Matematika I: Raúl Medina Galarza Oihana Aristondo Etxeberria

MATEMATIKA I
Raúl Medina Galarza

Oihana Aristondo Etxeberria
EUSKARA ETA ELEANIZTASUNEKO

ERREKTOREORDETZAREN SARE ARGITALPENA
Liburu honek UPV/EHUko Euskara eta Eleaniztasuneko Errektoreordetzaren

diru laguntza jaso du
AURKIBIDEA:
1. GAIA. EGITURA ALJEBRAIKOAK………………………………………..……1
1.1. Multzoak…………………………………………………………………...….2
1.2. Multzoen arteko eragiketak……………………………………….…..………6
1.3. Taldeak eta Gorputzak………………………………………………………..9
1.4. Ariketak…………………………………………………………………..….11
2. GAIA. ESPAZIO BEKTORIALAK……………………………………………....12
2.1. Definizioa eta propietateak…………………………………………………..13
2.2. Azpiespazio bektorialak………………………………………………….….17
2.3. Konbinaketa linealak……………………………………………….………..17
2.4. Menpekotasun eta independentzia lineala…………………………...…..…..18
2.5. Espazio bektorial baten oinarria eta dimentsioa……………………….....….19
2.6. Osatugabeko oinarriaren teorema………………………………………...….20
2.7. Azpiespazioen arteko bildura, ebakidura eta baturak………………..…...….20
2.8. Batura zuzenak………………………………………..…………………..…22
2.9. Bektore baten koordenatuak…………………………………..……………..24
2.10. Ariketak………………………………………………………………….…25
i
3. GAIA. MATRIZEAK ETA DETERMINANTEAK……………………………..32
3.1. Matrizearen definizioa…………………………………………………....….33
3.2. Matrize motak………………………………………………………………..33
3.3. Matrizeen arteko eragiketak………………………………………..…...…...36
3.4. Matrize karratu baten determinantea…………………………………......….38
3.5. Matrize Iraulia. Propietateak……………………………………………...…43
3.6. Matrize karratu baten alderantzizkoa…………………………………….….44
3.7. Matrize baten heina…………………………….…………………………....46
3.8. Matrize karratuen berreketak eta erroak…………………………………..…49
3.9. Blokekako matrizeak………………………………………….…………..…50
3.10. Zenbaki konplexuen gainean definituriko matrizeak…………………..…..54
3.11. Matrize sakabanatuak…………………..…………………………………..55
3.12. Zenbakizko metodoak………………………………………………………56
3.13. Oinarri aldaketako matrizea………………………………………………...58
3.14. Matrizeen ariketak……………………………………………………….…60
4.GAIA. EKUAZIO-SISTEMA LINEALAK…………………………………….....65
4.1. Sarrera……………………………………………………..………………....66
4.2. Rouche Frobenius-en teorema…………………………………………..…...68
4.3. Cramer-en erregela…………………………………………………………..69
4.4. Ekuazio-sistema linealen baliokidetasunak………………………………….71
4.5. Ekuazio linealen sistema homogeneoak…………………………………......76
4.6. Ekuazio-sistema linealen ebazpenerako metodo orokorra……………….….78
4.7. Zenbakizko metodoen aplikazioa……………………………………………81
4.8. Ekuazio sistema linealen ariketak…………………………………………...85
ii
5.GAIA. APLIKAZIO LINEALAK……………………………………………...…..88
5.1. Aplikazio linealaren definizioa……………………………………………....89
5.2. Aplikazio motak…………………………………………………………......89
5.3. Aplikazio lineal baten Irudia………………………………………………...90
5.4. Aplikazio lineal baten Matrizea……………………………………………...91
5.5. Aplikazio linealen arteko batura……………………………………………..92
5.6. Aplikazio lineal baten eta eskalar baten arteko biderkadura…………….…..93
5.7. Aplikazio linealen arteko biderkadura(konposaketa)………………………..93
5.8. Aplikazio lineal baten nukleoa………………………………………………94
5.9. Aplikazio linealen ariketak………………………………………………….96
6. ENDOMORFISMO BATEN DIAGONALIZAZIOA……………………………98

6.1. Balio eta bektore propioak …………………………………………….........99
6.2. Balio eta bektore propioen kalkulua…………………………………..........101
6.3. Autobalio baten anizkoiztasun aljebraikoa eta geometrikoa ………………106
6.4. Endomorfismo diagonalgarriak ……………………………………............107
6.5. Jordan-en Forma Kanonikoa ………………………………………………115
6.6. Ariketak…………….………………………………………………………118
iii
BIBLIOGRAFIA
TEORIA
Euskaraz
1. “Oinarrizko Aljebra”. ZURUTUZA, I. Elhuyar.
Gaztelaniaz
2. “Algebra Lineal y Teoría de Matrices”. BARBOLLA, R, y otros.
3. “Algebra Lineal” BURGOS, J. McGraw-Hill. Madrid, 1993.
4. “Curso de Algebra y Geometría”. BURGOS, J.
5. “Algebra Lineal y Geometría”. GARCIA G., J. LOPEZ PELLICER, M. Marfil.
Valencia.
6. “Algebra Lineal y algunas de sus aplicaciones”. GOLOVINA L. Y. Mir. Moscu,
1983.
7. “Algebra y Geometría Analítica”. GRANERO, F. McGraw-Hill. Madrid, 1191.
Ingelesez
8. “Linear Algebra and its aplications”. GRIFFEL, D.H. Ellis Horwood Ltd.
Chichester, 1989.
9. “Applied Numerical Linear Algebra”. HAGER, W. Prentice Hall., U.S.A., 1995.
iv
PROBLEMAK
Euskaraz
1. “Aljebra lineala. Azterketarako Problema Ebatziak”. BOnostia, Elkar
Gastelaniaz
2. “Problemas de Algebra Lineal y Geometría”. BLANCO, F. y otros.
3. “Problemas de Algebra Lineal”. COLECCIO NR.A.E.C.
4. “Problemas de Algebra Lineal”. DIEGO, B. y otros. Demos. Madrid, 1986.
5. “Algebra Lineal”. LANG, S.
6. “Lecciones Básicas de Algebra Lineal”. MALAINA, J.L. y otros.
7. “Análisis Numérico”. MERAYO GARCIA, F. NEVOT CUNA, A. Editorial
Paraninfo, S.A.
8. “Algebra Lineal Aplicada”. NOBLE, B. DANIEL, J.W. Prentice Hall, México,
1989.
9. “Algebra Lineal”. ROJO, J.
10. “Algebra Matricial y Lineal” (Teoría y 179 Problemas resueltos). SERIE
SCHAUM
11. “Matrices SERIE SCHAUM.
12. “Algebra Lineal y sus Aplicaciones”. STRENG, G. Addison Wesley
Iberoamericana, 1988.
13. “Problemas de Algebra Lineal”. TEBAR, F.
Ingelesez
14. “Numerical Methods for Mathematics, Science & Engineering”. MATHEWS,
J.H.
v
vi
Matematika I
EGITURA ALJEBRAIKOAK
Zenbaki Errealen Zuzen Erreala
− 18 -3.1416 π 4.564
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
x Zuzen Erreala
x -5 -4 -3 -1 0 1 2 3 4 5 − 18 −π π 4.564
-Barne-konposizioko lege
K Talde
-Elkarkorra Zenbaki konplexuak ( C )
+ -Neutroa
.a Errealak ( R )
-Simetrikoa
.b Abeldarra
-Trukakorra
Arrazionalak ( Q ) Irrazionalak ( I )
.c
-Barne-konposizioko lege
Osoak ( Z )
-Elkarkorra
* -Neutroa Oso negatiboak ( -Z ) Zero Zenbaki naturalak ( N )
-Simetrikoa (e ezik)
Zenbaki lehenak ( P )
-Trukakorra
Konplexuak (C)
Errealak (R)
Arrazionalak (Q)
Osoak (Z)
Naturalak (N)
Lehenak
Meatzeen eta Herri Lanen I.T.U.E. 1

Irakasleak: Raúl Medina eta Oihana Aristondo
Matematika I
1. GAIA. EGITURA ALJEBRAIKOAK
1.1. Multzoak
Definizioa: Intuitiboki, multzo bat, ondo definituriko zerrenda edo bilduma bat
da. Multzoa osatzen duten objektuei elementu deitzen zaie.
Multzo bat definitzeko bi era daude:
HEDADURAZ:
Multzoko elementu guztiak zerrendatuz.
Adibidea: A = {1, 2, 3, 4, 5}
EZAUPIDEZ:
Multzoko elementuen propietateen bidez.
p 
Adibidea: A = {x / x bikoitia} ℚ=  / p ∈ Z eta q ∈ Z 
q 
Oharra: Multzoak izendatzeko letra larriak erabiltzen dira: A, B, C… Elementuak

adierazteko, aldiz, letra xeheak erabiltzen dira: x, y, a, b…
Barnekotasuna
x elementua A multzoari dagokiola adierazteko, x ∈ A (x barne A) notazioa
erabiltzen da. Alderantziz, x elementua A multzoari ez badagokio, orduan x ∉ A .
7
Adibidea: ∈ℚ
3

Matematika I
Zenbatzaile unibertsala
∀ sinboloa multzo bateko elementu baten aurrean jarriz, propietate hau elementu
guztiek (guztietarako) betetzen dutela adieraziko du.
Existentzia
∃ sinboloa elementu baten aurrean jarriz, propietate hau elementuren batek
(gutxienez batek) betetzen duela adieraziko da.
Partekotasuna
A eta B bi multzo izanik, B-ren elementu guztiak A-ren elementuak badira, B
multzoa A-ren azpimultzoa dela esaten da, eta honela izendatu: B ⊆ A (B parte A).
Multzo hutsa: Elementu bat ere ez duena da, eta ∅ ikurraz adierazten da.
ZENBAKI NATURALEN MULTZOA:

Zenbaki naturalak zenbaki oso positiboak dira, eta ℕ letraz adierazten dira:
ℕ = {x / x zenbaki oso positiboak} = {1, 2, 3, 4,...}
ZENBAKI OSOEN MULTZOA:

Zenbaki osoak hauek dira: zenbaki naturalak, zeroa eta zenbaki natural
negatiboak. ℤ letraz adierazten dira.
ℤ = {..., − 3, − 2, − 1, 0, 1, 2, 3,...}
Oharra: Bi zenbaki osoren batura, kendura eta biderkadura beste zenbaki oso bat da.
Zatidura, aldiz, ez da beti zenbaki oso bat izaten.

Matematika I
Adibideak:
2+5=7, non 7 zenbaki osoa baita ; 3*6=18, non 18 ∈ Z

10-5=5, non 5 zenbaki osoa baita; 7/3=2,33, non 2,33 ∉ Z
ZENBAKI ARRAZIONALEN MULTZOA:

Zenbaki arrazionalak bi zenbaki osoren zatidura gisa idazten diren zenbakiak
dira, eta ℚ letraren bitartez adierazten dira.
p 
ℚ=  / p ∈ Z eta q ∈ Z , q ≠ 0 
q 
Oharra: Zenbaki osoak arrazionalak ere izango dira, q=1 eginez. Beraz, ℤ ℚ -ren
azpimultzo bat izango da. Hau da, ℕ ⊂ ℤ ⊂ ℚ
ZENBAKI IRRAZIONALEN MULTZOA:

Zenbaki irrazionalen multzoa arrazionalak ez diren zenbaki errealez osaturik
dago, eta I bitartez adierazten da.
Oharra: Zenbaki irrazionalen multzoa zenbaki arrazionalen multzo osagarri bat da.
{ }
Adibidea: S= − 7 , e=2.718, π=3.1416, 13 . Orduan, S ⊂ ℚ ' = I
ZENBAKI ERREALEN MULTZOA:

Zenbaki errealen propietate garrantzitsuenetariko bat zera da: marra zuzen
batean puntuen bitartez adieraz daitezkeela.

Matematika I
Zenbaki errealen zuzen erreala

− 7 π
-4 -3 -2 -1 0 1 2 3 4
x
x -4 -3 -2 -1 0 1 2 3 4 - 7 π
Oharra: Orain arte ikusitako multzo guztiak barnean ditu zenbaki errealen multzoak.
ℕ ⊂ ℤ ⊂ ℚ ⊂ ℝ eta ℚ ' ⊂ ℝ
ZENBAKI KONPLEXUEN MULTZOA:

Zenbaki konplexuak forma hau duten zenbakiak dira: a ± bi , non a, b ∈ ℝ eta
i = −1 zenbaki irudikaria.
Oharra: Zenbaki errealak zenbaki konplexuen barne egongo dira, b=0 ordezkatuz.
ℝ ⊂ ℂ.
Zenbaki konplexuak ( ℂ )
Errealak ( ℝ )
Arrazionalak ( ℚ ) Irrazionalak ( ℚ ' )
Osoak ( ℤ )
Natural negatiboak (- ℕ ) Zero Naturalak ( ℕ )

Matematika I
1.2. Multzoen arteko eragiketak
Bildura
Izan bitez A eta B bi multzo. Bi multzo horien bildura beste multzo bat da.
Multzo horretako elementuak A-ko elementuak edo B-ko elementuak izango dira.
A ∪ B idatziko dugu.
A ∪ B = { x / x ∈ A edo x ∈ B}
Adibidea: A = { g , o, m, a} B = { g , a, t , o} ⇒ A ∪ B = { g , o, a, m, t}
Propietatea: A ⊂ A ∪ B eta B ⊂ A∪ B
Ebakidura
Izan bitez A eta B bi multzo. Bi multzo horien ebakidura beste multzo bat da.
Multzo horretako elementuak A-ko elementuak eta B-ko elementuak izango dira.
A ∩ B idatziko dugu.
A ∩ B = { x / x ∈ A eta x ∈ B}
Adibidea: A = { g , o, m, a} B = { g , a, t , o} ⇒ A ∩ B = { g , o, a}
Propietateak:
• A ∩ B ⊂ A eta A∩ B ⊂ B
• A ⊂ B ⇒ A∩ B = A
Definizioa: bi multzoen ebakidura multzo nulu bat bada ( A ∩ B = ∅ ) , A eta B
disjuntuak direla esango dugu.

Matematika I
Diferentzia
A-ren eta B-ren diferentzia beste multzo bat da. A-koak diren eta B-koak ez diren
elementuek osatzen dute multzo hori. A − B = { x ∈ A / x ∉ B}
Multzo osagarriak
Izan bedi A multzo bat, non A ⊆ E . A-n ez dauden E-ko elementuek osaturiko
multzoari E-rekiko A-ren osagarria deritzo.
A ' edo Ac izendatuko dugu:
Ac = { x : x ∈ E eta x ∉ A}
Bi multzoen arteko biderkadura kartesiarra:

Izan bitez A eta B bi multzo. Orduan, A × B biderkadura kartesiarra A eta B
multzoetako pare ordenatuek sortzen duten elementuen multzoa da.
A × B= {(a,b) / a ∈ A, b ∈ B} ( Normalean A × B ≠ B × A )
Adibidea:
Izan bitez A= {a, b, c, d} eta B= {l, m} .
Orduan, A × B= {(a,l), (a,m), (b,l), (b,m), (c,l), (c,m), (d,l), (d,m)}
Konposizio-legeak:
Konposizio-legea aplikazio bat da, A × B biderkadura kartesiar batetik C multzo
batera doana.
Barne-konposizioko legeak:
Barne-konposizioko lege bat aplikazio bat da, A × A -tik A-ra doana.

Matematika I
Adibideak:
ℕ zenbaki naturalen arteko batuketa (+)

ℤ zenbaki osoen arteko kendura (-)
ℚ zenbaki arrazionalen arteko biderkadura
Propietateak:
Propietate hauek barne-konposizioko legeek bete ditzaketenak dira, baina ez
dituzte nahitaez bete behar.
1. Elkarkorra
Barne-konposizioko lege bat elkarkorra izango da, baldin eta hau betetzen bada:
(a ∗ b) ∗ c = a ∗ (b ∗ c) ∀a, b, c ∈ A
2. Trukakorra
Barne-konposizioko lege bat trukakorra izango da, baldin eta hau betetzen bada:
a ∗b = b∗a ∀a, b ∈ A
3. Elementu idenpotentea
a ∈ A idenpotentea dela esango dugu, baldin hau betetzen bada: a*a = a .
4. Elementu neutroa
e ∈ A elementu neutroa dela esango dugu, baldin eta hau betetzen bada:
a ∗e = a = e∗a ∀a ∈ A
5. Elementu simetrikoa edo alderantzizko elementua
Izan bedi a ∈ A elementu bat, orduan a -1 ∈ A a-ren alderantzizkoa dela esango

dugu, baldin:
a ∗ a -1 = e = a -1 ∗ a , non e elementu neutroa baita.

Matematika I
6. ⊥ barne-konposizioa, * barne-konposizioarekiko banakorra
a ⊥ (b*c) = (a ⊥ b)*(a ⊥ c) ∀a, b, c ∈ A betetzen bada, ⊥ *-rekiko banakorra

dela esango dugu.
Kanpo-konposizioko legeak:
Kanpo-konposizioko lege bat A × B -tik B-ra doan aplikazio bat da.
α ∈ A, b ∈ B , orduan (α,b) bikoteari c ∈ B elementu bat dagokio, eta c=α b idazten da.
Eskuarki, sinboloa erabiliko dugu, kanpo-konposizioko lege bat adierazteko.
Adibidea:
A = ℤ eta B= {ax 2 +bx+c / a, b, c ∈ ℤ}
Aplikazioa oso baten eta polinomio baten arteko biderkadura izango da.
α ( ax 2 +bx+c ) = ( αa ) x 2 + ( αb ) x+ ( αc )
Argi dago biderkadura B multzoko elementu bat izango dela. Beraz, kanpo-
konposizioko lege bat da.
1.3. Taldeak eta gorputzak
Taldeak:
Izan bitez A multzo bat eta ‘*’ A-n definituriko barne-konposizioko lege bat.
Orduan, A talde bat izango da, baldin:
1) ‘*’ elkarkorra bada (a ∗ b) ∗ c = a ∗ (b ∗ c) ∀a, b, c ∈ A

2) elementu neutroa badu a ∗e = a = e∗a ∀a ∈ A
3) A-ko elementu guztiek alderantzizkoa badute
∀a ∈ A ∃a -1 ∈ A non a ∗ a -1 = e = a -1 ∗ a
Oharra: Talde bat trukakorra bada, orduan talde abeldarra edo trukakorra dela esango
dugu.

Matematika I
Gorputzak:
Izan bitez K multzo bat eta ‘+’ eta ‘ ’ barne-konposioko bi lege. Orduan,
( K,+, ) hirukotea gorputza izango da, baldin:
1) ( K, + ) talde abeldarra
2) ( K-{e} , ) talde abeldarra
3) ‘+’ banakorra ‘ ’ eragiketarekiko a (b+c) = (a b)+(a c)
Adibideak:
( ℚ, +, ⋅) , ( ℝ, +, ⋅) , ( ℂ, +, ⋅) gorputzak dira

Matematika I
1.4. Ariketak
Zenbakien multzoei buruzko galderak
Esan problema hauek egia edo gezurra diren, eta arrazoitu erantzuna.
ERANTZUNA
a) −7 ∈ ℕ
b) 2 ∈ℚ'
c) 4 ∈ ℤ
d) 9 ∈ ℂ
e) 3π ∈ ℚ
f) −6 ∈ ℚ
g) −7 ∈ ℝ
1
h) ∈ℤ
2
i) −5 ∈ ℚ '
j) 1∈ ℝ
k) 3
8∈ℕ
9
l) ∈ℚ'
4
m) −2 ∈ ℤ
n) π 2 ∈ ℝ
o) −4 ∈ ℝ

Matematika I
E

Bektoreen arteko biderkadura z∈E

z =u +v
v

u

u∈E u

2u ∈ E

−3u ∈ E 2u

−3u
Eskalar baten eta bektore baten arteko

biderkadura

Matematika I
2. GAIA. BEKTORE-ESPAZIOAK
2.1. Definizioa eta propietateak
Bektore-espazioak
Definizioa: Izan bedi V multzo bat eta ( K,+, ⋅) gorputz bat. Orduan, V K gainean
bektore-espazioa edo V K bektore-espazioa da, baldintza hauek betetzen badira:
i) V-n barne-konposizioko lege bat definiturik dago ‘*’ eta (V,*) talde abeldarra da.
( *: V × V → V )
ii) V-n kanpo-konposizioko lege bat definiturik dago ‘ ’ eta hurrengo
propietateak betetzen ditu ( :K×V → V ):
1) Eskalarren arteko baturarekiko banakortasuna
( α1 +α 2 ) v = α1 v * α 2 v
2) Bektoreen arteko baturarekiko banakortasuna
α ( v1*v 2 ) = α v1 * α v 2 ∀α1 , α 2 , α ∈ K v1 , v 2 , v ∈ V
3) Elkarkortasuna
α1 (α 2 v) = (α1×α 2 ) v
4) K-ko elementu neutroa
1 v = v
Oharrak:

1) V-ko elementuak bektoreak dira, eta honela adierazten dira: x, y, z …
2) V-ko barne-konposizioko legeari ‘*’, bektoreen arteko batura deritzo. Bektore

neutroa bektore nulua da eta 0 adierazten da; eta x ∈ V bektorearen elementu

simetrikoa x -ren aurkako bektorea deritzo, eta - x adierazten da.

Matematika I
3) K-ko elementuak eskalarrak dira, eta α, β, δ... letrez adierazten dira. + eta ⋅
legeak eskalarren arteko batura eta biderkadura izango dira. Batura eta
biderkadurarekiko elementu neutroak 0 eta 1 dira hurrenez hurren, eta
baturarekiko α eskalar baten simetrikoa - α da.
4) Bektore-espazioaren adierazpena hau da: ( V,*) , ( K, +, ⋅) , 
5) Gehienetan K gorputza ℝ izango da, batura eta biderkadura nabariduna.
ℝ 2 bektore-espazioa:
i ℝ 2 multzoko + barne-konposizioko legea hau da:
(x1 , x 2 ) + (y1 , y 2 ) = (x1 +y1 , x 2 +y 2 ) Talde abeldarra da.
i ℝ 2 -ko ℝ gaineko kanpo-konposizioko legea hai da:
α (x1 , x 2 ) = (α ⋅ x1 , α ⋅ x 2 )
( ℝ 2 ,+ ) , ( ℝ, +, ⋅) ,  bektore-espazioa da, propietate guztiak betetzen baititu.

 
ℝ3 bektore-espazioa:
i ℝ3 multzoko + barne-konposizioko legea hau da:
(x1 , x 2 , x 3 ) + (y1 , y 2 , y3 ) = (x1 +y1 , x 2 +y 2 , x 3 +y3 ) Talde abeldarra da.
i ℝ3 -ko ℝ gaineko kanpo-konposizioko legea hau da:
α (x1 , x 2 ,x 3 ) = (α ⋅ x1 , α ⋅ x 2 , α ⋅ x 3 )
( ℝ 3 ,+ ) , ( ℝ, +, ⋅) ,  bektore-espazioa da, propietate guztiak betetzen baititu.

 

Matematika I
ℝ n bektore-espazioa:
i ℝ n multzoko + barne-konposizioko legea hau da:
(x1 , ..., x n ) + (y1 , ..., y n ) = (x1 +y1 , ..., x n +y n ) Talde abeldarra da.
i ℝ n -ko ℝ gaineko kanpo-konposizioko legea hau da:
α (x1 , ...,x n ) = (α ⋅ x1 , ..., α ⋅ x n )
( ℝ n ,+ ) , ( ℝ, +, ⋅) ,  bektore-espazioa da, propietate guztiak betetzen baititu.

 
Bektore-espazioen adibideak:
1) A(m,n) da m errenkada eta n zutabe dituzten matrize guztien multzoa.

Eragiketak honako hauek dira: matrizeen arteko batuketa eta matrizeen eta K
multzoko eskalar baten arteko biderketa, non K zenbaki errealak edo irudikariak
baitira.
2) Pn(x) da n mailako polinomio guztien multzoa, non koefizienteak K

gorputzekoak baitira. Eragiketak honako hauek dira: polinomioen arteko
batuketa eta polinomio eta K = ℝ -ko elementu baten arteko biderketa.
3) K gorputzeko F(x) x-ren funtzio guztien multzoa. Eragiketak honako hauek dira:
funtzioen arteko batuketa, eta funtzioen eta K = ℝ multzoko eskalar baten arteko
biderketa.
Adibidea:
ℝ 2 -n barne-konposizioko lege hau definitzen dugu:
(x1 , x 2 ) + (y1 , y 2 ) = (x1 +y1 , x 2 +y 2 )

Matematika I
ℝ 2 -ren (ℝ, +, ⋅) gaineko kanpo-konposizioko legea hau da:
α (x1 , x 2 ) = (α 2 ⋅ x1 , α 2 ⋅ x 2 )
Bektore-espazioa den ikusiko dugu. Lehenengo kanpo-konposizioko legearen

propietateak ikusiko ditugu.

1.Eskalarren arteko baturarekiko banakortasuna: ∀α , β ∈ ℝ, ∀x ∈ ℝ 2
i ( α+β ) (x1 ,y1 ) = α (x1 ,y1 ) + β (x1 ,y1 ) bete behar da
( α+β ) (x1 ,y1 ) = ( ( α+β ) x1 , ( α+β ) y1 ) = ( ( α 2 +β 2 + 2αβ ) x1 , ( α 2 +β 2 + 2αβ ) y1 )

2 2
α (x1 ,y1 ) + β (x1 ,y1 ) = ( ( α 2 +β 2 ) x1 , ( α 2 +β 2 ) y1 )
Lehenengo propietatea ez da betetzen; beraz, ez da bektore-espazioa.
Bektore-espazioen propietateak:
Izan bedi [ V,+, ] bektore-espazioa:

1) α ( x − y ) = α x − α y ∀α ∈ K eta ∀x , y ∈ V

2) (α − β ) x = α x − β x ∀α , β ∈ K eta ∀x ∈ V

3) α 0 = 0 ∀α ∈ K

4) 0 x = 0 ∀x ∈ V

5) α (− x ) = −(α x ) ∀x ∈ V ∀α ∈ K

6) α x = 0 baldin eta soilik baldin α = 0 edo x = 0 ∀x ∈ V ∀α ∈ K

7) α x = β x baldin eta soilik baldin α = β

∀x ∈ V − 0 {}

8) α x = α y baldin eta soilik baldin x = y ∀α ∈ K − {0}

Matematika I
2.2. Azpibektore-espazioak
Definizioa: Izan bitez ( V,+, ) K gaineko bektore-espazioa eta F ≠ ∅ V-ren
azpimultzo bat ( F ⊆ V ). Orduan, F V-ren azpibektore-espazio bat izango da, ( F,+, ) K
gainean bektore-espazioa bada.
Teorema: Hauek dira F V-ren azpibektore-espazio bat izateko baldintza beharrezko eta
nahikoak:

∀x , y ∈ F ⇒ x + y ∈ F  ∀α , β ∈ K eta ∀x , y ∈ F
 biak batuz 
∀α ∈ K eta ∀x ∈ F ⇒ α x ∈ F   α x +β y∈F
Oharrak:

1. 0 bektore nulua V-ren azpibektore-espazio guztien barne dago.

{}
2. V bektore-espazio guztiek azpiespazio hauek dituzte: 0 = 0 multzo nulua eta V
espazio osoa.
2.3. Konbinazio linealak

Izan bedi [ V,+, ] K bektore-espazioa. x ∈ V bektore bat beste n bektoreren

{ x1 ,...xn } konbinazio lineala dela esango dugu baldin:
n

α1 ,..., α n ∈ K existitzen badira, non: x = α1 x1 + .... + α n xn = ∑ α i xi
i =1

Proposizioa: x ∈ V , S= { x1 ,..., xn } bektore-sistemako bektoreen konbinazio lineala

bada eta xi bektore bakoitza G= { y1 ,..., ym } bektore-sistemako bektoreen konbinazio

lineala bada, orduan x G bektore-sistemako bektoreen konbinazioa lineala da.

Matematika I
Sistema sortzaileak

Izan bedi V K gaineko bektore-espazio bat, eta har dezagun S= { x1 ,..., xn } V-ren
azpimultzo ez-nulu bat.
S-ren konbinazio lineal guztien multzoa L(S) izendatuko dugu:

L(S)= {α1 x1 + .... + α n xn / α1 ,..., α n ∈ ℝ}
V-ren azpibektore-espazioa da, eta S multzoa barne izango du.

Oharra: S= { x1 ,..., xn } multzoa L(S)-ren sistema sortzailea dela esango dugu.
2.4. Menpekotasun eta independentzia lineala

Izan bedi K gaineko V bektore-espazio baten P = { x1 ,..., xn } bektoreen sistema
finitu bat.

Definizioa: x1 ,..., xn bektoreak linealki independenteak/askeak edo { x1 ,..., xn } sistema
askea dela esango dugu, honako hau betetzen bada:

α1 x1 + ... + α n xn = 0 bada, orduan α1 = ... = α n = 0 betetzen bada

Definizioa: x1 ,..., xn bektoreak linealki menpekoak edo { x1 ,..., xn } sistema lotua dela
esango dugu, honako hau betetzen bada:

α1 x1 + ... + α n xn = 0 bada, orduan ∃α i ≠ 0
Ondorioak:
a) Sistema aske bateko bektore guztiak bektore nuluaren desberdinak dira.

b) Sistema lotu bati bektore berriak gehitzen badizkiogu, lorturiko sistema ere lotua
izango da.
c) Sistema aske bateko edozein azpimultzo sistema aske bat izango da.

Matematika I
2.5. Bektore-espazio baten oinarria eta dimentsioa
Izan bedi E K gorputzaren gainean definituriko bektore-espazio bat. Har

dezagun V= {v1 ,...,v n } ⊂ E bektore-sistema bat.
Definizioa: V sistema E bektore-espazioaren oinarri bat dela esango dugu, V E-ren

sistema sortzaile aske bat bada, hau da, x ∈ E edozein bektore era bakar batean V-ren
konbinazio lineal gisa adieraz badaiteke.

x = α1v1 + ... + α n v n ∀vi ∈ V 1 ≤ i ≤ n
1. {v1 ,...vn } E-ren sistema sortzailea 

 
 2. v1 ,...vn linealki independenteak 
Oharrak:
1) [ E , +, ] K gaineko bektore-espazio finitu batean beti izango da gutxienez oinarri
bat.
2) Oinarri guztiek bektore kopuru bera izango dute.
Bektore-espazio baten dimentsioa
E K gaineko bektore-espazio baten dimentsioa bere edozein oinarritako bektore

kopurua izango da. Eta dim(E) izendatuko dugu.
• Izan bedi S, [ E , +, ] K gaineko bektore-espazio baten azpibektore-espazioa,

eta har dezagun bektore-sistema bat: F = {u1 ,..., un } ⊂ S
F S-ren oinarri bat izango da, F S-ren sistema sortzailea bada eta sistema askea
bada.

Matematika I
2.6. Osatugabeko oinarriaren teorema
Demagun n dimentsioko E bektore-espazio batean {t1 ,..., t p } ( p ≤ n ) p bektore
linealki independente ditugula. Orduan, {t p +1 , t p + 2 ,..., tn } n-p bektore existitzen dira, non
{t ,..., t
1 p , t p +1 ,..., tn } E-ren oinarri bat baita.
Oharra: S E-ren azpibektore-espazioa bada eta {t1 ,..., t p } S-ren oinarri bat bada, orduan
{t ,..., t } bektoreak dituen E-ren oinarri bat aurki dezakegu. Argi dago oinarri hau ez
1 p
dela bakarra izango.
2.7. Azpiespazioen arteko bildura, ebakidura eta baturak
Izan bitez F1 eta F2 E-ko bi azpibektore-espazio. Orduan, ebakidura eta batura

honela definitzen dira:

F1 ∪ F2 = { x ∈ E non x ∈ F1 edo x ∈ F2 }

F1 ∩ F2 = { x ∈ E non x ∈ F1 eta x ∈ F2 }

F1 + F2 = { x + y ∈ E non x ∈ F1 eta y ∈ F2 }
Oharra: F1 ∩ F2 eta F1 + F2 azpibektore-espazioak dira, baina F1 ∪ F2 azpibektore-

espazioa izan daiteke edo ez.
Adibidea: Izan bitez W1 = {( x1 , x2 , x3 ) / x1 + x2 = 0} eta W2 = {( x1 , x2 , x3 ) / x2 − x3 = 0}
azpibektore-espazioak. Kalkulatu: W1 ∩ W2 eta W1 + W2 . W1 ∪ W2 azpibektore-espazioa

da?

Matematika I
Ebazpena:
∏ W1 -en oinarria
( x1 , x2 , x3 ) = ( x1 , − x1 , x3 ) = x1 (1, −1, 0 ) + x1 ( 0, 0,1) ⇒ BW1 = {(1, −1, 0 ) , ( 0, 0,1)}
∏ W2 -ren oinarria
( x1 , x2 , x3 ) = ( x1 , x2 , x2 ) = x1 (1, 0, 0 ) + x2 ( 0,1,1) ⇒ BW2 = {(1, 0, 0 ) , ( 0,1,1)}
∏ W1 + W2 -ren oinarria

∀x ∈W1 + W2 / x = u + v non u ∈ W1 eta v ∈ W2
u∈W1 u∈W2
−−−−−−−−−−−−−−−−−−−−−−−−−− −−−−−−−−−−−−−−−−−−−−−−−−−−
( x1 , x2 , x3 ) = α1 (1, −1, 0 ) + α 2 ( 0, 0,1) + α 3 (1, 0, 0 ) + α 4 ( 0,1,1)
Beraz, W1 + W2 bektore-espazioaren sistema sortzailea
{(1, −1, 0 ) , ( 0, 0,1) , (1, 0, 0 ) , ( 0,1,1)} da.

R 3 -n ezin direnez 4 bektore aske egon, bat kenduko dugu, eta besteak linealki askeak
direla frogatuko dugu.
Beraz, oinarria BW1 +W2 = {(1, −1, 0 ) , ( 0, 0,1) , (1, 0, 0 )} da.
∏ W1 ∩ W2 -ren oinarria

∀x ∈ W1 ∩ W2 / x ∈ W1 eta x ∈ W2

x ∈ W1 ⇒ ( x1 , x2 , x3 ) non x1 + x2 = 0  x1 + x2 = 0
 ⇒ ( x1 , x2 , x3 ) non
x ∈ W2 ⇒ ( x1 , x2 , x3 ) non x2 − x3 = 0  x2 − x3 = 0
⇒ ( x1 , − x1 , − x1 ) = x1 (1, −1, −1) ⇒ BW1 ∩W2 = {(1, −1, −1)}

Matematika I
∏ W1 ∪ W2 bektore-espazioa da?

∀x ∈W1 ∪ W2 / x ∈ W1 edo x ∈ W2

Demagun x ∈ W1 ⊂ W1 ∪ W2 eta y ∈ W2 ⊂ W1 ∪ W2 dugula.

x ∈ W1 ⇒ ( x1 , x2 , x3 ) non x1 + x2 = 0 
 ⇒ α1 ( x1 , x2 , x3 ) + α 2 ( y1 , y2 , y3 ) ∈ W1 ∪ W2 ?
y ∈ W2 ⇒ ( y1 , y2 , y3 ) non y 2 − y3 = 0 
α1 ( x1 , x2 , x3 ) + α 2 ( y1 , y2 , y3 ) = (α1 x1 + α 2 y1 , α1 x2 + α 2 y2 , α1 x3 + α 2 y3 ) ∈ W1 ∪ W2 ?
=0 ??????
−−−−−−−−− −−−−−−−−−
(α1 x1 + α 2 y1 ) + (α1 x2 + α 2 y2 ) = α1 ( x1 + x2 )+ α 2 ( y1 + y2 ) = ???? ⇒∉ W1
?????? =0
−−−−−−−−− −−−−−−−−−
(α1 x2 + α 2 y2 ) − (α1 x3 + α 2 y3 ) = α1 ( x2 − x3 )+ α 2 ( y2 − y3 ) = ???? ⇒∉ W2
Beraz, W1 ∪ W2 ez da azpibektore-espazioa.
2.8. Batura zuzenak

Definizioa: x ∈ E edozein bektoreren deskonposizioa F1-eko eta F2-ko elementuen
batuketa gisa bakarra bada, orduan E F1 eta F2-ren batura zuzena izango da. Hau da:
E=F1 ⊕ F2
E bektore-espazioa F1-en eta F2-ren batura zuzena bada, eta W = {w1 ,..., wp }

eta U = {u1 ,..., uq } F1-en eta F2-en oinarriak badira, orduan W ∪ U da E-ren oinarria.

Teorema: Izan bitez F1 eta F2 E bektore-espazioko bi azpibektore-espazio.
 E = F1 + F2
E = F1 ⊕ F2 ⇔
{}
Orduan:
 F1 ∩ F2 = 0
dim E = dim F1 + dim F2

Beraz, E = F1 ⊕ F2 ⇔
dim F1 ∩ F2 = 0
( dim( F1 + F2 ) = dim(F1 )+dim(F2 )-dim(F1 ∩ F2 ) ) beti betetzen da.

Matematika I
Adibidea: Izan bitez W1 = {( x1 , x2 , x3 ) / x1 + x2 = 0} eta W2 = {( x1 , x2 , x3 ) / x2 − x3 = 0}
azpibektore-espazioak. W1 ⊕ W2 = R 3 betetzen da?
Ebazpena:
Badakigu hau: dim (W1 + W2 ) = 3 , dim (W1 ) = 2 = dim (W2 ) eta dim (W1 ∩ W2 ) = 1
( dim (W + W ) = dim (W ) + dim (W ) − dim (W ∩ W ) ) propietatea erabil dezakegu.

1 2 1 2 1 2
dim R 3 = 3 ≠ dim W1 + dim W2 = 4

Kasu horretan,  denez R 3 ≠ W1 ⊕ W2
dim W1 ∩ W2 = 1 ≠ 0
Ariketak:
1) Izan bitez W1 = {( x1 , x2 , x3 ) / x1 − x2 = 0} eta W2 = {( a, a, a ) / a ∈ R} azpibektore-
espazioak. Kalkulatu: W1 ∩ W2 eta W1 + W2 . W1 ∪ W2 azpibektore-espazioa da?
W1 ⊕ W2 = R 3 betetzen da?
2) Izan bitez W1 = {( x1 , x2 , x3 ) / x1 + x2 = 0 eta x1 + x3 = 0} eta W2 = {( 2b, b, c ) / b, c ∈ R}
azpibektore-espazioak. Kalkulatu: W1 ∩ W2 eta W1 + W2 . W1 ∪ W2 azpibektore-espazioa
da? W1 ⊕ W2 = R 3 betetzen da?
3) Izan bitez W1 = {( x1 , x2 , x3 ) / x1 + x2 = 0 eta x2 − x3 = 0} eta
W2 = {( 4b, b, −2b ) / b ∈ R} azpibektore-espazioak. Kalkulatu: W1 ∩ W2 eta W1 + W2 .
W1 ∪ W2 azpibektore-espazioa da? W1 ⊕ W2 = R 3 betetzen da?
4) Izan bitez W1 = {( x1 , x2 , x3 ) / x3 − x2 = 0} eta W2 = {( a, a, c ) / a, c ∈ R} azpibektore-
espazioak. Kalkulatu: W1 ∩ W2 eta W1 + W2 . W1 ∪ W2 azpibektore-espazioa da?
W1 ⊕ W2 = R 3 betetzen da?

Matematika I
5) Izan bitez W1 = {( x1 , x2 , x3 , x4 ) / x1 + x2 + x3 = 0 eta x1 + x4 = 0} eta
W2 = {( a, a, c, 2c ) / a, c ∈ R} azpibektore-espazioak. Kalkulatu: W1 ∩ W2 eta W1 + W2 .
6) Izan bitez W1 = {( x1 , x2 , x3 , x4 ) / x1 = x2 eta x3 = x4 } eta
 b d  
W2 =  , b, , d  / b, d ∈ R  azpibektore-espazioak. Kalkulatu: W1 ∩ W2 eta W1 + W2 .
 3 4  
2.9. Bektore baten koordenatuak
Izan bitez [ E , +, ] dimentsio finitua duen K gainean definituriko bektore-

espazioa eta V = {v1 ,..., vn } ⊂ E E-ren oinarri bat. Orduan:

∀x ∈ E , ∃α1 ,...,α n ∈ K bakarrak non x = α1 ⋅ v1 +...+α n ⋅ vn

α1 ,...,α n n eskalarrak x bektorearen V oinarriko koordenatuak izango dira.

Matematika I
2.10. Ariketak
1) Esan azpimultzo hauetatik zein diren ( ℝ 4 , + ) , ( ℝ, +, ⋅) ,  -ko azpibektore-
espazioak.
a) E1 = {( x1 , x2 , x3 , x4 ) / x1 + x2 = 1}
b) E2 = {( x1 , x2 , x3 , x4 ) / x1 + x2 = x3 + x4 }
c) E3 = {( x1 , x2 , x3 , x4 ) / x2 ⋅ x3 = 0}
d) E4 = {( x1 , x2 , x3 , x4 ) / x1 − x2 + x3 − x4 = 0}
e) E5 = {( x1 , x2 , x3 , x4 ) / x1 = x2 = x3 }
f) E6 = {( x1 , x2 , x3 , x4 ) / x1 ∈ ℚ}
g) E7 = {( x1 , x2 , x3 , x4 ) / x1 ∈ ℝ}
h) E8 = {( x1 , x2 ,0, 0) / x1 , x2 ∈ ℝ}
Emaitzak: a, c, f→Ez b, d, e, g,h→Bai
2)Har dezagun ℝ3 bektore-espazioko azpimultzo hau:

B = {( x1 , x2 , x3 ) / x1 − x2 = 0 ; x1 − 2 x2 + x3 = 0}
Frogatu B azpibektore-espazioa dela.
3)Har dezagun ℝ 4 bektore-espazioko azpimultzo hau:

A = {( x1 , x2 , x3 , x4 ) / 3x1 + x3 − x4 = 1; x1 + x2 + 2 x3 = 2}
4
Frogatu ez dela ℝ -ko azpibektore-espazioa.
4)Har ditzagun bektore hauek:

v1 = (1, −1, 0, 2, 0) ; v2 = (0, 0, −1, 0,1) ; v3 = (1, −1,1,1, 0) ; v4 = (0, 0,1,1,1)
eta ikus dezagun linealki independenteak diren.
Erantzuna: Bai, badira.

Matematika I
5)Har ditzagun bektore hauek:

v1 = (1,3, 2, −1) ; v2 = (0,1, −2,1) ; v3 = (−1, 7, 2, −4) ; v4 = (1, 0, 0,1)
eta ikus dezagun linealki independenteak diren. Lotuak badira, aurkitu menpekotasun-
erlazioa.
Erantzuna: Ez dira L.I. Menpekotasun-erlazioa: v2 = −2v1 + v3 + 3v4
6) Aurkitu hauek ℝ 4 -n:

a) v1 = (1, 2,1,1) bektorea duen oinarri bat
b) v1 = (1,1, 0, 2) eta v2 = (1, −1, 2, 0) bektoreak dituen oinarri bat
c) v1 = (1,1, 0, 0) , v2 = (0, 0, 2, 2) eta v3 = (0, 2,3, 0) bektoreak dituen oinarri bat
bektore kanonikoak erabili gabe.
7) ℝ3 bektore-espazioan, W1 eta W2 azpiespazioak ditugu:
 W1 = {(a,b,0) / a,b ∈ ℝ}  W1 = {(a,b,0) / a,b ∈ ℝ}

a)  b) 
 W2 = {(0,b,c) / b,c ∈ ℝ}  W2 = {(0,0,c) / c ∈ ℝ}
 W1 = {(a,b,c) / a=b=c ∈ ℝ}  W1 = {(a,b,0) / a+b+c=0}

c)  d) 
 W2 = {(0,b,c) / b,c ∈ ℝ}  W2 = {(d,2d,3d) / d ∈ ℝ}
Aztertu zein kasutan ℝ3 den W1 eta W2 azpibektore-espazioen batura zuzena.
Erantzuna: a) →Ez b), c), d) →Bai

Matematika I
8)Izan bedi E x aldagai bateko eta ℝ -ko koefizienteak dituzten polinomioen

multzo bat, non maila ≤ 3 ℝ gaineko bektore-espazioa baita. Har ditzagun
polinomio hauek:
f ( x) = ax 3 + bx 2 + cx + d ∀a ≠ 0
a) Frogatu f ( x), f '( x), f ''( x), f '''( x) polinomioek E-ko oinarri bat osatzen dutela.
b) Izan bedi f ( x) = 5 x3 + 3 x 2 − 2 x + 1 polinomioa, eta aurkitu
g ( x) = 15 x 3 − 21x 2 − 18 x + 37 bektorearen koordenatuak
B = { f ( x), f '( x), f ''( x), f '''( x)} oinarriarekiko.
Erantzuna: g(x)-en koordenatuak B oinarrian (3,-2,0,1) dira

9) x ∈ ℝ 3 bektorearen koordenatuak B = {v1 , v2 , v3 } oinarrian x = (1, 2,3) B dira.

Aurkitu x bektorearen koordenatuak B ' = {u1 , u2 , u3 } oinarrian, jakinik

u1 = 3v1 + 2v2 − v3 ; u2 = 4v1 + v2 + v3 ; u3 = 2v1 − 5v2 + v3 ;
 −190 35 −13 
Erantzuna: x bektorearen B ' = {u1 , u2 , u3 } oinarrian  , ,  dira.
 63 18 18  B '
10) B = {( x, x + 1) / x ∈ ℝ} ℝ 2 -ko azpibektore-espazioa da?
11) Frogatu B = {(1,1, −1), (0,1, 2), (−2,1, 0)} multzoa ℝ3 -ko oinarri bat dela.

Kalkulatu B oinarriarekiko x = (4, 0, −4) bektorearen koordenatuak.
12) B = {(1, 0, 0), (0,1, 0)} ℝ3 -ko oinarri bat da? Eta B V = {( x, y, 0 ) / x, y ∈ ℝ}
bektore-espazioaren oinarri bat da?
13) B = {(1,1,1), (2,1, −1), (1, 0, −2)} multzoa ℝ3 -ko oinarri bat da?
14) B = {(1, 0, 0), (0,1, 0), (0, 0,1), (1,1,1)} multzoa ℝ3 -ko oinarri bat da?

Matematika I
15)Frogatu B = {(2,1, −1,1), (1, 0, −2,1), (0, 0, 0,1)} dela
V = {(2 x + y, x, − x − 2 y, x + y + z ) / x, y, z ∈ ℝ} ℝ 4 -ko bektore-espazioaren oinarri
bat.
 a + 2b 2a  
16)Frogatu V =   / a, b ∈ ℝ  M 2×2 -ko azpibektore-espazioa dela,
 − b 5a + 4b  
eta lortu oinarri bat.
17)Izan bedi B = {(1 + x + x3 ), (− x − x 2 − x 3 )} P3 -ko bektore multzo bat ( P3 , x
aldagai bateko polinomioen multzoa, non maila ≤ 3 )

a) P3 -ko oinarri bat da?
b) Frogatu V = {( a + bx + cx 2
}
+ dx 3 ) / b = d , c = b − a multzoa P3 -ko azpibektore-
espazioa dela.
c) B V bektore-espazioko oinarri bat da?

d) Kalkulatu B-rekiko x = 3 + 5 x + 2 x 2 + 5 x3 bektorearen koordenatuak.
18)Izan bitez ℝ 4 -ko V1 = (1, −1, m, 3), V2 = (1, n, 2, 0), V3 = (2, −1, 3m, −6)
bektoreak, kalkulatu m-ren eta n-ren balioak, aurreko bektoreak linealki menpekoak
izan daitezen. Kalkulatu erlazioa.

Erantzuna: planteatu αV1 + β V2 + δ V3 = 0 konbinazio lineala, bektoreak linealki
menpekoak izatera behartuz.
19)Izan bedi V = {(6, −2, 0, −1), (−1, 0, 0, −2)} ∈ ℝ 4 multzoa. Zer balio hartu behar

du ‘k’ parametroak, x = (2, 2, 0, k ) bektorea V-ren konbinazio lineala izan dadin.

Matematika I
20) M 2×2 matrizeen bektore-espazioan frogatu bektore hauek askeak direla:

 4 0 4 1   4 4 0 0
M1 =   , M2 =   , M3 =   , M4 =  
0 0 0 0 1 0  0 1 
0 1
Kalkulatu B =   bektorearen koordenatuak oinarri horrekiko.
3 4
Kalkulatu bektore-espazio horrekiko oinarri kanonikoa.
21) Aztertu ≤ 4 maila duten polinomioen bektore-espazioan

B = {(3 + x 4 ), (5 − x − x 2 ), (2 x 3 ), ( x + 2 x 4 )} sistema lotua den ala ez. Zein da bektore-
espazio horren oinarri kanonikoa?
22)Aztertu A = {( x1 , x2 , x3 , x4 ) / x1 + 2 x3 − x4 = 0} ℝ 4 -ko azpibektore-espazioa
den.
Berdin: B = {( x1 , x2 , x3 , x4 ) / 3x1 + x3 − x4 = 1, x1 + x2 + 2 x3 = 2}
Berdin: C = {( x1 , x2 , x3 ) / x1 − x2 = 0, x1 − 2 x2 + x3 = 2 } ∈ ℝ3
 x + x − x = 0 
23) ℝ 4 -n har dezagun multzo hau: F = ( x1 , x2 , x3 , x4 ) / 1 2 4 .
 x1 + 2 x2 + x3 = 0 

Frogatu ℝ 4 -ko azpibektore-espazioa dela, eta aurkitu bi oinarri eta x = (3, −2,1,1)
bektorearen koordenatuak oinarri horrekiko.

Matematika I
Bektore-espazioei buruzko galderak
1) (G,+) bektoreen talde abeldarra da. Zein motatako konposizio-legea da ‘+’, eta zer
adierazten du?
2) Adierazi zer propietate bete behar dituen (G,+)-k talde abeldarra izateko.
3) Bektore-espazio hau emanik, ( ℝ 2 , + ) , ( ℝ, +, ⋅) ,  , zein motatako konposizio-legea
da ‘ ’ eta zer adierazten du?
4) ℝ 4 -n, “3” bektore askez osaturiko multzo batek zer eratzen du?
5) ℝ3 bektore-espazioan 4 bektore linealki independente izan al daitezke?
6) ( ℝ n , + ) , ( ℝ, +, ⋅) ,  bektore-espazioa emanik, zer adierazten du ‘n’-k?
7) Nola definituko zenuke bektore-espazio baten dimentsioa?
8) Zein dira bete beharreko propietatek, ℝ 3 = W1 ⊕ W2 izan dadin?
9) 2 dimentsioa duen ℝ 4 -ko azpibektore-espazio baten oinarria erabiliz ℝ 4 -ko oinarri

bat aurki dezakegu?
10) V bektore-espazio batek “n” bektore dituen oinarri bat badu, V-ren oinarri guztiek
“n” bektore izango dituzte?

11) B = {u1 , u2 ,..., un } E bektore-espazio baten oinarria bada, orduan ∀x ∈ E era bakar
batean idatz daiteke oinarriko bektoreen konbinazio lineal gisa?

Matematika I
12) Izan bedi E “n” dimentsioko bektore-espazioa. Esan esaldiok egia edo gezurra
diren.

a) B = {u1 , u2 ,..., un } E-ko bektoreak linealki askeak badira, orduan B E-ko oinarri
bat da.

b) B = {u1 , u2 ,..., un } E-ko sistema sortzaile bat bada, orduan B E-ko oinarri bat da.
13) E bektore-espazio batek “n” dimentsioa badu, “n” bektore baino gehiago dituen
edozein sistema lotua izango da.
14) E bektore-espazio batek “n” dimentsioa badu, E-ren edozein sistema sortzailek
gutxienez “n” bektore izango ditu.

15) E bektore-espazio bat izanik, gutxienez bi azpibektore-espazio izango ditu, 0 eta {}
E.
16) Bi bektore-espazioren, U1 eta U 2 , ebakidura, U1 ∩ U 2 , azpibektore-espazio bat da.
17) Bi bektore-espazioren, U1 eta U 2 , bildurak, U1 ∪ U 2 , ez du zertan bektore-espazioa

izan.
18) Esan esaldi hauek egia edo gezurra diren.
a) Elementu ez-nulu bat duen multzoa bat askea izango da.

b) 0 bektorea ez da inoiz sistema aske baten barne egongo.
c) Edozein sistema askeren azpimultzo bat askea izango da.

d) Sistema aske batek izan dezakeen bektore maximoa bektore horiek dituzten
koordenatu kopurua da.

Matematika I

Matematika I
3. GAIA. MATRIZEAK ETA DETERMINANTEAK
3.1. Matrizearen definizioa
Definizioa: n×p mailako A K gaineko matrize bat n×p elementu dituen multzo bat
izango da. Elementu horiek n errenkadatan eta p zutabetan ordenaturik daude, eta
elementu bakoitzak bi ezaupide izango ditu: lehenengo azpindizeak zein errenkadatan
dagoen esango digu, eta bigarren azpindizeak, zein zutabetan dagoen.
 a11 a12 ..... a1p 

 
 a 21 a 22 ..... a 2p 
( M ) n× p =
. . ..... . 
 
 a a ..... a 
 n1 n2 np 
3.2. Matrize motak
Errenkada-matrizea: ( M )1× p = ( a11 a12 ..... a1p )
 a11 
 
a 21 
Zutabe-matrizea: ( M ) n×1 = 
 . 
 
 a n1 
0 0 ..... 0 
 
0 0 ..... 0 
Matrize nulua: ( M ) n× p =
. . ..... . 
 
0 0 ..... 0 
 -a11 -a12 ..... -a1p 

 
 -a 21 -a 22 ..... -a 2p 
Aurkako matrizea: (− M ) n× p =
. . ..... . 
 
 -a - a ..... -a 
 n1 n2 np 

Matematika I
 a11 a 21 ..... a n1 
 
 a12 a 22 ..... a n2 
Matrize iraulia: ( M t ) p×n =
 . . ..... . 
 
 a1p a 2p ..... a np 
Matrize karratua: errenkada eta zutabe kopuru berdina duen matrizea da.
 a11 a12 ..... a1n 

 
a a ..... a 2n 
( M ) n× n =  21 22 .
 . . ..... . 
 
 a n1 a n2 ..... a nn 
Oharra: Matrize karratuetan a11, a22, …, ann elementuek diagonal nagusia osatzen dute.
Matrize triangeluarra: diagonal nagusitik gora edo behera dauden elementuak nuluak
dituen matrize karratu berezi bat da
Goi-triangeluarra Behe-triangeluarra
 a11 a12 ..... a1n   a11 0 ..... 0 

   
0 a 22 ..... a 2n  a a ..... 0 
( M ) n× n = ( M ) n× n =  21 22
 . . ..... .   . . ..... . 
   
0 0 ..... a nn   a n1 a n2 ..... a nn 
Matrize diagoanala: diagonal nagusikoak ez diren elementu guztiak nuluak dituen

matrize karratu bat da.
 a11 0 ..... 0 
 
0 a 22 ..... 0 
( M ) n× n =
 . . ..... . 
 
0 0 ..... a nn 

Matematika I
Identitate-matrizea: diagonal nagusiko elementuak batekoak dituen matrize diagonal

bat da.
1 0 ..... 0 
 
0 1 ..... 0 
( M ) n× n =
. . ..... . 
 0 
0 ..... 1

Oharra: Matrizeetako elementuek ez dute zertan zenbakiak izan, funtzioak izan

daitezke.
Bektore-funtzioa: elementutzat funtzioak dituen n elementuko bektore bat da.
 f1 ( x) 
 
f 2 ( x) 
v( x ) = 
 . 
 
 f n ( x) 
Matrize-funtzioa: elementutzat funtzioak dituen matrize bat da.
 f11 (x) f12 (x) ..... f1p ( x) 

 
 f 21 (x) f 22 (x) ..... f 2p ( x) 
An× p ( x) =  
. . ..... .
 
 f (x) f (x) ..... f ( x) 
 n1 n2 np 

Matematika I
3.3. Matrizeen arteko eragiketak
BATUKETA
Izan bitez A = (aij ) eta B = (bij ) ordena bereko bi matrize. Orduan, A eta B
matrizeen batuketa A + B = (aij + bij ) matrizea izango da.
 a11 a12 ..... a1p   b11 b12 ..... b1p   a11 +b11 a12 +b12 ..... a1p + b1p 
     
 a 21 a 22 ..... a 2p   b 21 b 22 ..... b 2p   a 21 +b 21 a 22 +b 22 ..... a 2p + b 2p 
( A)n× p + ( B )n× p = + =
. . ..... .   . . ..... .   . . ..... . 
     
 a a ..... a   b b ..... b   a +b a +b ..... a np + b np 
 n1 n2 np   n1 n2 np   n1 n1 n2 n2
Propietateak:
Izan bitez n×p dimentsioko A, B eta C hiru matrize:
• Elkarkorra: (A+B)+C = A+(B+C)

• Elementu neutroa: A+0 = 0+A = A
• Aurkako elementua: A+(-A) = (-A)+A = 0
• Trukakorra: A+B= B+A
ESKALAR BATEN ETA MATRIZE BATEN ARTEKO BIDERKADURA
Izan bitez A = (aij ) matrize bat eta α ∈ K eskalar bat. Orduan, α eskalarraren
eta A matrizearen arteko biderkadura α ⋅ A = (α ⋅ aij ) matrizea izango da, A-ko elementu
guztiak α -z biderkatzea lortzen duena.
 α ⋅ a11 α ⋅ a12 ..... α ⋅ a1p 

 
 α ⋅ a 21 α ⋅ a 22 ..... α ⋅ a 2p 
α⋅A=
. . ..... . 
 
 α ⋅ a α ⋅ a ..... α ⋅ a 
 n1 n2 np 

Matematika I
Propietateak:
Izan bitez n×p dimentsioko A eta B bi matrize eta α eta β bi eskalar:
• Matrizeen batuketarekiko banakortasuna: α ⋅ (A+B) = α ⋅ A+ α ⋅ B

• Eskalarren batuketarekiko banakortasuna: (α + β ) ⋅ A = α ⋅ A + β ⋅ A
• Elkarkorra: (α ⋅ β ) ⋅ A = α ⋅ ( β ⋅ A )
• Elementu neutroa: 1 ⋅ A = A
Oharra: ( M n×p , + ) , ( K,+, ⋅) ,  n×p dimentsioko matrizeen multzoa bektore-espazio
bat da K gorputzaren gainean. ‘+’ matrizeen arteko batuketa eta ‘ ’ matrize baten eta
eskalar baten arteko biderketa izanik.
MATRIZEEN ARTEKO BIDERKADURA
Izan bitez A ∈ M n×p eta A ∈ M p×m bi matrize. A eta B matrizeen arteko
biderkadura C ∈ M n×m matrize bat izango da, non cij lortzen baita A matrizeko i
errenkadako elementuen eta B matrizeko j zutabeko elementuen biderkaduraren

batuketa eginez.
 p p p

 ∑ a1i ⋅ bi1 ∑ a1i ⋅ bi2 ..... ∑a 1i⋅ bim 
 a11 a12 ..... a1p   b11 b12 ..... b1m   i=1 i=1 i=1 
     p p p 
 a 21 a 22 ..... a 2p   b 21 b 22 ..... b 2m   ∑ a 2i ⋅ bi1 ∑a ⋅ bi2 ..... ∑ a 2i ⋅ bim 
( A) n× p ⋅ ( B ) p×m = ⋅ = i=1 2i
. . ..... .   . . ..... .   
i=1 i=1
     . . ..... . 
 a a ..... a   b p1 b p2 ..... b pm   p 
 n1 n2 np   p p
 ..... ∑ a ni ⋅ bim 
 ∑ a ni ⋅ bi1 ∑a ni ⋅ bi2
 i=1 i=1 i=1 

Matematika I
2 1 7 1 0 
Adibidea: Izan bitez A=   eta B=   matrizeak. Kalkulatu biderketa hauek:
8 1 0  1 1 
A ⋅ B eta B ⋅ A .
A ⋅ B ezinezkoa da, A-ren zutabe kopurua eta B-ren errenkada kopurua

desberdinak direlako.
B ⋅ A egin dezakegu:
1 0  2 1 7  1 ⋅ 2 + 0 ⋅ 8 1 ⋅1 + 0 ⋅1 1 ⋅ 7 + 0 ⋅ 0   2 1 7 
B2×2 ⋅ A 2×3 =   = =  = C 2×3
1 1  8 1 0  1 ⋅ 2 + 1 ⋅ 8 1 ⋅1 + 1 ⋅1 1 ⋅ 7 + 1 ⋅ 0  10 2 7 
Propietateak:
Izan bitez A, B eta C hiru matrize:
• Elkarkorra: (A ⋅ B) ⋅ C = A ⋅ (B ⋅ C)
• Batuketarekiko banakorra: (A+B) ⋅ C = A ⋅ C + B ⋅ C ; A ⋅ (B+C) = A ⋅ B+A ⋅ C
• Elementu neutroa (matrize karratuetarako): A ⋅ I = I ⋅ A = A
• Ez dago simetrikorik: A -1 matrize batzuetarako bakarrik existitzen da
• Ez da trukakorra: A ⋅ B ≠ B ⋅ A (kasu batzuetan berdintza izan dezakegu)
3.4. Matrize karratu baten determinantea
A n mailako matrize karratu batek zenbaki bat elkarturik badu, A-ren

determinante deritzo, eta honela izendatzen da: Det(A) = A .
a11 a12 ..... a1n

a 21 a 22 ..... a 2n
Det(A) = A =
. . ..... .
a n1 a n2 ..... a nn
Determinantearen balioa: matrizeko n elementuren biderkaduren baturak.

Biderketa horietan, errenkada eta zutabe bakoitzetik elementu bakar bat hartuko da,
zeinu positibo nahiz negatibokoa.

Matematika I
2. ordenako matrizeak
a11 a12
= a11a 22 − a12 a 21
a 21 a 22
3. ordenako matrizeak
Sarrus-en erregela
a11 a12 a13

a 21 a 22 a 23 = a11a 22 a 33 + a12 a 23a 31 + a13a 21a 32 − a13a 22 a 31 − a12 a 21a 33 − a 11 a 23a 32
a 31 a 32 a 33
Determinanteen propietateak:
1.Matrize baten determinantea eta matrize irauliarena berdinak dira. A = At
Adibidea:
1 0 1 1 2 1
2 3 2 =3= 0 3 1
1 1 2 1 2 2
2.Matrizearen bi lerro (errenkada edo zutabe) paralelo elkarrekin trukatuz gero,

determinantea zeinuz aldatzen da.
Adibidea:
1 0 1 1 1 0
2 3 2 = 3 ⇒ 2 2 3 = −3
1 1 2 1 2 1
3.Matrizearen lerro (errenkada edo zutabe) bateko elementu guztiak zenbaki

berberaz biderkatzen badira, determinantea zenbaki horretaz biderkatuta geratzen
da.

Matematika I
Adibidea:
1 0 1 2 ⋅1 0 1 1 0 1
2 A = 2⋅ 2 3 2 = 2⋅ 2 3 2 = 2⋅ 2 2⋅3 2⋅ 2 = 2⋅3 = 6
1 1 2 2 ⋅1 1 2 1 1 2
4.Matrizearen lerro bat (errenkada edo zutabe) beste lerro paralelo batzuen
konbinazio lineala bada, determinantea nulua da. Beraz, A ≠ 0 bada, errenkada
eta zutabe guztiak linealki independenteak izango dira.
a b c a b c a b c
5. x+y z+q r+s = x z r + y q s
d e f d e f d e f
6.Matrizearen lerro (errenkada edo zutabe) bati beste lerro paralelo batzuen
konbinazio lineala batzen badiogu, determinantearen balioa ez da aldatzen.
1 1 1
Adibidea: 2 1 3 = 1 + 6 + 3 − (1 + 9 + 2) = −2 . Bigarren errenkadari lehenengoaren
1 3 1
1 1 1
hirukoitza batuz 5 4 6 = 4 + 15 + 6 − (4 + 18 + 5) = −2
1 3 1
7.Matrize triangeluar eta diagonaletan determinantearen balioa diagonal nagusiko

elementuen biderkadura izango da.
8. A ⋅ B = A ⋅ B

Matematika I
Definizioa: Izan bedi A matrize bat. a ij elementuaren minor osagarria
α ij izendatuko dugu, eta i. errenkada eta j. zutabea ezabatuz lortzen den matrizearen
determinantea izango da.
 4 5 6
 
Adibidea: Izan bedi A =  7 8 9  . Kalkula ditzagun minor osagarri batzuk:
1 2 3 
 
7 9 5 6 4 6
α12 = = 21 − 9 = 12 , α 21 = = 15 − 12 = 3 , α 32 = = 36 − 42 = −6
1 3 2 3 7 9
Definizioa: Izan bedi A matrize bat, a ij elementuaren minor adjuntua edo
adjuntua Aij = (−1)i + j α ij da.
5 1 7 
 
Adibidea: Izan bedi A =  0 1 4  . Kalkula ditzagun adjuntu batzuk:
5 0 2
 
0 4 1 7
A12 = (−1)1+ 2 = −(0 − 20) = 20 , A31 = (−1)3+1 = + (4 − 7) = −3
5 2 1 4
Orain, determinanteen azkeneko propietate bat enuntziatuko dugu:
9.Matrizearen lerro (errenkada edo zutabe) baten elementuen eta beste lerro paralelo
baten elementuen adjuntuaren biderkaduren batura zero izango da.

Matematika I
1 2 3 
 
Adibidea: Izan bedi A =  2 1 1  . Kalkula ditzagun hirugarren errenkadako
1 2 2 
 
2 3 13 1 2
adjuntuak: A31 = (−1)3+1 = −1 , A32 = (−1)3+ 2 = 5 , A33 = (−1)3+3 = −3
1 1 21 21
Orain, lehenengo errenkadako elementuak eta hirugarren errenkadako adjuntuak

biderkatuz:
a11A 31 +a12 A32 +a13 A 33 =1 ⋅ (-1)+2 ⋅ 5+3 ⋅ (-3) = 0
Orain, hiru baino maila handiagoko matrizeen determinanteak kalkulatuko

ditugu. Horretarako, hiru metodo ikusiko ditugu:
1) Adjuntuak erabiliz: matrize baten determinantea lerro baten elementuen eta

haren adjuntuen biderkaduraren batura da.
Adibidea:
Garatu determinantea lehenengo errenkadan:
1 4 5 1
11 0 31 0 31 0 31 0
3 1 1 0 1+1 1+ 2 1+ 3 1+ 4
= 1 ⋅ (−1) 2 1 1 + 4 ⋅ (−1) 1 1 1 + 5 ⋅ (−1) 1 2 1 + 1 ⋅ (−1) 1 21 =
1 2 1 1
0 11 111 1 01 1 01
1 0 1 1
= 1 ⋅ (+1) ⋅ (−2) + 4 ⋅ (−1) ⋅ 0 + 5 ⋅ (+1) ⋅ 6 + 1 ⋅ (−1) ⋅ 4 = 24
2) Chio-ren erregela: Hainbeste adjuntu ez kalkulatzeko, matrizean 1 den elementu

bat bilatuko dugu. Elementu hori erabiliz, errenkadako edo zutabeko elementuak
zero egingo ditugu (determinanteen 6. propietatea erabiliz). Ondoren, determinantea
errenkada edo zutabe hori erabiliz garatuko dugu.

Matematika I
Adibidea:
−1 3 2 −1 −5 7 2 −7
−5 7 −7
2 −2 1 3 0 0 1 0 2+ 3
= = 0⋅ + 0⋅ + 1 ⋅ ( −1) −20 15 − 26 + 0 ⋅ = −( −938) = 938
0 − 5 10 4 −20 15 10 − 26
−11 10 − 29
7 −8 9 −2 −11 10 9 − 29
Oharra: Matrizean 1ekorik ez badago, errenkada bat errenkada horretako elementu batez
zatituko dugu 1eko bat lortzeko. Kontuan hartu Chio-ren erregela aplikatu aurretik 3.
propietatea aintzat hartu behar dela.
3) Matrizea triangelatuz: Matrizea triangeluar bihurtuko dugu 6. propietatea

erabiliz. Beraz, determinantea diagonal nagusiko elementuen biderkadura izango da.
Adibidea:
0 −2 2 1 1 0 1 1 0 1 1 0
2 4 6 =− 2 4 6 =−0 2 6 =−0 2 6 = −1⋅ 2 ⋅ 8 = −16
1 1 0 0 −2 2 0 −2 2 0 0 8
3.5. Matrize iraulia. Propietateak
Definizioa: A matrize baten matrize iraulia A-ren zutabeak errenkadekin aldatuz lortzen
den matrizea da. A t gisa adieraziko dugu.
 a11 a12 ..... a1p   a11 a 21 ..... a n1 

   
 a 21 a 22 ..... a 2p   a12 a 22 ..... a n2 
( A)n× p = ( At ) p×n =
. . ..... .   . . ..... . 
   
 a a ..... a 
 n1 n2 np   a1p a 2p ..... a np 

Matematika I
Propietateak:
• (A )t t
=A
• ( A + B) = At + B t
t
• ( A⋅ B) = B t ⋅ At
t
• ( λ ⋅ A) = λ ⋅ At
t
• (A ) =(A )
−1 t t −1
3.6. Matrize karratu baten alderantzizkoa
Definizioa: A matrize karratu bat erregularra dela esango dugu, alderantzizkoa badu,
hau da, ∃A -1 / A ⋅ A -1 =A -1 ⋅ A=I . Bestela, A singularra dela esango dugu.
Teorema: A erregularra da ⇔ A ≠ 0
Adj ( A t )
1
Alderantzizkoaren kalkulua: A -1 =
A
 a11 a12 ..... a1n   a11 a 21 ..... a n1 

   
 a 21 a 22 ..... a 2n   a12 a 22 ..... a n2 
Izan bedi A = matrizea. Haren iraulia: A =
t
 . . ..... .   . . ..... . 
   
 a n1 a n2 ..... a nn   a1n a 2n ..... a nn 
 A11 A 21 ..... A n1 
 
 A12 A 22 ..... A n2 
Irauliaren adjuntua: Adj(A ) =
t
 . . ..... . 
 
 A1n A 2n ..... A nn 

Matematika I
 2 3 1
 
Adibidea: Kalkulatu A = 1 2 0  matrizearen alderantzizkoa.
 3 5 3
 
2 31
Lehenengo matrizea erregularra dela frogatuko dugu: A = 1 2 0 = 2 ≠ 0
3 5 3
2 1 3 
 
Orain, haren iraulia kalkulatuko dugu: A =  3 2 5 
t
1 0 3 
 
 2 5 3 53 2 
 − 
 0 3 1 3 1 0 
  6 − 4 − 2
21  
 = −3 3 1 
1 3 2 3
Ondoren, irauliaren adjuntua: Adj(A t ) =  − −
 0 3 1 3 1 0   

   − 1 − 1 1 
 1 3 2 3 21 
 −
 2 5 3 5 3 2 
 −2 − 1 
 6 − 4 − 2  3
1  
Beraz, A-ren alderantzizkoa: A -1 =  −3 3 1  =  −3 3 1 
2 
 
2 2 2
 − 1 − 1 1   −1 −1 1 
 2 2 2 
Frogatu dezagun A-ren alderantzizkoa dela:
 −2 − 1  1 0 0 
2 3 1   3
  1  = 0 1 0
A -1 = 1 2 0  ⋅  −3 3
 2 2 2  
 3 5 3    0 0 1
   −1 −1 1   
 2 2 2 

Matematika I
Propietateak:
• A -1 existitzen bada, bakarra da.

1
• A -1 =
A
• ( A -1 ) = A
−1
• ( A ⋅ B ) = B-1 ⋅ A -1
−1
• ( A -1 ) = ( A t )
t −1
Definizioa: Izan bedi A matrize erregular bat, orduan A ortogonala dela esango dugu,
A t =A -1 betetzen bada.
3.7. Matrize baten heina
Definizioa: Izan bedi A n × n matrize bat. ‘m’ mailako minor bat m × m ordenako A-
ren azpimatrize baten determinantea da.
 a11 a12 ..... a1m ..... a1p 

 
 a 21 a 22 ..... a 2m ..... a 2p  a11 a12 ..... a1m
 . . ..... . ..... .  a 21 a 22 ..... a 2m
A=   Minor bat B =
 a m1 a m2 ..... a mm ..... a mp  . . ..... .
  a m1 a m2 ..... a mm
. . ..... . ..... . 
 a n1 a n2 ..... a nm ..... a np 
 
‘m’ mailako minor bat desberdin 0 bada, determinante hori sortzen duten m zutabeak
eta errenkadak linealki askeak izango dira.

Matematika I
 a11   a12   a1m 

     
a11 a12 ..... a1m  a 21   a 22   a 2m 
a 21 a 22 ..... a 2m  .  .  . 
B = ≠ 0 bada,  ; ;  bektoreak linealki
. . ..... .  a m1   a m2   a mm 
a m1 a m2 ..... a mm ⋅  ⋅  ⋅ 
     
 a n1   a n2   a nm 
independenteak dira. Halaber, m errenkada-bektoreak linealki independenteak dira.
Definizioa: Matrize baten heina bere errenkadekin (zutabeekin) lor daitekeen minor ez-
nulu handienaren ordena da.
Adibidea: Ikus dezagun adibide baten bitartez nola kalkulatzen den.
1 2 3 6 
2 3 5 10 

A = 3 5 8 16  .
 
4 2 6 12 
5 6 12 23 

1 2
Has gaitezen 2. mailako minor bat hartuz = −1 ≠ 0 ⇒ c1 eta c2 zutabe-
2 3
bektoreak askeak direla. Beraz, heina(A) ≥ 2. Ondoren, orlatu dezagun minor hori,
hirugarren zutabea erabiliz:
1 2 3

3. errenkadarekin 2 3 5 = 0 ⇒ oraingoz c3 ∈ c1 ,c2
3 5 8

Matematika I
1 2 3

4. errenkadarekin 2 3 5 = 0 ⇒ oraingoz c3 ∈ c1 ,c2
4 2 6
1 2 3

5. errenkadarekin 2 3 5 = −1 ≠ 0 ⇒ c3 ∉ c1 ,c2 ; beraz, {c1 , c2 , c3 } sistema aske
5 6 12
bat da, eta heina(A) ≥ 3 da.
1 2 3
Orain, lorturiko 3. mailako minor ez-nulua, 2 3 5 , laugarren zutabea
5 6 12
erabiliz orlatuko dugu.
Falta diren bi errenkadak gehituko ditugu:
1 2 3 6
2 3 5 10
= 0 ⇒ oraingoz c4 ∈ c1 ,c2 , c3
5 6 12 23
3 5 8 16
1 2 3 6
2 3 5 10
= 0 ⇒ oraingoz c4 ∈ c1 ,c2 , c3
5 6 12 23
4 2 6 12

Errenkada guztiak erabili ditugunez, c4 ∈ c1 ,c2 , c3 betetzen dela baiezta

dezakegu. Beraz, {c1 ,c2 , c3 ,c4 } sistema lotua da, eta heina(A)<4.

Ondorioz, A-ren heina hiru da: heina(A)=3. Gainera, {c1 ,c2 , c3 ,c4 } bektoreak
sortzen duen azpiespazioaren dimentsioa 3 dela esan dezakegu, eta haren oinarri bat

{c1 ,c2 , c3 } dela.

Matematika I
 a11 a12 ..... a1p 

 
 a 21 a 22 ..... a 2p 
Teorema: Izan bedi A =  matrize bat. Orduan, haren heina
. . ..... . 
 
 a a ..... a 
 n1 n2 np 
matrizearen zutabeek (errenkadek) sortzen duten azpiespazioaren dimentsioa da.
Propietateak:
 a11 a12 ..... a1p 

 
 a 21 a 22 ..... a 2p 
Izan bedi matrize hau: A = 
. . ..... . 
 
 a a ..... a 
 n1 n2 np 
• A matrizearen ‘i’ zutabe(errenkada)-bektore hartuta, linealki independenteak dira,

baldin eta soilik baldin i mailako minor ez-nulu bat existitzen bada.
• ‘p’ zutabe-bektoreek sorturiko azpiespazioaren dimentsioa, eta ‘n’ errenkada-
bektoreek sorturiko azpiespazioren dimentsioa berdinak dira, hau da, heinaren
berdinak.
• Beste zutabeen (errenkaden) konbinazio lineal den zutabe (errenkada) bat
ezabatuz gero, matrizearen heina ez da aldatzen.
• Matrize baten heina ez da aldatzen, zutabe (errenkada) bati besteen konbinazio
lineal bat batuz gero.
• Matrize baten heina ez da aldatzen, zutabe (errenkada) bat eskalar batez
biderkatuz gero.
3.8. Matrize karratuen berreketak eta erroketak
Definizioa: Izan bedi A matrizea. Haren p. berreketa A bere buruarekin p aldiz

biderkatuz lortzen da: A p =A ⋅ A ⋅ ... ⋅ A (p ∈ ℕ) .
Definizioa: Izan bedi A matrizea. Haren p. erroketa (p ∈ ℕ) maila bereko beste matrize
p
, non  A p  = A (p ∈ ℕ) .
1 1
p
bat da A
 

Matematika I
Propietateak:
• ∀p, q ∈ ℕ : A p Aq = A p + q
• ∀p, q ∈ ℕ : ( A p ) = A p⋅q
q
• A erregularra bada: ∀p ∈ ℕ : ( A−1 ) = ( A p )

p −1
• A erregularra bada: ∀p, q ∈ ℕ : A− p A− q = A− ( p + q )
• A erregularra bada: ∀p, q ∈ ℕ : ( A− p )

−q
= A p ⋅q
Oharra: Kontua izan behar dugu berreketetan, matrizeen arteko biderkadura trukakorra
ez delako.
Adibidea: ( A ⋅ B ) = ( A ⋅ B ) ⋅ ( A ⋅ B ) = A ⋅ B ⋅ A ⋅ B ≠ A2 B 2
2
3.9. Blokekako matrizeak
Kasu batzuetan, hainbat kalkulu egiteko komenigarria da, A matrize bateko

elementuak azpimatrize errazagotan, bloketan (Ai), banatzea. Kasu horretan, blokekako
matrize bat izango dugu, non haren elementuak matrizeak baitira.
 1 2 3 4 5  1 2 3 4 5 
     A1 A2 A3 
Adibidea: A =  -1 2 3 4 3  =  -1 2 3 4 3  =  
 4 1 2 3 5   4 1 2 3 5   A4 A5 A6 
   
3 4 3
non A1 = (1 2 ) , A2 = ( 3 4 ) ,..., A5 =   , A6 =  
 2 3 5

Matematika I
Matrize horien arteko eragiketak:
a) Eskalar bat bider matrizea

 λ ⋅ A1 λ ⋅ A2 λ ⋅ A3 
λ⋅A= 
 λ ⋅ A4 λ ⋅ A5 λ ⋅ A6 
b) Blokeka dauden matrizeak batzeko, bi matrizeek blokeka era berean zatituta

egon behar dute.
 A2×2 A2×4   B2×2 B2×4   A2×2 + B2×2 A2×4 + B2×4 
A5×6 + B5×6 =  + = 
 A3×2 A3×4   B3×2 B3×4   A3×2 + B3×2 A3×4 + B3×4 
c) Izan bitez m × p eta p × n dimentsioetako A eta B bi matrize. A-ren eta B-ren

arteko biderketa egiteko, zentzua izan behar dute biderketek blokeka:
1) A-ren zutabe kopuruak eta B-ren errenkada kopuruak berdinak izan behar dute:
 A1 A2 A3   B1 
   
  ×  B2 
   
   B3 
2) Zatitutako A matrizearen K-garren zutabeko zutabe kopuruak eta zatitutako B

matrizearen K-garren errenkadako errenkada kopuruak berdinak izan behar dute.
………….
i i i
 
i i i i i i i i i
 
i i i i i i i i i
A4×6 ⋅ B6×3 = ⋅ 
i i i i i i  ………….
i i i
 
i i i i i i   i i i 
 
i i i

Matematika I
Blokekako matrize baten alderantzizkoa:
Gomendagarria da oso maila handia duen matrize baten alderantzizkoa

kalkulatzeko hura blokeka banatzea.
 Ar×r Br ×s 
M =  non n = r + s
 Cs × r Ds×s 
 X r×r Yr× s 
Izenda dezagun M −1 =   M matrizearen alderantzizkoa. Beraz,
 Z s×r Ts×s 
 Ar×r Br×s   X r×r Yr× s   I r ×r 0r ×s 

M × M −1 = I n ⇒  ⋅ = 
 C s× r Ds×s   Z s×r Ts×s   0s×r I s× s 
 AX + BZ = I
 AY + BT = 0

eragiketak eginez,  , X, Y, Z eta T matrizeak kalkulatzen ditugu.
CX + DZ = 0
CY + DT = I
Adibidea:
Kalkulatu matrize honen alderantzizkoa:
1 0 0 3 −1 
0 1 0 1 − 5 

M = 0 0 1 −2 6 
 
0 0 0 2 − 4
0 0 0 − 1 3 

Partiketa hau egingo dugu:
1 0 0 3 −1 
0 1 0 1 − 5 
  I 3×3 A3×2 
M =  …………………
0 0 1 −2 6  = 
   02×3 B2×2 
0 0 0 2 − 4
 0 0 0 −1 3 
 

Matematika I
Alderantzizkoa kalkulatzeko:
 X + AZ = I (1)
 I 3×3 A3×2   X 3×3 Y3×2   I 3×3 03×2  Y + AT = 0 (2)
 ⋅ = ⇒
 02×3 B2×2   Z 2×3 T2×2   02×3 I 2×2   BZ = 0 (3)
 BT = I (4)
3 2
(4) ekuaziotik, BT = I ⇒ T = B =  2 
−1
1 1
 2 
(3) ekuaziotik, B ≠ 0 denez, BZ = 0 ⇒ Z = 0 2×3
(1) ekuaziotik, Z=0 denez, orduan X = I 3×3
 3 − 1  3   −4 − 5 
   2 2  
(2) ekuaziotik, Y = − AT = −  1 − 5  ⋅ = 1 3 
 
 −2 6   1 2 1   0 − 2 
   
 
1 0 0 −4 −5 
 
0 1 0 1 3 
Beraz, M =  0 0 1 0 −2 
 
0 0 0 3 2
 2 
0 0 0 1 1 
 2 

Matematika I
3.10. Zenbaki konplexuen gainean definituriko matrizeak
Orain, zenbaki konplexuen gainean definituriko matrizeak aztertuko ditugu.
Definizioa: Izan bedi A matrize bat zenbaki konplexuen gorputzaren gainean definitua.
Haren konjokatua A beste matrize bat da, non elementuak A matrizeko elementuen
konjokatuak baitira.
 3 + 4i 0 1   3 − 4i 0 1 
Adibidea: A =   matrizearen konjokatua A =   da.
 −i 2i 7 −i  i − 2i 7 +i
Definizioa: Izan bedi A matrize bat zenbaki konplexuen gorputzaren gainean definitua,
haren matrize elkartua A* =( A t ) beste matrize bat da, hau da, haren irauliaren
konjokatua (era berean, A* = ( A ) konjokatuaren iraulia).

t
1 + i 4 
1 + i 0 2i   
Adibidea: A =   ; haren iraulia: A =  0 1  ; haren elkartua:
t
 4 1 1 − 3i   2i 1 − 3i 
 
1 − i 4 
 
A = 0
*
1 .
 −2i 1 + 3i 
 
Definizioa: Izan bedi A matrize karratu bat zenbaki konplexuen gorputzaren gainean
definitua. Hermitikoa dela esango dugu, A* =A betetzen bada.
Diagonal nagusiko elementuak errealak izango dira.

Matematika I
 0 1− i 2 + i   0 1+ i 2 + i 
   
Adibidea: A = 1 + i 4 − i  hermitikoa da. Iraulia: At = 1 − i 4 i  ; eta
2−i i 6  2+i −i 6 
 
 0 1− i 2 + i 
haren elkartua: ( A ) = 1 + i
 
t
4 −i  = A
2−i i 6 

Definizioa: Izan bedi A matrize karratu bat zenbaki konplexuen gorputzaren gainean
definitua. Antihermitikoa dela esango dugu, A* = − A betetzen bada.
Diagonal nagusiko elementuak zenbaki konplexu zehatzak dira.
3.11. Matrize sakabanatuak
Definizioa: A n×n dimentsioko matrize karratu bat sakabanatua dela esango dugu,
elementu nuluak ez-nuluak baino gehiago direnean.
Matrize sakabanatuen adierazpen grafikoa errazteko, haien egitura-matrizea

a ij =1, A matrizean a ij ≠ 0
erabiliko da: A egit = 
a ij =0, A matrizean a ij = 0
Beste kasu batzuetan, adierazpena gehiago errazteko, elementu ez-nuluen tokian

‘*’ edo ‘ ⋅ ’ jartzen da, eta nuluak nuluik uzten dira.

Matematika I
Adibidea: 20 × 20 dimentsioko matrize sakabanatu baten egitura:
* * * * * * * *
 
 * 
 * 
 
 *** * 
 ** * 
 
 * * ** 
 **** 
 
 * ** 
 *** ** 
 
 *** 
 
 *** * 
 *** 
 
 * * * * 
 * * * ** 
 
 * * * 
 * * 
 
 * *** 
 
 * * * * * * 
 * * * 
 
 * ** * 
Nuluune guztiak zeroak dira, eta izarñoak balio ez-nuluak.
3.12. Zenbakizko metodoak
Matrize erregular baten alderantzizkoa kalkulatzeko. Gauss-en metodoa

aztertuko dugu.
Gauss-en murrizketa-metodoa erabiltzeko, ( A I ) matrize hedatua eraikiko dugu,
I dimentsio bereko identitate-matrizea izanik. Ondoren, errenkadekin eragiketak egingo

ditugu: i) edozein bi errenkada truka daitezke, ii) edozein errenkada 0 ez den zenbaki
batez biderkatu daiteke, iii) edozein errenkadatako multiplo bat beste bati batu
diezaiokegu, ezkerraldean identitate-matrizea lortu arte. Kasu horretan, eskuinaldeko
matrizea A-1 izango da.
Errenkadekin eragiketak
(A I) (I A )−1
( )
Ezinezkoa bada I A−1 forma lortzea, A matrizeak ez du alderantzizkorik izango.

Matematika I
 0 3 8
 
Adibidea: Izan bedi A = 1 2 0  .
1 0 − 5 
 
0 3 8 1 0 0
 
Matrize hedatua: ( A I ) =  1 2 0 0 1 0 
1 0 − 5 0 0 1 
 
1 0 − 5 0 0 1 
 
1. eta 3. errenkadak trukatuz: 1 2 0 0 1 0 
0 3 8 1 0 0
 
 1 0 −5 0 0 1
 
2. errenkada + (-1) × 1. errenkada:  0 2 5 0 1 − 1 
 0 3 8 1 0 0
 
 1 0 −5 0 1 
0
 
2. errenkada × (1/2):  0 1 5 0 1 −1 
2 2 2
 
0 3 8 1 0 0 
 1 0 −5 0 0 1 

3. errenkada + (-3) × 2. errenkada:  0 1 5 0 1 −1 
 2 2 2 
 0 0 1 1 −3 3 
 2 2 2
 1 0 −5 0 1 
0
 
3. errenkada × 2:  0 1 5 0 1 −1 
2 2 2
 
 0 0 1 2 − 3 3 
3. errenkada × 5 + 1. errenkada eta 3. errenkada × (-5/2) + 2. errenkada:
1 0 0 10 − 15 16   10 − 15 16 

0 1 0 −5 8

( ) 
− 8  = I A−1 ⇒ A−1 =  −5 8 −8

0 0 2 −3   3 
 1 3  2 −3
Horrenbestez, lortu dugu A-ren alderantzizkoa.

Matematika I
3.13. Oinarri-aldaketako matrizea

Demagun U = {u1 , u2 ,..., un } eta V = {v1 , v2 ,..., vn } E bektore-espazioko oinarriak
direla.

x ∈ E edozein bektore U-ko edo V-ko bektoreen konbinazio lineal gisa idatz
daiteke:
 x1 
 
x2
 
x = x1u1 + x2u2 + ... + xn un = ( u1 u2 ... un ) ⋅  . 
 
. 
x 
 n
edo
 x '1 
 
x '2
 
x = x1v1 + x2 v2 + ... + xn vn = ( v1 v2 ... vn ) ⋅  .  .
 
. 
 x' 
 n
Beraz,
 x1   x '1 
   
 x2   x '2 
x = x denez : ( u1 u2 ... un ) ⋅  . = ( v1 v2 ... vn ) ⋅ . 
   
.  . 
U oinarrian x  V oinarrian  x' 
 n  n

x bektorea x bektorea
Demagun gure erreferentzia-oinarria U dela; hau da, bektore guztiak U-ren

oinarrian idatzita daudela. x bektorea ere U oinarrian idatzita dago, eta gure helburua V
oinarrian idaztea izango da. Egin dezagun, beraz, oinarri-aldaketa.

Matematika I
Bestalde, V oinarriko bektoreak U oinarrian idatz ditzakegu:

v1 = v11u1 + v21u2 + ... + vn1un
v = v u + v u + ... + v u
 2 12 1 22 2 n2 n

 ...........................
vn = v1n u1 + v2 n u2 + ... + vnn un

Adierazpen honetan, bektore horiek zutabeka erabiliko ditugu:
1 0 ... 0  x1   v11 v12 ... v1n   x '1 

0      
 1 ... 0  x2   v21 v22 ... v2 n   x '2 
⋅ = ⋅
 .. .. ... ..   ...   ... ... ... ...   ... 
 0       
 0 ... 1  xn   vn1 vn 2 ... vnn   x 'n 
U-ko bektoreak U x bektorea U

V-ko bektoreak U x bektorea V
oinarrian idatzita oinarrian idatzita oinarrian idatzita oinarrian idatzita

V oinarrian idatzitako x bektorea ebaztea falta zaigu:
−1
 x '1   v11 v12 ... v1n  1 0 ... 0   x1 
       
 x ' 2  =  v21 v22 ... v2 n 
⋅ 
0 1 ... 0 
⋅  x2 
 ...   ... ... ... ...   .. .. ... ..   ... 
       
 x 'n   vn1 vn 2

... vnn  0 0 ... 1  xn 

x bektorea V x bektorea U
oinarrian idatzita (V-1) U oinarrian idatzita
Horrenbestez, lortu dugu oinarri-aldaketako adierazpena.

Matematika I
3.14. Matrizeen ariketak
1) Murriztu matrize-adierazpen hauek:
a) ( A + B ) − A ⋅ ( A + B ) − ( B + A ) ⋅ B
2
b) −2 At ⋅ B − ( B t ⋅ A ) +  B t ⋅ A + ( At ⋅ B ) 
t t t
 
c) ( B ⋅ A ) + 2 At ⋅ B − ( B ⋅ At ) − A ⋅ B non A simetrikoa den ( A = At )

t t
Emaitza: a ) B ⋅ A − A ⋅ B b) − At ⋅ B c) A ⋅ B
2) Askatu matrize-sistema hau:

2 X − 3Y = A  1 − 1 2   0 1 −3
 non A =   eta B =  
4 X + 5Y = − B   2 0 3  −2 − 1 − 4 
1  5 − 8 19  1  2 −1 1 
Emaitza: X =   eta Y = −  
22 16 3 27  11  2 − 1 2 
3) A eta B matrizeak alderantzikagarriak direla joz, frogatu berdintza betetzen dela:
(A ⋅B ) t −1
= ( A−1 ⋅ B −1 )
t t
4) Aurkitu matrize honen heina:
 1 
 1 −3 5 0 2 
2
 
 −2 6 − 10 0 − 4 − 1 
A =  −2 6 0 1 4 −3 
 
 0 0 10 1 8 −2 
 1 3
 −1 3 0 2 − 
 2 2
Emaitza: Heina(A) = 2

Matematika I
5) Askatu ekuazio-sistema hau:

X −Y = M   1 −1 2  2 −1 5   0 −1 0
      
X + X = N  non M =  −3 0 − 5  , N =  −1
t
2 − 2  , P = 1 0 − 2 
  5 1 0   5 −2 2  0 2 0 
Y −Yt = P    
6) Aurkitu matrize honen heina, eta adierazi zutabe-bektoreek sortzen duten

azpiespazioaren dimentsioa:
 1 0 1 0
 -1 0 -1 0 
 
A =  0 -1 1 m 
 
 2 0 1 1
 0 1 0 1
 
Emaitza: m=-2 → heina(A)=3; m≠-2 → heina(A)=4
7) Sinplifikatu   M t + ( A ⋅ N )   matrize-adierazpena, jakinik

−1 2
  
N t ⋅ At = M betetzen dela
8) Kalkulatu matrize honen heina ‘a’ eta ‘b’ balioen arabera:

 2a b 1 
 
A =  2 ab 1 
 2 b a
 
9) Kalkulatu matrize honen heina ‘a’ eta ‘b’ balioen arabera:

 2 a b
 
A =  −2 0 0 
 −2 − 1 − 1 
 
Emaitza: b≠a → heina(A)=3; b=a → heina(A)=2

Matematika I
1 0 − 1 
 
10) Izan bedi A =  2 3 2  . Kalkulatu A−1 matrize adjuntuaren metodoa,
4 5 0 

Gauss-en metodoa erabiliz.
 1 5 3 0 4
 3 3 9 1 2 

11) Kalkulatu matrize honen heina: A =  0 10 0 2 −1  .
 
 5 11 15 1 10 
 −2 0 −6 1 0 

Emaitza: Heina(A) = 4
12) Kalkulatu ‘m’-ren eta ‘n’-ren balioak, A matrizeak ekuazio hau bete dezan:
 2 1
( A ) + m ⋅ A + n ⋅ I = 0 , non
2
A=  . Emaitza: m=-4 eta n=3
1 2 
13) Kalkula itzazu matrize hauen heinak:

 1 −2 3 −2  −1 −1
 0 4 10 1   2
   −1 1 − 2 0 −2
 4 8 18 7 
A= B =  −2 −5 8 −4 3 −1 
10 18 40 17   
   6 0 −1 2 − 7 − 5
 1 7 17 3   −1
 −1 1 −1 2 1 
0 0 1 0 0
0 1 0 0 0 
 2 0 2 0 2 heina ( A) = 2
0 0 0 1 0   heina ( B) = 3
  0 1 0 1 0 
C = 1 1 1 1 1  D= Erantzuna: 
2 1 0 2 1 heina (C ) = 5
1 3 4 5 1  
  0 1 0 1 0  heina ( D) = 3
1 2 3 4 5
2 3 4 5 6 


Matematika I
14) Kalkulatu matrize hauen alderantzizkoak:

1 3 17 − 1 0 
1 3 −5 7  2 −1 − 5 1 2 3 1
   2 3   
0 1 2 −3  1 3 3 2
A= B = 3 2 12 1 3 C =
0 0 1 2   2 4 3 3
 0 
1  4 0 2 4 12   1 
1 1 1 
 0 0 5 
 1 3 − 2 7 
1 − 3 11 − 38   1 −2 1 0
   
0 1 −2 7 1 −2 2 −3 
Erantzunak: A = 
−1 −1 −1
, ∃B , C = 
0 0 1 −2  0 1 −1 1
 0 0 
 
 
3 
 0 1  −2 3 −2
15) Kalkulatu determinanteon balioak:
−1 0 5 0 4
−1 0 3 −3 2 1 6
4 3 0 2 0 1
5 4 −3 2
a) 2 −1 −2 b) c) −4 7 1 −5 1
2 5 0 7 1 5
4 −3 2 1 3 −1 2 0
1 3 4 0 2
0 0 −3 1 5
2
Erantzuna: a) -4/5 b)-510 c)728
16) Izan bedi V = {(1, 0, 2), (1,1,1), (0, 0,3)} ℝ3 –ko oinarri bat. Oinarri-aldaketaren

metodoa erabiliz, kalkulatu x (2,1, 0) bektorearen koordenatuak V oinarrian.

Erantzuna: x (2,1, 0) = x (1,1, −1)V
17) Izan bitez V = {(1, 2, 0), (2,1,1), (1,1,3)} eta W = {(2,1,1), (1,1, 0), (0,1, 2)} ℝ3 -ko
bi oinarri.
Frogatu V eta W sistema askeak direla.

Kalkulatu x (5, 2, 4) bektorearen koordenatuak V eta W oinarriekiko.

Kalkulatu y (3,1,1)V bektorearen koordenatuak W oinarriekiko.

Matematika I

18) Izan bedi V = {v1 , v2 , v3 } ℝ3 -ko oinarri bat eta x (1, 2,3)V bektore bat. Oinarri-

aldaketaren metodoa erabiliz, kalkulatu x bektorearen koordenatuak
{ }

V = b1 , b2 , b3 oinarrian non:

b1 = 3v1 + 2v2 − v3 , b2 = 4v1 + v2 + v3 eta b3 = 2v1 − 5v2 + v3
 16 35 13 
Erantzuna: x (1, 2,3)V = x  − , , − 
 9 18 18  B
19) Izan bitez V = {(1,1,1), (1, 0, −2), (1, 0,1)} eta U = {(1,1, 0), (1, 0, 0), (0, −1, −1)} ℝ3 -

ko bi oinarri eta x (0,1, 2)V bektorea.

Oinarri-aldaketaren metodoa erabiliz, kalkulatu x bektorearen koordenatuak U
oinarriarekiko.

Erantzuna: x (0,1, 2) = x (0,3, 0) B

Matematika I

Matematika I
4. GAIA. EKUAZIO-SISTEMA LINEALAK
4.1. Sarrera
Izan bitez n berdintza hauek:
f11 x1 + f12 x2 + ... + f1 p x p = b1

f 21 x1 + f 22 x2 + ... + f 2 p x p = b2
(1)
............................................
f n1 x1 + f n 2 x2 + ... + f np x p = bn
non fij koefizienteak eta bi gai askeak K gorputzeko elementuak baitira. Sistema horri p
ezezaguneko ekuazio-sistema lineala deritzo. Ezezagunak x1 , x2 ,..., x p dira.
(1) sistemaren soluzio guztiak lortzea K-n sistema ebaztea izango da.
Ekuazio-sistema linealak homogeneoak dira, ∀bi = 0 betetzen bada, eta ez-
homogeneoak, ∃bi ≠ 0 .
Soluzioa duten ekuazio-sistema linealak sistema bateragarriak direla esango

dugu. Soluzioa bakarra bada, sistema bateragarri determinatua izango da, eta soluzio
bat baino gehiago badira, sistema bateragarri indeterminatua izango da.
Soluzioa ez duten ekuazio-sistema linealak sistema bateraezinak izango dira.
Sistema homogeneoek beti izango dute soluzio nabari bat.
x1 = x2 = ...x p = 0
Nahiz eta soluzio nabaria soluzioa izan, interesgarria izaten da nabariaren

desberdinak diren soluzioak aurkitzea. Beraz, sistema homogeneoen kasuan, sistema
bateragarria dela esango dugu soluzio nabariaz gainera beste soluzio batzuk existitzen
direnean.

Matematika I
(1) sistema honela idatz dezakegu:
 f11   f12   f1 p   b1 
     
 f 21   f 22   f 2 p   b2 
x1 +x + ... + x p  = (2)
 ....  2  ....  ....   ... 
       
f f  
 n1   n2   np   bn 
f

(2)-ko zutabe-bektoreak f1 , f 2 , ... , f p eta b izendatuz, (1) sistema hau da:

x1 f1 + x2 f 2 + ... + x p f p = b (3)
Matrize eran ere idatz daiteke:
 f11 f12 f1 p   x1   b1 
    
 f 21 f 22 f 2 p  .  x2  =  b2  (4)
 ......................   ....   ... 
  
f f f   x p   bn 
 n1 n 2 np  
Beraz, matrizeen biderketak erabiliz (4) berdintza laburtu dezakegu:
 x1 
 x2 
( )
f1 , f 2 ,..., f p ⋅   = b
 ... 
(5)
 
 xp 
Beraz, ezezagunen koefizienteen matrizea honako hau izango da:
 f11 f12 f1 p 
 
 f 21 f 22 f 2 p  (6)
 ...................... 
 
f f f 
 n1 n2 np 
Matrize hedatua, aldiz, gai askeak gehituz lortzen da:
 f11 f12 f1 p b1 
 
 f 21 f 22 f 2 p b2  (7)
 ............................. 
 
f f f b 
 n1 n 2 np n 

Matematika I
4.2. Rouche Frobenius-en teorema
(3) sistemaren arabera, (1) sistemak soluzioa izateko baldintza beharrezkoa eta

nahikoa da b , f1 , f 2 ,..., f p bektoreen konbinazioa lineala izatea.
Baldintza hori honela idatz dezakegu:
(1) ekuazio-sistema lineala bateragarria da, baldin eta soilik baldin koefizienteen
matrizearen heina eta matrize hedatuaren heina berdinak badira.
Bi kasu egon daitezke:
1) Heina ezezagun kopuruaren berdina izatea. Orduan, sistema bateragarri

determinatua izango da.
2) Heina ezezagun kopurua baino txikiagoa izatea. Orduan, sistema
bateragarri indeterminatua izango da. Indeterminazio-maila, aldiz,
ezezagun kopurua ken heina izango da.
Sistema homogeneoen kasuan:
f11 x1 + f12 x2 + ... + f1 p x p = 0

f 21 x1 + f 22 x2 + ... + f 2 p x p = 0
............................................
f n1 x1 + f n 2 x2 + ... + f np x p = 0
Beti izango dugu soluzio nabari bat: x1 = x2 = ...x p = 0 . Beraz, sistema
homogeneo batek nabariaz gainera beste soluzio batzuk izango ditu, baldin eta soilik
baldin koefizienteen matrizearen heina ezezagun kopurua baino txikiagoa bada.

Matematika I
4.3. Cramer-en erregela
Izan bedi n ezezagunen n ekuazio-sistema:
f11 x1 + f12 x2 + ... + f1n xn = b1

f 21 x1 + f 22 x2 + ... + f 2 n xn = b2
(8)
............................................
f n1 x1 + f n 2 x2 + ... + f nn xn = bn
Jo dezagun koefizienteen matrizearen determinantea ez-nulua dela, hau da:
f11 f12 f1n

f 21 f 22 f2n
≠0 (9)
......................
f n1 fn2 f nn
Orduan: Koefizienteen matrizearen heina = matrize hedatuaren heina = Ezezagun

kopurua
Rouche Frobenius-en teoremaren arabera, (8) sistema bateragarri determinatua

da. Beraz, aurki dezagun haren soluzio bakarra.
(8) sistema matrize eran idatziz:
 f11 f12 f1n   x1   b1 

    
 f 21 f 22 f 2 n  .  x2  =  b2  (10)
 ......................   ....   ... 
     
 f n1 f n 2 f nn   xn   bn 

Matematika I
(9)-tik (f )
ij matrizea erregularra dela ondoriozta dezakegu; beraz, (10)
ekuazioaren atal bakoitza ( fij ) -ez biderkatuz:

−1
 x1   b1   F11 F21 Fn1   x1   b1 

        
 x2  = ( f ) −1 ⋅  b2  = 1  F12 F22 Fn 2   x2   b2 
. = (11)
 ....  ij
 ...  det ( f ij )  ......................   ....   ... 
         
 xn   bn   F1n F2 n Fnn   xn   bn 
Non Fij fij elementuaren adjuntua baita. (11)-n eragiketak eginez, (8) sistemaren
soluzioa lortzen da.
b1 F11 + b2 F21 + ... + bn Fn1

x1 =
det( f ij )
b1F12 + b2 F22 + ... + bn Fn 2
x2 =
det( fij ) (12)
.............................................
b1F1n + b2 F2 n + ... + bn Fnn
xn =
det( fij )
Ondorioz,
b1 f12 f1n
b2 f 22 f2n
= b1F11 + b2 F21 + ... + bn Fn1
.....................
bn fn 2 f nn
Beraz, berdintza hori erabiliz, (12) ekuazioa berridatz dezakegu:
b1 f12 f1n f11 b1 f1n f11 f12 b1

b2 f 22 f2n f 21 b2 f2n f 21 f 22 b2
..................... ..................... .....................
b f n 2 f nn f b f nn f n f n 2 bn
x1 = n ; x2 = n1 n ;...; xn = 1
f11 f12 f1n f11 f12 f1n f11 f12 f1n
f 21 f 22 f2n f 21 f 22 f2n f 21 f 22 f2n
..................... ..................... .....................
f n1 fn2 f nn f n1 fn2 f nn f n1 fn2 f nn

Matematika I
Adibidea:
x1 + x2 + x3 = 6
x1 + x2 − x3 = 0
2 x1 − x2 + x3 = 3
Koefizienteek sorturiko determinantea zeroren desberdina da:
1 1 1
1 1 − 1 = −6
2 −1 1
6 1 1 1 6 1 1 1 6
0 1 −1 1 0 −1 1 1 0
3 −1 1 2 3 1 2 −1 3
x1 = = 1 ; x2 = = 2 ; x3 = =3 ;
−6 −6 −6
4.4. Ekuazio-sistema linealen baliokidetasunak

Bi ekuazio-sistema lineal baliokideak direla esango dugu, soluzio berdinak
badituzte.
Hiru metodo ikusiko ditugu, sistema batekiko baliokideak diren beste sistema
batzuk aurkitzeko:
Lehenengo metodoa: Ekuazio-sistema lineal batean ekuazio bati beste

ekuazioen konbinazio lineal bat ebazten edo gehitzen badiogu, lortzen dugun sistema
lehenengoaren baliokidea izango da.
Adibidez, bi ekuazio-sistema linealok:
f11 x1 + f12 x2 + ... + f1 p x p = b1

f 21 x1 + f 22 x2 + ... + f 2 p x p = b2
(13)
............................................
f n1 x1 + f n 2 x2 + ... + f np x p = bn

Matematika I
f11 x1 + f12 x2 + ... + f1 p x p = b1

f 21 x1 + f 22 x2 + ... + f 2 p x p = b2 (14)
............................................
(a1 f11 + ... + an −1 f ( n −1)1 + f n1 ) x1 + ... + (a1 f1 p + ... + an −1 f ( n −1) p + f np ) x p = a1b1 + ... + an −1bn −1 + bn
Bereziki, ekuazio-sistema batean ekuazio bati gai biak eskalar ez-nulu batez
biderkatuz sistema baliokide bat lortuko dugu.
Bigarren metodoa: Ekuazio-sistema lineal batean, lehenengo ataleko ezezagun

bat edo gehiago bigarren atalera pasatzen badira, sistema baliokide bat lortzen da.
f11 x1 + f12 x2 + ... + f1 p −1 x p −1 = b1 − f1 p x p

f 21 x1 + f 22 x2 + ... + f 2 p −1 x p −1 = b2 − f 2 p x p
..............................................................
f n1 x1 + f n 2 x2 + ... + f np −1 x p −1 = bn − f np x p
Hirugarren metodoa: Gauss-en metodoaren aplikazioa. Izan bedi sistema hau:
f11 x1 + f12 x2 + ... + f1 p x p = b1

f 21 x1 + f 22 x2 + ... + f 2 p x p = b2
(15)
............................................
f n1 x1 + f n 2 x2 + ... + f np x p = bn
Jo dezagun f11 ≠ 0 dela. Orduan, bigarren ekuazioari lehenengo ekuazioa bider
( − f 21 ) gehituko diogu; hirugarren ekuazioari lehenengoa bider

( − f31 ) ; …; eta n-
f11 f11
garren ekuazioari lehenengoa bider

( − f n1 ) gehituko diogu. Eragiketa horiekin
f11
sistema baliokide bat lortzen dugu, baina ekuazio berri horretan x1 ezezaguna
lehenengo ekuazioan bakarrik azalduko da. Beraz, lortzen den sistemak forma hau
izango du:

Matematika I
f11 x1 + f12 x2 + ... + f1 p x p = b1

f 22 x2 + ... + f 2 p x p = b2
(16)
.................................
f n 2 x2 + ... + f np x p = bn
Sistema berri horri prozesu berdina aplikatzen badiogu, bigarren, hirugarren,… ,

eta (n-1)-garren ekuazio erabiliz, sistema hau lortuko dugu:
1. kasua:
f11 x1 + f12 x2 + ... + f1n xn = b1

f 22 x2 + ... + f 2 n xn = b2
(17)
......................
f nn xn = bn
• f11 ≠ 0, f 22 ≠ 0, ..., f nn ≠ 0 bada. Kasu horretan, azkeneko ekuazioa erabiliz xn
kalkulatuko dugu. Ondoren, xn -ren balioa (n-1) ekuazioan ordezkatuz xn −1 -en balioa
kalkulatuko dugu, eta era berean beste ezezagunen balioak x1 -eraino. Sistema, kasu
honetan, BATERAGARRI DETERMINATUA da.
Adibidea: Ebatzi sistema hau Gauss-en metodoa erabiliz:
x1 + x2 + x3 = 6
x1 + x2 − x3 = 0
2 x1 − x2 + x3 = 3
lehenengo ekuazioa bider

( − f 21 ) , hau da −1 , eginda bigarren ekuazioari gehituko
f11 1
diogu, eta bider

( − f31 ) , hots −2 , eginda hirugarren ekuazioari.
f11 1
x1 + x2 + x3 = 6
− 2 x3 = −6
− 3 x2 − x3 = −9

Matematika I
Ez dugu Gauss-en metodoa berriro aplikatu behar; bigarren ekuaziotik x3 aska
dezakegu. Orduan, x3 = 3 . Orain, hirugarren ekuazioan ordezkatuz, −3x2 − 3 = −9 ,
x2 = 2 . Azkenekoz, x2 eta x3 balioak lehenengo ekuazioan ordezkatuz x1 = 1 lortzen

dugu.
Beraz, sistema bateragarri determinatua da.
• f11 , f 22 , ..., f nn koefizienteren bat nulua bada, koefiziente nulua duen ekuaziora
heltzean bi gauza gerta daitezke, identitate bat lortzea edo kontraesan bat lortzea.
Identitatearen kasuan, sistema bateragarri indeterminatua da, zero egiten den
koefizientearen ezezagunak edozein balio har dezake eta. Kontraesanaren kasuan,
sistema bateraezina da.
2 x1 + 2 x2 − 3 x3 = 2
− x1 + 5 x2 − 4 x3 = 4
x1 + 7 x2 − 7 x3 = 7
Lehenengo ekuazioa bider 1 eginez, bigarren ekuazioari gehituko diogu; eta bider
2
−1 eginez, hirugarren ekuazioari gehituko diogu.
2
2 x1 + 2 x2 − 3 x3 = 2
11
− 6 x2 − x3 = 5
2
11
− 6 x2 − x3 = 6
2
Bigarren ekuazioa bider -1 eginez, hirugarren ekuazioari gehituko diogu.

Matematika I
2 x1 + 2 x2 − 3 x3 = 2
11
− 6 x2 − x3 = 5
2
0 = −1
0 = −1 kontraesan bat dugu; beraz, sistema bateraezina da.
2. kasua: Gauss-en metodoa (15) sistemari aplikatzean ekuazioak sobran egon

daitezke. Orduan, (17) motako azpisistema bat lortuko dugu, eta lehenengo kasua
aplikatuko dugu. Baina, kasu horietan, azpisistemaren soluzioak sobran dauden beste
ekuazioek betetzen dituztela frogatu behar da.
3. kasua: Gauss-en metodoa aplikatzean ekuazioak falta badira, (17) motako

azpisistema bat lortuko dugu, baina azkeneko ekuazioak ezezagun bat baino gehiago
izango ditu. Aldagai bat besteen menpe askatuko dugu, eta 1. kasuko metodoa aplikatu.
Kasu horretan, sistema bateragarri indeterminatua edo bateraezina izango da.
x1 − x2 + x3 + 4 x4 = 6
2 x1 + 3 x2 − x3 − 11x4 = −7
x2 + x3 + x4 = 1
Lehenengo ekuazioa, -2z biderkaturik, bigarren ekuazioari gehituko diogu:
x1 − x2 + x3 + 4 x4 = 6
5 x2 − 3 x3 − 19 x4 = −19
x2 + x3 + x4 = 1
Bigarren eta hirugarren ekuazioak trukatuko ditugu:
x1 − x2 + x3 + 4 x4 = 6
x2 + x3 + x4 = 1
5 x2 − 3 x3 − 19 x4 = −19

Matematika I
Bigarren ekuazioa, -5ez biderkaturik, hirugarren ekuazioari gehituko diogu:
x1 − x2 + x3 + 4 x4 = 6
x2 + x3 + x4 = 1
− 8 x3 − 24 x4 = −24
Azkeneko ekuazioak bi ezezagun ditu: x3 eta x4 . Argi dago ezezagun horietako batek
λ edozein balio har dezakeela; beraz, x4 = λ eginez, orduan x3 = 3 − 3λ . Bigarren
ekuazioan, balio horiek ordezkatuz, x2 = −2 + 2λ , eta lehenengo ekuazioan ordezkatuz,
x3 = 1 + λ .
Beraz, emandako sistemak infinitu soluzio izango ditu, eta bektorialki adieraziko
dugu:
 x1   1   1
     
 x2  =  −2 +λ 2 ∀λ ∈ ℝ
 x3   3   −3 
     
 x4   0   1
Sistema hori bateragarri indeterminatua da, haren maila bat izanik. Haren
soluzioen multzoa zera izango da: soluzio partikular bat (1, −2,3, 0 ) gehi bat dimentsioa
duen azpibektore-espazio bateko ({λ ⋅ (1, 2, −3,1), ∀λ ∈ ℝ}) bektore arbitrario bat.
4.5. Ekuazio linealezko sistema homogeneoak

Ekuazio linealezko sistema homogeneoak ekuazio-sistema linealen kasu
partikular bat dira.
Izan bedi ekuazio linealezko sistema homogeneo bateragarri bat:
f11 x1 + f12 x2 + f13 x3 = 0

f 21 x1 + f 22 x2 + f 23 x3 = 0
f 31 x1 + f 32 x2 + f 33 x3 = 0

Matematika I
(bateragarria, nabariak ez diren soluzioak ditu; beraz, koefizienteek sortutako

determinanteak nulua izan behar du). Lehenengo bi ekuazioak linealki askeak direla joz,
soluzioak hauek dira:
x1 x2 x3
= = =λ ∀λ ∈ K
f12 f13 f13 f11 f11 f12
f 22 f 23 f 23 f 21 f 21 f 22
Eta zenbakitzailea zero izango da, izendatzailea zero den kasuetan.
Adibidea: Kalkulatu a-ren zein baliotarako bateragarria den ekuazio-sistema lineal

homogeneo hau:
x1 + x2 + x3 = 0
x1 − x2 + x3 = 0
2 x1 + ax3 = 0
Koefizienteek sortutako determinantea 2(2 − a ) da.

a ≠ 2 bada, sistemaren soluzioa soluzio nabaria izango da: x1 = x2 = x3 = 0 .
a = 2 bada, lehenengo bi ekuazioak linealki askeak dira, beraz:
x1 x2 x3 x1 x2 x3
= = =λ ⇒ = = =λ
1 1 1 1 1 1 2 0 −2
−1 1 1 1 1 −1
Beraz, sistemaren soluzioa a = 2 denean hau da:
 x1   −1 
   
 x2  = λ  0  ∀λ ∈ ℝ
x   1 
 3  

Matematika I
4.6. Ekuazio-sistema linealak ebazteko metodo orokorra
Izan bedi n ekuazio eta p ezezagun dituen ekuazio-sistema bat:
f11 x1 + f12 x2 + ... + f1 p x p = b1

f 21 x1 + f 22 x2 + ... + f 2 p x p = b2
(18)
............................................
f n1 x1 + f n 2 x2 + ... + f np x p = bn
Badakigu sistema bateragarria dela koefizienteen matrizearen heina eta matrize

hedatuaren heina berdinak direnean, hau da:
 f11 f12 ... f1 p   f11 f12 ... f1 p b1 

   
f 21 f 22 ... f 2 p  = heina  f 21 f 22 ... f 2 p b2
heina    ................................


.........................
   
f  f 
 n1 f n 2 ... f np   n1 f n 2 ... f np bn 
Jo dezagun:
1) Bi matrizeen heina r dela
2) Koefizienteen matrizean, lehenengo r errenkadak linealki askeak direla
Beraz, matrize hedatuaren lehenengo r errenkadak linealki askeak dira, eta beste
n-r errenkadak lehenengo r errenkaden menpekoak dira. Hala, sistema baliokide hau
lortzen dugu:

Matematika I
f11 x1 + f12 x2 + ................ + f1 p x p = b1

f 21 x1 + f 22 x2 + ................ + f 2 p x p = b2
f11 x1 + f12 x2 + ................ + f1 p x p = b1
........................................................
f 21 x1 + f 22 x2 + ................ + f 2 p x p = b2
f r1 x1 + f r 2 x2 + ................. + f rp x p = br ⇔
........................................................
f ( r +1)1 x1 + f ( r +1) 2 x2 + ... + f ( r +1) p x p = b( r +1)
f r1 x1 + f r 2 x2 + ................. + f rp x p = br
..........................................................
f n1 x1 + f n 2 x2 + ............... + f np x p = bn
3) Gainera, koefizienteekin sortutako r mailako determinante hau ez-nulua bada:
f11 f12 ... f1r

f 21 f 22 ... f 2 r
≠0 (19)
.........................
f r1 f r 2 ... f rr
Beraz, kontuan har ditzagun sistema baliokideok:
f11 x1 + f12 x2 + ..... + f1r xr + f1( r +1) x( r +1) + ..... + f1 p x p = b1

f 21 x1 + f 22 x2 + ..... + f 2 r xr + f 2( r +1) x( r +1) + ..... + f 2 p x p = b2
....................................................................................
f r1 x1 + f r 2 x2 + ..... + f rr xr + f r ( r +1) x( r +1) + ..... + f rp x p = br
f11 x1 + f12 x2 + ..... + f1r xr = b1 − f1( r +1) x( r +1) − ..... − f1 p x p

f 21 x1 + f 22 x2 + ..... + f 2 r xr = b2 − f 2( r +1) x( r +1) − ..... − f 2 p x p
(20)
.....................................................................................
f r1 x1 + f r 2 x2 + ..... + f rr xr = br − f r ( r +1) x( r +1) − ..... − f rp x p
Sistema baliokide hori xr +1 ,...x p aldagaiak bigarren atalera pasatuz lortu dugu.
xr +1 ,...x p aldagaien koefizienteek ez dute parte hartzen kontuan hartu dugun r mailako
(19) determinante ez-nuluan.

Matematika I
(20) sistema xr +1 ,...x p aldagaiei balio arbitrarioak emanez askatzen dugu, hau da:
xr +1 = λ1 , xr + 2 = λ2 ,..., x p = λ p − r ; eta beste aldagaiak honako sistema honetan Cramer-en
edo Gauss-en metodoak erabiliz ebatziko dira:
f11 x1 + f12 x2 + ..... + f1r xr = b1 − f1( r +1) λ1 − ..... − f1 p λ p − r

f 21 x1 + f 22 x2 + ..... + f 2 r xr = b2 − f 2( r +1) λ1 − ..... − f 2 p λ p − r
.....................................................................................
f r1 x1 + f r 2 x2 + ..... + f rr xr = br − f r ( r +1) λ1 − ..... − f rp λ p − r
λ1 ,..., λ p − r parametroek balio arbitrarioak har ditzaketenez, parametro independenteak

direla esango dugu.
Adibidea: Ebatzi sistema:
x1 − x2 + x3 + 4 x4 = 6
2 x1 + 3 x2 − x3 − 11x4 = −7
x2 + x3 + x4 = 1
Determinantea:
1 −1 1
2 3 −1 = 8
0 1 1
Beraz, koefizienteen matrizearen heina = matrize hedatuaren heina = 3. Bestalde,

3 < aldagai kopurua = 4; beraz, sistema bateragarri indeterminatu sinplea da.
x4 = λ eginez, eta bigarren atalera pasatuz, honako hau dugu:
x1 − x2 + x3 = 6 − 4λ
2 x1 + 3 x2 − x3 = −7 + 11λ
x2 + x3 = 1 − λ
x4 = λ ∀λ ∈ ℝ

Matematika I
Cramer-en erregela aplikatuz:

6 − 4λ − 1 1 1 6 − 4λ 1 1 −1 6 − 4λ
−7 + 11λ 3 −1 2 − 7 + 11λ − 1 2 3 − 7 + 11λ
1− λ 1 1 0 1− λ 1 0 1 1− λ
x1 = = 1 + λ , x2 = = −2 + 2λ , x3 = = 3 − 3λ
8 8 8
Sistemaren soluzio orokorra hau da:

x1 = 1 + λ
 x1   1   1
x2 = −2 + 2λ      
x3 = 3 − 3λ edo matrize eran adierazita:  x2  =  −2  + λ  2  λ ∈ℝ
 x3   3   −3 
x4 = λ      1 
∀λ ∈ ℝ
 x4   0   
4.7. Zenbakizko metodoen aplikazioa
Gauss-Jordan metodoa
Gauss-en metodoaren aldaera bat da. Metodo berri honetan, aldagai bat ezabatzen
dugunean, ez dugu hurrengo ekuazioetan bakarrik ezabatzen, baizik eta ekuazio
guztietan. Horrela, ezabapen-prozesu horrek matrize diagonal bat sortuko du matrize
triangeluar baten ordez. Beraz, ez da beharrezkoa izango atzeranzko ordezkapen-
soluzioa lortzeko.
Adibidea: Ebatzi sistema hau Gauss-Jordan metodoa erabiliz:
x1 + x2 + x3 = 6
2 x1 − x2 =0
3 x2 − 2 x3 = 0
a11 elementuaren azpitik dauden elementuak 0 egiten ditugu:
x1 + x2 + x3 = 6
− 3 x2 − 2 x3 = −12
3 x2 − 2 x3 = 0

Matematika I
a22 elementuaren azpitik eta gainetik dauden elementuak 0 egiten ditugu:
x1 − 5 x3 = 2
3
− 3 x2 − 2 x3 = −12
− 4 x3 = −12
Azkenik, a33 elementuaren gainetik dauden elementuak 0 egiten ditugu:
x1 =1
− 3 x2 = −6
− 4 x3 = −12
Horrenbestez, soluzioak lortzen ditugu: x1 = 1; x2 = 2; x3 = 3 .
Gauss-Seidel metodoa
Metodo hau eta aurreko metodoak (Gauss eta Gauss-Jordan) oso desberdinak dira
(haiek metodo zuzenekoak dira). Hau metodo iteratibo bat da. Alegia, hasierako balio
bat hartuz, iterazioen bitartez soluzioaren hurbilketa bat lortzen du. Oso erabilgarria da,
sistema handiak ditugunean: metodo zuzenekoetan, biribiltze-erroreak izan baititugu,
eta metodo iteratuetan, aldiz, biribiltze-erroreak iterazioen bitartez kontrolatzen ahal
baititugu.
Metodoaren deskribapena:
Izan bedi n ekuazio eta n ezezagun dituen sistema hau:
f11 x1 + f12 x2 + ... + f1 p x p = b1

f 21 x1 + f 22 x2 + ... + f 2 p x p = b2
............................................
f n1 x1 + f n 2 x2 + ... + f np x p = bn
Diagonaleko elementuak zeroren desberdinak badira; lehenengo ekuazioan lehenengo

aldagaia aska dezakegu; bigarrenean, bigarrena, eta abar:

Matematika I
b1 − f12 x2 − ... − f1 p x p
x1 =
f11
b2 − f 21 x1 − ... − f 2 p x p
x2 =
f 22
............................................
b − f n1 x1 − ... − f n , p −1 x p −1
xn = n
f nn
Orain, x1 , x2 ,..., xn aldagaiei hasierako balio bat emanez, prozesua has dezakegu.
Soluzio nabaria hasierako soluziotzat har dezakegu. Lehenengo ekuazioan, zeroak
b1
sartuz, x1 = balioa lortzen dugu. Ondoren, bigarren ekuazioa ebatziko dugu
f11
b2 − f 21 x1
x3 = ... = xn = 0 , eta lortutako soluzioa ordezkatuko. Beraz, x2 = . Prozesu
f 22
berdina errepikatzen da, azkeneko aldagaira heldu arte. Gero, lehenengo ekuaziora itzul
gaitezke, eta prozesu berdina errepika dezakegu, aldagaiak soluziora konbergitu arte.
Konbergentzia metodo hau erabiliz baiezta daiteke:
xij −1 − xij
ε a ,i = .100% < ε S
xij
Edozein i-rentzat, non j eta j-1 oraingo eta hurrengo iterazioak baitira.
Adibidea: Ebatzi sistema hau, Gauss-Seidel metodoa erabiliz, errorea 0,2 baino
txikiagoa izanik:
3 x1 − 0,1x2 − 0, 2 x3 = 7,85
0,1x1 + 7 x2 − 0, 3 x3 = −19,3
0,3 x1 − 0, 2 x2 + 10 x3 = 71, 4
Oharra: Sistema horren soluzio erreala: x1 = 3, x2 = −2 '5, x3 = 7 da.

Matematika I
Lehenengo aldagai bakoitza askatuko dugu:
7,85 + 0,1x2 + 0, 2 x3
x1 =
3
−19, 3 − 0,1x1 + 0,3 x3
x2 =
7
71, 4 − 0, 3 x1 + 0, 2 x2
x3 =
10
x2 = 0 eta x3 = 0 direla joz:
7,85
x1 = = 2.616666667
3
x1 = 2.616666667 balio berri hori eta x3 = 0 ordezkatuz x2 askatuko dugu bigarren

ekuaziotik:
−19, 3 − 0,1(2.616666667)
x2 = = −2.794523810
7
Azkenengoz, x1 eta x2 aldagaien balioak hirugarren ekuazioan ordezkatuz:
71, 4 − 0, 3(2.616666667) + 0, 2(−2.794523810)

x3 = = 7, 005609524
10
Beste iterazio bat:
7,85 + 0,1( −2.794523810 ) + 0, 2 ( 7, 005609524 )

x1 = = 2.99056
3
−19, 3 − 0,1( 2.99056 ) + 0,3 ( 7, 005609524 )
x2 = = −2.49962
7
71, 4 − 0,3 ( 2.99056 ) + 0, 2 ( −2.49962 )
x3 = = 7.00029
10

Matematika I
Erroreak:
2.99056 − 2.616666667
e1 = = 0.125023
2.99056
−2.49962 − ( −2.794523810 )
x2 = = 0.117977
−2.49962
7.00029 − 7, 005609524
x3 = = 0.000759785
7.00029
Errore guztiak 0,2 baino txikiagoak dira. Beraz, lortu dugu soluzio hurbildu bat.
4.8. Ekuazio-sistema linealen ariketak
1) Ebatzi ekuazio-sistema hau, a-ren balioen arabera:
2y − z = a
3x − 2 z = 11
y+z =6
2x + y − 4z = a
ax + y + z = 1
x + ay + z = 1
x + y + az = 1
3) Ebatzi ekuazio-sistema hau, a, b eta c parametroen arabera:

2 x + ay + bz = c
−2 x = −2
−2 x − y − z = −1

Matematika I
4) Ebatzi ekuazio-sistema hau, a eta b parametroen arabera:
2 x + ay + z =7
x + ay + z + t = b
x + 2ay + t = −1
bx + ay =b
5) Sistema homogeneoa izan dadin, lortu a-ren balioa:
ax + y − z = 0
x + 3y + z = 0
3 x + 10 y + 4 z = 0
Hau da, soluzio nabari ez diren soluzioak ditu. Eman soluzioak.
6) Sistema ebatzi soluzioa duen kasuetan:
2x + y + z + t =0
ax − 2 y + 3 z + 4t = 0
3 x − y − z + 4t = 0
−2 x + 4 y − z − 9t = 0
7) Izan bedi sistema hau:
x − 2 y − 3z − t =0
5 x − 4 y + 7 z + 3t = 0
2 x − y + 5 z + 2t = 0
Frogatu sistema hau bateragarri indeterminatu bikoitza dela. Aurkitu soluzioa, eta
frogatu lortutako bektoreek f : ℝ 4 → ℝ 3 aplikazio lineal honen nukleoaren oinarri bat
osatzen dutela: f ( x, y, z , t ) = ( x − 2 y − 3 z − t , 5 x − 4 y + 7 z + 3t , 2 x − y + 5 z + 2t ) .

Matematika I
x + y + az = a
x + y + 2az = 2
ax + y + z = a 2
9) Ebatzi sistema hau, a eta b parametroen arabera:
x − y + 2z = 1
x + 2y + z = b
2 x − 5 y + az = −2

Matematika I

Matematika I
5. GAIA. APLIKAZIO LINEALAK
5.1. Aplikazio linealaren definizioa
Izan bitez ( E , + ) , ( K , +, ⋅ ) ,  eta ( F , + ) , ( K , +, ⋅) ,  K gorputzaren gainean
definituriko bi bektore-espazio.
E-tik F-rako f aplikazio bat lineala dela esango dugu, baldin eta:

f (α x + β y ) = α f ( x ) + β f ( y ) ∀x , y ∈ E ∀α , β ∈ K
Baldintza hori honako honen baliokidea da:

1. f ( x + y ) = f ( x ) + f ( y ) ∀x , y ∈ E

2. f (α x ) = α f ( x ) ∀x ∈ E ∀α ∈ K
5.2. Aplikazio motak
Definizioa: Izan bedi f : A → B aplikazio bat. f aplikazioa injektiboa dela esango

dugu, baldin:
f ( x) = f ( y ) ⇒ x = y
Definizioa: Izan bedi f : A → B aplikazio bat. f aplikazioa suprajektiboa dela esango

dugu, baldin:
∀y ∈ B ∃x ∈ A non f ( x) = y
Definizioa: Izan bedi f : A → B aplikazio bat. f aplikazioa bijektiboa dela esango

dugu, injektiboa eta suprajektiboa bada.
∀y ∈ B ∃! x ∈ A non f ( x) = y

Matematika I
Aplikazio linealen motak
-Aplikazio lineal bat bektore-espazioen arteko homomorfismoa da.
- E ≠ F eta f injektiboa bada, MONOMORFISMOA da.
- E ≠ F eta f suprajektiboa bada, EPIMORFISMOA da.
- E ≠ F eta f bijektiboa bada, ISOMORFISMOA da.
- E = F eta f injektiboa edo suprajektiboa bada, ENDOMORFISMOA da.
- E = F eta f bijektiboa bada, AUTOMORFISMOA da.
5.3. Aplikazio lineal baten irudia
Izan bedi f E-ren eta F-ren arteko aplikazio lineala. Orduan, f aplikazio lineal
baten irudia E-ko bektoreen irudiek osatzen duten F-ko azpimultzo bat da, eta Imf gisa
izendatzen da.
Im f = { f ( x ) / x ∈ E}

Imf , F-ren azpimultzo izateaz gainera, F-ren azpibektore-espazioa da. Imf-ren

dimentsioa E-ko oinarri baten irudiekin sortzen den sistemaren heina da.
Izan bitez BE E-ren oinarri bat, non BE = {u1 , u2 ,..., u p } , eta x ∈ E E-ko edozein

elementu, BE oinarriarekiko koordenatuak ( x1 , x2 ,...x p ) B izanik.

E
Orduan,
{
}
Im f = f ( x1u1 + x2u2 + ... + x p u p ) = x1 f ( u1 ) + x2 f ( u2 ) + ... + x p f ( u p ) =

= f ( u1 ) , f ( u2 ) ,..., f ( u p )

Beraz, aplikazioa zehaztua egongo da, f ( u1 ) , f ( u2 ) ,..., f ( u p ) ezagutzen

direnean.
Eta:
∀x = x1u1 + x2u2 + ... + x p u p haren irudia: y = f ( x ) = x1 f ( u1 ) + x2 f ( u2 ) + ... + x p f ( u p )


Matematika I
5.4. Aplikazio lineal baten matrizea
Izan bitez E eta F p eta n dimentsioa duten bi bektore-espazio eta U eta V E eta
F-ko bi oinarri, urrunez hurren. U oinarriko bektoreen irudiak kalkulatzen baditugu eta
irudi hauek V oinarriarekiko idatzi. Ondoren irudi hauen V oinarriarekiko
koordenatuekin matrize bat osatzen badugu, U eta V oinarriekiko f aplikazio linealaren
matrizea lortuko dugu.
Hau da, izan bitez U = {u1 , u2 ,..., u p } E-ko oinarri bat eta V = {v1 , v2 ,..., v p } F-ko

oinarri bat. Orduan, U eta V oinarriekiko f aplikazio linealaren matrizea honako hau da:
( f ( u ) , f ( u ) ,..., f ( u ) )
1 2 p
U ,V
non
 f11   f12   f1 p 
     
f 21  f 22   f2 p 
f ( u1 ) =  , f ( u1 ) =  , …….., f ( u1 ) = 
 ......   ......  ...... 
     
f
 n1  f
 n2   f 
 np 
 f11 f12 ... f1 p 

 
f 21 f 22 ... f 2 p 
Eta matrizea: 
.... .... .... .... 
 
 f n1 f n 2 ... f np 

Oharra: Laburturiko notazioan U eta V bektore-espazioen f aplikazio linealaren

matrizea ( f )U ,V idatziko dugu.
Matrize baten heinaren definiziotik, “Aplikazio lineal baten irudi multzoaren

bektore-espazioaren dimentsioa eta f aplikazioaren matrizearen heina berdinak dira”.
Balio hori ez da erabilitako oinarrien menpe egongo.

Matematika I
Berridatziz:
y = f ( x ) = x1 f ( u1 ) + x2 f ( u2 ) + ... + x p f ( u p ) matrize eran:

 y1   f11   f12   f1 p   f11 f12 ... f1 p   x p 

           
 y2  = x  f 21  + x  f 22  + ... + x  f 2 p  =  f 21 f 22 ... f 2 p   x p 
p
 .....   .....   .....  .....   .... .... .... ....   .... 
1 2
           
y
 n V f
 n1 V f
 n 2 V    ... f np U ,V  x p U
 np V  f n1 f n 2
f
5.5. Aplikazio linealen arteko batura
Izan bitez f eta g E eta F bektore-espazioen arteko bi aplikazio lineal. Definizioz bi

aplikazio linealen arteko batura ( f + g ) E-tik F-rako beste aplikazio lineal bat da.

( f + g )( x ) = f ( x ) + g ( x ) ∀x ∈ E

( f + g )( α x + β y ) = f (α x + β y ) + g (α x + β y ) = α f ( x ) + β f ( y ) + α g ( x ) + β g ( y ) =
= α ( f ( x ) + g ( x ) ) + β ( f ( y ) + g ( y ) ) = α ( ( f + g )( x ) ) + β ( ( f + g )( y ) )

Izan bitez U eta V, hurrenez hurren, E-ko eta F-ko oinarriak eta ( f )U ,V eta
( g )U ,V U eta V oinarriekiko f eta g aplikazioaren matrizeak:
 f11 f12 ... f1 p   g11 g12 ... g1 p 

   
f 21 f 22 ... f 2 p  g 21 g 22 ... g 2 p 
( f )U ,V =  ( g )U ,V = 
.... .... .... ....  .... .... .... .... 
   
 f n1 f n 2 ... f np  g ... g np 
  n1 g n 2
Orduan, U eta V oinarriekiko ( f + g) aplikazioaren matrizea honako hau da:
 f11 + g11 f12 + g12 ... f1 p + g1 p 

 
f 21 + g 21 f 22 + g 22 ... f 2 p + g 2 p 
( f + g )U ,V =  
.... .... ... ....
 
 f +g fn 2 + gn2 ... f np + g np 
 n1 n1

Matematika I
5.6. Aplikazio lineal baten eta eskalar baten arteko biderkadura
Izan bitez f E eta F bektore-espazioen arteko aplikazio lineala eta α ∈ K eskalar

bat. Definizioz, aplikazio lineal baten eta eskalar baten arteko biderkadura (α f ) E-
tik F-rako beste aplikazio lineal bat da.

(α f )( x ) = α f ( x ) ∀x ∈ E
(α f )( a x + b y ) = α f ( ax + by ) = α ( a f ( x ) + b f ( y ) ) =

= a α f ( x ) + b α f ( y ) = a ( αf )( x ) + b ( αf )( y )
Izan bitez U eta V, hurrenez hurren, E-ko eta F-ko oinarriak eta ( f )U ,V U eta V
oinarriekiko f aplikazioaren matrizea:

 f11 f12 ... f1 p 
 
f 21 f 22 ... f 2 p 
( f )U ,V = 
.... .... .... .... 
 
 f n1 f n 2 ... f np 

Orduan, U eta V oinarriekiko (α f ) aplikazioaren matrizea honako hau da:
 α f11 α f12 ... α f1 p 

 
α f 21 α f 22 ... α f 2 p 
(α f )U ,V = 
.... .... ... .... 
 
α f ... α f np 
 n1 α f n 2
5.7. Aplikazio linealen arteko biderkadura (konposizioa)
Izan bitez E, F eta H K gorputzaren gainean definituriko hiru bektore-espazio, p, n

eta q dimentsiodunak, hurrenez hurren. Definizioz, bi aplikazio linealen arteko
biderkadura edo konposizioa ( g ⋅ f ) E-tik H-rako beste aplikazio lineal bat da.
( g ⋅ f )( x ) = g ( f ( x ) )

∀x ∈ E

Matematika I
( g ⋅ f )( α x + β y ) = g ( f (α x + β y ) ) = g (α f ( x ) + β f ( y ) ) =

= α g ( f ( x ) ) + β g ( f ( y ) ) = α ( ( g ⋅ f )( x ) ) + β ( ( g ⋅ f )( y ) )

Izan bitez U, V eta T E-ko, F-ko eta H-ko oinarriak eta ( f )U ,V U eta V
oinarriekiko f aplikazioaren matrizea eta ( g )V ,T V eta T oinarriekiko g aplikazioaren
matrizea:
 f11 f12 ... f1 p   g11 g12 ... g1n 

   
f 21 f 22 ... f 2 p  g 21 g 22 ... g 2 n 
( f )U ,V =  ( g )V ,T =
.... .... .... ....   .... .... .... .... 
   

 f n1 f n 2 ... f np   g q1 g q 2 ... g qn 
Orduan, U eta V oinarriekiko (g ⋅ f ) aplikazioaren matrizea honako hau da:
 g11 g12 ... g1n   f11 f12 ... f1 p 

   
g 21 g 22 ... g 2 n   f 21 f 22 ... f 2 p 
( g ⋅ f )U ,T = ⋅
 .... .... .... ....   .... .... .... .... 
   
 g q1 g q 2 ... g qn   f n1 f n 2 ... f np 

5.8. Aplikazio lineal baten nukleoa
Izan bitez E eta F K gorputzaren gainean definituriko bi bektore-espazio, p eta n

dimentsiodunak, eta f E-ren eta F-ren arteko aplikazio lineal bat. Orduan, f

aplikazio lineal baten nukleoa 0 irudia duten E-ko bektoreen azpimultzoa da. N(f)
edo Ker(f) gisa izendatzen da.
1. propietatea: Ker(f) E-ren azpibektore-espazioa da

Frogapena: f ( α x + β y ) = α f ( x ) + β f ( y ) = α 0 + β 0 = 0

Matematika I
2. propietatea: dim Ker(f)+ dim Im(f)= dim E = p
Frogapena:

Izan bedi N = {n1 , n2 ,..., ni } nukleoaren oinarri bat. Orduan, N-ko bektoreak dituen
E-ko oinarri bat aurki dezakegu: {n1 , n2 ,..., ni , ni +1 ,..., n p } .

Beraz, Im f = f ( n1 ) , f ( n2 ) ,..., f ( ni ) , f ( ni +1 ) ,..., f ( n p ) = f ( ni +1 ) ,..., f ( n p ) ,

f ( n1 ) = f ( n2 ) = ... = f ( ni ) = 0 betetzen da eta.
Orduan:
{ }
a) - f ( ni +1 ) ,..., f ( n p ) sistema askea bada, orduan:

dim Im(f)= dim E - dim Ker(f)
{ }
b) - f ( ni +1 ) ,..., f ( n p ) sistema lotua bada, orduan:

α i +1 f ( ni +1 ) + ... + α p f ( n p ) = 0 ∃α j ≠ 0 j = i + 1,..., p eta f (α i +1ni +1 + ... + α p n p ) = 0

Beraz, α i +1ni +1 + ... + α p n p ∈ Ker ( f ) , eta orduan α i +1 = ... = α p = 0 , nukleoko bektoreak
n1 , n2 ,..., n p bektoreen konbinazio lineala direlako. Beraz, f ( ni +1 ) ,..., f ( n p ) askeak

dira, eta dim Ker(f)+ dim Im(f)= dim E = p

Matematika I
5.9. Aplikazio linealen ariketak
1) Izan bedi f : ℝ 3 → ℝ3 aplikazio lineala:
f ( x1 , x2 , x3 ) = ( − x2 + x3 , 2 x 1 −2 x3 , − x1 + x2 )
a. Aplikazio lineal bat dela frogatu.
b. ℝ3 -ko oinarri kanonikoekiko f-ren matrizea lortu.
c. Aplikazioaren Kerf eta Imf lortu, oinarri bat eta dimentsioa emanez.
d. f aplikazioaren matrizea lortu oinarri kanoniko eta B oinarriarekiko,

( f ) B , B , jakinik B = {( 0,1,1) , (1, 0,1) , (1,1, 0 )} .
k
2) Izan bedi f : ℝ 3 → ℝ 2 aplikazio lineala:
f ( x1 , x2 , x3 ) = ( x1 + x2 , x 1 − x2 )
a. Oinarri kanonikoekiko f-ren matrizea lortu.

b. x ( 3, 7, 2 ) bektorearen irudia kalkulatu.
c. Aplikazioaren Kerf eta Imf lortu, oinarri bat eta dimentsioa emanez.
d. f aplikazioaren matrizea U eta V oinarriekiko, ( f )U ,V , jakinik
U = {(1,1,1) , ( 0,1,1) , ( 0, 0,1)} eta V = {( 0,1) , (1,1)}
3) Izan bitez f : ℝ 3 → ℝ3 endomorfismoa eta ℝ3 -ko oinarri batekiko
 k 0 −1 
 
aplikazioaren matrize hau:  0 1 1  . Endomorfismoa sailkatu k
k 1 k 
 
parametroaren arabera.

Matematika I
4) Izan bitez V eta W bi bektore-espazio, non dimV=3 eta dimW=4. Izan bitez

B = {v1 , v2 , v3 } eta B ' = {w1 , w2 , w3 , w4 } V eta W espazioetako oinarriak. f
aplikazio lineal honela definitzen da:

f (v1 ) = 2 w1 − w2 + w3 + w4 , f (v2 ) = w2 − 2 w3 + w4 , f (v3 ) = 4 w1 − w2 + 3w4
Homomorfismoaren ekuazioak lortu. Aplikazioa sailkatu, eta Kerf eta Imf lortu,
oinarriak eta dimentsioa.
5) P2 ( x) eta P1 ( x) bektore-espazioen artean f ( a1 x 2 + a2 x + a3 ) = 2a1 x + a2
aplikazioa definitzen da. Orduan:
a. Aplikazio lineal bat dela frogatu.
b. P2 ( x) eta P1 ( x) oinarri kanonikoekiko f-ren matrizea lortu.

c. x = x 2 − 7 x + 9 bektorearen irudia kalkulatu.
d. f aplikazioaren matrizea lortu oinarri U = { x 2 − x + 1, x + 3, x − 7} eta
U ' = {1 + x, 2 − 3x} oinarriekiko.

e. x = x 2 − 7 x + 9 bektorearen irudia kalkulatu, e) ataleko matrizea erabiliz.
f. Aplikazioa sailkatu.
6) Izan bitez aplikazio lineal hauek:
f ( x1 , x2 , x3 , x4 ) = ( x1 + x2 , x 3 + x4 ) , g ( x1 , x2 ) = ( 2 x1 , 2 x2 , x 1 + x2 ) , h( x1 , x2 , x3 ) = ( − x1 , 0, x 3 )
a. Aplikazioaren oinarri kanonikoekiko matrizea lortu.
b. Aplikazioaren Kerf eta Imf lortu, oinarri bat eta dimentsioa.

c. x (1,1, 2 ) B bektorearen irudia kalkulatu, jakinik
B = {( 2,1,1) , ( 0,1,1) , ( 0, 0,1)} .
d. Aplikazioa sailkatu.

Matematika I

Matematika I
6. ENDOMORFISMO BATEN DIAGONALIZAZIOA
6.1. Balio eta bektore propioak

Izan bedi E K gorputzaren gaineko bektore-espazioa, eta izan bedi “f” E-n
definituriko f: E → E aplikazio lineala.

Definizioa: x ∈ E bektore ez-nulu bat f-ren autobektore edo bektore propio bat da,
baldin λ ∈ K eskalar bat existitzen bada non

f ( x) = λ x

Hau da, x bektorearen irudia, λ aldiz x bektorea izango da.
λ eskalarrari “f-ren balio propio” deituko diogu.

λ bada f-ren autobalioa (edo balio propioa), f ( x ) = λ x betetzen duten x ∈ E
bektoreak λ -ri elkartutako f-ren “autobektore” izendatuko ditugu. Autobektore horiek
E espazioaren azpiespazio bat osatuko dute, hau da, E λ azpiespazioa:
Eλ = {x ∈ E / f ( x ) = λ x},

hau da E λ = N ( f − λ i )
E λ -ri λ autobalioari elkartuta f endomorfismoaren azpiespazio propio deritzo.

R 2 eta R 3 espazioetan f endomorfismo batek x bektore propio bat norabide bera

duen beste bektore bat bihurtzen du, λ ≠ 0 betetzen bada, eta haren nulu, 0 ,
baldin λ = 0 .
f-ren nukleoko bektore ez-nulu guztiak bektore propioak dira, haien balio propioa
λ = 0 izanik.
Adibidea: Izan bedi E ϕ ( x ) funtzio erreal eta deribagarriek sortzen duten bektore-
espazioa.

Matematika I
Izan bedi f : E → E aplikazioa “funtzioaren deribatua”.
[ ]
f ϕ ( x) =
d
dx
ϕ ( x)
Aplikazio lineal bat da; beraz, endomorfismoa.
e x funtzioa E espazioko bektore bat da, eta λ = 1 balio propioa duen bektore
propioa da. Ikus dezagun:
d x
f ( x ) = λ x ⇒ f (e x ) = (e ) = e x
dx
e 2 x bektorea (funtzioa) bektore propioa da, eta kasu horretan dagokion balio
propioa λ = 2 da, non:
d 2x
f ( x ) = λ x ⇒ f (e 2 x ) = (e ) = 2e 2 x
dx
Bestalde, sen x bektorea (funtzioa) ez da bektore propio bat.

d
f( sen x)= ( sen x)= cos x , y cos x ≠ λ ⋅ sen x
dx
Propietateak:

1) x bektore propio batek ezin ditu bi balio propio, λ eta µ , desberdin izan,

baldin f ( x ) = λ x eta f ( x ) = µ x , non λ ≠ µ , orduan λ x = µ x , beraz λ = µ

2) Izan bedi x λ balio propioa dagokion f endomorfismoaren bektore propioa.

Orduan, δ x , / δ ∈ K forma duen edozein bektore propioa da, eta dagokion balio
propioa λ da. Hau da:

f(x) = λ x bada f(δ x)=δ f(x)=δ λ x =λ (δ x)
3) Izan bedi F E-ren 1 dimentsioko azpibektore-espazioa. F azpiespazioa f

endomorfismoaren bitartez inbariantea bada, orduan F-ko edozein bektore ez-nulu
propioa da.

Matematika I

Baldin x ∈ F − (0), orduan x F-ren oinarri bat da, eta orobat f ( x ) ∈ F ,

f ( x ) = λ x betetzen baita. Laburtuz, zera esan dezakegu: f endomorfismoko bektore
propioak bat dimentsioa duten azpiespazio inbarianteetako bektoreak dira.
6.2. Balio eta bektore propioen kalkulua

Izan bitez U = {U 1 , U 2 ,… ,U n } E-ren oinarri bat eta f(x) = λ x, ∀ x ≠ 0 bektore

propioa. Orduan:

( f ) UU ⋅ ( x ) U = λ ( x ) U
Hau da:
 f 11 f 12 ... f 1n   x1   x1 
     
 f 21 f 22 ... f 2n   x2   x2 
 ... ... ... ...  ⋅  ...  = λ  ... 
     
 ... ... ... ...   ...   ... 
     
 f n1 f n2 ... f nn   xn   xn 
Berdintza hori ekuazio-sistema gisa idatz dezakegu:
( f 11 − λ )x1 + f 12 x 2 +…+ f 1n x n = 0
f 21 x1 + (f 22 − λ )x 2 +…+ f 2n xn = 0
..................................................................... (1)
.....................................................................
f n 1 x1 + f n 2 x 2 +…+(f nn − λ )x n = 0
Garrantzitsua: sistema homogeneoa bat denez, soluzio nabariaren soluzio

desberdinak ( x ≠ 0 ) lortzeko determinantean nulua egiten duten λ balioak lortu behar
dira. Hau da:
f 11 − λ f 12 … f 1n
f 21 f 22 − λ … f 2n
=0 (2)
............................................
f n1 f n 2 … f nn − λ

Matematika I
Determinante hori kalkulatzean, “ f endomorfismoaren polinomio karakteristikoa”

deitzen den polinimio bat lortuko dugu, eta era honetan adierazten da: Pf ( λ ) .
Pf ( λ ) polinomioaren erroak, λ 1, λ 2 , λ 3,… , λ n , f endomorfismoaren balio
propioak dira. Orain, λ i balio propio bakoitza (1) ekuazioan ordezkatuz, λ i balio
propioei dagozkien bektore propioak lortuko ditugu.
Adibidea: Izan bedi f : R 3 → R 3 endomorfismoa, non:
f ( x1 , x 2 , x 3 ) = (2 x1 − 2 x 2 + 3x 3 , x1 + x 2 + x 3 , x1 + 3x 2 − x 3 )
Lortu, existitzen bada, R 3 -ko oinarri bat, non endomorfismoari elkartutako

matrizea diagonala baita.
Endomorfismoaren oinarri kanonikoari elkartutako matrizea kalkulatzen dugu:
f (e1 ) = f (1,0,0) = (2,1,1)  2 − 2 3

  
f (e2 ) = f (0,1,0) = (−2,1,3) ⇒ ( f ) k , k =  1 1 1
f (e3 ) = f (0,0,1) = (3,1,−1)  1
 3 − 1
Kalkulatu balio propioak:
2 − 2 3  1 0 0 2 − λ − 2 3
   
det( f − λ i ) =  1 1 1 − λ  0 1 0 = 1 1− λ 1 =0
   
1 3 − 1  0 0 1 1 3 −1− λ
Eragiketak eginez:
(2 + λ )(λ 2 − 4 λ + 3) = 0
Erroak f-ren balio propioak izango dira:
λ 1 = −2, λ 2 = 1, λ 3 = 3

Matematika I
Orain, bektore propioak kalkulatuko ditugu; λ i balioak (1) sisteman ordezkatuko

ditugu.
Beraz, λ 1 = −2 , denean:
(2 + 2) x1 − 2 x2 + 3 x3 = 0
 4 x1 − 2 x2 + 3 x3 = 0 
x1 + (1 + 2) x2 + x3 = 0 ⇔ 
 x1 + 3 x2 + x3 = 0 
x1 + 3 x2 + (-1+2)x3 = 0
Cramer-en metodo laburtua erabiliz:
x1 x2 x3
= = =α
−2 3 3 4 4 −2
3 1 1 1 1 3
Beraz, λ 1 = −2 balio propioari dagokion bektore propioa:
− 11
 
α  − 1 = α v1 non α ≠ 0 beraz v1 = −11e1 − e2 + 14e3
 14
 
Gauza bera eginez λ 2 = 1 balio propioarekin:
− 1
 
α  1 = α v2 non α ≠ 0 beraz v2 = −e1 + e2 + e3
 1
 
Azkenengoz, λ 3 = 3 balio propioarekin:
1

α 1 = α v3 non α ≠ 0 beraz v3 = e1 + e2 + e3
1


Matematika I
V = {v1 , v 2 , v 3 } bektore multzoak R 3 bektore-espazioko oinarri bat sortzen du

(frogatu: askeak eta sortzaileak direla).
Bektore propio horiek sorturiko oinarria kontuan hartuz, elkartutako f matrizeak

forma hau du:
 − 2 0 0
 
( f )VV =  0 1 0
 
 0 0 3

f (v1 ) = −2v1 , f (v2 ) = v2 , f (v 3 ) = 3v 3 betetzen baita.
Frogatuko dugu bektore propioek osatzen duten oinarriarekiko endomorfismoaren

matrizeak forma diagonala duela:
Konturatu V = {v1 , v 2 , v 3 } bektore propioen koordenatuak R 3 -ko oinarri

kanonikoarekiko adierazita daudela. Beraz, f aplikazioaren bitartez bektore horiek

3
transformatuz R -ko oinarri kanonikoarekiko adierazita egongo dira:

f (v1 ) = f ( −11,−114 , ) = (22,2,−28)

f (v 2 ) = f ( −11, ,1) = ( −11
, ,1)

f (v 3 ) = f (11, ,1) = (3,3,3)
V = {v1 , v 2 , v 3 } R 3 -ko oinarri bat ere denez, {v1 , v 2 , v 3 } bektoreen irudiak V

oinarriarekiko adierazten ahal ditugu:

(22,2,−28) = α ( −11,−114
, ) + β ( −111
, , ) + δ (111
,,)
α = −2

− 11α −β +δ = 22    22  − 2
     
−α +β +δ = 2  ⇒ β = 0 ; ⇒  2 =  0
   
14α +β +δ = − 28   − 28 C  0 V

δ = 0

Matematika I
, , ) = α ( −11,−114
( −111 , ) + β ( −111
, , ) + δ (111
,,)
α = 0

− 11α −β +δ = − 1   − 1  0
     
−α +β +δ = 1  ⇒ β = 1 ; ⇒  1 =  1
   
14α +β +δ = 1    1 C  0 V

δ = 0
(3,3,3) = α ( −11,−114
, ) + β ( −111
, , ) + δ (111
,,)
α = 0

− 11α −β +δ = 3   3  0
eta      
−α +β +δ = 3 ⇒ β = 0 ; ⇒  3 =  0
   
14α +β +δ = 3   3 C  3 V

δ = 3
Beraz, V oinarriko bektoreen f funtzioaren bitarteko irudiak kanonikoarekiko eta

V -rekiko hauek dira:
 22 − 1 3  − 2 0 0
   
 1 1 3 =  0 1 0
   
 − 28 1 3 C  0 0 3 V
Orduan, D = P −1 AP betetzen da, non P bektore propioen matrizean baita.
−1
 −2 0 0   22 −1 3   2 −2 3   22 −1 3 
       
D =  0 1 0  =  1 1 3  ⋅  1 1 1 ⋅  1 1 3 
 0 0 3   −28 1 3   1 3 −1  −28 1 3 
       

Matematika I
6.3. Autobalio baten anizkoiztasun aljebraikoa eta geometrikoa
Izan bedi f :V → V n dimentsio finitua duen V K eskalarren gorputzaren gaineko

bektore-espazioko endomorfismoa. Izan bedi A m x n ordenako matrize karratua, non
haren elementuak K-n baitaude. Baldin λ 0 ∈ K f-ren edo A-ren autobalio bat bada:
λ 0 -ren anizkoiztasun aljebraikoa: λ 0 -k f-ren edo A-ren ekuazio

karakteristikoan erro gisa duen “m” anizkoiztasunari deituko diogu.
λ 0 -ren anizkoiztasun geometrikoa: λ 0 balio propioari elkartutako f-ren edo A-
ren azpiespazio propioaren “d” dimentsioa da.
Demagun A f-ren matrizea dela (V oinarri batean). Orduan, A-ren eta f-ren
autobalioak berdinak dira, eta horietako bakoitzak A-n eta f-n anizkoiztasun aljebraiko
eta geometriko berdina dauka.
Adibidea: Demagun A matrize hau dugula:

 1 2 c
 
( A) =  0 1 0 (c ∈ R)
 
 0 4 3
Ekuazio karakteristikoa ebatziz, autobalioak honako hauek dira:
1− λ 2 c
λ = 3(bakuna)
det( A − λ I ) = 0 1− λ 0 = (1 − λ ) 2 (3 − λ ) = 0⇒  1
0 4 3−λ λ 2 = 1(bikoitza )
Beraz, λ 1 = 3 autobalioari dagokion azpiespazio propioa hau da:
− 2 x + 2 y + cz = 0  cα 
  
− 2y = 0; ⇒ Vλ =3 =  0 / α ∈R
 
4y = 0  2α 
λ 1 = 3 autobalioaren anizkoiztasun aljebraikoa eta geometrikoa hauek dira:

m = 1 eta d = 1
λ 2 = 1 autobalioari dagokion azpiespazio propioa hau da:

Matematika I
2 y + cz = 0   Baldin c = 1,Vλ =1 = {(α , β ,−2β ) / α , β ∈ R}

;⇒
4 y + 2 z = 0  Baldin c ≠ 1,Vλ =1 = {(α ,0,0) / α ,∈ R}
λ 2 = 1 -en anizkoiztasun aljebraikoa m = 2 ( ∀c ) da

λ 2 = 1 -en anizkoiztasun geometrikoa:
d = 2 o d = 1 baldin c = 1 edo c ≠ 1
6.4. Endomorfismo diagonalgarriak
Antzekotasun bidezko diagonalizazioa
“Endomorfismo bat diagonalgarria dela esango dugu, oinarriren bat existitzen

bada, non elkartutako matrizea diagonala baita. Oinarri hori osatzen duten bektoreak
endomorfismoaren bektore propioak izango dira”.
Izan bedi f :V → V n dimentsioa duen V bektore-espazioko endomorfismo bat.

Izan bedi K eskalarren gorputza.
f diagonalgarria dela esango dugu, V-ko oinarri bat existitzen bada, non f-ri
elkartutako matrizea diagonala baita. Beraz, f diagonalizatzea V oinarria eta elkartutako
D matrizea aurkitzea izango da.
Izan bedi A n dimentsioa duen matrize karratua, non haren elementuak K gorputzekoak
baitira.
“A antzekotasunaren bidez diagonalgarria” dela esango dugu, A-ren antzeko
matrize diagonal bat existitzen bada. Hau da, P deituko dugun matrize erregular bat
existitzen bada, matrize diagonalari D deituz, non:
D = P −1 A ⋅ P

Matematika I
A matrizea antzekotasunaren bidez diagonalizatzea P eta D matrizeak aurkitzean

datza.
Laburtuz:
1º) f endomorfismoa diagonalgarria da, baldin eta soilik baldin f-ren bektore
propioek osatzen duten V oinarri bat existitzen bada.
2º) F-ren balio propioak λ 1, λ 2 ,…… , λ p ∈ K badira, anizkoiztasun aljebraikoak
m1 , m2 ,…… m p eta anizkoiztasun geometrikoak d 1 , d 2 ,… d p , orduan f diagonalgarria
izango da, baldin eta soilik baldin hau betetzen bada:
m1 + m2 + … + m p = n
d i = mi non i = 1,2,…, p
Partikularki, f-k n autobalio baditu (n erro desberdin polinomio karakteristikoan)

K-n, orduan, n bektore propio linealki aske izango ditu, eta, beraz, f diagonalgarria
izango da; hau da, forma diagonala izango du (ikusi 1. adibidea).
Oharrak:
1) Matrize guztiek ez dute forma diagonala.

2) Matrize batek balio propio anizkoitzak baditu, forma diagonalik ez izatea gerta
daiteke.
3) Matrize guztiek blokeka forma diagonal bat dute, Jordan-en forma izendatua.
Adibidea: Izan bedi f : R 3 → R 3 endomorfismoa:
f ( x , y , z ) = ( x + 2 y + 10z ,2 x + y + 10z ,− x − y − 6z )
Diagonalizatu egingo dugu, antzeko matrizea aurkituz.

Matematika I
Oinarri kanonikoarekiko f aplikazioaren matrizea kalkulatuko dugu:
f (e1 ) = f (1,0,0) = (1,2,−1)   1 2 10

  
f (e2 ) = f (0,1,0) = (2,1,−1)  ⇒ ( f ) c ,c =  2 1 10
 
f (e3 ) = f (0,0,1) = (10,10,−6)   − 1 − 1 − 6
Polinomio karakteristikoa lortzen dugu: f − λ I = 0 , eta
1− λ 2 10
2 1− λ 10 = 0; ⇒ − λ 3 − 4λ 2 − 5λ − 2 = 0
−1 −1 − 6− λ
f-ren balio propioak. Ekuazioaren soluzioak honako hauek dira:
λ = −1 bikoitza (m1 = 2)
− λ 3− 4λ 2 − 5λ − 2 = 0son:  1
λ 2 = −2 bakuna (m2 = 1)
Orain, f-ren azpiespazio propioak lortuko ditugu, Vλ = −1 eta Vλ = −2 :
 2 2 10  x  0
     
Vλ =−1 :( A − λ I ) X = 0 ⇒  2 2 10 ⋅  y  = 0
− 1 − 1 − 5  z  0
Vλ =−1 = { ( x , y , z ) ∈ R 3 / x + y + 5z = 0} = (1,−1,0),(5,0,−1) DimV λ =−1 = 2
Vλ =−2 azpiespazio propioa:

Matematika I
Vλ =−2 = { ( x , y , z ) ∈ R 3 / 3x + 2 y + 10z = 0, 2 x + 3 y + 10z = 0} = (2,2,−1)
DimV λ =−2 = 1
m1 + m2 = 2 + 1 = dim R 3 betetzen denez eta d 1 = 2 = m1 y d 2 = 1 = m2 , orduan f

endomorfismoa diagonalgarria izango da.
F-ren diagonalizazioa {(u1 , u2 , u3 )} oinarrian lortuko dugu, non:

u1 = (1,−1,0) , u2 = (5,0,−1) , u3 = (2,2,−1)
Beraz, oinarri horretako f-ren matrizea hau da:
−1 0 0
 
D =  0 −1 0
 
 0 0 − 2
Frogatu dezakegu D = P −1 A ⋅ P betetzen dela, non P matrizea {(u1 , u2 , u3 )}

bektoreak zutabeka dituen matrizea baita; hau da, f-ren bektore propioak hauek dira:
 1 5 2
 
P = −1 0 2
 
 0 − 1 − 1
Diagonalizazio ortogonala
Diagonalizazio kasu berezi bat ikusiko dugu, hain zuzen f endomorfismo
simetriko bat denekoa (aplikazioari elkartutako matrize asimetrikoa da).
Frogatuko dugu kasu horretan f endomorfismoa beti dela diagonalgarria, eta,

gainera, diagonalizazio hori oinarri ortogonal batekin lor daitekeela. Horregatik,
diagonalizazio ortogonal deituko diogu.

Matematika I
Oinarri ortonormalak erabiltzen diren oinarri-aldaketa horietan (bektore

ortogonalekin osatuak, eta norma=1dutenak), P koordenatu-aldaketaren matrizea
ortogonala da, eta edozein matrize ortogonalek P t = P −1 betetzen du.
Oinarri ortonormalak bakarrik hartzen baditugu, A eta A ' matrizeak antzekoak
direla esatea eta ( A ' = P −1 AP ) kongruenteak direla esatea berdina izango da
( A ' = P t AP) .
Beraz, berdin da matrize bat (simetrikoa) ortogonalki antzekotasunaren bidez

diagonalizatzea eta ortogonalki kongruentzia bitartez diagonalizatzea.
Endomorfismo simetrikoak
Izan bedi f :V → V endomorfismo bat V ≠ 0 bektore-espazio euklidearrean. f

endomorfismo simetriko bat dela esango dugu, baldin:

x ⋅ f ( y ) = f ( x ) ⋅ y edozein x, y ∈ V
V-k dimentsio finitua badu eta A f endomorfismoaren matrizea V-ren oinarri

ortonormal bati badagokio, orduan f endomorfismoa simetrikoa da, baldin eta soilik
baldin A matrizea simetrikoa bada.
Propietateak:
1) Balio errealak dituen matrize simetriko batek balio propio errealak ditu.
2) Matrizea erreala eta simetrikoa bada eta balio propioak desberdinak badira,
orduan bektore propioak binaka ortogonalak dira.
Ondorioa :
A matrize erreal simetrikoa bada eta haren balio propioak bakunak badira
(anizkoiztasun aljebraikoa= 1), A diagonalgarria da.

Matematika I
A matrizeari elkartutako bektore propioek oinarri ortogonal bat osatzen dute f

endomorfismoa definiturik dagoen bektore-espazioan.
Gainera, bektore propioek osaturiko matrizea edo P matrizea ortogonala da. D
matrize diagonala izanik, non D = P −1 AP , P matrize ortogonala denez hau beteko da:
D = P t AP .
Oharra: bektore propioen P oinarria oinarri “ortogonala” da; hau da, bektoreak
beren artean ortogonalak dira, elkarzutak: edozein bi bektore hartuta biderkadura
eskalarra “zero” da.
Oinarri “ortonormala” lortzeko, bektore propioak normalizatu behar ditugu,
bektore bakoitza bere normaz zatituz.
Adibidea: Kalkulatu A matrizeari elkarturik dagoen oinarri ortonormal batekiko matrize

diagonala. Edo gauza bera dena: A matrizea diagonalizatu:
4 0 0
 
0 7 3
0 3 7
 
Erantzuna: Ekuazio karakteristikoa A − λ I = 0 da:
4−λ 0 0
0 7−λ 3 = 0 ⇒ (4 − λ )(λ 2 − 14λ + 40) = 0
0 3 7−λ
λ 1= 10(bakuna)
erroak :
λ 2 = 4(bikoitza )

Matematika I
Orain, bektore propioak kalkulatzen ditugu:
− 6 0 0  x1   0
     
• λ 1 = 10 ⇒ ( A − 10 I ) ⋅ x = 0 ; ⇒  0 − 3 3 ⋅  x 2  =  0
     
 0 3 − 3  x 3   0
− 6 x1 = 0
  x1 = 0
Orduan: − 3x 2 + 3x 3 = 0 ⇒ 
 x2 = x3
3x 2 − 3x 3 = 0
λ 1= 10 -en bektore propioak {(0, x2 , x2 )} dira
Edo nukleoa ( f − 10 I ) = {(0, x 2 , x 2 )}

Bektore bat, adibidez, (0,1,1) da
 0 0 0  x1   0
     
• λ 2 = 4 ⇒ ( A − 4 I ) ⋅ x = 0 ; ⇒  0 3 3 ⋅  x 2  =  0
     
 0 3 3  x 3   0
3 x2 + 3 x3 = 0  ∀x1
Orduan: ⇒ 
3 x2 + 3 x3 = 0   x2 = − x3
λ 2 = 4 -ren bektore propioak {( x1 , x2 ,− x2 )} dira
Edo nukleoa: ( f − 4 I ) = {( x1 , x 2 ,− x 2 )} .
λ 2 = 4 -ren bektore propioen multzoa {( x1 , x2 ,− x2 )} denez, oinarri ortogonal bat

lortzea x1 eta x2 balioen menpe egongo da. Horretarako, bi bektore linealki aske lortu
behar ditugu, beren artean ortogonalak direnak. Horrela egingo dugu:
Lehenengo x1 eta x2 balioei 1 balioa emango diegu, eta hala (1,1,-1) bektorea
lortuko dugu. Bestea lortzeko, biderketa eskalarra era honetan planteatuko dugu:

Matematika I
(1,1, −1) ⋅ (−1, x2 , − x2 ) = 0

1
−1 + x2 + x2 = 0 ⇒ 2 x2 = 1 ⇒ x2 =
2
Beraz, bigarren bektorea (-1,1/2,-1/2) edo (-2,1,-1) izango da.
Bektoreak normalizatuz:
(0,1,1)  1 1  (1,1, −1)  1 1 1 

v1 = =  0, ,  ; v2 = = , ,− 
2  2 2 3  3 3 3
( −2,1, −1)  −2 1 −1 
v3 = = , , 
6  6 6 6
Orduan, A matrizea diagonalizatzen duen oinarri ortonormala hau da:
 1 1   1 1 −1   −2 1 −1  
B = {(v1 , v2 , v3 )} =  0, , , , , , , , 
 2 2   3 3 3   6 6 6 
 1 −2 
 0
 3 6
 
Eta “aldaketako P matrizea” ortonormala da: P= 1 1 1 
 2 3 6
 
 1 −1 −1 

 2 3 6 
 10 0 0
 
D = P −1 AP betetzen da, non D =  0 4 0 matrize diagonala baita.
 
 0 0 4
Eta, P ortogonala denez, ⇒ P t = P −1 , orduan D = P t AP betetzen da:

Matematika I
10 0 0   0 1 1   4 0 0  0 1 −2 
  1     
2 2 3 6
 −1
 0 4 0  = 3
1
3 3  ⋅  0 7 3 ⋅  12 1
3
1
6

 0 0 4   −2 −1   0 3 7  1 
    −1 
1
   6 6 6
 2
−1
3 6 
6.5.Jordan-en forma kanonikoa

Izan bedi f :V → V endomorfismo bat. Endomorfismo hori ez da beti
diagonalgarria izango; hau da, batzuetan ez dira existitzen oinarri bat sortzeko
beharrezkoak diren “n” bektore propioak eta elkarturiko matrize diagonala.
Kasu horietan, endomorfismoa karakterizatzen duen matrizerik sinpleena bilatuko
dugu (ahal den eta zero gehien dituena).
Hori lortzeko gehien erabiltzen den metodoa Jordan-en metodoa da. Metodo
horrekin Jordan-en matrizea, oso matrize sinplea, lortuko dugu, eta J izendatuko dugu.
Garrantzitsua: Metodo hau oso erabilgarria izango da ekuazio diferentzial lineal
eta koefiziente konstantedun sistemak askatzeko orduan.
Jordan-en metodoaren deskribapena:

Demagun n ordenako A matrize batek karakterizatzen duen f endomorfismo bat
dugula, k balio propio desberdin existitzen direla, non (k < n), eta ezinezkoa dela k
balio horiekin A matrizea diagonalizatzeko beharrezkoak diren n bektore propioak
aurkitzea. Kasu horretan, aurkitu nahi dugun matrizeak forma hau izango du:
 J1 (0) ⋯ (0) 
 (0) J ⋯ (0) 
 2 
J = ⋯ ⋯ ⋯ ⋯

 
⋯ ⋯ ⋯ ⋯
 (0) (0) ⋯ J 
 k 
Konturatu J matrize horretako elementuak matrizeak direla. Matrize horren
ordena ekuazio karakteristikoak lortutako (k) erro desberdin izango da. A − λ I = 0 .
λ i balio propio desberdin bakoitzari J matrizeko J i azpimatrize bat dagokio.

Matematika I
Jo dezagun λ i anizkoiztasuna lau dela, eta balio propio horri dagokion bektore
propioak bi direla. Kasu horretan, matrize hau eraikiko dugu:
 ↓ 
 
λ i 0 0 0 
Ji =  0 λi 1 0 
 
 0 0 λi 1 
 0 0 0 λ i 

Ji -ren ordena λ i -ren anizkoiztasuna izango da (4, kasu honetan).
Ji matrizearen diagonalean ez dauden elementuak nuluak izango dira,

diagonalaren gainean dagoen zuzen paraleloa izan ezik.
Zuzen paralelo horretan lehenengo zeroak eta gero 1ekoak jarriko ditugu.
Lehenengo batekoa 1+bektore propio kopurua duen zutabean jarriko dugu. Gure
adibidean, 1+2=3 zutabean (ikus gezia).
Adibidea:
Izan bedi (λ − 2) 4 (5 − λ ) 3 = 0 , 7 ordena duen A matrize baten ekuazio
karakteristikoa, E 7 dimentsioa duen K bektore-espazioa izanik.
Demagun λ1 = 2 eta λ2 = 5 balio propioek hiru eta bat bektore propio elkartuta
dituztela Aurkitu endomorfismoa karakterizatzen duen Jordan-en matrizea
Erantzuna: bi balio propio desberdin existitzen direnez, bila gabiltzan matrizeak Jordan-
en bi bloke izango ditu:
 J (0) 
J = 1 
 (0) J 2 
λ 1= 2;⇒ 1 + bektore propio kopurua = 1 + 3 = 4

Non  beraz,
λ 2 = 5;⇒ 1 + bektore propio kopurua = 1 + 1 = 2 

Matematika I
↓
2 0 0 0
  5 1 0
0 2 0 0  
J1 =  ; J2 =  0 5 1 
0 0 2 1 0 0 5
   
0 0 0 2
Beraz, bila gabiltzan Jordan-en matrizea hau da:
2 0 0 0 0 0 0
 
0 2 0 0 0 0 0
0 0 2 1 0 0 0
 J1 (0)   
J =  = 0 0 0 2 0 0 0
 (0) J 2  
0 0 0 0 5 1 0
 
0 0 0 0 0 5 1
0 0 0 0 0 0 5 


Matematika I
6.6. Adibideak
a 1 0 
 
1. Izan bedi A =  1 a 0  matrizea.
 0 0 a − 1
 
Kalkulatu “a” parametroaren balio errealak, A matrizea diagonalgarria izan dadin.
Lortu haren forma diagonala, eta D, eta A eta D matrizeak ortogonalki erlazionatzen
dituen matrizea.
Erantzuna: Polinomio karakteristikoa : (a − 1 − λ ) 2 *(a − λ +1) = 0 ;
λ 1 = a − 1 ; m1 = 2
Balio propioak : 
λ 2 = a + 1 ; m2 = 1

λ 1 = a − 1 bada; v1 = (−1,1, 0) ; v2 = (0, 0,1)

Bektore propioak: λ 2 = a + 1 bada; v3 = (1,1, 0)
ortonormalizatu gabeko bektoreak

 a −1 0 0   −1 0 1 
D =  0 a −1 0  P =  1 0 1 
 0 0 a +1  0 1 0
   
Diagonalizazio ortogonala denez : ( D ) = ( P ) * ( A ) * ( P )

T

Matematika I
a 0 b 
 
2. Izan bedi A =  0 c 1  matrizea.
0 0 d 
 
Jakinik λ 1 = 1 balio propioaren bektore propioak v1=(1,0,0) , v2=(0,1,0) direla eta

v3=(1,1,-2) bektorea beste bektore propio bat dela:
1.- Kalkulatu A matrizea.
2.- Kalkulatu An , ∀n ∈ N .
3.- Aurrekoa erabiliz, kalkulatu hau:
ϕ ( A) = 3 A 4 + 2 A 3 − A + I
Erantzuna: a =1; b = 1; c = 1; d = -1 ; λ 2 = −1
1 0 1  1 0 0 
A = 0 1 1 ; D =  0 1 0  ; ( A) = ( P ) * ( D ) * ( P )
n n −1
 
 0 0 −1  
   0 0 −1
−1  5 0 1
ϕ ( A) = 3 A 4 + 2 A 3 − A + I = ( P ) * (3D 4 + 2 D3 − D + I ) * ( P ) =  0 5 1
 0 0 3
 

Matematika I
 p q 0
 
3. Izan bedi A =  0 1 0  matrizea.
 0 0 2
 
a) Ebatzi “p” eta “q” parametroen zein baliotarako den A diagonalgarria.
b) Diagonalgarria denerako, lortu D matrize diagonala eta P oinarri aldaketako

matrizea.
Erantzuna: p # 1 eta p # 2 A diagonalgarria da ∀q ;
p= 1 eta q = 0 A diagonalgarria da. ;
p = 1 eta q # 0 A ez da diagonalgarria.
p =2 A diagonalgarria da ∀q


Matematika I: Raúl Medina Galarza Oihana Aristondo Etxeberria

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Matematika I: Raúl Medina Galarza Oihana Aristondo Etxeberria

Uploaded by

Copyright:

Available Formats

MATEMATIKA I

Raúl Medina Galarza

EUSKARA ETA ELEANIZTASUNEKO

Liburu honek UPV/EHUko Euskara eta Eleaniztasuneko Errektoreordetzaren

1. GAIA. EGITURA ALJEBRAIKOAK………………………………………..……1

1.2. Multzoen arteko eragiketak……………………………………….…..………6

1.3. Taldeak eta Gorputzak………………………………………………………..9

2. GAIA. ESPAZIO BEKTORIALAK……………………………………………....12

2.1. Definizioa eta propietateak…………………………………………………..13

2.2. Azpiespazio bektorialak………………………………………………….….17

2.3. Konbinaketa linealak……………………………………………….………..17

2.4. Menpekotasun eta independentzia lineala…………………………...…..…..18

2.5. Espazio bektorial baten oinarria eta dimentsioa……………………….....….19

2.6. Osatugabeko oinarriaren teorema………………………………………...….20

2.7. Azpiespazioen arteko bildura, ebakidura eta baturak………………..…...….20

2.8. Batura zuzenak………………………………………..…………………..…22

2.9. Bektore baten koordenatuak…………………………………..……………..24

3.1. Matrizearen definizioa…………………………………………………....….33

3.2. Matrize motak………………………………………………………………..33

3.3. Matrizeen arteko eragiketak………………………………………..…...…...36

3.4. Matrize karratu baten determinantea…………………………………......….38

3.5. Matrize Iraulia. Propietateak……………………………………………...…43

3.6. Matrize karratu baten alderantzizkoa…………………………………….….44

3.7. Matrize baten heina…………………………….…………………………....46

3.8. Matrize karratuen berreketak eta erroak…………………………………..…49

3.9. Blokekako matrizeak………………………………………….…………..…50

3.10. Zenbaki konplexuen gainean definituriko matrizeak…………………..…..54

3.11. Matrize sakabanatuak…………………..…………………………………..55

3.12. Zenbakizko metodoak………………………………………………………56

3.13. Oinarri aldaketako matrizea………………………………………………...58

3.14. Matrizeen ariketak……………………………………………………….…60

4.GAIA. EKUAZIO-SISTEMA LINEALAK…………………………………….....65

4.2. Rouche Frobenius-en teorema…………………………………………..…...68

4.3. Cramer-en erregela…………………………………………………………..69

4.4. Ekuazio-sistema linealen baliokidetasunak………………………………….71

4.5. Ekuazio linealen sistema homogeneoak…………………………………......76

4.6. Ekuazio-sistema linealen ebazpenerako metodo orokorra……………….….78

4.7. Zenbakizko metodoen aplikazioa……………………………………………81

4.8. Ekuazio sistema linealen ariketak…………………………………………...85

5.1. Aplikazio linealaren definizioa……………………………………………....89

5.2. Aplikazio motak…………………………………………………………......89

5.3. Aplikazio lineal baten Irudia………………………………………………...90

5.4. Aplikazio lineal baten Matrizea……………………………………………...91

5.5. Aplikazio linealen arteko batura……………………………………………..92

5.6. Aplikazio lineal baten eta eskalar baten arteko biderkadura…………….…..93

5.7. Aplikazio linealen arteko biderkadura(konposaketa)………………………..93

5.8. Aplikazio lineal baten nukleoa………………………………………………94

5.9. Aplikazio linealen ariketak………………………………………………….96

6. ENDOMORFISMO BATEN DIAGONALIZAZIOA……………………………98

6.2. Balio eta bektore propioen kalkulua…………………………………..........101

6.3. Autobalio baten anizkoiztasun aljebraikoa eta geometrikoa ………………106

6.4. Endomorfismo diagonalgarriak ……………………………………............107

6.5. Jordan-en Forma Kanonikoa ………………………………………………115

1. “Oinarrizko Aljebra”. ZURUTUZA, I. Elhuyar.

2. “Algebra Lineal y Teoría de Matrices”. BARBOLLA, R, y otros.

3. “Algebra Lineal” BURGOS, J. McGraw-Hill. Madrid, 1993.

4. “Curso de Algebra y Geometría”. BURGOS, J.

5. “Algebra Lineal y Geometría”. GARCIA G., J. LOPEZ PELLICER, M. Marfil.

6. “Algebra Lineal y algunas de sus aplicaciones”. GOLOVINA L. Y. Mir. Moscu,

7. “Algebra y Geometría Analítica”. GRANERO, F. McGraw-Hill. Madrid, 1191.

9. “Applied Numerical Linear Algebra”. HAGER, W. Prentice Hall., U.S.A., 1995.

1. “Aljebra lineala. Azterketarako Problema Ebatziak”. BOnostia, Elkar

2. “Problemas de Algebra Lineal y Geometría”. BLANCO, F. y otros.

a ⊥ (bc) = (a ⊥ b)(a ⊥ c) ∀a, b, c ∈ A betetzen bada, ⊥ *-rekiko banakorra

Eskuarki, sinboloa erabiliko dugu, kanpo-konposizioko lege bat adierazteko.

( ℝ 2 ,+ ) , ( ℝ, +, ⋅) ,  bektore-espazioa da, propietate guztiak betetzen baititu.