Académique Documents
Professionnel Documents
Culture Documents
Sistemas de Ecuaciones
Lineales y Matrices.
Determinantes
Álgebra. Área de Álgebra
Universidade da Coruña
2.1. Preliminares
Consideremos K = Q, K = R o K = Zp con p un número primo. Para
cada uno de estos conjuntos conocemos dos operaciones, una operación suma
(+ : K ×K → K) y una operación producto (denotada por · : K ×K → K).
Estas operaciones verifican las siguientes propiedades:
• Asociativa: para cualesquiera α, β, γ ∈ K se verifica
(α + β) + γ = α + (β + γ), (α · β) · γ = α · (β · γ)
α + β = β + α, α·β = β ·α
41
42 CAPÍTULO 2. SISTEMAS, MATRICES Y DETERMINANTES
α · (β + γ) = α · β + α · γ y (β + γ) · α = β · α + γ · α
a1 x1 + a2 x2 + . . . + an xn = b
..
. ⎪
⎪
⎪
am1 α1 + am2 α2 + . . . + amn αn = bm ⎭
− y = −2
⎭
z = 1
y, finalmente, sumando a la primera ecuación la segunda, multiplicando ésta
por −1 y luego la primera por el inverso de 2 se resulta:
⎫
x = −1 ⎬
y = 2
⎭
z = 1
7
Universidade da Coruña
z + t = 1 z = 1
∼
Universidade da Coruña
0 = 0 ⎪ ⎪ ⎪
⎪
⎭ ⎭
0 = 0
(λA)ij = λaij
2.3. OPERACIONES CON MATRICES 49
v) 1K A = A.
Definición 2.3.5. Sean A = (aij ) ∈ Mm×n (K) y B = (bij ) ∈ Mn×p (K) dos
matrices. Se define el producto de A y B como una matriz A · B ∈ Mm×p (K)
cuyos coeficientes son
⎛ ⎞
b1j
⎜ .. ⎟
n
(A · B)ij = (ai1 . . . ain ) ⎝ . ⎠ = aik bkj = ai1 b1j + ai2 b2j + . . . + ain bnj ,
bnj k=1
i) (A · B) · C = A · (B · C),
ii) (A + A ) · B = A · B + A · B,
iii) A · (B + B ) = A · B + A · B ,
iv) A · In = A y Im · A = A,
ii) Puede ocurrir que el producto de dos matrices no nulas sea nulo. Por
ejemplo:
1 0 0 0 0 0
=
1 0 1 1 0 0
Definición 2.3.8. Sea A = (aij ) ∈ Mm×n (K) una matriz cualquiera. Se
define la traspuesta de A como la matriz At ∈ Mn×m (K) tal que (At )ji =
aij , para todo i ∈ {1, . . . , m} y j ∈ {1, . . . , n}.
Proposición 2.3.9. Se verifican las siguientes propiedades:
Álgebra. Área de Álgebra
Universidade da Coruña
t
i) (At ) = A, ∀A ∈ Mm×n (K),
ii) (A + B)t = At + B t , ∀A, B ∈ Mm×n (K),
iii) (λA)t = λAt , ∀A ∈ Mm×n (K),
iv) (A · B)t = B t · At , ∀A ∈ Mm×n (K), ∀B ∈ Mn×p (K),
Demostración.
n
n
(A · B)t ij = (A · B)ji = ajk · bki = (B t )ik · (At )kj = B t · At ij
k=1 k=1
v) Si A ∈ Mn (K):
a) A es antisimétrica si, y sólo si, At = −A,
b) A es simétrica si, y sólo si, A = At ,
c) A + At es una matriz simétrica,
d) A − At es una matriz antisimétrica.
equivalente son:
i) Intercambiar la posición de dos filas cualesquiera de la matriz.
ii) Multiplicar todos los elementos de una fila por un escalar no nulo.
iii) Sumar a una fila otra fila distinta cualquiera de la matriz.
iv) Aplicar reiteradamente las reglas anteriores; en particular, sumarle a
una fila una “combinación lineal” (una suma de múltiplos constantes)
de las restantes filas.
Dos matrices se dice que son equivalentes por filas si una puede obte-
nerse a partir de la otra mediante una secuencia finita de operaciones ele-
mentales en las filas.
Análogamente se pueden definir las mismas operaciones para las columnas
de una matriz y obtener matrices equivalentes por columnas.
⎛ ⎞
Universidade da Coruña
1
⎜ .. ⎟
⎜ . ⎟
⎜ ⎟
Ei (λ) = ⎜ λ ⎟
⎜ ⎟
⎝ . .. ⎠
1
Una matriz A ∈ Mm×n (K) se dice que es escalonada por filas si cada
una de las filas de la matriz, excepto tal vez la primera, comienza con una
secuencia de ceros con al menos un cero más que la fila anterior o está formada
únicamente por ceros; estas filas están colocadas en las últimas posiciones de
la matriz.
Nótese que la matriz asociada a un sistema escalonado es una matriz
escalonada por filas.
Análogamente, se define el concepto de matriz escalonada por columnas.
Ejemplo 2.5.1.
Álgebra. Área de Álgebra
Universidade da Coruña
⎛ ⎞ ⎛ ⎞
⎛ 1⎞ 0 3 0 −1 1 4 1 1
1 0 3 0 −1 ⎜ 0 ⎟ ⎜
1 5 0 0 ⎟ 0 1 2 −1 ⎟
A=⎝ 0 1 5 0 0 ⎠, B = ⎜
⎝ 0 , C=⎜ ⎟
0 0 1 2 ⎠ ⎝ 0 0 1 4 ⎠
0 0 0 1 2
0 0 0 0 0 0 0 0 1
Ejemplo 2.5.2.
⎫
x1 + x2 − x3 = 4 ⎬
3x1 − x2 + x3 = 4
⎭
x1 − 2x2 + 3x3 = −5
−1
Universidade da Coruña
i) Consideremos la matriz
⎛ ⎞
1 3 −2
A=⎝ 2 4 0 ⎠
3 5 −1
⎛ ⎞ ⎛ ⎞
1 3 0 1/3 4/3 -2/3 1 0 0 -2/3 -7/6 4/3
⎝ 0 1 0 1/3 5/6 -2/3 ⎠ −− − →
F1 −3F2
⎝ 0 1 0 1/3 5/6 -2/3 ⎠
0 0 1 -1/3 2/3 -1/3 0 0 1 -1/3 2/3 -1/3
Por lo que ⎛ ⎞
-2/3 -7/6 4/3
A−1 = ⎝ 1/3 5/6 -2/3 ⎠
-1/3 2/3 -1/3
2.7. DEFINICIÓN Y PROPIEDADES 57
II. Determinantes
• Si n = 1, det(A) = a11 ,
Universidade da Coruña
donde, para cada i, j ∈ {1, 2, . . . , n}, Aij = (−1)i+j Δij , siendo Δij el
determinante de la submatriz de orden n − 1 que resulta de suprimir
en A la fila i-ésima y la columna j-ésima.
ai1 Ai1 + ai2 Ai2 + . . . + ain Ain = aj1 Aj1 + aj2 Aj2 + . . . + ajn Ajn , ∀i, j.
3 4
2 1 0
i) det(A) = det(At ).
ii) Si la matriz A tiene una fila (o columna) donde todos los coeficientes
son cero, su determinante es cero.
Entonces,
Álgebra. Área de Álgebra
Universidade da Coruña
1 2 3 4 1 2 3 4 1 2 3 4
0 1 2 4 0 1 2 4 0 1 2 4
det(A) = =(F3 −2F1 )
= =
2 3 4 5 0 −1 −2 −3 (F4 −2F1 )
0 −1 −2 −3
2 0 1 2 2 0 1 2 0 −4 −5 −6
1 2 4 1 2 4 1 2 4
1· −1 −2 −3 =(F2 +F1 ) 0 0 1 =(F3 +4F1 ) 0 0 1 = 1· 0 1 = −3
3 10
−4 −5 −6 −4 −5 −6 0 3 10
k=1
puesto que se trata del determinante de la siguiente matriz, que tiene dos
filas iguales ⎛ ⎞
a11 a12 · · · a1n
⎜ .. .. .. . ⎟
⎜ . . . .. ⎟
⎜ ⎟
⎜ ai1 ai2 · · · ain ⎟
⎜ . . ⎟
⎜ .. .. ..
. .. ⎟
⎜ . ⎟
⎜a · · · ain ⎟
⎜ i1 ai2 ⎟
⎜ . .. .. .. ⎟
⎝ .. . . . ⎠
an1 an2 · · · ann
Ejemplo 2.9.3. Si
⎛ ⎞ ⎛ ⎞
1 3 −2 −4 2 −2
A=⎝ 2 4 0 ⎠ , entonces Adj(A) ⎝ −7 5 4 ⎠
3 5 −1 8 −4 −2
62 CAPÍTULO 2. SISTEMAS, MATRICES Y DETERMINANTES
⎜ . .. ⎟
Universidade da Coruña
⎝ .. ..
. . ⎠ bn
A1n · · · Ann
Demostración. Puesto que A tiene inversa, multiplicamos ambos términos de
la igualdad A · X = B por A−1 y obtenemos X = A−1 · B.
Por otra parte, si (X1 )t y (X2 )t son soluciones del sistema de ecuaciones
lineales A · X = B, entonces A · X1 = A · X2 . Esto implica que, X1 =
A−1 · (A · X1 ) = A−1 · (A · X2 ) = X2 .
Teniendo en cuenta que
⎛ ⎞
a11 · · · b1 · · · a1n
⎜a21 · · · b2 · · · a2n ⎟
⎜ ⎟
b1 · A1i + b2 · A2i + · · · + bn · Ani = det ⎜ .. . . . .. .. ⎟ ,
⎝ . . .. . . ⎠
an1 · · · bn · · · ann
se tiene que, para cada ı́ndice i = 1, . . . , n:
⎛ ⎞
a11 · · · b1 · · · a1n
⎜ a21 · · · b2 · · · a2n ⎟
⎜ ⎟
xi = det(A)−1 · det ⎜ .. . . . .. .. ⎟
⎝ . . .. . . ⎠
an1 · · · bn · · · ann
Ejemplo 2.10.1. Resuelve por Cramer y por Gauss-Jordan el siguiente sis-
tema en Z7 : ⎫
x + 6y + 4z = 3 ⎬
4x + 5y + 3z = 2
⎭
2x + y + 5z = 5
2.10. REGLA DE CRAMER 63
1 6 4
det ⎝ 4 5 3 ⎠ = 25 + 36 + 16 − 40 − 3 − 120 = 5.
2 1 5