Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2.1.2 Definición
Dada una matriz A, decimos que es una matriz escalonada1 , si se verifican las siguientes
condiciones:
1. Todas las filas nulas, si las hay, se encuentran en la parte inferior de la matriz.
2.1.3 Definición
Llamamos matriz escalonada reducida a la matriz escalonada que además verifica las
siguientes propiedades:
4. En las columnas en las que están ubicadas las entradas principales de las filas, todos los
demás elementos son nulos.
1
también llamada matriz escalonada por filas
2
A veces, bajo la definición de matriz escalonada se añade la condición de que cada entrada principal sea un
uno
2 Tema 2: Matrices y Sistemas de Ecuaciones Lineales
2.1.4 Definición
Llamamos matriz escalonada por columnas a la matriz traspuesta de una matriz esca-
lonada.
Veamos ahora que toda matriz puede ser transformada en una matriz en forma escalonada
por filas (o columnas), o en una matriz en forma escalonada reducida por filas (o columnas), sin
más que realizar ciertas operaciones entre filas y columnas.
2.1.5 Definición
Dada una matriz A de orden m × n, llamamos transformación elemental sobre filas
(columnas) a una cualquiera de las siguientes operaciones:
Fi ↔ Fj
Fi → cFi
3. Sustituir la fila (columna)i-ésima por ella más c veces la fila (columna) j-ésima, con i $= j:
Fi → Fi + cFj
2.1.6 Definición
Decimos que una matriz A de orden m × n es equivalente por filas (columnas) a una
matriz B de orden m × n, si obtenemos B a partir de A mediante una sucesión finita de
transformaciones elementales sobre filas (columnas).
Eje : La matriz
1 0 −1 2 3
A= 0 3 2 1 5
−1 2 −2 −1 −3
Tema 2: Matrices y Sistemas de Ecuaciones Lineales 3
2.1.7 Teorema
La relación de equivalencia por filas (columnas) entre matrices del mismo orden, es una re-
lación de equivalencia.
1. Dada la matriz A = (aij ), buscamos la primera columna con una entrada no nula. Su-
pongamos que dicha columna es la j1 , y que dicha entrada no nula se encuentra en la fila
i1 .
2. Intercambiamos las filas 1 e i1 , de forma que aparezca una entrada no nula en la primera
fila de la columna j1 , obteniendo la matriz B = (bij ) donde b1j1 $= 0.
3. Hacemos cero en todos los elementos no nulos de la columna j1 de la matriz B, pues a cada
bij1
fila i > 1 le sumamos − b1j veces la fila 1, es decir, efectuamos la siguiente transformación
1
sobre filas:
bij
Fi → Fi − 1 F1
b1j1
4. Repetimos los pasos 1,2,3 y 4 con la submatriz formada por todas las filas, excluyendo la
primera.
5. Continuamos el proceso anterior hasta obtener una matriz en forma escalonada por filas
(columnas), que es equivalente por filas (columnas) a la matriz A.
Ej :
0 1 3 4 2
3 6 9 3 −6
A=
0
3 −2 5 3
2 5 3 2 1
Tema 2: Matrices y Sistemas de Ecuaciones Lineales 5
Más adelante comprobaremos cómo este método nos proporciona un medio aún más sencillo
para la resolución de sistemas de ecuaciones.
Demostración: Por el teorema anterior, sabemos que la matriz A es equivalente por filas a
una matriz B escalonada por filas de forma que B puede ser elegida de manera que las entradas
principales sean unos. Por tanto, bastarı́a con demostrar que B es equivalente por filas a una
matriz C escalonada reducida por filas. El método que vamos a emplear consta de los siguientes
pasos:
1. Dada la matriz B que está en forma escalonada, tomamos la segunda fila y buscamos
su entrada principal, y hacemos ceros por encima de dicha entrada principal realizando
transformaciones elementales sobre filas.
2. Repetimos el paso anterior para todas las restantes filas no nulas, con lo cual obtendremos
una matriz C en forma escalonada reducida por filas que es equivalente por filas a la matriz
B, y por tanto a la matriz A.
Nota: La forma escalonada de una matriz no es evidentemente, única. Sin embargo, puede
demostrarse que la forma escalonada reducida sı́ es única para una matriz dada.
0 1 3 4 2
3 6 9 3 −6
A=
0
3 −2 5 3
2 5 3 2 1
6 Tema 2: Matrices y Sistemas de Ecuaciones Lineales
sabemos que su matriz escalonada por filas, consiguiendo que además las entradas princi-
pales sean unos, es
1 2 3 1 −2
0 1 3 4 2
E= 7 3
0 0 1
11 11
0 0 0 1 − 51
2
Sumando -3 veces la tercera fila a la segunda, y sumando 3 veces la tercera fila a la primera
fila, obtenemos la matriz
1 0 0 − 56 11 − 57
11
0 1 0 23 13
11 11
G= 7
3
0 0 1
11 11
0 0 0 1 − 51
2
7
Sumando − 11 veces la cuarta fila a la tercera fila , sumando - 23
11 veces la cuarta fila a la
56
segunda fila , y sumando 11 veces la cuarta fila a la primera fila obtenemos la matriz
1 0 0 0 −135
0 1 0 0 1199
22
H=
0 0 1 0 363
22
0 0 0 1 − 51 2
2.2.2 Teorema
Sea A una matriz de orden m × n. Entonces:
1. La matriz B de orden m × n que se obtiene al realizar una transformación elemental sobre
filas de la matriz A, coincide con la matriz obtenida al multiplicar por la izquierda la matriz
A por la matriz elemental F de orden m obtenida al realizar sobre Im la correspondiente
transformación sobre filas, es decir:
B = FA
B = AC
.
1. Construimos la matriz (por bloques) M = (A..I) de orden n × 2n.
2. Reducimos por filas la matriz A de M a forma escalonada, donde todo lo que hagamos en
una fila de A lo hacemos también en la correspondiente fila de In . Si el proceso genera
una fila nula en la matriz A de M , hemos terminado, pues A no serı́a inversible. En caso
contrario, la matriz A adoptará forma triangular.
.
3. Reducimos la matriz A de M a la matriz identidad, obteniendo (I ..B) donde I ha reem-
plazado a la matriz A.
4. Tomamos A−1 = B.
1 0 3
Ejemplo : Dada la matriz A = 3 1 5 veamos si posee inversa. Para ello construimos
2 3 7
la matriz
..
.. 1 0 3 . 1 0 0
M = (A.I3 ) = 3 1 5 ..
. 0 1 0
..
2 3 7 . 0 0 1
Si a la segunda fila le sumamos -3 veces la primera fila, y a la tercera fila le sumamos -2
veces la primera fila, obtenemos
..
1 0 3 . 1 0 0
..
0 1 −4 . −3 1 0
..
0 3 1 . −2 0 1
Tema 2: Matrices y Sistemas de Ecuaciones Lineales 9
2 4 6
Eje : Dada la matriz A = 1 3 4 veamos si posee inversa.
3 12 15
10 Tema 2: Matrices y Sistemas de Ecuaciones Lineales
2.2.4 Teorema
Si A y B son matrices de orden n tales que AB = In , entonces BA = In , y por consiguiente
B = A−1 .
2.3.2 Teorema
La equivalencia de matrices es una relación binaria de equivalencia, es decir, si A, B y C son
tres matrices de orden m × n, entonces se verifica que:
Demostración:
siendo (P2 P1 ) y (Q1 Q2 ) inversibles. Por tanto hemos demostrado que A es equivalente a
C.
2.3.3 Definición
Decimos que una matriz cuadrada B es semejante a una matriz cuadrada A, si la matriz
A es equivalente a la matriz B con Q = P −1 , es decir, si:
B = P AP −1
Tema 2: Matrices y Sistemas de Ecuaciones Lineales 11
2.3.4 Definición
Decimos que una matriz cuadrada B es congruente a una matriz cuadrada A, si existe una
matriz inversible P tal que
B = P T AP
2.3.5 Proposición
Las relaciones de semejanza y congruencia de matrices, son relaciones de equivalencia.
Demostración: Se deja como ejercicio.
donde aij y bi son elementos de un cuerpo cualquiera dado. Dichas ecuaciones pueden tambien
escribirse de la siguiente forma (expresión matricial de un sistema de ecuaciones):
a11 a12 · · · a1n x1 b1
a21 a22 · · · a2n x2 b2
.. .. .. .. .. = .. ; A X = B
. . . . . .
am1 am2 · · · amn xn bm
Diremos que bi es el término independiente de la ecuación i, y que aij es el coeficiente para
la incognita i en la ecuación j. Si se verifica bi = 0, , ∀i = 1 . . . m, tendremos un sistema
homogéneo.
Observemos que el vector (x1 , x2 , · · · , xn ) será una solución del sistema si verifica todas las
ecuaciones. Dependiendo de la forma del conjunto de soluciones podemos clasificar los sistemas
en:
• Incompatibles: no existe solución.
• Compatibles: existe al menos una solución. En el caso de que dicha solución sea única
diremos que tenemos un sistema determinado, y en el caso de que tengamos mas de una
solución diremos que nos encontramos ante un sistema indeterminado.
2.4.1 Definición
Dado un S.E.L. escrito en forma matricial, llamaremos Matriz aumentada de un sistema
de ecuaciones a la matriz [A|B], es decir:
a11 a12 · · · a1n b1
a
21 a22 · · · a2n b2
. .. .. ..
.
. . . .
am1 am2 · · · amn bm
12 Tema 2: Matrices y Sistemas de Ecuaciones Lineales
0 0 0 1 2 | 9
Puesto que tenemos 5 incógnitas y 4 ecuaciones independientes, decimos que el sistema
posee un grado de libertad, es decir que la solución va a depender de un parámetro λ.
Tomamos por ejemplo, x5 = λ, y vamos obteniendo de forma recursiva la solución del
sistema: x4 + 2x5 = 9; x4 = 9 − 2λ
x3 + 2x4 + 3x5 = 7; x3 = 7 − 3λ − 2(9 − 2λ) = λ − 11
x2 + 2x3 + 3x4 − x5 = 7; x2 = 2 + 5λ
x1 + 2x2 + 3x3 + 4x4 + 5x5 = 6; x1 = −1 − 10λ
Ejemplo 2 : Supongamos un S.E.L. con matriz aumentada [A|B], cuya forma escalonada por
filas tras una serie de transformaciones elementales nos queda:
1 2 3 4 | 6
[C|D] = 0 1 2 3 | 6
0 0 0 0 | 7
Evidentemente deducimos que dicho sistema no tiene solución, pues es imposible satisfacer
la ecuación que nos indica la última fila de [C|D], esto es 0 = 7.
Ejemplo 1 : Supongamos que una vez aplicadas las transformaciones necesarias a la matriz
ampliada de un S.E.L. dado hemos obtenido la siguiente forma escalonada reducida:
1 0 0 0 | 5
0 1 0 0 | 6
[C|D] =
0 0 1 0 | 7
0 0 0 1 | 8
Tema 2: Matrices y Sistemas de Ecuaciones Lineales 13
Dicha matriz nos indica que el sistema posee una solución única:
x1 = 5, x2 = 6, x3 = 7, x4 = 8,
Ejemplo 2 : Supongamos que una vez aplicadas las transformaciones necesarias a la matriz
ampliada de un S.E.L. dado hemos obtenido la siguiente forma escalonada reducida:
1 1 2 0 −5 | 3
[C|D] = 0 0 0 1 4 | 8
0 0 0 0 0 | 0
2.6.1 Definición
Un S.E.L. AX = B se dice que es un sistema de Cramer si su matriz de coeficientes A es
cuadrada e inversible (o regular).Es decir si el sistema tiene tantas ecuaciones como incógnitas
y el determinante de A es no nulo.
Notas: