UNI VERSI DAD

DE MURCI A
DEPARTAMENTO DE MATEMTICAS
LGEBRA 2012/13
Claudi Busqu Roca
(notas basadas en apuntes de Alberto del Valle Robles)

1. MATRICES Y SISTEMAS DE ECUACIONES

Operaciones con matrices

En todo lo que sigue, K denotar el conjunto de los nmeros reales (R) o de los
nmeros complejos (C).
1 Denicin. Sean n y m dos enteros positivos. Una matriz de tamao n m
es una disposicin de nm elementos de K en n las y m columnas. Denotaremos por
M
n,m
(K) al conjunto de todas las matrices de tamao n m con entradas en K. Las
matrices con el mismo nmero de las y columnas se llaman cuadradas y el conjunto
de todas las matrices cuadradas de tamao n n con entradas en K se denota por
M
n
(K). Una matriz de tamao 1 m se llama una matriz o vector la, y una
matriz de tamao n 1 se llama una matriz o vector columna.
2 Ejemplos. La matriz
_
3 2
4
5
0 6 2
_
es una matriz de tamao 2 3 con entradas reales. Otros ejemplos:
_
2 4
6 2
_
M
2
(R),
_
_
2 + i 4 i
i 2
5 0
_
_
M
3,2
(C).
La matriz
_
2 4 0 0
_
es un vector la, y la matriz
_
_
2
0
2
_
_
es un vector
columna. Los elementos de los vectores la suelen escribirse separados por comas para
evitar confusiones, as el vector la anterior se ecribira (2, 4, 0, 0).
Al hablar de matrices en abstracto se suele utilizar la notacin siguiente: si A
M
n,m
(K), escribimos
A = (a
ij
) con i {1, . . . , n}, j {1, . . . , m}
para indicar que a
ij
es el nmero que ocupa el lugar de la la i y la columna j. Usando
esta notacin podemos, por ejemplo, denir algunas clases habituales de matrices:
1
3 Denicin. Una matriz cuadrada A = (a
ij
) M
n
(K) se llama diagonal si a
ij
= 0
para todo i = j, es decir, la matriz solo puede tener entradas no nulas en la diagonal
principal que son los elementos a
11
, a
22
, . . . , a
nn
. Una matriz diagonal con el mismo
elemento en toda la diagonal se llama una matriz escalar. La matriz identidad es
la matriz escalar con 1s en la diagonal:
I
n
=
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
.
Se dice que A es triangular superior (o inferior) si a
ij
= 0 para todo i > j (o
para todo i < j), es decir, cuando todas sus entradas por debajo (o por encima) de la
diagonal principal son nulas. Tienen, por tanto, las formas
_
_
_
_
_
a
11
a
12
a
1n
0 a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
nn
_
_
_
_
_
_
_
_
_
_
a
11
0 0
a
21
a
22
0
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
.
A continuacin vamos a denir las operaciones con matrices.
4 Denicin. Dadas dos matrices A = (a
ij
) y B = (b
ij
) del mismo tamao, se dene
su suma como la matriz
A + B = (c
ij
) con c
ij
= a
ij
+ b
ij
5 Ejemplos. (1) Si A =
_
3 2
4
5
0 6 2
_
y B =
_
9 0
1
5
0 1 4
_
, entonces
A + B =
_
3 + 9 2 + 0
4
5
+
1
5
0 + 0 6 1 2 + 4
_
=
_
12 2 1
0 5 2
_
.
(2) Las matrices
_
a b
0 c
_
y
_
_
2 0
2 2
1 0
_
_
no se pueden sumar pues no tienen el mismo tamao.
(3) (2 + i, 4, 0, 0) + (2, i, , i, 0) = (i, 4 + i, , i, 0)
6 Denicin. Dada una matriz A = (a
ij
) y un nmero b K, se dene el producto
bA como la matriz
bA = (c
ij
) con c
ij
= ba
ij
,
es decir, se multiplican todos los elementos de la matriz por b.
2
La suma de matrices y el producto de matrices por nmeros verica las siguientes
propiedades:
7 Proposicin. Sean A, B y C matrices del tamao adecuado para se puedan realizar
las operaciones indicadas, y , K. Entonces
(1) A + B = B + A (propiedad conmutativa)
(2) (A + B) + C = A + (B + C) (propiedad asociativa)
(3) Existe una matriz, que denotaremos por 0, que verica A+ 0 = A (existencia de
elemento neutro para la suma).
(4) Dada una matriz A, existe una matriz, que denotaremos por A que verica
A + (A) = 0 (existencia de opuestos para la suma).
(5) ( + )A = A + A.
(6) (A + B) = A + B.
(7) (A) = ()A.
Demostracin: EJERCICIO Solo indicar que la matriz 0 es la que tiene ceros en
todas sus entradas y la matriz A es la que tiene a
ij
en el lugar ij si A = (a
ij
).
8 Denicin. Dada una matriz A = (a
ij
) de tamao n p y una matriz B = (b
ij
) de
tamao p m, se dene su producto como la matriz de tamao n m denida por
AB = (c
ij
) con c
ij
=
p

k=1
a
ik
b
kj
.
De la denicin vemos que el elemento c
ij
del producto de A por B se obtiene como
el produto de la la i de A por la columna j de B:
_
_
_
_
_
_
_
a
11
a
12
a
1p
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ip
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
np
_
_
_
_
_
_
_
_
_
_
_
_
b
11
b
1j
b
1m
b
21
b
2j
b
2m
.
.
.
.
.
.
.
.
.
b
p1
b
pj
b
pm
_
_
_
_
_
=
_
_
_
.
.
.
a
ij

.
.
.
_
_
_
9 Ejemplo. Si A = (1, 1, 1) y B =
_
_
1
0
1
_
_
, entonces
AB =
_
2
_
y BA =
_
_
1 1 1
0 0 0
1 1 1
_
_
.
3
Como vemos AB y BA pueden ser matrices muy distintas. El producto de matrices
cuadradas de tamao n n es otra vez una matriz de tamao n n, es decir, el
producto dene una operacin interna en el conjunto M
n
(K), pero, aun as, tampoco
es conmutativo:
_
0 1
0 0
__
0 0
1 0
_
=
_
1 0
0 0
_
y
_
0 0
1 0
__
0 1
0 0
_
=
_
0 0
0 1
_
10 Proposicin. Sean A, B y C matrices del tamao adecuado para se puedan realizar
las operaciones indicadas, y K. Entonces
(1) (AB)C = A(BC) (propiedad asociativa)
(2) A 0 = 0 A = 0.
(3) A(B+C) = AB+AC y (B+C)A = BA+CA (propiedad distribitiva del producto
respecto de la suma).
(4) (AB) = (A)B.
(5) Sea I
n
la matriz identidad de tamao n n. Si A M
n,m
(K), se tiene que
I
n
A = AI
m
= A.
Demostracin: Demostremos, por ejemplo, la propiedad asociativa. Si D es una
matriz, denotemos por [D]
ij
al elemento que ocupa el lugar ij en la misma. Co esta
notacin tenemos:
[(AB)C]
ij
=

k
[AB]
ik
[C]
kj
=

k
(

l
[A]
il
[B]
lk
)[C]
kj
=

l
[A]
il
[B]
lk
[C]
kj
=

l
[A]
il
(

k
[B]
lk
[C]
kj
) =

l
[A]
il
[BC]
lj
= [A(BC)]
ij
.
Los dems casos se dejan como EJERCICIO
En Maxima, las operaciones +, - y * entre matrices del mismo tamao hacen la suma,
la diferencia y el producto elemento a elemento. Para el producto usual de dos matrices
de tamaos adecuados se usa un punto bajo (.). Conviene dejar espacio a cada lado
para evitar confusiones con expresiones decimales.
Para el producto de nmeros por matrices tambin se usa *.
Para calcular potencias de una matriz cuadrada (producto por s misma varias veces)
se usa . Si slo se usa entonces se hace la potencia elemento a elemento. Por
ejemplo:
A:matrix([1,2,3],[2,3,4]); B:matrix([1,1,1],[2,2,2]);
C:matrix([1,r],[0,1])
A+B; A-B; C.A; A*B; 7*A; A2; A3; C2; C3;
4
11 Denicin. Dada una matriz A = (a
ij
), se dene su traspuesta como
A
t
= (c
ij
) con c
ij
= a
ji
,
es decir, es la matriz cuyas columnas son las las de A. Una matriz A se llama
simtrica si A = A
t
.
12 Proposicin. Sean A y B matrices del tamao adecuado para se puedan realizar
las operaciones indicadas. Entonces
(1) (A
t
)
t
= A.
(2) (A + B)
t
= A
t
+ B
t
.
(3) (A)
t
= A
t
.
(4) (AB)
t
= B
t
A
t
.
Demostracin: Demostremos la ltima propiedad. Por un lado tenemos:
[(AB)
t
]
ij
= [AB]
ji
=

k
[A]
jk
[B]
ki
y, por otro lado,
[B
t
A
t
]
ij
=

k
[B
t
]
ik
[A
t
]
kj
=

k
[A]
jk
[B]
ki
.
Los dems casos se dejan como EJERCICIO
13 Denicin. Si A, A
1
, . . . , A
n
son vectores la (columna), decimos que A es com-
binacin lineal de A
1
, . . . , A
n
si existen nmeros
1
, . . . ,
n
K tales que
A =
1
A
1
+ +
n
A
n
.
14 Ejemplo. El vector la (5, 9, 1) es combinacin lineal de (1, 0, 1), (3, 4, 0) y
(0, 1, 2) pues
(5, 9, 1) = (1, 0, 1) + 2(3, 4, 0) + (0, 1, 2).
El vector columna
_
_
0
0
0
_
_
es combinacin lineal de
_
_
1
0
1
_
_
,
_
_
1
1
1
_
_
y
_
_
2
1/2
2
_
_
pues
_
_
0
0
0
_
_
= 3
_
_
1
0
1
_
_
+
_
_
1
1
1
_
_
2
_
_
2
1/2
2
_
_
5
15 Ejemplo. Sea A = (a
ij
) una matriz de tamao nm y sea C con C
t
= (c
1
, . . . , c
m
)
un vector columna de tamao m1, entonces el producto AC es otro vector columna de
tamao n1. Si denotamos por A
1
, . . . , A
m
las columnas de A, es fcil ver EJERCICIO
que AC es combinacin lineal de A
1
, . . . , A
m
, en concreto,
AC = c
1
A
1
+ + c
m
A
m
.
Si ahora aplicamos la traspuesta a esta expresin tenemos
C
t
A
t
= (AC)
t
= (c
1
A
1
+ + c
m
A
m
)
t
= c
1
A
t
1
+ + c
m
a
t
m
y deducimos que al multiplicar por la izquierda un vector la por una matriz se obtiene
una combinacin lineal de las las de esa matriz. Por ejemplo:
(a, b)
_
1 1
2 3
_
= a(1, 1) + b(2, 3),
_
1 1
2 3
__
a
b
_
= a
_
1
2
_
+ b
_
1
3
_
.
6
Con Maxima se pueden construir matrices generales y particulares de varias formas:
matrix(Fil1,Fil2,...) para introducir la matriz la a la:
matrix([1,2,3],[5,9,0]);
entermatrix(NmFils,NmCols) para introducir la matriz elemento a ele-
mento, de forma simplicada si es diagonal, simtrica, antisimtrica o general:
entermatrix(2,2);
genmatrix(a,NmFils,NmCols) para introducir la matriz mediante una fr-
mula: a[i,j]:=i2+j2$ genmatrix(a,3,2);
zeromatrix(NmFils,NmCols) para obtener una matriz nula:
zeromatrix(2,3);
ident(Tamao) para obtener una matriz identidad: ident(3);
diagmatrix(Tamao,Nmero) para obtener una matriz diagonal con Nmero en
la diagonal: diagmatrix(3,25);
ematrix(NmFils,NmCols,Escalar,Fil,Col ) para obtener una matriz con una
nica entrada no nula: ematrix(2,3,9,1,2);
columnvector(Lista), que requiere el paquete eigen, para obtener una matriz
columna: load(eigen); columnvector([1,2,3]);
Mostramos tambin algunas manipulaciones sencillas de las matrices. Comenzamos
deniendo una matriz A para despus manipularla:
a[i,j]:=i2+j2$ A:genmatrix(a,3,4);
A[3,2]; por ejemplo, recupera la entrada indicada de la matriz A.
row(Matriz,NmFil ) recupera una la de la matriz: row(A,3);
col(Matriz,NmCol ) recupera una columna de la matriz: col(A,2);
minor(Matriz,FilElim,ColElim) elimina una la y una columna: minor(A,3,1);
submatrix(FilsElim,Matriz,ColsElim) elimina las y columnas:
submatrix(1,A,2,3);
addrow(Matriz,Fil,Fil,. . . ) aade las a la matriz: addrow(A,[1,1,1,1]);
addcol(Matriz,Col,Col,. . . ) aade columnas: addcol(A,[1,1,1],[0,0,0]);
transpose(Matriz ) traspone la matriz: transpose(A);

Sistemas de ecuaciones. Mtodo de Gauss-Jordan

16 Denicin. Un sistema lineal de n ecuaciones con m incgnitas es un sistema del
tipo
()
_

_
a
11
x
1
+ a
12
x
2
+ + a
1m
x
m
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2m
x
m
= b
2
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nm
x
m
= b
n
7
Los a
ij
son los coecientes del sistema, las x
i
son las incgnitas y los b
j
son
los trminos independientes.
Un sistema se llama incompatible cuando no tiene solucin y compatible si la
tiene. En ese ltimo caso, puede ser compatible determinado si tienen una solucin
nica y compatible indeterminado si tienen innitas soluciones (demostraremos en
su momento que estos son todos los casos posibles). Por otra parte, un sistema se llama
homogneo si b
1
= b
2
= = b
n
= 0.
Vamos a desarrollar en esta seccin un algoritmo muy ecaz para la resolucin
de sistema de ecuaciones lineales, conocido como mtodo de Gauss-Jordan. Veamos
primero un ejemplo. Consideremos el sistema:
_

_
x
1
+ 2x
2
+ x
3
+ 2x
4
= 16
2x
1
x
2
x
3
x
4
= 7
2x
1
+ x
2
+ 2x
3
x
4
= 2
2x
2
+ 3x
3
+ x
4
= 17
Empecemos por sumar a la tercera ecuacin y restar a la segunda la primera multipli-
cada por 2. Nos queda
_

_
x
1
+ 2x
2
+ x
3
+ 2x
4
= 16
5x
2
3x
3
5x
4
= 39
5x
2
+ 4x
3
+ 3x
4
= 34
2x
2
+ 3x
3
+ x
4
= 17
Ahora multiplicamos por 2 la cuarta ecuacin y despus le sumamos la segunda; y a la
tercera le sumamos la segunda:
_

_
x
1
+ 2x
2
+ x
3
+ 2x
4
= 16
5x
2
3x
3
5x
4
= 39
x
3
2x
4
= 5
x
2
+ 3x
3
3x
4
= 5
Intercambiamos la segunda ecuacin con la cuarta:
_

_
x
1
+ 2x
2
+ x
3
+ 2x
4
= 16
x
2
+ 3x
3
3x
4
= 5
x
3
2x
4
= 5
5x
2
3x
3
5x
4
= 39
Restamos a la ltima 5 veces la segunda:
_

_
x
1
+ 2x
2
+ x
3
+ 2x
4
= 16
x
2
+ 3x
3
3x
4
= 5
x
3
2x
4
= 5
18x
3
+ 10x
4
= 14
Sumamos a la ltima 18 veces la anterior:
_

_
x
1
+ 2x
2
+ x
3
+ 2x
4
= 16
x
2
+ 3x
3
3x
4
= 5
x
3
2x
4
= 5
26x
4
= 104
8
Ahora nalmente despejamos x
4
de la ltima ecuacin y sustituimos su valor en las
anteriores, despejamos x
3
de la tercera y sustituimos en las anteriores, y as hasta
resolver completamente el sistema:
x
4
= 1, x
3
= 3, x
2
= 2, x
1
= 1.
Con el n de sistematizar este procedimiento, vamos a escribir los sistemas de ecua-
ciones en forma matricial. Dado el sistema (), pongamos A = (a
ij
), x
t
= (x
1
, . . . , x
m
)
y b
t
= (b
1
, . . . , b
n
). Entonces, el sistema puede escribirse como
Ax = b
y el problema es hallar todos los vectores columna x que cumplen esta ecuacin matri-
cial.
La matriz A recibe el nombre de matriz de coecientes del sistema y la matriz
cuyas columnas son las columnas de A ms la columna b de trminos independiantes,
denotada por (A| b) se llama matriz ampliada del sistema.
Las operaciones que hemos hecho con las ecuaciones del sistema se pueden reejar
en operaciones con las las de (A| b). Por tanto, vamos a denir lo que se conoce como
operaciones elementales en las las o columnas de una matriz.
17 Denicin. Dada una matriz A M
n,m
(K), se denomina operacin elemental
de las en A a cada una de las siguientes operaciones:
(I) Intercambiar dos las.
(II) Multiplicar una la por un elemento no nulo de K.
(III) Aadir a una la otra multiplicada por un elemento de K.
De forma anloga se denen las operaciones elementales por columnas.
18 Denicin. Diremos que dos matrices del mismo tamao son equivalentes por
las si una se obtiene a partir de la otra mediante una sucesin nita de operaciones
elementales de las, y diremos que dos matrices del mismo tamao son equivalentes
por columnas si una se obtiene a partir de la otra mediante una sucesin nita
de operaciones elementales de columnas. Finalmente, diremos que dos matrices son
equivalentes si una se obtiene a partir de la otra mediante una sucesin nita de
operaciones elementales de las y/o columnas.
19 Proposicin. Sean C y D las matrices ampliadas de dos sistemas de ecuaciones.
Si C y D son equivalentes por las, entonces los sistemas asociados tienen el mismo
conjunto de soluciones.
9
Demostracin: Una operacin del tipo I slo supone un cambio de orden de las
ecuaciones y eso no afecta a las soluciones. Tampoco afecta una operacin del tipo II,
pues las soluciones de una ecuacin no cambian si multiplicamos la ecuacin por r = 0.
Si denotamos por E
k
la ecuacin dada por la la k, es muy fcil ver que las soluciones
de E
i
y E
j
son las misma que las soluciones de E
i
+rE
j
y E
j
, por lo que una operacin
del tipo III tampoco afecta a las soluciones. Una sucesin nita de estas operaciones
no afecta pues a las soluciones, y esto prueba el enunciado.
20 Ejemplo. En el ejemplo visto anteriormente, la matriz ampliada del sistema es
_
_
_
_
1 2 1 2 16
2 1 1 1 7
2 1 2 1 2
0 2 3 1 17
_
_
_
_
y la sucesin de operaciones elementales han sido:
_
_
_
_
1 2 1 2 16
2 1 1 1 7
2 1 2 1 2
0 2 3 1 17
_
_
_
_
F
3
+2F
1

F
2
2F
1
_
_
_
_
1 2 1 2 16
0 5 3 5 39
0 5 4 3 34
0 2 3 1 17
_
_
_
_
2F
4

_
_
_
_
1 2 1 2 16
0 5 3 5 39
0 5 4 3 34
0 4 6 2 34
_
_
_
_
F
4
+F
2

F
3
+F
2
_
_
_
_
1 2 1 2 16
0 5 3 5 39
0 0 1 2 5
0 1 3 3 5
_
_
_
_
F
2
F
4

_
_
_
_
1 2 1 2 16
0 1 3 3 5
0 0 1 2 5
0 5 3 5 39
_
_
_
_
F
4
5F
2

_
_
_
_
1 2 1 2 16
0 1 3 3 5
0 0 1 2 5
0 0 18 10 14
_
_
_
_
F
4
+18F
3

_
_
_
_
1 2 1 2 16
0 1 3 3 5
0 0 1 2 5
0 0 0 26 104
_
_
_
_
El aspecto de la ltima matriz motiva la siguiente denicin:
21 Denicin. Dada una matriz, llamaremos pivote de una la no nula a la primera
entrada no nula de esa la. Se dice que la matriz es escalonada por las si:
El pivote de cada la no nula vale 1.
El pivote de cada la no nula est estrictamente a la derecha del pivote de la la
anterior.
Las las nulas, si las hay, son las ltimas.
10
y se dice que es escalonada reducida por las si adems:
Cada pivote es el nico elemento no nulo de su columna.
De forma parecida, se puede denir matriz escalonada por columnas. De hecho, una
matriz es escalonada (escalonada reducida) por columnas si su traspuesta lo es por las.
22 Ejemplos. Consideremos las siguientes matrices, en las que los pivotes van en
negrita:
A =
_
_
2 0 0 5
0 1 0 2
0 1 1 4
_
_
B =
_
_
1 2 0 4 5
0 0 1 1 5
0 0 0 1 2
_
_
C =
_
_
1 0 2 0 5
0 1 6 0 2
0 0 0 1 4
_
_
A no es escalonada, pues hay un pivote que vale 2, y aunque valiera 1 tampoco lo sera,
pues el tercer pivote no est estrictamente a la derecha del segundo. B s es escalonada,
pero no es reducida porque en la columna del tercer pivote hay otras entradas no nulas.
C es escalonada reducida.
Veamos ahora toda matriz es equivalente por las a una matriz en forma escalonada:
23 Teorema (Algoritmo de eliminacin de Gauss-Jordan). Toda matriz A es
equivalente por las a una matriz escalonada por las y tambin a una matriz escalo-
nada reducida por las.
Demostracin: Veamos cmo una serie de operaciones elementales en las las de
A la convierten primero en escalonada y luego en reducida. Comenzamos as:
1. Si hay las de ceros, las ponemos las ltimas con operaciones del tipo I.
2. En la primera columna no nula elegimos una entrada a = 0, multiplicamos por
a
1
la correspondiente la y la llevamos arriba. De este modo en la primera la
hay un pivote 1 y a su izquierda hay columnas de ceros.
3. Ponemos ceros debajo de ese pivote con operaciones del tipo III.
Ahora nos jamos slo en las las que quedan estrictamente bajo el pivote que hemos
puesto y repetimos el proceso para poner un pivote 1 en la segunda la y estrictamente a
la derecha del anterior. Seguimos repitiendo el proceso, colocando pivotes 1 escalonados
y ceros bajo ellos. En algn momento tenemos un ltimo pivote en una la, que puede
ir seguida de las de ceros, y la matriz as obtenida es escalonada por las.
Si la queremos reducida, podemos poner ceros sobre los pivotes con la misma idea
del paso 3 y empezando por el ltimo, para que los ceros que pongamos no sean
alterados por las operaciones subsiguientes.
11
24 Aplicacin del mtodo de Gauss-Jordan. Para aplicar el algoritmo, se siguen
los pasos descritos en el teorema anterior para llevar la matriz ampliada del sistema a
una matriz escalonada (o escalonada reducida) por las.
El sistema correspondiente a esta matriz escalonada se estudia muy fcilmente.
Primero olvidamos las las nulas, pues la ecuacin 0x
1
+ + 0x
n
= 0 admite todas
las soluciones. Hecho esto:
Si hay un pivote en la ltima columna, la correspondiente la debe ser (0 0 . . . 0 | 1)
y, por tanto, el sistema es incompatible, pues la ecuacin 0x
1
+ +0x
n
= 1 con
no tiene solucin. En caso contrario pueden ocurrir dos cosas:
Si todas las columnas de incgnitas (que son todas menos la ltima) tienen pivo-
te el sistema es compatible determinado, y se resuelve despejando las incgnitas
de abajo hacia arriba como se ver en los ejemplos. Si la matriz es reducida
este proceso es trivial: las incgnitas ya estn despejadas.
En otro caso el sistema es compatible indeterminado, y se resuelve asignando
un parmetro a cada incgnita correspondiente a una columna sin pivote y des-
pejando el resto de incgnitas, las llamadas incgnitas principales, de abajo
hacia arriba en funcin de estos parmetros (de nuevo esto es trivial en el caso
reducido). Al nmero de parmetros se le llama grados de libertad del sis-
tema.
Por ejemplo, consideremos dos sistemas cuyas matrices escalonadas son
_
_
1 2 0 4 5
0 0 1 1 5
0 0 0 1 2
_
_
y
_
_
1 0 1/2 0 5
0 1 1/3 0 2
0 0 0 1 4
_
_
Ambos son compatibles indeterminados. Llamemos x, y, z, t a las incgnitas.
En el primer caso hay que tomar como parmetro y = (sistema con 1 grado de
libertad) y resolver desde abajo para obtener primero t = 2, luego z = 5 t = 3, y
por ltimo x = 5 2y 4t = 3 2, de modo que podemos describir las soluciones
dando valores arbitrarios a en
(x, y, z, t) = (3 2, , 3, 2) = (3, 0, 3, 2) + (2, 1, 0, 0).
El segundo sistema tambin tiene 1 grado de libertad y hay que asignar un parmetro
a z (para evitar fracciones hacemos z = 6) y resolver desde abajo: primero se tiene
t = 4, luego y = 2 z/3 = 2 2, y por ltimo x = 5 z/2 = 5 3, de modo que la
solucin general es
(x, y, z, t) = (5 3, 2 2, 6, 4) = (5, 2, 0, 4) + (3, 2, 6, 0).
12
En Maxima, el comando echelon(Matriz ) calcula una matriz escalonada por las
equivalente por las a la matriz dada, aunque en general no llega hasta la forma
reducida.
El comando triangularize(Matriz ) es como el anterior, pero sin forzar que los pivotes
valgan 1.
Finalmente, rank(Matriz ) nos da el rango (deniremos el rango de una matriz en un
tema posterior). Por ejemplo:
A:matrix([1,2,3,4,1],[3,2,1,4,3],[1,1,1,2,1],[4,3,2,1,1]);
echelon(A); triangularize(A); rank(A);
25 Ejemplos. (1) Resolver, si es posible, el sistema
_
_
_
2x + y + 2z + 3t = 6
x + 2y 2z t = 3
4x + 5y 2z + t = 12
Consideramos la matriz asociada y la llevamos a su forma escalonada reducida,
indicando las operaciones elementales y marcando en negrita los pivotes:
_
_
2 1 2 3 6
1 2 2 1 3
4 5 2 1 12
_
_
F
1
F
2

_
_
1 2 2 1 3
2 1 2 3 6
4 5 2 1 12
_
_
F
2
2F
1

F
3
4F
1
_
_
1 2 2 1 3
0 3 6 5 0
0 3 6 5 0
_
_

1
3
F
2

elim F
3
_
1 2 2 1 3
0 1 2 5/3 0
_
F
1
2F
2

_
1 0 2 7/3 3
0 1 2 5/3 0
_
Por tanto, el sistema es compatible indeterminado y su solucin se puede expresar en
funcin de dos parmetros y en la forma:
z = t = 3 x = 3 2 7 y = 2 + 5
(x, y, z, t) = (3, 0, 0, 0) + (2, 2, 1, 0) + (7, 5, 0, 3)
13
En Maxima, el comando algsys([ Ecu1,Ecu2,...],[Inc1,Inc2,...] ) resuelve el sistema
de las ecuaciones lineales dadas en las incgnitas que se indiquen, pero no se puede
usar la expresin matricial: hay que teclear una y otra vez las incgnitas.
Si la solucin requiere parmetros, stos se llaman %r1, %r2, etc.
El siguiente ejemplo resuelve el sistema del ejercicio anterior:
algsys([2*x+y+2*z+3*t=6,x+2*y-2*z-t=3,4*x+5*y-2*z+t=12],[x,y,z,t]);
El programa asigna parmetros a las primeras incgnitas. Para poder comprobar
nuestro resultado basta con cambiar el orden de las incgnitas para que se asignen
parmetros a z y t:
algsys([2*x+y+2*z+3*t=6,x+2*y-2*z-t=3,4*x+5*y-2*z+t=12],[z,t,x,y]);
Cambiando el parmetro asignado a z por y el asignado a t por 3 se obtiene nuestra
solucin.
(2) Resolver, si es posible, el sistema:
_
_
_
2x + y + 2z + 3t = 6
x + 2y 2z t = 3
4x + 5y 2z + t = 10
Transformando la matriz asociada (con las dos primeras ecuaciones ya intercambiadas)
encontramos una ecuacin sin soluciones (0x+0y +0z +0t = 2), por lo que el sistema
es incompatible:
_
_
1 2 2 1 3
2 1 2 3 6
4 5 2 1 10
_
_
F
2
2F
1

F
3
4F
1
_
_
1 2 2 1 3
0 3 6 5 0
0 3 6 5 2
_
_
F
3
F
2

_
_
1 2 2 1 3
0 3 6 5 0
0 0 0 0 2
_
_
(3) Resolver, si es posible, el sistema:
_

_
2x + y z = 3
x + 2y + 3z = 2
x + y + 4z = 1
3x + 2y + 2z = 2
Transformamos la matriz del sistema:
_
_
_
_
2 1 1 3
1 2 3 2
1 1 4 1
3 2 2 2
_
_
_
_
F
1
F
2

_
_
_
_
1 2 3 2
2 1 1 3
1 1 4 1
3 2 2 2
_
_
_
_
F
2
2F
1

F
3
+F
1
F
4
3F
1
14
_
_
_
_
1 2 3 2
0 3 7 1
0 3 7 1
0 4 7 4
_
_
_
_
elim F
2

1
3
F
3
_
_
1 2 3 2
0 1 7/3 1/3
0 4 7 4
_
_
F
3
+4F
2

_
_
1 2 3 2
0 1 7/3 1/3
0 0 7/3 8/3
_
_
3
7
F
4

_
_
1 2 3 2
0 1 7/3 1/3
0 0 1 8/7
_
_
F
2

7
3
F
3

F
1
3F
3
_
_
1 2 0 38/7
0 1 0 3
0 0 1 8/7
_
_
F
1
2F
2

_
_
1 0 0 4/7
0 1 0 3
0 0 1 8/7
_
_
Luego el sistema es compatible determinado con solucin nica (x, y, z) = (4/7, 3, 8/7).

Matrices invertibles
26 Denicin. Una matriz cuadrada A M
n
(K) se dice que es invertible si existe
una matriz B tal que
AB = BA = I
n
.
Dicha matriz, si existe, es nica
1
, se llama la matriz inversa de A y la representare-
mos por A
1
.
Dado que el producto de matrices no es conmutativo, es necesario exigir en la
denicin las dos condiciones AB = I
n
y BA = I
n
. Sin embargo, es posible demostrar
que basta una de ellas, es decir, que AB = I
n
implica BA = I
n
.
2
27 Proposicin. Si A, B M
n
(K) son dos matrices invertibles, entonces AB es
tambin invertible y
(AB)
1
= B
1
A
1
.
Demostracin: EJERCICIO
28 Proposicin. Si A es una matriz invertible, entonces A
t
es tambin invertible y
su inversa es (A
t
)
1
= (A
1
)
t
.
Demostracin: Tenemos AA
1
= I. Por tanto (proposicin 12), (AA
1
)
t
=
(A
1
)
t
A
t
= I
t
= I.
1
Si B y C son inversas de A, entonces AB = BA = I
n
y AC = CA = I
n
. Multiplicando por C
ambos miembros de la primera igualdasd tenemos que B = (CA)B = CI
n
= C.
2
Veremos en el captulo de determinantes que una matriz es invertible si y solo si su determinante es
no nulo. Entonces, si AB = I
n
, det (AB) = det(I
n
) = 1 = 0. Luego A es invertible y si multiplicamos
por la izquierda la igualdad AB = I
n
por A
1
tenemos que B = A
1
.
15
Ms adelante, al ver determinantes, veremos una frmula para la inversa de una
matriz invertible. Ahora veremos un mtodo para calcularla mediante el mtodo de
eliminacin de Gauss.
29 Proposicin. La forma escalonada reducida por las (o columas) de una matriz
invertible es la matriz identidad.
Demostracin: Sea A M
n
(K) una matriz invertible. Entonces AA
1
= I
n
, lo
cual implica que el sistema de ecuaciones
(A| b)
con b la matriz columna formada por todo ceros salvo un 1, es compatible determinado
(puesto que la inversa es nica). Por otra parte, si C es una forma escalonada por
las de A y suponemos que C tiene r < n pivotes, entonces C debe tener, al menos,
una la de ceros al nal. Pero, en este caso, el sistema anterior sera incompatible o
indeterminado. Por tanto, cualquier forma escalonada por las tiene n pivotes, lo que
nos lleva a que la reducida debe ser la identidad.
La proposicin que acabamos de demostrar nos permite calcular la inversa de una
matriz mediante el mtodo de Gauss. Se trata de resolver n sistemas de ecuaciones
para calcular las n columnas de la matriz inversa, es decir, resolver los n sistemas
(A| e
i
) para e
t
i
= (0, . . . , 1, . . . , 0). Esto puede hacerse de una sola vez escribiendo
(A| I
n
) y haciendo operaciones elementales con las las hasta transformar A en la
matriz indentidad (forma escalonada reducida de A). La matriz a su derecha es la
matriz inversa. Veamos un ejemplo:
30 Calculo de la inversa con el mtodo de Gauss. Sea A la matriz
A =
_
_
1 2 1
2 4 1
3 6 2
_
_
y hagamos operaciones elementales de las con (A| I
3
):
(A| I
3
) =
_
_
1 2 1 1 0 0
2 4 1 0 1 0
3 7 0 0 0 1
_
_

_
_
1 2 1 1 0 0
0 0 3 2 1 0
0 1 3 3 0 1
_
_

_
_
1 2 1 1 0 0
0 1 3 3 0 1
0 0 3 2 1 0
_
_

_
_
1 2 1 1 0 0
0 1 3 3 0 1
0 0 1
2
3
1
3
0
_
_

_
_
1 2 1 1 0 0
0 1 0 1 1 1
0 0 1
2
3
1
3
0
_
_

_
_
1 2 0
1
3
1
3
0
0 1 0 1 1 1
0 0 1
2
3
1
3
0
_
_

_
_
1 0 0
7
3
7
3
2
0 1 0 1 1 1
0 0 1
2
3
1
3
0
_
_
.
16
Entonces, la inversa es
A
1
=
_
_
7
3
7
3
2
1 1 1

2
3
1
3
0
_
_
17