ ( –1 . z) ∈ R 3 : –3x + 2 y + z = 0}:(u 1. Para ello es necesario ver que –3 ku1 + 2ku2 + ku3 = 0. Para ello. 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. 6 3 7 9. u 3) ∈ A.( e ′ –λe 1 ) = – . vectores y sistemas de ecuaciones lineales 1 3 1 7 e 2 = . u2 + v′ u 3+v3) ∈ A.( –1 ) + 5⎞ u 3 = –. 0.2 e 2 + -v -v -v ⎝2 6 ⎠ 3 ⎛3 – 7v + v ⎞u .1 . 0. a) Se toman dos elementos del conjunto A = {(x.u 3 .( –1 )e 1 + 3u 2 + ⎛ .′ .1.1 + .v2 . 7) 2 b) 1 1 1 e 2 = . ⎝2 ⎠ 2 2 2 El componente según u 2 es 3 ≠ 0. 3.v2.u3) + (v1 .e1 + 3 u 2 + .e 2}. a) El segundo vector debe pertenecer al subespacio generado por { e1.1 + .1 + v 3⎞ u 3 = -v ⎝2 ⎠ 2 = 1 1 e 1 + v 2 ⎛ 1 1 + 1 e 2 – 7 3 ⎞ + ⎛ 3 1 + v 3⎞ u 3 = -v -e -u -v ⎝6 ⎠ 2 3 6 ⎠ ⎝2 1 1 1 = ⎛ . debe ser combinación lineal: e′ = λ e 1 + µ e 2 = λ ( 2. 5 ) = λ ( 0. -v 3⎠ 3 ⎝.u3) y (v1. da: 2 e ′ = λ ( 2. resulta: u1 = 1 1 + 3 3 -e -u 2 2 1 1 1 u2 = . • Debemos comprobar si se verifica que (u 1 + v1.e 1 + . -e -e -u 6 3 6 Ahora podemos expresar v en la nueva base { e 1. es necesario ver que: . v2 .1 + . 3.u3 .e 2 – . 6. Efectivamente: – 3 k u1 + 2 k u 2 + k u3 = k ( – 3 u 1 + 2u 2 + u 3 ) = 0 .v3).2 2 6 c) Es la fórmula obtenida en el apartado anterior. u3 + v 3) ∈ B. 5 ).e 2. 2 Para ello. u 2. u2 + v2. -e -e µ 2 2 2 2 10.u2 .0). que. z) ∈ R 3 : 5x + 2y – 7z = 3}: (u 1. b) Se toman dos elementos del conjunto B = {(x.2⎞ e 1 + .u2 .v3) = (u 1 + v1. u2. v3). y. y de este modo puede sustituir a u 2: 1 1 7 u 2 = . 7 ) 2 y si queremos podemos elegir λ = 1. y.2 – . 6. d) Utilizando la expresión anterior y aplicándola a u 1 = (1. es necesario que veamos que: –3 ( u 1 + v1 ) + 2( u 2 + v 2) + u 3 + v3 = 0 . obteniendo e′ = (0. 2 Si el primer componente de e′2 debe ser 0. –3) + µ ( –1.

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

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

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

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

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

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

© FUOC • P00/75004/00191

73

Matrices, vectores y sistemas de ecuaciones lineales

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

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

⎛1 ⎜ 0 → ⎜ ⎜0 ⎜ ⎝0

–1⎞ ⎛1 ⎟ ⎜ 5⎟ 0 →⎜ ⎜0 6⎟ ⎟ ⎜ ⎝0 6⎠

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

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

© FUOC • P00/75004/00191

74

Matrices, vectores y sistemas de ecuaciones lineales

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

A

–1

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

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

1 a) A = ⎛ ⎝2

2 6

3 4

5⎞ 3⎠

y

© FUOC • P00/75004/00191

75

Matrices, vectores y sistemas de ecuaciones lineales

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

1 A⋅ B= ⎛ ⎝2

2 6

3 4

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

¿Podríais interpretar ahora las operaciones C · (A · B) y (C · A) · B? d) En este segundo caso D = A, ya que hacen exactamente la misma compra y ⎛3 ⎜ 2 E = ⎜ ⎜5 ⎜ ⎝2 4⎞ ⎟ 2⎟ tiene los precios de cada mes en una columna. 6⎟ ⎟ 7⎠ 61⎞ nos da el gasto de cada centro en cada compra. 65⎠

32 A⋅E = ⎛ ⎝ 44

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

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

obtenemos x = –11, y = 21, z = –9. Directamente no tiene sentido considerar –11 kilos de A, pero sí que podemos considerar que la solución consiste en tomar 21 kilos de B, extraer 11 kilos de A y 9 kilos de C. Podéis comprobar que lo que queda tiene el 20% de plata y el 80% de oro. Observad que estamos suponiendo que disponemos de un procedimiento para extraer de una mezcla cualquiera de plata, cobre y oro ciertas cantidades de las aleaciones A, B y C, y esto (¡los químicos lo saben muy bien!, por cierto, ¿aún no ha llegado el que habíamos avisado?) no siempre es posible. e) ( 0,2; 0,3; 0,5 ).

. generadores de un espacio (o subespacio) vectorial Todo conjunto de vectores tales que todo vector del espacio (o subespacio) se puede poner como combinación lineal del conjunto de generadores.. y en consecuencia. espacio vectorial sobre un cuerpo Conjunto dotado de una operación interna que recibe el nombre de suma con propiedades de grupo conmutativo y una multiplicación por escalares del cuerpo con ciertas propiedades específicas. en la solución.– 29 x = ------------n-. espacio vectorial numérico n-dimensional Espacio vectorial de los vectores-columna (o fila) de n componentes reales. j son los índices de la fila y la columna que ocupa el elemento. tiene muchas soluciones que se pueden expresar de esta forma: x = 5---.+ .. 3/5. . .-. no hay forma de obtener una mezcla con las características pedidas. . –2 . tales que todo vector del espacio (o el subespacio) es combinación lineal de estos. en forma de cociente de determinantes. si n fuese 40 y m fuese 55. por lo tanto. z) = ⎛ 0.. + λ kv k = 0 implica λ 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. 3 2⎞ + t ( 1. independencia lineal de vectores Dado un conjunto {v 1. 0.. que es: 7 ----5---–----.© FUOC • P00/75004/00191 76 Matrices. y = -------------.55). 1 ). el determinante es un número que se calcula a partir de sus elementos y que proporciona información sobre la independencia lineal de sus filas (y de sus columnas) dimensión de un espacio (o un subespacio) vectorial: Número máximo de vectores linealmente independientes que contiene este espacio y que es igual al número de vectores de cualquier base del espacio o subespacio). Gauss.-. para cada m ≠ 35 y cualquier valor de n el sistema tiene solución única. 11.. determinante Dada una matriz cuadrada. t expresa la proporción de C que habrá en la mezcla final. • Si m = 35 y n = 29 el sistema es compatible e indeterminado con la solución siguiente: ( x.. por lo tanto.+ 5 ( 15 – 5 (3 5 – m ) 5 ( m – 35 ) m – 35 Por ejemplo.. base de un espacio (o un subespacio) vectorial Conjunto de vectores linealmente independientes. que dan el valor de las incógnitas en un sistema de n ecuaciones y n incógnitas compatible y determinado..–--0t -.15.--. es decir. la solución sería (0. n----2 ------------) -m----( 9 -----) -. En caso contrario decimos que son linealmente dependientes.2 n ------.. Observad que en este caso la matriz del sistema tiene determinante nulo.-. 5 5 Observemos que.z = ------m-----------. y = 6----. el valor correspondiente a la cantidad de B (que es la y) sería negativo. es linealmente independiente si la ecuación λ 1v 1 + . el sistema es compatible y determinado. vk} de vectores. 0. Si m ≠ 35. a) El sistema es incompatible.---1 -t-–-. ya que. Cramer.--1-.. método de Método de eliminación de incógnitas que permite reducir un sistema lineal de forma escalonada. = λk = 0. si t > 3/5. y . vectores y sistemas de ecuaciones lineales 10.3. b) El sistema es compatible e indeterminado y. • Si m = 35 y n ≠ 29 el sistema es incompatible.z = t .. regla de Fórmulas cerradas. la proporción mínima de C es 0 y la máxima.

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

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

Sign up to vote on this title
UsefulNot useful