Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROLOGO
5
LIC. HORTENCIA DEL V. LAGORIA TEMAS DE ÁLGEBRA LINEAL
6
LIC. HORTENCIA DEL V. LAGORIA TEMAS DE ÁLGEBRA LINEAL
INDICE
7
LIC. HORTENCIA DEL V. LAGORIA TEMAS DE ÁLGEBRA LINEAL
8
CAPITULO I – TEORIA DE LAS MATRICES
1. Introducción
Las matrices constituyen una herramienta útil para distintos fines teóricos, como
prácticos. Las matrices pueden estar constituidas por elementos de cualquier naturaleza, si bien
centraremos nuestro estudio en las matrices numéricas.
El primer subíndice: “i” indica la fila a la que pertenece el elemento, y el segundo subíndice “j”
indica la columna. Así a23 es el elemento ubicado en la segunda fila y la tercera columna.
Veamos un ejemplo.
Solución:
Esta matriz tiene tres filas y dos columnas.
a 11 elemento de la primera fila y primera columna.
Entonces para i = 1, j = 1 Para i = 1, j = 2:
Para i = 2, j = 1: Para i = 2, j = 2:
En forma análoga se procede con los otros elementos. Luego la matriz A con todos sus
elementos es: 4 7
A= 5 8
6 9
3. Tipos de Matrices
Ejemplos:
1/2 0 1/2 2 2/5
A = [5] ; B= ; C= 3 1/3 1/2
-3 1/4 -3 5/2 5
Son matrices cuadradas:
A de primer orden ; B de segundo orden y C de tercer orden
Es decir que en una matriz diagonal, los elementos ubicados fuera de la diagonal principal son
todos nulos.
2 0 -5 0 0
A= B= 0 -5 0
1 2 0 0 -5
0 0 0 0
Ejemplos: O = [0 0 0 ] O=
0 0 0 0
2 0 0 -1 1 2 3
A= 3 -1 0 B= 0 1 1 0
1 5 2 0 0 -2 1
0 0 0 0
Según la ubicación de los elementos nulos, se distinguen en: matriz triangular superior y matriz
triangular inferior.
Una matriz cuadrada A se denomina matriz triangular superior, sí y solo sí a i j = 0 ∀ i > j
Análogamente:
Una matriz cuadrada A se denomina matriz triangular inferior, sí y solo sí a i j = 0 ∀ i < j
En los ejemplos dados anteriormente, la matriz A es una matriz triangular inferior, y la B es una
matriz triangular superior.
4. Igualdad de Matrices
Definición:
Dos matrices son iguales, sí y sólo sí, son del mismo tipo y los elementos
correspondientes respectivamente iguales.
Elementos correspondientes son los elementos que tienen el mismo par de subíndices.
Así dos matrices A y B son iguales, si ambas son del mismo tipo y tal que:
∀ i,j aij = bij
Ejemplos:
2 -1 - 3 1+1 -4
A= B=
5 1 3+2 1
Si A = (a )
ij mxn ; B = ( b i j )m x n resulta A + B = C = ( ci j )m x n
Tal que: ci j = a i j + bi j ∀ i , j
O bien:
Ejemplo:
2 -1 1 2 3 1
A= 3 5 ; B= -1 -3 A + B= 2 2
-2 4 2 -2 0 2
5-1-1. Propiedades
Entre las propiedades más importantes están:
(a) Propiedad Asociativa: (A + B) + C = A + (B + C).
(b) Propiedad Conmutativa: A + B = B + A.
OBSERVACION: Tengamos en cuenta que la suma de matrices no está definida entre dos
matrices cualesquiera, sino entre las matrices que tienen el mismo tipo.
Veamos la suma de una matriz B y la matriz nula:
B=(b )
ij mxn
B+O=(b )
ij mxn =B
O=(o )
ij mxn ; oij= 0 ∀ i , j
Ahora bien, en el álgebra numérica, cada número real tiene su opuesto, así en el álgebra
matricial, cada matriz tiene su matriz opuesta.
En efecto: si A = (a )
i j mxn entonces la matriz opuesta de A, es –A = (-a )
i j mxn
Ejemplo: 2 1 -2 -1
A= –A=
0 -3 0 3
En símbolos:
-1/2 3 0 3/2 -1 2
A= B=
2 -1 3 1 -2 5
A –B
-1/2 3 0 -3/2 1 -2
A–B = A + ( –B) = +
2 -1 3 -1 2 -5
-2 4 -2
A–B =
1 1 -2
Entonces el producto se obtiene multiplicando cada uno de los elementos de la matriz A por el
número k.
2 1 0 -3
Ejemplo: Sea k = 3 ; β = 1/2 y
A=
-1 1 2 1
Calculamos:
6 3 0 -9 1 1/2 0 -3/2
kA = 3A = ; β A = 1/2 A =
-3 3 6 3 -1/2 1/2 1 1/2
p
∀ i;∀j ci j = ∑ a i k b k j
k=1
La definición establece que para efectuar el producto de dos matrices, el número de columnas de
la primera matriz, debe ser igual al número de filas de la segunda matriz.
mxp . pxn mxn
Cuando es posible el producto entre dos matrices, se dice que ambas matrices son
CONFORMABLES.
a 11 a 12 a 13 b11 b12
Sea: A = a 21 a 22 a 23 B = b21 b22
b31 b32
Calculemos c 11 ; o sea i = 1 ; j = 1
3
∴ c 11 = ∑a 1k b k1
k=1
Desarrollemos la suma: c 11 = a 11 b 11 + a 12 b 21 + a 13 b 31
Además podemos ver que los subíndices del elemento calculado c 11 [subíndices 1 y 1]
coinciden respectivamente con el orden de la fila [1ª de A] y el orden de la columna [1ª de B]
que intervienen en esta operación.
Por lo tanto c 12 [subíndices 1 y 2 ] lo obtenemos multiplicando ordenadamente los
elementos de la 1ª fila de A por los elementos de la 2ª columna de B y sumando dichos
productos:
O sea: : c 12 = a 11 b 12 + a 12 b 22 + a 13 b 32
a11 a12 a13 b11 b12 a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
a21 a22 a23 =
b21 b22 a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32
b31 b32
A . B = C
Ejemplo:
7 11 16
A.B =
9 7 12
2 -1 3 -1
A= B=
-1 1 ; 1 -2
Calculamos A.B:
2 -1 3 -1 5 0
A.B = ; A.B =
-1 1 1 -2 -2 -1
3 -1 2 -1 7 -4
B.A = ; B.A =
1 -2 -1 1 4 -3
Cuando se cumple que A.B = B.A, se dice que A y B son CONMUTABLES o PERMUTABLES
Sea A una matriz cuadrada de orden n y la matriz In la matriz identidad del mismo orden,
entonces A e In son conmutables o permutables.
Propiedad Asociativa:
Si la matriz A es conformable con B y B es conformable con C, entonces se cumple la igualdad:
(A.B) C = A (B.C)
(H) A = (a i j) 2 x 3 B = (b i j) 3 x 4 C = (c i j) 4 x 3
(T) (AB) C = A (BC)
(D) Consideramos las matrices con determinados tipos, a los efectos de hacer más sencilla la
demostración, sin perder generalidad.
Desarrollamos las operaciones del primer miembro de la igualdad que queremos demostrar.
A.B = P = ( pi j ) 2x4
4 d
∀ i;j ti j = ∑ pi h ch j
h=1
Ahora, debemos expresar a pih en función de los elementos de las matrices dadas (de la
hipótesis)
3
pi h = ∑ aik bkh
k=1
t ij = ∑ { a i 1 b 1 h + a i 2 b 2 h + a i 3 b 3 h} c h j
h=1
Como esta sumatoria varía con h, los a ik son constantes y se pueden extraer de la misma.
4 4 4
∴ t ij = a i1∑ b 1 h c hj + a i 2 ∑ b 2 h c hj + ai 3 ∑ b 3 h c hj
h =1 h =1 h =1
Ahora calculamos:
A (BC) = AM = R
3
R = ( ri j ) 2 x 3 donde r ij = ∑a
k =1
ik m kj d
Expresamos a mk j en función de los elementos de las matrices de la hipótesis. Para ello en c
hacemos i = k
4
∴ m k j = ∑ bkh chj e
h =1
De d y e se deduce:
3 4
rij = ∑ aik ∑ bkhchj
k =1 h =1
Comparando las igualdades I y II , vemos que los segundos miembros son iguales, por
lo tanto los primeros también lo son.
Propiedad Distributiva:
Si A es conformable con B y B y C son del mismo tipo, entonces se cumple que:
A (B+C) = A.B + A.C
Demostración:
Desarrollaremos las operaciones del primer miembro de la igualdad de la tesis.
Resolvemos primero la suma de B y C, aplicando definición:
B+ C = S
= (si j) q x r ; si j = bi j + ci j ∀i; j c
Premultiplicando ambos miembros de la primera igualdad por A, se tiene:
A.(B + C) = A.S
I A.(B + C) = P = (p i j) m x r
Donde:
q
d p ij = ∑
k =1
a i k s k j ∀i; j por definición de producto de matrices:
Debemos expresa a s k j en función de los elementos de las matrices dadas. Dando a i el valor k
en c se tiene:
s kj = bkj + c kj
Se dice en este caso que el producto de matrices es distributivo a la izquierda respecto a la suma.
Ejemplo:
2 − 1 0 2 − 1 0 2 − 1 0
Sea: A = 1 − 3 1 A = 1 − 3 1 1 − 3 1
2
3 1 − 1
A2 = − 1 9 − 1
1 − 1 5
6. Matriz Traspuesta
6-1. Definición
La traspuesta de una matriz A que se simboliza con A' , es la matriz que se
obtiene de A cambiando ordenadamente filas por columnas.
Es decir si A = (a i j) m x n la traspuesta de A es A' = (a' i j) n x m
tal que ∀i; j a' i j = a j i
Ejemplo:
2 −2 0
−1 −1 0 3
2 0 1 1
A = − 2 0 1 2 − 1 A' = 0 1 1
0 3 1 0 − 1 1 2 0
1 − 1 − 1
Si A es de tipo m x n, evidentemente A' es de tipo n x m.
También se utiliza el símbolo At para denotar o simbolizar a la matriz traspuesta de A.
6-2. Propiedades
Las propiedades más importantes son dos:
1. La traspuesta de la suma de dos matrices del mismo tipo, es igual a la suma de las traspuestas
de las matrices sumandos
(H) A = (a i j) m x r ; B = (bi j) m x r
(T) (A + B)' = A' + B'
Demostración:
Desarrollamos las operaciones del primer miembro de la tesis.
Luego
De cyd se deduce:
s' i j = a ji + bji
Luego:
(A + B)' = (a ji + b j i) r x m I
Resolvemos las operaciones del 2º miembro de la tesis:
Tenemos que encontrar las traspuestas de las matrices A y B.
Aplicando la definición de la traspuesta de una matriz, se obtiene:
A' = (a' i j) r x m ; ∀i; j a' ij= aji
Demostración:
Resolvemos las operaciones del 1º miembro de la igualdad de la tesis:
Aplicando definición de producto de matrices, tenemos:
A B = P = (p i j) n xq
c
r
Tal que: p ij = ∑
k =1
a ik b kj
p' ij = ∑a
k =1
jk bki
Luego
r
(AB)' = ∑ ajk bki I
k =1
qxn
De c y d, se deduce que:
r r
sij = ∑b
k =1
ki ajk =∑ ajk bki
k =1
r
∴ B' A' = ∑ ajk .bki II
k =1
qxn
Comparando I y II , si los segundos miembros son iguales, los primeros también lo son.
Luego: (A B)' = B'A' que es la tesis.
Otras propiedades que no demostraremos son:
(a) (A')' = A (b) (k A)' = k.A' k: constante real.
También podemos decir: Una matriz cuadrada es simétrica si y sólo si es igual a su traspuesta.
O sea que los elementos de la diagonal principal de una matriz antisimétrica son todos nulos.
Ejemplo:
0 1 5
0 − 2
A= ; B = − 1 0 − 3
2 0 − 5 3 0
También podemos decir: Una matriz cuadrada es antisimétrica, sí y sólo sí es igual a la opuesta
de su traspuesta.
A es antisimétrica ⇔ A' = -A
7-3. Propiedades
Toda matriz cuadrada puede expresarse como suma de una matriz simétrica y de
otra antisimétrica.
En efecto: Sea A una matriz cuadrada cualquiera.
1 1
Podemos escribir: A= A+ A
2 2
1
Sumamos y restamos A'
2
1 1 1 1
∴A= A + A + A '- A '
2 2 2 2
1
A= ( A + A ') + 1 ( A − A ')
2 2
1
Designemos con S a la matriz ( A + A ')
2
1
y con T a la matriz ( A − A ')
2
Demostraremos que S es una matriz simétrica y T es una matriz antisimétrica.
S es simétrica ⇔ S' = S
Veamos:
1 '
S'= ( A + A')
2
T es antisimétrica ⇔ T' = -T
1 '
T'= ( A − A')
2
CAPITULO II – DETERMINANTES
1. Introducción
Teniendo en cuenta los objetivos de este curso, presentamos conceptos,
propiedades y demostraciones de algunas de ellas, evitando abordar los temas con demasiado
rigor científico. Daré en primer lugar el concepto de submatriz.
2. Concepto de Submatriz
Dada una matriz cualquiera A, llamamos submatriz de A, a toda matriz que se
obtiene de A suprimiendo filas o columnas, o ambas líneas.
Ejemplo:
− 1 2 0 1
Sea A = 2 3 −1 1
1 0 2 1
2 3 −1 1
Suprimiendo la primera fila se obtiene la submatriz
1 0 2 1
− 1 2 1
Suprimiendo segunda fila y tercera columna obtenemos otra submatriz:
1 0 1
3. Determinante.
El Determinante es una función escalar que hace corresponde a cada matriz
numérica cuadrada, un número real.
Al igual que las matrices, el determinante se simboliza mediante un conjunto de números reales
dispuestos en filas y columnas; pero encerrados entre barras para diferenciar de las matrices.
Definición
Vamos a definir determinante de una matriz, procediendo inductivamente respecto
a su orden n:
1) Si A es una matriz numérica cuadrada de orden n = 1 y A = [a]; a Є |R
definimos: det A = a
∑ (−1)
i+n
det A =
M M M M = . ai n . Mi n I
i =1
an1 an 2 L ann
∴ |A| = - a1 2 a2 1 + a1 1 a2 2 ó bien:
|A| = + a1 1 a2 2 - a1 2 a2 1
Por lo tanto el determinante de una matriz cuadrada de segundo orden es igual al producto de los
elementos de la diagonal principal menos el producto de los elementos de la diagonal secundaria.
Si n = 3 resulta:
a11 a12 a13
det A = a 21 a 22 a 23
a 31 a 32 a 33
3
Luego: det A = ∑ (−1) i+3
i =1
. ai 3 . M i 3
det A = a13 a 21a 32 − a13a 31a 22 − a 23a11a 32 + a 23a 31a12 + a 33a11a 22 − a 33a 21a12
Ejemplo:
5 1 −3
2 1 5 1
∆= 2 1 0 =-3 +1
−2 3 2 1
−2 3 1
=-3.8+3 ∴ ∆ = - 21
Con el objeto de hacer más sencilla la expresión I asociamos el factor (-1)1+n (o sea el signo)
con el menor Mi n y definimos el llamado Cofactor del elemento ai n de la matriz A; lo denotamos
“Ai n”
∴ Ai n = (-1)i +n Mi n
det A = ∑a
i =1
in. Ain
O sea el determinante de una matriz cuadrada A de orden n, se obtiene sumando los productos de
los elementos de la enésima columna por sus correspondientes cofactores.
En general el cofactor de un elemento cualquiera de una matriz cuadrada A de orden n > 1 esta
dado por la relación:
A i j = (-1)i +j M i j ∀ i,j
Realicemos ahora la suma de los productos de los elementos de la primera fila del determinante
∆, por sus correspondientes cofactores:
1 0 2 0 2 1
O sea: 5 −1 −3
3 1 −2 1 −2 3
5 - 2 - 24
= - 21
Observamos que también se obtiene el valor del determinante. Efectivamente esto es válido
cualquiera sea la fila o columna que se tome. Esto es lo que establece el siguiente teorema:
4. Teorema de la Expansión
Este teorema conocido también como Regla de Laplace, establece que si A es una matriz
cuadrada de orden n ≥ 2, entonces se cumple:
n
(a) det A = ∑ak =1
kj . Akj j fijo ^ 1 ≤ j ≤ n
n
(b) det A = ∑ak =1
ik . Aik i fijo ^ 1 ≤ i ≤ n
La expresión (a) corresponde al desarrollo del determinante por los elementos de la columna j.
La expresión (b) corresponde al desarrollo del determinante por los elementos de la fila i.
5.1. Si todos los elementos de una fila (o columna) de una matriz cuadrada A son nulos,
entonces det A = 0.
Su demostración es demasiado sencilla, dado que (aplicando el Teorema de la Expansión) si
se desarrolla el determinante por la fila (o columna) de elementos nulos, se anula la suma,
dado que en cada término habrá un factor cero.
5.2.Si la matriz B se obtiene de la matriz cuadrada A, multiplicando todos los elementos de una
fila (o columna) por una constante K, entonces det B = K det A.
Demostración:
Sea A una matriz cuadrada de orden n
Sea B una matriz que se obtiene de A multiplicando los elementos de la primera fila por la
constante real k.
5.3.Si cada elemento akj de la fila k de una matriz cuadrada A, es igual a a'kj + a''kj , entonces se
cumple la igualdad: det A = det A' + det A'', donde A' y A'' son matrices que se obtienen a
partir de A, reemplazando akj por a'kj y a''kj respectivamente. (válido también para
columnas
5.6.Si un determinante tiene dos filas (o dos columnas) iguales, el determinante es nulo.
Vamos a demostrar esta propiedad considerando para mayor facilidad un determinante de 3º
orden. En forma análoga se procede con un determinante de orden n.
a a' d
∆ = b b' e siendo: a = a' ; b = b' ; c = c'
c c' f
Demostraremos que ∆ = 0
Como ∆ = - ∆ ⇒ ∆=0
5.7.Si un determinante tiene dos filas (o dos columnas) proporcionales, entonces el determinante
es nulo.
a ka m s a a m s
b kb p t b b p t
∆ = = k. = k .0 = 0
c kc q u c c q u
d kd r v d d r v
∴ ∆ = 0.
El segundo determinante es nulo por propiedad 6ta.
5.8.Si a una fila (o columna) de un determinante se le suma una combinación lineal de filas (o
columnas) el determinante no varía.
Enunciaré y demostraré un caso particular de esta propiedad, porque probablemente sea la
más importante por la aplicación que tiene en el cálculo de determinantes de orden superior.
a b c
∆ = d e f
g h i
Demostraré que:
a b c a b c
∆ = d e f = d e f
g + ka h + kb i + kc g h i
a b c a b c a b c
d e f = d e f + d c f
g + ka h + kb i + kc g h i ka kb kc
El segundo sumando es un determinante nulo por propiedad 7, por tener la primera y tercera
filas proporcionales.
a b c a b c
d e f = d e f
g + ka h + kb i + kc g h i
5.9.Si a los elementos de una fila (o columna) de un determinante se los multiplica por los
cofactores de los elementos de otra fila (o columna) y se realiza la suma de dichos
productos, el resultado es cero.
5.10. Si A y B son matrices cuadradas del mismo orden, entonces el determinante de la matriz
producto es igual al producto de los determinantes de las matrices factores.
Es decir: det (AB) = det A . det B
Nos preguntamos: ¿Qué línea vamos a elegir con el propósito de ahorrar tiempo y trabajo?
Conviene elegir aquella línea que contenga la mayor cantidad de elementos nulos. En efecto,
un elemento nulo en una línea nos ahorra el cálculo de un determinante. En este caso,
tenemos varias líneas con un elemento nulo, de ellas elijo la primera fila, dado que además
contiene un elemento unitario, al que elegimos como pivote, por que con él se agiliza el
procedimiento a la vez que se hace más sencillo.
Marcaremos con un cuadrado al elemento elegido como pivote, y con círculos a todos los
elementos que tenemos que reducir a cero. Teniendo en cuenta, que si se quiere reducir a
cero los elementos de una fila, se deben realizar combinaciones lineales de columnas y
recíprocamente, si se quiere reducir a cero los elementos de una columna, hay que realizar
combinaciones lineales de filas.
Por lo tanto, en este caso, realizaremos combinaciones lineales con la segunda columna, dado
que es la columna que contiene al pivote elegido.
Entonces realizamos las siguientes operaciones:
- A la segunda columna la multiplico por 2 y le sumo la primera columna.
2 −1 3 0 0 −1 0 0
0 2 −1 3 4 2 5 3
∆= =
−3 1 −3 2 −1 1 0 2
2 −3 7 2 −4 −3 −2 2
Las operaciones descriptas las visualizamos sobre el determinante, ayudados por una flecha
que sale de la línea que contiene al pivote y llega a la línea que se suma. El segundo
determinante desarrollado por los elementos de la primera fila, resulta igual al producto del
elemento pivote por su correspondiente cofactor.
0 −1 0 0
4 5 3
4 2 5 3
O sea: = − ( − 1) − 1 0 2
−1 1 0 2
−4 −2 2
−4 −3 −2 2
De esta manera, podemos apreciar como un determinante de 4to. orden, lo reducimos a otro
equivalente de 3er. orden.
En general un determinante de orden n se lo puede reducir a uno de orden (n-1), y reiterar el
procedimiento hasta obtener un determinante de segundo orden, cuya resolución es
inmediata.
Siguiendo con la resolución del determinante de 3er. orden, elegimos ahora la segunda fila
pues contiene un cero y un elemento unitario: (-1), al que elegimos como pivote.
Con un círculo ubicamos al único elemento de la segunda fila que debemos reducir a cero.
Como queremos reducir a 0, elementos de una fila, realizamos combinaciones lineales con
columnas; siempre con la columna que contiene al pivote, la que permanece invariable.
Multiplicamos a la primera columna por 2 y le sumamos la tercera obteniendo:
2
4 5 3 4 5 11
5 11
−1 0 2 = −1 0 0 = − ( − 1)
−2 −6
−4 −2 2 −4 −2 −6
∴ ∆ = - 30 + 22 ⇒ ∆ = - 8
Vemos que en este ejemplo hemos encontrado siempre un pivote unitario. Si bien, NO es
imprescindible, es muy importante trabajar con dicho pivote. No obstante, si el determinante
no tiene elementos unitarios, se puede lograr la existencia de los mismos, mediante las
combinaciones lineales descriptas, y como último recurso, mediante la introducción al
determinante, de números fraccionarios.
Ahora voy a proponer el cálculo de otro determinante numérico, con el objeto de describir
otra faceta importante en la aplicación de este método.
Ejemplo Nº 2:
2 3 −4 1 4
0 5 −7 6 3
∆= 4 7 −9 4 9
2 −2 3 −1 1
0 2 −3 5 2
Para resolver este determinante, elijo la primera columna; si bien en ella no existe un
elemento unitario, podemos obtenerlo mediante la extracción del factor 2 de dicha columna
(por propiedad de determinantes). Sin embargo esta operación no es necesaria; es mas,
conviene elegir a 2 como pivote y mediante combinaciones lineales con la primera fila (que
es la que contiene al pivote), reducir a 0 los restantes elementos no nulos de la primera
columna. Es decir:
2 3 −4 1 4 2 3 −4 1 4
0 5 −7 6 3 0 5 −7 6 3
(-2)
∆= 4 7 −9 4 9 (-1) = 0 1 −1 2 1
2 −2 3 −1 1 0 −5 7 −2 −3
0 2 −3 5 2 0 2 −3 5 2
5 −7 6 3
1 −1 2 1
∆ = 2.
−5 7 −2 −3
2 −3 5 2
Logramos así, reducir el determinante de 5to. orden, a otro equivalente de 4to. orden, lo que
simplifica enormemente los cálculos.
Ahora debemos resolver este determinante de 4to. orden. Al no existir elementos nulos, elijo
una de las líneas que tiene un elemento unitario.
Si analizamos las diferentes posibilidades, veremos que una de las más sencillas es la
siguiente:
Mediante combinaciones lineales con la primera columna, reducir a 0 (cero) todos los
elementos de la segunda fila, marcados con círculos.
Con lo que se obtiene:
+ (-2) (-1)
5 −7 6 3 5 −2 −4 −2
1 −1 2 1 1 0 0 0
2. = 2.
−5 7 −2 −3 −5 2 8 2
2 −3 5 2 2 −1 1 0
+
∴ ∆ = + 16
− 2 − 4 − 2 −1 − 2 −1
− 2. 2 8 2 = − 2 .2 .2 . 1 4 1
−1 1 0 −1 1 0
+
−1 − 3 −1
= −8. 1 5 1 = ( − 8 )( − 1 )[ − 3 + 5 ]
−1 0 0
= + 16
Dada una matriz cuadrada A de orden n, se llama Matriz Adjunta A a la matriz cuadrada de
orden n, A* = (aij*)n cuyo elemento genérico aij* es el cofactor Aji del elemento aji de la
matriz A.
Debemos tener en cuenta que se obtiene igual resultado, si se parte de la matriz dada A, se
encuentra la traspuesta de A y por último se construye la matriz de los Adjuntos o de los
cofactores de los elementos de la traspuesta de A.
Ejemplo 1: '
1 2 − 1 − 5 3 2
Sea A = 0 − 2 3 ;
Adj A = − 7 5 3
1 − 1 4 4 − 3 − 2
− 5 − 7 4
Adj A = 3 5 − 3
2 3 − 2
2. Teorema
Cualquiera sea la matriz cuadrada A, se verifica que:
A . A* = A* . A = det A. I
Demostraremos esta propiedad para matrices de 3º orden, en forma análoga se procede para
matrices de orden n.
Calculamos el producto: A . A*
'
a11 a12 a13 A11 A12 A13
A. A* = a 21 a 22 a 23 . A21 A22 A23
a 31 a 32 a 33 A31 A32 A33
c11 = a11 A11 + a12 A12 + a13 A13 = det A por Teorema de la expansión.
c12 = a11 A21 + a12 A22 + a13 A23 = 0 por Propiedad 9 de determinantes.
c13 = a11 A31 + a12 A32 + a13 A33 = 0 por Propiedad 9 de determinantes.
c22 = a21 A21 + a22 A22 + a23 A23 = det A por Teorema de la expansión.
Luego:
det A 0 0
A. A* = 0 det A 0
0 0 det A
1 0 0
∴ A. A* = det A.0 1 0 o sea: A.A* = det A.I que es lo que queríamos demostrar.
0 0 1
2. det A ≠ 0 ⇒ A es inversible.
Sabemos por propiedad de la matriz adjunta que:
A. A* = A* . A = det A . I
Por hipótesis det A ≠ 0, por lo que podemos dividir la igualdad anterior en det A, obteniendo:
B B
1 1
A. A* = A * .A = I
det A det A
Luego por definición existe A-1 (B) ∴ A es inversible que es lo que queríamos demostrar.
Ejemplo 2:
Tomemos la matriz A del ejemplo anterior. Calculemos su determinante:
1 2 −1 1 2 −1
det A = 0 − 2 3 -1 = 0 −2 3
1 −1 4 0 −3 5
1
Aplicando la relación: A-1 = A*
det A
Se obtiene:
− 5 − 7 4 5 7 − 4
1
-1
A = . 3 5 − 3 ∴ A = − 3 − 5 3
-1
−1
2 3 − 2 − 2 − 3 2
1 0 0
= 0 1 0 En forma análoga se demuestra el producto: A-1.A = I
0 0 1
Demostración:
Por hipótesis, A es una matriz inversible.
Luego por definición de inversa de una matriz, existe una matriz B, tal que:
A.B = B.A = I 1
4. Propiedades
4-1. Si A y B son matrices inversibles del mismo orden, su producto también lo es, y se
cumple que: la inversa del producto es igual al producto de las inversas de las matrices
factores, pero en orden cambiado.
H A y B matrices inversibles de orden n.
A-1 inversa de A ; B-1 inversa de B
Demostración:
Queremos demostrar que la inversa del producto AB es el producto B-1 A-1.
Es decir debemos demostrar que (AB) y (B-1 A-1) son matrices inversas. Por lo tanto, por
definición de matrices inversas se debe cumplir que:
(AB) (B-1 A-1) = (B-1 A-1) (AB) = I
En efecto:
(AB) (B-1 A-1) = A (B B-1) A-1 por propiedad asociativa del producto.
Además: por hipótesis y por definición de inversa de una matriz es:
B B-1 = A A-1 = I
Luego:
4-3. Si A, B, y C son matrices inversibles del mismo orden, entonces se cumple la igualdad:
(A B C) -1 = C-1 B-1 A-1
En efecto, apliquemos propiedad asociativa al producto A.B.C
Entonces:
(A B C)-1 = [ (AB) C]-1
Y por propiedad de la inversa del producto de dos matrices resulta:
= C-1 (A B)-1
4-4. La inversa de una matriz simétrica inversible es también una matriz simétrica.
En efecto:
Como A es una matriz simétrica, por definición se cumple:
A' = A
Si dos matrices son iguales, sus inversas también lo son.
∴ (A') -1 = A-1
Aplicando propiedad 2. en el primer miembro, nos queda:
(A -1)' = A-1
Luego por definición de matriz simétrica se tiene que:
A-1 es una matriz simétrica
4-5. Si A es una matriz diagonal inversible, entonces su inversa A-1 también es una matriz
diagonal, tal que los elementos de la diagonal principal de esta, son los inversos
multiplicativos de los elementos de la diagonal principal de la matriz dada A.
1
a11 0 0 L 0
a11 0 0 L 0 1
0 a 22 0 L 0 0 0 L 0
a 22
1
A= 0 0 a 33 L 0
entonces: A-1 = 0 0 L 0
a 33
M M M M M
0 M M M M M
0 0 0 ann
0 1
0 0 0
ann
4-6. Si k ≠ 0 es un número real y A una matriz inversible, entonces la inversa del producto
del escalar k por A es igual al inverso multiplicativos de k por la inversa de A.
O sea:
1 -1
(k A) -1 = A
k
1. Introducción
Comenzaremos esta unidad, recordando el concepto de ecuación.
Ecuación: es toda igualdad de operaciones, en las que intervienen constantes y
variables (o incógnitas) y que sólo se verifica para determinados valores de las incógnitas.
Dichos valores se denominan raíces de la ecuación.
Ejemplos:
(a) 3x – 2 = 0 (b) x2 – 2x = 1 (c) 2x – 3y = z – 2
Existen diferentes tipos de ecuaciones, nosotros estudiaremos las ecuaciones lineales. Una
ecuación lineal con n incógnitas es una expresión de la forma:
a1 x1 + a2 x2 + a3 x3 + … + a n xn = b
donde los ai son constantes reales llamadas coeficientes y xi son las variables o incógnitas y b
constante real llamada término independiente.
Un conjunto de dos o más ecuaciones lineales con las mismas incógnitas, constituye un sistema
lineal de ecuaciones.
Las constantes aij se denominan coeficientes de las incógnitas; los bi son los llamados términos
independientes del sistema.
Si todos los términos independientes son nulos, el sistema se dice Homogéneo, en caso contrario
se dice No Homogéneo.
Ejemplo:
2 x1 – x3 = 0 2x–y+z=2
(a) (b) – x – 2 z = -1
3 x1 – x2 + 2 x3 = 0 x + 3y – z = 0
Resolver: Un sistema de ecuaciones es encontrar todos los conjuntos de valores de las incógnitas
que satisfagan simultáneamente todas las ecuaciones del sistema. Cualquier conjunto que cumpla
tales condiciones, se denomina solución del sistema.
Además se dice que un sistema lineal es determinado si tiene una única solución, e
indeterminado si el sistema tiene infinitas soluciones.
Luego: Determinado: Solución Única.
Compatible
(Tiene solución) Indeterminado: Infinitas Soluciones.
Sistema Lineal
de Ecuaciones
Incompatible: No tiene solución.
Con X al vector de las incógnitas, y con B al vector de los términos independientes, o sea:
x1 b1
x2 b2
X = x3 ; B = b3
M M
xn bm
También definimos la matriz ampliada, como la matriz que se obtiene agregando a la matriz
de los coeficientes como última columna, el vector de los términos independientes. Esta matriz la
simbolizamos con Å.
Luego la matriz ampliada es:
Una solución del sistema A.X = B, es un vector denotado por X* de n componentes, tal que
verifica la ecuación matricial.
Es decir: A. X* = B
Estudiaremos primero el Método de Gauss, uno de los más importantes del álgebra lineal para
la resolución de sistemas de ecuaciones lineales.
La fila que contiene al pivote elegido se la escribe en primer lugar (es decir como
primera fila), y mediante operaciones elementales de filas, se reducen a cero los restantes
elementos de la primera columna; o sea todos los elementos ubicados debajo del pivote. Con la
primera fila no se opera más, o sea permanece invariable hasta finalizar el procedimiento.
Escribimos la matriz ampliada, agregando como última columna la columna de control c, cuyos
elementos se obtienen sumando todos los elementos de la fila correspondiente.
Así a (-5), primer elemento de la columna c lo obtenemos sumando todos los elementos de la
primera fila; 4 es la suma de los elementos de la segunda fila y 3 la suma de los elementos de la
tercera fila.
Como la segunda fila contiene al pivote elegido, la escribimos como primera fila y debemos
reducir a 0 todos los elementos ubicados debajo del pivote, visualizando con círculos. Para ello
debemos realizar combinaciones lineales con la primera fila, indicando las operaciones sobre la
matriz ayudados con una flecha.
-1 0 2 3 4
2 2 1 -3 -5 -5
3 3 1 -1 0 3
-1 0 2 3 4
0 1 1 1 3
0 1 5 9 15 (-1)
Como tenemos un elemento unitario en lugar 2;2, lo elegimos de pivote, luego resta anular al
único elemento ubicado debajo del pivote mediante la combinación lineal indicada por la flecha.
Obtenemos así:
x1 x2 x3 bi c
-1 0 2 3 4
0 1 1 1 3
0 0 4 8 12
4 x3 = 8 ⇒ x3 = 2
x1 1
x2
Luego la solución del sistema dado es: = −1
x3 2
Elegimos en la primera columna a 1 como pivote, que visualizamos con el recuadro, y con
círculos los demás elementos de la primera columna que debemos reducir a cero. En este paso
realizamos combinaciones lineales con la segunda fila, que es la que contiene al pivote. Dichas
operaciones están indicadas en la matriz. Además la segunda fila la escribimos en primer lugar y
permanece invariable hasta finalizar el mecanismo. Vemos que podemos hacer pequeñas
modificaciones en el ordenamiento de las operaciones elementales aplicadas.
Nos queda entonces:
x y z w bi c
1 -2 2 0 1 2
0 7 -3 -1 0 3
(-1) 0 8 -5 1 -1 3
0 6 -7 2 -6 -5
Vemos que los elementos de la columna c, que se obtuvieron con las combinaciones lineales
antes indicadas, resultan iguales a la suma de los elementos de las correspondientes filas; con lo
que nos aseguramos de no cometer errores, en cada uno de los pasos realizados.
Ahora debemos trabajar en forma análoga en la segunda columna y a partir de la segunda fila
inclusive. Vemos que no existe un elemento unitario. Podemos obtenerlo, multiplicando la
1
segundo fila por , pero de este modo aparecerán los números fraccionarios y el procedimiento
7
se complica.
Resulta mucho más sencillo multiplicar la segunda fila por (-1) y sumar a la tercera. El resultado
de esta combinación lineal la escribimos como segunda fila, logrando ubicar al pivote unitario en
el lugar 2.2.
x y z w bi c
1 -2 2 0 1 2
0 1 -2 2 -1 0
(-7)
0 7 -3 -1 0 3
(-6)
0 6 -7 2 -6 -5
Mediante las dos combinaciones lineales indicadas sobre la matriz, reducimos a 0 a los dos
elementos ubicados debajo del pivote. La segunda fila permanece invariable hasta finalizar el
procedimiento. Obtenemos así la matriz:
x y z w bi c
1 -2 2 0 1 2
0 1 -2 2 -1 0
0 0 +11 -15 7 3
(-2)
0 0 5 -10 0 -5
Como la primera y segunda fila no se modifican, únicamente debemos comprobar que los dos
últimos elementos de la columna c resultan iguales a la suma de los elementos de la fila a la cual
pertenecen.
Si esto no ocurre, indica que existen errores. Vemos que:
11 + 7 – 15 = 3 ^ 5 – 10 = -5
Para lograr un pivote unitario en el lugar 3.3, multiplicamos por (-2) la cuarta fila y sumamos la
tercera fila.
Obtenemos así, la matriz:
x y z w bi c
1 -2 2 0 1 2
0 1 -2 2 -1 0
0 0 1 5 7 13
0 0 5 -10 0 -5 (-5)
Las tres primeras filas no se modifican, reduciendo a 0 al único elemento ubicado debajo del
pivote, mediante la combinación lineal representada sobre la matriz.
x y z w bi c
1 -2 2 0 1 -2
0 1 -2 2 -1 0
0 0 1 5 7 13
0 0 0 -35 -35 -70
Triangularizada la matriz de los coeficientes, resolvemos este sistema equivalente al dado, pero
de estructura más sencilla.
De la segunda fila: 2 1
y = – 1 + 2z – 2w ∴ y=1
De la primera: 1 2
x = 1 + 2y – 2z ∴ x=1
Al finalizar con el Método de Gauss – Jordan, daré otro ejemplo sencillo de aplicación del
Método de Gauss.
Como la inversa de una matriz es única, el sistema admite una única solución, la que se obtiene
multiplicando la inversa de la matriz de los coeficientes por el vector de los términos
independientes.
Apliquemos este método al siguiente ejemplo:
Ejemplo Nº 3:
2 x1 - x2 + x3 = -2
- 3 x2 + x3 = - 16
3 x1 + x2 + x3 = +10
En notación matricial el sistema se escribe:
2 − 1 1 x1 -2
0 − 3 1 x 2 = - 16 c
3 1 1 x 3 10
2 −1 1 2 2 1
det A = 0 −3 1 det A = 0 0 1 = -2
3 1 1 3 4 1
3
Como det A ≠ 0, A admite inversa:
− 4 3 9 ' − 4 2 2
2 − 1 − 5
Adj A = ∴ Adj A = 3 − 1 − 2
2 − 2 − 6 9 − 5 − 6
Es decir:
− 4 2 2 −2
−1
X= 3 − 1 − 2 − 16
2
9 − 5 − 6 10
1
Efectuamos el producto del escalar (- ) por la segunda matriz:
2
− 4 2 2 1 2
X = 3 − 1 − 2 8 ∴ X = 5
9 − 5 − 6 − 5 - 1
− 2 -2
16 = - 16
10 10
Debemos tener presente que este método es aplicable a sistemas cuadrados, donde la matriz de
los coeficientes sea una matriz inversible.
6. Regla de Cramer
Otro de los métodos de resolución de sistemas de ecuaciones, es el conocido con
el nombre de Regla de Cramer, aplicable a Sistemas Cuadrados, tales que el determinante de la
matriz de los coeficientes, sea distinto de cero. Dichos sistemas se conocen con el nombre de
Sistemas Cramerianos.
La regla de Cramer establece que la única solución que admiten estos sistemas, esta dada por:
xj = ∆ xj j = 1, 2, 3, …, n
∆ n: número de incógnitas
Para mayor facilidad, demostraré la Regla de Cramer, con un sistema lineal de 3 ecuaciones con
3 incógnitas; en forma análoga se procede con un sistema de n ecuaciones con n incógnitas.
Demostración:
Como ∆ ≠ 0, la matriz de los coeficientes A es inversible. Luego por el método de la matriz
inversa, dicho sistema admite una única solución dada por:
X = A-1. B
Luego: X A-1 B
b1 a12 a13
b 1 A 11 + b 2 A 21 + b 3 A 31 = b 2 a 22 a 23 = ∆ x1
b 3 a 32 a 33
a11 b1 a13
b 1 A 12 + b 2 A 22 + b 3 A 32 = a 21 b 2 a 23 = ∆ x 2
a 31 b 3 a 33
a11 a12 b1
b 1 A 13 + b 2 A 23 + b 3 A 33 = a 21 a 22 b 2 = ∆ x 3
a 31 a 32 b 3
En consecuencia, es:
∆ x1 ∆ x2 ∆ x3
x1 = ; x2 = ; x3 =
∆ ∆ ∆
O sea:
b1 a12 a13
b 2 a 22 a 23
b 3 a 32 a 33
x1 = En forma análoga se expresa x2 y x3.
∆
Cuando el número de incógnitas es grande, no es conveniente usar o aplicar este método, debido
a la cantidad de determinantes que hay que calcular.
Ejemplo Nº 4:
2 x1 -3 x2 + x3 = - 3
x1 + x2 - 2 x3 = - 4
-2 x1 + 2 x2 - x3 = 2
Solución:
Calculamos primero, el determinante de la matriz de los coeficientes ∆.
Si ∆ = 0, no se puede resolver por Regla de Cramer.
-2
2 −3 1 0 −5 5
∆ = 1 1 −2 = 1 1 −2 = - (25 - 20) ∴ ∆ = -5
−2 2 −1 0 4 −5
2
−1 −1 0
1 1
x1 = − −8 −3 0 ∴ x1 = − (3 − 8) x1 = −1
5 5
2 2 −1
Calculamos ∆x2:
2 −3 1 2 −3 1
∆ x2 = 1 −4 −2 = 1 −4 −2 ∆ x 2 = ( − 4 − 1)
−2 2 −1 0 −1 0
∆ x2
Luego: ∆ x 2 = −5 como x 2 =
∆
−5
Es x 2 = ∴ x2 = 1
−5
-2
2 −3 −3 0 −5 5
∆ x3 = 1 1 −4 = 1 1 −4 = − ( 30 − 20 )
−2 2 2 0 4 −6
2
∆ x 3 = − 10
∆ x3
x3 =
∆
− 10
x3 = ∴ x3 = 2
−5
x1 - 1
x2 = 1
x 3 2
Este Método al igual que los anteriores es aplicable a sistemas cuadrados, y su mecanismo es
similar al Método de Gauss.
El Método de Gauss – Jordan, consiste en transformar, mediante la aplicación ordenada de las
operaciones elementales, a la matriz de los coeficientes en la matriz identidad. Entonces en el
lugar en el que figuraban los términos independientes, aparece el vector solución del sistema, si
este es determinado. En caso contrario, no se puede transformar a la matriz de los coeficientes,
en la matriz identidad.
Podemos proceder de la siguiente manera:
El primer paso consiste en transformar la primera columna en el primer vector unitario. Elegimos
entonces en la primera columna, un pivote preferentemente 1 y se reducen a 0, los restantes
elementos de dicha columna. Sabemos como obtener el pivote unitario cuando este no existe. A
la fila que contiene al pivote se la escribe como primera fila, la que permanece fija hasta finalizar
el procedimiento. No obstante a diferencia del Método de Gauss, se puede sumar a la primera
fila, otra fila previamente multiplicada por una constante no nula.
En forma análoga se procede con las otras columnas hasta lograr obtener la matriz identidad.
Aparece entonces a la derecha de esta matriz, el vector solución del sistema, si éste es
determinado.
También podemos decir que el procedimiento finaliza cuando no pueden obtenerse nuevos
pivotes unitarios, y por lo tanto, no se puede formar la matriz identidad. Ello indica que no se
puede aplicar este Método.
Ejemplo Nº 5:
2 x -3 y + z = - 3
x + y - 2z = - 4
-2 x + 2 y - z = 2
Resolución:
Escribimos la matriz ampliada y la última columna, la denominada Columna de Control c, cuyos
elementos se obtienen sumando los elementos de cada fila:
x y z bi c Así:
2 -3 1 -3 -3 -2 2–3+1–3=–3
1 1 -2 -4 -4 1+1–2–4=–4
-2 2 -1 2 1 2 –2+2–1+2=1
Elegimos a uno de la primera columna como pivote, y mediante combinaciones lineales con la
segunda fila, que es la que contiene al pivote, reducimos a cero los restantes elementos de la
primera columna. A las combinaciones lineales las hemos indicado sobre la matriz. A la segunda
fila la escribimos como primera y nos queda:
x y z bi c
1 1 -2 -4 -4
0 -5 5 5 5
0 4 -5 -6 -7 +
Controlamos las dos últimas filas que son las que se modifican:
– 5 + 5 + 5 = 5 : Segundo elemento de la columna c.
4 – 5 – 6 = – 7 : Tercer elemento de la columna de control.
Como los elementos de la columna de control c resultan ser la suma de los elementos de las filas
correspondientes, aseguramos que no existen errores en el procedimiento.
En esta primera etapa hemos transformado a la primera columna, en el primer vector unitario.
Ahora debemos transformar la segunda columna en el segundo vector unitario. Buscamos
entonces el pivote unidad en la segunda columna y a partir de la segunda fila, como no existe,
sumamos a la segunda fila, la tercera, y conseguimos así el pivote buscado en el lugar 2.2.
x y z bi c
+
1 1 -2 -4 -4
0 -1 0 -1 -2
4 – 1+ 0 – 1=– 2: segundo elemento
0 4 -5 -6 -7
de la columna de control.
Realizamos las combinaciones lineales indicadas en la matriz para conseguir los dos ceros que
necesitamos y multiplicamos por (-1) la segunda fila; obtenemos así:
x y z bi c Controlamos:
1 0 -2 -5 -6 1 – 2 - 5 = -6
0 1 0 1 2 1+1=2
x (-1/5) 0 0 -5 -10 -15 – 5 – 10 =– 15
0 0 1 2 3
Multiplicamos por 2 la segunda fila y sumamos a la primera para obtener el cero que nos falta
para transformar la tercera columna en el 3º vector unitario y finalizar así el mecanismo.
Luego:
x y z bi c Controlamos:
1 0 0 -1 0 1–1=0
0 1 0 1 2 1+1=2
0 0 1 2 3 1+2=3
Por consiguiente el vector ubicado a la derecha de la matriz identidad es la solución del sistema.
1x + 0 y + 0 z = - 1 ∴ x = -1
0 x + 1 y + 0z = 1 ∴ y=1
0x+0y+1z = 2 ∴ z=2
x - 1
y = 1
z 2
Ejemplo Nº 6:
x1 + x2 - x3 = 1
x1 - x2 + 3 x3 = - 3
x1 + x3 = 1
x1 x2 x3 bi c
1 1 -1 1 2
(-1)
1 -1 3 -3 0
(-1) 1 0 1 1 3
1 1 -1 1 2
0 -2 4 -4 -2 x (-1/2)
0 -1 2 0 1
1 1 -1 1 2 -1
0 1 -2 2 1
+
0 -1 2 0 1
x1 x2 x3 bi c
1 0 1 -1 1
0 1 -2 2 1
0 0 0 2 2
El procedimiento finaliza allí, dado que debemos elegir un pivote unitario en la tercera columna
y a partir de la tercera fila inclusive, y sólo tenemos una posibilidad, elegir el elemento del lugar
3.3, pero dicho elemento es nulo.
Para finalizar con los sistemas lineales cuadrados, daré un ejemplo para aplicar el Método de
Gauss.
x1 + x2 - x3 = 1
x1 - 3 x2 + 4 x3 = 0
2 x1 - 2 x2 + 3 x3 = 1
Resolución:
Debemos escribir la matriz ampliada y la última columna, la de control.
Luego
x1 x2 x3 bi c
(-1) 1 1 -1 1 2
1 -3 4 0 2
(-2) 2 -2 3 1 4
Vemos que en este caso conviene trabajar con (-4) como pivote y no reducirlo a la unidad.
Aplicamos la operación representada sobre la matriz anterior y conseguimos un cero debajo del
pivote: Luego nos queda.
x1 x2 x3 bi c
1 1 -1 1 2
0 -4 5 -1 0
0 0 0 0 0
Hemos triangularizado la matriz de los coeficientes. En los sistemas cuadrados, si obtenemos una
o más filas con elementos todos nulos, el sistema admite infinitas soluciones.
0 x1 + 0 x2 + 0 x3 = 0
La última ecuación se satisface para toda terna de valores (x1 ; x2 ; x3 ) y por lo tanto podemos
suprimirla.
5 x3 + 1
x2 =
4
1 + 5a
Luego x2 =
4
1 + 5a
x1 = 1 − +a
4
Verifiquemos la solución entrada: Para ello debemos reemplazar en el sistema dado, a x1, x2, y
x3 por los valores encontrados, verificando todas las ecuaciones del mismo.
Luego:
1º ecuación: x1 + x2 - x3 = 1
3 − a 1 + 5a
+ − a =1
4 4
2º ecuación: x1 - 3 x2 + 4 x3 = 0
3−a 1 + 5a
−3 + 4a = 0
4 4
3º ecuación: 2 x1 - 2 x2 + 3 x3 = 1
3−a 1 + 5a
2. −2 + 3a = 1
4 4
x1 3 1 5
4 2 4
x 2 1 3 9
= ; ; −
4 2 4
x 3
0 1 − 2
8. Sistemas Rectangulares
Los sistemas rectangulares son aquellos sistemas en los cuales el número de
ecuaciones es distinto del número de incógnitas.
El Método de Gauss, como dijimos, es aplicable a estos sistemas también.
Procediendo en forma análoga a lo visto en sistemas cuadrados, con la diferencia de que en estos
sistemas triagularizamos la matriz de los coeficientes y en los sistemas rectangulares diremos
escalonar dicha matriz.
Introduciremos entonces el concepto de matriz escalonada por filas o por
columnas.
Ejemplo:
2 0 −1 1 0 1 En la 4º fila existen 5 ceros antes del primer
0 −3 1 0 2 2
elemento no nulo; en la 3º fila, 3 ceros,
0 0 0 −1 1 2 en la 2º fila 1 cero, y en la 1º fila, ningún cero.
0 0 0 0 0 3
También podemos decir que el rango de una matriz es el orden del determinante no nulo de
mayor orden que se pueda extraer de dicha matriz.
Ejemplo:
1 2 3
1 2
La matriz A = 2 3 4 es de rango 2 pues la submatriz es no singular dado que
2 3
3 5 7
1 2
= -1 ≠ 0 y el único determinante de 3º orden que se puede extraer de A es nulo.
2 3
En efecto:
1 2 3 1 2 3
-2
det A = 2 3 4 (-3) = 0 −1 − 2 = 0 Las dos últimas filas son iguales.
3 5 7 0 −1 − 2
1 2 −1 4
Ejemplo 1: determinar el rango de la matriz A:
A= 2 4 3 5
− 1 − 2 6 − 7
Resolución:
Aplicando sucesivamente las transformaciones elementales, obtendremos a partir de A, una
matriz escalonada equivalente a la dada.
Así:
1 2 −1 4 1 2 −1 4 1 2 −1 4
A= (-2) 2 4 3 5 ~ − 3 ~ 0 − 3 = B
(-1) 0 0 5 0 5
+
− 1 − 2 6 − 7 0 0 5 − 3 0 0 0 0
La matriz B que se obtiene es de rango dos. Ello se deduce a simple vista, pues toda submatriz de
3º orden tiene determinante cero, al tener una fila con todos sus elementos nulos y además existe
al menos una submatriz de 2º orden de determinante distinto de cero.
2 − 1
Ejemplo: 0 5 cuyo determinante es 10.
Como la matriz A es equivalente a la B (A ~ B), tienen el mismo rango. Luego el rango de A es
2. En símbolos r (A) = 2.
matriz escalonada por filas (o por columnas) es igual al número de filas (o columnas) que tienen
al menos un elemento no nulo. Por lo tanto la matriz dada tiene el mismo rango.
1 1 2
2 3 5
Ejemplo 2: Determinar el rango de A =
4 2 6
4 6 10
Resolución:
Partimos de A, aplicando sucesivamente las operaciones elementales indicadas, para obtener otra
matriz escalonada equivalente a la dada. Trabajaremos sin colocar los corchetes
(-1) (-2)
1 1 2 1 0 0 1 0 0
2 3 5 2 1 1 2 1 0
~ ~
4 2 6 4 -2 -2 4 -2 0
4 6 10 4 2 2 4 2 0
Hemos operado con columnas y hemos obtenido una matriz escalonada por columnas,
equivalente a la matriz A, dada. El rango de la matriz escalonada por columnas, lo obtenemos,
contando las columnas que tengan al menos un elemento no nulo.
El rango de la matriz escalonada es dos. Y como la matriz A es equivalente a ésta, tiene también
rango 2. O sea r (A) = 2.
Además, si:
r1 = r2 = n, el sistema tiene solución única.
r1 ≠ r2 ⇒ Sistema es incompatible.
x - 2 y + 2z = 5
3 x - 2 y - 4 z = -3
4x-2y+z =1
Dijimos que debemos escribir la matriz ampliada y como última columna, la de control.
1 -2 2 5 6
0 7 0 -14 -7 En esta matriz, multiplicamos la tercera fila por (-2) y le
(-2)
0 4 -10 -18 -24 sumamos la segunda fila, logrando un pivote unitario en
Realizando las combinaciones lineales representadas en la tercera matriz, reducimos a cero los
dos elementos ubicados debajo del pivote en 2.2.
Obtenemos así, la matriz:
0 -1 20 22 41
0 0 35 35 70 x 1
35
1 -2 2 5 6
0 -1 20 22 41
(-1)
0 0 1 1 2
0 0 1 1 2
1 -2 2 5 6
En este paso, conseguimos escalonar la matriz ampliada. Con
0 -1 20 22 41
ello logramos obtener un sistema equivalente al dado, de
0 0 1 1 2
resolución más sencilla. Descartamos la columna c para
0 0 0 0 0
resolver el sistema.
x y z bi c
Debemos tener cuidado, que si bien obtuvimos una fila con todos los elementos nulos, al NO ser
un sistema cuadrado, ello no significa que existan infinitas soluciones.
En esta última matriz, podemos determinar a simple vista, el rango de la matriz de los
coeficientes r1 y el rango de la matriz ampliada r2.
z =1
Esta ecuación se la suprime dado que se verifica para
0x + 0y + 0 z = 0 todo conjunto de valores de x, y, z.
x - 2 y + 2z = 5
x – 2 (-2) + 2.1 = 5 ⇒ x = 5 - 6 ∴ x = - 1
x - 1
y = - 2
z 1
1) 2 x +3 y + 4 z = – 4 2) x – 2 y + 2z = 5
2 (–1) + 3 (–2) + 4.1 = – 4 – 1 – 2 (–2) + 2.1 = 5
–2 – 6 + 4 = –4 –1 + 4 +2 = 5
–4 = –4 5 = 5
3) 3 x – 2 y – 4 z = –3 4) 4x –2y + z = 1
3 (–1) – 2 (–2) – 4.1 = –3 4 (–1) – 2 (–2) + 1 = 1
–3 + 4 – 4 = –3 – 4 + 4 +1= 1
Ahora bien, como un sistema homogéneo, tiene todos los términos independientes nulos, la
matriz de los coeficientes y la matriz ampliada tienen el mismo rango. O sea, en todo sistema
homogéneo: r1 = r2 .
9. Soluciones Básicas
Las soluciones básicas son ciertas soluciones de sistemas lineales indeterminados
que cumplen con algunas condiciones que daremos a continuación.
Iniciaremos este tema, dando la definición de soluciones básicas.
9-1. Definición
Sea A X = B un sistema lineal de m ecuaciones con n incógnitas con m < n y tal
que el rango de A sea igual a m. Si se extrae de A cualquier submatriz no singular de orden m, y
a todas las (n - m) variables no asociadas a las columnas de ésta submatriz se les asigna el valor
cero, la solución del sistema que así se obtiene, recibe el nombre de SOLUCIÓN BÁSICA.
Un sistema lineal que cumpla las condiciones establecidas en la definición, tendrá tantas
soluciones básicas como submatrices no singulares de orden m se puedan extraer de A.
n
El número máximo de soluciones básicas es: N = Cm
n!
∴ N=
m!(n − m)!
Decimos número máximo de soluciones básicas, dado que puede ocurrir que algunas de ellas no
existan.
Este tema es de gran aplicación en la formulación y resolución de problemas de Investigación
Operativa.
Desarrollaré un ejemplo sencillo de manera que se aclaren todos los conceptos dados.
Ejemplo Nº 01:
Encontrar todas las soluciones básicas del sistema.
x1 - x2 + x3 = 1
x1 - x2 + 2 x3 = - 1
Resolución:
Es un sistema lineal de m = 2 ecuaciones con n = 3 incógnitas ∴ m es menor que n.
Veamos:
Escribimos la matriz A.
1 −1 1
1 −1 2 Ordenamos las columnas y extraemos las submatrices de 2º orden de A.
1 2 3
Es por ello que N representa el máximo número de soluciones básicas; en este caso N = 3 y sólo
existen dos, dado que las submatrices formadas por las columnas c y e ; d y e son no
singulares.
Encontremos dichas soluciones básicas aplicando la definición y la Regla de Cramer.
Extraemos la submatriz que tiene por elementos, los coeficientes de x1 y x3 y a la variable no
asociada a las columnas de dicha submatriz x2 le asigno el valor cero. O sea x2 = 0. Obtenemos
así el siguiente sistema crameriano:
c e x2 = 0
1 1 x1 1
1 =
2 x 3 − 1
1 1
∆= ∴ ∆ =1
1 2
1 1
∆ x1 = =3 ; ∆x1 = 3 x1 = 3
−1 2
1 1
∆x 3 = = −2 ; ∆x 3 = −2 x 3 = −2
1 −1
x1 3
Una solución básica del sistema dado es: x 2 = 0
x 3 - 2
1 1
−1 2 3
x2 = = ; x 2 = −3
−1 −1
−1 1
−1 −1 2
x3 = = ; x 3 = −2
−1 −1
x1 0
x 2 = - 3
La otra solución básica es:
x 3 - 2
Voy a resolver entonces por Método de Gauss, el sistema del ejemplo anterior. Encontraremos
todas las soluciones básicas y algunas no básicas.
Escribimos entonces la matriz ampliada y escalonamos:
x1 x2 x3 bi x1 x2 x3 bi
1 -1 1 1 1 -1 1 1
(-1) 1 -1 2 -1 0 0 1 -2
(-2)
∴ x3 = -2 x1 = 1 + x2 - x3
∴ x1 = 3 + x2 ; x2 = a ∴ x1 = 3 + a
x1 3 + a
x2 =
La solución general del sistema es: a a : constante arbitraria.
x 3 − 2
Tengamos presente que las soluciones básicas son soluciones de un sistema indeterminado, o sea
con infinitas soluciones. Las otras soluciones las llamamos soluciones no básicas.
Todas las soluciones que encontremos, incluso la solución general la vamos a disponer en un
cuadro. En el lugar de las soluciones básicas, anotaremos las columnas de las submatrices que se
extraen [por el procedimiento anterior], y a las (n -m) variables no asociadas a dichas columnas,
le asignaremos el valor cero; en este caso a una sola variable.
Soluciones Básicas
Incóg. Solución Gral. Soluciones No Básicas
c d c e d e
x1 3+a
∃ 3 0 2 6 1
x2 a 0 -3 -1 3 -2
x3 -2 0 -2 -2 -2 -2 -2
Como el diseño de este cuadro me pertenece y los textos o apuntes de Algebra Lineal encuentran
las soluciones básicas por el procedimiento anterior, es que debo dar otras explicaciones al
respecto.
La primera solución, que es la que genera la submatriz formada con los coeficientes de la 1º y 2º
incógnita [x1 y x2] no existe, dado que por definición debemos asignar a la única variable no
básica x3, el valor cero. Y a su vez la solución general del sistema nos dá para x3 un valor
constante [-2]. Cómo ambas consideraciones son incompatibles, es que se concluye que dicha
solución básica no existe. Así se determinó por el procedimiento anterior, dado que la
mencionada submatriz es singular.
Se sombrea o se rayan los casilleros, para visualizar o destacar los ceros asignados a las variables
no básicas.
Las soluciones básicas son no degeneradas.
Por último, hemos encontrado sólo 3 (tres) de las infinitas soluciones no básicas.
Como podemos apreciar, este procedimiento es más fácil y más corto que el anterior.
Ejemplo Nº 02:
Encontrar las siguientes soluciones básicas del sistema dado: 124; 123; 234; 145; 235; y dos
soluciones no básicas:
–3x3 + x4 + 2x5 = – 3
Resolución:
Dijimos que resolvemos el sistema aplicando Método de Gauss. Para ello escribimos la matriz
ampliada del sistema y como última columna, la columna de control. Escalonamos la matriz
ampliada y así encontramos la solución general del sistema, para luego encontrar las soluciones
particulares pedidas:
x1 x2 x3 x4 x5 bi c
0 0 -3 1 2 -3 -3
-2 0 4 -3 0 3 2
3 7 1 -9 7 0 -7 -1
1 1 3 -2 0 2 5
0 2 10 -7 0 7 12 Escalonada la matriz ampliada, resolvemos
0 0 -3 1 2 -3 -3 este sistema.
∴ x4 = –3 + 3x3 – 2x5
Si: x3 = a y x5 = b
Resulta: x4 = –3 + 3a – 2b
11
∴ x2 = – 7 + a – 7b
2
∴ x1 = 2 – x2 – 3x3 – 2x4
5
Luego: x1 = 3 – a + 3b
2
Verificación:
1) –3x3 + x4 + 2x5 = – 3
–3a – 3 + 3a – 2b + 2b = – 3
Escribimos la solución general del sistema en el cuadro y procedemos a calcular las soluciones
básicas y no básicas:
Soluciones Básicas Soluciones No
Incóg. Solución General
cd4 cd3 d34 c45 d35 Básicas
5
x1 3− a + 3b 3 1/2 0 0 0 6 –2
2
11
x2 −7+ a − 7b –7 –3/2 –2/5 0 –1/4 –14 4
2
x3 a 0 1 6/5 0 3/4 0 2
x4 − 3 + 3a − 2b –3 0 3/5 –1 0 –5 3
x5 b 0 0 0 –1 –3/8 1 0
5
− a + 3b = − 3 x2 − 5a + 6b = −6
2
⇒
3a − 2b = 3 x3 9 a − 6b = 9
3
Sumando miembro a miembro la igualdad, se obtiene: 4a = 3 ⇒ a =
4
3
∴ 3 . − 2 b = 3
4
9 3 3
− 2b = 3− ; − 2b = ⇒ b = −
4 4 8
11 3 3
x2 = - 7 + . - 7. −
2 4 8
- 56 + 33 + 21 1
x2 = x2 = -
8 4
Vemos que la 4ta. Solución Básica es degenerada, porque tiene más de dos ceros.
Sea A una matriz no singular de orden n cuya inversa queremos encontrar. Para ello se escribe la
matriz dada A y a su derecha la matriz identidad del mismo orden n. En forma esquemática:
A I
Aplicando a esta nueva matriz de tipo (n x 2n) el Método de Gauss-Jordan, se debe transformar a
la matriz A en la matriz identidad. Entonces la matriz que se obtiene a la derecha es la inversa de
la matriz A. (A-1).
Es decir:
A I
I A-1
Por último, recordemos que también podemos trabajar con la columna de control, que como
sabemos es la última columna y se la obtiene, sumando todos los elementos de cada fila.
Solución:
Debemos escribir la matriz A, cuya inversa queremos calcular y a su derecha la matriz identidad
del mismo orden. La última columna es la de control:
A I C
-1 2 1 1 1 0 0 0 4 (-1)
3 3 -6 -2 0 0 1 0 0 -4
+ 1 0 -1 2 0 0 1 0 3
0 -1 0 1 0 0 0 1 1
Con (-1) como pivote y las combinaciones lineales de filas indicadas en la tabla, reducimos a
ceros, todos los elementos (no nulos) ubicados debajo del pivote. Obtenemos así, en la primera
columna el primer vector unitario.
(-2) +1 -2 -1 -1 -1 0 0 0 -4
0 0 1 3 3 1 0 0 8
2 0 2 0 3 1 0 1 0 7
0 -1 0 1 0 0 0 1 1
1 0 -1 -3 -1 0 0 -2 -6
+ 0 1 0 -1 0 0 0 -1 -1
0 0 1 3 3 1 0 0 8
0 0 0 5 1 0 1 2 9
de la columna ©:
1 0 0 0 2 1 0 -2 2
0 1 0 -1 0 0 0 -1 -1
0 0 1 3 3 1 0 0 8
1
0 0 0 5 1 0 1 2 9 x
5
Como en el lugar 4.4 necesitamos un pivote unitario, multiplicamos la cuarta fila por 1 y
x
5
1 0 0 0 2 1 0 -2 2
+ 0 1 0 -1 0 0 0 -1 -1
(-3) 0 0 1 3 3 1 0 0 8
1 1 2 9
Controlamos la última fila: 1 + + + =
5 5 5 5
I A-1 C
1 0 0 0 2 1 0 -2 2
1 1 3 4 12 3 6 13
1+ + − = y 1+ +1− − =
5 5 5 5 5 5 5 5
2 1 0 −2
1/ 5 0 1 / 5 − 3 / 5
A =
-1
12 / 5 1 − 3 / 5 − 6 / 5
1/ 5 0 1/ 5 2/5
Verificación:
Luego:
10 5 0 − 10 −1 2 1 1
1 0 1 − 3 3 −6 −2 0
-1 1
A .A = .
5 12 5 −3 −6 1 0 −1 2
1 0 1 2 0 −1 0 1
En forma análoga procedemos con la segunda fila de la primera matriz, y así sucesivamente
hasta finalizar el producto y obtenemos la matriz I4. Análogamente se verifica: A. A-1.
Luego:
5 0 0 0 1 0 0 0
0 0 0
1 0 5 0 1 0
-1
A .A = . =
5 0 0 5 0 0 0 1 0
0 0 0 5 0 0 0 1