Matricesv 2008

Álgebra matricial
y sistemas de ecuaciones
Matemáticas – 2º Bachillerato
1
1 1
1 0 1 0 1 =
0 1 1 = −1
1 1 1 4 2
2 2 = 0
0 4 − 0 4 4 2
= 0
1 0 1 1 1
A = 1
1 1
1 1 1 1 − 2) = 2
1 0 = −(
1
1
= − 0 1
0 1 0 0 −2
= − 0
2
0 4
S≡ a11 x +
 1 a1 x
a 2 2 +a
 x
 21 1 + a 13 x3 = 0
22 x2 + a
23 x3 = 0
CJS v2008
Álgebra matricial y sistemas de ecuaciones
© Carlos J. Sánchez de Merás, noviembre 2007
�csdemeras@hotmail.com
2 CJS v2008
Álgebra matricial y sistemas de ecuaciones Matemáticas – 2º Bachillerato
1. Matrices
1.1. Definiciones previas
• Matriz: Agrupación ordenada (en filas y columnas) de elementos (asumiremos que son números
reales)
• El conjunto de las matrices de m filas y n columnas forman un espacio vectorial (para la suma de
matrices y el producto por escalares), que llamaremos (m×n, ). Como tal, presenta las siguientes
propiedades:
Sean A, BÎ(m×n, ), y l, µÎ
• λ(A ± B ) = λA ± λB propiedad distributiva respecto al producto por un escalar
• (λ ± µ)A = λA ± µA propiedad distributiva respecto a la suma de escalares
• (λµ)A = λ(µA) propiedad asociativa respecto al producto de escalares
• I n ⋅ A = A ⋅ I m = A elemento neutro del producto de matrices
• Dimensión de una matriz (orden de una matriz): m×n (nº filas × nº columnas)
• Tipos de matrices según sus elementos:
Sea A Î(m×n, ) [A es una matriz de m filas y n columnas de números reales]
1) Matriz nula: aij=0 ∀i, j
2) Matriz triangular superior (inferior):
a11  a1n   a11  0 

   
         
0  a  a  amn 
 mn   m1 
aij =0, ∀i >j aij =0, ∀i <j

Superior Inferior
3) Matriz cuadrada (^ matriz rectangular): Aquélla que tiene el mismo número de filas que de
columnas
4) Matriz diagonal: aij =0, ∀i ≠j [suponiendo A Î(n×n, ) ]
5) Matriz unidad o identidad de orden n (In):
aij =0, ∀i ≠j ; aii =1
CJS v2008 3
Matemáticas – 2º Bachillerato Álgebra matricial y sistemas de ecuaciones
• Igualdad de matrices
Dos matrices son iguales si y sólo si todos y cada uno de sus elementos son iguales:
A, B ∈ (m × n, ) ⇒ A = B ⇔ aij = bij ∀i, j
• Matriz traspuesta
La traspuesta de una matriz A es otra matriz B=AT tal que bij=aji (equivale a intercambiar filas por
columnas)
• Matrices simétricas y antisimétricas
Una matriz (cuadrada) es simétrica si coincide con su traspuesta. (A=AT)
Una matriz (cuadrada) es antisimétrica si coincide con su traspuesta cambiada de signo.

(A=-AT)
Toda matriz cuadrada puede escribirse como suma de una matriz simétrica y otra antisimétrica. En efecto,
Sean SÎ(n×n, ) simétrica y AÎ(n×n, ) antisimétrica (ÞS=ST; A=-AT). Cualquier matriz cuadrada B
podrá entonces escribirse:
B =S +A
Trasponiendo esta ecuación matricial, y aplicando simetría para S y antisimetría para A,
BT = S T + AT = S − A
Finalmente, sumando y restando las ecuaciones obtenidas para B y su traspuesta obtenemos:
1 1
S = (B + BT ) ; A= (B − BT )
2 2
1.2. Operaciones con matrices

• Suma (resta) de matrices
( )
Sean A,BÎ(m×n, ). Se define C ∈  m × n,  = A ± B , donde cij  aij ± bij ∀i, j
• Producto por un escalar
(
Sean AÎ(m×n, ), y λÎ. Se define C ∈  m × n,  = λA , donde cij = λaij ) ∀i, j
4 CJS v2008
• Producto de matrices
(
Sean AÎ(m×n, ) y BÎ(n×p, ). Se define C ∈  m × p,  = A ⋅ B , donde )
n
cij  ∑a b
k =1
ik kj
∀i = 1, 2, …, m; ∀j = 1, 2, …, p
 c11 c12  c1p   a11 a12  a1n  b11 b12  b1p 

     
 c21 c22  c2 p   a21 a22  a2n  b21 b22  b2 p 
= =
                
     
c c  cmp  am 1 am 2  amn  bn 1 bn 2  bnp 
 m 1 m 2     
 a11b11 + a12b21 +  + a1nbn 1  a11b1p + a12b2 p +  + a1nbnp 
 
 a21b11 + a22b21 +  + a2nbn 1  a21b1p + a22b2 p +  + a2nbnp 
=
    
 
a b + am 2b21 +  + amnbn 1  am 1b1p + ampb2 p +  + amnbnp 
 m 1 11 
Observaciones:
• El número de columnas de la primera matriz debe coincidir con el número de filas de la
segunda.
• La matriz resultante tiene tantas filas como la primera matriz y tantas columnas como la
segunda.
• En general, el producto de matrices no es conmutativo. De hecho, es posible que exista el
producto A·B y que el producto B ·A no sea realizable.
• La traspuesta de un producto de matrices es igual al producto en orden inverso de las traspuestas

T T T
de las matrices: (A·B) = B ·A
• Rango de una matriz (por filas o por columnas) : Número de filas (o columnas) linealmente
independientes
CJS v2008 5
2. Determinantes
• Determinante de una matriz (cuadrada)
Sea AÎ(n×n, ). Se define el determinante de la matriz A, representado por |A| o det(A), como
una suma de n! términos, la mitad positivos y la mitad negativos, cada uno de los cuales está formado por un
producto de n factores, tomados uno de cada fila y de cada columna.
• n=2
a11 a12
= a11a22 − a21a12
a21 a22
• n=3 [ Regla de Sarrus ]
a11 a12 a13

a21 a22 a23 = a11a22a 33 + a12a23a 31 + a13a21a 32 −
a 31 a 32 a 33
−a11a23a 32 − a12a21a 33 − a13a22a 31
• Menor de una matriz
Sea AÎ(n×n, ). Se define el menor de orden r de la matriz A, como el determinante de cualquier
submatriz r × r (r ≤ n, r ≤ m, n ≤ m ).
Para matrices cuadradas, se define el menor complementario del elemento aij , y se representa por αij ,
como el determinante de la submatriz de orden n –1 obtenida al eliminar la fila i-ésima y la columna j-ésima.
Se define el adjunto (o cofactor) del elemento aij , y se representa por Aij , como el menor complementario
del elemento aij con el signo correspondiente según Aij  (−1)i + j αij
• Rango de una matriz: Orden del mayor menor no nulo.
• Desarrollo de un determinante por filas (o columnas):
Se puede calcular el determinante de una matriz mediante la suma de los productos de cada elemento de
la fila (o columna) por su correspondiente adjunto:
A = a11a22a 33 + a12a23a 31 + a13a21a 32 − a11a23a 32 − a12a21a 33 − a13a22a 31 =

= a11(a22a 33 − a23a 32 ) + a12 (a23a 31 − a21a 33 ) + a13 (a21a 32 − a22a 31 ) =
= a11A11 + a12A12 + a13A13
CJS v2008 7
En general,
A = ∑a A
i =1
ki ki
desarrollo por la fila k
A = ∑a A
i =1
ij ij
desarrollo por la columna j
Este método es de especial utilidad para matrices de orden elevado, y matrices en las que la mayoría de
los elementos de una fila o de una columna son nulos.
2.1. Propiedades de los determinantes

El estudio de las propiedades de los determinantes sirve para facilitar su cálculo.
➀ El determinante de una matriz es igual al de su traspuesta: A = AT
Por tanto, cualquier propiedad de los determinantes relacionadas con las filas de una matriz será válida si en lugar
de las filas se consideran columnas, puesto que las columnas de la matriz son las filas de la matriz traspuesta
➁ Si la matriz B se obtiene de A, intercambiando dos de sus filas (o columnas): B = − A
➂ Si una matriz A tiene dos filas o columnas iguales: A = 0
➃ Si B es la matriz que se obtiene de la matriz A, multiplicando una fila (o columna) por una constante
k : B = k A
➄ Si una matriz A tiene una fila o una columna cuyos elementos son todos cero: A = 0
➅ Si la matriz B se obtiene de A, sustituyendo una fila (o columna) por ella más k veces otra fila (o
columna): B = A
Ejemplo
a11 a12  F2 → F2 − 3F1

 a11 a12 
   →B =  
a21 a22  a21 − 3a11 a22 − 3a12 
A = a11a22 − a12a21
B = a11(a22 − 3a12 ) − a12 (a21 − 3a11 ) = a11a22 − a12a21 = A
➆ Si la columna j de A es la suma de las j -ésimas columnas de B y C, siendo las restantes columnas
iguales: A = B + C
8 CJS v2008
Ejemplo
 1 −1 + 3 2  1 −1 2  1 3 2
     
A = 3 1 − 2 4 ; B = 3 1 4 ; C =  3 −2 4 
0 −2 + 4 5 0 −2 5 0 4 5
     
A = −31 = 16 + (−47) = B + C
➇ Si a una fila (o columna) de una matriz se le suma una combinación lineal de sus paralelas, el
determinante de la matriz resultante es igual al de la primera
Esta propiedad es consecuencia de las propiedades ➂, ➃ y ➆. En efecto,
a b c + αa + βb a b c a b αa a b βb a b c
d e f + αd + βe = d e f + d e αd + d e βee = d e f
g h i + αg + βi g h i g h αg g h βi g h i
Estos dos últimos determinantes son nulos, por tener dos columnas proporcionales. Por tanto, se verifica la
propiedad
➈ Si A y B son dos matrices cuadradas, el determinante de la matriz producto es igual al producto

de los determinantes de ambas matrices: A ⋅ B = A ⋅ B
CJS v2008 9
3. Sistemas de ecuaciones
3.1. Ecuación lineal
Se denomina ecuación lineal con n incógnitas x1, x2, x3, …, xn a toda expresión del tipo
a1x 1 + a2x 2 + a 3x 3 + … + an x n = ∑a x
i =1
i i
=b
donde los valores reales a1, a2, a3, …, an son los coeficientes de la ecuación, y el valor real b es el término
independiente de la ecuación. Si el término independiente es igual a 0, la ecuación recibe el nombre de
homogénea.
Los valores x1, x2, x3, …, xn consituyen una solución de la ecuación si hacen que la igualdad se
cumpla.
Una ecuación lineal puede tener más de una solución. Se denomina conjunto solución de la ecuación
al formado por todas las soluciones de la misma.
Diremos que dos ecuaciones son equivalentes cuando tienen el mismo conjunto solución. Es fácil observar
que si se multiplican los dos miembros de una ecuación por un número distinto de cero, la ecuación resultante
es equivalente a la primera.
3.2. Sistemas de ecuaciones lineales

Un sistema de m ecuaciones lineales con n incógnitas toma la forma
 a11x 1 + a12x 2 + a13x 3 +  + a1n x n = b1


 a21x 1 + a22x 2 + a23x 3 +  + a2n x n = b2

 …
 am 1x 1 + am 2x 2 + am 3x 3 +  + amn x n = bm

Un sistema es homogéneo cuando todas las ecuaciones que lo componen lo son, es decir, cuando todos
los valores bi =0, con 1£i£m.
Los valores x1, x2, x3, …, xn consituyen una solución del sistema si son una solución de todas y cada
una de las ecuaciones que lo forman.
Se denomina conjunto solución del sistema al formado por todas las soluciones. Cuando el sistema
no tiene solución recibe el nombre de sistema incompatible. Si la solución es única se denomina compatible
determinado, y si tiene más de una (infinitas soluciones) se denomina compatible indeterminado.
CJS v2008 11
Todos los sistemas homogéneos son siempre compatibles, ya que seguro admiten la solución trivial
xi =0, con 1£i£n.
3.3. Sistemas equivalentes

Diremos que dos sistemas son equivalentes cuando admiten las mismas soluciones, esto es, cuando su
conjunto solución es el mismo.
No es necesario que dos sistemas tengan el mismo número de ecuaciones para ser equivalentes. Así, los
sistemas
 3x − 2y = 9
3x − 2y = 9 
  x + y = 3
2x + 2y = 6
  4x − y = 12

tienen la misma solución, x =3, y =0, y por tanto son equivalentes
12 CJS v2008
4. Resolución de sistemas. Matriz inversa

4.1. Resolución de sistemas por el método de Gauss
Consideremos el siguiente sistema de ecuaciones lineales:
 x + 5y − 3z = 7

 2x − y + z = 11
 4x + 3y − 4z = 3

Aplicaremos el conocido método de reducción –de forma sistemática– para intentar convertirlo en un
sistema escalonado, de tal forma que su resolución sea sencilla mediante sustitución inversa. Los distintos
estados por los que pasa el sistema, así como las operaciones que se van realizando, son los siguientes:
1 x + 5y − 3z = 7  1 →1 x + 5y − 3z = 7 
 2 →2 −2 ⋅1
2 2x − y + z = 11 
3→3 −4 ⋅1 
→ − 11y + 7z = −3  →
3 4x + 3y − 4z = 3  − 17y + 8z = −25 
 
1 →1
x + 5y − 3z = 7  1 →1 x + 5y − 3z = 7 
2→17 ⋅2
3→−11⋅3  2 →2/17
3 →3 + 2 

→ −187y +119z = −51  → − 11y + 7z = −3 
−187y − 88z = 275  31z = 224 
 
Llegados a este punto, la solución se puede calcular fácilmente:
 224
 z =
x + 5y − 3z = 7   31
  7z + 3
− 11y + 7z = −3  ⇒ y =
11
31z = 224  
x = 7 − 5y + 3z
 

El procedimiento seguido se conoce como método de Gauss. Obsérvese que, en todo el proceso, las
ecuaciones y las incógnitas se han mantenido en su lugar. Sólo se han modificado los coeficientes de las incógnitas
y los términos independientes. Por tanto, resultará mucho más comodo realizar todas estas operaciones con el
sistema expresado en forma matricial.
Debemos centrar ahora nuestra atención en cuáles son las operaciones permitidas para convertir nuestro
sistema original en uno de forma escalonada, o dicho de otra forma, cuáles son las transformaciones válidas
para convertir una matriz (la ampliada) en triangular superior.
Del mismo modo, también puede seguirse el mismo desarrollo para llegar a una matriz triangular inferior.
En este caso, la solución se hallará por sustitución directa, esto es, en primer lugar la incógnita x, luego la y, y
así sucesivamente.
CJS v2008 13
En todo caso, lo que se pretende es convertir el sistema en uno equivalente, es decir, que las operaciones
realizadas sobre las filas (o columnas) de la matriz no modifiquen las soluciones del sistema. Llamaremos
operaciones elementales a todas aquéllas que transformen el sistema en uno equivalente. Estas operaciones
elementales son:
⇨ Multiplicar una fila (una ecuación) por un número distinto de 0
⇨ Sumar a una fila otra multiplicada por un número distinto de 0
⇨ Intercambiar filas
⇨ Cambiar el orden de las columnas (incógnitas)
Una vez aplicadas alguna o todas de estas transformaciones (y tantas veces como sea necesario), la matriz
asociada al sistema adopta una de las formas siguientes:
➀ Hay tantas ecuaciones válidas como incógnitas. De forma escalonada, se va obteniendo un valor
numérico para cada incógnita. El sistema tiene solución única.
Es, por tanto, un sistema compatible y determinado.
➁ Hay menos ecuaciones válidas que incógnitas. Las incógnitas que están de más se pasan al segundo
miembro, con lo que las demás se darán en función de ellas.
El sistema es compatible indeterminado: tiene infinitas soluciones.
➂ Si aparece una fila de ceros, salvo el último (el término independiente), que es distinto de 0, quiere
decir que se ha llegado a una ecuación del tipo 0=K, lo cual es una igualdad imposible
El sistema es incompatible: no tiene solución.
Veamos unos ejemplos de aplicación de este método:
Ejemplo 1
Resolver el sistema
2x − 5y + 3z = 4  2 −5 3 4 
  
x − 2y + z = 3  ⇔  1 −2 1 3
5x + y + 7z = 11 5 1 7 11
  
 2 −5 3 4   1 −2 1 3   1 −2 1 3   1 −2 1 3
       
 1 −2 1 3 → 2 −5 3 4  → 0 −1 1 −2 → 0 −1 1 −2
5 1 7 11 5 1 7 11 0 11 2 −4  0 0 1 −2
       
14 CJS v2008
En este punto, es inmediato calcular el valor de las incógnitas:
 1 −2 1 3 z = −2
   z = −2
0 −1 1 −2 ⇒ y = z + 2  →y = 0
0 0 1 −2 x = 3 + 2y − z z = −2;y = 0
→x = 5
  
El sistema es compatible determinado: tiene solución única:
x y z  = 5 0 −2
   
Ejemplo 2
Resolver el sistema
2x − 5y + 3z = 4  2 −5 3 4 
  
x − 2y + z = 3  ⇔  1 −2 1 3
x − 3y + 2z = 1  1 −3 2 1
  
2 −5 3 4   1 −2 1 3  1 −2 1 3  1 −2 1 3
       
 1 −2 1 3 → 2 −5 3 4  → 0 −1 1 −2 → 0 −1 1 −2
 1 −3 2 1  1 −3 2 1 0 1 −1 2  0 0 0 0 
       
El sistema es compatible, pero indeterminado, como podemos comprobar al ver la última fila de ceros. Queda así:
 1 −2 1 3
   1 −2 1 3 x − 2y = 3 − z
0 −1 1 −2 → 0 −1 1 −2 ⇔  − y = −2 − z
0 0 0 0    
 
La solución se calcula en función de z , que se convierte en el parámetro l:
z = λ
x − 2y = 3 − z   z =λ
⇒ y = 2 + z → y = 2 + λ
− y = −2 − z  x = 3 − z + 2y 
 z = λ ;y = 2 + λ
→x = 7 + λ

El sistema tiene infinitas soluciones en función del parámetro l:
x y z  = 7 + λ 2 + λ λ  = 7 2 0  + λ 1 1 1
       
CJS v2008 15
Ejemplo 3
Resolver el sistema
2x − 5y + 3z = 4  2 −5 3 4 
  
x − 2y + z = 3  ⇔  1 −2 1 3
x − 3y + 2z = 2   1 −3 2 2
  
2 −5 3 4   1 −2 1 3  1 −2 1 3  1 −2 1 3
       
 1 −2 1 3 → 2 −5 3 4  → 0 −1 1 −2 → 0 −1 1 −2
 1 −3 2 2  1 −3 2 2 0 1 −1 1 0 0 0 −1
       
El sistema es incompatible determinado: no tiene solución.
La potencia del método de Gauss radica en que no sólo sirve para resolver sistemas de ecuaciones lineales
en los que todos los coeficientes vienen determinados, sino que también puede utilizarse para discutir el número
de soluciones que tiene un sistema cuando éste viene en función de distintos parámetros.
Ejemplo 4
Discutir y resolver el sistema en función de los valores del parámetro a:
x + y + αz = 1  1 1 α 1 
  
αx + (α − 1)y + z = α  ⇔  α α − 1 1 α 
x + y + z = α + 1 1 1 1 α + 1
  
1 1 α 1  1 1 α 1
   
α α − 1 1 α  → 0 −1 1 − α2 0
1 1 1 α + 1 0 0 1 − α α
   
Se observa claramente que si a=1 la última fila es [0 0 0 1]. El sistema es entonces incompatible, y no tiene
solución.
Por el contrario, si a¹1 la solución puede calcularse según
 α
z = 1 − α
x + y + αz = 1  α
  z=
− y + (1 − α )z = 0  ⇒ y = (1 − α2 )z 1
2 −α
 → y = α(1 − α)
(1 − α)z = α   z=
α
;y = α (1 + α ) α 3 − α 2 − 2α + 1
 x = 1 − y − αz 
1− α
→x =
 1−α
16 CJS v2008
El sistema es en este caso compatible determinado: la solución es única. Es especialmente importante notar que,
aunque haya una dependencia con el parámetro a, no hay infinitas soluciones, sino infinitos sistemas de ecuaciones.
Para cada uno de ellos (excepto para el caso a=1) la solución es única. Así, por ejemplo, para el valor a=0, la solución
es x =1; y =0; z =0.
4.2. Resolución de sistemas mediante la regla de Cramer

La regla de Cramer proporciona un método sencillo de resolución de sistemas de n ecuaciones con n
incógnitas que tengan solución única, es decir, sistemas cuya matriz de coeficientes sea invertible.
La forma general de un sistema de estas características es:
a11x 1 + a12x 2 +  + a1n x n = b1 


a21x 1 + a22x 2 +  + a2n x n = b2 
, con A ≠ 0
 
an 1x 1 + an 2x 2 +  + ann x n = bn 

Multiplicando ahora cada ecuación por el adjunto del elemento ak1 , y sumando todas las ecuaciones,
a11A11x 1 + a12A11x 2 +  + a1n A11x n = b1A11 

 n
 n
 n
a21A21x 1 + a22A21x 2 +  + a2n A21x n = b2A21 

⇒

∑ ∑
i =1
xi 

 k =1
aki Ak 1  =


∑b A
i =1
i i1
an 1An 1x 1 + an 2An 1x 2 +  + ann An 1x n = bn An 1 


Analicemos con un poco más de detalle esta última ecuación. El segundo sumatorio del primer miembro
representa, como sabemos, el determinante de la matriz A desarrollado por la columna 1, pero únicamente en
el caso i =1:
a1i a12  a1n
n
a22  a2n  A ,i = 1
∑
a
aki Ak 1 = 2i =
     0 ,i ≠ 1
k =1
ani an 2  ann
Teniendo en cuenta este hecho, y reescribiendo el segundo miembro de la ecuación en forma de

determinante, se obtiene finalmente la expresión de la regla de Cramer (para la incógnita x1):
b1 a12  a1n
b2 a22  a2n
   
bn an 2  ann
x1 =
A
CJS v2008 17
En general, se tiene
n
xi =
1
A ∑b A
k =1
k ki
; i = 1, 2, , n
4.3. Matriz inversa

Sea AÎ(n×n, ) una matriz cuadrada. Se dice que la matriz B es la matriz inversa de A si cumple
B = A−1 ⇔ A ⋅ B = B ⋅ A = I n . Nótese que si la matriz es rectangular no podemos definir su matriz inversa.
Es condición necesaria y suficiente para que una matriz tenga inversa que su determinante sea distinto
de cero. Equivalentemente, si el rango de una matriz coincide con su orden, entonces la matriz es invertible.
4.3.1. Cálculo de la matriz inversa
Asumiremos, sin pérdida de generalidad, que el orden de la matriz es 3; calcularemos entonces una matriz
BÎ(3×3, ) tal que
a11 a12 a13  b11 b12 b13  1 0 0 

     
A ⋅ B = I 3 ⇒ a21 a22 a23  b21 b222 b23  = 0 1 0 
a a a  b b b  0 0 1 
 31 32 33   31 32 33   
Esta ecuación matricial equivale a 3 sistemas de ecuaciones, con incógnitas los vectores bi , y matriz
ampliada
a11 a12 a13 1 0 0 

 
A i1 i2 i3 = a21 a22 a23 0 1 0 
a a a 0 0 1
 31 32 33 
Resolviendo mediante la regla de Cramer se obtiene:
1 a12 a13 a11 1 a13

0 a22 a23 a21 0 a23
0 a 32 a 33 A11 a 31 0 a 33 A12
b11 = = b21 = =
A A A A
a11 a12 1
a21 a22 0
a 31 a 32 0 A13
b31 = =
A A
18 CJS v2008
Operando de idéntica manera para los otros dos sistemas de ecuaciones , se obtiene la siguiente fórmula
para el cálculo de la matriz inversa:
1 T 1
A−1 = Adj(A) = Adj(AT )
A A  
T
donde Adj(A) y Adj(AT ) representan la traspuesta de la matriz de adjuntos y la matriz de adjuntos de
la traspuesta, respectivamente
4.3.2. Algoritmo de Gauss-Jordan
Existen otras alternativas para calcular la matriz inversa. Una de las más populares es el algoritmo
de Gauss-Jordan, que consiste en aplicar a la matriz identidad (del orden correspondiente) las mismas
transformaciones que habría que aplicar a la matriz original para transformarla en la matriz identidad.
Ejemplo
 0 0 0 1 1 0 0 0  1 0 0 0 0 1 0 0
   
 1 0 0 0 0 1 0 0
→
2 3 4 5 0 0 1 0
→
 2 3 4 5 0 0 1 0  −1 0 −1 0 0 0 0 1
   
 −1 0 −1 0 0 0 0 1
  0 0 0 1 1 0 0 0

1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0
   
0 3 4 5 0 −2 1 0 0 3 0 5 0 2 1 4
→ → →
0 0 −1 0 0 1 0 1 0 0 −1 0 0 1 0 1
   
 0 0 0 1 1 0 0 0
 0 0 0 1 1 0 0 0

1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 
   
0 3 0 0 −5 2 1 4 0 1 0 0 −5 / 3 2 / 3 1 / 3 4 / 3
→ →
0 0 −1 0 0 1 0 1  0 0 1 0 0 −1 0 −1 
   
0 0 0 1 1 0 0 0
 0 0 0 1 1 0 0 0 

Se propone como ejercicio calcular la matriz inversa aplicando la fórmula y comprobar que el resultado es el
mismo.
4.4. Resolución de sistemas utilizando la matriz inversa

Una vez calculada la matriz inversa, resulta inmediato resolver un sistema de ecuaciones teniendo en
cuenta su expresión matricial. En efecto, consideremos el sistema de ecuaciones lineales
CJS v2008 19
a11x + a12y + a13z = b1 


a21x + a22y + a23z = b2 
a 31x + a 32y + a 33z = b3 

que podemos representar de forma matricial como
a11 a12 a13  x  b1 

    
a21 a22 a23  y  = b2  ⇔ A⋅x =b
a a a   z  b 
 31 32 33     3 
Multiplicando (por la izquierda) ambos miembros de esta ecuación matricial por la matriz inversa de A
se obtiene A−1 ⋅ A ⋅ x = A −1 ⋅ b y entonces
x = A −1 ⋅ b
Es decir, podemos hallar el vector de soluciones del sistema sin más que multiplicar la matriz inversa
de la matriz de coeficientes y el vector de términos independientes. Nótese que este producto debe hacerse
necesariamente en este orden, puesto que el producto de matrices no es conmutativo.
4.5. Discusión de sistemas

4.5.1. Teorema de Rouché-Fröbenius
Sean AÎ(m×n, ), xÎ(n×1, ) y b Î(m×1, ), con m£n. El sistema A·x=b tiene solución
si y sólo si el rango de la matriz de coeficientes A coincide con el rango de la matriz ampliada A|b.
A ⋅ x = b tiene solución ⇔ rg(A) = rg(A b )
Demostración:
 a11 a12  a1n   x 1   b1 

     
a a22  a2n   x 2   b2 
A ⋅ x = b ⇒  21 = tiene solución ⇒
       
     
am 1 am 2  amn  x n  bm 
    
 a11   a12   a1n   b1 
       
⇒ ∃x i , i = 1, 2, n  a21  x +  a22  x +  +  a2n  x =  b2 
   1    2    n 
       
am 1  am 2  amn  bm 
El vector b es combinación lineal de los vectores columna de la matriz A, y por tanto el rango de la matriz
ampliada coincidirá con el rango de la matriz de coeficientes.
20 CJS v2008
La demostración en sentido contrario también es inmediata: si rg (A|b)=rg(A) entonces el vector b es

linealmente dependiente de los vectores columna de la matriz A, lo cual necesariamente implica la existencia
de unos coeficientes xi de la combinación lineal, solución del sistema A·x=b.■
4.5.2. Método de discusión de sistemas
Sean AÎ(m×n, ), xÎ(n×1, ) y b Î(m×1, ), con m£n.
➀ Escribir el sistema en forma matricial: A·x=b

➁ Determinar los rangos máximos de A y A|b : R = max {rg(A)}; S { }
= max rg(A b ) ; R ≤ S
 R = n; {
S = min m, n + 1 }
➂ Determinar el rango real de A en función del parámetro k : rg(A(k))
Sea kc / rg(A(kc ))=r<n [los valores que no hacen máximo el rango de A]
➃ Calcular rg(A(kc )|b)=s³r [el rango de A|b para los valores que no hacen máximo el rango de A]
a) Si r =s Þ S.C.I.,(n –r)
b) Si s>r Þ S.I.
c) Si rg(A(k))=n "k ¹kc Þ S.C.D.
Ejemplo
Discutir y resolver el siguiente sistema en función de los parámetros a y b:
ax + y + z = 1

x + ay + z = 0 
x + y − az = b 

El sistema se escribe en forma matricial según
a 1 1 x  1 
     
1 a 1 ⋅ y  = 0 
 1 1 −a   z  b 
     
El rango máximo de las matrices de coeficientes y ampliada es 3. Calculemos ahora cuáles son sus rangos reales:
a 1 0
 
A = 1 a 1 ⇒ A = −a 3 + 1
1 1 −a 
 
rg(A) = 3 ⇔ A ≠ 0 ⇒ rg(A) = 3 ⇔ a ≠ 1
CJS v2008 21
Para el valor a =1, se observa claramente que la matriz A tiene rango 2. Para este mismo valor de parámetro, la
matriz ampliada vale entonces
1 1 1 1
 
Ab = 1 1 1 0 
a =1
1 1 −1 b 
 
Para calcular el rango de esta matriz, lo único que debemos hacer es hallar los valores del parámetro b que anulan
el determinante de orden 3 formado por las columnas primera (o segunda), tercera y cuarta de la matriz ampliada. Es
de notar que cualquier otro determinante va a dar siempre un resultado nulo, por ser la primera y la segunda columnas
iguales. En este caso,
1 1 1
1 1 0 = −2 ≠ 0 ∀b
1 −1 b
Puesto que no hay valores de b que anulen el citado determinante, podemos concluir que la matriz ampliada
tiene rango 3 independientemente de b (suponiendo que a = 1).
En resumen,
➊ a =1
• rg(A)=2¹rg (A|b)=3 ⇒ Sistema incompatible
➋ a ¹1
• rg(A)=3=rg(A|b)=n ⇒ Sistema compatible determinado
Por último, deberemos hallar la solución del sistema en los casos en los que ello sea posible. En concreto, este
sistema tiene solución en un único caso, aquél en que a ¹1. Aplicando directamente la regla de Cramer, se obtiene la
solución
1 1 1 a 1 1
1 −a 2 + b − ab − 1 1 a + b − ab + 1
x = 0 a 1 = y= 1 0 1 =
A 1 − a3 A 1 − a3
b 1 −a 1 b −a
a 1 1
1 a 2b − a − b + 1
z = 1 a 0 =
A 1 − a3
1 1 b
22 CJS v2008
5. Problemas resueltos
Problema 1
Calcular el determinante de la matriz
1 3 0 1
 
0 5 0 1
A=
2 1 4 2
 
 4 2 3 1

Realizaremos el cálculo del determinante de la matriz A mediante el desarrollo por la segunda fila, que
resulta más conveniente por tener dos entradas nulas. Así,
1 3 0 1
1 0 1 1 3 0
0 5 0 1
A = = 5 2 4 2 + 1 2 1 4 = 5 ⋅ (−12) + 25 = −35
2 1 4 2
4 3 1 4 2 3
4 2 3 1
CJS v2008 23
Problema 2
Dado el sistema A ⋅ x = b , con
0 4 2 2
   
A = 1 0 1  ; b = 0 
1 1 1   3
   
1. Calcular el determinante de A por el método de Gauss y por la regla de Sarrus.
2. ¿Existe la matriz inversa de A ? Si es así, calcularla de dos formas distintas
3. Resolver el sistema por el método de Gauss y utilizando la regla de Cramer
4. Comprobar que x = A−1 ⋅ b
Dada la matriz A, su determinante utilizando la regla de Sarrus se calcula como
0 4 2
A = 1 0 1 =0+2+4−0−0−4 =2
1 1 1
Utilizando el método de Gauss (“haciendo ceros”) se obtiene de la siguiente forma:
0 4 2 1 0 1 1 0 1 1 1 1
A = 1 0 1 =−0 4 2 = 1 1 1 =−1 0 1 =
1 1 1 1 1 1 0 4 2 0 4 2
1 1 1 1 1 1
= − 0 1 0 = − 0 1 0 = −(−2) = 2
0 4 2 0 0 −2
Acabamos de calcular el determinante de la matriz, y hemos obtenido un resultado no nulo, lo cual

constituye una condición necesaria y suficiente para que la matriz sea inversible. Esa matriz inversa podrá
calcularse utilizando el algoritmo de Gauss-Jordan o bien utilizando la fórmula que expresa la matriz inversa
en términos de la matriz de adjuntos (o cofactores) traspuesta. Veamos cada uno de estos dos métodos en
detalle.
El algoritmo de Gauss-Jordan propone que si sobre la matriz identidad (en este caso de orden 3) se realizan
las mismas operaciones que efectuaríamos sobre la matriz original para convertirla en la matriz identidad,
obtenemos esa matriz inversa buscada. En concreto,
CJS v2008 25
0 4 2 1 0 0 1 11 0 0 1 1 1 0 0 1
1
     
1 0 1 0 1 0 →  1 0
1 0 1 0 → 1 0 0 −1 1 →
0
1 1 1 0 0 1 0 42 1 0 0 4 2 1 0 0
0
     
1 1 1 0 1
0 2 2 −1 −4 6
0
   
→ 0 1 0 0 −1 1 → 0 1 00 −1 1 →
0 0 −2 −1 −4 4 0 0 −1 −4 4 
−2
   
 −2 0 0 1 2 −4  1 0 0 − 12 −1 2
   
→ 0 1 0 0 −1 1 → 0 1 0 0 −1 1
 0 0 −2 −1 −4 4 0 0 1 1
2 −2
   2 
Por tanto, el resultado buscado es
 − 1 −1 2
 2 
A −1 =  0 −1 1
 1 2 −2 
 2 
Utilicemos ahora el método directo que nos brinda la fórmula:
1 T 1
A−1 = Adj(A) = Adj(AT )
A A  
La traspuesta de la matriz de los adjuntos o cofactores resulta
 −1 −2 4 
T  
Adj(A) =  0 −2 2
 1 4 −4 
 
y puesto que el determinante de A vale 2, como hemos calculado anteriormente, llegamos al mismo resultado
que utilizando el algoritmo de Gauss-Jordan.
Resolvamos ahora el sistema (que debe ser compatible y determinado, puesto que el determinante de A
es no nulo) por el método de Gauss. El proceso es análogo al empleado durante el cálculo de la matriz inversa.
Partimos ahora de la matriz ampliada A|b :
 0 4 2 2  1 1 1 3  1 1 1 3  1 1 1 3
       
 1 0 1 0  →  1 0 1 0  → 0 1 0 3 → 0 1 0 3
 1 1 1 3  0 4 2 2 0 4 2 2 0 0 −2 10 
       
Una vez llegados a este punto, en el que hemos convertido la matriz A en triangular, se puede resolver
el sistema directamente, empezando por la incógnita z , y sustituyendo en orden inverso. Así, obtenemos la
terna
x y z  = 5 3 −5
   
26 CJS v2008
que es la solución del sistema.

La solución que proporciona la regla de Cramer se calcula según
2 4 2 0 2 2 0 4 2
0 0 1 1 0 1 1 0 0
3 1 1 10 1 3 1 6 1 1 3 −10
x = = = 5; y= = = 3; z = = = −5
A 2 A 2 A 2
que, como vemos, coincide con la dada anteriormente.

Por último, para acabar el problema, hagamos el producto matricial que se nos indica, y comprobemos
que, efectivamente, también es posible hallar la solución de un sistema una vez se ha calculado la matriz inversa
de la matriz de coeficientes.
En este caso,
 − 1 −1 2 2
 2   
A −1 =  0 −1 1 ; b = 0 
 1 2 −2 3
 2   
 − 1 −1 2  2   5
 2     
x =  0 −1 1 ⋅ 0  =  3
 1 2 −2  3  −5
 2     
CJS v2008 27
Problema 3
Discutir en función de los parámetros a y b, y resolver, el sistema siguiente:
y + 2z = 1

2x + ay + z = 0 
4x + y = b

El sistema escrito en forma matricial queda:
 0 1 2  x   1   0 1 2 1
       
 2 a 1  ⋅ y  = 0  ⇒ A b =  2 a 1 0 
 4 1 0   z  b  4 1 0 b 
       
El proceso de discusión del sistema es una aplicación directa del Teorema de Rouché-Fröbenius; nos
interesará, por consiguiente, calcular los rangos de las matrices A y A|b . El rango máximo de la matriz de
coeficientes es igual a 3, y su rango real será 2 ó 3 dependiendo del valor del parámetro a. Más concretamente,
el rango de A es como mínimo igual a 2, puesto que el determinante de la submatriz formada al eliminar la fila
y la columna en las que aparece el parámetro,
0 4
= −8 ≠ 0
2 0
Razonando de la misma forma, para la matriz total, averiguaremos qué valores de a hacen que el
determinante de orden 3 sea nulo, y, consecuentemente, que la matriz tenga rango 2.
0 1 2
2 a 1 = 0 + 4 + 4 − 8a − 0 − 0 = 8 − 8a = 8(1 − a )
4 1 0
Por tanto, si a =1, el determinante de orden 3 es nulo, y la matriz A tiene rango 2. En otro caso, la matriz
de coeficientes tiene rango 3, el máximo posible. El sistema es entonces compatible determinado, esto es, tiene
solución única, independientemente del valor del parámetro b, ya que el rango máximo de la matriz ampliada
es, asimismo, igual a 3.
El parámetro b es limitante tan sólo en el caso en que a =1, ya que podemos encontrar valores que hagan
que el rango de la matriz ampliada sea 3 mientras que el rango de la matriz de coeficientes sigue siendo 2. Así,
cuando a =1,
0 1 2 1
 
Ab = 2 1 1 0
a =1
4 1 0 b 
 
CJS v2008 29
En este caso, podemos formar los siguientes determinantes de orden 3 a partir de las distintas columnas
de la matriz ampliada:
0 1 2 1
 
A b = 2 1 1 0
4 1 0 b 
 
0 1 1
2 1 0 = 0 + 2 + 0 − 4 − 0 − 2b = −2 − 2b ≠ 0 ⇒ b ≠ −1
4 1 b
1 2 1
1 1 0 = b + 0 + 0 − 1 − 0 − 2b = −1 − b ≠ 0 ⇒ b ≠ −1
1 0 b
0 2 1
2 1 0 = 0 + 0 + 0 − 4 − 0 − 4b = −4 − 4b ≠ 0 ⇒ b ≠ −1
4 0 b
Es decir, si se cumple simultáneamente a =1, b ¹–1, estamos en condiciones de afirmar que el sistema es
incompatible, puesto que el rango de A es 2 mientras que el de A|b es 3. Por otra parte, si se cumple que a =1
y b =–1, el sistema será compatible indeterminado, con un grado de indeterminación que vendrá dado por la
diferencia entre el número de incógnitas del sistema y el rango de ambas matrices. En este caso, el grado de
indeterminación vale 1. A modo de resumen, presentamos la discusión del sistema:
• a ¹1 ⇒ rg(A)=rg(A|b)=3 ⇒ Sistema Compatible Determinado "b
• a =1⇒ rg(A)=2
• b = –1⇒ rg(A|b)=2 ⇒ Sistema Compatible Indeterminado
• b ¹ –1 ⇒ rg(A|b)¹rg(A) ⇒ Sistema Incompatible
Calculemos ahora la solución del sistema en los casos en los que ello sea posible:
➊ a ¹1 ⇒ rg(A)=rg(A|b)=3 ⇒ Sistema Compatible Determinado "b
1 1 2
0 a 1
b 1 0 b − 2ab − 1 b(1 − 2a ) − 1
x = = =
A 8 − 8a 8(1 − a )
30 CJS v2008
0 1 2
2 0 1
4 b 0 4b + 4 4(b + 1) b +1
y= = = =
A 8 − 8a 8(1 − a ) 2(1 − a )
0 1 1
2 a 0
4 1 b 2 − 4a − 2b 2(1 − 2a − b ) 1 − 2a − b
z = = = =
A 8 − 8a 8(1 − a ) 4(1 − a )
➋ b = –1⇒ rg(A|b)=2 ⇒ Sistema Compatible Indeterminado,1
Tomando las dos primeras ecuaciones, que nos proporcionan rango dos (equivalentemente, podemos
afirmar que la tercera fila es combinación lineal de las dos primeras), y haciendo la asignación z =λ (esta
asignación es arbitraria), obtenemos el siguiente sistema 2×2, necesariamente compatible determinado, puesto
que hemos asegurado que las dos ecuaciones (filas) son linealmente independientes:
0 1 x  1 − 2λ 
 ⋅  =  
 2 1 y   −λ 
Resolviendo directamente,
y = 1 − 2λ
1 1
x = (−λ − 1 + 4λ) = (3λ − 1)
2 2
En resumen, la solución total queda
 
x y z  =  1 (3λ − 1) 1 − 2λ λ 
 
2 
CJS v2008 31
Problema 4
Hallar el valor de a que hace que el conjunto ℬ ={(0,0,1), (2,1,1), (0,a,4)} sea una base de 3. Expresar
el vector (1,0,2) como combinación lineal de los vectores de ℬ.
Para que el conjunto ℬ ={(0,0,1), (2,1,1), (0,a,4)} sea una base de 3 será necesario y suficiente exigir
que los tres vectores sean linealmente independientes. Veamos a qué equivale esta condición en términos
matriciales.
Para estudiar si los vectores del conjunto son linealmente dependientes o independientes igualaremos una
combinación lineal de los mismos al vector nulo. Si los coeficientes de la combinación lineal son todos nulos,
habremos llegado a la conclusión de que los vectores son linealmente independientes. En caso contrario, si
alguno de los coeficientes de la combinación lineal es no nulo, habremos conseguido escribir ese vector como
combinación lineal de los demás, y por tanto el conjunto de vectores será linealmente dependiente. En el caso
que nos ocupa, deberemos plantear la siguiente igualdad:
0 0 0  = α 0 0 1 + β 2 1 1 + γ 0 a 4
       
Podemos escribir esta ecuación de forma matricial, según
0 2 0   α 0 
     
0 1 a  ⋅  β  = 0  ,
1 1 4   γ   0 
     
donde vemos que se obtiene un sistema homogéneo (con el vector de términos independientes igual a cero)
cuya matriz de coeficientes tiene por columnas a los vectores del conjunto ℬ.
Como sabemos, todo sistema homogéneo es compatible, ya que la matriz ampliada se diferencia de la
de los coeficientes en una columna de ceros, lo cual no puede ampliar el rango. Por tanto, si el rango de A es el
máximo, 3, el sistema tendrá solución única, y esa solución será la trivial x =0, y =0, z =0. Para que el sistema
tenga soluciones distintas de la trivial el rango de la matriz de coeficientes debe ser menor que 3. Dicho de otro
modo, para que las columnas de la matriz sean linealmente independientes deberemos exigir que el determinante
de A sea distinto de 0. Así,
0 2 0
0 1 a = 2a ≠ 0 ⇒ a ≠ 0
1 1 4
En definitiva, el conjunto ℬ será una base de 3 para cualquier valor de a distinto de 0.
CJS v2008 33
Por lo que respecta a calcular los coeficientes de la combinación lineal de los vectores de ℬ que
proporcionan un vector determinado, el problema es muy sencillo. No hay más que resolver el sistema
 0 2 0   α  1 
     
0 1 a  ⋅  β  = 0 
1 1 4   γ   2 
     
que será compatible determinado puesto que hemos exigido a ¹0, o lo que es lo mismo, rg(A)=3. Aplicando
la regla de Cramer, por ejemplo, obtenemos
 −1 
 α β γ  =  4 + 3a 1
2a 
  ,
 2a 2
solución del problema.
34 CJS v2008
Problema 5
Considerar los espacios vectoriales 2 y 3:
a) En 2, deducir la expresión matricial de la aplicación de giro a izquierdas (antihorario) de ángulo a,

es decir, obtener la matriz G(α) tal que
xG  x 
  = G (α) ⋅  
yG  y 
donde (xG , yG) representan las coordenadas del punto de 2 (x , y) una vez ha tenido lugar el giro
b) Demostrar que la aplicación g, con matriz G, es lineal:
g : 2 
→ 2
v 
→ g (v ) = G ⋅ v
Nota: una aplicación es lineal si cumple simultáneamente
f (λv) = λf (v) ; f (v 1 + v 2 ) = f (v 1 ) + f (v 2 )
o, equivalentemente, si cumple f (λv1 + µv 2 ) = λf (v1 ) + µf (v 2 ) para v1 y v2 elementos del espacio

vectorial y l y m escalares
c) Demostrar
G (α) ⋅ G (β) = G (α + β)
2
G (2α) = G (α)
d) Extender el resultado al espacio vectorial 3. En particular, calcular la matriz de giro de ángulo α y
eje de giro paralelo al eje y
 cos α − sen α 0 
 
Sugerencia: Suponer que la matriz G(α) =  sen α cos α 0  representa la matriz de la aplicación
 0 0 1
 
de giro a izquierdas de ángulo α y eje paralelo al eje z
e) Calcular la matriz de giro a derechas (horario) de ángulo α y eje z, H(α), correspondiente a la aplicación
lineal h(v)=H·v
f) ¿Cuál es la expresión de la función f1(v)=g ◦h (v)? ¿Y la de f2(v)=h ◦g (v)? Calcular F1(α) y F2(α),

las matrices de las aplicaciones f1(v) y f2(v)
CJS v2008 35
Nuestro objetivo es hallar una matriz G(α) que cumpla
xG  x 
  = G (α) ⋅  
yG  y 
es decir, calcular los cuatro valores gij , i, j =1,2, que proporcionan
xG = g11(α)x + g12 (α)y

yG = g 21(α)x + g 22 (α)y
Para ello, partiendo de la figura siguiente

y
podemos establecer las igualdades:
(xG , yG ) = (x , y ) = ρ
(xG,yG)
x = ρ cos β y = ρ sen β
r xG = ρ cos(α + β) yG = ρ sen(α + β)
Teniendo en cuenta las relaciones trigonométricas
a+b sen(φ ± ψ) = sen φ cos ψ ± cos φ sen ψ

(x,y) cos(φ ± ψ) = cos φ cos ψ  sen φ sen ψ
a
podemos escribir
b x ( )
xG = ρ cos α cos β − sen α sen β = x cos α − y sen α
yG = ρ ( sen α cos β + cos α sen β ) = x sen α + y cos α
que en forma matricial queda
xG   cos α − sen α x  x 

 =  ⋅   = G (α) ⋅  
yG   sen α cos α  y  y 
En definitiva,
 cos α − sen α 
G(α) =  
sen α cos α 
La aplicación g (v) está definida sobre el dominio 2, y toma valores en ese mismo conjunto. Vemos, por
tanto, que transforma puntos del plano en puntos del plano. Una función de esta forma, en la que el dominio y
el recorrido (el conjunto de las imágenes) coinciden, se denomina homomorfismo.
Comprobemos que g (v) es lineal:
g(λv1 + µv 2 ) = G ⋅ (λv1 + µv 2 ) = G ⋅ (λv1 ) + G ⋅ (µv 2 ) = λG ⋅ v1 + µG ⋅ v 2 = λg(v1 ) + µg(v 2 )
36 CJS v2008
La fórmula que permite calcular el giro de ángulo a+b a partir del giro de ángulo a y el giro de ángulo b
se demuestra con facilidad, utilizando el método de doble inclusión, que consiste en desarrollar cada miembro
de la igualdad para obtener el otro. Con algo más de rigor, lo que se pretende es probar que el subconjunto de
soluciones de un miembro está contenido en el subconjunto de soluciones del otro y viceversa. Si esto es así,
necesariamente ambos subconjuntos de soluciones han de ser el mismo, y por consiguiente es posible establecer
una relación de igualdad entre los dos miembros de la ecuación.
En nuestro caso,
 cos α − sen α   cos β − sen β 

G (α) ⋅ G (β) =    =
 sen α cos α  sen β cos β 
 cos α cos β − sen α sen β − cos α sen β − sen α cos β 
= =
sen α cos β + cos α sen β − sen α sen β + cos α cos β 
 cos(α + β) − sen(α + β)
=  = G (α + β)
sen(α + β) cos(α + β) 
 cos 2α − sen 2α  cos2 α − sen 2 α −2 sen α cos α 

G(2α) =  = =
sen 2α cos 2α   2 sen α cos α cos α − sen α
2 2
 cos α − sen α   cos α − sen α  2

=    = G (α) ⋅ G (α) = G (α)
sen α cos α  sen α cos α 
Nótese que la segunda igualdad es en caso particular de la primera cuando b=a, por lo que en realidad
no es necesaria su demostración.
Por otra parte, la demostración en sentido inverso es totalmente análoga a la realizada en sentido directo,
por lo que se omitirá.
La generalización del resultado obtenido al espacio 3 es casi inmediata. Es evidente que, tal y como se
ha calculado, la matriz G(α) representa un giro en 3 cuando éste se produce en el plano XY (o uno paralelo
a él), es decir, un giro con eje paralelo al eje z .
Es claro, asimismo, que la coordenada z del punto permanecerá inalterada tras el giro. En resumen, las
coordenadas del punto girado se calcularán como
(
xG = ρ cos α + β 

)  cos α − sen α 0 
 
( )
yG = ρ sen α + β  ⇒ G(α) = sen α cos α 0  ,
zG = z   0 0 1
 3×3  
que es el resultado que se nos propone como sugerencia.
Por tanto, el giro de eje paralelo al eje y (antihorario) vendrá representado por la matriz
CJS v2008 37
 cos α 0 − sen α 
 
Gy (α) =  0 1 0 
sen α 0 cos α 
 
Es decir, extender el resultado a 3 consiste en insertar una fila y una columna en la matriz correspondiente
de 2, calculada anteriormente; esta fila y columna estarán formadas por ceros excepto en la posición
correspondiente al eje de rotación, en la que tendremos un 1, que indica que esa coordenada permanece invariada
tras el giro, como corresponde a los puntos del eje de rotación. Nótese que este mecanismo sólo es válido cuando
el eje de rotación lleva una dirección paralela a la de uno de los ejes de coordenadas.
Podemos resolver el apartado e de varias formas, siendo las más sencilla de todas ellas sustituir en la
matriz propuesta α por –α. Atendiendo a las propiedades de paridad del coseno y de imparidad del seno [i. e.,
cos(–x) = cos(x), y sen(-x) = –sen(x)], la matriz H(α) quedará
 cos α sen α 0 
 
H(α) =  − sen α cos α 0 
 0 0 1
 
En cualquier caso, siempre es posible hacer un desarrollo análogo al del apartado a, a partir de la
figura:
y y haciendo uso de las expresiones
(xG
, yG ) = (x , y ) = ρ
(x,y) xG = ρ cos β yG = ρ sen β
r
x = ρ cos(α + β) y = ρ sen(α + β)
a+b Finalmente, para acabar el problema, razonemos

(xG,yG) de forma intuitiva. Las funciones –compuestas–
a
f1(v)=g ◦h (v) y f2(v)=h ◦g (v) representan la aplicación
de un giro de ángulo α a derechas y de otro a izquierdas
b x de la misma magnitud, en el caso de f1(v), y de un giro de
ángulo α a izquierdas y de otro a derechas de la misma
magnitud, en el caso de f2(v). En cualquiera de los dos casos, el desplazamiento total del punto original será
nulo. Es decir, las funciones f1(v) y f2(v) son en realidad la misma función, la función identidad f (v)=v. En
efecto:
f1(v) = g  h  (v) = g h(v) = G(α)h(v) = G(α)H (α)v
38 CJS v2008
Sustituyendo las matrices G(α) y H(α) por su valor, y realizando el producto,
 cos α − sen α 0   cos α sen α 0  1 0 0 

     
F1(α) = G(α)H (α) = sen α cos α 0   − sen α cos α 0  = 0 1 0  = I 3
 0 0 1  0 0 1  0 0 1 
     
Es decir,
1 0 0 
 
f1(v) = v ; F1(α) = 0 1 0  = I 3
0 0 1 
 
(como por otra parte ya sabíamos, ya que H(α)=G(–α), y G(α)·G(b)=G(α+b), por el apartado c)
De la misma forma,
f2 (v) = h  g  (v) = h g(v) = H (α)g(v) = H (α)G (α)v

 cos α sen α 0   cos α − sen α 0  1 0 0 
    
F2 (α) = H (α)G(α)) =  − sen α cos α 0  sen α cos α 0  = 0 1 0  = I 3
 0 0 1  0 0 1  0 0 1 
    
y se tiene entonces
1 0 0 
 
f2 (v ) = v ; F2 (α) = 0 1 0  = I 3
0 0 1 
 
Otra forma de resolver el apartado e sería, por tanto, calcular H(α) como la matriz inversa de G(α),
1 T
H (α) = G −1(α) = Adj(G (α)) ,
G (α)
donde Adj(G(α)) representa la traspuesta de la matriz de los adjuntos o cofactores de G(α).
Merece la pena deternerse durante un momento en la forma que tienen las matrices G(α) y H(α): por una
parte, hemos dicho que una es la inversa de la otra; pero además, por simple inspección, nos damos cuenta de
que también se puede escribir una como la traspuesta de la otra. Este hecho nos permite definir una nueva clase
de matrices. Diremos que una matriz es ortogonal cuando su traspuesta coincida con su inversa. En concreto,
si AÎ(n×n, ), (necesariamente cuadrada)
AT ⋅ A = A ⋅ AT = I n
A ortogonal ⇔ 
AT = A −1

CJS v2008 39
Problema 6
Dado el sistema de ecuaciones lineales
 x − y + z = λ

 λx + 2y − z = 3λ
 2x + λy − 2z = 6

con λ parámetro real, se pide:
1) Determinar razonadamente para qué valores de λ es compatible determinado, compatible indeterminado

e incompatible
2) Hallar el conjunto de las soluciones del sistema para el caso compatible determinado
3) Hallar el conjunto de las soluciones del sistema para el caso compatible indeterminado
Aplicaremos el teorema de Rouché-Fröbenius para ofrecer una discusión del sistema. Calcularemos, por
tanto, los rangos de las matrices de coeficientes del sistema y ampliada, en función del parámetro.
 1 −1 1  1 −1 1 λ 
   
A = λ 2 −1 A b = λ 2 −1 3λ 
 2 λ −2  2 λ −2 6 
   
−1 1
Se aprecia que el rango mínimo de la matriz A es 2, ya que ≠ 0 . Se tiene entonces
2 −1
rg(A) = 3 ⇔ A ≠ 0
rg(A) = 2 ⇔ A = 0
El determinante de la matriz de coeficientes toma el valor
1 −1 1
λ 2 −1 = −4 + λ 2 + 2 − 4 + λ − 2λ = λ 2 − λ − 6
2 λ −2
ecuación de segundo grado con raíces λ1=3, λ2=–2
Calculemos ahora el rango de la matriz ampliada para los siguientes casos:
➀ λ¹3, λ¹–2
En este caso, la matriz de coeficientes tiene rango 3, que es el máximo posible
tanto para A como para A|b. Los rangos de la matriz de coeficientes y de la matriz
CJS v2008 41
ampliada coinciden, y el valor coincide con el número de incógnitas. El sistema es,

por tanto, compatible determinado.
➁ λ=3
 1 −1 1 3
 
Ab = 3 2 −1 9
λ =3
2 3 −2 6
 
En este caso, la matriz de coeficientes tiene rango 2, y la cuarta columna de la matriz

ampliada es proporcional a la primera, por lo que el rango de dicha matriz coincide
con el de la matriz de coeficientes. Su valor es inferior al número de incógnitas, por
lo que el sistema es compatible indeterminado, de grado de indeterminación 1.
➂ λ=–2
 1 −1 1 −2
 
Ab =  −2 2 −1 −6
λ = −2
 2 −2 −2 6 
 
El rango de la matriz de coeficientes es 2, y el rango de la matriz ampliada vale

3, ya que
−1 1 −2
2 −1 −6 = 30 ≠ 0
−2 −2 6
Los rangos no coinciden, por lo que el sistema es incompatible.
Resolvamos ahora el sistema en los casos en los que ello sea posible. Comenzaremos por el caso en el
que el sistema es compatible determinado. Podremos por tanto aplicar el método de Cramer (por ejemplo) para
obtener la solución:
λ −1 1
3λ 2 −1
6 λ −2 −4λ + 3λ 2 + 6 − 12 + λ 2 − 6λ 4λ 2 − 10λ − 6 (λ − 3)(λ + 1 2) λ + 1 2
x = = = = =
(λ − 3)(λ + 2) (λ − 3)(λ + 2) (λ − 3)(λ + 2) (λ − 3)(λ + 2) λ+2
1 λ 1
λ 3λ −1
2 6 −2 −6λ + 6λ − 2λ − 6λ + 6 + 2λ 2 2λ 2 − 8λ + 6 (λ − 3)(λ − 1) λ − 1
y= = = = =
(λ − 3)(λ + 2) (λ − 3)(λ + 2) (λ − 3)(λ + 2) (λ − 3)(λ + 2) λ − 2
42 CJS v2008
1 −1 λ
λ 2 3λ
2 λ 6 12 + λ 3 − 6λ − 4λ − 3λ 2 + 6λ λ 3 − 3λ 2 − 4λ + 12 (λ − 3) (λ + 2)(λ − 2)
z = = = = =λ−2
(λ − 3)(λ + 2) (λ − 3)(λ + 2) (λ − 3)(λ + 2) (λ − 3) (λ + 2)
En definitiva,
λ +1 2 λ −1
x = y= z =λ−2
λ+2 λ+2
Por último, resolvamos el sistema para el caso en que sea compatible indeterminado. La matriz ampliada se
reduce entonces a
 1 −1 1 3  x − y + z = 3
Ab =  ⇔
2 3 −2 6  2x + 3y − 2z = 6
Haciendo y =μ, y sumando y restando a la segunda ecuación el doble de la primera,
2x + 2z = 6 + 2µ 4x = 12 − µ
 ⇒
2x − 2z = 6 − 3µ 4z = 5µ
Es decir,
x   3   −1 4 
     
y  = 0  + µ  1 
z  0  5 4
     
En resumen,
➀ λ¹3, λ¹–2: Sistema Compatible Determinado

λ + 1 2 λ −1 
x y z  =  λ − 2
   λ+2 λ+2 

➁ λ=3: Sistema Compatible Indeterminado, de grado de indeterminación 1

 
x y z  =  3 0 0  + µ  − 1 1 5 
   
 4 4
➂ λ=–2: Sistema Incompatible
CJS v2008 43
Problema 7
Determinar el valor real de x para el que se cumple la siguiente propiedad: el determinante de la matriz
2B es 160, siendo
 x 3 1
 
B = x + 1 4 2
 x 2 − x 2 1
 
La ecuación que se nos pide resolver es 2B = 160 . Ahora bien, es un hecho conocido que el determinante
de un escalar por una matriz (de orden n) se puede escribir como kA = k n A .
Por consiguiente, la ecuación inicial se convierte en
x 3 1 x 3 1
2 x +1
3
4 2 = 160 ⇔ x + 1 4 2 = 20
x 2 − x2 1 x 2 − x2 1
es decir,
4x + (x + 1)(2 − x 2 ) + 6x − 4x − 3(x + 1) − 2x (2 − x 2 ) = 20
(1 − x )(2 − x 2 ) + 3x − 3 = 20
x 3 − x 2 + x − 21 = 0
cuyas raíces son
x1 = 3 x 2, 3 ∈ 
y puesto que se nos pide el único valor real, podemos afirmar que la solución final es:
x =3
Como podemos comprobar, en estas condiciones,
3 3 1 6 6 2
 
B = 4 4 2 ⇒ 2B = 8 8 4 = 160
 3 −7 1 6 −14 2
 
CJS v2008 45
Problema 8
Calcular los valores x1, x2, x3, x4, y1, y2, y3, y4 que satisfacen las siguientes ecuaciones:
2AX − 3AY = B 
 , donde
AX − AY = C 

 x x2   y1 y2   2 −5   −18 0   −17 −30 

X = 1  ,Y =  ,A =  ,B =   ,C =  
x3 x4   y3 y4   −1 3   11 1   10 18 
         
Aplicando el método de reducción al sistema propuesto, podemos eliminar la incógnita X:
2AX - 3AY = B ïüï

ý Þ AY = 2C - B
2AX - 2AY = 2C ïï
þ
(
y entonces Y = A-1 × 2C - B . )
De la misma forma,
2AX - 3AY = B üïï

ý Þ AX = 3C - B
3AX - 3AY = 3C ïï
þ
X = A-1 × (3C - B )
Calculemos entonces la matriz inversa de A. Aplicando la fórmula
1 éAdj(A)ù
T
A-1 = êë úû
A
y teniendo en cuenta que
A = 2 × 3 - (-1) × (-5) = 1
é3 1ù
Adj(A) = êê ú
5 2 ú
êë úû
é 3 5ù
obtenemos finalmente A-1 = êê ú.
ê1 2úú
ë û
Por simple sustitución, podemos hallar los valores de X e Y pedidos:
Y = A-1 × (2C - B ) =
é3 5ù é é-34 -60ù é-18 0ù ù é3 5ù é-16 -60ù é-3 5ù
= êê ú × êê ú-ê úú = ê ú×ê ú=ê ú
ú ê ê ú ê ú ú ê ú ê
36ú ê 11 1 ú ú ê1 2ú ê 9 35ú ê 2 10úú
ú ê
êë1 2úû êë êë 20 û ë ûû ë û ë û ë û
CJS v2008 47
X = A-1 × (3C - B ) =
é3 5ù é é-51 -90ù é-18 0ù ù é3 5ù é-33 -90ù é-4 -5ù
= êê ú × êê ú-ê úú ê ú ê ú=ê ú
1 2 ú ê ê 30 54 ú ê 11 1ú ú = ê1 2ú × ê 19 53 ú ê 5 16ú
êë úû êë êë úû êë úû úû êë úû êë úû êë úû
En definitiva,
éx x ù é-4 -5ù éy y ù é-3 5ù

X = êê 1 2ú ê ú
ú = ê 5 16ú ; Y = êê 1 2 úú = êê ú
ú
x
êë 3 x 4 úû êë úû y y
êë 3 4 úû êë 2 10 úû
48 CJS v2008
Problema 9
x + αy + α2z = 1

El sistema de ecuaciones lineales x + αy + αz = α  depende del parámetro real α. Discutir
x + α2y + α2z = α2 

para qué valores de α es incompatible, compatible determinado y compatible indeterminado, y resolverlo en
los casos compatibles
Aplicaremos el teorema de Roché-Fröbenius para la discusión del sistema. Con tal fin, lo primero que
hemos de hacer es escribir el sistema en forma matricial, y calcular los rangos de la matriz de coeficientes y
de la matriz ampliada:
1 α α 2  x   1 
     
1 α α  ⋅ y  =  α  ⇔ A ⋅ X = b
1 α2 α2   z   α2 
   
El rango de la matriz de coeficientes será el máximo posible (3) si la matriz tiene inversa, es decir, si su
determinante es distinto de cero: rg(A) = 3 ⇔ A ≠ 0 . El determinante de A puede calcularse mediante la
regla de Sarrus,
1 α α2
1 α α = α 3 + α 4 + α 2 − α 3 − α 3 − α 3 = α 4 − 2α 3 + α 2 =
1 α2 α2
( ) ( )
2
= α 2 α 2 − 2α + 1 = α 2 α − 1
Podemos apreciar claramente que este determinante se anula para los valores α=0 y α=1. Son precisamente
estos valores los que nos sirven como criterio de discusión:
⇨ Caso 1: α=0
⇨ Caso 2: α=1
⇨ Caso 3: α¹0 y α¹1
En los casos 1 y 2 el rango de la matriz A es menor que 3, por lo que el sistema NO podrá ser compatible
determinado. En cambio, en el caso 3 la matriz de coeficientes tiene rango 3, y necesariamente coincide con el
rango de la matriz ampliada, lo que implica que el sistema ES compatible determinado, esto es, tiene solución
única.
Analicemos con detalle lo que ocurre en cada uno de estos casos:
CJS v2008 49
⇨ Caso 1: α=0
1 0 0 1 
 
A |b = 1 0 0 0 
α= 0
1 0 0 0 
 
Como puede verse, la matriz de coeficientes tiene rango 1 (tiene las tres filas iguales), mientras que la
1 1
matriz ampliada tiene rango 2, ya que ≠ 0 . Como los rangos de las matrices de coeficientes y ampliada
1 0
son diferentes, el sistema es incompatible, esto es, no tiene solución.
⇨ Caso 2: α=1
1 1 1 1
 
A |b = 1 1 1 1
α=1
1 1 1 1
 
En este caso, es evidente que tanto la matriz de coeficientes como la matriz ampliada tienen rango 1, lo que
hace al sistema compatible indeterminado, es decir, con infinitas soluciones. Como el número de incógnitas
es 3 y el rango de A es 1, podemos concluir que el grado de indeterminación es 2.
⇨ Caso 3: α¹0 y α¹1
Como hemos comentado anteriormente, los rangos de A y A|b son iguales y coinciden con el número de
incógnitas. El sistema es, por consiguiente, compatible determinado, con una única solución.
Una vez finalizada la discusión del sistema, pasemos a resolverlo en los casos en los que sea posible:
⇨ Caso 2: α=1  S.C.I.,2

Teniendo en cuenta que el grado de indeterminación indica el número de parámetros que hemos de asignar
a incógnitas, asi como el número de ecuaciones linealmente dependientes que debemos eliminar, asignaremos
a las incógnitas y y z los parámetros λ y μ, y eliminaremos las dos últimas ecuaciones (que son evidentemente
linealmente dependientes).
El sistema se reduce entonces a
x +y +z =1

y = λ ⇒ x = 1 − λ − µ
z = µ

cuya solución podemos expresar
x y z  = 1 0 0  + λ  −1 1 0  + µ  −1 0 1
       
50 CJS v2008
⇨ Caso 3: α¹0 y α¹1  S.C.D

Puesto que en este caso la matriz de coeficientes es invertible, podemos emplear la regla de Cramer para
hallar la solución del sistema:
1 α α2
α α α
α2 α2 α2
x = =0
( )
2
α α −1
2
1 1 α2
1 α α
y=
1 α2 α2
=
α 3 + α 4 + α − α 3 − α 3 − α2
=
(
α α 3 − α2 − α + 1 )
( ) ( ) ( )
2 2 2
α2 α − 1 α2 α − 1 α2 α − 1
Factorizando el polinomio del numerador utilizando la regla de Ruffini,
1 -1 -1 1
1 1 0 -1
1 0 -1 0
( ) ( α + 1)
2
1 1 1 α 3 − α2 − α + 1 = α − 1
1 1 0
-1 -1
1 0
( α − 1) ( α + 1) α + 1
2
se tiene y = =
α
α ( α − 1)
2
1 α 1
1 α α
1 α2 α2 (
− α α 2 − 2α + 1 ) −1
z = = =
( ) ( ) α
2 2
α2 α − 1 α2 α − 1
En resumen,
⇨ Caso 1: α=0  S.I.
⇨ Caso 2: α=1  S.C.I.,2  x y z  = 1 0 0  + λ  −1 1 0  + µ  −1 0 1

1
⇨ Caso 3: α¹0 y α¹1  S.C.D.  x y z  = 0 α + 1 −1
α
CJS v2008 51
Problema 10
x + 2y − 3z = α 

Dado el sistema de ecuaciones con incógnitas x, y, z, 2x + 6y − 11z = 2  se pide:
x − 2y + 7z = 1

a) Determinar razonadamente el valor de α para el cual el sistema es compatible
b) Para ese valor obtenido en a) de α, calcular el conjunto de soluciones del sistema
c) Explicar la posición relativa de los tres planos definidos por cada una de las tres ecuaciones del
sistema, en función de los valores de α
El teorema de Rouché-Fröbenius nos permite afirmar que el sistema será compatible si los rangos de las
matrices de coeficientes y ampliada coinciden. Así pues, calcularemos en primer lugar el rango de la matriz de
coeficientes, que no depende del parámetro α. Es evidente que dicho rango será como mínimo igual a 2, puesto
1 2
que el determinante = 2 es distinto de cero. Calculemos ahora el determinante de A:
2 6
1 2 −3
2 6 −11 = 0
1 −2 7
Se comprueba entonces que el rango de la matriz de coeficientes es igual a 2. Como dicho rango es
menor que el número de incógnitas, el mismo teorema nos asegura que el sistema será, en todo caso, compatible
indeterminado de grado 1.
Por otra parte, el rango de la matriz ampliada A|b será 2 si cualquiera de sus determinantes de orden 3
es nulo. En concreto,
1 2 α 1 −3 α 2 −3 α
2 6 2 = 2 −11 2 = 6 −11 2 = 0
1 −2 1 1 7 1 −2 7 1
Cualquiera de dichos determinantes proporciona el valor de α buscado,
α=1
Calculemos ahora el conjunto de soluciones del sistema para dicho valor de parámetro. Como hemos
comentado anteriormente, el sistema es compatible indeterminado de grado 1, por lo que una de las ecuaciones
es combinación lineal de las otras dos y por tanto redundante. Si bien podemos prescindir de una cualquiera
de las ecuaciones, eliminaremos la segunda ecuación por comodidad. Además, el hecho de que el grado de
CJS v2008 53
indeterminación sea 1 nos obliga a considerar como parámetro una de las tres incógnitas. Sustituyendo entonces
z por λ, y teniendo en cuenta que hemos eliminado la segunda ecuación, el sistema puede reescribirse
x + 2y = 1 + 3λ 

x − 2y = 1 − 7λ 

Este sistema es, evidentemente, compatible determinado, ya que el rango de la matriz de coeficientes
coincide con el de la matriz ampliada y con el número de incógnitas. Para resolverlo, emplearemos el método
de reducción, que es el más apropiado en este caso. Sumando y restando las ecuaciones obtenemos
2x = 2 − 4λ  x = 1 − 2λ 

⇒ 5 
4y = 10λ  y= λ
 2 
La solución del sistema propuesto para α=1 es entonces
 
x y z  = 1 0 0  + λ  −2 5 1
    2 

que, como puede verse, es la ecuación de una recta.
Analicemos ahora el sistema desde el punto de vista geométrico. Cada una de las ecuaciones representa
un plano, y sabemos que el sistema es compatible indeterminado de grado 1 cuando α=1. Hemos calculado,
además, la solución en este supuesto, y podemos afirmar que los tres planos se cortan en una recta.
Ahora bien, cuando α¹1 el rango de la matriz ampliada aumenta a 3, mientras que el de la matriz de
coeficientes sigue siendo igual a 2. El sistema es entonces incompatible, lo que indica que no hay ningún punto en
común entre los tres planos. Sin embargo, puesto que los subsistemas formados por dos ecuaciones cualesquiera
son compatibles indeterminados (de grado 1) podemos afirmar que los tres planos se cortan dos a dos.
En resumen,
⇨ Caso 1: α=1  S.C.I.,1  los tres planos se cortan en la recta

 
x y z  = 1 0 0  + λ  −2 5 1
    2 

⇨ Caso 2: α¹1  S.I.  los tres planos se cortan dos a dos
54 CJS v2008
Problema 11
 2 2 1  2 4 1
   
Dadas las matrices A =  −1 −1 −1 y T =  −1 −3 −1 , se pide:
 2 4 3  1 2 1
   
a) Probar que la matriz T tiene inversa, T –1, y calcular dicha matriz inversa T –1
b) Dada la ecuación con matriz incógnita B, A=T –1BT, calcular el determinante de B
c) Obtener los elementos de la matriz B considerada en el apartado b)
La condición necesaria y suficiente para que una matriz sea invertible es que su determinante sea distinto
de cero. Calculemos entonces el determinante de la matriz T :
2 4 1
T = −1 −3 −1 = −1 ≠ 0
1 2 1
Por consiguiente, T es invertible.

1
Para calcular la matriz inversa utilizaremos la fórmula T −1 = Adj(T T ) , donde Adj(T T ) representa
T  
la matriz de adjuntos de la traspuesta de T.
 2 −1 1
 
T T =  4 −3 2
 1 −1 1
 
 −3 2 4 2 4 −3 
 − 
 −1 1 1 1 1 −1 
  −1 −2 −1
−1 1 2 1 2 −1   
Adj(T T ) =  − − = 0
 1 1
 −1 1 1 1 1 −1 
   1 0 −2
 −1 1 2 1 2 −1  
 −
−3 2 4 2 4 −3 
 
y entonces,
 1 2 1
−1  
T =  0 −1 −1
 −1 0 2
 
Calculemos ahora el determinante de B sabiendo que A=T –1BT:
A = T −1BT ⇒ B = TAT −1
B = TAT −1 = T A T −1
CJS v2008 55
y teniendo en cuenta el valor del determinante de A, así como el hecho de que el determinante de la matriz
inversa es el recíproco del determinante de la matriz sin invertir,
2 2 1
A = −1 −1 −1 = 2
2 4 3
1
T −1 = = −1
T
podemos concluir
B =2
El cálculo de la matriz B es inmediato sin más que realizar el doble producto
 1 2 1  2 2 1  2 4 1
   
B = TAT −1 =  0 −1 −1  −1 −1 −1  −1 −3 −1 =
 −1 0 2  2 4 3  1 2 1
   
 2 4 2  2 4 1
  
=  −1 −3 −2  −1 −3 −1
 2 6 5  1 2 1
  
lo que proporciona el resultado final
 2 0 0
 
B =  −1 1 0 
 3 0 1
 
56 CJS v2008
6. Problemas propuestos
Problema 1
Sean AÎ(3×4, ), BÎ(7×3, ), CÎ(3×3, ) y DÎ(1×7, ). Determinar la dimensión
de las matrices producto
1 C ·A 2 D ·B
3 B ·A 4 C ·B
Problema 2
Sean A y B dos matrices no cuadradas. ¿Es posible que A ·B=B ·A? Razonar la respuesta
Problema 3
Dadas las matrices
 4
 
5
A = 1 −1 3 5 ; B= 
   0
 
 −1
7 2
3 2 7 9  
   1 −1
C =  4 0 1 −2  ; D=
0 2
 0 3 1 1  
  2 −2
 
calcular
1 A ·B 2 B ·A 3 A ·C 4 C ·A

5 B ·C 6 C ·B 7 A ·D 8 C ·D
Problema 4
Se dice que una matriz A es idempotente cuando A2=A. Demostrar que la matriz M es idempotente,
siendo
 2 −2 −4 
 
M =  −1 3 4 
 1 −2 −3
 
CJS v2008 57
Problema 5
Decimos que una matriz A es ortogonal si cumple que A ⋅ AT = AT ⋅ A = I .
a) Demostrar que si una matriz es ortogonal entonces su inversa también lo es
b) Comprobar que la siguiente matriz, así como su inversa, son ortogonales
1 3 1 
B=  
2  −1 3
 
Problema 6
Calcular los siguientes determinantes
1 2 −1 1 1 1 2 1 0
1 4 3 5 2 1 0 1 3 4 3 −1
1 4 −3 1 1 1 −1 −1 1
3 −2 1 2 1 2 2 3 2 4 3
4 −4 3 −2 5 a 5 −2 6 −1 − 3 0
5 −4 3 2 0 a 0 1 −2
1 2 −1 2 1 1 1 1 1 −1 1 −1
4 5 0 2 1 a 1 1 3 0 1 0
7 3 3 −1 1 8 1 1 a 1
9 4 −1 3 −1
4 1 0 5 1 1 1 a 2 3 −1 3
1 1 1 2 −1 1 2 −2 2
10 2 1 −1 11 1 −1 1 12 −2 2 −2
4 3 1 3 −2 2 2 −2 2
3 2 7 5
2 1 3 2 1 3
−1 4 3 6
13 0 2 5 4 14 4 2 5 15 4 2 5
6 0 −2 6 3 −2
6 −3 2 5
58 CJS v2008
Problema 7
a b c
Sabiendo que d e f = K , Calcular los siguientes determinantes:
g h i
−g −h −i −g −h −i g −i −h
1 d e f 2 −a −b −c 3 a −c −b
a b c d e f −d f e
a b c a +b b c a +b b −a c
4 d e f 5 d +e e f 6 d +e e −d f
d e f g +h h i g +h h −g i
a − 3g b − 3h c − 3i a d g a d g
7 d +a e +b f +c 8 b e h 9 2b 2e 2h
g h i c f i c f i
Problema 8
Discutir y resolver los siguientes sistemas de ecuaciones en función del parámetro a:
3x − ay + 2z = a − 1 3x + 5y + az = 2 
 
1 2x − 5y + 3z = 1 2 5x + 3y + az = 2 
x + 3y + (1 − a )z = 1 ax + 5y + 3z = 2 
 
x − 2y − z = 6
 −8x − 2y + 4z = −4 
x + ay + 3z = 10  
3 5x − 6y

+ 3z = 38  4 x − 5y − 2z = −9 
4x + y − 2z = a 
ax + 2y + 4z = 4  

x + ay − z = 0  x + ay + z = 0 
 
5 12x − 3y − 2z = 0  6 x + y + z = 0
x − 2y + z = 0  x + y + az = 0 
 
CJS v2008 59
Problema 9
Discutir y resolver los siguientes sistemas de ecuaciones en función de los parámetros m y n :
x −2y +nz = 3  x + y + z = 2
 
1 5x +2y = 1 2 2x − my + nz = 4 
mx +2z = 2  x + z = 2
 
x − y − z = 0
 x + my + m 2z = 1 
3x + y + nz = 0 
3 mx + y + z =

0 4 x + my + mnz = m 
nx + my + m 2nz = m 2n 
x + my + z = 0 

Problema 10
Sean S y S’ dos sistemas de dos ecuaciones con dos incógnitas que difieren en los términos independientes.
Si S tiene infinitas soluciones, ¿qué soluciones puede tener S’? Razonar la respuesta
Problema 11
Un sistema S de dos ecuaciones con tres incógnitas es incompatible. Si se le añade una ecuación, ¿cómo
puede ser el nuevo sistema S’?
Problema 12
Sea S un sistema de ecuaciones lineales con tres incógnitas, que es compatible y cuya matriz asociada
tiene rango 2. Explicar cómo calcular el conjunto de soluciones de S, en cada uno de los casos siguientes:
a) Si S tiene tres ecuaciones
b) Si S tiene dos ecuaciones
Problema 13
Sean los sistemas S y S’ de ecuaciones lineales:
 x− y + (3 − a )z = 0  x + (1 + b )z = 0
S ≡  ; S' ≡ 
 2x + y − (3 + 2a )z = 0 (b − 1)x + y − b(b − 1)z = 0

Obtener los conjuntos de soluciones de ambos sistemas y calcular los valores de a y b que los hacen
sistemas equivalentes.
60 CJS v2008
Problema 14
Sea S un sistema de m ecuaciones lineales con n incógnitas, que es compatible determinado. Supongamos
que a S le quitamos una ecuación y obtenemos así un sistema S’ com m –1 ecuaciones y n incógnitas. Contestar
razonadamente:
a) ¿Puede ser S’ incompatible?
b) ¿Puede ocurrir que m<n?
c) Si m=n, ¿es S’ determinado o indeterminado?
d) Si m>n, ¿es S’ determinado o indeterminado?
Problema 15
Un sistema S, de tres ecuaciones lineales con tres incógnitas , tiene dos soluciones y sólo esas dos,que
son S1 ≡ x y z  = 3 4 7  ; S 2 ≡ x y z  = 2 −1 9 . ¿Es esto posible? ¿Existen más
       
soluciones? Si las hay, calcularlas
Problema 16
Explicar cómo pueden ser el sistema de ecuaciones S:
a) Si S tiene dos ecuaciones y tres incógnitas
a) Si S tiene dos ecuaciones y cuatro incógnitas
a) Si S tiene tres ecuaciones y dos incógnitas
a) Si S tiene una ecuación y tres incógnitas
Problema 17
a11x 1 + a12x 2 + a13x 3 = 0
Justificar que el sistema S ≡  tiene infinitas soluciones, y explicar cómo se
a x + a22x 2 + a23x 3 = 0
 21 1
obtendrían. Si sabemos que dicho sistema admite como soluciones las ternas x 1 x 2 x 3  = 3 2 4  y
   
a11 a12 a11 a13
x 1 x 2 x 3  = 2 3 0  , ¿cuánto valen los determinantes y ?
    a21 a22 a21 a23
CJS v2008 61
Contenido
1. Matrices 3
1.1. Definiciones previas
1.2. Operaciones con matrices
2. Determinantes 7
2.1. Propiedades de los determinantes
3. Sistemas de ecuaciones 11
3.1. Ecuación lineal
3.2. Sistemas de ecuaciones lineales
3.3. Sistemas equivalentes
4. Resolución de sistemas. Matriz inversa 13

4.1. Resolución de sistemas por el método de Gauss
4.2. Resolución de sistemas mediante la regla de Cramer
4.3. Matriz inversa
4.3.1. Cálculo de la matriz inversa
4.3.2. Algoritmo de Gauss-Jordan
4.4. Resolución de sistemas utilizando la matriz inversa
4.5. Discusión de sistemas
4.5.1. Teorema de Rouché-Fröbenius
4.5.2. Método de discusión de sistemas
5. Problemas resueltos 23
6. Problemas propuestos 57
CJS v2008 63
CJS v2008

Matricesv 2008

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Matricesv 2008

Transféré par

Droits d'auteur :

Formats disponibles

Álgebra matricial

Sean A, BÎ(m×n, ), y l, µÎ

• λ(A ± B ) = λA ± λB propiedad distributiva respecto al producto por un escalar

• (λ ± µ)A = λA ± µA propiedad distributiva respecto a la suma de escalares

• (λµ)A = λ(µA) propiedad asociativa respecto al producto de escalares

• I n ⋅ A = A ⋅ I m = A elemento neutro del producto de matrices

• Tipos de matrices según sus elementos:

Sea A Î(m×n, ) [A es una matriz de m filas y n columnas de números reales]

1) Matriz nula: aij=0 ∀i, j

2) Matriz triangular superior (inferior):

a11  a1n   a11  0 

aij =0, ∀i >j aij =0, ∀i <j

4) Matriz diagonal: aij =0, ∀i ≠j [suponiendo A Î(n×n, ) ]

5) Matriz unidad o identidad de orden n (In):

aij =0, ∀i ≠j ; aii =1

A, B ∈ (m × n, ) ⇒ A = B ⇔ aij = bij ∀i, j

• Matrices simétricas y antisimétricas

Una matriz (cuadrada) es simétrica si coincide con su traspuesta. (A=AT)

Una matriz (cuadrada) es antisimétrica si coincide con su traspuesta cambiada de signo.

podrá entonces escribirse:

Trasponiendo esta ecuación matricial, y aplicando simetría para S y antisimetría para A,

Finalmente, sumando y restando las ecuaciones obtenidas para B y su traspuesta obtenemos:

1.2. Operaciones con matrices

• Producto por un escalar

 c11 c12  c1p   a11 a12  a1n  b11 b12  b1p 

• El número de columnas de la primera matriz debe coincidir con el número de filas de la

• En general, el producto de matrices no es conmutativo. De hecho, es posible que exista el

producto A·B y que el producto B ·A no sea realizable.

• La traspuesta de un producto de matrices es igual al producto en orden inverso de las traspuestas

• n=3 [ Regla de Sarrus ]

a11 a12 a13

• Menor de una matriz

• Rango de una matriz: Orden del mayor menor no nulo.

• Desarrollo de un determinante por filas (o columnas):

A = a11a22a 33 + a12a23a 31 + a13a21a 32 − a11a23a 32 − a12a21a 33 − a13a22a 31 =

2.1. Propiedades de los determinantes

➀ El determinante de una matriz es igual al de su traspuesta: A = AT

➁ Si la matriz B se obtiene de A, intercambiando dos de sus filas (o columnas): B = − A

➂ Si una matriz A tiene dos filas o columnas iguales: A = 0

a11 a12  F2 → F2 − 3F1

Esta propiedad es consecuencia de las propiedades ➂, ➃ y ➆. En efecto,

➈ Si A y B son dos matrices cuadradas, el determinante de la matriz producto es igual al producto

3.2. Sistemas de ecuaciones lineales

 a11x 1 + a12x 2 + a13x 3 +  + a1n x n = b1

3.3. Sistemas equivalentes

tienen la misma solución, x =3, y =0, y por tanto son equivalentes

4. Resolución de sistemas. Matriz inversa

Llegados a este punto, la solución se puede calcular fácilmente:

⇨ Multiplicar una fila (una ecuación) por un número distinto de 0

⇨ Sumar a una fila otra multiplicada por un número distinto de 0

⇨ Cambiar el orden de las columnas (incógnitas)

Es, por tanto, un sistema compatible y determinado.

El sistema es compatible indeterminado: tiene infinitas soluciones.

El sistema es incompatible: no tiene solución.

Veamos unos ejemplos de aplicación de este método:

En este punto, es inmediato calcular el valor de las incógnitas:

El sistema es compatible determinado: tiene solución única:

La solución se calcula en función de z , que se convierte en el parámetro l:

El sistema tiene infinitas soluciones en función del parámetro l:

El sistema es incompatible determinado: no tiene solución.

Discutir y resolver el sistema en función de los valores del parámetro a:

Por el contrario, si a¹1 la solución puede calcularse según

es x =1; y =0; z =0.