Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lineal
Lineal
net/publication/366867629
CITATIONS READS
0 2,452
2 authors, including:
SEE PROFILE
All content following this page was uploaded by Christian Limbert Paredes Aguilera on 04 January 2023.
Algebra lineal
RESOLUCIÓN DE PROBLEMAS
Y APUNTES
POR
FODE
CHRISTIAN LIMBERT PAREDES AGUILERA
1 1
1 2 ··· n
1 1 1
2 3 ··· n +1
A=
.. .. ..
. . .
1 1 1
n n +1 ··· 2n−1
Reservados todos los derechos. La reproducción total o parcial de esta obra, por cualquier medio
o procedimiento, comprendidos la reprografía y el tratamiento informático, y la distribución de
ejemplares de ella mediante alquiler o préstamo públicos, queda rigurosamente prohibida sin la
autorización escrita de los titulares del copyright, bajo las sanciones establecidas por las leyes.
2020
Contents
1 Ecuaciones lineales 1
1.1 Cuerpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sistema de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Matrices y operaciones elementales de fila . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Matrices escalón reducida por filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5 Multiplicación de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.6 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2 Espacios vectoriales 47
2.1 Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
i
Contents Contents
ii
1
Ecuaciones lineales
1.1 Cuerpos
Se designa por F el conjunto de los números reales o el conjunto de los números complejos.
1. La adición es conmutativa,
x+y = y+x
para cualquiera x e y de F.
2. La adición es asociativa,
x + (y + z) = ( x + y) + z
para cualquiera x, y y z de F.
5. La multiplicación es conmutativa,
xy = yx.
6. La multiplicación es asociativa,
x (yz) = ( xy)z.
El conjunto F, junto con las operaciones de suma y multiplicación, se llama entonces cuerpo.
Un subcuerpo de un cuerpo C es un conjunto F de números complejos que es a su vez un cuerpo
respecto de las operaciones usuales de adición y multiplicación de números complejos. Esto significa
que el 0 y el 1 están en el conjunto F, y que si x e y son elementos de F, también lo son ( x + y), − x, xy −
x −1 si ( x 6= 0).
Ejemplo El conjunto de los enteros positivos: 1, 2, 3, . . . no es un subcuerpo de C por varias razones. Por ejem-
1.1 plo, 0 no es un entero positivo; para ningún entero positivo n, es −n un entero positivo; para ningún
entero positivo n, excepto 1, es 1/n un entero positivo.
1
1.2. Sistema de ecuaciones lineales Chapter 1. Ecuaciones lineales
Ejemplo El conjunto de los enteros: . . . , −2, −1, 0, 1, 2, . . . no es un subcuerpo de C, porque para un entero n,
1.2 1/n no es un entero al menos que n sea 1 o −1. Con las operaciones usuales de adición y multipli-
cación, el conjunto de los enteros satisface todas las condiciones (1)-(9), con excepción de la condición
(8).
Ejemplo El conjunto de los números racionales, esto es, números de la forma p/q, donde p y q son enteros y
1.3 q 6= 0, es un subcuerpo del cuerpo de los complejos. La división que no es posible en el conjunto de
los enteros es posible en el conjunto de los números racionales.
√
Ejemplo El conjunto de todos los números complejos de la forma x + y 2, donde x e y son racionales, es un
1.4 subcuerpo de C.
Para el sistema general (1-1), supóngase que seleccionamos m escalares c1 , . . . , cm , que se multiplica la
j-ésima ecuación por c j y que luego se suma. Se obtiene la ecuación
B11 x1 + . . . + B1n xn = z1
.. .. (1.2)
. .
Bk1 x1 + . . . + Bkn xn = zk
en que cada una de las k ecuaciones sea combinación lineal de las ecuaciones de (1-1), entonces toda
solución de (1-1) es solución de este nuevo sistema.
2
Chapter 1. Ecuaciones lineales 1.2. Sistema de ecuaciones lineales
Se dirá que dos sistemas de ecuaciones lineales son equivalentes si cada ecuación de cada sistema es
combinación lineal de las ecuaciones del otro sistema.
Teorema Sistemas equivalentes de ecuaciones lineales tiene exactamente las mismas soluciones.
1.1
Ejercicios
2. Sea F el cuerpo de los números complejos. ¿Son equivalentes los dos sistemas de ecuaciones lin-
eales siguientes? Si es así, expresar cada ecuación de cada sistema como combinación lineal de las
ecuaciones del otro sistema.
x1 − x2 = 0 3x1 + x2 = 0
2x1 + x2 = 0 x1 + x2 = 0
Respuesta.- Sí, los sistemas dados son equivalentes ya que cada ecuación en un sistema se puede
escribir como una combinación lineal de las ecuaciones del otro sistema.
x1 − x2 = ( c1 · 3 + c2 ) x1 + ( c1 + c2 ) x2
= [1 · 3 + (−2)] x1 + [1 + (−2)] x2
= x1 − x2
1 1
Sean c1 = y c2 = tal que
2 2
2x1 + x2 = ( c1 · 3 + c2 ) x1 + ( c1 + c2 ) x2
1 1 1 1
= ·3+ x + + x2
2 2 1 2 2
= 2x1 + x2
Por lo que podemos decir que la primera ecuación es combinación lineal de la segunda ecuación.
Luego,
1 4
Sean c1 = y c2 = tal que
3 3
3
1.2. Sistema de ecuaciones lineales Chapter 1. Ecuaciones lineales
= 3x1 + 1x2
1 2
Sean c1 = − y c2 = tal que
3 3
= 1x1 + 1x2
Por lo que podemos decir que la segunda ecuación es combinación lineal de la primera ecuación.
Así, los sistemas dados son equivalente.
− x1 + x2 + 4x3 = 0
x1 − x3 = 0
x1 + 3x2 + 8x3 = 0
1 5 x2 + 3x3 = 0
2 x1 + x2 + 2 x3 = 0
= − x1 + x2 + 4x3
Sean c1 = 1 y c2 = 3. Entonces,
= [1 · 1 + 3 · 0] x1 + [1 · 0 + 3 · 1] x2 + [1(−1) + 3 · 3] x3
= x1 + 3x2 + 8x3
1
Sean c1 = y c2 = 1 Entonces,
2
4
Chapter 1. Ecuaciones lineales 1.2. Sistema de ecuaciones lineales
1 5
x + x2 + x3 = (c1 · 1 + c2 · 0) x1 + (c1 · 0 + c2 · 1) x2 + (c1 (−1) + c2 3) x3
2 1 2
1 1 1
= · 1 + 1 · 0 x1 + · 0 + 1 · 1 x2 + (−1) + 1 · 3 x3
2 2 2
1 5
= x + x2 + x3
2 1 2
3 1
Luego. Sean c1 = − , c2 = y c3 = 0. Entonces,
4 4
1 5
x1 − x3 = c1 (−1) + c2 · 1 + c3 · x1 + ( c1 · 1 + c2 · 3 + c3 · 1) x2 + c1 · 4 + c2 · 8 + c3 · x3
2 2
3 1 1 3 1 3 1 5
= − (−1) + · 1 + 0 · x1 + − · 1 + · 3 + 0 · 1 x2 + − · 4 + · 8 + 0 · x3
4 4 2 4 4 4 4 2
= x1 − x3
1
Por último, sean c1 = c2 = , c3 = 0. Entonces,
4
1 5
x2 + 3x3 = c1 (−1) + c2 · 1 + c3 · x + ( c1 · 1 + c2 · 3 + c3 · 1) x2 + c1 · 4 + c2 · 8 + c3 · x3
2 1 2
1 1 1 1 1 1 1 5
= (−1) + · 1 + 0 · x + · 1 + · 3 + 0 · 1 x2 + ·4+ ·8+0· x3
4 4 2 1 4 4 4 4 2
= x2 + 3x3
i
1+ x1 + 8x2 − ix3 − x4 = 0
2x1 + (−1 + i ) x2 + x4 = 0 2
2 1
3x2 − 2ix3 + 5x4 = 0 x1 − x2 + x3 + 7x4 = 0
3 2
5
1.2. Sistema de ecuaciones lineales Chapter 1. Ecuaciones lineales
5. Sea F un conjunto que contiene exactamente dos elementos, 0 y 1. Se define una adición y multipli-
cación por las tablas:
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1
Verificar que el conjunto F, juntamente con estas operaciones, es un cuerpo.
0+0 = 0+0
0+1 = 0+1
1+0 = 1+0
1+1 = 1+1
0 + (0 + 1) = (0 + 0) + 1
0 + (0 + 0) = (0 + 0) + 0
0 + (1 + 1) = (0 + 1) + 1
0 + (1 + 0) = (0 + 1) + 0
1 + (0 + 1) = (1 + 0) + 1
1 + (1 + 0) = (1 + 1) + 0
1 + (1 + 1) = (1 + 1) + 1
1 + (0 + 0) = (1 + 0) + 0
0·0 = 0·0
0·1 = 1·0
1·0 = 0·1
1·1 = 1·1
0 · (0 · 1) = (0 · 0) · 1
0 · (0 · 0) = (0 · 0) · 0
0 · (1 · 1) = (0 · 1) · 1
0 · (1 · 0) = (0 · 1) · 0
1 · (0 · 1) = (1 · 0) · 1
1 · (1 · 0) = (1 · 1) · 0
1 · (1 · 1) = (1 · 1) · 1
1 · (0 · 0) = (1 · 0) · 0
6
Chapter 1. Ecuaciones lineales 1.2. Sistema de ecuaciones lineales
0 · (0 + 1) = (0 · 0) + (0 · 1)
0 · (0 + 0) = (0 · 0) + (0 · 0)
0 · (1 + 1) = (0 · 1) + (0 · 1)
0 · (1 + 0) = (0 · 1) + (0 · 0)
1 · (0 + 1) = (1 · 0) + (1 · 1)
1 · (1 + 0) = (1 · 1) + (1 · 0)
1 · (1 + 1) = (1 · 1) + (1 · 1)
1 · (0 + 0) = (1 · 0) + (1 · 0)
6. Demostrar que si dos sistemas homogéneos de ecuaciones lineales con dos incógnitas tienen las
mismas soluciones, son equivalentes.
Se dirá que dos sistemas de ecuaciones lineales son equivalentes si cada ecuación de cada sistema
es combinación lineal de las ecuaciones del otro sistema. Por lo que por definición de combinación
lineal se tiene m escalares c1 , . . . , cm que se multiplica la j-ésima ecuación por c j y que luego se suma.
Sean los escalares c1 , c2 , . . . cm . De donde multiplicamos m ecuaciones del primer sistemas por cm y
sumamos por columnas,
Luego comparando esta ecuación con todas las ecuaciones del segundo sistema y utilizando tam-
bién el hecho de que ambos sistemas tiene las mismas soluciones, obtenemos
Lo mismo ocurre con las demás ecuaciones del segundo sistema. Sean otros escalares c1 , c2 , . . . , cm ,
tal que
b21 x1 + b22 x2 = (c1 a11 + . . . + cm am1 ) x1 + (c1 a12 + . . . + cm am2 ) x2
con m escalares c1 , c2 , . . . , cm . Por lo que demostramos que el segundo sistema es una combinación
lineal del primer sistema.
De manera similar podemos demostrar que el primer sistema es una combinación lineal del se-
gundo sistema. Sean los escalares c1 , c2 , . . . cm , entonces
..
.
7
1.3. Matrices y operaciones elementales de fila Chapter 1. Ecuaciones lineales
7. Demostrar que todo subcuerpo del cuerpo de los números complejos contiene a todo número
racional.
1 + 1 + . . . + 1 = n ∈ F.
De este modo Z ⊆ F. Ahora, sabiendo que F es un subcampo, todo elemento tiene un inverso mul-
1
tiplicativo, por lo tanto ∈ F. Por otro lado vemos también que F es cerrado bajo la multiplicación.
n
Es decir, para m, n ∈ Z y n 6= 0 tenemos
1 m
m· ∈F ⇒ ∈ F.
n n
Así, concluimos que Q ⊆ F.
8. Demostrar que todo cuerpo de características cero contiene una copia del cuerpo de los números
racionales.
1 6= 1 + 1 6= 1 + 1 + 1 6= 1 + 1 + 1 + 1 . . . 6= 0.
1 + 1 + . . . + 1 = n ∈ F con n 6= 0.
De este modo, Z ⊆ F. Ahora, dado que F es un cuerpo, todo elemento tiene un inversio multiplica-
1
tivo, por lo tanto ∈ F. Además, F es cerrado bajo la multiplicación, así, para m, n ∈ Z y n 6= 0,
n
tenemos
1 m
m· ∈ F ⇒ ∈ F.
n n
Por lo que Q ∈ F. Concluimos que F contiene una copia del campo de número racional.
8
Chapter 1. Ecuaciones lineales 1.3. Matrices y operaciones elementales de fila
2. Remplazo de la r-ésima fila de A por la fila r más c veces la fila s, donde c es cualquier escalar y
r 6= s;
Una operación elemental de filas es, pues, un tipo especial de función (regla) e que asocia a cada matriz
m × n, A, una matriz m × n, e( A). Se puede describir e en forma precisa en los tres casos como sigue:
Una función e particular esta definida en la clase de todas las matrices sobre F que tiene m filas.
Teorema A cada operación elemental de filas e corresponde una operación elemental de filas e1 , del mismo tipo
1.2 de e, tal que ei (e( A)) = e(e1 ( A)) = A para todo A. Es decir, existe la operación (función) inversa de
una operación elemental de filas y es una operación elemental de filas del mismo tipo.
Demostración.- (1) Supóngase que e es la operación que multiplica la r-ésima fila de una matriz por
un escalar no nulo c. Sea e1 la operación que multiplica la fila r por c−1 . (2) Supóngase que e sea la
operación que remplaza la fila r por la misma fila r a la que le sumo la fila s multiplicada por c, r 6= s.
Sea e1 la operación que reemplaza la fila r por la fila r a la que se le ha sumado la fila s multiplicada
por (−c). (3) Si e intercambia las filas r y s, sea e1 = e. En cada uno de estos casos es claro que
e1 (e( A)) = e(e1 ( A)) = A para todo A.
Definición Si A y B son dos matrices m × n sobre el cuerpo F, se dice que B es equivalente por filas a A si B se
1.1 obtiene de A por una sucesión finita de operaciones elementales de filas.
Usando el teorema 2, se verificará que: Cada matriz es equivalente por filas a ella misma. Si B es
equivalente por filas a A, entonces A es equivalente por filas a B; si B es equivalente por filas a A y
C es equivalente por filas a B, entonces C es equivalente por filas a A. O sea, que la equivalencia por
filas es una relación de equivalencia.
Teorema Si A y B son matrices equivalentes por filas, los sistemas homogeneos de ecuaciones lineales AX = 0
1.3 y BX = 0 tienen exactamente las mismas soluciones.
Demostración.- Supóngase que se pasa de A a B por una sucesión finita de operaciones elementales
de filas:
A = A0 → A1 → . . . → Ak = B.
9
1.3. Matrices y operaciones elementales de fila Chapter 1. Ecuaciones lineales
Basta demostrar que los sistemas A j X = 0 y A j+1 X = 0 tienen las mismas soluciones, es decir, que
una operación elemental por filas no altera el conjunto de soluciones.
así, supóngase que B se obtiene de A por una sola operación elemental de filas. Sin que importe cuál
de los tres tipos (1), (2) o (3) de operaciones sea, cada ecuación del sistema BX = 0 será combinación
lineal de las ecuaciones del sistema AX = 0. Dado que la inversa de una operación elemental de filas
es una operación elemental de filas, toda ecuación de AX = 0 será también combinación lineal de
las ecuaciones de BX = 0. Luego estos dos sistemas son equivalente y, por el teorema 1, tienen las
mismas soluciones.
Teorema Toda matriz m × n sobre el cuerpo F es equivalente por filas a una matriz reducida por filas.
1.4
Demostración.- Sea A una matriz m × n sobre F. Si todo elemento de la primera fila A es 0, la condi-
ción (a) se cumple en lo que concierne a la fila 1. Si la fila 1 tiene un elemento no nulo, sea k el menor
−1
entero positivo j para el que A1j 6= 0. Multiplicando la fila 1 por A1k la condición (a) se cumple
con respecto a esa fila. Luego, para todo i ≥ 2, se suma (− Aik ) veces la fila 1 a la fila i. Y ahora el
primer elemento no nulo de la fila 1 está en la columna k, ese elemento es 1, y todo otro elemento de
la columna k es 0.
Considérese ahora la matriz que resultó de lo anterior. Si todo elemento de la fila 2 es 0, se deja tal
cual. Si algún elemento de la fila 2 es diferente de 0, se multiplica esa fila por un escalar de modo que
el primer elemento no nulo sea 1. En caso de que la fila 1 haya tenido un primer elemento no nulo
en la columna k, este primer elemento no nulo de la fila 2 no puede estar en la columna k, supóngase
que esté en la columna kr 6= k. Sumando múltiplos apropiados de la fila 2 a las otras filas, se puede
lograr que todos los elementos de la columna kr sean 0, excepto el 1 en la fila 2. Lo que es importante
observar es lo siguiente: Al efectuar etas operaciones, no se alteran los elementos de la fila 1 el alas
columnas 1, . . . , k ni ningún elemento de la columna k. Es claro que, si la fila 1 era idénticamente nula,
las operaciones con la fila 2 no afecta la fila 1.
Si se opera, como se indicó, con una fila cada vez, es evidente que después de un número finito de
etapas se llegará a una matriz reducida por filas.
Ejercicios
1. Hallar todas las soluciones del sistema de ecuaciones
(1 − i ) x1 − ix2 = 0
2x1 + (1 − i ) x2 = 0.
1−i −i
2 1−i
10
Chapter 1. Ecuaciones lineales 1.3. Matrices y operaciones elementales de fila
1−i
1−i −i
2 1−i
R1 1
R1 ↔ R2 → R1
2
2 1−i 1−i −i 2
1−i −i
1−i
1
R2 − (1 − i ) R1 → R2
2
0 0
Sustituyendo se tiene,
1−i −1 + i
x1 + x2 = 0 ⇒ x1 = x2 .
2 2
Supongamos x2 = t ∈ C, por lo que el conjunto de soluciones estará dado por
−1 + i
t, t |t ∈ C .
2
2. Si
3 −1 2
A= 2 1 1
1 −3 0
Hallar todas las soluciones de AX = 0 reduciendo A por filas.
3 −1 2 1 −3 0 1 −3 0
2 1 1 R1 → R3 2 1 1 R2 − 2R1 → R2 0 7 1
1 −3 0 3 −1 2 3 −1 2
1 −3 0 1 −3 0
8
R3 − 3R1 → R3 0 7 1 R3 − R2 → R3 0 7 1
7 6
0 8 2 0 0 7
6
x3 = 0
7
7x2 + x3 = 0
x1 − 3x2 = 0.
De donde
x1 = x2 = x3 = 0.
11
1.3. Matrices y operaciones elementales de fila Chapter 1. Ecuaciones lineales
3. Si
6 −4 0
A= 4 −2 0
−1 0 3
Hallar todas las soluciones de AX = 2X y todas las soluciones de AX = 3X (el símbolo cX repre-
senta la matriz, cada elemento de la cual es c veces el correspondiente elemento de X).
{(t, t, t)|t ∈ R} .
12
Chapter 1. Ecuaciones lineales 1.3. Matrices y operaciones elementales de fila
{(0, 0, t)|t ∈ R} .
4. Hallar una matrix reducida por filas que sea equivalente por filas a
i −(1 + i ) 0
A= 1 −2 1
1 2i −1
Respuesta.- Reducimos por filas de la siguiente manera,
i −(1 + i ) 0 1 −2 1
1 −2 1 R1 ↔ R2 i −(1 + i ) 0
1 2i −1 1 2i −1
R2 − R1 → R2 1 −2 1
0 −1 + i − i
R3 − R1 → R3 0 2i + 2 −2
1 −2 1
2i + 2
R3 − R → R3 0 −1 + i − i
−1 + i 2 0 0 0
5. Demostrar que las siguientes dos matrices no son equivalentes por filas.
2 0 0 1 1 2
a −1 0 , −2 0 −1
b c 3 1 3 5
Demostración.- Reduzcamos por filas la primera matriz,
a
2 0 0
R2 − R1 → R2
2 0 0
2 0 0
2
a −1 0 0 −1 0 R3 + cR2 → R3 0 −1 0
b c 3 b 0 c 3 0 0 3
R3 − R1 → R3
2
Ahora, reduzcamos por filas la segunda matriz,
1 1 2 R2 − 2R1 → R2 1 1 2 1 1 2
−2 0 −1 0 2 3 R3 − R2 → R3 0 2 3
1 3 5 R3 − R1 → R3 0 2 3 0 0 0
Dado que las dos matrices tiene diferentes formas. Es decir uno de ellos tiene dos filas distintas
de cero mientras que la otra matriz tiene tres filas distintas de cero. Por lo tanto, ninguna puede
obtenerse de la otra mediante una secuencia de operaciones por fila. Así las dos matrices no son
equivalentes por filas.
13
1.3. Matrices y operaciones elementales de fila Chapter 1. Ecuaciones lineales
6. Sea
a b
A=
c d
es una matriz 2 × 2 con elementos complejos. Supóngase que A es reducida por filas y también que
a + b + c + d = 0. Demostrar que existen exactamente tres de estas matrices.
Demostración.- Ya que A es dado como una matríz reducida por filas, entonces se presentas los
siguientes casos.
Caso i. Sea a = b = c = d = 0 + 0i por lo tanto
0 + 0i 0 + 0i
0 + 0i 0 + 0i
7. Demostrar que el intercambio de dos filas en una matriz puede hacerse por medio de un número
finito de operaciones elementales con filas de los otros tipos.
Supongamos que se necesita el intercambio de las filas 1 y 3, entonces se puede realizar la siguiente
secuencia para hacerlo:
1 0 0 1 0 1 1 0 1
0 1 0 R1 + R3 → R1 0 1 0 R3 − R1 → R3 0 1 0
0 0 1 0 0 1 −1 0 0
1 0 1 0 0 1
− R3 → R3 0 1 0 R1 − R3 → R1 0 1 0
1 0 0 1 0 0
a) R j − Ri → R j . Restar fila i de la fila j, que da como resultado una fila j como el negativo de la
fila original i.
14
Chapter 1. Ecuaciones lineales 1.3. Matrices y operaciones elementales de fila
−cx1
⇒ x2 =
d
−cx1
⇒ ax1 + b =0
d
⇒ x1 = 0 y x2 = 0
(c) Si ad − bc = 0 y algún elemento de A es diferente de 0, entonces existe una solución x10 , x20 tal
que ( x1 , x2 ) es una solución si, y sólo si, existe un escalar y tal que x1 = yx10 , x = yx20 .
15
1.4. Matrices escalón reducida por filas Chapter 1. Ecuaciones lineales
⇒ x10 x2 = x20 x1
x10 x0 1 1
⇒ = 2 = supongamos
x1 x2 y y
⇒ x1 = yx10 y x2 = yx20 .
Definición Una matriz m × n, R, se llama matriz escalón reducida por filas si:
1.3
(a) R es reducida por filas;
(b) toda fila de R que tiene todos los elementos 0 está debajo de todas las filas que tienen elementos no
nulos;
(c) si las filas 1, . . . , r son las filas no nulas de R, y si el primer elemento no nulo de la fila i está en la
columna k i , i = 1, . . . , r, entonces k1 < k2 < . . . < kr .
Se puede describir también una matriz escalón R reducida por filas como sigue. Todo elemento de R
es 0, o existe un número positivo r, l ≤ r ≤ m, y r entero positivo k1 , . . . , kr con 1 ≤ k i ≤ n y
(a) Rij = 0 para i > r, y Rij = 0 si j < k i .
Teorema Toda matriz m × n, A, es equivalente por filas a una matriz escalón por filas.
1.5
Demostración.- Sabemos que A es equivalente por filas a una matriz reducida por filas. Todo lo
que se necesita observar es que, efectuando un número finito de intercambios de filas en una matriz
reducida por filas, se la puede llevar a la forma escalón reducida por filas.
Examinaremos el sistema RX = 0, donde R es una matriz escalón reducida por filas. Sean las filas
1, . . . , r las no nulas de R, y supóngase que el elemento principal no nulo de la fila i está e la columna
k i . El sistema RX = 0 consta entonces de r ecuaciones no triviales. Además, la incógnita xki aparecerá
(con coeficiente no nulo) solamente en la i-ésima ecuación. Si u1 , . . . , un−r representan las (n − r )
incógnitas que son diferentes de xk1 , . . . , xkr , entonces las r ecuaciones no triviales de RX = 0 son de
16
Chapter 1. Ecuaciones lineales 1.4. Matrices escalón reducida por filas
la forma
n −r
xk1 + ∑ C1j u j = 0
j =1
.. .. (1.3)
. .
n −r
xkr + ∑ Crj u j = 0.
j =1
Todas las soluciones del sistema de ecuaciones RX = 0 se obtienen dando valores arbitrarios a
u1 , . . . , un−r y calculando entonces los correspondientes valores de xk1 , . . . , xkr de (1-3).
Observemos una cosa más, en relación con el sistema de ecuaciones RX = 0. Si el número r de filas
no nulas de R es menor que n, entonces el sistema RX = 0 tiene una solución no trivial, esto es, una
solución ( x1 , . . . , xn ) en que no todo x j es 0. En efecto, como r < n, se puede elegir algún x j que no
esté entre las r incógnitas xk1 , . . . , xkr y se puede entonces construir una solución como antes, en que
este x j es 1.
Teorema Si A es una matriz m × n con m < n, el sistema homogéneo de ecuaciones lineales AX = 0 tiene una
1.6 solución trivial.
Demostración.- Sea R una matriz escalón reducida por fila que sea equivalente por fila a A. En-
tonces los sistemas AX = 0 y RX = 0 tienen las mismas soluciones por el teorema 3. Si r es el número
de filas no nulas de R, entonces ciertamente r ≤ m, y como m < n tenemos que r < n. Se sigue
inmediatamente de las observaciones anteriores que AX = 0 tiene una solución trivial.
Teorema Si A es una matriz n × n (cuadrada), A es equivalente por filas a la matriz identidad n × n, si, y sólo
1.7 si, el sistema de ecuaciones AX = 0 tiene solamente la solución trivial.
Aij0 = Aij , si j ≤ n.
Ai0(n+1) = yi .
Ejercicios
1. Hallar, mediante reducción por filas de la matriz de coeficientes todas las soluciones del siguiente
sistema de ecuaciones:
1
3 x1 + 2x2 − 6x3 = 0
−4x1 + 5x3 = 0
.
−3x1 + 6x2 − 13x3 = 0
− 73 x1 + 2x2 − 83 x3 = 0
17
1.4. Matrices escalón reducida por filas Chapter 1. Ecuaciones lineales
1
3 2 −6 1 6 −18
−4 0 5 −4 0 5
3R1 → R1
−3
−3 6 −13 6 −13
− 73 2 − 38 − 73 2 − 83
1 6 −18
R2 + 4R1 → R2 0 24 −67
R3 + 3R1 → R3
0 24 −67
R4 + 73 R1 → R4
0 16 − 134
3
−18
1 6
1
0 1 − 67
24
24 R2 → R2
0 24 −67
0 16 − 134
3
1 6 −18
R1 − 6r2 → R1 0 1 − 67
R3 − 24R2 → R3
0 0
24
0
R4 − 16R2 → R4
0 0 0
−5
1 0 4
0 1 − 67
R1 − 6R2 → R1
0
24
0 0
0 0 0
De donde
5 5
x i − x3 = 0 ⇒ x1 = x3
4 4
67 67
x2 − x3 = 0 ⇒ x2 = x3
24 24
5 67
Por lo que la solución está dado por , ,1 t | t ∈ R .
4 24
2. Hallar una matriz escalón reducida por filas que sea equivalente a
1 −i
2 2
i 1+i
18
Chapter 1. Ecuaciones lineales 1.4. Matrices escalón reducida por filas
1 −i 1 −i 1 −i
R2 − 2R1 → R2 1
2 2 0 2 + 2i i R3 → R3 0 2 + 2i
R3 − iR1 → R3
i 1+i 0 i 0 1
1 0 1 0
R1 + iR3 → R1 0 0 R2 ↔ R3 0 1
R2 − (2 + 2i ) R3 → R2
0 1 0 0
Que es la matriz escalonada reducida por filas equivalente a A. Por lo tanto la solución esta dada
por,
x1 = x2 = 0.
Respuesta.- Por la definición 1.3 tenemos las siguientes matrices escalón reducidas por filas:
0 0 1 0 1 0 0 1 1 1
, , , , .
0 0 0 1 0 0 0 0 0 0
1
1 0 1 2
R3 + R2 → R1 1
R3 + 2R2 → R3
0 1 −1 −2
0 0 0 0
De esta última matriz podemos asegurar que existe una solución. Como veremos a continuación:
1 1
x1 + x3 = 2 x1 = 2 − x3
⇒
x −x = 1 x = 1 +x
2 3 2 3
2 2
19
1.4. Matrices escalón reducida por filas Chapter 1. Ecuaciones lineales
5. Dar un ejemplo de un sistema de dos ecuaciones lineales con dos incógnitas que no tengan solución.
x1 + x2 = 1
2x1 + 2x2 = 3
2x1 + 2x3 = 2( x1 + x2 )
= 2·1
= 2 6= 3.
Entonces,
1 −2 1 2 1 1 −2 1 2 1
R2 − R1 → R2
1 1 −1 1 2 0 3 −2 −1 1
R3 − R1 → R3
1 7 −5 −1 3 0 9 −6 −3 2
1 −2 1 2 1
1
3 R2 → R2 0 1 − 32 − 31 1
3
0 9 −6 −3 2
− 31 4 5
1 0 3 3
R1 + 2R2 → R1 0 1 − 3 − 13
2 1
R3 − 9R2 → R3 3
0 0 0 0 −1
Que es la forma escalonada reducida por filas del sistema. De la última fila, obtenemos 0 = −1 lo
cual es absurdo. Por lo tanto, el sistema dado no tiene solución.
20
Chapter 1. Ecuaciones lineales 1.4. Matrices escalón reducida por filas
− 32 − 72 5
2 −3 −7 5 2 −2 1 2 1 −1
1 −2 −4 3 1 −2 1
1 −2 −4 3 1 −2
2 R1 → R1
2 0 −4 2 1 3 2 0 −4 2 1 3
1 −5 −7 6 2 −7 1 −5 −7 6 2 −7
− 23 − 72 5
1 2 1 −1
R2 − R1 → R2 1 1 1
0 −2 −2 0 −1
R3 − 2R1 → R3 2
0 3 3 −3 −1 5
R4 − R1 → R4
0 − 27 − 72 7
2 1 −6
− 32 − 72 5
1 2 1 −1
0 1 1 −1 0 2
− 21 R2 → R2
0 3 3 −3 −1 5
0 − 27 − 72 7
2 1 −6
1 0 −2 1 1 2
R1 − 23 R2 → R1 0 1 1 −1 0 2
R3 − 3R2 → R3
0 0
0 0 1 1
R4 − 27 R2 → R4
0 0 0 0 1 1
1 0 −2 1 0 1
R1 − R3 → R1 0 1
1 −1 0 2
R4 − R3 → R4 0 0 0 0 1 1
0 0 0 0 0 0
8. Sea
3 −1 2
2 1 1
1 −3 0
21
1.4. Matrices escalón reducida por filas Chapter 1. Ecuaciones lineales
3 −1 2 y1 1 −3 0 y3
2 1 1 y2 R1 ↔ R3 2 1 1 y2
1 −3 0 y3 3 −1 2 y1
1 −3 0 y3
R2 − 2R1 → R2 0 7 1 y2 − 2y3
R3 − 3R2 → R3
0 8 2 y1 − 3y3
−3
1 0 y3
1 1 y2 −2y3
7 R2 → R2 0 1 7 7
0 8 2 y1 − 3y3
y3 +3y2
3
1 0 7 7
R1 + 3R2 → R1 1 y2 −2y3
0 1
R3 + 8R2 → R3 7
6
7
7y1 −8y2 −5y3
0 0 7 7
y3 +3y2
3
1 0 7 7
7 1 y2 −2y3
6 R3 → R3 0 1
7 7
7y1 −8y2 −5y3
0 0 1 6
Por lo que las únicas soluciones para cada (y1 , y2 , y3 ) estarán dadas por:
9. Sea
3 −6 2 −1
−2 4 1 3
A=
0 0 1 1
1 −2 1 0
22
Chapter 1. Ecuaciones lineales 1.4. Matrices escalón reducida por filas
−2 y4
1 1 0
y2 + 2y4
R2 0 0 1 1
→ R2
3
3 0 0 1 1 y3
0 0 −1 −1 y1 − 3y4
−2 1 0
1 y4
y2 + 2y4
0 0 1 1
R3 − R2 → R3 3
y2 2
R4 + R2 → R4 0 0 0 0 y3 − − y4
3 3
7 y2
0 0 0 0 y1 − y4 +
3 3
De donde,
y2 2 7 y2
y3 − − y4 = 0 y y1 − y4 + = 0.
3 3 3 3
Por lo tanto el sistema AX = Y tiene solución, dado por
10. Supóngase que R y R0 son matrices escalón 2 × 3 reducidas por filas y que los sistemas RX = 0 y
R0 X = 0 tienen exactamente las mismas soluciones. Demostrar que R = R0 .
Demostración.- Para demostrar que las matrices escalonadas reducidas en filas son iguales, ten-
emos que demostrar básicamente que las matrices son equivalentes en filas, es decir, que cada fila
de cada matriz puede expresarse como una combinación lineal de filas de la otra. Dado que tanto
R como R0 son matrices escalonadas reducidas por filas de 2 × 3, se dan los tres casos siguientes:
Caso 1. Supongamos que una de las matrices, R no tiene filas no nulas, es decir R = 0. Entonces,
RX = 0 satisface toda X. Ya que RX = 0 y R0 X = 0 tiene exactamente las mismas
soluciones. Por lo tanto R0 X = 0 satisface todas las X. Así, R0 = 0, lo que implica R = R0 .
Caso 2. Supongamos que R tiene una fila no nula. Por lo tanto, la solución de RX = 0 tendrá dos
variables sin valor. Ya que RX = 0 y R0 X = 0 tienen exactamente la misma solución, por
lo tanto la solución de R0 X = 0 también tendra dos variables sin valor. Así, R0 tiene una
fila no nula. Ahora, consideremos una matriz A con la primera fila como la fila no nula de R
y la segunda fila como la fila no nula de R0 . Por lo que A es una matrix 2 × 3. Claramente,
X satisface RX = 0 y R0 X = 0 el cual también satisfacera AX = 0 y por lo tanto, A en su
forma reducida debe tener una fila distinta de cero, lo que sólo es posible cuando las filas
de A son identicas (ya que la entrada principal de cada fila es uno). Concluimos, R y R0
deben concidir.
23
1.5. Multiplicación de matrices Chapter 1. Ecuaciones lineales
Caso 3. Supongamos que R y R0 tiene todos las filas no nulas. Entonces, RX = 0 y R0 X = 0 tiene
solucoines X dependiendo de sus variables. Ahora, considere una matrix C de 4 × 3 con
las dos primeras filas como las de R y las dos últimas como las de R0 . Es evidente que
cualquier X que satisfaga RX = 0 y R0 X = 0, también satifacerá CX = 0. Por lo tanto,
la forma escalonada reducida de B debe tener dos filas no nulas, lo que implica que las
filas de R y R0 deben ser una combinación lineal entre sí. Esto sólo es posible cuando los
coeficientes principales de sus primeras filas se encuentran en la misma columna. Pues, si
la primera fila de R0 comienza con más ceros que la primera fila de R, entonces también lo
hacen las segundas filas de R y R0 y cualquier combinación lineal de ambos. Por el mismo
argumento, los coeficientes principales de las segundas filas también deben aparecer en la
misma columna. Así, la única manera de que las filas de R y R0 sean una combinación
lineal entre si es que las filas respectivas concidan. Por lo tanto R = R0 .
Supongamos que B es una matriz n × p sobre le cuerpo F, con filas β 1 , . . . , β n y que a partir de B se
construye una matriz C con filas γ1 , . . . , γm , efectuando ciertas combinaciones lineales
Las filas de C quedan determinadas por mn escalares Aij , que son los elementos de una matriz m × n,
A. Si se desarrolla (1.4)
n
Ci1 · · · Cip = ∑ Air Br1 · · · Air Brp
r =1
Definición Sea A una matriz m × n sobre el cuerpo F y sea B una matriz n × p sobre F. El producto AB es la matriz
1.4 m × p, C, cuyos elementos i, j son
n
Cij = ∑ Air Brj .
r =1
El producto está definido si, y sólo si, el número de columnas de la primera matriz coincide con el
número de filas de la segunda.
Teorema Si A, B, C son matrices sobre el cuerpo F, tales que los productos BC y A( BC ) están definidos, entonces
1.8 también lo están los productos AB, ( AB)C y
A( BC ) = ( AB)C.
Demostración.- Supóngase que B es una matriz n × p. Como BC está definida, C es una matriz con p
filas y BC tiene n filas. Como A( BC ) está definida, se puede suponer que A es una matriz m × n. Así
24
Chapter 1. Ecuaciones lineales 1.5. Multiplicación de matrices
el producto AB existe y es una matriz m × p, de lo que se sigue que el producto ( AB)C existe. para
ver que A( BC ) = ( AB)C se debe demostrar que
= [( AB)C ]ij .
Si A es una matriz cuadrada n × n, el producto AA está definido. Esta matriz se representa por A2 .
En general el producto AA · · · A (k veces) está definido y se representará por Ak .
Obsérvese que la relación A( BC ) = ( AB)C implica, entre otras cosas, que combinaciones lineales
de combinaciones lineales de filas de C son otra vez combinaciones lineales de fila de C.
Si B es una matriz y C se obtiene de B por medio de una operación elemental de filas, entonces toda
fila de C es combinación lineal de las filas de B, y por tanto, existe una matriz A tal que AB = C.
En general, existen muchas de estas matrices A, y entre todas ellas es conveniente y posible escoger
una que tenga algunas propiedades especiales. Antes de ver esto se necesita introducir una clase de
matrices.
Definición Una matriz m × m se dice matriz elemental si se puede obtener de la matriz identidad m × m por medio
1.5 de una sola operación elemental simple por filas.
Teorema Sea e una operación elemental de fila y sea E la matriz elemental m × m, E = e( I ). Entonces para toda
1.9 matriz m × n, A
e( A) = EA.
25
1.5. Multiplicación de matrices Chapter 1. Ecuaciones lineales
Corolario Sean A y B dos matrices m × n sobre el cuerpo F. Entonces B es equivalente por filas a A si, y sólo si,
1.1 B = PA, donde P es un producto de matrices elementales m × m.
Ejercicios
1. Sean
3
2 −1 1
A= , B = 1 , C = [1 − 1].
1 2 1
−1
Calcular ABC y CAB.
Respuesta.- Dado que A2×3 , B3×1 y C1×2 . Entonces por el teorema 8, tenemos ( AB)C. Luego,
utilizando la definición de producto de matrices, calculemos primero ( AB)2×1 .
3 3
C11 = ∑ A1i Bi1 C21 = ∑ A2i Bi1
i =1 i =1
= A11 B11 + A12 B21 + A13 B31 = A21 B11 + A22 B21 + A23 B31
= 4. = 4.
Por lo tanto,
4
( AB) =
4
= 4·1 = 4(−1)
= 4. = −4.
= 4·1 = 4(−1)
= 4. = −4.
De donde,
4 −4
( AB)C = .
4 −4
26
Chapter 1. Ecuaciones lineales 1.5. Multiplicación de matrices
2
C11 = ∑ C1i ( AB)i1
i =1
= 1 · 4 + (−1) · 4
= 0.
Por lo tanto,
C ( AB) = 0.
2. Sean
1 −1 1 2 −2
A= 2 0 1 , B= 1 3 .
3 0 1 4 4
Verificar directamente que A( AB) = A2 B.
3 3
C11 = ∑ A1i Bi1 C12 = ∑ A1i Bi2
i =1 i =1
= A11 B11 + A12 B21 + A13 B31 = A11 B12 + A12 B22 + A13 B32
= 5. = −1.
3 3
C21 = ∑ A2i Bi1 C22 = ∑ A2i Bi2
i =1 i =1
= A21 B11 + A22 B21 + A23 B31 = A21 B12 + A22 B22 + A23 B32
= 2·2+0·1+1·4 = 2 · (−2) + 0 · 3 + 1 · 4
= 8. = 0.
3 3
C31 = ∑ A3i Bi1 C32 = ∑ A3i Bi2
i =1 i =1
= A31 B11 + A32 B21 + A33 B31 = A31 B12 + A32 B22 + A33 B32
= 3·2+0·1+1·4 = 3 · (−2) + 0 · 3 + 1 · 4
= 10. = −2.
27
1.5. Multiplicación de matrices Chapter 1. Ecuaciones lineales
De donde,
5 −1
AB = 8 0
10 −2
Ahora calculemos, A2
3×3
.
3 3
C11 = ∑ A1i Ai1 C12 = ∑ A1i Ai2
i =1 i =1
= A11 A11 + A12 A21 + A13 A31 = A11 A12 + A12 A22 + A13 A32
= 2. = −1.
3 3
C13 = ∑ A1i Ai3 C21 = ∑ A2i Ai1
i =1 i =1
= A11 A13 + A12 A23 + A13 A33 = A21 A11 + A22 A21 + A23 A31
= 1 · 1 + (−1) · 1 + 1 · 1 = 2·1+0·2+1·3
= 1. = 5.
3 3
C22 = ∑ A2i Ai2 C23 = ∑ A2i Ai3
i =1 i =1
= A21 A12 + A22 A22 + A23 A32 = A21 A13 + A22 A23 + A23 A33
= 2 · (−1) + 0 · 0 + 1 · 0 = 2·1+0·1+1·1
= −2. = 3.
3 3
C31 = ∑ A3i Ai1 C32 = ∑ A3i Ai2
i =1 i =1
= A31 A11 + A32 A21 + A33 A31 = A31 A12 + A32 A22 + A33 A32
= 3·1+0·2+1·3 = 3 · (−1) + 0 · 0 + 1 · 0
= 6. = −3.
28
Chapter 1. Ecuaciones lineales 1.5. Multiplicación de matrices
3
C33 = ∑ A3i Ai3
i =1
= 3·1+0·1+1·1
= 4.
Por lo tanto,
2 −1 1
A2 = 5 −2 3
6 −3 4
3 3
C11 = ∑ A1i ( AB)i1 C12 = ∑ A1i ( AB)i2
i =1 i =1
= A11 AB11 + A12 AB21 + A13 AB31 = A11 AB12 + A12 AB22 + A13 AB32
= 7. = −3.
3 3
C21 = ∑ A2i ( AB)i1 C22 = ∑ A2i ( AB)i2
i =1 i =1
= A21 AB11 + A22 AB21 + A23 AB31 = A21 AB12 + A22 AB22 + A23 AB32
= 2 · 5 + 0 · 8 + 1 · 10 = 2 · (−1) + 0 · 0 + 1 · (−2)
= 20. = −4.
3 3
C31 = ∑ A3i ( AB)i1 C32 = ∑ A3i ( AB)i2
i =1 i =1
= A31 AB11 + A32 AB21 + A33 AB31 = A31 AB12 + A32 AB22 + A33 AB32
= 3 · 5 + 0 · 8 + 1 · 10 = 3 · (−1) + 0 · 0 + 1 · (−2)
= 25. = −5.
Por lo tanto,
7 −3
A( AB) = 20 −4
25 −5
29
1.5. Multiplicación de matrices Chapter 1. Ecuaciones lineales
3 3
C11 = ∑ ( A2 )1i Bi1 C12 = ∑ ( A2 )1i Bi2
i =1 i =1
= ( A2 )11 B11 + ( A2 )12 B21 + ( A2 )13 B31 = ( A2 )11 B12 + ( A2 )12 B22 + ( A2 )13 B32
= 7. = −3.
3 3
C21 = ∑ ( A2 )2i Bi1 C22 = ∑ ( A2 )2i Bi2
i =1 i =1
= ( A2 )21 B11 + ( A2 )22 B21 + ( A2 )23 B31 = ( A2 )21 B12 + ( A2 )22 B22 + ( A2 )23 B32
= 20. = −4.
3 3
C31 = ∑ ( A2 )3i Bi1 C32 = ∑ ( A2 )3i Bi2
i =1 i =1
= ( A2 )31 B11 + ( A2 )32 B21 + ( A2 )33 B31 = ( A2 )31 B12 + ( A2 )32 B22 + ( A2 )33 B32
= 25. = −5.
Por lo tanto,
7 −3 7 −3
A( AB) = 20 −4 = 20 −4 = A2 B
25 −5 25 −5
Respuesta.- Sea,
0 1
A= 6= 0
0 0
Entonces,
2 2
C11 = ∑ A1i Ai1 C12 = ∑ A1i Ai2
i =1 i =1
= 0·0+1·0 = 0·1+1·0
= 0. = 0.
30
Chapter 1. Ecuaciones lineales 1.5. Multiplicación de matrices
2 2
C21 = ∑ A2i Ai1 C22 = ∑ A2i Ai2
i =1 i =1
= 0·0+0·0 = 0·1+0·0
= 0. = 0.
Por lo tanto,
A2 = 0
2 2
C11 = ∑ B1i Bi1 C12 = ∑ B1i Bi2
i =1 i =1
= 0·0+0·1 = 0·0+0·0
= 0. = 0.
2 2
C21 = ∑ B2i Bi1 C22 = ∑ B2i Bi2
i =1 i =1
= 1·0+0·0 = 1·0+0·0
= 0. = 0.
Por lo tanto,
A2 = 0.
Respuesta.- Sea,
1 −1 1
A= 2 0 1
3 0 1
31
1.5. Multiplicación de matrices Chapter 1. Ecuaciones lineales
Entonces,
1 0 0 1 −1 1 1 −1 1
E1 A = −2 1 0 2 0 1 = 0 2 −1
0 0 1 3 0 1 0 3 0
1 0 0 1 −1 1 1 −1 1
E2 ( E1 A) = 0 1 0 0 2 −1 = 0 2 −1
−3 0 1 3 0 1 0 3 0
1 0 0 1 −1 1 1 −1 1
1
E3 ( E2 E1 A) = 0
2 0
0 2 −1 = 0 1 − 21
0 0 1 0 3 0 0 3 0
1 1 0 1 −1 1 1 0 1
E4 ( E3 E2 E1 A) = 0 1 0 0 1 − 21 = 0 1 − 12
0 0 1 0 3 0 0 3 0
1 1
1 0 0 1 0 2 1 0 2
E5 ( E4 E3 E2 E1 A) = 0 1 0 0 1 − 12 = 0 1 − 12
0 −3 1 0 3 0 0 0 1
1 1
1 0 0 1 0 2 1 0 2
E6 ( E5 E4 E3 E2 E1 A) = 0 1 0 0 1 − 12 = 0 1 − 12
2 3
0 0 3 0 0 2
0 0 1
1
− 12
1 0 1 0 2
1 0 0
E7 ( E6 E5 E4 E3 E2 E1 A) = 0 1 0 0 1 − 12 = 0 1 − 12
0 0 1 0 0 1 0 0 1
1 0 0 1 0 0 1 0 0
1
E8 ( E7 E6 E5 E4 E3 E2 E1 A) = 0 1
2 0 1 − 12 = 0 1 0
0 0 1 0 0 1 0 0 1
5. Sean
1 −1
3 0
A= 2 2 ,
−4 4
1 0
¿Existe una matriz C tal que CA = B?.
Entonces,
1 −1
c1 c2 c3 c1 + 2c2 + c3 −c1 + 2c2 3 0
CA = B ⇒ 2 −2 = =
c4 c5 c6 c4 + 2c5 + c6 −c4 + 2c5 −4 4
1 0
Por lo tanto,
32
Chapter 1. Ecuaciones lineales 1.5. Multiplicación de matrices
1+ c1
c + 2c2 + c3 = 3 c =
1 2 2
−c1 + 2c2 = 1 c3 = 2 − rc1
⇒
c 4 + 2c5 + c6 = −4 c = 2c5 − 4
4
−c4 + 2c5 = 4 c6 = −4c5
Así, existen infinitas matrices para algunos c1 y c5 . Una de estas tiene la forma de
1 1 0
C=
−2 1 −4
6. Sea A una matriz m × n y B una matriz n × k. Demostrar que las columnas de C = AB sea com-
binaciones lineales de las columnas de A. Si α1 , . . . , αn son las columnas de A y γ1 , . . . , γk son las
columnas de C, entonces
n
γi = ∑ Brj αr .
r =1
+ ··· +
A11 B1j + A12 B2j A1n Bnj
A21 B1j
+ A22 B2j + ··· + A2n Bnj
γj = ..
.
Am1 B1j + Am2 B2j + ··· + Amn Bnj
A11 A12 A1n
A21 A22 A2n
= Bij + B2j + . . . + Bnj
.. .. ..
. . .
Am1 Am2 Amn
= ∑rn=1 Brj αr
a b e f
,
c d g h
33
1.5. Multiplicación de matrices Chapter 1. Ecuaciones lineales
De donde
2 2
C11 = ∑ A1i Bi1 C12 = ∑ A1i Bi2
i =1 i =1
= a·e+b·g = a· f +b·h
2 2
C21 = ∑ A2i Bi1 C22 = ∑ A2i Bi2
i =1 i =1
= c·e+d·g = c· f +d·h
ae + bg a f + bh
AB =
ce + dg c f + dh
Luego, AB = I implica el siguiente sistema en u, r, s, t tiene una solución
au + bs = 1
cu + ds = 0
ar + bt = 0
cr + dt = 1
d −b −c a
De donde, necesariamente x = ,y= ,z= yw= . De este modo
ad − bc ad − bc ad − bc ad − bc
d −b
B= ad − bc ad − bc .
−c a
ad−bc ad−bc
Por otro lado, debemos ver que si AB = I entonces ad − bc 6= 0. Sea ad − bc = 0, por lo que
demostraremos que no hay solución para (3), lo que contradice el hecho de que ( x, y, z, w) es una
solución. Si a = b = c = d = 0, entonces obviamente AB 6= I. Así, supongamos que a 6= 0 (porque
34
Chapter 1. Ecuaciones lineales 1.5. Multiplicación de matrices
mediante operaciones de fila elementales podemos mover cualquiera de los cuatro elementos para
que sea la entrada superior izquierda). Restar ac veces la tercera fila de la cuarta fila de (3) da
a 0 b 0 1
c 0 d 0 0
0 a 0 b 0
0 c − ac a 0 d − ac b 1
c c
Ahora, c − a = 0, ad − bc = 0, además d − b = 0. Así obtenemos
a a
a 0 b 0 1
c 0 d 0 0
0 a 0 b 0
0 0 0 0 1
se sigue que (3) no tiene solución.
8. Sea
C11 C12
C21 C22
una matriz 2 × 2. Se desea saber si es posible encontrar matrices 2 × 2, A y B, tales que C =
AB − BA. Demostrar que tales matrices pueden hallarse si, y sólo si C11 + C22 = 0.
Demostración.- Sea,
a11 b12 b11 b12
A= , y B=
a21 a22 b21 b22
tal que C = AB − BA. Ahora,
a11 a12 b11 b12 a11 b11 + a12 b21 a11 b12 + a12 b22
AB = =
a21 a22 b21 b22 a21 b11 + a22 b21 a21 b12 + a22 b22
y
b11 b12 a11 a12 b11 a11 + b12 a21 b11 a12 + b12 a22
BA = =
b21 b22 a21 a22 b21 a11 + b22 a21 b21 a12 + b22 a22
Luego,
a11 b11 + a12 b21 a11 b12 + a12 b22 b11 a11 + b12 a21 b11 a12 + b12 a22
AB − BA = −
a21 b11 + a22 b21 a21 b12 + a22 b22 b21 a11 + b22 a21 b21 a12 + b22 a22
a12 b21 − b12 a21 a11 b12 + a12 b22 − b11 a12 − b12 a22
=
a21 b11 + a22 b21 − b21 a11 − b22 a21 a21 b12 − b21 a12
Después,
C = AB − BA
C11 C12 a12 b21 − b12 a21 − b12 a21 a11 b12 + a12 b22 − b11 a12 − b12 a22
=
C21 C22 a21 b11 + a22 b21 − b21 a11 − b22 a21 a21 b12 − b21 a12
De donde,
c11 = a12 b21 − b12 a21
⇒ c11 + c22 = a12 b21 − b12 a21 + a21 b12 − b21 a12 = 0
c22 = a21 b12 − b21 a12
Por lo tanto, las matrices A y B existe, si y sólo si la suma de las entradas diagonales de C suman
cero.
35
1.6. Matrices inversibles Chapter 1. Ecuaciones lineales
Definición Sea A una matriz (cuadrada) n × n sobre el cuerpo F. Una matriz n × n, B, tal que BA = I se llamada
1.6 inversa a la izquierda de A; una matriz n × n, B, tal que AB = I se llamada inversa a la derecha de A.
Si AB = BA = I, entonces B se llama inversa bilátera de A, y se dice que A es inversible.
B = BI = B( AC ) = ( BA)C = IC = C.
Así, si A es inversa a la izquierda e inversa a la derecha, A es inversible y tiene una inversa bílátera
que se representará por A−1 y se llamará simplemente la inversa de A.
EEi = e( Ei ) = e [ei ( I )] = I
y
Ei E = e1 ( E) = e1 [e( I )] = I
con lo que E es inversible y E1 = E −1 .
36
Chapter 1. Ecuaciones lineales 1.6. Matrices inversibles
Demostración.- Sea R una matriz escalón reducida por filas, equivalentes por filas a A. Por el teorema
9 (o su corolario),
R = Ek · · · E2 E1 A
donde E1 , . . . , Ek son matrices elementales. Cada Ej es inversible, y así
A = E1−1 · · · Ek−1 R.
Como el producto de matrices inversibles es inversible, se ve que A es inversible si, y sólo si, R es
inversible. Como R es una matriz (cuadrada) escalón reducida por filas, R es inversible si, y sólo
si, toda fila de R contiene un elemento no nulo, esto es, si, y sólo si, R = I. Hemos visto que A es
inversible si, y sólo si, R = I, y si R = I entonces A = Ek−1 , . . . , E1−1 . Se ve ahora que (i), (ii) y (iii) son
afirmaciones equivalentes respecto de A.
Corolario Si A es una matriz inversible n × n y si una sucesión de operaciones elementales de fila reduce A a la
1.3 identidad, entonces la misma sucesión de operaciones, cuando se aplica a I, da A−1 .
Corolario Sean A y B dos matrices m × n. Entonces, B es equivalente por filas a A si, y sólo si, B = PA, donde P
1.4 es una matriz m × m inversible.
37
1.6. Matrices inversibles Chapter 1. Ecuaciones lineales
Corolario Una matriz cuadrada que tiene una inversa a la izquierda o a la derecha es inversible.
1.5
Demostración.- Sea A una matriz m × n. Supóngase que A tiene una inversa a la izquierda, es decir,
una matriz B tal que BA = I. Entonces AX = 0 tiene solo la solución trivial, porque X = IX = B( AX ).
Luego A es inversible. Por otro lado, supóngase que A tiene una inversa a la deracha, es decir, una
matriz C tal que AC = I. Entonces C tiene una inversa a la izquierda y es, por tanto, inversa. Se sigue
entonces que A = C −1 y así A es inversible con inversa C.
Dado que, no hay ningún privilegio con respecto a las filas, lo tratado en la última sección pudo
haberse hecho usando columnas en vez de filas. Si se define una operación elemental de columna y
equivalencia por columna, es claro que toda matriz m × n será equivalente por columnas a una matriz
escalón reducida por columnas. Así cada operación elemental de columna será de la forma A → AE,
donde E es una matriz elemental n × n, y así sucesivamente.
Ejercicios
1. Sea
1 2 1 0
A = −1 0 3 5
1 −2 1 1
Hallar una matriz escalón reducida por filas R que sea equivalente a A, y una matriz inversible
3 × 3, P, tal que R = PA.
Respuesta.- Podemos realizar operaciones de fila elementales en A, mientras realizamos las mis-
mas operaciones en I, determinando también la matriz elemental, y así encontrar R y P.
1 2 1 0 1 0 0
−1 0 3 5 0 1 0
1 −2 1 1 0 0 1
1 2 1 0 1 0 0 1 0 0
R2 + R1 → R2 0 2 4 5 1 1 0 E1 = 1 1 0
1 −2 1 1 0 0 1 0 0 1
1 2 1 0 1 0 0 1 0 0
R3 − R1 → R3 0 2 4 5 1 1 1 E2 = 0 1 0
0 −4 0 1 −1 0 1 −1 0 1
1 2 1 0 1 0 0 1 0 0
R2 5 1 1 1
→ R2 0 1 2 2 2 2 0
E3 = 0
2 0
2
0 −4 0 1 −1 0 1 0 0 1
1 0 −3 −5 −1 0
0 1 −2 0
R1 + 2R2 → R1 0 5 1 1 E4 = 0 1 0
1 2 2 2 2 0
0 −4 0 1 −1 0 1 0 0 1
1 0 −3 −5 0 −1 0 1 0 0
R3 + 4R2 → R3 0 1 5 1 1 E5 = 0 1 0
2 2 2 2 0
0 0 8 11 1 2 1 0 4 1
38
Chapter 1. Ecuaciones lineales 1.6. Matrices inversibles
−3 −5 −1
1 0 0 0 1 0 0
R3 5 1 1
→ R3 0 1 2 2 2 2 0 E6 = 0 1 0
8 11 1 1 1 1
0 0 1 8 8 4 8
0 0 8
−3 −5 −1
1 0 0 0 1 0 0
R2 − 2R3 → R2 0 1 0 − 14 1
4 0 − 14 E7 = 0 1 −2
11 1 1 1 0 0 1
0 0 1 8 8 4 8
− 87 3
− 14 3
1 0 0 8 8 1 0 −3
R1 + 3R2 → R1 0 1 0 − 14 1
4 0 − 14 E8 = 0 1 0
11 1 1 1 0 0 1
0 0 1 8 8 4 8
Ya que las matrices elementales son invertibles y el producto de matrices invertibles es invertible,
entonces P = E8 E7 E6 E5 E4 E3 E2 E1 es invertible. Así,
− 78 3
− 14 3
1 0 0 8 8 1 2 1 0
R = PA ⇒ 0 1 0 − 14 = 1
4 0 − 14 −1 0 3 5
11 1 1 1 1 − 2 1 1
0 0 1 8 8 4 8
Respuesta.- Podemos realizar operaciones de fila elementales en A, mientras realizamos las mis-
mas operaciones en I, determinando también la matriz elemental, y así encontrar R y P.
2 0 i 1 0 0
1 −3 i 0 1 0
i 1 1 0 0 1
1 −3 − i 0 1 0 0 1 0
R1 → R2 2 0 i 1 0 0 E1 = 1 0 0
i 1 1 0 0 1 0 0 1
1 −3 − i 0 1 0 1 0 0
R2 − 2R1 → R2 0 6 3i 1 −2 0 E2 = −2 1 0
i 1 1 0 0 1 0 0 1
1 −3 − i 1 0 0 1 0 0
R3 − iR1 → R3 0 6 3i 0 1 0 E3 = 0 1 0
0 1 + 3i 0 −i 0 1 −i 0 1
39
1.6. Matrices inversibles Chapter 1. Ecuaciones lineales
1 −3 −i 0 1 0 1 0 0
R2 i 1 1
→ R2 0 1 2 6 − 13 0 E4 = 0
6 0
6
0 1 + 3i 0 0 −i 1 0 0 1
i 1
1 0 2 2 1 0 1 3 0
i 1
R1 + 3R2 → R1 0 1 2 6 − 31 0 E5 = 0 1 0
0 1 + 3i 0 0 −i 1 0 0 1
i 1
1 0 2 2 0 0 1 0 0
i 1
R3 − (1 + 3i ) R2 → R3 0 1
2 6 − 31 0 E6 = 0 1 0
0 0 − 3−
2
i
− 1+23i 1
3 1 0 −(1 + 3i ) 1
1 0 2i 1
2 0 0 1 0 0
2R3 i 1 1
→ R3 0 1
2 6 − 3 0 E7 = 0 1 0
3−i 3+ i
0 0 1 − 2i 315 +i 3+ i
5
0 0 5
1 1−3i 1−3i
− 2i
1 0 0 3 30 10 1 0
i i 1
R1 − R3 → R1 0 1
2 6 − 13 0 E8 = 0 1 0
2
0 0 1 − 2i 3+ i
15
3+ i
5
0 0 1
1 1−3i 1−3i
1 0 0
3 30 10 1 0 0
i −(3+i )
R2 − R3 → R2 0 1 0 0 − 10 1−3i E9 = 0 1 − 2i
2 10
0 0 1 − 3i 3+ i
15
3+ i
5
0 0 1
Ya que las matrices elementales son invertibles y el producto de matrices invertibles es invertible,
entonces P = E9 E8 E7 E6 E5 E4 E3 E2 E1 es invertible. Así,
1 1−3i 1−3i
1 0 0 3 30 10 2 0 i
R = PA ⇒ 0 1 0 = 0 − −(10 3+ i ) 1−3i 1 −3 − i
10
0 0 1 −3 i 3+ i 3+ i i 1 1
15 5
Respuesta.- Para la primera matriz, por el teorema 12 y el corolario 3, reducimos por filas la matriz
aumentada de la siguiente manera:
5
− 21 1
2 5 −1 1 0 0 1 0 0
R1 2 2
4 −1 2 0 1 0 → R1 4 −1 2 0 1 0
2
6 4 1 0 0 1 6 4 1 0 0 1
5
− 12 1
R2 − 4R1 → R2 1 2 2 0 0
0 −11 4 −2 1 0
R3 − 6R1 → R3 0 −11 4 −3 0 1
5
− 12 1
1 2 2 0 0
R3 − R2 → R3 0 −11 4 −2 1 0
0 0 0 −1 −1 1
40
Chapter 1. Ecuaciones lineales 1.6. Matrices inversibles
Puesto que la última fila es cero. Entonces, A no puede ser reducida por filas a la identidad. Es decir,
por el teorema 12, A no es equivalente por fila a la matriz identidad, por lo tanto, A no es invertible.
Para la segunda matriz, reducimos por filas la matriz aumentada de la siguiente manera:
1 −1 2 1 0 0 1 −1 2 1 0 0
3 2 4 0 1 0 R2 − 3R1 → R2 0 5 −2 −3 1 0
0 1 −2 0 0 1 0 1 −2 0 0 1
1 0 0 4 −1 0
R2 ↔ R3 0 0 0 3 −3 1
0 5 −2 −3 1 0
R1 − R2 → R1 1 0 0 1 0 1
0 1 −2 0 0 1
R3 − 5R2 → R3 0 0 8 −3 1 −5
1 0 0 1 0 1
R3
→ R3 0 1 −2 0 0 1
8
0 0 1 − 83 1
8 − 58
1 0 0 1 0 1
2R3 + R2 → R2 0 1 0 − 34 1
4 − 41
0 0 1 − 38 1
8 − 85
4. Sea
5 0 0
A= 1 5 0 .
0 1 5
Respuesta.- Sea,
5 0 0 x1 x1
1 5 0 x2 = c x2
0 1 5 x3 x3
que implica
5x = cx
x + 5y = cy
y + 5z = cz
41
1.6. Matrices inversibles Chapter 1. Ecuaciones lineales
Por otro lado, si c = 5, entonces por la ecuación 2, x = 0; lo que implica que y = 0. Por lo tanto, es
cierto para
0
0 con c = 5.
z
5. Determinar si
1 2 3 4
0 2 3 4
A=
0
0 3 4
0 0 0 4
R2
→ R2
2
1 0 0 0 1 −1 0 0
1
R3 0 1 0 0 0 2 − 12 0
→ R3 1
−1
3 0 0 1 0 0 0 3 3
1
0 0 0 1 0 0 0 4
R4
→ R4
4
Por lo tanto, por el teorema 12, A es invertible y su inversa es
1 −1 0 0
1
0 − 12 0
A −1 = 2
1
−1
0 0 3 3
1
0 0 0 4
Demostración.- Sea
a1
A= y B= b1 b2
a2
42
Chapter 1. Ecuaciones lineales 1.6. Matrices inversibles
De donde,
a1 a1 b1 a1 b2
C = AB = b1 b2 =
a2 a2 b1 a2 b2
a2
Luego, si sumamos − de la primera fila a la segunda fila se tiene:
a1
a1 b1 a1 b2
0 0
Por lo tanto, por el teorema 12, de equivalencia por filas a la identidad, C no es inversible.
7. Sea A una matriz (cuadrada) n × n. Demostrar que las siguientes dos afirmaciones:
Demostración.- Por el teorema 13(ii), ya que A no es invertible, AX=0 debe tener una solu-
ción no trivial. Por lo que X 6= 0 tal que x = 0. Ahora, consideremos la matriz B,
B = [b1 , b2 , . . . , bn ]
8. Sea
a b
A=
c d
Demostrar, usando operaciones elementales de fila, que A es inversible si, y sólo si, ( ad − bc) 6= 0.
b b
a b R1 1 1 a
→ R1 a R2 − cR1 → R2 ad−bc
c d a c d 0 a
de donde, debemos tener ad − bc 6= 0 ya que de lo contrario A no podría ser equivalente por filas a
la matriz identidad, contradiciendo el Teorema 12.
Si, en cambio, a = 0. Entonces, debemos tener b 6= 0 ya que de lo contrario A tendría una fila de
ceros y no podría ser equivalente por fila a la matriz identidad. Es decir,
0 b R1 0 1 c d c 0
→ R1 R1 ↔ R2 R1 − dR2 → R1
c d b c d 0 1 0 1
43
1.6. Matrices inversibles Chapter 1. Ecuaciones lineales
Vemos que debemos tener c 6= 0. Así, ad − bc = −bc 6= 0. Esto completa la primera mitad de la
demostración.
Por el contrario, suponga que ad − bc 6= 0. Si d 6= 0, entonces A puede reducirse para obtener
a b ad bd
dR1 → R1
c d c d
ad − bc 0
R1 − bR2 → R1
c d
R1 1 0
→ R1
ad − bc c d
1 0
R2 − cR1 → R2
0 d
R2 1 0
→ R2
d 0 1
Por lo que, A es equivalente por fila a la matriz identidad. Por otro lado, si d = 0, entonces b y c
deben ser distintos de cero, lo que nos queda
a b R2 a b
→ R2
c 0 c 1 0
1 0
R1 ↔ R2
a b
1 0
R2 − aR1 → R2
0 b
1 0
R2 − bR1 → R2
0 1
de modo que A es nuevamente equivalente por filas a la matriz identidad. En cualquier caso, A
debe ser invertible por el Teorema 12.
9. Una matriz n × n, A, se llama triangular superior si Aij = 0 para i > j; esto es, si todo elemento
por debajo de la diagonal principal es 0. Demostrar que una matriz (cuadrada) triangular superior
es inversible si, y sólo si, cada elemento de su diagonal principal es diferente de 0.
Demostración.- Sea A una matriz triangular superior n × n. Supóngase que cada elemento de la
diagonal principal de A es distinta de cero, luego considere el sistema lineal homogéneo AX = 0,
. Ya que Ann 6= 0, la última ecuación implica que xn = 0.. Dado que An−1,n1 6= 0, la penul-
tima ecuación implica que xn−1 6= 0. Continuando de esta manera, vemos que xi = 0 para cada
i = 1, 2, . . . , n. Por lo tanto, el sistema AX = 0 tiene solo la solución trivial, por lo que A es invert-
ible.
Por el contrario, supongamos que A es invertible. Entonces A no puede contener ninguna fila
de ceros, ni puede ser equivalente por filas a una matriz con una fila de ceros. Esto implica que
44
Chapter 1. Ecuaciones lineales 1.6. Matrices inversibles
Ann 6= 0. Después, considere An−1,n−1 . Si An−1,n−1 = 0, entonces dividiendo la fila n por Ann , y
sumando − An−1,n por la fila n a la fila n − 1, vemos que A es equivalente en filas a una matriz cuya
(n − 1) primera fila es todos ceros. Pero esto es una contradicción. Entonces, An−1,n−1 6= 0. De
la misma manera, podemos mostrar que Aii 6= 0 para cada i = 1, 2, . . . , n. Por lo tanto, todas las
entradas en la diagonal principal de A son distintas de cero.
10. Demostrar la siguiente generalización del Ejercicio 6. Si A es una matriz m × n, B es una matriz
n × m y n < m, entonces AB no es inversible.
Demostración.- Existen n columnas en A por lo que el espacio vectorial generado por esas colum-
nas tiene una dimensión no mayor que n. Todas las columnas de AB son combinaciones lineales
de las columnas de A. Así, el espacio vectorial generado por las columnas de AB están contenidos
en el espacio vectorial generado por las columnas de A. Por lo que, el espacio columna de AB tiene
una dimensión no mayor que n. Por lo tanto, el espacio columna de la matriz, m × m AB tiene una
dimensión menor o igual a n con n < m. De donde las columnas de AB generan un espacio de
dimensión estrictamente menor que m. Lo que se concluye que AB no es invertible.
11. Sea A una matriz m × n. Hacer ver que por medio de un número finito de operaciones elementales
de fila y/o de columna se puede pasar de A a la matriz R que es simultáneamente escalón reducida
por filas y escalon reducida por columnas; es decir, Rij = 0 si i 6= j, Rii=1 , 1 ≤ i ≤ r, Rii = 0 si i > r.
Demostrar que R = PAQ, donde P es una matriz inversible m × m y Q es una matriz inversible
n × n.
Demostración.- Por el teorema 5, A es equivalente por filas a una matriz escalonada reducida por
filas R0 . Luego, por el segundo corolario del teorema 12, existe una matriz invertible m × m, P tal
que Ro = PA.
Los resultados que son análogos a los teoremas 5 y 12 (con demostraciones similares) se cumplen
para matrices escalonadas reducidas en columnas, por lo que hay una matriz R que es columna
equivalente a R0 y una matriz Q invertible n × n tal que R = R0 Q. Entonces R = PAQ, después
vemos que, a través de un número finito de operaciones elementales de filas y/o columnas, A pasa
a una matriz R que es escalonada reducida tanto por filas como por columnas.
Demostración.-
45
1.6. Matrices inversibles Chapter 1. Ecuaciones lineales
46
2
Espacios vectoriales
47