You are on page 1of 37

Ingenier´ıa Civil.

Matem´aticas I. 2012-2013.
Departamento de Matem´ atica Aplicada II.
Escuela Superior de Ingenieros. Universidad de Sevilla.

Tema 3. Matrices, determinantes y sistemas de ecuacio-
nes lineales.
3.1.- Matrices. Operaciones y propiedades.

3.2.- Determinantes. Definici´
on y propiedades.

3.3.- Sistemas de ecuaciones lineales.
Definiciones y notaci´on matricial.
Reducci´on por filas y formas escalonadas.
Teorema de Rouch´e-Frobenius.
Regla de Cramer.

3.4.- Resoluci´
on de sistemas de ecuaciones lineales.
M´etodo de Gauss-Jordan.
C´alculo de la inversa de una matriz cuadrada.

3.5.- El conjunto soluci´
on de un sistema de ecuaciones lineales.
Combinaciones lineales.
Sistemas homog´eneos.
Sistemas completos.

3.6.- Transformaciones lineales. Matriz asociada.
Transformaci´on asociada a una matriz.
Ejemplos geom´etricos.

3.7.- Ejercicios.
Enunciados.
Soluciones.

En este tema vamos a considerar las operaciones con matrices y sus propiedades, los
determinantes y sus propiedades y los sistemas de ecuaciones lineales. Aunque casi siempre
hagamos referencia a matrices y coeficientes reales, todo es trasladable al caso de matrices y
coeficientes complejos. De hecho, tambi´en consideraremos algunos detalles referidos a matri-
ces complejas no reales. Cuando consideremos enunciados en los que de forma indistinta se
pueden tomar coefiecientes reales o complejos, usaremos K para denotar al conjunto num´eri-
co (K = R ´o C). Llamaremos escalares a los n´ umeros reales o complejos, sin especificar
ninguno en concreto.

Dado un n´ umero natural n denotaremos por Rn al conjunto de los vectores de n coorde-
nadas reales, por Cn al de los vectores de n coordenadas complejas y por Kn al de los vectores

56

3.1.- Matrices. Operaciones y propiedades. 57

de n coordenadas sin especificar si K es R ´o C. Salvo que se indique lo contrario, conside-
raremos y manipularemos los vectores de coordenadas como vectores-columna, indicando
un vector-fila como el transpuesto de un vector-columna. Sobre los vectores con un n´ umero
finito de coordenadas consideraremos las operaciones, usuales con dos y tres coordenadas,
de suma de vectores (suma coordenada a coordenada) y multiplicaci´on de un escalar por un
vector, adem´as de la multiplicaci´on matriz-vector.

Salvo en la u
´ ltima secci´on, en la que consideraremos algunos ejemplos geom´etricos en el
plano y el espacio (reales), no consideraremos en este tema el producto escalar de vectores
reales ni los conceptos asociados (norma, ortogonalidad,...).

La definici´on que consideraremos de determinante, de un orden gen´erico, ser´a una defi-
nici´on recursiva. Es decir, teniendo en cuenta la definici´on de determinante de orden 2 (y
orden 3) definiremos un determinante de orden n en funci´on de determinantes de orden n−1.
Consideraremos las propiedades teniendo en cuenta que para determinantes de orden 2 y 3
son conocidas.

Aunque nuestro punto de partida sea la manipulaci´on elemental de sistemas de ecua-
ciones lineales, con un n´
umero arbitrario de ecuaciones y de inc´ognitas, es prerrequisito
el conocimiento b´asico de sistemas de ecuaciones lineales en dimensi´on peque˜
na (sistemas
con pocas ecuaciones y pocas inc´ ognitas):

qu´e es y qu´e no es un sistema de ecuaciones lineales,

qu´e es y qu´e no es una soluci´on de un sistema de ecuaciones lineales,

la resoluci´on y discusi´on de un sistema de ecuaciones lineales con pocas inc´ognitas,

los conceptos asociados a dicha resoluci´on y discusi´on (compatibilidad e incompatibi-
lidad, n´
umero de soluciones, rango de una matriz, ...),

la expresi´on de las soluciones de un sistema compatible indeterminado,

las operaciones sobre las ecuaciones de un sistema que no afectan a las soluciones.

Adem´as, a la hora de interpretar geom´etricamente los conceptos y resultados asociados a
los sistemas de ecuaciones lineales, ser´a un instrumento fundamental la relaci´on que tienen
los sistemas de dos o tres ecuaciones y dos o tres inc´ognitas con la geometr´ıa anal´ıtica
y vectorial del plano y del espacio tridimensional (reales): vectores, combinaciones lineales,
rectas y planos dados por distintos tipos de ecuaciones (vectoriales, param´etricas, impl´ıcitas),
etc.

3.1.- Matrices. Operaciones y propiedades.
Definici´on. Una matriz A es un conjunto de n´ umeros ordenados en filas y columnas, de
forma que todas las filas tienen el mismo n´
umero de elementos y todas las columnas tienen

Matem´aticas I. 2012-2013

58 Tema 3.- Matrices, determinantes y sistemas de ecuaciones lineales.

el mismo n´
umero de elementos
⎡ ⎤
a11 a12 ··· a1j ··· a1n
⎢ a21 a22 ··· a2j ··· a2n ⎥
⎢ ⎥
⎢ .. .. .. ⎥
⎢ . . ··· . ⎥
A=⎢ ⎥.
⎢ ai1 ai2 · · · aij · · · ain ⎥
⎢ . .. .. ⎥
⎣ .. . ··· . ⎦
am1 am2 · · · amj · · · amn
Si tiene m filas y n columnas, decimos que la dimensi´ on de la matriz es m × n. El elemento
aij es el que est´a en la fila i-´esima y en la columna j-´esima. Si m = n decimos que la matriz
A es rectangular y si m = n decimos que es una matriz cuadrada.
Como ya hemos dicho, las operaciones matriciales pueden considerarse tanto sobre matri-
ces reales como sobre matrices complejas. Cuando se consideran matrices complejas hay que
tener cuidado con el uso de la letra i para indicar el ´ındice de las filas, puesto que tambi´en
indica la unidad imaginaria.

Operaciones con matrices.
• Suma de matrices. Dadas dos matrices A = [ahj ] y B = [bhj ] (reales o complejas) con
las mismas dimensiones m × n, la matriz suma A + B es la matriz C = [chj ] con
entradas chj = ahj + bhj .
• Producto de un n´ umero por una matriz. Dada una matriz A = [ahj ] (real o com-
pleja) y un escalar α (n´
umero) real o complejo, la matriz producto αA es la matriz
αA = [αahj ] .

• Producto de matrices. Dada una matriz A, m × n y una matriz B, n × p, la matriz
producto AB es la matriz C = [chj ] de dimensiones m × p con entradas

n
chj = ahk bkj .
k=1

En el caso de una matriz A cuadrada, las potencias Ar de exponente natural r = 1, 2, . . .
est´an definidas mediante A2 = AA, A3 = A2 A, · · ·
• Matriz Transpuesta. Dada una matriz A de dimensiones m × n, su matriz transpuesta
es la matriz, que denotaremos mediante AT , de dimensiones n × m, cuyo elemento
(h, j), h = 1, · · · , n; j = 1, · · · m es el elemento ajh de la matriz A,
Se dice que una matriz A es sim´ etrica si coincide con su transpuesta, AT = A (para
lo cual A tiene que ser cuadrada).
• Matriz Conjugada. Dada una matriz compleja A = [ahj ], su matriz conjugada A es la
matriz cuyos elementos son los conjugados de los elementos correspondientes de A, es
decir, est´a definida por A = [ahj ]. Una matriz A es real si y s´
olo si A = A.
• Matriz Transpuesta-conjugada. La matriz transpuesta-conjugada de una matriz com-
pleja A = [ahj ] es la matriz transpuesta de la matriz conjugada de A que se denota por

T
A∗ . Es decir, el elemento (h, j) de A∗ es ajh . Por tanto, A∗ = (AT ) = A y si A es
real A∗ = AT .

Matem´aticas I. Ingenier´ıa Civil

dadas dos matrices A y B puede suceder que AB = BA aunque ambos productos tengan sentido y los resultados sean matrices con las mismas dimensiones (cosa que sucede si A y B son matrices cuadradas del mismo orden). Dichas matrices son los m´ ultiplos de la matriz identidad.. . . n) a los vectores can´onicos de n coordenadas (la coordenada k es 1 y las restantes son 0). (A + B)(A − B) = A2 − B 2 y las f´ ormulas correspondientes para potencias de mayor exponente. Es decir. se verifica que (A + B)2 = A2 + B 2 + 2AB. (a) Obviamente el que dos matrices A y B sean iguales es equivalente a que sean iguales elemento a elemento. (3) La transpuesta-conjugada de un producto es el producto de las transpuestas-conjugadas en orden inverso. (1) Distributiva del producto respecto a la suma. Siempre que las dimensiones de A. Hay parejas de matrices que conmutan. (AB)∗ = B ∗ A∗ . (5) Si dos matrices (cuadradas del mismo orden) conmutan. Observaciones. cuadradas del mismo orden n > 1. (AB)T = B T AT . Busca dos matrices A y B. Tambi´en es equivalente a que sean iguales columna a columna. n). elemento nulo y elemento opuesto respecto a la suma. (2) La transpuesta de un producto es el producto de las transpuestas en orden inverso. j. .) aunque si citamos algunas a continuaci´on. (A − B)2 = A2 + B 2 − 2AB.. (4) El producto de matrices no es conmutativo.. . tales que AB = BA y de forma que ninguna de ellas sea un m´ ultiplo de la identidad. AB = BA. elemento unidad. para cualquier matriz A de orden n y para cualquier escalar α se verifica que (αI) A = A (αI) = αA.3. . . Matem´aticas I. ahj = bhj para todo h. es decir. 2. son v´alidas las expresiones usuales relativas a potencias de un binomio y desarrollo de productos. Por tanto. Entonces la columna k de la matriz A es el producto Aek y la de B es Bek .1. 59 No vamos a detallar aqu´ı cada una de las propiedades de las operaciones matriciales (Conmutatividad de la suma. Ejercicio.Matrices. A = B ⇐⇒ Aek = Bek (∀k = 1. No obstante: Hay matrices cuadradas que conmutan con cualquier otra del mismo orden. . (Algunas) Propiedades. . . 2012-2013 . Supongamos que se trata de matrices m × n y denotemos por ek (k = 1. Operaciones y propiedades. B y C permitan hacer las correspondientes operaciones suma y producto se verifica que A(B + C) = AB + AC y (B + C)A = BA + BC. Siendo I la matriz identidad de orden n.

Esto s´olo puede suceder para matrices no-cuadradas. Se dice que una matriz cuadrada A tiene inversa si existe una matriz X (cuadrada del mismo orden que A) tal que AX = I y XA = I. Puede suceder que para una cierta matriz A pueda obtenerse otra matriz X de forma que AX ´o XA sea “una” matriz identidad y sin embargo la matriz A no tenga inversa. entonces A−1 tiene inversa que es [A−1 ] = A. cada columna de AB es una suma de m´ ultiplos de las columnas de A. . la matriz producto AB tambi´en puede ser descrita por filas: cada fila de AB es una combinaci´on lineal de las filas de B. se denomina la inversa de A y se denota por A−1 . Halla dos matrices cuadradas A. Es decir. De forma similar. siendo ⎡ ⎤ . tenemos que ⎡ ⎤ ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ AB = A ⎢ b1 b2 . (b) En relaci´on con el producto de matrices. Si A es una matriz m×n. . nosotros no lo utilizaremos como sin´onimo de matriz no-singular. En este caso. (c) En contraposici´on al producto de n´ umeros el producto de dos matrices puede ser la matriz nula sin serlo ninguna de las dos. B de orden 2 tales que AB = BA = 0.Matrices. ⎣ ⎦ ⎣ ⎦ siendo cada columna Abk de la matriz producto una combinaci´on lineal de las de A. . Puesto que el t´ermino matriz regular tambi´en suele utilizarse para otro tipo de matrices que no estudiaremos. Ejercicio. Por ejemplo. los coeficientes de cada una de dichas combinaciones lineales vienen dados por la correspondiente fila de A. . . Abp ⎥ ⎥ ⎢ ⎥. AB = 0 =⇒ A = 0 o´ B = 0. Matriz inversa de una matriz cuadrada. Matriz inversa. incluso trat´andose de matrices cuadradas. bp ⎥ = ⎢ Ab1 Ab2 . Los coeficientes de cada una de dichas combinaciones lineales vienen dados por la correspondiente columna de B. dicha matriz X tiene que ser u ´ nica. notemos que cada columna de una matriz producto AB es una combinaci´ on lineal de las columnas de A. . determinantes y sistemas de ecuaciones lineales. . Observaci´ on..60 Tema 3. bp a los vectores- columna de B (vectores pertenecientes a Rn en el caso de que B sea una matriz real). Las matrices (cuadradas) que no tienen inversa suelen denominarse singulares y las que tienen inversa suelen denominarse no-singulares o regulares. B una matriz n×p y denotamos por b1 . Definici´on. −1 Si una matriz A tiene inversa A−1 . .

−1 1 −1 1 2 A= y X=⎣ 0 1 ⎦ 0 1 3 0 0 Matem´aticas I. Ingenier´ıa Civil .

α olo si alguna potencia natural Ar tiene inversa. suprimimos la fila r y la columna s. as´ı como sus propiedades. Notemos que si tenemos que un producto de matrices es la matriz nula. Sin embargo A no tiene inversa (no hay ninguna matriz Y que verifique que Y A = I (matriz identidad de orden 3). su transpuesta AT tiene inversa.Sean A y B matrices cuadradas n × n y sea α un n´ umero. (5) Aunque A y B tengan inversa. En dicho caso.2.. Definici´ on. 3. que reduce un determinante de orden n al c´alculo de n determinantes de orden n − 1. Para ello definimos el determinan- te de una matriz de forma recursiva: el determinante de una matriz 1 × 1 es la entrada de la matriz det (a) = a. se obtiene una matriz de orden n − 1 que denotamos por Ars . el determinante de una matriz 2 × 2 y de una matriz 3 × 3 tambi´en son conocidos por el alumno. (4) La matriz producto AB tiene inversa si y s´olo si A y B tienen inversa. la inversa del producto es igual al producto de las inversas en orden contrario. (AB)−1 = B −1 A−1 . Vamos a describir los determinantes por sus propiedades. Propiedades. tenemos las siguientes propiedades. (1) Un m´ olo si α = 0 y la matriz A tiene inversa. etc.. Ejercicio. (2) A tiene inversa si y s´ −1 −1 k cualquier potencia natural Ak tiene inversa y Ak = A . Definici´ on y propiedades.Determinantes. El determinante de una matriz cuadrada es un n´ umero que depende de las entradas de la matriz.. A pesar de lo complicada que pueda ser la definici´on. (3) La matriz A tiene inversa si. puede suceder que A + B no tenga inversa. y s´ T −1 −1 T A = A . Definici´on y propiedades. AB = 0. (recursiva) • Determinante de orden 2: . y una de las dos matrices (es cuadrada y) tiene inversa entonces la otra es nula. En lo que se refiere a la aritm´etica de las matrices no singulares. cuadrada de orden n. producto de matrices. 61 se verifica que AX = I (matriz identidad de orden 2). depen- dencia e independencia lineal (de las filas y de las columnas). En ultiplo αA de A tiene inversa si y s´ 1 dicho caso (αA)−1 = A−1 . tiene varias propiedades importantes en relaci´on con: operaciones fila y operaciones columna sobre la matriz.3. En dicho caso. Busca un ejemplo.2.Determinantes. Para dichos determinantes y para determinantes de orden superior utilizamos como definici´on el desarrollo por los elementos de una fila. En este caso. olo si. Si en una matriz A.

a21 a22 Matem´aticas I. 2012-2013 . a11 a12 det (A) = det = a11 a22 − a12 a21 .

det ⎢ . i=1 Propiedades. Como consecuencia. . 2. el determinante no cambia.. (Desarrollo por los elementos de la primera fila) det (A) = a11 det (A11 )−a12 det (A12 )+· · ·+(−1)1+j a1j det (A1j )+· · ·+(−1)1+n det (A1n ). ⎡ ⎤  a11 0 ··· 0 a11 0 · · · 0 ⎢ a22 · · · 0 ⎥ ⎢ a21 ⎥ det . .. Para cada i = 1.. . j=1 • Desarrollo por los elementos de una columna. Determinantes y operaciones-fila. (5) det (AT ) = det (A). Ingenier´ıa Civil . (1) Si en una matriz se intercambian dos filas (distintas) el determinante cambia de signo. Ejemplo. • Determinante de orden n = 3. = a11 det (B). . . Para cada j = 1. . 4. . determinantes y sistemas de ecuaciones lineales. Si A tiene inversa. en cada una de las propiedades anteriores podemos sustituir filas por columnas.. n se verifica  n det (A) = (−1)i+j aij det (Aij ). si tenemos por ejemplo una columna vj expresada como combinaci´on lineal de dos vectores vj = αvj + βvj . (Desarrollo por los elementos de una fila o columna) • Desarrollo por los elementos de una fila. . . (4) det (A) = 0 ⇐⇒ alguna de las columnas de A es combinaci´on lineal de las restantes ⇐⇒ alguna de las filas de A es combinaci´on lineal de las restantes. . . det (A) (7) La funci´on determinante es lineal en cada columna (y en cada fila)..62 Tema 3.Matrices. el determinante queda multipli- cado por dicho n´umero. . El determinante de una matriz triangular es igual al producto de los elementos diagonales. . ⎦ an1 an2 · · · ann Teorema. . B ⎣ . Es decir. n se verifica  n det (A) = (−1)i+j aij det (Aij ). . 1 (6) det (AB) = det (A)det (B). . . se verifica ⎡ ⎤ det ⎣ v1 · · · vj · · · vn ⎦ = ⎡ ⎤ ⎡ ⎤ = α det ⎣ v1 · · · vj · · · vn ⎦ + β det ⎣ v1 · · · vj · · · vn ⎦ . . (2) Si en una matriz una fila se multilplica por un n´ umero. 2. det (A−1 ) = . Matem´aticas I. ⎥ = a11 a22 · · · ann .. (3) Si en una matriz a una fila se le suma un m´ ultiplo de otra fila (distinta).

. . . . . 2. 63 Las propiedades de los determinantes se pueden resumir en dos: La linealidad en cada fila y en cada columna (propiedad (7).Sistemas de ecuaciones lineales. . . estudiaremos las soluciones reales del sistema. ..3.Reducci´ on por filas y formas escalonadas.Sistemas de ecuaciones lineales. de los coeficientes de las inc´ognitas. j = 1. son n´ umeros reales. . inc´ognitas que denotaremos por x1 .2. . ecuaciones lineales con n = 1. [A|b]. Desde el punto de vista matricial. .. ⎦ ⎣ . [A|b] = ⎢ . . Una vez obtenida dicha Matem´aticas I.3... . 3. La herramienta b´asica para estudiar y resolver un sistema de ecuaciones lineales es el bien conocido m´ etodo de eliminaci´on (o reducci´on) de Gauss. . 2. . . .. ⎡ ⎤ ⎡ ⎤ a11 a12 · · · a1n a11 a12 · · · a1n b1 ⎢ a21 a22 · · · a2n ⎥ ⎢ a21 a22 · · · a2n b2 ⎥ ⎢ ⎥ ⎢ ⎥ A = ⎢ .1. . ⎥ . es decir sistemas de ecuaciones de la forma ⎫ a11 x1 + a12 x2 + · · · + a1n xn = b1 ⎪ ⎪ ⎪ a21 x1 + a22 x2 + · · · + a2n xn = b2 ⎬ . .. Cada una de las n primeras columnas est´a formada por los coeficientes de una de las inc´ognitas. m. . . Si alguno de los coeficientes de las inc´ognitas o de los t´erminos independientes fuera un n´ umero complejo (con parte imaginaria no nula) habr´ıa que estudiar las soluciones complejas de dicho sistema. mediante una operaci´on similar se podr´a recuperar la matriz y el sistema originales. Consideraremos sistemas de m = 1. ··· ⎦ am1 am2 · · · amn am1 am2 · · · amn bm Cada fila de la matriz [A|b] est´a formada por los coeficientes de la correspondiente ecuaci´on del sistema. .. n.y la matriz ampliada. Asociadas al sistema dado. i = 1. . . consideraremos la matriz A = [aij ]. . Es decir. el vector-columna b = [bi ]. 3. . 3.. . xn . .. m..3. .3.. .3. La caracter´ıstica fundamental de dichas operaciones ser´a que no afectan a las posibles soluciones del sistema y que son reversibles. . . de los t´erminos independientes . De esta forma el sistema de ecuaciones lineales dado se expresa en forma matricial mediante Ax = b. . sobre las ecuaciones del sistema). consiste en la reducci´on (por filas) de la matriz ampliada del sistema a forma escalonada superior mediante operaciones sobre las filas de la matriz ampliada (equivalentemente. i = 1. y los t´erminos indepen- dientes bi . . . 2012-2013 . . .. . ⎥. ⎪⎪ ⎪ am1 x1 + am2 x2 + · · · + amn xn = bm ⎭ Si los coeficientes de las inc´ognitas aij . . . .. . ⎣ . La u ´ ltima columna est´a formada por los t´erminos independientes de las ecuaciones del sistema. La antisimetr´ıa (propiedad (1)) tanto respecto a filas como a columnas.Definiciones y notaci´ on matricial. x2 .

Ejemplo.Matrices. podemos despejar x3 en funci´on de x4 . determinantes y sistemas de ecuaciones lineales. La definici´on an´aloga se aplica a un sistema de ecuaciones (escrito en forma desarrollada). on.64 Tema 3. puesto que el coeficiente de x3 en la ecuaci´on E3 es distinto de cero. Se dice que una matriz es escalonada por filas si Definici´ todos los elementos que est´ an por debajo del primer elemento no nulo de cada fila son nulos. De esta forma. La forma elemental de resolver un sistema de ecuaciones lineales como por ejemplo ⎫ E1 : 2x2 −x3 +x4 = 2 ⎬ E2 : x1 −x2 +x3 +3x4 = −2 ⎭ E3 : −2x1 +3x2 −x3 −2x4 = 0 consiste en ir reduciendo el problema de obtener soluciones del sistema dado al de obtener soluciones de sistemas con cada vez menos ecuaciones y menos inc´ognitas. Reducci´ on a forma escalonada: Volviendo a renombrar en cada paso cada una de las ecuaciones.. si resolvemos el u´ ltimo sistema de ecuaciones podemos obtener las soluciones del sistema original. 3 2 3 3 Matem´aticas I. el primer elemento no nulo de cada fila est´ a a la derecha del primer elemento no nulo de la fila anterior y las filas nulas (si las hay) est´ an por debajo de las filas no nulas. para resolver el sistema anterior podemos hacer las siguientes operaciones sobre las ecuaciones del sistema dado ⎫ ⎧ ⎫ E1 ⎬ Intercambio ⎨ E1 : x1 −x2 +x3 +3x4 = −2 ⎬ E2 −→ E2 : 2x2 −x3 +x4 = 2 ⎭ ⎩ ⎭ E3 E1 ↔ E2 E3 : −2x1 +3x2 −x3 −2x4 = 0 ⎧ ⎫ ⎨ E1 : x1 −x2 +x3 +3x4 = −2 ⎬ E3 ← E3 + 2E1 E2 : 2x2 −x3 +x4 = 2 −→ ⎩ ⎭ E3 : x2 +x3 +4x4 = −4 ⎧ ⎫ 1 ⎨ E1 : x1 −x2 +x3 +3x4 = −2 ⎬ E3 ← E3 − 2 E2 E2 : 2x2 −x3 +x4 = 2 −→ ⎩ ⎭ E3 : (3/2)x3 +(7/2)x4 = −5 Del sistema final obtenido podemos deducir varias consecuencias: Sustituci´on regresiva: si damos a x4 un valor arbitrario x4 = α ∈ K.   2 7 10 7 x3 = −5 − α = − − α. Ingenier´ıa Civil . forma escalonada superior las soluciones del sistema resultante se podr´an calcular mediante sustituci´ on regresiva.

Matem´aticas I.Traslada las operaciones hechas sobre las ecuaciones del sistema anterior a opera- ciones fila sobre la matriz ampliada del sistema. α ∈ K.Reducci´on por filas y formas escalonadas. Intercambio de ecuaciones. 3 3 Resumiendo. sobre las ecuaciones de un sis- tema de ecuaciones lineales. ⎢ − α ⎥ ⎢ − ⎥ x4 ⎢ 3 ⎥ ⎢ 3 ⎥ ⎣ ⎦ ⎣ ⎦ α 1 ¿Para qu´e otros t´erminos independientes tendr´ıa soluci´on el sistema (con los mismos coeficientes de las inc´ognitas)? Siempre.3. ¿Cuantas soluciones tendr´ıa el sistema con otros t´erminos independientes? Sea qui´en sea el t´ermino independiente tendr´ıamos un sistema compatible indeterminado. x3 y x4 y por tanto en funci´on de x4 . las soluciones del sistema dado son los vectores de la forma ⎡ 2 7 ⎤ ⎡ 2 ⎤ ⎡ 7 ⎤ 3 − 3 α 3 −3 ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ x1 ⎢ ⎥ ⎢ ⎥ ⎢ 5 ⎥ ⎢ 2 5 ⎥ ⎢ 2 ⎥ ⎢ − ⎥ ⎢ x2 ⎥ ⎢ − 3 − 3 α ⎥ ⎢ − 3 ⎥ ⎢ 3 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥+α⎢ ⎥ 4 ⎣ x3 ⎦ = ⎢ 10 7 ⎥ = ⎢ 10 ⎥ ⎢ 7 ⎥ ∈ R . 2 3 6 2 3 3 Por u ´ ltimo. α ∈ K. Multiplicaci´on de una ecuaci´on por un n´ umero distinto de cero. Las tres operaciones elementales que hemos considerado. de la ecuaci´on E1 podemos despejar x1 . 2 7 x1 = −2 + x2 − x3 − 3x4 = − α. y por tanto en funci´on de x4 .. en funci´on de x2 . 2012-2013 .3. 1 5 7 1 2 5 x2 = (2 + x3 − x4 ) = 1 − − α − α = − − α. ¿Qu´e puede suceder si al sistema original le a˜ nadimos o le quitamos una ecuaci´on? Ejercicio. ⎢ − − α ⎥ ⎢ − ⎥ ⎢ − ⎥ x4 ⎢ 3 3 ⎥ ⎢ 3 ⎥ ⎢ 3 ⎥ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ α 0 1 El proceso anterior permite obtener las soluciones del sistema homog´ eneo asociado al dado que son ⎡ 7 ⎤ ⎡ 7 ⎤ −3α −3 ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ x1 ⎢ 5 ⎥ ⎢ 5 ⎥ ⎢ ⎥ ⎢ − ⎥ ⎢ x2 ⎥ ⎢ − 3 α ⎥ ⎢ 3 ⎥ ⎢ ⎥=⎢ ⎥ = α⎢ ⎥ 4 ⎣ x3 ⎦ ⎢ 7 ⎥ ⎢ 7 ⎥ ∈ R . 65 De la ecuaci´on E2 podemos despejar x2 en funci´on de x3 y x4 . Sumar a una ecuaci´on un m´ ultiplo (arbitrario) de otra (distinta).2..

pasamos a la siguiente columna.. Como ya hemos dicho. Es decir. sobre las ecuaciones de un sistema. Estas operaciones elementales. Toda matriz A puede ser reducida a forma escalonada por filas mediante opera- ciones elementales por filas. entonces podemos recuperar la matriz M original haciendo una operaci´on elemental (que adem´as es del mismo tipo) sobre la matriz N.. (3) Se repite el proceso con la matriz que queda al eleminar la fila y columna del pivote. .... ⎥. determinantes y sistemas de ecuaciones lineales. Llamaremos operaciones elementales por filas sobre una matriz a: Definici´ (a) Intercambiar filas. Algoritmo de Gauss: Supongamos que A es una matriz no nula. Observaciones. on.. · · · . ⎦ ⎢ . una propiedad importante de las operaciones elementales es que son reversibles. 1). no afectan a las (posibles) soluciones del sistema: Cualquier soluci´on del sistema original lo es del que se obtiene y viceversa. Ingenier´ıa Civil . llamado pivote. se corresponden con manipulaciones de las filas de la matriz ampliada del sistema. a cada una de las filas siguientes le restamos un m´ ultiplo de la fila del pivote de forma que se anule el correspondiente elemento en la columna del pivote. Es decir. . . . (c) Sumar a una fila un m´ ultiplo de otra (distinta). tendremos ⎡ ⎤ ∗ ∗ ∗ ∗ ··· ∗ ∗ ∗ ⎡ ⎤ ⎢ 0 ∗ ∗ ∗ ··· ∗ ∗ ∗ ⎥ a11 · · · a1n ⎢ ⎥ operaciones ⎢ 0 0 0 ∗ ··· ∗ ∗ ∗ ⎥ ⎢ . o bien dichas columnas est´an formadas por ceros. seleccionamos uno de dichos elementos y mediante intercambio de filas lo llevamos a la posici´on (1. Teorema. puesto que afectan exclusiva- mente a los coeficientes de las ecuaciones que intervienen y no a las inc´ognitas.66 Tema 3. ⎢ . . (b) Multiplicar una fila por un n´ umero distinto de cero. ∗ ∗ ∗ ⎥ am1 · · · amn fila ⎢ ⎥ ⎣ 0 0 0 0 ··· 0 ∗ ∗ ⎦ 0 0 0 0 ··· 0 0 0 Es posible que no se obtenga una u ´ ltima fila de ceros o que haya varias filas nulas. Matem´aticas I.Matrices. pasamos a la siguiente columna y buscamos un pivote (elemento no nulo) en una fila posterior a la del pivote utilizado en el paso (2). En forma esquem´atica.. si al hacer una determinada operaci´on elemental sobre una matriz M se obtiene la matriz N. En caso contrario. . ⎥ . (1) Si la primera columna de A tiene alg´un elemento no nulo..U =⎢ ⎥ A = ⎣ . . (4) El proceso se termina cuando. . Es decir. al aplicar el algoritmo anterior a una matriz A. o bien no quedan columnas en las que obtener el siguiente pivote. . (2) Pivotamos hacia abajo con el elemento no nulo seleccionado.

2012-2013 . el n´ umero r de pivotes que aparecen es menor o igual que m. . En el resultado de dicha reducci´on a forma escalonada tendremos un cierto n´ umero de pivotes en las primeras n columnas (la parte correspondiente a la matriz A) y la columna de los t´erminos independientes podr´a ser columna pivote o no. . si mediante operaciones elementales (por filas) sobre la matriz A obtenemos una matriz U que est´a en forma escalonada reducida. De esta forma pasaremos a tener un 1 en cada posici´on pivote. basta con reducir (mediante operaciones por fila) la matriz ampliada del sistema [A|b] a forma escalonada por filas.2. podemos dividir cada fila donde aparezca un pivote. ⎢ .3. (4) Puede demostrarse que cualquier matriz A es equivalente. no determina de forma u ´ nica la forma escalonada superior por filas que se obtiene.3.Reducci´on por filas y formas escalonadas. sino que ´esta depende de las operaciones fila que se hagan. puesto que una fila tiene a lo sumo hay un pivote. Adem´as..Teorema de Rouch´ e-Frobenius. pivotar hacia abajo para hacer ceros por debajo del pivote.. es decir de la elecci´on de pivote que se haga en cada columna donde sea posible.. podemos pivotar hacia arriba para anular los elementos que est´an en la misma columna por encima del pivote. intercambiar filas si es necesario. por dicho pivote. 1 0 ∗ ⎥ fila ⎢ ⎥ ⎣ 0 0 0 0 ··· 0 1 ∗ ⎦ 0 0 0 0 ··· 0 0 0 Esta forma escalonada por filas (con pivotes iguales a 1 y ning´ un otro elemento no nulo en las columnas pivote) se denomina forma escalonada reducida de la matriz. a lo sumo. . (2) Si la matriz A es m × n. . por filas. . . un pivote.. .. 67 (1) El algoritmo que acabamos de describir: buscar pivotes por columnas (de izquierda a derecha). .⎢⎢ ⎥ U ⎥. 3. Es decir. y menor o igual que n. En la situaci´on esquematizada antes pasar´ıamos a tener ⎡ ⎤ 1 0 ∗ 0 ··· 0 0 ∗ ⎢ 0 1 ∗ 0 ··· 0 0 ∗ ⎥ ⎢ ⎥ operaciones ⎢ 0 0 0 1 · · · 0 0 ∗ ⎥ .3. al hacer otra serie de operaciones elementales para obtener una forma escalonada reducida obtendremos la misma matriz U aunque las operaciones intermedias sean distintas. La compatibilidad del sistema depender´a de que la columna de los t´erminos indepen- dientes sea o no sea una columna pivote. Si dicha columna es una columna pivote apare- cer´a alguna fila de la (forma escalonada de la) matriz ampliada del tipo [ 0 0 · · · 0 | ∗ = 0 ] Matem´aticas I.3. En cada una de las columnas donde se haya obtenido un pivote. .. Para estudiar y resolver un sistema de ecuaciones Ax = b. a una u ´ nica matriz escalonada reducida por filas. puesto que en una columna hay. (3) Forma escalonada reducida (por filas)..

Dando valores arbitrarios a las variables libres y calculando los correspondientes valores de las variables fijas se obtiene una soluci´on del sistema. en cuyo caso el sistema no tendr´a soluci´on por no existir soluci´on de la ecuaci´on asociada a la fila dada. Corolario. En caso contrario. de segundo curso de Bachillerato. Sea Ax = b un sistema de m ecuaciones lineales con n ognitas (A es una matriz m × n) y supongamos que al reducir a forma escalonada por inc´ filas obtenemos r pivotes en la matriz A. Ingenier´ıa Civil . En las condiciones del teorema anterior. Las correspondientes a columnas-pivote se denominan variables fijas.. (b) Ax = b es un Sistema Compatible Indeterminado ⇐⇒ La columna del t´ermino independiente no es una columna pivote y r < n (hay alguna columna de A que no es columna-pivote. Las variables/inc´ognitas correspondientes a columnas que no son pivote se denomi- nan variables libres. n}. se verifica: (1) Si r = n. es el teorema de Rouch´e-Frobenius. ´ o m un b ∈ K . (2) Ax = b es compatible ⇐⇒ la columna del t´ermino independiente. Se verifica: (1) r ≤ min {m. Los alumnos conocen este resultado. determinantes y sistemas de ecuaciones lineales. para sistemas con pocas inc´ognitas y expresado en t´erminos del rango de la matriz y de la matriz ampliada del sistema. (3) (a) Ax = b es un Sistema Compatible Determinado ⇐⇒ La columna del t´ermino independiente no es una columna pivote y r = n (todas las columnas de A son columnas-pivote. b. Nosotros definiremos el concepto de rango m´as adelante y enunciamos dicho teorema (para un sistema con un n´ umero gen´erico de ecuaciones y de inc´ognitas) en t´erminos del n´ umero de pivotes que se obtienen al reducir a forma escalonada por filas la matriz y la matriz ampliada del sistema. Suponiendo que el sistema es compatible. (3) Si m = n el sistema puede ser (a) compatible determinado (r = m = n) para cualquier b ∈ Kn . Teorema (Rouch´ e-Frobenius).68 Tema 3. en funci´on de la matriz de coeficientes de las inc´ognitas y de la matriz ampliada. (2) Si r = m el sistema es compatible y puede ser (a) compatible determinado (r = m = n) ´ o (b) compatible indeterminado (r = m < n). NO es una columna pivote. Ax = b puede ser (a) compatible determinado o´ (b) incompatible. cada fila de la matriz ampliada donde aparezca un pivote lo tendr´a en la parte correspondiente a la matriz A y el sistema tendr´a soluci´on. El resultado que resume la discusi´on de un sistema de ecuaciones lineales.Matrices. de que (en la matriz A) haya o no haya columnas que no sean columnas pivote. la determinaci´ on o indeterminaci´ on del sistema depender´a. (b) incompatible (r < m = n) para alg´ Matem´aticas I.

. ⎥ ⎣ . j) de la matriz inversa de A es (−1)i+j det (Aji ).3.4. Dada una matriz cuadrada A de orden n. ⎥ det [Ai (b)] 1 ⎢ ⎥ xi = . Regla de Cramer. . n. . x= ⎢ det [Ai (b)] ⎥ . un vector columna b ∈ Kn y un ´ındice i = 1. 2012-2013 . Es decir. Al igual que el teorema de Rouch´e-Frobenius. . . ⎢ . Sea A una matriz cuadrada de orden n con det (A) = 0.. 2. ⎣ ⎦ ↑ columna i Se suele denominar matriz adjunta de A (cuidado: no en todos los textos significa lo mismo este nombre). el elemento (i. . .. la regla de Cramer ya es conocida de Bachillerato para sistemas con pocas ecuaciones e inc´ognitas. 69 3.Resoluci´on de sistemas de ecuaciones lineales. .4. Dicha regla es la f´ormula de la soluci´on de un sistema cuadrado (el mismo n´ umero de ecuaciones que de inc´ognitas) cuando tiene soluci´on u ´ nica. · · · . Se verifica: (1) (Regla de Cramer) Para cada b ∈ Kn el sistema de ecuaciones Ax = b tiene soluci´on u ´ nica x dada por ⎡ ⎤ det [A1 (b)] ⎢ . ⎥ ⎢ . siendo a1 . denotamos por Ai (b) a la matriz que se obtiene al sustituir en A la columna i−´esima por el vector b. det (A) det (A) ⎢ ... . det (A) Matem´aticas I. . ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ Ai (b) = ⎢ a1 · · · b · · · an ⎥ ⎥.3. Dicha f´ormula es compa˜ nera de la f´ormula de la inversa de una matriz (cuadrada que tenga inversa) en t´erminos de los adjuntos de los elementos de la matriz considerada. det (A) 1 es decir. ⎦ det [An (b)] (2) (F´ ormula de la inversa) A tiene inversa y su inversa es 1 A−1 = [adj(A)]T . an los vectores columna de A.. ⎥ ⎣ . ⎦ ±det [An1 ] ∓det [An2 ] · · · det [Ann ] Teorema.. . a la matriz dada por ⎡ ⎤ det [A11 ] −det [A12 ] · · · ±det [A1n ] ⎢ ⎥ ⎢ ⎥ ⎢ det [A22 ] · · · ∓det [A2n ] ⎥ adj(A) = ⎢ −det [A21 ] ⎥.

Ax = e2 .. En este caso tendremos un pivote en cada una de las primeras n columnas. Una vez obtenida la forma escalonada reducida de la matriz ampliada del sistema. mediante operaciones fila. De forma esquem´atica. . En la secci´on 3.. que no afectan a las soluciones) los elementos no nulos que puedan estar por encima del pivote. . Por tanto. en el caso de tener Matem´aticas I. y se divide cada fila por su pivote. a forma escalonada por filas. . De forma equivalente. Ax = en . po- dremos expresar las variables fijas (correspondientes a columnas pivote) en funci´on de las variables libres (de forma u ´ nica). Ya hemos considerado el m´etodo de Gauss que consiste en las dos etapas esenciales en la resoluci´on de un sistema de ecuaciones lineales: Reducci´ on a forma escalonada de la matriz ampliada del sistema. Como ya se ha citado en el ep´ıgrafe dedicado a la regla de Cramer y a la f´ormula de la inversa de una matriz. el c´alculo de la inversa de una matriz puede plantearse como el de la resoluci´on de los sistemas de ecuaciones que tienen a dicha matriz como matriz de los coeficientes de las inc´ognitas y a los vectores can´onicos como t´erminos independientes.5 analizaremos con m´as detalle las consecuencias de esto sobre los sistemas homog´eneos y sobre los sistemas completos. una vez obtenida la forma escalonada se pivota hacia arriba para anular todos los elementos no nulos que puedan quedar por encima del pivote.1. una parte de la resoluci´on de un sistema depende s´olo de la matriz de los coeficientes de las inc´ognitas. el c´alculo de la inversa de una matriz cuadrada A de orden n puede plantearse como la resoluci´on simult´anea de los sistemas Ax = e1 .Resoluci´ on de sistemas de ecuaciones lineales.4.C´ alculo de la inversa de una matriz cuadrada. Dividiendo cada fila por su pivote tendremos un uno en cada una de las posiciones diagonales y por tanto en las primeras n columnas tendremos la matriz identidad de orden n. Es decir. Pivotando hacia arriba podemos anular (mediante operaciones-fila. puede plantearse como la resoluci´on de la ecuaci´on matricial AX = I. Si reducimos. 3. Ingenier´ıa Civil . Si las primeras n columnas son columnas pivote. determinantes y sistemas de ecuaciones lineales. En caso de tener un sistema compatible. De esta forma. 3. los u ´ nicos elementos no nulos de las primeras n columnas ser´an los elementos diagonales.2. .4. Resoluci´on de la forma escalonada mediante sustituci´ on regresiva.4.Matrices. la matriz ampliada [A|I] (el t´ermino independiente es la matriz I) y alguna de las primeras n columnas (las correspondientes a la matriz A) no es pivote. De esta forma. la matriz A tendr´a inversa.. la soluci´on de uno de los sistemas originales Ax = ek es la soluci´on del correspondiente sistema Ix =columna k de la matriz que queda a la derecha de I. la soluci´on de Ax = ek es la columna k citada y la soluci´on de la ecuaci´on matricial AX = I es la matriz que queda a la derecha de la matriz identidad I. la matriz A no tiene inversa. Es decir.70 Tema 3. Al utilizar el m´etodo de eliminaci´on de Gauss. cada soluci´on del sistema podr´a obtenerse mediante unos ciertos valores de las variables libres y los corres- pondientes valores de las variables fijas..M´ etodo de Gauss-Jordan. La variante que suele denominarse m´etodo de Gauss-Jordan consiste en la obtenci´on de la forma escalonada reducida de la matriz/matrices de los coeficientes. 3.

. ⎦ ⎣ . . (a) Dados v1 . . .. .3. ⎥ . . cn ∈ K. vn ∈ Km . . .El conjunto soluci´on de un sistema de ecuaciones lineales.5. . .. la inversa de A puede calcularse ⎡ ⎤ * ∗ ··· ∗ ∗ ∗ ··· ∗ ⎢ 0 * ··· ∗ ∗ ∗ ··· ∗ ⎥ ⎢ ⎥ [A|I] −→ ⎢ .. . 3. . . .El conjunto soluci´ on de un sistema de ecuaciones lineales.. con c1 . y una suma de m´ultiplos de las columnas de A.5. . . . . ⎥ + · · · + xn ⎢ . vn }) = {c1 v1 + · · · + cn vn : c1 .. . ⎥ −→ [I|A ]. ⎣ . .. . . .. . Definici´ on.. cn ∈ K} .. Si la matriz A es cuadrada y tiene inversa habr´a una u ´ nica matriz soluci´on y si no es cuadrada puede que haya una cantidad infinita de matrices X que verifiquen la igualdad o puede que no haya ninguna. . Ejercicio. 2012-2013 . ⎦ 0 0 ··· * ∗ ∗ ··· ∗ El mismo planteamiento que se ha utilizado con la ecuaci´on matricial AX = I (con A matriz cuadrada) puede usarse para una ecuaci´on matricial de la forma AX = B siendo A y B matrices dadas con dimensiones apropiadas y siendo X la matriz inc´ognita. .. .. se llama subespacio generado por dichos vectores al conjunto de todas sus combinaciones lineales.1. vn ∈ Km . ⎣ . .. . 71 n pivotes en la parte de la matriz A. ¿C´omo aplicar´ıas lo anterior para resolver una ecuaci´on matricial de la forma XA = B? 3. ⎥ = ⎢ . . . ⎦ 0 0 ··· * ∗ ∗ ··· ∗ ⎡ ⎤ * 0 ··· 0 ∗ ∗ ··· ∗ ⎢ ··· ∗ ∗ ··· ∗ ⎥ ⎢ 0 * 0 ⎥ −1 −→ ⎢ . ⎦ am1 amn bm Matem´aticas I. . (b) Dados v1 . ⎦ ⎣ . .. . . .. ⎥ ⎣ .Combinaciones lineales. Al describir las columnas de una matriz producto ya hemos considerado el concepto de combinaci´on lineal. se llama combinaci´ on lineal de dichos vectores a todo vector de la forma v = c1 v1 + · · · + cn vn . .. . Las combinaciones lineales de vectores aparecen asociadas a los sistemas de ecuaciones lineales de varias formas: La igualdad Ax = b puede considerarse como la igualdad entre el vector columna b. . . . .. .. ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ a11 a1n b1 ⎢ a21 ⎥ ⎢ a2n ⎥ ⎢ b2 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Ax = x1 ⎢ . ..5. Dicho conjunto se denota por Gen ({v1 . de los t´erminos independientes. . .

. . Ingenier´ıa Civil .Matrices.72 Tema 3. En dicho caso. determinar si un sistema es compatible o no es determinar si el t´ermino independiente b puede expresarse.2. . . Al resolver un sistema homog´eneo. ⎤ ⎡ . . Son equivalentes: on para cualquier b ∈ Rm . (a) Ax = 0 tiene alguna soluci´on no trivial si.. . . Un sistema homog´eneo (de m ecuaciones lineales con n inc´ognitas) Ax = 0 siempre tiene soluci´on puesto que el vector nulo 0 ∈ Rn verifica A0 = 0 ∈ Rm . (c) A tiene un pivote en cada fila. como combinaci´on lineal de las columnas de A. vn ∈ Km . determinar si un cierto vector.. v1 .Consideremos un sistema homog´eneo Ax = 0.. (b1) La suma de soluciones de Ax = 0 es otra soluci´ on de Ax = 0..Sistemas homog´ eneos. o no. ⎤ . es lo mismo que determinar si un sistema de ecuaciones lineales tiene soluci´on. . con soluciones no triviales. Es decir. . .. Teorema. La cuesti´on para un sistema homog´eneo es si tiene soluciones no triviales y c´omo describirlas. tiene que ser m ≤ n. las soluciones pueden expresarse como combinaci´on lineal arbitraria de un cierto n´ umero de soluciones par- ticulares. v ∈ Km . Teorema. Matem´aticas I. En dicho caso cada una de las posibles soluciones nos dar´a una forma de expresar v como combinaci´on lineal de v1 . . . (b) Cualquier combinaci´on lineal de soluciones de Ax = 0 es soluci´ on de Ax = 0. . ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ c1 ⎣ v1 ⎦ + · · · + cn ⎣ vn ⎦ = ⎣ v ⎦.5.. determinantes y sistemas de ecuaciones lineales. . . ⎤ ⎡ . tiene alguna variable libre. Reciprocamente. vn . (a) Ax = b tiene soluci´ (b) Las columnas de A generan todo Rm . (b2) Cualquier m´ ultiplo de una soluci´ on de Ax = 0 es otra soluci´ on de Ax = 0. Si la matriz A es cuadrada (m = n) las condiciones anteriores son equivalentes a (d) A tiene inversa. Trasladando a sistemas de ecuaciones lineales el caso de vectores que generan todo el espacio de coordenadas correspondiente tenemos el siguiente resultado. ⎡ . Sea A una matriz (real) m × n. Esta soluci´on se denomina soluci´ on trivial o nula. .. es o no combinaci´on lineal de otros vectores. 3. y s´ olo si...

Supongamos que al reducir a forma escalonada un sistema homog´eneo de 4 ecua- ciones con 5 inc´ognitas obtenemos. ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ x2 = x3 − 2x4 = x3 + 83 x5 . ⎣ −x3 3x4 +4x5 = 0 ⎦ 3x4 = −4x5 0 = 0 Notemos que para cada valor que demos a x3 y a x5 el sistema anterior tiene una u ´ nica soluci´on (x1 . ⎣ 3x4 +4 = 0 ⎦ ⎢ 3 ⎥ ⎢ ⎥ ⎣ x2 = −2x4 = 8 . x4 ). ⎣ 0 0 0 3 4 0 ⎦ 0 0 0 0 0 0 Es decir tenemos 3 pivotes y 2 variables libres. x3 y x5 . Matem´aticas I. Asociada a cada una de las variables libres tenemos una soluci´on: soluci´on que se obtiene para x3 = 1. ⎣ 0 0 0 3x4 = 0 ⎦ ⎢ ⎥ 2x1 = x2 − 3 − x4 = −2 ⎣ 0 ⎦ 0 = 0 0 soluci´on que se obtiene para x3 = 0. 2012-2013 . Sustituyendo en el sistema ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x3 = 0. ⎥ ⇒ u2 = ⎢ 0 ⎥.El conjunto soluci´on de un sistema de ecuaciones lineales. por ejemplo x3 y x5 . x5 = 0. ⎦ ⎣ −4/3 ⎦ 0 = 0 3 2x1 = x2 − x4 − 1 = 3 1 Cualquier combinaci´on lineal de u1 y u2 (αu1 + βu2 . x2 y x4 en funci´on de las variables libres x3 y x5 . ⎧ ⎪ ⎪ x4 = − 34 x5 . Para comprobar esto basta con despejar. 73 Supongamos que al resolver un sistema homog´eneo. las variables fijas x1 . Sustituyendo en el sistema ⎡ ⎤ ⎡ ⎤ −1 2x1 −x2 +3 +x4 = 0 ⎡ ⎤ x4 = 0 ⎢ 1 ⎥ ⎢ 0 −x2 +1 −2x4 = 0 ⎥ ⎢ ⎥ ⎢ ⎥ ⇒ ⎣ x2 = 1 ⎦ ⇒ u1 = ⎢ 1 ⎥. 3/2 2x1 −x2 +x4 +1 = 0 ⎢ x5 = 1. ⎡ ⎤ 2 −1 3 1 1 0 ⎢ 0 -1 1 −2 0 0 ⎥ ⎢ ⎥. en el sistema escalonado obtenido. Asociada a cada una de las variables libres tenemos una soluci´on y el conjunto soluci´on del sistema homog´eneo ser´a el conjunto de todas las combinaciones lineales de las dos soluciones citadas. β ∈ K) es soluci´on del sistema homog´eneo dado y cualquier soluci´on del sistema homog´eneo se puede expresar como com- binaci´on lineal de u1 y u2 . a partir de ⎡ ⎤ 2x1 −x2 +3x3 +x4 +x5 = 0 ⎡ ⎤ ⎢ 0 −x2 +x3 −x4 2x −x +x = −3x − x ⎢ = 0 ⎥ 1 ⎥ −→ ⎣ 0 −x2 −x4 = 2 4 3 5 ⎦. obte- nemos 2 variables libres.3. x5 = 1. en forma matricial. x2 .5. ⎥ ⎢ 8/3 ⎥ ⎢ 0 −x2 −2x4 = 0 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⇒ ⎢ x4 = − 4 . ⎪ ⎪ ⎪ x1 = 1 (x2 − 3x3 − x4 − x5 ) = 1 x3 + 83 x5 − 3x3 + 43 x5 − x5 ⎪ ⎪ 2 2 ⎪ ⎪ ⎪ ⎩ 1 = 2 (−2x3 + 3x5 ) = −x3 + 32 x5 .. α. por ejemplo con 5 inc´ognitas. Ejemplo.

Ingenier´ıa Civil . ⎣ x4 ⎦ ⎣ 4 − 3 x5 ⎦ ⎣ 0 ⎦ ⎣ − 43 ⎦ x5 x5 0 1 Es decir. Av2 = b (b) Al sumar una soluci´on del sistema completo Ax = b y una soluci´on del sistema ho- mog´eneo Ax = 0 se obtiene otra soluci´on del sistema completo. y A(cu) = cAu. . Au = 0 Matem´aticas I. x3 . 3. . .  Av1 = b =⇒ A(v1 − v2 ) = 0. el conjunto soluci´on del sistema dado es igual al subespacio generado por {u1 . pueden obtenerse n−r soluciones. . la estructura del conjunto soluci´on de un sistema homog´eneo Ax = 0 puede resumirse con el siguiente resultado: Teorema. x5 ) del sistema dado las podemos expresar en funci´on de x3 y x5 mediante ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x1 −x3 + 23 x5 −1 3 2 ⎢ x2 ⎥ ⎢ x3 + 8 x5 ⎥ ⎢ 1 ⎥ ⎢ 8 ⎥ ⎢ ⎥ ⎢ 3 ⎥ ⎢ ⎥ ⎢ 3 ⎥ ⎢ x3 ⎥ = ⎢ x ⎥ = x ⎢ 1 ⎥ + x ⎢ 0 ⎥ ⎢ ⎥ ⎢ 3 ⎥ 3 ⎢ ⎥ 5 ⎢ ⎥. . u1 . Esta estructura puede expresarse mediante la relaci´on entre el conjunto-soluci´on de un sistema Ax = b completo (no homog´eneo) y el conjunto soluci´on del sistema homog´eneo asociado Ax = 0. A(u + v) = Au + Av. se verifica que: (a) Al restar dos soluciones de Ax = b se obtiene una soluci´on del sistema homog´eneo Ax = 0. la forma de obtener las n − r soluciones citadas no es u ´ nica. . . determinantes y sistemas de ecuaciones lineales. x2 . La estructura citada se basa en las propiedades del producto matriz×vector. Obviamente. x4 .3. Por otra parte.Matrices. u2 }. por tanto. tales que la soluci´ on general de Ax = 0 es Gen {u1 .Sistemas completos.5.. αn−r ∈ K} . . Si al reducir A a forma escalonada se obtienen r pivotes (equivalentemente. las soluciones son las combinaciones lineales de u1 y u2 . . las soluciones (x1 . .  Av = b =⇒ A(v + u) = b. Dicho de otra forma. . un−r .74 Tema 3. Notemos que si consideramos un sistema de ecuaciones Ax = b y el sistema homog´eneo asociado Ax = 0.. El conjunto de soluciones (lo que suele llamarse la soluci´ on general o conjunto-soluci´on) de un sistema Ax = b de m ecuaciones lineales con n inc´ognitas {x ∈ Rn : Ax = b} tiene una estructura muy definida que es reflejo de la linealidad de las ecuaciones. y. n − r variables libres). un−r } = {x = α1 u1 + · · · + αn−r un−r ∈ Kn : α1 . .

x4 ) en funci´on de (x3 . ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ x2 = 1 + x3 − 2x4 = 1 + x3 − 23 (3 − 4x5 ) = −1 + x3 + 83 x5 . 2012-2013 . Ax = b Ax = b asociado Ax = 0 Es decir: si tenemos una soluci´on particular vp del sistema Ax = b. Consideremos un sistema no homog´eneo con la matriz A de los coeficientes de las inc´ognitas dada en el ejemplo anterior. Desde un punto de vista geom´etrico: Si el conjunto soluci´on de Ax = 0 es un punto (que necesariamente ser´a x = 0). Matem´aticas I. podemos resolver el sistema anterior despejando (x1 . Por tanto las. Sea A una matriz m × n y b un vector m × 1.3. x5 ) mediante sustituci´on regresiva: ⎧ ⎪ ⎪ x4 = 31 (3 − 4x5 ) = 1 − 43 x5 . se verifica que a) Cualquier otra soluci´on v del sistema Ax = b se puede expresar como vp + una soluci´on (v − vp ) del sistema homog´eneo asociado. el sistema asociado a la matriz ampliada ⎡ ⎤ 2 −1 3 1 1 2 ⎢ 0 -1 1 −2 0 −1 ⎥ [A|b] = ⎢ ⎣ 0 ⎥. b) Al sumar vp con una soluci´on de Ax = 0 se obtiene una soluci´on de Ax = b. soluciones del sistema completo son de la forma ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x1 −x3 + 32 x5 0 −1 3 2 ⎢ x2 ⎥ ⎢ −1 + x3 + 8 x5 ⎥ ⎢ −1 ⎥ ⎢ 1 ⎥ ⎢ 8⎥ ⎢ ⎥ ⎢ 3 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ 3⎥ ⎢ x3 ⎥ = ⎢ x ⎥ = ⎢ 0 ⎥ + x3 ⎢ 1 ⎥ + x5 ⎢ 0 ⎥ . Ax = b. ⎪ ⎪ ⎪ x1 = 1 (2 + x2 − 3x3 − x4 − x5 ) = 1 2 − 1 + x3 + 38 x5 − 3x3 − 1 + 43 x5 − x5 = ⎪ ⎪ 2 2 ⎪ ⎪ ⎪ ⎩ 1 = 2 (−2x3 + 3x5 ) = −x3 + 32 x5 . x2 .. el conjunto soluci´on de un sistema completo Ax = b podr´a ser o bien un punto (el origen desplazado seg´un el vector vp ) o bien el conjunto vac´ıo (si el sistema Ax = b no tiene soluci´on). Se verifica que ⎡ ⎤ ⎛ ⎞ ⎡ ⎤ soluci´o n general soluci´o n particular soluci´o n general ⎣ del sistema completo ⎦ = ⎝ del sistema completo ⎠ + ⎣ del sistema homog´e neo ⎦ .El conjunto soluci´on de un sistema de ecuaciones lineales. Ax = 0. est´a recogida en el siguiente resultado: Teorema. y el del sistema homog´eneo asociado. La relaci´on entre el conjunto soluci´on de un sistema completo arbitrario. 75 Ejemplo. Observaci´ on. 0 0 3 4 3 ⎦ 0 0 0 0 0 0 Teniendo en cuenta cu´ales son las variables fijas y las variables libres. ⎢ ⎥ ⎢ 3 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ 4 ⎥ ⎣ x4 ⎦ ⎣ 1 − 43 x5 ⎦ ⎣ 1 ⎦ ⎣ 0 ⎦ ⎣ − ⎦ 3 x5 x5 0 0 1 Es decir. est´an expresadas como la suma de un cierto vector m´as todas las soluciones del sistema homog´eneo asociado Ax = 0. Por ejemplo.5.

esa matriz tiene por columnas los vectores T (e1 ). .1.76 Tema 3. v2 . . . Matem´aticas I. . . transforma cualquier com- binaci´on lineal de los vectores {v1 . (1) Toda transformaci´on lineal T : Rn −→ Rm transforma el vector nulo de Rn en el vector nulo de Rm . . Si el conjunto soluci´on de Ax = 0 es una recta (que necesariamente pasar´a por el origen de coordenadas). existe una u ´nica matriz A (de dimensiones m × n) que verifica que la imagen de cualquier vector x ∈ Rn es T (x) = Ax ∈ Rm . . . ∀α. . T (en ). . un segmento en otro segmento (o un punto). en } de Rn y {e1 . ⎡ . un paralelogramo en otro paralelogramo o un segmento o un punto. . En general. em } de m R ). A esa matriz A se le llama matriz asociada a T (respecto de las bases can´ onicas {e1 . Definici´ on T : Rn −→ Rm que a cada vector x ∈ Rn le on. el conjunto soluci´on de un sistema completo Ax = b podr´a ser o bien un el vector vp ) o bien una plano paralelo al anterior (el plano anterior desplazado seg´ el conjunto vac´ıo (si el sistema Ax = b no tiene soluci´on). Ejercicio. . Observaciones. Si el conjunto soluci´on de Ax = 0 es un plano (que necesariamente pasar´a por el origen de coordenadas). ... ⎢ ⎥ A = ⎣ T (e1 ) T (e2 ) · · · T (en ) ⎦ . . . . ··· . e2 . . Pon un ejemplo para cada una de las situaciones descritas anteriormente. ··· . etc... . Se dice que una transformaci´ hace corresponder un vector T x = y ∈ Rm es lineal si se verifica que T (αx + βx ) = αT (x) + βT (x ) .Transformaci´ on asociada a una matriz. . . Ingenier´ıa Civil . 3. T (vn )} de Rm .6..Transformaciones lineales. Proposici´ on-Definici´ on. es la u ´nica matriz que al multiplicarla por un vector x ∈ Rn arbitrario da el vector transformado de x mediante T . determinantes y sistemas de ecuaciones lineales. β ∈ R y ∀x. Dada una transformac´ on lineal T : Rn −→ Rm . el conjunto soluci´on de un sistema completo Ax = b podr´a ser. Matriz asociada. vp } de Rn en una combinaci´on lineal de los vectores {T (v1 ).Matrices.. esto es. x ∈ Rn . . Dado un sistema Ax = b de 4 ecuaciones con 3 inc´ognitas. ⎤ . . e2 . Ejercicio. o bien una recta paralela a la anterior (la recta anterior desplazada seg´ un el vector vp ). 3. . . . . T (e2 ). (2) Toda transformaci´on lineal T : Rn −→ Rm no nula transforma una recta en una recta (o un punto). . o bien el conjunto vac´ıo (si el sistema Ax = b no tiene soluci´on). .. Adem´as.6... determina la soluci´on general del sistema dado sabiendo que 2 de sus soluciones son ⎡ ⎤ ⎡ ⎤ 2 1 v1 = ⎣ −1 ⎦ y v2 = ⎣ 2 ⎦ 3 3 y que al reducir A a forma escalonada se obtienen 2 pivotes. T (v2 ).

Definici´ Se denomina n´ucleo de T y se denota por ker(T ) al conjunto ker(T ) = {x ∈ Rn : T (x) = 0} .6. de alg´ Im(T ) = T (Rn ) = {T (x) : x ∈ Rn } = {y ∈ Rm : existe x ∈ Rn con T (x) = y} . Matriz asociada. . Se denomina conjunto imagen de T al conjunto de todos los vectores de Rm que son imagen un vector de Rn .3. Ejemplos. 77 on. Consideremos las siguientes matrices reales 2 × 2.. Consideremos una aplicaci´on lineal T : Rn −→ Rm .Transformaciones lineales.

.

.

(c) La matriz C transforma la recta y = x en el eje OX. Para determinar la matriz asociada basta con obtener los transformados de los vectores can´onicos . B= yC= 1 1 1 2 −1 1 (a) La matriz A transforma el cuadrado unidad en el paralelogramo determinado por los vectores v1 = (2. en el plano R2 .Ejemplos geom´ etricos. La elecci´on de dichos vectores no es u ´ nica aunque si lo sea la matriz que se busca y en ocasiones interesa transformar vectores distintos a los can´onicos para llegar a dicha matriz buscada. (b) La matriz B transforma el cuadrado unidad en el segmento de recta que une el origen de coordenadas con el punto (6. Sabiendo que una transformaci´on est´a definida mediante una matriz.6. definidas por matri- ces cabe destacar los giros y las homotecias (con centro el origen de coordenadas) y las proyecciones y simetr´ıas respecto a rectas que pasan por el origen de coordenadas. 3. (1) Consideremos un giro de centro el origen de coordenadas y ´angulo ϕ (en el sentido positivo).. 1). 2 −1 2 4 1 0 A= .2. Como ejemplos geom´etricos de transformaciones. 3). Veamos algunos ejemplos. Ejemplos. el c´alculo de la matriz puede hacerse teniendo en cuenta c´omo se transforman los vectores can´onicos. 1) y v2 = (−1.

.

.

.

e2 = → T (e2 ) = . . 1 cos(ϕ) 0 − sen(ϕ) e1 = → T (e1 ) = . 0 sen(ϕ) 1 cos(ϕ) Por tanto la matriz del giro es. como ya sab´ıamos.

.

2012-2013 . 0 1 sen(ϕ) cos(ϕ) Matem´aticas I. 1 0 cos(ϕ) − sen(ϕ) Gϕ = Gϕ I = Gϕ = .

3 1 0 −1 1 1 −2 Tenemos ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ 0 1 1 1 1 1 2 −1 −1 1 1 M = ⎣ 0 −1 0 ⎦ ⎣ 1 −2 1 ⎦ = ⎣ −1 2 −1 ⎦ . Consideremos un vector n ortogonal al plano dado. (2) La transformaci´on que asigna a cada vector de R3 su proyecci´on ortogonal sobre un plano que pasa por el origen de coordenadas. hace las siguientes transforma- ciones de vectores ⎡ ⎤ ⎡ ⎤ . en ambos miembros de la igualdad anterior. 1] . la matriz M debe verificar ⎡ ⎤ ⎡ ⎤ 1 1 1 0 1 1 M ⎣ 1 −1 0 ⎦ = ⎣ 0 −1 0 ⎦ . Calculando sus transformados T (u1). por ejemplo. T (x) = Ax. −1]t . −1. es una transformaci´on determinada por una matriz (real. v2 y n podr´ıamos haber considerado tres vectores {u1 . 0. 3 3 0 0 −1 1 1 −2 −1 −1 2 En lugar de utilizar los vectores v1 . (4) Sabiendo que una transformaci´on matricial. v1 = [1. Para determinar la matriz basta con obtener la proyecci´on ortogonal sobre dicho plano de cada uno de los vectores can´onicos. Las expresiones y c´alculos intermedios ser´ıan distintos pero la matriz final coincidir´ıa con la calculada. por ejemplo π ≡ x + y + z = 0.78 Tema 3. u3 } linealmente independientes. v2 } que generen el plano. Puesto que el transformado de n es el vector nulo y los transformados de v1 y v2 son ellos mismos. T (u2 ) y T (u3) podr´ımos obtener M de forma an´aloga a la que hemos descrito. P −1 = ⎣ 1 −2 1 ⎦ .Matrices. podemos obtener la matriz asociada M teniendo en cuenta cu´al es el resultado de multiplicar esta matriz por determinados vectores (de R3 ). u2. 1 0 −1 0 0 −1 Basta despejar M multiplicando a la derecha. en el caso anterior pode- t mos  tomar n = t[1.. por la inversa de la matriz P . determinantes y sistemas de ecuaciones lineales. 1. ⎡ ⎤ ⎡ ⎤ 1 1 1 1 1 1 1 P = ⎣ 1 −1 0 ⎦ . y dos vectores  {v1 . 3 × 3). (3) Para la misma transformaci´on anterior (proyecci´on ortogonal sobre un plano que pa- sa por el origen de coordenadas). v2 = [1. 0] .

2 .

2 1 0 1 podemos determinar la matriz A sin m´as que plantear la ecuaci´on matricial ⎡ ⎤ . −1 1 −1 u1 = −→ Au1 = ⎣ 1 ⎦ y u2 = −→ Au2 = ⎣ 1 ⎦ .

Ingenier´ıa Civil . Matem´aticas I. 2 −1 1 −1 A =⎣ 1 1 ⎦ 2 1 0 1 y despejar A.

. Matriz asociada. ⎡ ⎤ ⎡ ⎤ A ⎣ u1 u2 · · · un ⎦ = ⎣ Au1 Au2 · · · Aun ⎦ =⇒ A = · · · Matem´aticas I. a partir de la transformaci´on.3.Transformaciones lineales. de ciertos vectores necesitaremos n vectores (de Kn ) tales que al considerar la matriz cuadrada que tiene a dichos vectores como columnas obtengamos una matriz que tiene inversa y podamos despejar A de la ecuaci´on matricial planteada. m × n. mediante A.6. 79 A la hora de determinar una matriz A. 2012-2013 .

Discute los siguientes sistemas seg´ un los valores de los par´ametros: ⎧ ⎫ ⎧ ⎫ ⎪ ⎪ ax + y + z + u = a ⎪ ⎪ ⎪ ⎪ ax + y + z = a ⎪⎪ ⎨ ⎬ ⎨ ⎬ x + ay + z + u = a x + ay − z = 1 (1) .Enunciados.. (2) . Resuelve los siguientes sistemas y expresa la soluci´on en forma vectorial pa- ram´etrica: ⎧ ⎫ ⎪ x1 +x2 +2x3 +2x4 = 0 ⎪ ⎧ ⎫ ⎪ ⎨ ⎪ ⎬ ⎨ x1 +2x2 + x3 = 3 ⎬ x1 +x2 −3x3 −3x4 = 0 (1) .7. (b) AXB + C = D. De las matrices Am×n y Bn×p se sabe que ninguna de las columnas de B es nula pero que. (3) x1 −x2 +2x3 = −1 . Sean ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x1 1 0 −1 2 1 ⎢ x2 ⎥ A=⎣ 0 2 1 0 ⎦. (2) 2x1 +4x2 −x3 = 7 . Resuelve los siguientes sistemas: ⎧ ⎫ ⎧ ⎫ ⎧ ⎫ ⎨ x1 + x2 + x3 = 3 ⎬ ⎨ x1 +2x2 +x3 = 5 ⎬ ⎨ 2x1 +x2 + x3 = 1 ⎬ (1) 2x1 +3x2 + x3 = 6 .1.80 Tema 3. ¿Qu´e puede asegurarse de las columnas de A? Ejercicio 2. ⎩ ⎭ ⎩ ⎭ ⎩ ⎭ x1 +5x2 +2x3 = 8 x1 − x2 = 1 x1 +x2 +3x3 = 1 Ejercicio 4. b=⎣ 2α ⎦ y x=⎢ ⎥ ⎣ x3 ⎦ . ⎪ ⎪ x1 +x2 +4x3 +4x4 = 0 ⎪ ⎪ ⎩ ⎭ ⎩ ⎭ −x1 −2x2 + x3 +x4 = 2 x1 +x2 +5x3 +5x4 = 0 Ejercicio 5. (b) Con α = 0 y β = 1.7. Consideremos un sistema de ecuaciones lineales Ax = b = ⎣ −1 ⎦ y supon- ⎡ ⎤ ⎡ ⎤ 2 1 −1 gamos que tenemos dos soluciones u = ⎣ 2 ⎦ y v = ⎣ 1 ⎦ del sistema dado. 1 −2 −2 2 β − 2α x4 (a) Calcula los valores de α y β para los que el sistema Ax = b es compatible. 3 2 cuando sea posible: Matem´aticas I. la matriz AB tiene una columna nula. Ejercicio 1.. ⎡ ⎤ 4 Ejercicio 7. Calcula. 3. Ingenier´ıa Civil . halla la soluci´on (o soluciones) de Ax = b que verifican x2 = 0 y x1 − x3 + x4 = 0. Ejercicio 3. (2) 2x1 +4x2 +3x3 +x4 = 9 . ⎪ ⎪ x + y + az + u = a ⎪ ⎪ ⎪ ⎪ 3x + y + bz = 2 ⎪⎪ ⎩ ⎭ ⎩ ⎭ x + y + z + au = a x−y−z = 1 Ejercicio 6. 3. determinantes y sistemas de ecuaciones lineales. Suponiendo que las dimensiones de las matrices son coherentes (permiten hacer las operaciones indicadas) despeja la matriz X de las siguientes ecuaciones matriciales dando las condiciones bajo las cuales es posible: (a) AX = BX.. (c) X 2 = X. sin embargo.Matrices.Ejercicios.

. ⎡ ⎤ x1 ⎡ ⎤ ⎢ x2 ⎥ 0 ˜ (f) Una soluci´on del sistema homog´eneo A ⎣ ⎢ ⎥ = ⎣ 0 ⎦ . Determina todas las matrices cuadradas A de orden 2 tales que: . ⎡ ⎤ 4 (d) Una soluci´on del sistema A2 x = ⎣ −1 ⎦ siendo A2 la matriz que se obtiene de A al 2 multiplicar su primera columna por 3. siendo A˜ la matriz que se x3 ⎦ 0 t ⎡ ⎤ 4 nadirle a la matriz A el vector columna b = ⎣ −1 ⎦ como cuarto vector obtiene al a˜ 2 columna.3. ⎡ ⎤ 4 (c) Una soluci´on del sistema A1 x = ⎣ −1 ⎦ siendo A1 la matriz que se obtiene de A al 2 intercambiar sus columnas 1 y 2. (e) Una soluci´on del sistema Ax = 5b. Ejercicio 8.7.Ejercicios. (b) Dos soluciones del sistema homog´eneo asociado Ax = 0. 81 (a) Otras dos soluciones del sistema de ecuaciones dado Ax = b.

.

(c) compatible indeterminado. (a) incompatible. a. 4). (1. a 1 ⎦ ⎣ 2 ⎦ x3 b 4 −b b−4 Determina las condiciones a satisfacer por a y b para que dicho sistema sea. b2 . Consideremos el sistema siguiente ⎡ ⎤ ⎡ ⎤ 1 2 −3 ⎡ ⎤ −1 ⎢ 2 −1 ⎥ x1 ⎢ ⎥ ⎢ 4 ⎥⎣ 3 ⎣ 3 x2 ⎦ = ⎢ ⎥. b3 . ¿Para qu´e valores de a y b se verifica que el vector (0. (b) compatible determinado. Ejercicio 10. a 0 a 0 A = A. 3. 3. 0. (1) ¿Para qu´e vectores (b1 . 1) pertenece a Gen{(1. b4 ) ∈ R4 es compatible el sistema ⎧ ⎫ ⎪ ⎪ x1 + x2 +x4 = b1 ⎪ ⎪ ⎨ ⎬ 2x1 +3x3 +x4 = b2 ? ⎪ ⎪ 2x 2 + x3 = b3 ⎪ ⎪ ⎩ ⎭ x1 + x2 +4x3 = b4 Matem´aticas I. 1)}? Ejercicio 11. 2. b. con a. a = b. b ∈ R. 2012-2013 . 0 b 0 b Ejercicio 9. respectivamente.

(0. α. 1). Sea A una matriz n × n y supongamos que det (A) = −3. calcula el determi- nante de las siguientes matrices: (a) AT .82 Tema 3. 2A. x4 3 1 (3) Considera los conjuntos S1 y S2 de vectores de R2 definidos respectivamente por     x1 = 1 − 2α x1 = 1 − 2lnβ S1 ≡ . (b) La matriz que se obtiene de A al multiplicarla por la izquierda por la matriz diagonal cuyos elementos diagonales son (1. determinantes y sistemas de ecuaciones lineales. (1. 2A−1 . .. 2A3 . β ∈ R. Ejercicio 12. Ingenier´ıa Civil . b4 ) ∈ R4 que pertenecen a Gen{(1. 0. β ∈ R.Matrices. dos sistemas de ecuaciones lineales cuyo conjunto-soluci´on sea el conjunto de los vectores de la forma ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x1 0 1 ⎢ x2 ⎥ ⎢ 1 ⎥ ⎢ −1 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎣ x3 ⎦ = α ⎣ 2 ⎦ + β ⎣ 2 ⎦ . (α ∈ R). 2. (2A)−1 . si existen. 1. (1. . Matem´aticas I. S2 ≡ . 0)}. b2 . Calcula la inversa de la matriz A = ⎢ ⎥. AAT . (2) Describe mediante una ecuaci´on los vectores (b1 . (1) Determina. 1. A4 . (β > 0). α. 4). . n). x2 = −2 + α2 x2 = −2 + lnβ ¿Es S1 el conjunto-soluci´on de alg´ un sistema de ecuaciones lineales? ¿Por qu´e? ¿Lo es S2 ? ¿Por qu´e? Ejercicio 15. x4 1 + 3α + β (2) Determina. ⎥ ⎣ .. . 0. 3. 1). 2. 2. ⎭ −x1 +2x2 +x3 +2x5 = 0 ⎡ ⎤ 1 ⎢ 2 1 ⎥ ⎢ ⎥ ⎢ 2 1 ⎥ Ejercicio 13. b3 . Calcula vectores tales que el subespacio generado por ellos coincida con el conjunto soluci´on del sistema ⎫ 2x1 +x3 −x4 +2x5 = 0 ⎬ −x1 +2x2 +x4 = 0 . ⎦ 2 1 Ejercicio 14. . dos sistemas de ecuaciones lineales cuyo conjunto-soluci´on sea el conjunto de los vectores de la forma ⎡ ⎤ ⎡ ⎤ x1 1+β ⎢ x2 ⎥ ⎢ α−β ⎥ ⎢ ⎥ ⎢ ⎥ ⎣ x3 ⎦ = ⎣ −1 + 2α + 2β ⎦ . si existen. ⎢ . .. 0.

a2 . cuyas entradas son aij = ai+j−1. 0) y entre las columnas 2 y 3 de A la columna (−3. b3 = b1 r 2 . (2) Sea a1 . . Calcula el determinante de M seg´n los valores de n ∈ N. a2 . 1 ≤ i. j ≤ n. . . n2 orde- nados por filas. 7 × 7. n × n.Ejercicios. . . 2. · · · . . (1) Sea M la matriz n × n cuyas entradas son los n´umeros 1. Es decir si a2 − a1 = a3 − a2 = · · · = d. que se obtiene al intercalar entre las filas 4 y 5 de A la fila (0. . 1. a3 = a1 + 2d. · · · . 0. 0. 0. cuyas entradas son bij = ai+j−1. En este caso. 3).. Calcula el determinante de Bn seg´ un los valores de n ∈ N.3.7. de izquierda a derecha y de arriba abajo. . . A se obtiene de B suprimiendo la fila y la columna indicada (en las posiciones correspondientes). n × n. . una progresi´on geom´etrica y sea Bn la matriz cuadrada. Estudia si es lineal la transformaci´on T : R2 −→ R3 dada por ⎡ ⎤  . 0. Es decir si b2 b3 = = · · · = r. 0. · · · Ejercicio 18. 2. 2. 83 Ejercicio 16. b2 . · · · (b) Se dice que b1 . . Calcula el determinante de la matriz B. Ejercicio 17. es una progresi´ on r = 0) si el cociente entre dos on geom´etrica (de raz´ t´erminos consecutivos es constante (igual a r). b1 b2 En este caso. Calcula el determinante de An seg´ un los valores de n ∈ N. b2 . tenemos que b2 = b1 r. ak = a1 + (k − 1)d. es una progresi´ on aritm´etica (de diferencia d) si la diferencia entre dos t´erminos consecutivos es constante (igual a d). . una progresi´on aritm´etica y sea An la matriz cuadrada. tenemos que a2 = a1 + d. es decir. 1 ≤ i. Recu´erdese que: (a) Se dice que a1 . bk = b1 r k−1 . j ≤ n. Sea A una matriz 6 × 6. . (3) Sea b1 . . . −1. . 5.

x2 x1 − x2 Ejercicio 19. 2012-2013 . Sea T : R3 −→ R3 la transformaci´on dada por ⎛⎡ ⎤⎞ ⎡ ⎤ x1 x1 + x2 T ⎝⎣ x2 ⎦⎠ = ⎣ x3 − x1 ⎦. x1 + x2 x1 T = ⎣ 2x1 ⎦ . x3 x1 − x2 − x3 Se pide: Matem´aticas I.

. (a) Comprobar que T es una transformaci´on lineal. (7) Simetr´ıa respecto al plano 2x − 3y + z = 0. (3) Proyecci´on sobre la recta 2x − 3y = 0 en la direcci´on de la recta x + y = 0. T ⎝⎣ 1 ⎦⎠ = ⎣ 1 ⎦ y T ⎝⎣ 0 ⎦⎠ = ⎣ −1 ⎦ . Ejercicio 23. Ejercicio 20. (6) Proyecci´on ortogonal sobre el plano 2x − 3y + z = 0. 0] .Matrices. (b) Hallar la matriz A asociada a T .84 Tema 3. 1 −2 1 −2 −1 2 Se pide: (a) Hallar la matriz A que representa a T . 2] mediante las matrices . Determina la matriz de cada una de las siguientes transformaciones: (1) Proyecci´on ortogonal sobre la recta 2x − 3y = 0. 2. seg´ x+y+z =0 (9) Proyecci´on sobre el plano 2x − 3y + z = 0 seg´ un el vector u = [1 2 − 1]. Describe c´omo se transforman: (a) los vectores can´onicos. 4] × [1.   2x − 3y + z = 0 (4) Proyecci´on ortogonal sobre la recta . Ejercicio 22. Ejercicio 21. (2) Simetr´ıa respecto de la recta 2x − 3y = 0. (b) Calcular ker T . x+y+z =0 (5) Simetr´ıa respecto de la recta del apartado anterior. Sea T : R3 −→ R3 la transformaci´on lineal que verifica ⎛⎡ ⎤⎞ ⎡ ⎤ ⎛⎡ ⎤⎞ ⎡ ⎤ ⎛⎡ ⎤⎞ ⎡ ⎤ 1 1 0 1 1 1 T ⎝⎣ 0 ⎦⎠ = ⎣ 1 ⎦ . (b) el cuadrado unidad y (c) el rect´angulo [2. Calcula la matriz de la simetr´ıa respecto a un plano (que pasa por el origen de coordenadas) sabiendo que transforma el vector u = [1.   2x − 3y + z = 0 (8) Proyecci´on sobre la recta un el plano x + y − z = 0. 2]t en un m´ultiplo positivo de t e1 = [1. determinantes y sistemas de ecuaciones lineales. 0.

.

AB y BA. B= . 3 1 2 A= . Ingenier´ıa Civil . −2 1 Matem´aticas I.

⎩ ⎭ x3 = 1 (2) ⎧ ⎫ ⎨ x1 = 2 ⎬ x2 = 1 .3. la matriz A por la correspondiente columna de B es nula. alguna columna de A se puede expresar como combinaci´on lineal de las restantes. ⎩ ⎭ x3 = 0 Ejercicio 4. Ejercicio 1.7. Si una columna de AB es nula. 2012-2013 .2. X 2 = X ⇐⇒ X = 0 o´ X = I Ejercicio 3. AX = BX =⇒ X = 0. ∀ α. 85 3. ⎣ x3 ⎦ ⎣ 0 ⎦ ⎣ −1 ⎦ x4 0 1 Matem´aticas I. De forma equivalente. y esto es equivalente a que una combinaci´on lineal de las columnas de A (la combinaci´on lineal cuyos coeficientes son los elementos de la columna de B considerada).. (1) ⎧ ⎫ ⎨ x1 = 1 ⎬ x2 = 1 . AXB + C = D ⇐⇒ X = A−1 (D − C)B −1 . (b) Si A y B son cuadradas y ∃A−1 y ∃B −1 . ⎩ ⎭ x3 = 1 (3) ⎧ ⎫ ⎨ x1 = 0 ⎬ x2 = 1 .Ejercicios.Soluciones. por tanto. (a) Si A − B es cuadrada y ∃(A − B)−1 . (c) Si X es cuadrada y (∃X −1 ´o ∃(X − I)−1 ). el sistema homog´eneo Ax = 0 tiene alguna soluci´on no trivial (es un sistema compatible indetermnado). Ejercicio 2. en la combinaci´on lineal considerada aparece alg´ un coeficiente no nulo y. (1) ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x1 −1 0 ⎢ x2 ⎥ ⎢ 1 ⎥ ⎢ 0 ⎥ ⎢ ⎥ = α⎢ ⎥+β⎢ ⎥ . Puesto que ninguna columna de B es nula.7. β ∈ R..

En dicha combinaci´on lineal los coeficientes respectivos son x1 . ⎡ ⎤ x1 (c) Al multiplicar una matriz A por un vector ⎣ x2 ⎦ se obtiene una combinaci´on lineal de x3 las columnas de A. x2 y x3 . (b) Para α = 0 y β = 1 el sistema es compatible seg´ un lo obtenido en (a). (b) Para cualquier escalar α αu − αv es solucin del homog´eneo.. 3 3 2 2 ⎡ 1 ⎤ ⎤ ⎡ 3 − 13 (d) Siguiendo un planteamiento similar al de (c) tenemos que A2 ⎣ 2 ⎦ = A2 ⎣ 1 ⎦ = b. (1) a = −3 incompatible a=1 compatible indeterminado (2) Si a = −1. Ejercicio 6. Ingenier´ıa Civil .86 Tema 3. ⎣ x3 ⎦ = ⎣ 2 ⎦ ⎣ 0 ⎦ x4 1 0 Si el sistema es a = 1 y a = −3 compatible determinado Ejercicio 5.Matrices. Con las condiciones/ecuaciones adicionales tenemos que la soluci´on es u ´ nica y viene dada por ⎡ ⎤ −1 ⎢ 0 ⎥ ⎢ ⎥ ⎣ 0 ⎦. (a) Basta considerar cualquier pareja de escalares α y β que verifiquen α+β = 1 para que αu + βv sea tambin solucin. (a) El sistema es compatible si y solo si β = 1 (independientemente de α). Matem´aticas I. sistema incompatible ∀ b. 1 Ejercicio 7. sistema compatible indeterminado ∀ b. (2) ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x1 1 −2 ⎢ x2 ⎥ ⎢ 0 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ + λ ⎢ 1 ⎥ . ∀ λ ∈ R. Si hacemos un intercambio en las columnas de A basta hacer el correspondientes intercambio entre los coeficientes para obtener el mismo resultado. determinantes y sistemas de ecuaciones lineales. Por tanto ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ 2 1 1 −1 A1 ⎣ 1 ⎦ = A ⎣ 2 ⎦ = b y A1 ⎣ −1 ⎦ = A ⎣ 1 ⎦ = b. 3 2 (e) A(5u) = 5Au = 5b. Si a = −1.

⎣ x3 ⎦ 0 0 . 87 (f) Siguiendo un planteamiento similar al de los apartados (c) y (d) la igualdad vectorial que se obtiene de Au = b se puede reescribir como ⎡ ⎤ 1 ⎡ ⎤ ⎡ ⎤ ⎢ 2 ⎥ 1 0 ˜ A⎣ ⎢ ⎥ ⎣ ⎦ = A 2 −b = 0 ⎦. ⎣ 3 ⎦ 3 0 −1 Por otra parte si tenemos una soluci´on (x1 . x3 )T del sistema homog´eneo Ax = 0.3..7.Ejercicios. x2 . tambi´en tenemos ⎡ ⎤ ⎡ ⎤ x1 ⎡ ⎤ ⎢ ⎥ 0 ⎣ A b ⎦ ⎢ x2 ⎥ = ⎣ 0 ⎦ .

a = b. a 0 Ejercicio 8. son todas las 0 b matrices diagonales . Las matrices A que conmutan con las matrices .

conmuta con cualquier matriz que sea m´ ultiplo de la matriz identidad. x1 0 A= . 0 x4 Observaci´ on: Cualquier matriz A. x1 . x4 ∈ R. . 2 × 2.

Matem´aticas I. Se obtiene la siguiente clasificaci´on: Si el sistema es a = 1 y b = 4 incompatible a = 1 y b = 4 ´o compatible determinado a = 1 y b = 4 a=1yb=4 compatible indeterminado 2 Ejercicio 10. Para a = 3 y b = 0. a 0 . (1) El sistema es compatible si y s´olo si las coordenadas del vector b verifican que b1 − b2 − b3 + b4 = 0. Ejercicio 11. (2) Este apartado tiene la misma respuesta que el anterior. 2012-2013 . 0 a Ejercicio 9.

⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎣ x4 ⎦ ⎣ 1 ⎦ ⎣ 0 ⎦ x5 0 1 Puesto que el conjunto-soluci´on del sistema dado es el formado por todas las combinaciones lineales consideradas en la igualdad anterior. los sistemas homog´eneos asociados a los sistemas anteriores. ⎢ −2 ⎥⎪ = Gen ⎪⎢ 2 ⎥ . .. . (−2)i−j si i ≥ j.. Y viceversa. determinantes y sistemas de ecuaciones lineales. S2 es el conjunto soluci´on de la ecuaci´on lineal x1 + 2x2 = −3. . .. Es f´acil comprobar que si tenemos dos puntos distintos (x1 . x2 ) de S1 entonces en la recta que une dichos puntos hay puntos que no est´an en S1 .Matrices.     4x1 + 2x2 − x3 = 5 4x1 + 2x2 − x3 = 5 y .. ⎥ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎣ 1 ⎦ ⎣ 0 ⎪ ⎦ ⎪ ⎪ ⎪ ⎣ 2 ⎦ ⎣ 0 ⎦⎪ ⎪ ⎪ ⎩ ⎭ ⎩ ⎭ 0 1 0 1 Ejercicio 13. 4x1 + 3x2 − x4 = 3 x2 + x3 − x4 = −2 (2) Por ejemplo. ⎥ ⎣ . +∞). (1) Por ejemplo. ⎢ . . λ.     4x1 + 2x2 − x3 = 0 4x1 + 2x2 − x3 = 0 y .88 Tema 3. μ ∈ R. Por tanto todos los puntos −2 1 de S2 pertenecen a la recta definida por la ecuaci´on anterior. . puesto que ln(β) recorre todo R cuando β recorre el intervalo (0. ⎢ −2 ⎥⎪ . La matriz inversa de A es la matriz B = A−1 = [bij ] dada por ⎡ ⎤ 1 ⎢ ⎥  ⎢ −2 1 ⎥ 0 si i < j. 4x1 + 3x2 − x4 = 0 x2 + x3 − x4 = 0 (3) S1 : Los puntos de S1 son los puntos de una par´abola. Obviamente S1 no puede ser el conjunto soluci´on de una ecuaci´on lineal o de un sistema de ecuaciones lineales. cualquier punto de la recta es un punto de S2 . dicho conjunto soluci´on es ⎧⎡ ⎤ ⎡ ⎤⎫ ⎧⎡ ⎤ ⎡ ⎤⎫ ⎪ ⎪ 0 0 ⎪ ⎪ ⎪ ⎪ 0 0 ⎪ ⎪ ⎪ ⎪ ⎥⎪ ⎪ ⎢ −1 ⎥ ⎢ 0 ⎥⎪ ⎨⎢ − 1 ⎥ ⎢ ⎢ 2 ⎥ ⎢ 0 ⎥ ⎪ ⎬ ⎪ ⎨ ⎢ ⎥ ⎢ ⎥⎬ ⎪ Gen ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎢ 1 ⎥ . ⎦ (−2)n−1 . x2 ) y (x1 . Por tanto. 4 −2 1 Ejercicio 14. Matem´aticas I. −1 ⎢ 4 −2 1 ⎥ bij = A =⎢ ⎥. Ingenier´ıa Civil . Ejercicio 12.. Las soluciones del sistema dado son ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ x1 0 0 ⎢ x2 ⎥ ⎢ −1 ⎥ ⎢ 0 ⎥ ⎢ ⎥ ⎢ 2 ⎥ ⎢ ⎥ ⎢ x3 ⎥ = λ ⎢ 1 ⎥ + μ ⎢ −2 ⎥. x1 − 1 x2 + 2 S2 : Eliminando el par´ametro tenemos = .. Eliminando el par´ametro es f´acil obtener su ecuaci´on impl´ıcita x2 + 2 = 14 (x1 − 1)2 ..

es una transformaci´on lineal. S´ı. (a) A = ⎣ 0 0 1 ⎦ . se verifica que T (α1 u1 + α2 u2 + α3 u3 ) = α1 T (u1) + α2 T (u2) + α3 T (u3 ). det (Bn ) = 0. α2 . α3 ∈ R. (2) Para n = 2.Ejercicios. para cualesquiera α1 . Por tanto. 89 Ejercicio 15.7. det (An ) = 0.3. det (M) = 0. u3 ∈ R3 son vectores cualesquiera. (1) Para n = 2. ⎩ ⎭ 0 0 −2 0 Matem´aticas I. (a) Si u1 . det (M) = −2 y para n ≥ 3. det (A2 ) = −2d2 y para n ≥ 3. 1 −1 −1 ⎡ ⎤ ⎧⎡ ⎤⎫ 1 1 0 ⎨ 1 ⎬ Ejercicio 20. Ejercicio 16. u2. det (B) = (−1)3+5 2det (A). (a) 2n det (AT ) = det (A) det (2A) = 2n det (A) det (2A−1 ) = det (A) 1 det ((2A)−1 ) = det (2A3 ) = 2n det (A)3 det (A4 ) = det (A)4 2n det (A) det (AAT ) = det (A)2 (b) (n!)det (A). (b) ker T = Gen ⎣ −1 ⎦ . Ejercicio 19. (3) Para n ≥ 2. Ejercicio 17. 2012-2013 . Ejercicio 18.. (b) ⎡ ⎤ 1 1 0 A = ⎣ −1 0 1 ⎦.

.Matrices.90 Tema 3. (1) La matriz de la proyecci´on es . determinantes y sistemas de ecuaciones lineales. Ejercicio 21.

1 9 6 P = . 13 6 4 (2) La matriz de la simetr´ıa viene dada por .

13 12 −5 (3) La matriz de esta proyecci´on es . 1 5 12 S= .

Ingenier´ıa Civil . 42 −20 −5 25 (5) La simetr´ıa respecto de la recta del apartado anterior queda ⎡ ⎤ −5 4 −20 1 ⎣ S= 4 −20 −5 ⎦ . 10 −5 −5 5 Matem´aticas I. 21 −20 −5 4 (6) La proyecci´on ortogonal sobre el correspondiente plano es ⎡ ⎤ 10 6 −2 1 ⎣ P = 6 5 3 ⎦. 5 2 2 (4) La proyecci´on ortogonal sobre la recta es ⎡ ⎤ 16 4 −20 1 ⎣ P = 4 1 −5 ⎦ . 1 3 3 P = . 14 −2 3 13 (7) La simetr´ıa respecto al mismo plano queda ⎡ ⎤ 3 6 −2 1 A = ⎣ 6 −2 3 ⎦ 7 −2 3 6 (8) Proyecci´on sobre la recta seg´ un un plano ⎡ ⎤ 4 4 −4 1 ⎣ P = 1 1 −1 ⎦ .

.. Sean e1 y e2 los vectores can´onicos de R2 y consideremos la transformaci´on 1 T : R2 −→ R2 definida por una matriz real M......... la matriz P de una proyecci´on sobre dicha recta o plano (proyecci´on ortogonal o no) y la matriz S de la simetr´ıa correspondiente.... SSx = x (el sim´etrico del sim´etrico de x es x).. puesto que para cualquier vector x.. es el paralelogramo determinado por los dos vectores columna de M...Ejercicios.. el plano considerado tiene por ecuaci´on x − y − z = 0...... Al transformar estos vectores mediante T (x) = Mx obtenemos los vectores T (x) = Mx = x1 Me1 + x2 Me2 con 0 ≤ x1 ..... La matriz A de la simetr´ıa considerada es ⎡ ⎤ 1 2 2 1⎣ A= 2 1 −2 ⎦ . en los vectores Me1 y Me2 que son los dos vectores columna de M... Ejercicio 22.....7. Denotemos por S : R3 −→ R3 la simetr´ıa descrita y por A la matriz asociada (S es una transformaci´on lineal). Los vectores can´onicos se transforman. −2 Por tanto....... S 2 = I... 3 2 −2 1 Ejercicio 23. x2 ≤ 1. respectivamente............ puesto que para cualquier vector x. 91 (9) Proyecci´on sobre el plano seg´ un cierto vector ⎡ ⎤ 7 −3 1 1 P = ⎣ 4 −1 2 ⎦ .......... P = 12 (S + I).... Las matrices que se obtienen en todos los apartados de este ejercicio tienen algunas caracter´ısticas comunes entre s´ı....3.......... El cuadrado unidad (superficie) est´a formado por los vectores x ∈ R2 de la forma x1 e1 + x2 e2 con 0 ≤ x1 ≤ 1 y 0 ≤ x2 ≤ 1.. P P x = P x (el proyectado del proyectado de x es igual al primer proyectado que se obtiene). 2012-2013 . Matem´aticas I. Es decir..... 5 −2 3 4 .... El plano que define la simetr´ıa tiene que ser el plano que pasa por el origen de coordenadas y ⎡ ⎤ 2 un vector normal al plano es n = S(u) − u = ⎣ −2 ⎦ ... Consideremos una recta o plano (que pase por el origen de coordenadas). T (x) = Mx.. 2 × 2.... Las matrices P y S verifican: P 2 = P .

4] × [1.Matrices. El rect´angulo (superficie) [2..92 Tema 3. determinantes y sistemas de ecuaciones lineales. 2] est´a formado por los vectores x ∈ R2 de la forma .

.

x1 2 = + αe1 + βe2 con 0 ≤ α ≤ 2 y 0 ≤ β ≤ 1. x2 1 Al transformar estos vectores mediante T (x) = Mx obtenemos los vectores .

0 ≤ β ≤ 1. 2 T (x) = Mx = M + αMe1 + βMe2 con 0 ≤ α ≤ 2. 1 .

Matem´aticas I............ (b) Paralelogramo .. (uno de los v´ertices es el origen).. AB: (a) Vectores columna de AB............. −2))......). (c) Paralelogramo . −2].. BA: (a) Vectores columna de BA.... (uno de los v´ertices es .. −2].). es la traslaci´on..... (c) Paralelogramo ............... (c) Paralelogramo ............ (c) Rect´angulo [6.... 12] × [−4. seg´ un el vector M del paralelogramo (con uno de sus 1 v´ertices en el origen de coordenadas) determinado por el ectores 2Me1 (primer vector columna de M multiplicado por 2) y Me2 (segundo vector columna de M).. (uno de los v´ertices es el origen)......... (uno de los v´ertices es el origen).. (uno de los v´ertices es (6..... A: (a) Vectores columna de A. (b) Rect´angulo [3.. (b) Paralelogramo .. (uno de los v´ertices es ..... 0] × [0. . (b) Paralelogramo ... Ingenier´ıa Civil ........ 2 Es decir........ B: (a) Vectores columna de B...