tema 6 matrices y sistemas lineales. - personal.us.es · las unidades de cada uno de los 4...
TRANSCRIPT
Tema 6
Matrices y sistemas lineales.
6.1. Matrices y operaciones con matrices.
Definición 6.1 Una matriz real de orden m × n es una tabla ordenada de m × n números reales en la cual
las líneas horizontales reciben el nombre de filas y las verticales el de columnas
A =
a11 a12 · · · a1n
a21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
♣
Nota (Términos y notaciones)
Dos matrices son iguales si son del mismo orden y los elementos correspondientes son iguales.
El elemento situado en la fila i y en la columna j se denota por ai j, indicando el primer subíndice la
fila en la que está situado y el segundo la columna.
Una matriz genérica se denota por A = (ai j) ó A = (ai j)m,ni, j=1 y el conjunto de todas las matrices reales
de orden m × n se denota porMm×n(R).
Las matrices cuadradas tienen el mismo número de filas que columnas (con orden n es m = n) y la
diagonal principal la forman a11, a22, · · · , ann .
Las matrices de orden 1 × n reciben el nombre de matrices fila y las de orden m × 1 el de matrices
columna (los vectores son matrices columna). ♣
149
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Ejemplo 6.2
3 −1 0
2 1/2 5
4 0 1
(
1 −1 2 0) 2
1
Matriz cuadrada (orden 3) Matriz fila (orden 4) Matriz columna (orden 2) ♣
Ejercicio 6.3 Determinar las matrices reales de orden 3 × 2 (3 filas y 2 columnas) definidas por
(a) ai j = i + j (b) bi j = (−1)i+ j (c) ci j = (1/2)i− j
Solución
(a) A =
2 3
3 4
4 5
(b) B =
1 −1
−1 1
1 −1
(c) C =
1 212 114
12
♣
Ejemplo 6.4 Una empresa posee 3 tiendas en las que se venden 4 productos. Las unidades de cada uno de
los 4 productos que la primera tienda tiene en existencia son 30, 20, 20 y 0; las de la segunda son 20, 30,
0 y 40; y las de la tercera son 10, 50, 20 y 20. Las existencias en cada tienda se pueden expresar mediante
una tabla ordenada de 3 × 4 números distribuidos en 3 filas y 4 columnas.
P1 P2 P3 P4
T1 30 20 20 0
T2 20 30 0 40
T3 10 50 20 20
En la tabla a14 = 0 indica que la primera tienda no tiene existencias del cuarto producto y a23 = 0 que la
segunda no tiene existencias del tercero. ♣
Ejemplo 6.5 (Tabla Input-Output) Si se divide el sistema económico de un territorio en n sectores produc-
tivos y se representa por xi, j el valor en unidades monetarias de las ventas efectuadas por el sector i al
sector j se obtiene una matriz que representa las interacciones entre los n sectores. En esta matriz conta-
bilizamos por filas los bienes y servicios vendidos por cada sector (outputs) y por columnas los bienes y
servicios adquiridos (inputs).
Proyecto MATECO 2.1 Página 150
TEMA 6. MATRICES Y SISTEMAS LINEALES.
1 2 . . . j . . . n
1 x1,1 x1,2 . . . x1, j . . . x1,n
2 x2,1 x2,2 . . . x2, j . . . x2,n
......
......
......
...
i xi,1 xi,2 . . . xi, j . . . xi,n
......
......
......
...
n xn,1 xn,2 . . . xn, j . . . xn,n
Obsérvese que cada xi,i de la diagonal principal representa el valor de los productos del sector i que utiliza
el propio sector i en su producción. ♣
Definición 6.6 (Suma de matrices) Sean A = (ai j), B = (bi j) ∈ Mm×n(R)
La matriz suma de A y B es la matriz real de orden m × n:
A + B = (ai j + bi j)m,ni, j=1. ♣
Obsérvese que la suma de matrices de ordenes distintos no está definida y que que para poder sumar dos
matrices ambas tienen que tener el mismo tamaño.
Ejemplo 6.7
A =
1 2 0
3 −1 2
B =
0 1 4
2 3 −2
=⇒A + B =
1 + 0 2 + 1 0 + 4
3 + 2 −1 + 3 2 − 2
=
1 3 4
5 2 0
♣
Ejemplo 6.8 La compañía Refresquillos S.A. produce tres tipos de refrescos que vende en dos países. Las
ventas en miles de litros durante los dos semestres del año 2005 vienen dadas por las matrices:
A cola limón naranja
España 353 86 44
Portugal 81 50 31
B cola limón naranja
España 676 185 166
Portugal 324 157 107
La matriz correspondiente a las ventas del año completo es:
A + B cola limón naranja
España 1029 271 210
Portugal 405 207 138 ♣
Página 151 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Proposición 6.9 (Propiedades de la suma de matrices)
1. A + B ∈ Mm×n(R) ∀ A, B ∈ Mm×n(R) (operación interna).
2. A + (B + C) = (A + B) + C ∀A, B,C ∈ Mm×n(R) (asociativa)
3. La matriz nula de orden m × n definida por θ = (0)m,ni, j=1 verifica que
A + θ = θ + A = A ∀A ∈ Mm×n(R) (existencia del elemento neutro)
4. La matriz opuesta de A ∈ Mm×n(R) definida por −A = (−ai, j)m,ni, j=1 verifica que
A + (−A) = (−A) + A = θ (existencia del elemento opuesto)
5. A + B = B + A ∀A, B ∈ Mm×n(R) (conmutativa) ♣
Ejercicio 6.10
Sean A =
1 2 0
3 −1 2
, B =
1 3 4
5 2 0
y C =
0 −2 1
4 0 1
.Calcular
(a) A + B + C (b) A − (B −C)
Solución
(a) A + B + C =
2 3 5
12 1 3
(b) A − (B −C) =
0 −3 −3
2 −3 3
♣
Definición 6.11 (Producto de un escalar por una matriz) Sean A = (ai j) ∈ Mm×n(R) (matriz real) y
α ∈ R (número real o escalar).
La matriz producto de α por A es la matriz real de orden m × n:
α · A = αA = (αai j)m,ni, j=1. ♣
Ejemplo 6.12
α =12
A =
1 5
0 −1
2 3
=⇒ α · A =
12
112
5
12
012
(−1)
12
212
3
=
12
52
0 −12
132
♣
Ejemplo 6.13 La compañía Refresquillos S.A. produce tres tipos de refrescos que vende en dos países. Si
los precios de cada litro en 2005 venían dados por la matriz P y éstos experimentan una subida del 5 %, la
matriz 1.05 · P corresponde a los precios en 2006 (redondeados al céntimo).
Proyecto MATECO 2.1 Página 152
TEMA 6. MATRICES Y SISTEMAS LINEALES.
P cola limón naranja
España 0.91 1.05 1.32
Portugal 1.00 1.10 1.21
1.05 · P cola limón naranja
España 0.96 1.10 1.39
Portugal 1.05 1.16 1.27 ♣
Ejercicio 6.14 Determinar con los datos del ejercicio 6.8 la matriz correspondiente a las ventas medias
mensuales de cada uno de los tres tipos de refrescos que produce la compañía Refresquillos S.A. en cada
uno de los dos países.
Solución112 (A + B) cola limón naranja
España 85.75 22.58 17.5
Portugal 33.75 17.25 11.5 ♣
Proposición 6.15 (Propiedades del producto de escalares por matrices)
Sean α, β ∈ R A, B ∈ Mm×n(R)
1. αA ∈ Mm×n(R) (operación externa).
2. (α + β)A = αA + βA (distributiva respecto a la suma de escalares).
3. α(A + B) = αA + αB (distributiva respecto a la suma de matrices).
4. α(βA) = (αβ)A (asociativa mixta).
5. 1A = A (buen comportamiento del elemento neutro de los escalares). ♣
Ejercicio 6.16
Sean A =
3 −1 0
2 1/2 5
4 0 1
, B =
1 2 0
3 −1 2
, C =
1 3 4
5 2 0
y D =
0 −2 1
−2 2 5/3
4 0 1
.Calcular
(a)−A + 2D (b) 2B − (3/2)C (c) 3A − 2B
Solución
(a)−A + 2D =
−3 −3 2
−6 7/2 −5/3
4 0 1
(b) 2B − (3/2)C =
1/2 −1/2 −6
−3/2 −5 4
(c) No es posible calcular 3A − 2B ♣
Página 153 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Definición 6.17 (Producto de una matriz fila por una matriz columna)
Sean a una matriz de orden 1 × n (matriz fila) y b una matriz de orden n × 1 (matriz columna).
El producto de la fila a por la columna b es el número real:
ab =
(a1 . . . an
) b1
...
bn
= a1b1 + a2b2 + · · · + anbn.♣
Ejemplo 6.18
a =
(1 2 3
)b =
0
−1
2
=⇒ a b =
(1 2 3
) 0
−1
2
= 1 · 0 + 2 · (−1) + 3 · 2 = 4
♣
Ejemplo 6.19 La compañía Ropacara S. A. ha vendido durante la campaña de navidad 100 pantalones
para niños, 210 para jóvenes, 150 para caballeros y 110 para señoras. Los respectivos precios en euros
son 20, 25, 40 y 35. El valor de las ventas es
(100 210 150 110
)
20
25
40
35
= 100 · 20 + 210 · 25 + 150 · 40 + 110 · 35 = 17.100 euros
♣
Definición 6.20 (Producto de matrices) Sean A = (ai j)m,ni,k=1 ∈ Mm×n(R) (matriz real de orden m × n) y
B = (bkl)p,qk, j=1 ∈ Mp×q(R) (matriz real de orden p × q) con n = p.
El producto de A por B es la matriz de orden m × q:
A · B = AB = (ci j)m,qi, j=1 donde ci j es el producto de la fila “i” de A por la columna “ j” de B. ♣
I Obsérvese que el producto AB sólo está definido si el número de columnas de A es igual al número
de filas de B y que, siempre y cuando esté definido, el producto tiene tantas filas como A y tantas columnas
como B.
Ejemplo 6.21
A =
1 2 0
1 3 1
B =
2 3 1
0 1 1
5 0 1
=⇒ A · B =
c11 c12 c13
c21 c22 c23
=
2 5 3
7 6 5
donde la matriz producto se obtiene multiplicando las filas de A por las columnas de B:
Proyecto MATECO 2.1 Página 154
TEMA 6. MATRICES Y SISTEMAS LINEALES.
c11 =
(1 2 0
) 2
0
5
= 2 c12 =
(1 2 0
) 3
1
0
= 5 c13 =
(1 2 0
) 1
1
1
= 3
c21 =
(1 3 1
) 2
0
5
= 7 c22 =
(1 3 1
) 3
1
0
= 6 c23 =
(1 3 1
) 1
1
1
= 5
♣
Ejemplo 6.22 Las tres tiendas de la compañía Ropacara S.A. (T1, T2, T3) venden cuatro tipos de panta-
lones (P1, P2, P3, P4) que les suministran dos fabricas distintas (F1, F2). El número de pantalones que
necesita cada una de las tiendas viene dado por la matriz A y los precios de cada pantalones según el ca-
tálogo de los dos proveedores por la matriz B. El valor total del pedido de cada tienda en cada proveedor
viene dado por la matriz A B.
A P1 P2 P3 P4
T1 400 200 0 300
T2 0 100 200 100
T3 200 200 100 0
B F1 F2
P1 32 30
P2 10 12
P3 22 20
P4 16 18
A B F1 F2
T1 19.600 17.800
T2 7.000 7.000
T3 10.600 10.400
aik = cantidad que la tienda Ti necesita del pantalón Pk.
bk j = precio del pantalón Pk en el proveedor F j.
ci j = valor total del pedido de la tienda Ti al proveedor F j
donde ci j corresponde al producto de la fila i de A por la columna j de B:
ci j = ai1b1 j + ai2b2 j + ai3b3 j + ai4b4 j. ♣
Nota (Matriz identidad) La matriz cuadrada de orden n con unos en la diagonal principal y con ceros en
el resto recibe el nombre de matriz identidad de orden n
1 0 · · · 0
0 1 · · · 0...
.... . .
...
0 0 · · · 1
Página 155 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Esta matriz se puede escribir como I = (δi j)n,ni, j=1 con δi j =
1 si i = j
0 si i , j ♣
Proposición 6.23 (Propiedades del producto de matrices)
1. A(BC) = (AB)C ∀A ∈ Mn×m(R), ∀B ∈ Mm×p(R) ∀C ∈ Mp×q(R) (asociativa)
2. A(B + C) = AB + AC ∀A ∈ Mn×m(R) ∀B,C ∈ Mm×p(R) (distributiva respecto a la suma).
3. AI = IA = A ∀A ∈ Mn×n(R) (existencia de elemento neutro para matrices cuadradas). ♣
Nota Las propiedades del producto de matrices son similares a las propiedades del producto de números.
Sin embargo, el producto de matrices no posee la propiedad conmutativa. Esto hace que las propiedades
de los números que proceden de la propiedad conmutativa no se cumplan. En particular, las fórmulas de las
potencias de un binomio no son ciertas para matrices. ♣
Ejercicio 6.24
Sean A =
1 2
−1 0
y B =
0 1
2 1
Calcular
(a) AB y BA (b) (A + B)(A − B) y A2 − B2 (c) (A + B)2 y A2 + 2AB + B2
Solución
(a) Obsérvese que AB , BA:
AB =
4 3
0 −1
BA =
−1 0
1 4
(b) Obsérvese que (A + B)(A − B) , A2 − B2:
(A + B)(A − B) =
−8 −2
−2 0
A2 − B2 =
−3 1
−3 −5
(c) Obsérvese que (A + B)2 , A2 + 2AB + B2:
(A + B)2 =
4 6
2 4
A2 + 2AB + B2 =
9 9
1 −1
♣
Proyecto MATECO 2.1 Página 156
TEMA 6. MATRICES Y SISTEMAS LINEALES.
I Al cambiar el orden en el producto de dos matrices puede que la operación no se pueda hacer, puede
que las matrices sean distintas y puede que las dimensiones de las matrices cambien.
Ejemplo 6.25 Si multiplicamos una matriz fila de orden 1×n y una matriz columna de orden n×1 la matriz
A · B es un número y la matriz B · A es una matriz cuadrada de orden n × n:
• A · B =
(a11 a12 · · · a1n
)
b11
b21
...
bn1
= a11b11 + a12b21 + · · · a1nbn1
• B · A =
b11
b21
...
bn1
(
a11 a12 · · · a1n
)=
b11a11 b11a12 · b11a1n
b21a11 b21a12 · · · b21a1n
· · · · · ·. . . · · ·
bn1a11 bn1a12 · · · bn1a1n
♣
I El producto de la matriz cero por cualquier matriz es la matriz cero, pero no es el único caso en el
cual el producto es la matriz cero, ya que también puede serlo sin que ninguna sea cero.
Ejemplo 6.26 (θ · A = θ y AB = θ con A, B , 0) 0 0
0 0
0 0
2 3
=
0 0
0 0
1 0
2 0
0 0
2 3
=
0 0
0 0
♣
Definición 6.27 (Potencia de una matriz)
An = A ·n veces ·A ♣
Ejemplo 6.28
A =
1 3
1 1
=⇒ A3 =
10 18
6 10
♣
Ejercicio 6.29
Sean A =
0 1 0
0 0 1
0 0 0
, B =
1 0
0 0
y C =
cosθ senθ
senθ −cosθ
.Probar:
Página 157 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
1. A3 = θ (A es nilpotente de orden 3)
2. B2 = B (B es idempotente)
3. C2 = I (C es involutiva)
Solución Es una simple comprobación. ♣
Definición 6.30 (Traspuesta de una matriz) Sea A = (ai j)m,ni, j=1 ∈ Mm×n(R)
La matriz traspuesta de A es la matriz que se obtiene al intercambiar filas por columnas
At = (a ji)n,mj,i=1. ♣
Ejemplo 6.31
A =
1 2 3
4 5 6
=⇒ At =
1 4
2 5
3 6
♣
Proposición 6.32 (propiedades de la trasposición de matrices)
a) Si A es d e orden m × n su traspuesta es de orden n × m
b) (At)t = A ∀A ∈ Mm×n(R).
c) (A + B)t = At + Bt ∀A, B ∈ Mm×n(R).
d) (αA)t = αAt ∀α ∈ R ∀A ∈ Mm×n(R).
e) (AB)t = Bt · At ∀A ∈ Mm×n(R) ∀B ∈ Mn×p(R). ♣
Ejercicio 6.33
Sean A =
1 2 −2
2 −1 4
−2 4 0
, B =
0 1 2
−1 0 −3
−2 3 0
y C =
0 −1 0
1 0 0
0 0 1
.Probar:
1. A = At (A es simétrica)
2. B = −Bt (B es antisimétrica)
3. C ·Ct = I (C es ortogonal)
Solución Es una simple comprobación (A simétrica, antisimétrica u ortogonal =⇒ A cuadrada). ♣
Proyecto MATECO 2.1 Página 158
TEMA 6. MATRICES Y SISTEMAS LINEALES.
6.2. Determinantes de matrices cuadradas.
Para definir el determinante de una matriz cuadrada vamos a utilizar la fórmula de Leibniz en la que
el determinante es la suma de los distintos productos de elementos de la matriz con un sólo elemento de
cada fila y un sólo elemento de cada columna multiplicados por +1 ó -1. Para determinar si multiplicamos
por uno o por otro escribimos estos productos en una expresión en la que el segundo subindice de cada
elemento se denota por σi:
(−1)ma1,σ1 · a2,σ2 · · · an,σn
Esta notación incluye una permutación σ en el orden de los subindices 1, 2, · · · , n y en ella σi denota la
posición del número i después de la permutación y m el número de intercambios sucesivos de elementos
dos a dos en los que se puede descomponer la perputación, de forma que el signo +1 ó -1 depende de si este
número es par o impar. Este signo recibe el nombre de signatura, se denota por sgn(σ) y hace que hablemos
de permutación par/impar 1. ♣
Definición 6.34 (Fórmula de Leibniz) El determinante de una matriz cuadrada A ∈ Mn×n(R) se denota
por det(A) o |A| y se define
det(A) =∑σ∈Pn
sgn(σ)a1,σ1 · a2,σ2 · · · an,σn
donde la suma se calcula sobre todas las permutaciones de los n primeros números. ♣
Para calcular un determinante mediante la fórmula de Leibniz hay que calcular una suma con n! suman-
dos, cada uno producto de n factores y en el que hay que determinar su signatura (el número de permuta-
ciones pares es igual al número de permutaciones impares). Sólo la usaremos en la práctica para órdenes
pequeños en los que existen reglas nemotécnicas para recordarlos (n ≤ 3).
Si la matriz es de orden 1 el determinante es el número (no es el valor absoluto)
1La signatura también se puede definir mediante el concepto de inversión, en el que un par de elementos de la permutación
forman una inversión si el número mayor precede al menor. Una perputación es par si el número total de inversiones de la
permutación es par e impar si este numero es impar. Como una permutación cambia de paridad si se intercambian dos elementos,
la paridad del número de intercambios sucesivos de elementos dos a dos en los que se puede descomponer la permutación es
siempre la misma y coincide con la pariedad obtenida usando este concepto de pariedad aunque el número de intercambios no es
siempre el mismo en las distintas descomposiciones posibles.
Página 159 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Si A es una matriz de orden 2 su determinante es el producto de la diagonal principal menos el
producto de la diagonal secundaria;∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣∣∣∣∣ = a11a22 − a12a21.
Si A es una matriz de orden 3 su determinante sigue la regla de Sarrus:
∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32 − a13a22a31 − a12a21a33 − a11a23a32.
Ejemplo 6.35
(a) det(−2) = −2
(b)
∣∣∣∣∣∣∣∣ 1 −2
3 −4
∣∣∣∣∣∣∣∣ = 1 · (−4) − (−2) · 3 = −4 + 6 = 2
(c)
∣∣∣∣∣∣∣∣∣∣∣∣∣1 −2 3
3 −2 4
0 1 3
∣∣∣∣∣∣∣∣∣∣∣∣∣= 1 · (−2) · 3 + (−2) · 4 · 0 + 3 · 3 · 1 − 3 · (−2) · 0 − (−2) · 3 · 3 − 1 · 4 · 1 = 17
♣
Proposición 6.36 (Propiedades del determinante) Sea A ∈ M(R)n×n (matriz cuadrada).
a) det(A) = det(At) (las propiedades son válidas intercambiando el papel de filas y columnas).
b) Si B se obtiene multiplicando una fila por α ∈ R |B| = α|A| (por tanto |αA| = αn|A|).
c) Si una fila de se descompone en suma de dos filas y se forman dos matrices A1 y A2 con el resto de las
filas iguales |A| = |A1| + |A2|
d) Si B se obtiene de A por intercambio de dos filas consecutivas |B| = −|A|.
e) Si A tiene dos filas iguales o una es múltiplo de la otra |A| = 0.
Proyecto MATECO 2.1 Página 160
TEMA 6. MATRICES Y SISTEMAS LINEALES.
f) Si B se obtiene sumando a una fila otra fila distinta multiplicada por un escalar |B| = |A| ♣
Para calcular el determinante de una matriz de orden 4 no existe ninguna fórmula fácil de recordar y
se utiliza una forma alternativa que nos permite reducir su cálculo al cálculo de determinantes de orden
inferior de manera recursiva (diremos que el determinante se calcula por adjuntos).
Teorema 6.37 (Teorema de Laplace) El determinante de A ∈ Mn×n(R) con n > 1 se puede calcular
desarrollándolo por los adjuntos de la fila i
|A| =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
a11 · · · a1 j · · · a1n
......
...
ai1 · · · aij · · · ain
......
...
an1 · · · an j · · · ann
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= ai1Ai1 + ai2Ai2 + · · · + aijAin · · · + ainAin.
donde el adjunto de ai j es Ai j = (−1)i+ jMi j con Mi j su menor complementario, correspondiente al determi-
nante de la submatriz de orden n − 1 que se obtiene al suprimir la fila i y la columna j de A
Ai j = (−1)i+ jMi j = (−1)i+ j
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
a11 · · · a1 j · · · a1n
......
...
ai1 · · · ai j · · · ain
......
...
an1 · · · an j · · · ann
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣ ♣
Observación El valor del determinante no depende de la fila elegida para su cálculo y también se puede
calcular por los adjuntos de una columna: det(A) = a1 jA1 j + a2 jA2 j + · · · + an jAn j. ♣
Ejercicio 6.38 Comprobar la regla de Sarrus desarrollando por los adjuntos de la primera fila.
Solución
El menor complementario de a11 es M11 y su adjunto A11 = (−1)1+1M11 = a22a33 − a23a32
Página 161 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
El menor complementario de a12 es M12 y su adjunto A12 = (−1)1+2M12 = −(a21a33 − a23a33)
El menor complementario de a13 es M13 y su adjunto A13 = (−1)1+3M13 = a21a32 − a22a31
det(A) = a11A11 + a12A12 + a13A13 = a11(a22a33 − a23a32) − a12(a21a33 − a23a33) + a13(a21a32 − a22a31) =
a11a22a33 − a11a23a32 − a12a21a33 + a12a23a31 + a13a21a32 − a13a22a31. ♣
Ejemplo 6.39 Desarrollamos un determinante por la primera fila se tiene∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 12 −1 0
1 0 5 6
0 3 0 0
0 4 −1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 3
∣∣∣∣∣∣∣∣∣∣∣∣∣0 5 6
3 0 0
4 −1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣− 12
∣∣∣∣∣∣∣∣∣∣∣∣∣1 5 6
0 0 0
0 −1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣− 1
∣∣∣∣∣∣∣∣∣∣∣∣∣1 0 6
0 3 0
0 4 2
∣∣∣∣∣∣∣∣∣∣∣∣∣− 0
∣∣∣∣∣∣∣∣∣∣∣∣∣1 0 5
0 3 0
0 4 −1
∣∣∣∣∣∣∣∣∣∣∣∣∣= −150.
Obsérvese que el calculo del determinante es más corto desarrollanándolo por la tercera fila. De he-
cho, un procedimiento que se utiliza para calcular un determinante es transformar la matriz en otra cuyo
determinante coincida y cuyo cálculo sea más sencillo (método de Gauss):∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 12 −1 0
1 0 5 6
0 3 0 0
0 4 −1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= (−1)3+23
∣∣∣∣∣∣∣∣∣∣∣∣∣3 −1 0
1 5 6
0 −1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣= −150.
♣
En el método de Gauss el objetivo es utilizar las propiedades de los determinantes para transformar
en ceros todos elementos de una fila/columna menos uno sin que cambie el valor del determinante para
posteriormente desarrollar este determinante por esta fila/columna y en general se parte de un elemento
distinto de cero que recibe el nombre de pivote. Si vamos a hacer ceros en la columna en la que está el
pivote esta columna recibe el nombre de columna objetivo y la fila en la que está el de fila del pivote (la
posición en la que está recibe el nombre de posición del pivote). El método de Gauss consiste en combinarla
con las otras filas de forma que todos los elementos de la columna objetivo menos el pivote sean cero. Como
el valor del determinante no cambia podemos calcular este determinante como el producto de un número
por un determinante de orden inferior.
Ejemplo 6.40 En este primer caso el elemento pivote es el elemento a11 = 1 y transformamos los elemento
de la columna objetivo en ceros restando a la fila correspondiente la fila del pivote multiplica por su primer
elemento (en general hay que multiplicar por el elemento de la fila del pivote correspondiente a la columna
Proyecto MATECO 2.1 Página 162
TEMA 6. MATRICES Y SISTEMAS LINEALES.
objetivo dividido por el pivote).
Columna objetivo
↓∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 2 −1 0
−1
0
2
0 1 2
2 3 0
1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
← Fila del pivote
El elemento en la posición 2.1. se transforma en cero restando a la fila 2 la fila del pivote multiplica
por a21 = −1 (lo que corresponde a sumar la fila).
El elemento a31 ya es cero, por lo que no tenemos que transformarlo.
El elemento en la posición 2.1. se transforma en cero restando a la fila 4 la fila del pivote multiplica
por a41 = 2 (lo que corresponde a sumar la fila multiplicada por −2).∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 2 −1 0
−1 0 1 2
0 2 3 0
2 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣F2 + F1 →
F4 − 2F1 →
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 2 −1 0
0 2 0 2
0 2 3 0
0 −3 3 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 1 ·
∣∣∣∣∣∣∣∣∣∣∣∣∣2 0 2
2 3 0
−3 3 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣= 18
♣
Ejercicio 6.41 Calcular por el método de Gauss∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 2 −1 0
−1 0 1 2
0 2 3 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣Solución
� Opción 1 El pivote va a ser a11 = 3 y la columna objetivo en la que vamos a “hacer ceros" la columna
1 (la fila del pivote será la fila 1):
Transformamos los elemento de la columna objetivo en ceros restando a la fila correspondiente la fila
del pivote multiplica por un número adecuado (el determinante no cambia por la propiedad 5):
Restamos a la fila 2 la fila del pivote multiplica por a21a11
= −13 .
El elemento a31 ya es cero, por lo que no tenemos que transformarlo.
Página 163 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Restamos a la fila 4 la fila del pivote multiplica por a41a11
= 13 .∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 2 −1 0
−1 0 1 2
0 2 3 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣F2 + 1
3 F1 →
F4 −13 F1 →
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 2 −1 0
0 23
23 2
0 2 3 0
0 13
43 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 3 ·
∣∣∣∣∣∣∣∣∣∣∣∣∣23
23 2
2 3 013
43 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣= 6
� Opción 2 Si trasladamos el elemento a23 = 1 a la posición del pivote evitamos el uso de fracciones
Como está en la columna 3 y queremos llevarlo a la columna 1 hay que realizar dos cambios entre
columnas consecutivas, que suponen dos cambios de signo (propiedad 3)∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 2 −1 0
−1 0 1 2
0 2 3 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= C2 ×C3 = −
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 −1 2 0
−1 1 0 2
0 3 2 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= C1 ×C2 = +
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
−1 3 2 0
1 −1 0 2
3 0 2 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣Como está en la fila 2 y queremos llevarlo a la fila 1 hay que realizar un cambio entre filas consecuti-
vas, que supone un cambio de signo (propiedad 3)∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
−1 3 2 0
1 −1 0 2
3 0 2 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= F1 × F2 = −
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 −1 0 2
−1 3 2 0
3 0 2 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣A continuación procedemos como antes.
� Opción 3 Se puede calcular el determinante trabajando con un elemento que no esté en la posición 1.1,
como ejemplo vamos a utilizar el elemento a23 = 1 como pivote para hacer ceros en la columna 3 restando
múltiplos de la fila 2 a las filas 1, 3 y 4 (al estar en la posición 2.3 hay que multiplicar luego el determinante
por (−1)2+3):∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
3 2 −1 0
−1 0 1 2
0 2 3 0
1 1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
F1 + F2 →
F3 − 3F2 →
F4 − F2 →
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
2 2 0 2
−1 0 1 2
3 2 0 −6
2 1 0 −4
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= (−1)2+3 · 1 ·
∣∣∣∣∣∣∣∣∣∣∣∣∣2 2 2
3 2 −6
2 1 −4
∣∣∣∣∣∣∣∣∣∣∣∣∣= 6
♣
Definición 6.42 Sea A ∈ Mn×n(R) (matriz cuadrada de orden n).
La matriz inversa de A es una matriz, denotada por A−1, tal que A · A−1 = A−1 · A = In. ♣
Proyecto MATECO 2.1 Página 164
TEMA 6. MATRICES Y SISTEMAS LINEALES.
Teorema 6.43 Sea A ∈ Mn×n(R) (matriz cuadrada de orden n).
A tiene inversa si y sólo si det(A) , 0. En este caso
A−1 =1
det(A)Adj(A)t
donde Adj(A) es la matriz adjunta, formada por los adjuntos de los elementos de A. ♣
Ejemplo 6.44 Calcular la matriz inversa de
A =
2 1 −1
0 2 0
1 −1 3
Solución En primer lugar tenemos que ver si existe, calculando el determinante de A:
|A| = 14 , 0 =⇒ ∃A−1
Una vez comprobado que existe, calculamos la matriz de los adjuntos:
A11 = +
∣∣∣∣∣∣∣∣ 2 0
−1 3
∣∣∣∣∣∣∣∣ = 6 A12 = −
∣∣∣∣∣∣∣∣ 0 0
1 3
∣∣∣∣∣∣∣∣ = 0 A13 = +
∣∣∣∣∣∣∣∣ 0 2
1 −1
∣∣∣∣∣∣∣∣ = −2
A21 = −
∣∣∣∣∣∣∣∣ 1 −1
−1 3
∣∣∣∣∣∣∣∣ = −2 A22 = +
∣∣∣∣∣∣∣∣ 2 −1
1 3
∣∣∣∣∣∣∣∣ = 7 A23 = −
∣∣∣∣∣∣∣∣ 2 1
1 −1
∣∣∣∣∣∣∣∣ = 3
A31 = +
∣∣∣∣∣∣∣∣ 1 −1
2 0
∣∣∣∣∣∣∣∣ = 2 A32 = −
∣∣∣∣∣∣∣∣ 2 −1
0 0
∣∣∣∣∣∣∣∣ = 0 A33 = +
∣∣∣∣∣∣∣∣ 2 1
0 2
∣∣∣∣∣∣∣∣ = 4
Por tanto
Adj(A) =
6 0 −2
−2 7 3
2 0 4
Por último, calculamos la matriz inversa:
A−1 =1
det(A)Adj(A)t =
114
6 −2 2
0 7 0
−2 3 4
=
37−
17
17
012
0
−17
314
27
♣
Página 165 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Ejemplo 6.45 Calcular la matriz inversa de
A =
−1 1
2 −2
Solución A no tiene inversa, ya que, |A| = 0 ♣
Ejemplo 6.46 Calcular la inversa de
(a) A =
3 5
1 2
(b) B =
−3 1
2 −2
(c) C =
−1 0
−2 −1
Solución
A−1 =
2 −5
−1 3
B−1 =
−1/2 −1/4
−1/2 −3/4
C−1 =
−1 0
2 −1
♣
Ejemplo 6.47 Calcular la inversa de
(a) A =
1 −1 1
2 1 2
0 0 1
(b) B =
1 −1 1
2 1 −2
−1 −2 3
Solución
Como |A| = 3 , 0 tenemos A−1 =1
det(A)Adj(A)t =
13
1 1 −3
−2 1 0
0 0 3
=
1/3 1/3 −1
−2/3 1/3 0
0 0 1
B no tiene inversa, ya que, |B| = 0. ♣
6.3. Rango de una matriz.
Definición 6.48 Sea A ∈ Mm×n(R).
Un menor de orden h de A es el determinante de una submatriz cuadrada de orden h que resulta de
suprimir filas y/o columnas de A. ♣
Ejemplo 6.49 A la primera submatriz marcada le corresponde un menor de orden 2 (resulta de suprimir
la fila 3 y las columnas 2 y 4), pero a la segunda no le corresponde ningún menor (no resulta de suprimir
filas y columnas) 2
3
4
0
1
5
2
3
0 3 0 7
2 4 1 2
3 0 5 3
0 3 0 7
♣
Proyecto MATECO 2.1 Página 166
TEMA 6. MATRICES Y SISTEMAS LINEALES.
Definición 6.50 (rango de una matriz) Sea A ∈ Mm×n(R).
La matriz A tiene rango r, rg(A) = r, si existen menores de orden r distintos de cero y todos los
menores de orden superior a r son cero.
Cuando A tiene rango r, cualquier menor de orden r distinto de cero recibe el nombre de menor
principal de A. ♣
Ejemplo 6.51 Calcular el rango de 2 1 3 4
1 1 2 3
3 2 5 7
Solución
hay menores de orden 2 distintos de cero, por ejemplo:2 1
1 1
3 4
2 3
3 2 5 7
con
∣∣∣∣∣∣∣∣ 2 1
1 1
∣∣∣∣∣∣∣∣ = 1 , 0
2 1 3 4
1 1 2 3
3 2 5 7
con
∣∣∣∣∣∣∣∣ 2 4
3 7
∣∣∣∣∣∣∣∣ = 2 , 0
suprimimos las columnas 3 y 4 y la fila 3 suprimimos las columnas 2 y 3 y la fila 2
todos los menores de orden 3 son iguales a cero (la comprobación se deja como ejercicio):2 1 3
1 1 2
3 2 5
4
3
7
2 1
1 1
3 2
3
2
5
4
3
7
2
1
3
1
1
2
3 4
2 3
5 7
2
1
3
1 3 4
1 2 3
2 5 7
suprimida la col. 4 suprimida la col. 3 suprimida la col. 2 suprimida la col. 1
El rango de la matriz es 2 y cualquiera de los menores de orden 2 distintos de cero es un menor principal.♣
Ejemplo 6.52 Una matriz cuadrada de orden n con determinante distinto de cero tiene rango n, ya que no
hay menores de orden superior. En este ejemplo el determinante es distinto de cero y, por tanto, el rango de
la matriz es 3: ∣∣∣∣∣∣∣∣∣∣∣∣∣3 1 2
5 −4 3
2 −5 2
∣∣∣∣∣∣∣∣∣∣∣∣∣, 0 =⇒ rg
3 1 2
5 −4 3
2 −5 2
= 3
♣
Página 167 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Proposición 6.53 Sea A ∈ Mm×n(R).
rg(A) = rg(At). ♣
Observación Las afirmaciones sobre el rango son válidas intercambiando el papel de filas y columnas.
Definición 6.54 Sean A ∈ Mm×n(R) y M un menor de A de orden h.
El menor de orden h + 1 cuyas filas son las de M más la fila p de A y cuyas columnas son las de M más
la columna q de A se dice que se obtiene al orlar M con la fila p y la columna q. ♣
Ejemplo 6.55 Menores que se obtienen al orlar el menor marcado de una matriz:
1 2
0 1
3 1
0 0
2 1
0 0
6 2
1 0
1 2
0 1
3 1
0 0
2 1
0 0
6 2
1 0
1 2
0 1
3 1
0 0
2 1
0 0
6 2
1 0
1 2
0 1
3 1
0 0
2 1
0 0
6 2
1 0
fila 3 y columna 3 fila 3 y columna 4 fila 4 y columna 3 fila 4 y columna 4∣∣∣∣∣∣∣∣∣∣∣∣∣
1 2
0 1
3
0
2 1 6
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2
0 1
1
0
2 1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2
0 1
3
0
0 0 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= 1
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2
0 1
1
0
0 0 0
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
Proposición 6.56 Sean A ∈ Mm×n(R) y M un menor de A de orden h no nulo.
Si son nulos todos los menores de orden h + 1 que se forman orlando M con una fila y cada una de las
columnas que no son de M entonces esta fila es combinación lineal de las filas de M. ♣
Nota Las filas y columnas que forman parte de un menor principal son linealmente independientes y las
que no forman parte son combinación lineal de las filas y columnas que sí forman parte de él. De este modo,
el rango corresponde al número de filas y columnas linealmente independientes.
Ejemplo 6.57 Calcular el rango de la matriz del ejemplo 6.55.
Solución
Como los dos menores que se obtienen al orlar con la tercera fila son nulos esta fila es combinación de
las anteriores. Sin embargo, la cuarta es independiente ya que el menor del que forma parte es distinto de
cero. Por tanto, el rango de la matriz es tres y este menor es un menor principal. Obsérvese que, a pesar de
haber trabajado con filas, podemos afirmar que la primera, segunda y cuarta columnas son independientes
y que la terceraes una combinación lineal de éstas. ♣
Cálculo del rango de una matriz determinando un menor principal:
Proyecto MATECO 2.1 Página 168
TEMA 6. MATRICES Y SISTEMAS LINEALES.
Se considera un menor de orden h distinto de 0, M.
Se orla M con una fila de A y con las restantess columnas de A (de una en una).
Op1 Si alguno de estos menores es distinto de 0 tenemos un menor de orden h + 1 con el que se
repite el procedimiento desde el principio (el rango será al menos h + 1).
Op2 Si todos estos menores son 0 se suprime la fila y se repite el procedimiento con la siguiente fila
de la matriz (la fila suprimida es combinación lineal de las que forman el menor M).
Ejemplo 6.58 Calcular el rango de las siguientes matrices
(a) A =
1 0 −1 1 2
0 1 −2 1 1
1 1 −3 −2 3
0 −1 2 0 −1
(b) A =
1 3 −1 2
1 3 −1 2
2 6 −2 4
(c) A =
1 2 −1 0
2 −2 0 1
−1 0 −1 1
1 1 1 1
Solución
(a) En primer lugar, como vamos a analizar sus filas, buscamos un menor de orden 2 distinto de cero que
nos permita afirmar que las filas de las que forma parte son linealmente independientes.
A =
1 0
0 1
−1 1 2
−2 1 1
1 1
0 −1
−3 −2 3
2 0 −1
A continuación, analizamos la tercera fila
Orlamos el menor con la tercera columna (y la tercera fila)∣∣∣∣∣∣∣∣∣∣∣∣∣1 0
0 1
−1
−2
1 1 −3
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
Como es cero, no podemos afirmar nada.
Orlamos el menor con la cuarta columna (y la tercera fila)∣∣∣∣∣∣∣∣∣∣∣∣∣1 0
0 1
1
1
1 1 −2
∣∣∣∣∣∣∣∣∣∣∣∣∣= −1 , 0
Página 169 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Como es distinto de cero, podemos afirmar que las tres primeras filas son independientes y que el
rango de la matriz es al menos tres.
A =
1 0
0 1
1 1
−1
−2
−3
1
1
−2
2
1
3
0 −1 2 0 −1
Analizamos la cuarta fila
Orlamos el menor con la tercera columna (y la cuarta fila)∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 0
0 1
1 1
−1
−2
−3
1
1
−2
0 −1 2 0
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
Como es cero, no podemos afirmar nada.
Orlamos el menor con la quinta columna (y la cuarta fila)∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 0
0 1
1 1
1
1
−2
2
1
3
0 −1 0 −1
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
Como también es cero y es el último posible, la cuarta fila es combinación lineal de las del menor y
se puede suprimir para el cálculo del rango.
Al no quedar más filas, el último menor de orden 3 que habíamos encontrado es un menor principal de
la matriz y el rango es 3.
(b) El rango de la matriz es uno, ya que todas las filas (y columnas) son múltiplos de la primera.
(c) El rango es cuatro pues su determinante es distinto de cero (por tanto, las filas y columnas son independientes).
♣
Proyecto MATECO 2.1 Página 170
TEMA 6. MATRICES Y SISTEMAS LINEALES.
6.4. Sistemas de ecuaciones lineales.
Definición 6.59 Sea (?) el sistema lineal de m ecuaciones con n incógnitas
(?)
a11x1 + a12x2 + · · · + a1nxn = b1
a21x1 + a22x2 + · · · + a2nxn = b2
......
...
am1x1 + am2x2 + · · · + amnxn = bm
La expresión matricial del sistema, A X = b, es:
(?)
A︷ ︸︸ ︷
a11 a12 · · · a1n
a21 a22 · · · a2n
......
...
am1 am2 · · · amn
X︷︸︸︷
x1
x2
...
xn
=
b︷ ︸︸ ︷
b1
b2
...
bm
∗ La matriz A recibe el nombre de matriz de coeficientes.
∗ El vector X recibe el nombre de vector de incógnitas.
∗ El vector b recibe el nombre de vector de términos independientes.
La matriz ampliada, que recoge toda la información del sistema, es
A = (A|b) =
a11 a12 · · · a1n b1
a21 a22 · · · a2n b2
......
. . ....
...
am1 am2 · · · amn bm
Una solución del sistema es un vector x∗ = (x∗1, x
∗2, · · · , x
∗n) tal que al sustituir x1 por x∗1, x2 por x∗2,
· · · , xn por x∗n se verifican todas las ecuaciones simultáneamente, es decir, tal que A x∗ = b:
a11 a12 · · · a1n
a21 a22 · · · a2n
......
...
am1 am2 · · · amn
x∗1
x∗2...
x∗n
=
b1
b2
...
bm
El conjunto de soluciones del sistema es el conjunto formado por todas sus soluciones. ♣
Página 171 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Ejemplo 6.60 En el sistema 3x + y − z = 1
2x − y + 2z = 1
La expresión matricial, A X = b, es
3 1 −1
2 −1 2
x
y
z
=
1
1
La matriz ampliada A = (A|b) es 3 1 −1 1
2 −1 2 1
Una soluciones del sistema es x∗ = (0, 3, 2) ya que 3 1 −1
2 −1 2
0
3
2
=
1
1
♣
Definición 6.61 Sea (?) un sistema de m ecuaciones con n incógnitas.
El sistema es compatible determinado si tiene una única solución.
El sistema es compatible indeterminado si tiene solución pero ésta no es única.
El sistema es incompatible si no tiene solución. ♣
Ejemplo 6.62 Estudiar la compatibilidad de los siguientes sistemas (es decir, estudiar si son compatibles
determinados, compatibles indeterminados o incompatibles). Si es posible, determinar sus soluciones por
el método de sustitución.
(a)
x + y = 2
x − y = 0(b)
x + y = 2
2x + 2y = 4(c)
x + y = 2
x + y = 1
Solución
(a) El sistema tiene una única solución (sistema compatible determinado), ya que al despejar y de la
primera ecuación y sustituirla en la segunda obtenemos un único valor de x al que corresponde un
único valor de y
x + y = 2 =⇒ y = 2 − x y = 2 − 1 = 1
x − y = 0 x − (2 − x) = 0 =⇒ x = 1
=⇒ x∗ = (1, 1)
Proyecto MATECO 2.1 Página 172
TEMA 6. MATRICES Y SISTEMAS LINEALES.
(b) El sistema tiene infinitas soluciones (sistema compatible indeterminado), ya que al despejar y de
la primera ecuación y sustituirla en la segunda obtenemos una identidad (la segunda ecuación es
redundante pues es la misma ecuación multiplicada por dos).
x + y = 2 =⇒ y = 2 − x
2x + 2y = 4 2x + 2(2 − x) = 4 =⇒ 0 = 0
Como tenemos una ecuación y dos variables, una de las variables del sistema dependen de la otra y
podemos considerar que, por ejemplo, la variable x actúa como parámetro:
x = α
x + y = 2 =⇒ y = 2 − x = 2 − α
=⇒ x∗ = (α, 2 − α) α ∈ R
(c) El sistema no tiene solución (sistema incompatible), ya que al despejar y de la primera ecuación y
sustituirla en la segunda obtenemos una contradicción (las dos ecuaciones no se verifican simultá-
neamente).
x + y = 2 =⇒ y = 2 − x
x + y = 1 x + (2 − x) = 1 =⇒ 0 = −1 →← ♣
Teorema 6.63 (Teorema de Rouché-Frobenius)
El sistema (?) es compatible si y sólo si
rg(A) = rg(A).
Además si el rango coincide con el número de incógnitas tiene solución única y si no coincide la
solución depende de n − r parámetros, donde n es el número de incógnitas y r el rango de A. ♣
Nota Esto hace que tengamos los siguientes casos
rg(A) = rg(A) = número de incógnitas Sistema Compatible Determinado.
rg(A) = rg(A) < número de incógnitas Sistema Compatible Indeterminado.
rg(A) , rg(A) Sistema Incompatible. ♣
Ejemplo 6.64 Estudiar la compatibilidad de los siguientes sistemas.
(a)
x − y + z − t = 1
x + y + z + t = 0
2x + 2z = 1
x + y + z − t = 1
(b)
x − y + z − t = 0
x + y + z + t = 0
2x + 2z = 1
x + y + z − t = 0
(c)
x − y + z − t = 1
x + y + z + t = 0
z = 1
x + y + z − t = 1
Solución
Página 173 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
(a) Estudiamos si rg(A) = rg(A):
rg
1 −1 1 −1
1 1 1 1
2 0 2 0
1 1 1 −1
= rg
1 −1 1 −1 1
1 1 1 1 0
2 0 2 0 1
1 1 1 −1 1
= 3
El sistema es compatible indeterminado y su solución depende de un parámetro (r = 3, n = 4 y, por
tanto, n − r = 1).
(b) Estudiamos si rg(A) = rg(A):
rg
1 −1 1 −1
1 1 1 1
2 0 2 0
1 1 1 −1
= 3 , 4 = rg
1 −1 1 −1 0
1 1 1 1 0
2 0 2 0 1
1 1 1 −1 0
El sistema es incompatible (rg(A) , rg(A))
(c) Estudiamos si rg(A) = rg(A):
rg
1 −1 1 −1
1 1 1 1
0 0 1 0
1 1 1 −1
= rg
1 −1 1 −1 1
1 1 1 1 0
0 0 1 0 1
1 1 1 −1 1
= 4
El sistema es compatible determinado (r = 4, n = 4 y, por tanto, n = r). ♣
Nota Un sistema es homogéneo si todos los términos independientes son cero (b = θ). Estos sistemas
siempre tiene como solución la solución trivial x∗ = (0, 0, · · · , 0) y, por tanto, siempre son compatibles.
Tenemos dos casos:
� Si rg(A) = n el sistema es compatible determinado y su única solución es la solución trivial. � Si
rg(A) = r < n el sistema es compatible indeterminado y además de la trivial tiene infinitas soluciones que
dependen de n − r parámetros. ♣
Ejemplo 6.65 Estudiar la compatibilidad de los siguientes sistemas homogéneos
(a)
x + y + z = 0
x + 2y − z = 0
x + 3y + z = 0
(b)
x + y + 2z = 0
x + 2y + 3z = 0
x + 3y + 4z = 0
Proyecto MATECO 2.1 Página 174
TEMA 6. MATRICES Y SISTEMAS LINEALES.
Solución
(a) rg
1 1 1
1 2 −1
1 3 1
= 3 (número de variables)
Sistema compatible determinado con única solución x = y = z = 0
(b) rg
1 1 2
1 2 3
1 3 4
= 2 < 3 (número de variables)
Sistema compatible indeterminado con infinitas soluciones dependientes de un parámetro. ♣
Para resolver un sistema en primer lugar estudiamos si es compatible y, si lo es, determinamos un
menor principal de la matriz de coeficientes (este menor principal también es un menor principal de la
matriz ampliada). Partiendo de este menor, de orden r = rg(A):
Suprimimos las ecuaciones que quedan fuera del menor principal (filas)
Consideramos como parámetros las incógnitas que quedan fuera del menor principal (columnas)
El sistema que queda tiene r ecuaciones, r incógnitas y depende de n− r parámetros y se puede resolver por
cualquiera de los métodos clásicos de resolución que veremos posteriormente.
Ejemplo 6.66 Resolver los siguientes sistemas
(a)
2x − y + 2z + t = 4;
x + y + z + 2t = 2(b)
x1 + x3 = 0
x2 + x3 = 0
x1 + x2 + 2x3 = 0
Solución
(a) En primer lugar estudiamos si es compatible, para lo que consideramos la matriz ampliada del sistema y
determinamos si su rango coincide con el rango de la matriz del sistema que nos da el número de ecuaciones
independientes.
no de ecuaciones independientes = rg
2 −1 2 1 4
1 1 1 2 2
= 2
En este caso las dos ecuaciones son independientes y dos de las cuatro variables del sistema dependen de
las otras y tendremos dos parámetros, que serán las variables que quedan fuera del menor:
z = α, t = β con α, β ∈ R.
Página 175 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
I Sustituimos los parámetro en las ecuaciones y resolvemos el sistema:
2x − y + 2α + β = 4 =⇒ y = 2x + 2α + β − 4 =⇒ y = −β + 8
x + y + α + 2β = 0 =⇒ x = −α − β + 6
I Al ordenar todas las variables se obtiene la solución
x = 6 − α − β
y = 8 − β
z = α
t = β
α, β ∈ R.
(b) Como el sistema es homogéneo tiene solución trivial y tenemos que ver si es o no única.
� El rango de la matriz nos da el número de ecuaciones implícitas linealmente independientes:
no de ecuaciones implícitas l.i. = rg(A) = rg
1 0 1
0 1 1
1 1 2
= 2
I Eliminamos las ecuaciones implícitas dependientes:
F :
x1 + x3 = 0
x2 + x3 = 0
� Determinamos el número de parámetros (como hay dos ecuaciones implícitas independientes dos de las
tres variables dependen de la otra)
no de variables -no de ecuaciones independientes = n − rg(A) = 3 − 2 = 1
I La variable que queda fuera del menor que determina el rango actúa como parámetro:
x3 = α con α ∈ R.
� Sustituimos el parámetro en las ecuaciones implícitas y resolvemos el sistema:
x1 + x3 = 0 =⇒ x1 + α = 0 =⇒ x1 = −α
x2 + x3 = 0 =⇒ x2 + α = 0 =⇒ x2 = −α
I Al ordenar todas las variables se obtiene la soluciónx1 = −α
x2 = −α
x3 = α
α ∈ R.
♣
Proyecto MATECO 2.1 Página 176
TEMA 6. MATRICES Y SISTEMAS LINEALES.
6.5. Métodos clásicos de resolución de sistemas lineales.
Resolución de sistemas por el método de sustitución.
Despejamos una variable de la primera ecuación y la sustituimos en el resto de ecuaciones.
∗ Si aparece una ecuación redundante se elimina
∗ Si aparece una contradicción el sistema no tiene solución.
Se repite el proceso con el sistema obtenido hasta que tenemos una única ecuación.
En la última ecuación despejamos una variable, considerando que son parámetros las variables que
no han sido despejadas previamente.
Volvemos hacia atrás para obtener el valor de las variables que habíamos despejado. ♣
Ejemplo 6.67 Resolver por el método de sustitución
(a)
2x − y − z − t = −2
5x − 2y − 2z − 2t = 0
6x − 3y − 3z − 3t = −6
3x − y − z − t = 2
(b)
2x − y − z − t = −1
2x + y + z + 2t = 6
6x + y − 3z − 2t = 2
4x − 2y − 2z − 2t = −2
Solución
(a) Despejamos t de la primera ecuación y la sustituimos en el resto (obtenemos un sistema con tres ecua-
ciones y tres incógnitas):
2x − y − z − t = −2 =⇒ t = 2x − y − z + 2
=⇒
5x − 2y − 2z − 2t = 0 ⇔ 5x − 2y − 2z − 2(2x − y − z + 2) = 0 ⇔ x = 4
6x − 3y − 3z − 3t = −6 ⇔ 6x − 3y − 3z − 3(2x − y − z + 2) = −6 ⇔ 0 = 0
3x − y − z − t = 2 ⇔ 3x − y − z − (2x − y − z + 2) = 2 ⇔ x = 4
Se eliminan las dos últimas ecuaciones, ya que la segunda es una identidad y la tercera redundante.
Como se obtiene una única ecuación las variables que no han sido despejadas previamente y no aparecen
en la ecuación actuarán como parámetros
y = α z = β con α, β ∈ R
Página 177 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Volvemos hacia atrás para obtener el valor de todas las variables (dependen de α y β):
x = 4
y = α
z = β
t = 2x − y − z + 2 =⇒ t = −α − β + 10
Por tanto, la solución del sistema en forma de vector es x∗ = (4, α, β,−α − β + 10)
(b) Despejamos t de la primera ecuación y la sustituimos en el resto:
2x − y − z − t = −1⇔ t = 2x − y − z + 12x + y + z + 2t = 6
6x + y − 3z − 2t = 2
4x − 2y − 2z − 2t = −2
⇔
2x + y + z + 2(2x − y − z + 1) = 6⇔ 6x − y − z = 4
6x + y − 3z − 2(2x − y − z + 1) = 2⇔ 2x + 3y − z = 4
4x − 2y − 2z − 2(2x − y − z + 1) = −2⇔ 0 = 0
Eliminamos la tercera ecuación y repetimos el proceso hasta tener una única ecuación:
6x − y − z = 4 =⇒ z = 6x − y − 4
2x + 3y − z = 4 2x + 3y − (6x − y − 4) = 4⇔ y = x
Consideramos que la variable x actúa como parámetro x = α con α ∈ R:
Volvemos hacia atrás para obtener las variables que hemos despejado (dependen de α):
x = α
y = x =⇒ y = α
z = 6x − y − 4 =⇒ z = 5α − 4
t = 2x − y − z + 1 =⇒ t = −4α + 5
Por tanto, la solución del sistema en forma de vector es x∗ = (α, α, 5α − 4,−4α + 5). ♣
Resolución de sistemas por el método de Gauss:
Si el coeficiente de la primera variable en la primera ecuación es cero (a11 = 0) reordenamos ecua-
ciones y/o variables para que sea distinto de cero, con lo que suponemos a11 , 0
Eliminamos la primera variable del resto de ecuaciones sustituyéndolas por combinaciones lineales
de ellas mismas con la primera ecuación.
∗ Si aparece una ecuación redundante se elimina
∗ Si aparece una contradicción el sistema no tiene solución.
Proyecto MATECO 2.1 Página 178
TEMA 6. MATRICES Y SISTEMAS LINEALES.
Repetimos el proceso con el sistema obtenido hasta que tengamos una única ecuación.
Resolvemos el sistema triangular obtenido:
∗ Despejamos una variable de la última ecuación considerando las restantes parámetros.
∗ Volvemos hacia atrás calculando el valor del resto de variables. ♣
Ejemplo 6.68 .
2x − y + 2z − t = −4
3x + y + z + 2t = 5
x + y − z + 2t = 7
4x + 3y − z − t = 4
Eliminamos la variable x de las ecuaciones 2, 3 y 4:
2x − y + 2z − t = −4
3x + y + z + 2t = 5 ← 2E2 − 3E1 → 5y − 4z + 7t = 22
x + y − z + 2t = 7 ← 2E3 − E1 → 3y − 4z + 5t = 18
4x + 3y − z − t = 4 ← E4 − 2E1 → 5y − 5z + t = 12
Eliminamos la variable y de las ecuaciones 3 y 4:
5y − 4z + 7t = 22
3y − 4z + 5t = 18 ← 5E3 − 3E2 → −8z + 4t = 24
5y − 5z + t = 12 ← E4 − E2 → −z − 6t = −10
Eliminamos la variable z de la ecuación 4:
−8z + 4t = 24
−z − 6t = −10 ← 8E4 − E3 → −52t = −104
Resolvemos el sistema triangular obtenido:
2x − y + 2z − t = − 4 =⇒ x = 1
5y − 4z + 7t = 22 =⇒ y = 0
−8z + 4t = 24 =⇒ z = −2
−52t = −104 =⇒ t = 2
Por tanto, la solución del sistema en forma de vector es x∗ = (1, 0,−2, 2). ♣
Página 179 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Resolución de sistemas por la regla de Cramer:
Proposición 6.69 (Regla de Cramer) Sea un sistema (?) con matriz cuadrada (m = n).
Si el determinante de la matriz del sistema es distinto de cero el sistema es compatible determinado y
su única solución es x∗ = A−1 b. ♣
Nota La regla de Cramer nos da una fórmula para obtener la única solución del sistema:
x1 =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
b1 a12 · · · a1n
b2 a22 · · · a2n
......
. . ....
bn an2 · · · ann
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
a11 a12 · · · a1n
a21 a22 · · · a2n
......
. . ....
an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
, x2 =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
a11 b1 · · · a1n
a21 b2 · · · a2n
......
. . ....
an1 bn · · · ann
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
a11 a12 · · · a1n
a21 a22 · · · a2n
......
. . ....
an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
, · · · , xn =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
a11 a12 · · · b1
a21 a22 · · · b2
......
. . ....
an1 an2 · · · bn
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
a11 a12 · · · a1n
a21 a22 · · · a2n
......
. . ....
an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣Ejemplo 6.70 Resolver los siguientes sistemas
(a)
x + y + 2z = 7
x − y + z = 6
2x − 3y + z = 1
(b)
x − y + z − t = 1
x + y + z + t = 0
2x + 2z = 1
x + y + z − t = 1Solución
(a) Este sistema tiene el mismo número de ecuaciones que de incógnitas y el determinante de la matriz
es distinto de cero (det(A) = 1 , 0) y, por tanto, podemos aplicar la regla de Cramer.
x =
7 1 2
6 −1 1
1 −3 1
1 1 2
1 −1 1
2 −3 1
= −25 y =
1 7 2
1 6 1
2 1 1
1 1 2
1 −1 1
2 −3 1
= −10 z =
1 1 7
1 −1 6
2 −3 1
1 1 2
1 −1 1
2 −3 1
= 21
La solución en forma de vector es x∗ = (−25,−10, 21)
Proyecto MATECO 2.1 Página 180
TEMA 6. MATRICES Y SISTEMAS LINEALES.
(b) Estudiamos si rg(A) = rg(A) y determinamos un menor principal (se deja como ejercicio):
rg
1 −1
1 1
1
1
−1
1
2 0 2 0
1 1 1 −1
= rg
1 −1 1 −1 1
1 1 1 1 0
2 0 2 0 1
1 1 1 −1 1
= 3 con
1 −1 −1
1 1 1
1 1 −1
= −4 , 0
I Suprimimos las ecuaciones que quedan fuera del menor (ecuación 3) y consideramos como paráme-
tros las incógnitas que quedan fuera del menor (variable z):
z = α
x − y + z − t = 1 =⇒ x − y − t = 1 − α
x + y + z + t = 0 =⇒ x + y + t = −α
x + y + z − t = 1 =⇒ x + y − t = 1 − α
1 −1 −1 1 − α
1 1 1 − α
1 1 −1 1 − α
Resolvemos el sistema por la regla de Cramer (se puede utilizar otro método):
x =
1 − α −1 −1
− α 1 1
1 − α 1 −1
1 −1 −1
1 1 1
1 1 −1
=12− α y =
1 1 − α −1
1 − α 1
1 1 − α −1
1 −1 −1
1 1 1
1 1 −1
= 0 t =
1 −1 1 − α
1 1 − α
1 1 1 − α
1 −1 −1
1 1 1
1 1 −1
= −12
Por tanto, la solución del sistema en forma de vector es x∗ = ( 12 − α, 0, α,−
12 ). ♣
Ejercicio 6.71 Calcular las matrices X e Y que verifican:
3X − 2Y =
−1 0 −3
0 2 −3
X + Y =
3 −5 −1
0 −1 4
Solución
X =
1 −2 −1
0 0 1
Y =
2 −3 0
0 −1 3
♣
Página 181 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Ejercicios del tema.
Ejercicio 6.72 Dadas las matrices:
A =
−1 1 0
2 −2 0
1 −1 0
, B =
0 −1 1
−2 0 1
0 0 1
, C =
1 3 0
0 −2 0
y D =
1 2 0
3 −1 2
.Calcular, si es posible:
(a) A + B (b) A3 (c) A · B (d) B · A (e) (A + B)(A − B) (f) A2 − B2 (g) (A − B)2
(h) 2C − 3D (i) B · C (j) C · B (k) At · Dt (l) (D · A)t (m) C · Dt (n) D · Ct
Solución
(a) A + B =
−1 1 0
2 −2 0
1 −1 0
+
0 −1 1
−2 0 1
0 0 1
=
−1 + 0 1 + (−1) 0 + 1
2 + (−2) −2 + 0 0 + 1
1 + 0 −1 + 0 0 + 1
=
−1 0 1
0 −2 1
1 −1 1
(b) A3 =
−1 1 0
2 −2 0
1 −1 0
·−1 1 0
2 −2 0
1 −1 0
·−1 1 0
2 −2 0
1 −1 0
=
3 −3 0
−6 6 0
−3 3 0
·−1 1 0
2 −2 0
1 −1 0
=
−9 9 0
18 −18 0
9 −9 0
(c) A · B =
−1 1 0
2 −2 0
1 −1 0
·
0 −1 1
−2 0 1
0 0 1
=
−2 1 0
4 −2 0
2 −1 0
(d) B · A =
0 −1 1
−2 0 1
0 0 1
·−1 1 0
2 −2 0
1 −1 0
=
−1 1 0
3 −3 0
1 −1 0
(e) (A + B) · (A − B) =
−1 0 1
0 −2 1
1 −1 1
·−1 2 −1
4 −2 −1
1 −1 −1
=
2 −3 0
−7 3 1
−4 3 −1
(f) A2 − B2 =
−1 1 0
2 −2 0
1 −1 0
·−1 1 0
2 −2 0
1 −1 0
−
0 −1 1
−2 0 1
0 0 1
·
0 −1 1
−2 0 1
0 0 1
=
=
3 −3 0
−6 6 0
−3 3 0
−
2 0 0
0 2 −1
0 0 1
=
1 −3 0
−6 4 1
−3 3 −1
Proyecto MATECO 2.1 Página 182
TEMA 6. MATRICES Y SISTEMAS LINEALES.
(g) (A − B)2 =
−1 2 −1
4 −2 −1
1 −1 −1
·−1 2 −1
4 −2 −1
1 −1 −1
=
8 −5 0
−13 13 −3
−4 3 1
(h) 2C − 3D = 2 ·
1 3 0
0 −2 0
− 3 ·
1 2 0
3 −1 2
=
2 − 3 6 − 6 0 − 0
0 − 9 −4 + 3 0 − 6
=
−1 0 0
−9 −1 −6
(i) B ·C no se puede hacer
(j) C · B =
1 3 0
0 −2 0
·
0 −1 1
−2 0 1
0 0 1
=
a11 a12 a13
a21 a22 a23
=
−6 −1 4
4 0 −2
a11 =
(1 3 0
)·
0
−2
0
= −6 a12 =
(1 3 0
)·
−1
0
0
= −1 a13 =
(1 3 0
)·
1
1
1
= 4
a21 =
(0 −2 0
)·
0
−2
0
= 4 a22 =
(0 −2 0
)·
−1
0
0
= 0 a23 =
(0 −2 0
)·
1
1
1
= −2
(k) At · Dt =
3 −3
−3 3
0 0
(l) (D · A)t = At · Dt =
3 −3
−3 3
0 0
(m) C · Dt =
7 0
−4 2
(n) D ·Ct = (C · Dt)t =
7 −4
0 2
♣
Página 183 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Ejercicio 6.73 Calcula los siguientes determinantes:
(a)
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 3
3 1 2
2 3 1
∣∣∣∣∣∣∣∣∣∣∣∣∣(b)
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 3
1 1 1
3 2 1
∣∣∣∣∣∣∣∣∣∣∣∣∣(c)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 1 1 1
1 −1 0 1
1 1 −1 1
1 0 1 0
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣(d)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 1 1 1
1 2 2 2
1 2 3 3
1 2 3 4
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣(e)
∣∣∣∣∣∣∣∣∣∣∣∣∣3 2 −1
−1 0 1
0 2 3
∣∣∣∣∣∣∣∣∣∣∣∣∣(f)
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 0
0 1 1
1 0 1
∣∣∣∣∣∣∣∣∣∣∣∣∣(g)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
2 1 1 1
1 2 1 1
1 1 2 1
1 1 1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣(h)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 1 1 1
1 −1 1 −1
2 0 2 0
1 1 1 −1
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣Solución
(a)
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 3
3 1 2
2 3 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= (1 + 8 + 27) − (6 + 6 + 6) = 36 − 18 = 18
(b)
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 3
1 1 1
3 2 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
(c) Desarrollamos por la cuarta fila∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 1 1 1
1 −1 0 1
1 1 −1 1
1 0 1 0
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= () = (−1)4+1 · 1 ·
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 1
−1 0 1
1 −1 1
∣∣∣∣∣∣∣∣∣∣∣∣∣+ (−1)4+3 · 1 ·
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 1
1 −1 1
1 1 1
∣∣∣∣∣∣∣∣∣∣∣∣∣=
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 1
−1 0 1
1 −1 1
∣∣∣∣∣∣∣∣∣∣∣∣∣−
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 1
1 −1 1
1 1 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= − (1 + 1 + 1 + 1) − (−1 + 1 + 1 + 1 − 1 − 1) = −4
(d) Aplicamos el método de Gauss (hacemos ceros en la primera fila)∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 1 1 1
1 2 2 2
1 2 3 3
1 2 3 4
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣=
C2 = C2 −C1
C3 = C3 −C1
C4 = C4 −C1
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 0 0 0
1 1 1 1
1 1 2 2
1 1 2 3
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣=
(−1)1+1
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 1
1 2 2
1 2 3
∣∣∣∣∣∣∣∣∣∣∣∣∣=
C2 = C2 −C1
C3 = C3 −C1
=
∣∣∣∣∣∣∣∣∣∣∣∣∣1 0 0
1 1 1
1 1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣= (−1)1+1
∣∣∣∣∣∣∣∣ 1 1
1 2
∣∣∣∣∣∣∣∣ = 1
Proyecto MATECO 2.1 Página 184
TEMA 6. MATRICES Y SISTEMAS LINEALES.
(e)
∣∣∣∣∣∣∣∣∣∣∣∣∣3 2 −1
−1 0 1
0 2 3
∣∣∣∣∣∣∣∣∣∣∣∣∣= [3 · 0 · 3 + 2 · 1 · 0 + (−1) · 2 · (−1)]− [(−1) · 0 · 0 + 2 · (−1) · 3 + 3 · 2 · 1] = 2+6−6 =
2
(f)
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 0
0 1 1
1 0 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= [1 · 1 · 1 + 0 · 0 · 0 + 1 · 1 · 1] − [0 · 0 · 1 + 1 · 0 · 1 + 1 · 0 · 1] = 2
(g) Aplicamos las propiedades de los determinantes para poder aplicar fácilmente el método de Gauss:
det(A) =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
2 1 1 1
1 2 1 1
1
1
1
1
2 1
1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= {(C1 = C1 + C2 + C3 + C4)} =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
5 1 1 1
5 2 1 1
5
5
1
1
2 1
1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣=
F2 = F2 − F1
F3 = F3 − F1
F4 = F4 − F1
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
5 1 1 1
0 1 0 0
0
0
0
0
1 0
0 1
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= (−1)1+1 · 5 ·
∣∣∣∣∣∣∣∣∣∣∣∣∣1 0 0
0 0 1
0 0 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= 5
(h) det(A) = 0 ♣
Ejercicio 6.74 Calcular, si es posible, la inversa de las siguientes matrices:
(a) A =
1 −1 1
2 1 2
0 0 1
(b) A =
1 −1 1
2 1 −2
−1 −2 3
(c) A =
1 −1 1
1 1 1
1 0 0
(d) A =
1 1 1 1
1 2 2 2
1 2 3 3
1 2 3 4
(e) A =
1 −1 0 1
0 2 −1 1
1 −2 1 1
−1 0 1 3
(f) A =
2 −1 −1 −1
5 −2 −2 −2
6 −3 −3 −3
3 −1 −1 −1
Solución
(a) Sólo hacemos detallado este ejercicio en el que det(A) = 3 , 0 y existe A−1.
Ad j (A) =
A11 A12 A13
A21 A22 A23
A31 A32 A33
=
1 −2 0
1 1 0
−3 0 3
Página 185 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
A11 = (−1)1+1
∣∣∣∣∣∣∣∣ 1 2
0 1
∣∣∣∣∣∣∣∣ = 1 A12 = (−1)1+2
∣∣∣∣∣∣∣∣ 2 2
0 1
∣∣∣∣∣∣∣∣ = −2 A13 = (−1)1+3
∣∣∣∣∣∣∣∣ 2 1
0 0
∣∣∣∣∣∣∣∣ = 0
A21 = (−1)2+1
∣∣∣∣∣∣∣∣ −1 1
0 1
∣∣∣∣∣∣∣∣ = 1 A22 = (−1)2+2
∣∣∣∣∣∣∣∣ 1 1
0 1
∣∣∣∣∣∣∣∣ = 1 A23 = (−1)2+3
∣∣∣∣∣∣∣∣ 1 −1
0 0
∣∣∣∣∣∣∣∣ = 0
A31 = (−1)3+1
∣∣∣∣∣∣∣∣ −1 1
1 2
∣∣∣∣∣∣∣∣ = −3 A32 = (−1)3+2
∣∣∣∣∣∣∣∣ 1 1
2 2
∣∣∣∣∣∣∣∣ = 0 A33 = (−1)3+3
∣∣∣∣∣∣∣∣ 1 −1
2 1
∣∣∣∣∣∣∣∣ = 3
=⇒ A−1 =1|A|
[Ad j(A)
]t=
13
1 1 −3
−2 1 0
0 0 3
=
1/3 1/3 −1
−2/3 1/3 0
0 0 1
(b) No existe A−1
(c) A−1 =
0 0 1
−1/2 1/2 0
1/2 1/2 −1
(d) A−1 =
2 −1 0 0
0 1 −1 0
2 0 1 −1
−3 0 0 1
(e) A−1 =
−1 1 32 −1
2
−32 1 5
4 −14
−52 1 9
4 −14
12 0 −1
414
(f) No existe A−1 ♣
Ejercicio 6.75 Calcular el rango de las siguientes matrices determinando un menor principal:
(a) A =
1 2 0 3
0 1 1 1
1 3 1 4
(b) A =
1 0 2
0 1 1
1 0 1
1 0 0
(c) A =
1 2 −1 0
2 −2 0 1
−1 0 −1 1
1 1 1 1
(d) A =
1 0 1 0 0
2 0 0 1 0
1 1 1 1 0
0 1 2 0 1
(e) A =
2 −2 −2 −1
2 −2 −2 2
2 −3 0 −3
(f) A =
2 −1 −1 −1
5 −2 −2 −2
6 −3 −3 −3
3 −1 −1 −1
Solución
(a) Matriz de orden 3x4:
A =
1 2 0 3
0 1 1 1
1 3 1 4
∣∣∣∣∣∣∣∣ 1 2
0 1
∣∣∣∣∣∣∣∣ = 1 , 0 (rg(A) ≥ 2)
Proyecto MATECO 2.1 Página 186
TEMA 6. MATRICES Y SISTEMAS LINEALES.
Orlamos con la 3a fila y la 3a columna y, como sale cero, con la 4a:∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 0
0 1 1
1 3 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 3
0 1 1
1 3 4
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
Como todos los posibles menores de orden 3 valen cero rg (A) = 2 y cualquier menor de orden 2 distinto
de cero es un menor principal, por ejemplo, el menor que habíamos elegido al principio. Obsérvese que al
ser todos los determinantes de orden tres cero, la tercera fila es combinación lineal de la 1a fila y de la 2a
fila (se ve fácilmente que F3 = F1 + F2).
(b) matriz de orden 4x3
A =
1 0 2
0 1 1
1 0 1
1 0 0
∣∣∣∣∣∣∣∣ 1 0
0 1
∣∣∣∣∣∣∣∣ = 1 , 0 (rg(A) ≥ 2)
Orlando con tercera fila y tercera columna:
∣∣∣∣∣∣∣∣∣∣∣∣∣1 0 2
0 1 1
1 0 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= 1 − 2 = −1 , 0
Como no podemos aumentar sus dimensiones el rango es tres, rg(A) = 3, y el menor de orden tres será
un menor principal.
(c) Como es una matriz cuadrada de orden 4 si calculamos su determinante y no es cero tendremos que el
rango es cuatro
A =
1 2 −1 0
2 −2 0 1
−1 0 −1 1
1 1 1 1
|A| = (−1)2+4 • 1
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 −1
−1 0 −1
1 1 1
∣∣∣∣∣∣∣∣∣∣∣∣∣+ (−1)3+4 • 1
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 −1
2 −2 0
1 1 1
∣∣∣∣∣∣∣∣∣∣∣∣∣+ (−1)4+4 • 1
∣∣∣∣∣∣∣∣∣∣∣∣∣1 2 −1
2 −2 0
−1 0 −1
∣∣∣∣∣∣∣∣∣∣∣∣∣= 20
Así, rg(A) = 4 y el único menor principal que hay es el determinante de la matriz.
Página 187 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
(d) Matriz de orden 4x5
A =
1 0 1 0 0
2 0 0 1 0
1 1 1 1 0
0 1 2 0 1
∣∣∣∣∣∣∣∣ 1 1
0 1
∣∣∣∣∣∣∣∣ = 1 , 0→ Rg(D) ≥ 2
Orlamos con la 2a fila y la 3a columna:
∣∣∣∣∣∣∣∣∣∣∣∣∣2 0 0
1 1 1
0 1 2
∣∣∣∣∣∣∣∣∣∣∣∣∣= 2 , 0→ Rg(D) ≥ 3
Orlamos con la 1a fila y la 4a columna y, como sale cero, con la 5a
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 0 1 0
2 0 0 1
1 1 1 1
0 1 2 0
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
1 0 1 0 0
2 0 0 1 0
1 1 1 1 0
0 1 2 0 1
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 2 , 0→ Rg (D) = 4
(e) rg(A) = 3
(f) rg(A) = 2 ♣
Ejercicio 6.76 Estudiar los siguientes sistemas y, si es posible, determinar sus soluciones:
(a)
x + y + z = 2
x − y − z = −2
2x + 2y − z = 5
(b)
x + y + z = 2
x − y − z = −2
3x + y + z = 2
(c)
x + y + z = 2
x − y − z = −2
4x + 2y + 2z = 2
(d)
2y − z = 1
3x − 2z = 11
y + z = 6
2x + y − z = 9
(e)
x + y + z = 3
x + 2y = 4
x + 2z = 2
(f)
x + y + z = 0
x + y − z = 0
x + y = 0
(g)
x + y − z + t = 0
2x + 2y − 2z + 2t = 0(h)
x + y + 2z = 0
x + 2y + 3z = 0
x + 3y + 4z = 0
(i)
x + y + z + t = 0
x + y − z + t = 0
x + y + t = 0
Proyecto MATECO 2.1 Página 188
TEMA 6. MATRICES Y SISTEMAS LINEALES.
Solución
(a)
x + y + z = 2 (1)
x − y − z = −2 (2)
2x + 2y − z = 5 (3)
con A =
1 1 1 2
1 −1 −1 −2
2 2 −1 5
|A| = 6 =⇒ Rg (A) = 3 y Rg
(A)
= 3 por lo tanto el sistema es compatible determinado S.C.D. y tiene
una única solución.
(1) + (2) =⇒ 2x = 0 =⇒ x = 0
(3) − (2) =⇒ 3y = 7 =⇒ y = 7/3
Sustituyendo en (1) los valores de x e y tenemos z = 2 − x − y = 2 − 7/3 =⇒ z = − 1/3
Solución: (0, 7/3,−1/3)
(b) x∗ = (0, α, 2 − α) (S.C.I. con 1 par.)
(c) S.I.
(d)
2y − z = 1
3x − 2z = 11
y + z = 6
2x + y − z = 9
con A =
0 2 −1 1
3 0 −2 11
0 1 1 6
2 1 −1 9
Estudiamos los rangos de A y de A∣∣∣∣∣∣∣∣ 0 2
3 0
∣∣∣∣∣∣∣∣ = −6 , 0
Orlamos
∣∣∣∣∣∣∣∣∣∣∣∣∣0 2 −1
3 0 −2
0 1 1
∣∣∣∣∣∣∣∣∣∣∣∣∣= −9 , 0→ rg (A) = 3 (rg
(A)≥ 3)
Orlamos∣∣∣A∣∣∣ =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
0 2 −1 1
3 0 −2 11
0 1 1 6
2 1 −1 9
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣= 17 , 0→ rg
(A)
= 4.
Como rg (A) = 3 y rg(A)
= 4 es un Sistema incompatible (S. I.), es decir, no tiene solución.
(e)
x + y + z = 3
x + 2y = 4
x + 2z = 2
con A =
1 1 1 3
1 2 0 4
1 0 2 2
Página 189 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
|A| = 0 =⇒ Rg (A) < 3, veamos si es 2, ∃
∣∣∣∣∣∣∣∣ 1 1
1 2
∣∣∣∣∣∣∣∣ = 1 , 0 =⇒ Rg (A) = 2
Para estudiar rg (A) partimos del menor anterior (rg(A)≥ 2) y orlamos:
∣∣∣∣∣∣∣∣∣∣∣∣∣1 1 3
1 2 4
1 0 2
∣∣∣∣∣∣∣∣∣∣∣∣∣= 0
El otro menor de orden 3 ya lo hemos estudiado al calcular |A|, luego rg(A)
= 2
Como rg (A) = rg(A)
= 2 < número de incognitas es un sistema compatible indeterminado(S.C.I.) con
infinitas soluciones, eliminamos la tercera ecuación y tomamos como parámetro libre z = α.
x + y = 3 − α (1)
x + 2y = 4 (2)
Observamos que hemos dejado en el primer miembro de las ecuaciones las variables que proporcionan
el menor principal que hemos utilizado para el cálculo del rango.
Hacemos (2) − (1) =⇒ y = 4 − (3 − α) = 1 + α y despejando en (1) x = 3 − α − (1 + α) = 2−2α
Solución: {(2 − 2α, 1 + α, α) /α ∈ R}
(f)
x + y − z + t = 0
2x + 2y − 2z + 2t = 0con A =
1 1 −1 1 0
2 2 −2 2 0
Rg (A) = Rg
(A)
= 1 < número de incognitas =⇒ S .C.I.
Como el rango es uno nuestro menor será cualquier número de la matriz, por ejemplo el número 1 que
ocupa la posición a11. Así, eliminamos la segunda ecuación y tomamos como parámetros libres y, z, t
y = α, z = β, t = γ, =⇒ x = −α + β − γ
Por lo tanto la solución es { (−α + β − γ, α, β, γ) / α, β, γ ∈ R}
(g)
x + y + z = 0
x + y − z = 0
x + y = 0
con A =
1 1 1 0
1 1 −1 0
1 1 0 0
Sistema homogéneo por lo tanto el sistema siempre es compatible∣∣∣∣∣∣∣∣ 1 −1
1 0
∣∣∣∣∣∣∣∣ = 1 y |A| = 0 =⇒ Rg (A) = 2 = Rg(A)< número de incognitas =⇒ S .C.I.
Eliminamos la primera ecuación, tomamos como parámetro libre x = α y resolvemos el sistema
Proyecto MATECO 2.1 Página 190
TEMA 6. MATRICES Y SISTEMAS LINEALES.
y − z = −α
y = −α
Si despejamos z de la primera ecuación y sustituimos y tenemos z = y + α = −α + α = 0
Por lo tanto la solución es (α, −α, 0) / α ∈ R}
(h)
x + y + 2z = 0
x + 2y + 3z = 0
x + 3y + 4z = 0
con A =
1 1 2 0
1 2 3 0
1 3 4 0
Sistema homogéneo por lo tanto el sistema siempre es compatible
∣∣∣∣∣∣∣∣ 1 1
1 2
∣∣∣∣∣∣∣∣ = 1 , 0 y |A|= 0 =⇒ Rg (A) = Rg(A)
= 2 < no de incognitas =⇒ S .C.I.
Eliminamos la tercera ecuación y tomamos como parámetro libre z = α x + y = −2α (1)
x + 2y = −3α (2)=⇒ (2) − (1) =⇒ y = −α, x = −2α − y = −2α + α = −α
Por lo tanto la solución es { (−α, −α, α) / α ∈ R}
(i)
x + y + z + t = 0
x + y − z + t = 0
x + y + t = 0
con A =
1 1 1 1 0
1 1 −1 1 0
1 1 0 1 0
∣∣∣∣∣∣∣∣ −1 1
0 1
∣∣∣∣∣∣∣∣ = −1 , 0
Si orlamos con la 1a fila y la 1a columna el menor es cero (tiene dos columnas iguales) y si orlamos con
1a fila y la 2a columna sucede lo mismo. Por tanto, Rg (A) = Rg(A)
= 2 y es S.C.I.
Eliminamos la primera ecuación y tomamos como parámetros libres x = α, y = β −z + t = −α − β
t = −α − β
Si despejamos z de la primera ecuación y sustituimos y tenemos z = α + β + t = α + β − α − β = 0
Por tanto la solución es { (α, β, 0, −α − β) / α, β ∈ R} ♣
Ejercicio 6.77 Resolver por la regla de Cramer
(a)
x − 3y + 4z = 13
3x − y + 2z = −3
−3x + 5y − z = 9
(b)
4x − 3y + 3z = 0
6x + y − 9z = 9
2x − 5y − 6z = 5
Página 191 Proyecto MATECO 2.1
Bloque III. ÁLGEBRA LINEAL Y TEORÍA DE MATRICES
Solución
(a)
x − 3y + 4z = 13
3x − y + 2z = −3
−3x + 5y − z = 9
con A =
1 −3 4
3 −1 2
−3 5 −1
y |A| = 48
x =
∣∣∣∣∣∣∣∣∣∣∣∣∣13 −3 4
−3 −1 2
9 5 −1
∣∣∣∣∣∣∣∣∣∣∣∣∣|A|
=−186
48= −
318, y =
∣∣∣∣∣∣∣∣∣∣∣∣∣1 13 4
3 −3 2
−3 9 −1
∣∣∣∣∣∣∣∣∣∣∣∣∣|A|
=38, z =
∣∣∣∣∣∣∣∣∣∣∣∣∣1 −3 13
3 −1 −3
−3 5 9
∣∣∣∣∣∣∣∣∣∣∣∣∣|A|
=92
(b)
4x − 3y + 3z = 0
6x + y − 9z = 9
2x − 5y − 6z = 5
con A =
4 −3 3
6 1 −9
2 −5 −6
y |A| = −354
x =
∣∣∣∣∣∣∣∣∣∣∣∣∣0 −3 3
9 1 −9
5 −5 −6
∣∣∣∣∣∣∣∣∣∣∣∣∣|A|
=12, y =
∣∣∣∣∣∣∣∣∣∣∣∣∣4 0 3
6 9 −9
2 5 −6
∣∣∣∣∣∣∣∣∣∣∣∣∣|A|
= 0, z =
∣∣∣∣∣∣∣∣∣∣∣∣∣4 −3 0
6 1 −9
2 −5 −6
∣∣∣∣∣∣∣∣∣∣∣∣∣−354
= −23
♣
Proyecto MATECO 2.1 Página 192