Documente Academic
Documente Profesional
Documente Cultură
Generalidades
Se llama matriz de orden mxn a un conjunto de mxn nmeros (o letras que representan
nmeros) dispuestos en m filas y n columnas y encerrado entre parntesis o corchetes.
4 2 5
a11
a21
...
am1
a12
a22
...
am 2
... a1n
... a2 n
es la expresin general de una matriz de orden mxn
... ...
... amn
El conjunto de todas las matrices de orden mxn suele denotarse por Emxn.
La matriz suele denotarse con una letra mayscula, por ejemplo A. A cada nmero que
va dentro de la matriz se le llama elemento; el elemento que est en la fila i y la
columna j se denota con la misma letra que la matriz, pero en minscula, y dos
subndices que indican la posicin del elemento: aij (el primer subndice corresponde a
la fila y el segundo a la columna en la que est el elemento)
En la matriz anterior el elemento a12 es 2, el elemento a23 es 2.
Una matriz suele definirse tambin a travs de sus elementos, de la siguiente manera:
A=(aij)mxn. Lo anterior indicara que tenemos una matriz de orden mxn, llamada A y a
cuyos elementos llamamos aij.
Los elementos (nmeros) de una matriz pueden ser reales o complejos; en el primer
caso se dice que la matriz es real y en el segundo que es compleja.
2 3 5
2-i 0 2 + i
0 3 2
0 0 1
0 2 5
son equidimensionales
lgebra Lineal
Se llama matriz lnea la matriz que consta de una sola lnea. Si est formada por una
sola fila se llama matriz fila (su orden es 1xn) y si est formada por una sola columna se
llama matriz columna (su orden es mx1).
( 1
2
es una matriz columna
1
1 3 2
2 1 5
A=
1 3 2
es la opuesta de A
2 1 5
-A=
a21
a31
a
n1
a12
a22
a32
a13
a23
a33
an 2
an 3
a1n
a2 n
a3n es una matriz cuadrada de orden n
ann
lgebra Lineal
2
3
2
ii
= a11 + a 22 + ... + a nn .
i =1
a11
0
0
a12
a22
0
a13
a23
a33
a11
a21
a31
a
n1
0
a22
a32
0
0
a33
an 2
an 3
a1n
a2 n
a3n es la forma general de una matriz triangular superior
ann
ann
0
0
0
Se llama matriz diagonal a toda matriz cuadrada cuyos trminos situados fuera de la
diagonal principal son todos nulos (es decir, aij=0 ij). Un caso particular de matriz
diagonal es la matriz escalar en la que todos los elementos de la diagonal principal son
iguales.
2 0 0
0 1 0
0 0 5
a11
0
0
0
a22
0
0
0
a33
ann
0
0
0
lgebra Lineal
0
0
4 0 0
0 4 0
0 0 4
0 0
a 0
0 a
0 0
0
0
Se denomina matriz unidad o matriz identidad a una matriz escalar en la que los
elementos de la diagonal son todos 1. La matriz unidad de orden n suele denotarse por
In.
1 0 0
0 1 0
0 0 1
1.2.-
0
matriz unidad de orden 3 0
0 0
1 0
0 1
0 0
0
0 matriz unidad de orden n
1 n
5 2
Si A=
2
En general, si
3 2
y B=
1 4 2
a11
a
A= 21
am1
a12
a22
am 2
... a1n
... a2 n
y
...
... amn
a11 + b11
a +b
A+B= 21 21
am1 + bm1
a12 + b12
a22 + b22
am 2 + bm 2
1 1 6
A+B=
1 9 4
b11 b12
b
b
B= 21 22
bm1 bm2
... b1n
... b2n
...
... bmn
... a2 n + b2 n
...
A, B, C
lgebra Lineal
Nota: obsrvese que las propiedades de la suma de matrices son las mismas que las de
las suma de nmeros reales.
1.2.2.- Producto de matrices por un escalar
Sea A = (aij) una matriz de orden mxn y un nmero (con frecuencia llamado escalar).
Se define el producto del escalar por la matriz A y se denota por A a una matriz
cuyos elementos se obtienen multiplicando cada elemento de A por . La matriz A es
por lo tanto una matriz de la misma dimensin que A.
1 2 4
5 2
Si A=
2
y =2
a11
a
En general, si A= 21
...
am1
2 4 8
4 10 4
A=
... a1n
a11 a12
... a2 n
a21 a22
A=
... ...
...
...
... amn
am1 am 2
a12
a22
...
am 2
... a1n
... a2 n
...
...
... amn
A, B
(+)A=A+A
, A
( ) A = ( A )
, A
1A = A
ik bkj
i = 1, 2,..., m j = 1, 2,..., n
k =1
lgebra Lineal
.................
.................
ai1 ai 2 ...aip
.................
.................
......b1 j ......
.............
......b2 j ......
.............
.............
.............
ik bkj
k =1
. 1 =
2 3 0 2x3 2
-1 2x1
3x1
c21 = 2 (2) + 3 1 + 0 2 = -1
Si A =
0
AB =
B A =
lgebra Lineal
A(B+C) = AB + AC
AEmxn B,CEnxp
A,BEmxn CEnxp
Asociativa
(AB)C = A(BC)
(AB) = (A)B = A(B)
En el producto matricial puede ocurrir que AB sea nulo siendo A(0) y B(0) (a
diferencia del producto con escalares donde ab=0 si y slo si alguno de los factores es
cero).
De la misma manera, siendo A(0) la igualdad matricial AB=AC no implica B=C
(mientras que con escalares, si ab=ac y a0 b=c).
1 0
1 0
0 0 0
0 0 0
0 0 0
Sean A = 0 0 y B =
A B = 0 0
= 0 0 0
1
1
0
1
1
0
0 0 0
1 0
1 0
1 0
0 0 1
0 0 1
Sean A = 0 0 , B =
y C=
1 0 0
0 1 0
1 0
A B = A C, siendo A (0) y B C
Es fcil comprobar que AEmxn, ImA=A y AIn=A (es decir, las matrices Im y In
juegan el mismo papel que el nmero 1 en la multiplicacin de nmeros).
1.2.4.- Potencias de matrices cuadradas
Las potencias de matrices cuadradas son un caso particular del producto de matrices. Se
llama potencia p-sima (p+) de una matriz cuadrada A a la matriz que se obtiene
multiplicando A p veces por s misma.
A p = (A A A A)
p veces
Por lo tanto:
lgebra Lineal
A1 = A
A2 = A A
A3 = A A A
p,q+
(Ap)q = Apq
p,q+
Nota: A0 = I
97 -142
213 26
97 -142
213 26
A2A3=
A3.A2=
tambin
a11
0
diagonal: A = 0
comprobarse
0
a22
0
0
a33
a11 p
0
p
se cumple que: A = 0
fcilmente
que
si
es
una
matriz
0
0
ann
a22 p
a33 p
0 p
ann p
Podra pensarse que las potencias de matrices cuadradas funcionan a todos los efectos
como las potencias de nmeros. Pero esto no es cierto:
lgebra Lineal
Se llama matriz traspuesta de una matriz A a la que se obtiene intercambiando sus filas
por sus columnas. Se representa por At o A. Por lo tanto, si AEmxn AtEnxm (si A es
de orden mxn su traspuesta es de orden nxm)
A 2x3
0 3 -2
=
,
3 2 2
A 3x2
0 3
= 3 2
-2 2
Propiedades.
(At)t = A
AEmxn
0 3
0 3 -2
t
Ejemplo: A =
A = 3 2
3
2
2
-2 2
A,B Emxn.
(A+B)t = At+Bt
( )
At
0 3 -2
=
3 2 2
0 3 -2
-4 1
Ejemplo: sean A =
y B=
3 2 2
-2 -1 0
0 3
1 -2
t
A = 3 2 , B = -4 -1
-2 2
1 0
1 1
A + B = -1 1
-1 2
AEmxq , BEqxn
1
1 1
( A+B ) = -1 1 =A t + Bt
-1 2
1 -1 -1
A+B =
1 1 2
(AB)t = BtAt
Ejemplo: sean A = 3 4 y B =
-7 5
2 1
-8 4
lgebra Lineal
1 3
At =
2 4
-22
A B = -4
-23
2
8 7
22 4 23
t
Bt A t =
, B =
1
8 13
4 5
14
14
22 4 23
t
t
t
8
( A B) =
=B A
8 13
14
13
Una matriz cuadrada se dice que es simtrica si coincide con su traspuesta, lo cual slo
se puede cumplir si los elementos dispuestos simtricamente a ambos lados de la
diagonal son iguales; es decir:
A es simtrica
A=At
1 0 2
0 6 4 es simtrica
2 4 3
A=-At
0 1 3
1 0 5 es antisimtrica
3 5 0
1.4.-
10
lgebra Lineal
Orden 2: A =
a11
a21
a11
Orden 3 : A = a21
a31
a12
= a11 a22 a12 a21
a22
a12
a22
a32
a13
a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
a33
a11 a23 a32 - a12 a21 a33 - a13 a22 a31
Es ms sencillo recordar esta ltima expresin haciendo uso de la regla de Sarrus, que
dibuja esta frmula mediante un esquema que agrupa los trminos que van en cada
sumando. En el dibujo de la regla de Sarrus que se muestra a continuacin los crculos
representan los elementos de la matriz; se han unido con lneas de un mismo color los
elementos que van multiplicados en un mismo sumando (a la izquierda los positivos y a
la derecha los negativos).
Trminos positivos
Trminos negativos
a12
a13
a14
a15
a21
Si en a31
a22
a32
a23
a33
a24
a34
a25
a35
a41
a51
a42
a52
a43
a53
a44
a54
a45
a55
a11
a13
a15
a43
a45
11
lgebra Lineal
este nuevo determinante se denomina menor asociado a aij y que se denota por Dij. Si D
es de orden n, Dij es por lo tanto de orden n-1.
D12 =
a11
a12
a13
a14
a15
a21
a31
a22
a32
a23
a33
a24
a34
a25
a35
a41
a51
a42
a52
a43
a53
a44
a54
a45
a55
a21
a23
a23
a25
a31
a41
a33
a43
a34
a44
a35
es el menor asociado al elemento a12.
a45
a51
a53
a54
a55
Cuando un menor de un determinante est formado por las q primeras filas y las q
primeras columnas se denomina menor principal de orden q.
As por ejemplo, en un determinante de orden 5 para obtener sus menores
principales de orden 1, 2, 3, 4 y 5 (el propio determinante) vamos seleccionando
los elementos (o filas y columnas) como se indica a continuacin:
a11
a12
a13
a14
a15
a21
a31
a22
a32
a23
a33
a24
a34
a25
a35 resultando as:
a41
a51
a42
a52
a43
a53
a44
a54
a45
a55
a11
a11
a21
a12
a22
a11
a21
a12
a22
a13
a23
a31
a32
a33
a11
a12
a13
a14
a21
a31
a22
a32
a23
a33
a24
a34
a41
a42
a43
a44
y el propio determinante.
A12=(-1)1+2D12=
12
a21
a23
a23
a25
a31
a33
a34
a35
a41
a43
a44
a45
a51
a53
a54
a55
lgebra Lineal
a21
...
a22
...
...
...
a2 n
...
an1
an 2
...
ann
a11
a12
... a1n
b11
b12
... b1n
a21
...
a22
...
... a2 n a21
+
... ...
...
a22
...
... a2 n
... ...
an1
an 2 ... ann
an1
an 2 ... ann
13
lgebra Lineal
10- A B = A B .
A,BEnxn.
11- |Ap|=|A|p
AEnxn.
As, si D =
a11
a12
... a1n
a 21
...
a 22
...
... a 2 n
, desarrollando el determ. por la i-sima fila se obtiene:
... ...
a n1
a n 2 ... a nn
Ejemplo: calcular D =
1 0 2 3
0 4 0 1 2 elementos nulos
6 1 2 3
5 2 4
3 2 4
3 5 4
3 5 2
D = 0 0 2 3 4 1 2 3 + 0 1 0 3 1 1 0 2 = 6
1 2 3
6 2 3
6 1 3
6 1 2
14
lgebra Lineal
Todas las propiedades de los determinantes son muy tiles para el clculo de los
mismos. Siempre ser conveniente observar si tenemos un determinante con todos sus
elementos nulos, o con dos lneas paralelas (filas o columnas) iguales entre s o
proporcionales, o si una fila es combinacin lineal de otras (esto ltimo no es tan fcil
de ver por simple observacin); en estos casos, por las propiedades 2, 3, 4 y 5 sabramos
que el valor del determinante es cero, sin necesidad de calcularlo. De no ser as, se suele
intentar transformar el determinante en otro ms sencillo (generalmente triangular)
haciendo uso con frecuencia de la propiedades 7, 8 y sobre todo la 6.
Hay que tener mucho cuidado en el empleo de las propiedades 7 y 8, ya que alteran el
valor del determinante original, por lo que hay que multiplicar posteriormente el valor
obtenido por el nmero adecuado (-1 o
determinante inicial.
1.5.-
1.5.1.- Definicin
Se llama rango de una matriz A de orden mxn al orden del mayor menor no nulo que
puede extraerse de ella. Tambin, teniendo en cuenta las propiedades de los
determinantes, se define como el mayor nmero de filas o columnas que son
linealmente independientes en A.
1.5.2.- Clculo
El primer procedimiento que nos puede venir a la mente para calcular el rango de una
matriz es, precisamente emplear su definicin. As, dada una matriz de orden mxn
comenzaremos extrayendo uno a uno sus menores de mayor orden (supongamos que
ste es n). En cuanto algn menor sea no nulo pararemos el proceso y diremos que el
rango de la matriz ser n. Si extrados todos los menores de orden n no hemos
encontrado ninguno no nulo, sabremos que el rango es menor que n, pero no sabemos
cunto menor. En este ltimo caso tendramos que continuar el proceso, extrayendo uno
a uno los menores de orden n-1 hasta que encontremos uno no nulo, momento en el que
podramos decir que el rango de A es n-1. Si extrados todos los menores de orden n-1
no hemos encontrado ninguno no nulo, sabremos que el rango es menor que n-1, pero
no sabemos cunto menor. As, tendramos que pasar a plantear los menores de orden
n-2 Se contina con el proceso hasta obtener algn menor no nulo de algn orden; el
rango de la matriz sera este orden.
Puede verse que este proceso es muy laborioso, por lo que si hay algn procedimiento
alternativo es conveniente emplearlo. Uno de estos procedimientos se ver en el
apartado 2.4, al explicar cmo se discute la existencia de solucin de sistemas de
15
lgebra Lineal
1.6.1.- Definicin
Una matriz cuadrada A se dice regular si existe otra matriz cuadrada, a la que
llamaremos inversa de A y denotaremos por A-1, tal que AA-1 =A-1A=I. En caso de no
existir esta matriz A-1 se dice que A es singular.
1 2
La inversa de A=
1 0
0
es A = 1
2
-1
1
1 0
-1
1 , ya que A A =
0 1
2
Un primer mtodo para saber si una matriz es regular sera utilizar directamente la
definicin: dada una matriz A planteamos la ecuacin matricial A.A-1=I. Si este sistema
tiene solucin la matriz A-1 obtenida ser la inversa de A y A ser regular; si el sistema
es incompatible significa que no se puede encontrar A-1 y por lo tanto A es singular.
Veremos un ejemplo de esto en el siguiente apartado (clculo de la inversa).
Pero adems puede demostrarse que una matriz cuadrada es regular si y slo si su
determinante es no nulo. De la misma manera una matriz cuadrada es singular si y slo
si su determinante es nulo.
Recordando la definicin de rango de una matriz lo anterior es equivalente a decir que
una matriz cuadrada de orden n es regular si y slo si el rango de A es n y es singular si
el rango de A es menor que n.
1.6.3.- Algunos mtodos para calcular la inversa de una matriz
Utilizando directamente la definicin de inversa
16
lgebra Lineal
matriz A-1 que, en caso de existir, ha de ser tambin cuadrada de orden 2, por lo
que ser de la forma:
x
A 1 =
z
y ha de cumplir A A 1 = I
1 2 x
2 1 z
y 1 0
=
t 0 1
Esta expresin representa la igualdad de dos matrices y puesto que para que dos
matrices sean iguales han de serlo elemento a elemento (segn la definicin de
igualdad de matrices), de aqu se obtiene el siguiente sistema de ecuaciones
lineales:
x + 2z = 1
y + 2t = 0
2 x + z = 0
2 y + t = 1
1
x= ,
3
2
y= ,
3
2
1
z= , t=
3
3
1 2
3 3
1
por lo que A =
2 1
3
3
En caso de que la matriz cuya inversa buscamos no sea regular llegaremos a un sistema
incompatible (es decir, sin solucin). Por ejemplo:
x
2 8
1
si A =
A =
z
1 4
A A 1 = I
2 8 x
1 4 z
2 x + 8z = 1
2 y + 8t = 0
y 1 0
t 0 1
x + 4z = 0
y + 4t = 1
17
lgebra Lineal
significa que no existen valores de x,y,z,t que cumplan todas las ecuaciones
simultneamente y por lo tanto no existe una matriz A-1/ A.A-1=I (es decir, A no
tiene inversa).
Clculo de A-1 empleando la frmula:
A 1 =
1
Aa
A
A = 2 3 1 + 1 2 1 = 8 0 A 1
y su adjunta:
F2
= G2
GH 0
I
JJ
1K
0 1
3 0
1
1
0
Aa =
1
0
3
0
1
1
1
1
0
2 1
0 1
2 1
0 1
2 1
2 0
2 3
0 1
3 2 2
2 0
= 1 2 2
0 1
3 2 6
2 0
2 3
entonces
3 8 1 4 1 4
A = 3 8 1 4 -1 4 .
-3 8 1 4 3 4
-1
1
A
A regularEnxn(q).
A,B regulares Enxn(q)
DISCUSIN
DE
LA
Algunas definiciones.
Recordamos que se llama ecuacin lineal o ecuacin de primer grado a una expresin
algebraica de la forma:
18
lgebra Lineal
a1 x1 + a2 x2 + a3 x3 + + an xn = b
donde a1, a2,..., an son nmeros conocidos que se llaman coeficientes y b es un nmero
tambin conocido que se llama trmino independiente. Por ltimo, x1, x2,...,xn son
variables cuyo valor pretendemos determinar y que se suelen llamar incgnitas.
2 x1 + 3 x2 4 x3 = 5
Se dice que dos ecuaciones son equivalentes cuando tienen la misma solucin.
2x = 4
4x = 8
am1 x1 + am 2 x2 + am 3 x3 + + amn xn = bm
4 x1 x2 + 4 x3 = 2
2 x1 + 3 x2 2 x3 = 7
(1)
Se dice que un sistema de ecuaciones es homogneo cuando todas sus ecuaciones son
homogneas. En caso contrario se llama heterogneo.
Se llama solucin de un sistema de m ecuaciones con n incgnitas a un conjunto de n
nmeros r1, r2,..., rn que verifican todas las ecuaciones del sistema. Es decir:
a11 r1 + a12 r2 + a13 r3 + + a1n rn = b1
a r + a r + a r ++ a r = b
23 3
2n n
2
21 1 22 2
+
+
=
a
r
a
r
a
r
a
r
b
31 1 32 2
33 3
3n n
3
am1 r1 + am 2 r2 + am 3 r3 + + amn rn = bm
19
lgebra Lineal
x2 + x3 = 0
2x3 = -2
x1 x2 + 2 x3 = 1
x1 + 2 x2 x3 = 1
x1 2 x2 x3 = 3
Es muy sencillo darse cuenta de que un sistema de ecuaciones lineales como (1) se
puede escribir en forma matricial de la manera que se indica a continuacin (slo hay
que recordar cmo se realiza el producto de matrices y qu significa que dos matrices
son iguales):
20
lgebra Lineal
a11
a21
...
am1
a12
a22
...
am 2
... a1n x1 b1
... a2 n x2 b2
=
... ... ... ...
... amn xn bm
(2)
Esto se conoce como expresin matricial del sistema (1). En forma compacta se
escribira:
Ax = b
a11
a
donde A = 21
...
am1
a12
a22
...
am 2
a1n
... a2 n
se denomina matriz de los coeficientes del sistema
... ...
... amn
...
x1
x
x = 2 es la matriz incgnita (o matriz de incgnitas)
...
xm
b1
b
y b = 2 es la matriz de los trminos independientes.
...
bm
Para resolver y discutir un sistema por los mtodos que veremos posteriormente es til
tambin definir la siguiente matriz:
a11
a
( A | b ) = 21
...
am1
a12
...
a1n
a22
... a2 n
...
...
...
am 2 ... amn
b1
b2
que se denomina matriz ampliada del sistema.
...
bm
Nota: como puede verse fcilmente, la matriz ampliada de un sistema escalonado tendr
tambin forma en escalera. Se observa que en este tipo de matrices:
- el primer elemento no nulo (por la izquierda) de cada fila est a la derecha del primer
elemento no nulo de filas anteriores (forma escalonada)
- las filas nulas, si existen, estn en la parte inferior de la matriz.
Las siguientes matrices estn en forma escalonada:
21
lgebra Lineal
F1
GG 0
H0
I
JJ
1K
* *
1 * ,
0
F1
GG 0
H0
I F
JJ G
K H
F
IJ GG
K GG
H
1
* * *
0 1 * * *
0
1 * * ,
,
0 0 0 1 *
0
0 0 0
0
I
*J
J
*J
J
0K
* * * * *
0 1 * *
0 0 1 *
0 0 0 0
a21
...
am1
2.3.-
a12
a22
...
am 2
a1n r1 b1
... a2 n r2 b2
=
... ... ... ...
... amn rn bm
...
o, en forma compacta, si A r = b
22
lgebra Lineal
+
+
=
a
x
a
x
a
x
a
x
b
31 1 32 2
n
33
3
3n
3
an1 x1 + an 2 x2 + an 3 x3 + + ann xn = bn
a
A = 21
...
an1
a12
a22
...
an 2
... a1n
... a2 n
... ...
... ann
b1
b
b= 2
...
bm
puede demostrarse que el valor de cada incgnita xi puede calcularse como el cociente
de dos determinantes: en el denominador el determinante de la matriz de los
coeficientes y en el numerador el determinante que resulta de sustituir en el
determinante de la matriz de los coeficientes la columna i-sima por la columna de
trminos independientes. Es decir:
col i
xi =
a11
a21
a12
a22
...
an1
...
an 2
...
...
...
...
b1 ... a1n
b2 ... a1n
x1 x2 + 2 x3 = 1
1 1 2
Ejemplo: x1 + 2 x2 x3 = 1 A = 1 2 1
1 2 1
x1 2 x2 x3 = 3
A = 2; x1 =
1 1 2
1 2 1
3 1 1
A
= 4; x2 =
1 1 2
1 1 1
1 3 1
A
= 1; x3 =
1
b = 1
3
1 1 1
1 2 1
1 2 3
A
= 1
23
lgebra Lineal
ms
una
combinacin
lineal
de
x1 + 2 x2 x3 = 1
x1 2 x2 x3 = 3
x2 + x3 = 1
x1 2 x2 x3 = 3
x2 + x3 = 0
- x2 3x3 = 2
24
lgebra Lineal
x1 x2 + 2 x3 = 1
x2 + x3 = 0 (3)
2x3 = -2
x2 + x3 = 0 (4)
x3 = -1
En el ejemplo anterior puede observarse claramente que las operaciones que se realizan
para obtener sistemas equivalentes son operaciones sobre los coeficientes del sistema y
los trminos independientes. Podemos por lo tanto trabajar sin arrastrar a lo largo de
todo el proceso el nombre de las incgnitas, que no se ve afectado en las sucesivas
operaciones. As, se suele operar, no sobre el sistema directamente, sino sobre la matriz
de coeficientes y la de trminos independientes; en realidad se trabaja sobre la matriz
ampliada, que almacena dentro coeficientes y trminos independientes.
Las transformaciones de los tipos 1 a 3 indicadas anteriormente, cuando se realizan
sobre las filas de una matriz reciben el nombre de transformaciones elementales. As
pues el mtodo de Gauss consiste en, dada la matriz ampliada de un sistema realizar
sobre ella transformaciones elementales hasta llegar a su forma escalonada, sobre la que
se podr discutir fcilmente la existencia de solucin del sistema y en caso de existir
sta, hallarla.
As, en el ejemplo anterior se tendra:
1 1 2 x1 1
1 2 1 x2 = 1
1 2 1 x 3
3
A
25
lgebra Lineal
1 1 2 1
1 2 1 1
1 2 1 3
matriz ampliada
(A | b)
F1
GG 0
H1
1
1
2
1
2 1
I
JJ
3K
1
0
F1
GG 0
H0
I
JJ
K
1 2 1
1 1 0
1 3 2
0 1 1 0
0 0 2 2
1
1
la tercera fila ( F3 F3 ) :
2
2
1 1 2 1
0 1 1 0
0 0 1 1
Las dos ltimas matrices son las matrices ampliadas de los sistemas (3) y (4),
respectivamente, que escribiramos ahora:
U|
=0V
|
= -1 |W
x 1 x 2 + 2x 3 = 1
x2 + x3
x3
3x1 + x2 4 x3 = 1
4 x1 + x2 + 6 x3 = 1
x1
26
lgebra Lineal
F3 F3 4F1
F3 F3 F2
0 1 34 16
3 1 4 1 0 1 34 16
3
4 1 6 1
0 1 34 19
0 0 0
x1
x2
34 x3 = 16
0 x3 = - 3
Teorema de Rouch-Frobenius:
Dado un sistema de ecuaciones lineales de m ecuaciones con n incgnitas: A x = b
- si rango(A) rango(A|b)
- si rango(A)= rango(A|b)=n
- si rango(A)= rango(A|b)<n
Para aplicar este teorema es necesario calcular el rango de dos matrices. Esto puede
hacerse como se ha explicado en el apartado 1.5.2, es decir, tomamos las matrices y
vamos extrayendo los menores, empezando por el orden mayor, hasta encontrar uno no
nulo. Pero como ya se indic tambin all este proceso es muy laborioso por lo que no
suele utilizarse y, sobre todo, no tiene ningn sentido utilizarlo cuando vamos a resolver
el sistema por el mtodo de Gauss. En su lugar es conveniente hacer uso de lo siguiente:
puede demostrarse que las transformaciones elementales realizadas sobre una matriz (es
decir, las que hacemos para resolver por el mtodo de Gauss) no alteran la dimensin
(esto se ve claramente) ni el rango de la matriz original (esto no es tan evidente). Esto
significa que las sucesivas matrices que vamos obteniendo en el proceso de Gauss
tienen el mismo rango que la original; en concreto, la forma escalonada que obtenemos
al final del proceso tiene el mismo rango que la matriz original, pero tiene la ventaja de
que en ella el rango se ve a ojo (o si se pretende calcular buscando menores el proceso
es muy sencillo).
Cuando una matriz est en forma escalonada el rango coincide con el nmero de
escalones (o filas en las que hay algn elemento no nulo). As si en la matriz escalonada
27
lgebra Lineal
el sistema es incompatible
2
b)
4
2 0 0
e) 0 9 0
0 0 3
2 0 0
f) 0 2 0
0 0 2
2- Escribe:
2 3 1
c)
4 0 9
2 4 3
g) 0 9 0
0 0 3
4 5 3i
3- Si A =
5
2 4 3
d) 1 9 0
5 9 3
1 0 0
h) 1 4 0
5 9 3
1
2
y B=
, d si son ciertas las siguientes
2+i 3
afirmaciones:
a) A y B son equidimensionales
4- Indica cunto tienen que valer x e y para que A y B sean iguales, siendo:
x 2 3
2 2 3
, B =
3 0 2
3 y 2
a) A =
x 2 3
2 2 3
, B =
0 2
x y 2
b) A =
3
2 3 7
5 4 5
5- Si A =
2 1
B=
, para cada una de ellas calcula (si es posible) su
2 3
28
lgebra Lineal
h) -2C i) A2
j) C3
2 3 3
1 0 0
a) siendo A y B: A =
a
A = 21
...
am1
a12
a22
...
am 2
... a1n
b11 b12
... a2 n
b
b22
, B = 21
...
... ...
...
... amn
bm1 bm2
... b1n
... b2n
... ...
... bmn
1 1
a) siendo A y B: A =
, B =
3 4
2 2
b) siendo A y B dos matrices cuadradas cualesquiera (es decir, genricas de orden n)
10- Para qu valores de k A y B son permutables?
3 2
4 2
y B=
.
1
3 k
a) Siendo A =
3
3 2
4 2
y B=
.
1
3 k
b) Siendo A =
1
1 2
3 8
5 2
y C=
. Comprobar que AB = AC siendo
3
1 2
11- Sean A =
, B=
3 6
2
B C.
3 2
. Encontrar el conjunto de las matrices B22 tales que AB = (0).
1
12- Sea A =
1
29
lgebra Lineal
2 0 0
2 0 0
a) siendo A y B: A = 0 3 0 , B = 0 1 0
0 0 2
0 0 2
b) siendo A una matriz diagonal cualquiera de orden n. Cmo crees que quedara en
este caso An?
1 2
8 4
y B=
:
3 4
7 5
15- Dadas A =
4
17- Sea A =
3
3
6
6
6
7 9
9 3
. Obtener de ella (sin calcular sus valores): a) un menor de
4 0
3 1
30
lgebra Lineal
1 2 3
b) B = 4 5 6
7 8 9
1 2
3 4
3
8
4
3
4
6
5
4
2
4
3
2
1 3 2
b) B = 0 0 0
2 2 1
3
1
20- Calcular el valor del siguiente determinante: A =
0
6
5
0
4
1
2
2
0
2
4
3
1
3
1 1 3
0 1 5
b) B =
1 2 8
3 1 2
0
4
5
3
1 3
2 5
c) C =
3 5
1 1
0 2
7 4
2 1
2 3
1 3 1 0 2
0 2 4 1 6
e) D = 2 6 2 3 9
3 7 3 8 7
3 5 5 2 7
22- Para la matriz A del apartado anterior calcular: a) |A5|, b) |2A|, c) |A-1|, d) el
determinante de una matriz obtenida cambiando la segunda fila de A por: (2 8 -8).
23- Para las matrices B y C del ejercicio 21, calcular |BC|
31
lgebra Lineal
3 4
b)
1 2
B=
2 4
1 -7 5
c) C= 1 -4 -1
-2 8 -3
0 2 5
d) D = 2 0 7
1 3 4
1 3 5
1 3 0 1
5 0 3
1 4 2
0 1 2 1
0 2 3
h) H =
e) E = 7 0 2 f) F = 2 7 3 g) G =
0 4 7
2 6 3 2
9 0 1
1 7 5
3 5 8 3
1 5 8
1 1 1
b) A = 1 2 2
a 2 3
1 3
a b
b) B =
c d
c) (A.B)
-1
1 2 0
d) D = 1 3 3
0 1 1
1 3 0 1
0 1 2 1
e) E =
2 6 3 2
3 5 8 3
x 6 y = 5
a) x + 6 y + 6 z = 3 b)
c) x + 2 y + z + 2t = 3
2 x + 6 y + 3z = 7
x + 6 y + z + 5t = 3
x + 2 y + z + 3t = 2
y + 5 z + 4t = 0
i) decir si tienen forma escalonada, ii) escribirlos en forma matricial e identificar las
matrices de los coeficientes, de los trminos independientes, de incgnitas y la
matriz ampliada del sistema, iii) clasificarlos y resolverlos(todo ello por el mtodo
de Gauss)
28- Calcular el valor de a para que los siguientes sistemas sean equivalentes:
32
lgebra Lineal
x + y + z = 2
2 x = 2
x + 2 y = 3
x = 1
2 x + 3 y + z = 5
3 x + 2 y = a
a) 2 x y +3z = 2
4 x 2 y + z = 6
x + y + z =
2 x = 2
d)
x + 2 y + 2z = 5
x + 2 y = 3
x + y z = 1
b) 2 x +3 y + z = 3
x +2 y +3z = 2
2 x 2 y = 1
c) 2 x + 12 y 10 z = 3
10 y 10 z =
x y + 2 z = 5
x + 3z t = 2
x + 2 y + z = 1
e) y + 5 z = 7
f)
2
2 x y + z 2t =
2 x 10 y + z = 3 14
6 x + 9 y + ( + 7) z = 3
2 5 3
1 1
0
0
1
1 x2 0
2 2
=
8 6 5 + a a x3 0
2
0 x4 0
3 2
0 0 0
b)
0 0 0
33
lgebra Lineal
3- a) falso
b) falso
4- a) x=2; y=0
2 5
2 3 7
t
5- a) -A =
, A = 3 4 . El concepto de traza slo se define para
5
4
7 5
matrices cuadradas.
2
t
b) -B =
, B =
, Traza (B)=5
2
3
1 3
2 1 0
6- Por ejemplo: 1 3 4 es simtrica.
0 4 2
2 y
7- a)
6
x + 2
2 y + 3x 4 + x
10
b) No es posible c)
3 y + 12
4 + 4x 4 + x 6 + 2x
10
17
e)
22
4 + 3x
i)
18
16 + 3x
6x
0 1 0
1 0 4 es antisimtrica
0 4 0
4 2x
f) No es posible g)
6
6 2 y 8 xy
4 + 3x
9
d)
4 4 6
h)
8 2 4
j) No es posible
10- a) k=6
b) no hay valores de k que hagan que estas matrices conmuten.
t + 2z 2z
z , t
t
z
12- B =
13- a) S lo son.
b) S lo son. Obtenemos la conclusin de que las matrices diagonales (de cualquier
orden) conmutan.
4 0 0
8 0 0
16 0 0
3
4
14- a) A = 0 9 0 , A = 0 27 0 , A = 0 81 0
0 0 4
0 0 8
0 0 16
34
lgebra Lineal
a11
0
b) A = 0
a113
0
3
A = 0
a11n
0
n
A = 0
0
a22
0
0
0
a33
a112
2
, A = 0
0
ann
0
0
0
a223
a333
0
a22
a33n
22 14
,
8
15- a) A.B =
4
a22 2
a332
ann 2
a22 4
a334
ann 4
ann n
a114
0
0
0
, A4 =
0
0
0
ann 3
0
n
( A.B )
22 4
20 22
22 4
t
t
t
t
=
, A .B =
, B .A =
8
6
8
14
0
14
b) 0
20- |A|=-6
21- a) 3
b) 3
c) 0
d) 24
b) |2A|=2.2.2.3=24
c) |A-1|=
1
3
d) -2.3=-6
35
lgebra Lineal
25- a) A es regular a 0
3 8
1 3
26- a) A 1 =
b) A es regular a
b) B-1 =
d b
1
ad bc c a
1
d) D 1 =
2
1
3d b 8d 3b
3c + a 8c + 3a
c) (AB)-1=B-1A-1=
9
2
25
e) E 1 = 12
2
3
3
1 2
0
0
1
2
3
1
3
0
1
1
2
1
1
2
1
4
SISTEMAS DE ECUACIONES
27- Ninguno de los sistemas est en forma escalonada.
1
a) SCD: x =-5, y = ,
3
b) SI
z =-
5
3
si 2 SCD: x =
y=
2 7
,
5 6
z=
b) si =2 SCI: x = 5 z , y = 1 4 z z
si 2 SCD: x = 0, y = 1, z = 0
c) si =2 SCI: x =
1
(3 + 10 z ),
10
1
y = (1 + 5 z ) z
5
si 2 SI
d) si =2 SCD: x = 1, y = 0, z = 1
36
2
6
3
2
5
2
lgebra Lineal
si 2 SI
e) si =3 SCI: x = 2 3z + t , y = 7 5 z t , z
si 3 SI
f) si =0 SCI: x =
21 5 z
,
3
y=
6+ z
3
si =1 SCD: x = 12, y = 1, z = 3
si 0 y 1 SI
30- a) No es posible que no tenga solucin ya que al ser un sistema homogneo siempre
existir al menos la solucin trivial (todas las incgnitas con valor igual a cero).
b) para =2.
31- El sistema tiene solucin siempre, por ser homogneo. Adems, a rango(A)=3<4
(n incgnitas) el sistema tendr infinitas soluciones:
x1 =
2a + 1
x4 ,
a
x2 =
4a + 1
x4 ,
a
x3 =
a 1
x4
a
x4
37