You are on page 1of 15

MATRICES

Definición: Am× n é unha matriz de m filas e n columnas de números reais

 a11 a12 a13 . a1n 
 
 21
a a 22 a 23 . a 2n 

 
( )
⇔: Am× n = a31 a32 a33 . a3n  = aij i =1.....m aij ∈ ℜ
 ∀i =1......m
∀j =1......n
 . . . . .  j =1..... n
a 
 m1 am 2 am3 . amn 
Definición: O número m × n recibe o nome de dimensión da matriz (dim A = m × n )
Definición: Se m = n , entonces o número de filas e de columnas coincide e a ese número
chamase orde da matriz (orde A = m = n)
Definición:
∀i =1......m
Dúas matrices da mesma dimensión m × n , Am× n e Bm× n son iguais ⇔: aij = bij
∀j =1......n

TIPOS DE MATRICES

Definición: Matriz fila é aquela que ten unha soa fila ( A1×n ).

Definición: Matriz columna é aquela que ten unha soa columna ( Am×1 ).

∀i =1......m
Definición: Matriz nula é aquela que ten tódolos seus elementos nulos aij = 0
∀j =1......n

Definición: Dada unha matriz A, chamamos trasposta de A , e representamos por At a matriz
que se obtén cambiando en A as filas polas columnas.
Definición: Matriz cadrada e aquela que ten igual número de filas que de columnas. No caso
contrario é rectangular.
Definición: Nas matrices cadradas os elementos aii constitúen a diagonal principal da matriz e o
conxunto formado por tódolos elementos aij con i + j = n + 1 dunha matriz cadrada de orde n
recibe o nome de diagonal secundaria.
Definición: Matriz diagonal é unha matriz cadrada na que tódolos elementos non pertencentes a
diagonal principal son nulos ( aij = 0 se i ≠ j ).

Definición: Matriz escalar é unha matriz diagonal con tódolos elementos da diagonal principal
iguais.
Definición: Matriz unidade ou identidade é unha matriz escalar con tódolos elementos da
diagonal principal iguais a 1.
Definición: Matriz triangular superior é unha matriz cadrada na que tódolos termos por debaixo
da diagonal principal son nulos ( aij = 0 se i > j ).

__________________________ Álxebra 1
Rafael Vidal Meijón

Oposta de A A matriz que se obtén cambiando de signo tódolos elementos da matriz A. Asociativa mixta ou homoxénea k(hA) = (kh)A. 3.. Elemento unidade ∃1∈IR tal que 1·A = A... Matriz nula A+0 = A 4. A+C = B+C ⇒ A = B 2.n PROPIEDADES DA SUMA DE MATRICES: 1. Conmutativa A+B = B+A 3. recibe o nome de matriz oposta... 4. PRODUCTO DE UN NÚMERO POR UNHA MATRIZ: Definición: O producto dun número real k pola matriz A=(aij) é outra matriz B=(bij) da mesma dimensión que A. Definición: Matriz simétrica é unha matriz cadrada tal que aij = a ji . Asociativa A+(B+C) = (A+B)+C 2.n j =1. PROPIEDADES DO PRODUCTO POR UN ESCALAR: 1... Esto é: A é simétrica ⇔ A = At .Definición: Matriz triangular inferior é unha matriz cadrada na que tódolos termos por enriba da diagonal principal son nulos ( aij = 0 se i < j ).. kA = kB ⇒ A = B. que verifica: S = sij i =1... se A ≠ matriz nula PRODUCTO DE MATRICES: ( ) Definición: Dada A = aij de dimensión m × n e B = (b jk ) de dimensión n × p definimos a matriz producto P = ( pik ) de dimensión m × p . Definición: Matriz antisimétrica é unha matriz cadrada na que aij = − a ji . Distributiva do producto respecto a suma de matrices k(A+B) = kA+kB. j =1. O producto dun número k pola matriz A desígnase por kA ou Ak. Propiedades simplificativas: 1. como aquela na que cada elemento pij obtense multiplicando escalarmente a fila i da primeira matriz pola columna j da segunda...m .. En toda matriz antisimétrica verificase que aii = 0 ∀i = 1.n . Distributiva do producto respecto a suma de escalares (k+h)A = kA+hA. 3. t SUMA DE MATRICES: Dadas dúas matrices A e B da mesma dimensión Am× n e Bm× n a suma é outra matriz da mesma ( ) ( ) dimensión. de maneira que bij = k·aij. e verifica A+(–A) = 0. 2... se k ≠ 0. kA = hA ⇒ k = h.....m = aij + bij i =1. __________________________ Álxebra 2 Rafael Vidal Meijón . Esto equivale: A é antisimétrica ⇔ A = − A ..

5. . .  a11 a12 . Asociativa A ⋅ ( B ⋅ C ) = ( A ⋅ B ) ⋅ C . b2 p   p21 p22 . . 2. .. am1b1 p + am 2b2 p + .. Se A é unha matriz cadrada de orden n . . 5. b1 p   p11 p12 .    am1b11 + am 2b21 + . 2. amn   bn1 bn 2 . ( A + B )2 non é necesariamente igual a A2 + 2 A ⋅ B + B 2 . O producto non é conmutativo: en xeral A ⋅ B ≠ B ⋅ A .  =  . . −1 Se existe a matriz B dise que é a matriz inversa de A e designase por A .. a1n   b11 b12 .   .. 4. . no caso contrario dise que é singular. . p1 p         a21 a22 .. . DETERMINANTES: Sexa M nxn o conxunto das matrices cadradas de orde n.. + amnbnp   PROPIEDADES DO PRODUCTO DE MATRICES: 1. A ⋅ I n = I n ⋅ A = A .. . Definición: Determinante de orde n é unha aplicación que a cada matriz de M nxn faille corresponder un certo número real chamado determinante desa matriz ( det( A) ou | A | ): det : M nxn IR A det( A) __________________________ Álxebra 3 Rafael Vidal Meijón . p2 p  ⋅ = =  . + a1nbn1 .. .         am1 am 2 .   . + a1nbnp     . . a1nb1 p + a2 nb2 p + . A ⋅ B = 0 non implica necesariamente A = 0 ou B = 0 . . pmp   a11b11 + a12b21 + . sendo a matriz identidade I n de orde n .. + amnbn1 . a2n   b21 b22 . ... A ⋅ B = A ⋅ C non implica necesariamente que B = C . . non sempre existe outra B tal que A ⋅ B = B ⋅ A = In . Distributiva do producto respecto da suma de matrices A ⋅ ( B + C ) = A ⋅ B + A ⋅ C . 3. 3. Se A é unha matriz cadrada de orden n . 4. ( A − B )2 non é necesariamente igual a A2 − 2 A ⋅ B + B 2 . ( A + B ) ⋅ ( A − B ) non é necesariamente igual a A 2 − B 2 . bnp   pm1 pm 2 . . CURIOSIDADES NAS OPERACIÓNS CON MATRICES: 1. Se unha matriz cadrada ten inversa dise que é inversible ou regular.. .

__________________________ Álxebra 4 Rafael Vidal Meijón . * Definición: Matriz adxunta de An× n e representase por AdjA ou A a matriz que se obtén ó substituír en An× n cada elemento polo seu correspondente adxunto. a que se obtén ó suprimir en An× n a fila i e a columna j. i+ j Definición: Adxunto do elemento aij . Definición: Menor complementario do elemento aij . O número det(A) calcúlase segundo segue: Definición: Determinante de orde 2 a a12  det  11  = a11·a22 − a21·a12  a21 a22  Definición: Determinante de orde 3 pola regra de Sarrus:  a11 a12 a13    det  a21 a22 a23  = a11·a22 ·a33 + a21·a32 ·a13 + a12 ·a23 ·a31 − a13 ·a22 ·a31 − a21·a12 ·a33 − a11·a32 ·a23 a a32 a33   31 Tamén se pode calcular: a) a11 a12 a13 a21 a22 a23 = a11·a22 ·a33 + a21·a32 ·a13 + a31·a12 ·a23 − a13 ·a22 ·a31 − a23 ·a32 ·a11 − a33 ·a12 ·a21 a31 a32 a33 a11 a12 a13 a21 a22 a23 b) a11 a12 a13 a11 a12 a21 a22 a23 a21 a22 = a11·a22 ·a33 + a12 ·a23 ·a31 + a13 ·a21·a32 + a31 a32 a33 a31 a32 − a13 ·a22 ·a31 − a11·a23 ·a32 − a12 ·a21·a33 Para unha matriz cadrada calquera An× n definimos os seguintes conceptos: Definición: Matriz complementaria do elemento aij . e represéntase por M ij ó valor do determinante da matriz complementaria do elemento aij . a ( −1) M ij = Aij e o menor correspondente co signo dado polo lugar que ocupa na matriz. É unha matriz cadrada de orde n − 1 . e representase por Aij .

b... c + c. entonces o seu determinante é igual á suma de dous determinantes que teñen en esa fila ou columna o primeiro e segundo sumando respectivamente... DESENROLO DUN DETERMINANTE POLOS ELEMENTOS DUNHA FILA OU COLUMNA: Proposición: Para toda matriz cadrada An× n verificase que o seu determinante é igual a suma dos productos dos elementos dunha calquera das súas filas ou columnas polos seus correspondentes adxuntos. ann   n1 an 2 an 3 = . .  a11 a12 a13 ... o determinante queda multiplicado por dito número........ = a11 ⋅ A11 + a21 ⋅ A21 + a31 ⋅ A31 + .. = a1n ⋅ A1n + ...... b + b... e nas demais os mesmos elementos que o determinante inicial.... a b c a. ............. c. f g h = f g h+ f g h m n p m n p m n p 2... + an1 ⋅ An1 = . Se tódolos elementos dunha fila ou columna dunha matriz cadrada se descompoñen en dous sumandos..... .. + ann ⋅ Ann = a . ... + a1n ⋅ A1n =    .. a + a.  = an1 ⋅ An1 + . + ann ⋅ Ann COMPROBACIÓN PARA MATRICES DE ORDE TRES: Por Sarrus:  a11 a12 a13    det  a21 a22 a23  = a11·a22 ·a33 + a21·a32 ·a13 + a12 ·a23 ·a31 + a a33  − a13 ·a22 ·a31 − a21·a12 ·a33 − a11·a32 ·a23  31 a32 pola proposición:  a11 a12 a13    a a23 a21 a23 a21 a22 det  a21 a22 a23  = a11 ⋅ 22 − a12 ⋅ + a13 ⋅ = a a32 a33 a31 a33 a31 a32  31 a32 a33  = a11( a22 a33 − a32 a23 ) − a12 ( a21a33 − a31a23 ) + a13 ( a21a32 − a31a22 ) = = a11a22 a33 − a11a32 a23 − a12 a21a33 + a12 a31a23 + a13a21a32 − a13a31a22 = = a11a22 a33 + a12 a31a23 + a13a21a32 − a11a32 a23 − a12 a21a33 − a13a31a22 Polo tanto coinciden. PROPIEDADES DOS DETERMINANTES: Propiedades e operacións: 1... a1n     a21 a22 a23 . a3n  = a11 ⋅ A11 + a12 ⋅ A12 + a13 ⋅ A13 + .. a2 n  det An× n = det  a31 a32 a33 .. Se se multiplican tódolos elementos dunha filia ou columna dunha matriz cadrada por un mesmo número. __________________________ Álxebra 5 Rafael Vidal Meijón .

. 7 e 8 resúmense na seguinte: Se unha fila ou columna dunha matriz cadrada é combinación lineal das restantes filas ou columnas. a2 n  Am×n =  a31 a32 a33 . 7. O determinante dunha matriz cadrada non varía se a unha fila ou columna se lle suma unha combinación lineal doutras. Se unha matriz cadrada ten dúas filas ou columnas iguais.n j =1. Propiedades e dependencia: 5.. Se cambiamos entre si dúas filas ou dúas columnas dunha matriz cadrada. o seu determinante cambia o signo respecto ó inicial..n  . As propiedades 6. RANGO DUNHA MATRIZ: DEFINICIÓN E CÁLCULO: Dada unha matriz calquera:  a11 a12 a13 . o seu determinante é cero.. Transformacións para simplificar o cálculo de determinantes: 9.. . a1n     a21 a22 a23 .. 4.   ∀j =1.. Se dúas filas ou columnas dunha matriz cadrada son proporcionais. ka kb kc a b c f g h =k⋅ f g h m n p m n p 3. Se A e B son matrices cadradas ⇒ det (A ⋅ B) = det A ⋅ det B . as filas e columnas son linealmente dependentes. a3n  = (aij ) i =1.  a am 2 am3 .. o seu determinante é cero.. o seu determinante é cero. o seu determinante é cero. b) Se o determinante dunha matriz cadrada é cero. En particular: O determinante dunha matriz cadrada non varía se a unha fila ou columna se lle suma outra paralela.. ..m aij ∈ ℜ ∀i =1... Se unha matriz cadrada ten unha fila ou columna con tódolos elementos nulos.m .. . 6. __________________________ Álxebra 6 Rafael Vidal Meijón .. . amn   m1 Definición: Definimos Rango por filas dunha matriz ó número de vectores fila desa matriz que son linealmente independentes. o seu determinante é cero.. 8. En toda matriz cadrada verificase que det A = det A t .. Proposición: a) Se as filas ou columnas dunha matriz cadrada son linealmente dependentes. Definición: Definimos Rango por columnas dunha matriz ó número de vectores columna desa matriz que son linealmente independentes..

__________________________ Álxebra 7 Rafael Vidal Meijón . xa que son linealmente independentes. Demostración: "⇒" Se Rango de A é n ⇒ En A hai exactamente n filas e n columnas linealmente independentes ⇒ Se tomamos o menor de A de orde n formado por esas n filas e columnas será distinto de cero. A −1 é a matriz inversa de A ⇔: A ⋅ A−1 = A−1 ⋅ A = I . 3. Definición: O rango dunha matriz A coincidirá coa orde do menor de orde maior distinto de cero que se poida formar con lineas de A. e tódolos de orde n+1 serian nulos xa que calquera outra linea que engada será combinación lineal das anteriores. utilizando as propiedades anteriores. A unha linea se lle suma unha combinación lineal das paralelas. Proposición: O producto dunha matriz cadrada pola súa adxunta trasposta é unha matriz diagonal que ten tódolos elementos da diagonal iguais a A (é unha matriz escalar). Proposición: A condición necesaria e suficiente para que unha matriz cadrada A de orde n teña inversa é que A ≠ 0 ( A é unha matriz regular). A continuación suprimiranse as lineas proporcionais. As propiedades 4 e 5 están incluídas na seguinte: Se lle suprime unha linea que sexa combinación lineal doutras paralelas. 4. Proposición: Rango dunha matriz é igual a n ⇔ Existe nesa matriz alomenos un menor de orde n distinto de cero e tódolos menores de orde n+1 son nulos. Definición: O Rango dunha matriz coincide co número de vectores fila ou columna desa matriz que son linealmente independentes. "⇐" Se existe un menor de orde n distinto de cero ⇒ Que esas n lineas son linealmente independentes ⇒ n filas e columnas independentes ⇒ rango de A ≥ n e como tódolos menores de orde n+1 son nulos ⇒ Rango de A igual a n. Multiplicamos ou dividimos tódolos elementos dunha linea por un mesmo número real distinto de cero. 5. Se lle suprime unha linea nula.Proposición: En toda matriz verifícase que os rangos por filas e por columnas coinciden. O número de lineas non nulas resultante coincidirá co rango da matriz. Cálculo do rango polo método de Gauss: Consiste en. Permutamos nela dúas lineas paralelas. MATRIZ INVERSA: Definición: Se A é unha matriz cadrada. Propiedades do rango dunha matriz: O rango dunha matriz non varía se: 1. triangularizar a matriz. 2. Se lle suprime unha linea proporcional a outra paralela.

0  1 0 . 3. . . se existe . ann 0 0 . a2 n 0 1 0 0 ( A / I ) =  21 22 .   a a . .      0 0 . . 0   0 1 0 0 An ⋅ ( A*) =  t = An ⋅  = An ⋅ I n . Propiedades da matriz inversa: 1. B ∈M n / A.   .   . . Ann   0 0 . . . . B regulares 2. 1   n 1 An é tal que An ≠ 0 . a1n 1 0 0 . A inversa de A −1 é A: (A )−1 −1 =A (propiedade involutiva). An  0 0 . a2 n   A12 A22 . 0      0 An . Demostración: Se B e C son inversas de A : A·B = B· A = I   de de onde A·B = A·C . 0         a21 a22 . . 1   Nesta matriz mediante as transformacións: __________________________ Álxebra 8 Rafael Vidal Meijón .  a11 a12 . escribiremos a matriz cadrada A e ao seu lado a matriz identidade da mesma orde e representase por ( A / I ) :  a11 a12 .   an1 an 2 .        a an 2 . a1n   A11 A21 . . A inversa do producto de dúas matrices regulares é o producto das inversas desas matrices na orde inversa: ( A ⋅ B )−1 = B −1 ⋅ A−1 ∀A. é única. podo dividir por An ⇒ ⋅ An ⋅ ( An * ) = I n t Se a matriz An  1  1 Pola propiedade asociativa do producto An ⋅  ( An * )t  = I n ⇒ ( An * )t = A−1 é  An  An a matriz inversa de An . . An  n  n1 CÁLCULO DA MATRIZ INVERSA:  An 0 . An 2   0 An 0 0  An ⋅ ( A*)t =  ⋅ = . An1   An 0 . . ann   A1n A2 n . A inversa de A . . . . . . . multiplicando por C : A·C = C· A = I  C·( A·B ) = C·( A·C ) ⇒ (C· A)·B = (C· A)·C ⇒ I ·B = I ·C ⇒ B = C . CÁLCULO DA MATRIZ INVERSA POLO MÉTODO DE GAUSS: Sexa A unha matriz cadrada da que queremos calcular a súa inversa.  . .  . . Para obtela polo método de Gauss. .

. Debemos obter outra matriz da forma (I / B ) 1 0 . bnn    b11 b12 . b1n    (I / B ) =  0 1 0 0 b21 b22 . nese caso a matriz A non ten inversa. . .    0 0 . b2 n  . . . 0 b11 b12 . 1 bn1 bn 2 . b2 n  Chegados a ese punto a matriz B =   é a matriz inversa da matriz A . • Sumarlle a unha fila unha combinación lineal doutra. bnn   Se nos pasos intermedios entre as matrices ( A / I ) e (I / B ) aparece unha fila de ceros ou dúas filas proporcionais no lado esquerdo da matriz. • Multiplicar ou dividir unha fila por un número distinto de cero. B = A−1 . b1n     b21 b22 . . . . .    bn1 bn 2 . __________________________ Álxebra 9 Rafael Vidal Meijón . . • Intercmbio de filas. .

..... x2 por s2 . Sendo a1 .. __________________________ Álxebra 10 Rafael Vidal Meijón .. a2 ..... + an xn = b .. b o termo independente e x1 ....n am1x1 + am 2 x2 + .  ∀j = 1.. Definición: s1 ..... + a x = b   21 1 22 2 2  Definición: s1 ..  a11 x1 + a12 x2 + .......... + a x = b   21 1 22 2 2n n 2  Definición: Un sistema de ecuacións lineais   é homoxéneo  . se ó substituír x1 por s1 .. + a1n xn = b1  a21 x1 + a22 x2 + ... + amn xn = bm  é solución de tódalas súas ecuacións......... + amn xn = bm  bi ∈ ℜ ∀i = 1.... + an xn = b é homoxénea se b = 0 ... DEFINICIÓN DE SOLUCIÓN: Definición: Unha ecuación lineal con n incógnitas e coeficientes reais é calquera expresión da forma a1 x1 + a2 x2 + . s2 .m os termos independentes e x1.. + an xn = b donde a1 ........ an os coeficientes da ecuación........ DEFINICIÓN DE SISTEMA DE M ECUACIÓNS LINEAIS CON N INCÓGNITAS.......  a11 x1 + a12 x2 + ... xn as incógnitas. xn as incógnitas.. .. . xn = 0 que recibe o nome de solución trivial...... SISTEMAS DE ECUACIÓNS LINEAIS DEFINICIÓN DE ECUACIÓN LINEAL CON N INCÓGNITAS... an e b ∈ ℜ ........ Proposición: Todo sistema de ecuacións lineal homoxéneo admite a lo menos a solución x1 = 0........... ................. x2 = 0... . .... SISTEMAS HOMOXÉNEOS...  am1 x1 + am 2 x2 + .m expresión do tipo:  sendo aij ∈ ℜ os coeficientes......  am1 x1 + am 2 x2 + . ... a2 ... xn por sn verificase a igualdade.... s2 ....... x2 ......... sn ∈ ℜ é unha solución da ecuación lineal a1 x1 + a2 x2 + . . Definición: Un sistema de m ecuacións lineais con n incógnitas e coeficientes reais é calquera a11 x1 + a12 x2 + ..m ... SISTEMAS DE ECUACIÓNS LINEAIS EQUIVALENTES: Definición: Dous sistemas de ecuacións lineais son equivalentes se admiten as mesmas solucións... + a1n xn = b1   a x + a x + .............. + a2 n xn = b2  ∀i = 1.. sn ∈ ℜ é unha solución do sistema  2n n  se  ... Definición: Unha ecuación lineal a1 x1 + a2 x2 + ... + a1n xn = b1   a x + a x + .. + amn xn = bm  se bi = 0 ∀i = 1.............. DEFINICIÓN DE SOLUCIÓN.

+ a1n xn = b1   a x + a x + . a 2n   x2  Sendo: M =  = 22 a matriz dos coeficientes ... ...   ...... ...   ... . + amn xn = bm   a11 a12 ....    bm  M ⋅ X = B..PROPIEDADES DA EQUIVALENCIA DE SISTEMAS: 1. .  a matriz columna das .... ...     am1 am 2 . . a1n b1    a a22 ..  am1 x1 + am 2 x2 + .. Se nun sistema de ecuacións lineais se elimina unha ecuación que sexa combinación lineal das outras... ⋅ = que recibe o nome de expresión matricial do sistema..... Se nun sistema de ecuacións lineais se substitúe unha ecuación calquera por unha combinación lineal da mesma.. X  .. na que o seu coeficiente sexa distinto de cero. .... FORMA MATRICIAL E FORMA VECTORIAL DUN SISTEMA DE ECUACIÓNS LINEAIS:  a11 x1 + a12 x2 + ... a2n   x2   b2   . . obtense un sistema equivalente ó primeiro. con outras ecuacións do sistema. a mn   xn   b1     b2  incógnitas e B =   a matriz columna dos termos independentes. . amn bm  Definición: Recibe o nome de expresión vectorial dun sistema de ecuacións lineais a expresión: __________________________ Álxebra 11 Rafael Vidal Meijón .. * Definición: Recibe o nome de matriz ampliada a matriz M formada polos coeficientes ampliada  a11 a12 ..... ..      a  m1 a m2 .... amn   xn   bm   a11 a12 .. . + a x = b   21 1 22 2 2n n 2  Dado o sistema   pode expresarse da forma:  . a2 n b2  co a columna de termos independentes: M * =  21 .         am1 am 2 ... a1n   x1       21 a a ... a1n   x1   b1         a21 a22 . Polo que queda reducido a ... . ... 2. ...... obtense un sistema equivalente ó primeiro.

s2 .. Demostración do caso a) Dado o sistema de ecuacións lineais na forma vectorial C1 ⋅ x1 + C2 ⋅ x2 + ... a11   a12   a1n   b1   a11   a12   a1n                 a21   a22   a2 n   b2   a21   a22   a2 n   .... s2 ..... Definición: Se un sistema de ecuacións lineais ten infinitas solucións dise que é compatible indeterminado... sn ∈ ℜ / s1C1 + s2C2 + .  = Cn .. Cn ⇒ ∃s1 . Definición: Se un sistema de ecuacións lineais non ten solución é incompatible.  ⋅ xn =  . C2 .  = C1 . Proposición: Tódolos sistemas de ecuacións lineais incompatibles son equivalentes entre si...  ⋅ x1 +  ..  se  .. __________________________ Álxebra 12 Rafael Vidal Meijón ...... c) Un sistema de ecuacións lineais compatible é indeterminado ⇔ rangoM = rangoM * < número de incógnitas Nese caso a diferencia entre o número de incógnitas e o rango recibe o nome de graos de liberdade. CLASIFICACIÓN DOS SISTEMAS SEGUNDO O NÚMERO DE SOLUCIÓNS: Definición: Se un sistema de ecuacións lineais ten solución dise que é compatible. ∃s1 .   Determinado Compatible Clasificación segundo o número de solucións: Sistemas lineais Indeterminado Incompatible  DISCUSIÓN E RESOLUCIÓN DE SISTEMAS DE ECUACIÓNS LINEAIS: Teorema de ROUCHÉ-FRÖBENIUS: a) A condición necesaria e suficiente para que un sistema de ecuacións lineais sexa compatible é que o rango da matriz de coeficientes do sistema coincida co rango da matriz ampliada cos termos independentes.. " ⇐" Se rangoM = rangoM * ⇒ B é combinación lineal de C1 .. s2 . +  . Cn ⇒ B non intervén ó calcular o rango da matriz ampliada ⇒ rangoM = rangoM * .( sistema compatible ⇔ rangoM = rangoM * ). C2 . + Cn ⋅ xn = B .. + sn Cn = B ⇒ s1 ... Definición: Se un sistema de ecuación lineais ten solución única dise que é compatible determinado. b) A condición necesaria e suficiente para que un sistema de ecuacións lineais compatible sexa determinado é que o seu rango( rangoM = rangoM * ) coincida co número de incógnitas.  = C2.. . + snCn = B ⇒ B é combinación lineal de C1 . + Cn ⋅ xn = B "⇒" Se o sistema é compatible.. s n é unha solución do sistema ⇒ sistema compatible..  .  .  ⋅ x2 + . sn ∈ ℜ / s1C1 + s2C2 + ...               a  m1  a  m2  a  mn  b  m a  m1  a  m2  a  mn  Entonces o sistema sería: C1 ⋅ x1 + C2 ⋅ x2 + ..

. . C 2 . Definición: Un sistema de ecuacións lineais é un sistema de Cramer.. Cn ) det (C1. x2 = . C 3 ....... B..... s2 . pola esquerda por M −1 . C2 .. amn   xn   bm  −1 Por tratarse dun sistema de Cramer ⇒ M é regular ⇒ ∃M ... An1   b1         x2  1  A12 A22 . C2 . + s n C n ... Cn ) O valor de cada incógnita obtense dividindo o determinante asociado a dita incógnita (o determinante que se obtén ó substituír a columna correspondente ós coeficientes de dita incógnita pola columna de termos independentes) polo determinante da matriz do sistema. * Tamén se podería demostrar utilizando notación matricial:  a11 a12 .. ( ) Proposición: Todo sistema de Cramer é compatible e determinado.         am1 am 2 . sn ∈ ℜ / s1C1 + s2C2 + . sen mais que ir cambiando a columna B de sitio na igualdade de partida.. xn = det (C1. ⋅ . C 3 ...... Ann   bn  __________________________ Álxebra 13 Rafael Vidal Meijón . C2 .. os dous membros: M −1 ⋅ (M ⋅ X ) = M −1 ⋅B . C2 ..ENUNCIADO DA REGRA DE CRAMER: 1. Cn ) = s1 det (C1.   . C n ) + + s2 det (C2 . Cn −1..        x  n  A1n A2 n . C3 . C n ) = det (s1C1 + s 2 C 2 + .. se verifica que o número de ecuacións independentes é igual ó número de incógnitas.. C 2 ... C n ) Do mesmo xeito poderíase calcular calquera outra solución.. de onde: det (B...   . ... procederiamos así: det (B......... .... + snCn = B .. C 2 . Cn ) det (C1. C2 . . e multiplicando.   . Regra de Cramer: A solución dun sistema de Cramer é da forma: det (B.. B ) x1 = . + sn det (Cn . C2 . An 2   b2   .. Cn ) + .. Cn ) . Cn ) det (C1.... C n ) = s1 det (C1 .. Cn ) det (C1. a1n   x1   b1         a21 a22 .  = M ⋅ .... C2 ... Cn ) s1 = det (C1 .... C2 . C2 ..... ⋅ = ou simplemente M ⋅ X = B . .. o determinante da matriz dos coeficientes é distinto de cero M ≠ 0 (⇔ M é regular ) . . Isto é. X = M −1 ⋅B  x1   A11 A21 . a2n   x2   b2   .... Demostración: Como o sistema é de Cramer ten solución ⇒ ∃s1 .. Para calcular s1 . C2 .....

.   a11 a12 ... amn bm........... .... ... . a2 n b2   0 a22 .. a1n b1   a11 a12 . Dado o sistema:  a11x1 + a12 x2 + ..  ..0 .. a2 n −1 b2   ... Cn −1 .. + a mn ... .. a2....  b1 a12 ......   . ....... ...... + a1n xn = b1   a11x1 + a12 x2 + ... ... ... . a2. ........ + bn ⋅ An1 = bn an 2 .... a1n b1   ... C2 ....    ... + a1n x n = b1   0 x1 + a 22 x 2 + .  0 am 2 .... xn = bm  ......... a1n −1 b1  a21 . Cn )  1 M M M  . + 0 x m + a mm .......... . ....... amn bm  . __________________________ Álxebra 14 Rafael Vidal Meijón ...... ⇔  ... ann = det (B......   21 1 2   1 2   22 2 2n n  ⇔  22 2 2n n  ⇔ ....  ........ .   a11 x1 + a12 x 2 + ..........  ....... ..... + amn . +1 .... x = b. x n = bm. x m+1 + ..... ann −1. . x + ... ............ + bn ⋅ Ann = an1 .....   0 a22 .... .  0 x1 + .... . a1n b1     ......  equivalencia  ......................  Discusión: Unha vez triangularizada a matriz debemos eliminar tódalas filas de ceros e aquelas que dependan linealmente das outras na matriz...       am1 am 2 .... ..........   a21 a22 ....... + a1n xn = b1   a x + a x + ............   xn = b1 ⋅ A1n + b2 ⋅ A2 n + .... + a x = b  Propiedade s  0 x + a ...  Se traballamos so coa matriz ampliada:  a11 a12 ... amn bm....  am1x1 + am 2 x2 + ...... .... .. .... + a 2 n x n = b2 . ⇔    .  a11 ............. amm . 2 x2 + .. ....... . n b2... + a .. ⇔ ⇔ .. a2 n  .. + amn xn = bm  0 x1 + am.... n b2.. ...........   x = b1 ⋅ A11 + b2 ⋅ A21 + .... .     0 ... ....... B )  M M M  DISCUSIÓN E RESOLUCIÓN DE SISTEMAS POLO MÉTODO DE GAUSS: Consiste en pasar dun sistema a outro equivalente hasta que o último sexa un sistema triangular.. a1n   b2 a22 . bn = det (C1 ..

Se o sistema é compatible determinado. co seu valor imos a fila superior e despexamos a seguinte. Casos a ter en conta: 1. pero tendo en conta que precisaremos tantos parámetros como graos de liberdade teña...... Se non temos ningunha ecuación incompatible e o número de filas independentes é igual ó número de incógnitas ⇒ Sistema compatible determinado (solución única).. unha ecuación incompatible ⇒ Sistema de ecuacións lineais incompatible. Se o sistema e compatible e indeterminado procedese da mesma maneira. 2. 3. Se non temos ningunha ecuación incompatible e o número de filas independentes é menor que o número de incógnitas ⇒ Sistema compatible indeterminado (Infinitas solucións)... Se temos algunha fila da forma (0.Debo quedar so coas filas linealmente independentes. unha vez triangularizado.... na última fila despexase unha incógnita. e así sucesivamente hasta chegar a primeira. RESOLUCIÓN POLO MÉTODO DE GAUSS: 1. Neste caso: Nº de graos de liberdade = Nº de Incógnitas – Nº de filas independentes.. + 0 xn = b ).0 b ) con b ≠ 0 ( 0 x1 + . __________________________ Álxebra 15 Rafael Vidal Meijón .