Sistemas de Ecuaciones Lineales 1

Captulo 1
Sistemas de ecuaciones lineales

1.1. Introduccin
Un problema fundamental que aparece en matemticas y en otras ciencias
es el anlisis y resolucin de m ecuaciones algebraicas con n incgnitas. El estudio de un sistema de ecuaciones lineales simultneas est ntimamente ligado al estudio de una matriz rectangular de nmeros definida por los coeficientes de las ecuaciones. Esta relacin parece que se ha notado desde el momento
en que aparecieron estos problemas.
El primer anlisis registrado de ecuaciones simultneas lo encontramos en
el libro chino Jiu zhang Suan-shu ( Nueve Captulos sobre las artes matemticas), (vase McTutor y Carlos Maza) escrito alrededor del 200 a.C. Al comienzo
del captulo VIII, aparece un problema de la siguiente forma:
Tres gavillas de buen cereal, dos gavillas de cereal mediocre y una gavilla de
cereal malo se venden por 39 dou. Dos gavillas de bueno, tres mediocres y una
mala se venden por 34 dou. Y una buena, dos mediocres y tres malas se venden
por 26 dou. Cul es el precio recibido por cada gavilla de buen cereal, cada gavilla de cereal mediocre, y cada gavilla de cereal malo?
Hoy en da, este problema lo formularamos como un sistema de tres ecuaciones con tres incgnitas:
3x + 2y + z = 39,
2x + 3y + z = 34,
x + 2y + 3z = 26,
donde x, y y z representan el precio de una gavilla de buen, mediocre y mal
cereal, respectivamente. Los chinos vieron el problema esencial. Colocaron los
coeficientes de este sistema, representados por caas de bamb de color, como
1
Depto. de lgebra
un cuadrado sobre un tablero de contar (similar a un baco), y manipulaban las
filas del cuadrado segn ciertas reglas establecidas. Su tablero de contar y sus
reglas encontraron su camino hacia Japn y finalmente aparecieron en Europa,
con las caas de color sustituidas por nmeros y el tablero reemplazado por
tinta y papel.
Figura 1.1: Numerales chinos con caas de bamb

En Europa, esta tcnica lleg a ser conocida como eliminacin gaussiana,
en honor del matemtico alemn Carl F. Gauss.
Figura 1.2: C.F. Gauss (1777-1855)

Como la tcnica de eliminacin es fundamental, empezamos el estudio de
nuestra materia aprendiendo cmo aplicar este mtodo para calcular las soluciones de los sistemas lineales. Despus de que los aspectos computacionales
se manejen bien, profundizaremos en cuestiones ms tericas.
1.2. Equivalencia de sistemas

Nota 1.2.1. En lo que sigue consideraremos fijado un cuerpo K de coeficientes. En el texto nos referiremos a los elementos del cuerpo como nmeros o
2
lgebra Lineal y Geometra
Depto. de lgebra
escalares. El lector bien puede pensar que K es el cuerpo Q de los nmeros racionales, R de los reales o incluso C de los complejos. Aunque debe tener en
cuenta que todo lo dicho sobre sistemas de ecuaciones lineales y matrices es
cierto en general para cualquier cuerpo K.
Ecuacin lineal
Sea n 1 un nmero natural. Una ecuacin lineal es una expresin de
la forma
a1 x1 + a2 x2 + + an xn = b,
donde a1 , a2 , . . . , an y b son nmeros conocidos y x1 x2 , . . . , xn son incgnitas. Los nmeros ai se denominan coeficientes de la ecuacin,
mientras que b es el trmino independiente.
Una solucin de la ecuacin lineal anterior es una serie de nmeros 1, 2 , . . . , n

que la satisfacen, es decir, que verifican
a1 1 + a2 2 + + an n = b.
Diremos tambin que la solucin se escribe como x1 = 1 , x2 = 2 , . . . , xn = n .
El carcter lineal se aplica porque las incgnitas aparecen con grado igual a 1.
Ejemplo 1.2.1.- La expresin 3x1 +2x2 = 1 es una ecuacin lineal y x1 = 1, x2 =

2 es una solucin. La expresin 0 x1 = 2 es una ecuacin lineal, pero no tiene
solucin.
Depto. de lgebra
Sistema lineal de ecuaciones

Sean m 1 y n 1 nmeros naturales. Un sistema lineal de ecuaciones
es un conjunto de m ecuaciones lineales y n incgnitas de la forma
a11 x1
a21 x1
+
+
a12 x2
a22 x2
+ ... +
+ ... +
..
.
a1n xn
a2n xn
=
=
b1 ,
b2
am1 x1 + am2 x2 + . . . + amn xn = b m ,
donde las xi son las incgnitas y los ai j , b i son nmeros. Los nmeros ai j se denominan coeficientes del sistema, y el conjunto de los b i
trminos independientes del sistema.
Una solucin del sistema lineal anterior es una serie de nmeros 1, 2 , . . . , n

que satisface cada ecuacin del sistema, es decir, que verifica
ai 1 1 + ai 2 2 + + ai n n = b i , para cada i = 1, . . . , n.
Para abreviar, hablaremos con frecuencia de un sistema de ecuaciones, eliminando la palabra lineal, pues sern el objeto de clculo habitual en el curso.
El problema es determinar si un sistema de ecuaciones tiene solucin o no y, si
es posible, calcularlas todas. Ya con una ecuacin a1 x1 = b 1 nos encontramos
con diferentes posibilidades.
Si a1 6= 0, entonces la ecuacin tiene una nica solucin x1 = b 1 /a1 .
Si a1 = 0, b 1 6= 0, entonces no hay solucin.
Si a1 = 0 = b 1 , entonces cualquier valor de x1 es solucin.
En sistemas con ms ecuaciones encontramos el mismo fenmeno.
Ejemplo 1.2.2.- Consideremos el sistema lineal planteado por el problema

chino de las gavillas de cereal visto en la pgina 1:
3x + 2y + z = 39,
S 2x + 3y + z = 34,
x + 2y + 3z = 26.
4
(1.2.1)
Depto. de lgebra
Despejando en la tercera ecuacin, x = 26 2y 3z, y sustituyendo en las otras
ecuaciones tenemos
4y 8z = 39,
(1.2.2)
y 5z = 18.
Ahora, en la segunda ecuacin, es y = 5z 18. Sustituyendo en la otra ecuacin,
se obtiene
12z = 33.
Luego debe ser z = 11/4. De la ecuacin y = 5z 18 se obtiene y = 17/4. Por
ltimo, de x = 26 2y 3z obtenemos x = 37/4.
Es decir, el sistema lineal S tiene como nica solucin
37/4
17/4 .
11/4
Ejemplo 1.2.3.- Consideremos ahora el sistema lineal
x + 2y z = 3,
S x + y = 1,
2x + y + z = 0.
(1.2.3)
Despejando en la segunda ecuacin, x = 1 y, y sustituyendo en las otras obtenemos
y z = 4,
(1.2.4)
y + z = 2.
En la primera ecuacin despejamos y = 4+z. Sustituyendo en la otra ecuacin
se obtiene
(4 + z) + z = 2 4 z + z = 2 de donde 4 = 2.
Como 4 6= 2, deducimos que no hay soluciones para el sistema lineal S .
Depto. de lgebra
Los anteriores son ejemplos de sistemas de ecuaciones con solucin nica
o sin solucin. El siguiente paso es estudiar qu ocurre con los sistemas lineales
que no estn en ninguno de los casos anteriores, es decir, aquellos que tienen
ms de una solucin.
Veamos el siguiente ejemplo.
Ejemplo 1.2.4.- Vamos a calcular soluciones del sistema
x + y + 2z = 3,
S 2x + 2y + z = 3,
x + y 3z = 2.
(1.2.5)
Como en los casos anteriores, resolveremos el sistema por el mtodo de sustitucin. Despejamos entonces x en la ltima ecuacin, x = 2 y + 3z. Sustituyendo en las otras ecuaciones se tiene
5z = 5,
7z = 7.
(1.2.6)
Se trata de un sistema lineal con dos ecuaciones y una incgnita, cuya nica
solucin es z = 1. Respecto a x e y solamente podemos decir que
x = 1 y.
Es decir, que para cada valor distinto de y se obtiene un valor distinto de x. El
conjunto de las soluciones del sistema lineal S es
1 y
y donde y K.
1
En este caso el sistema lineal tiene tantas soluciones como elementos hay en el
cuerpo de escalares K.
Veremos que en los sistemas de ecuaciones en general se presentan las mismas posibilidades que hemos visto en los ejemplos anteriores.
6
Depto. de lgebra
Compatibilidad de sistemas lineales

Decimos que un sistema lineal S es
compatible determinado si tiene una nica solucin.
compatible indeterminado si tiene ms de una solucin.
incompatible si no tiene soluciones.
Sistema de ecuaciones equivalentes

Dos sistemas lineales con n incgnitas se dicen equivalentes si tienen
los mismos conjuntos de soluciones.
Ejemplo 1.2.5.1. Sistemas equivalentes con distinto nmero de ecuaciones.

2. Sistemas no equivalentes.
1.3. Eliminacin gaussiana

La eliminacin gaussiana es una herramienta que nos permitir resolver
el problema planteado. Es un algoritmo que sistemticamente transforma un
sistema en otro ms simple, pero equivalente. La idea es llegar a un sistema lo
ms sencillo posible, eliminando variables, y obtener al final un sistema que
sea fcilmente resoluble.
Depto. de lgebra
Ejemplo 1.3.1.- El sistema
S
2x1 + 5x2 = 1,
2x2 = 3,
se puede resolver fcilmente. La ltima ecuacin nos permite despejar x2 = 3/2

y sustituir este valor en la primera ecuacin para obtener
1
15
17
3
2x1 + 5 = 1, de donde x1 = (1 ) = .
2
2
2
4
El proceso de eliminacin descansa sobre tres operaciones simples que transforman un sistema en otro equivalente. Para describir estas operaciones, sea E k
la k-sima ecuacin
E k : ak1 x1 + ak2 x2 + . . . + akn xn = b k
y escribamos el sistema como
E1
E2
S
..
Em
Dado un sistema de ecuaciones S , cada una de las siguientes transformaciones elementales produce un sistema equivalente S .
1. Intercambio de las ecuaciones i -sima y j -sima (1 i j m). Esto es,
si
E1
E1
..
..
E
E
i
j
..
..
,
entonces
S
S
. .
.
Ei
Ej
.
.
.
.
Em
Em
8
Depto. de lgebra
2. Reemplazo de la i -sima ecuacin por un mltiplo no nulo de ella. Esto
es,
E1
..
S E i
, donde 6= 0.
..
Em
3. Reemplazo de la j -sima ecuacin por la

mltiplo de la i -sima ecuacin. Esto es,
E1
..
..
S
.
E j + E i
..
Em
Ejemplo 1.3.2.- Sea el sistema
2x1 x2 2x3
x1 + 2x2 x3
S
3x1 + x2 + x3
x1 + x2 x3
+ 3x4
+ x4
+ x4
+ x4
suma de ella misma con un
x5
+ 2x5
+ x5
x5
=
=
=
=
1
0
.
0
2
(1.3.1)
1
2
.
0
0
(1.3.2)
El intercambio de las ecuaciones (2) y (4) produce el sistema
2x1
x
1
S
3x
1
x1
x2
+ x2
+ x2
+ 2x2
2x3
x3
+ x3
x3
+ 3x4
+ x4
+ x4
+ x4
x5
x5
+ x5
+ 2x5
=
=
=
=
Depto. de lgebra
2x1 x2 2x3
x1 + 2x2 x3
S
3x1 + x2 + x3
x1 + x2 x3
+ 3x4
+ x4
+ x4
+ x4
2x1 x2 2x3
x1 + 2x2 x3
S
3x1 + x2 + x3
x1 + x2 x3
+ 3x4
+ x4
+ x4
+ x4
x5
+ 2x5
+ x5
x5
=
=
=
=
1
0
.
0
2
(1.3.3)
La sustitucin de la cuarta ecuacin por el doble de ella misma produce el sistema
2x1 x2 2x3 + 3x4 x5 = 1
x1
+ 2x2 x3 + x4 + 2x5 = 0
S
.
(1.3.4)
3x1 + x2 + x3 + x4 + x5 = 0
2x1 + 2x2 2x3 + 2x4 2x5 = 4
x5
+ 2x5
+ x5
x5
=
=
=
=
1
0
.
0
2
(1.3.5)
La sustitucin de la tercera ecuacin por el triple de la cuarta produce el sistema
2x1 x2 2x3 + 3x4 x5 = 1
x1 + 2x2 x3 + x4 + 2x5 = 0
S
.
(1.3.6)
4x2 2x3 + 4x4 2x5 = 0
x1 + x2 x3 + x4 x5 = 2
Sistemas equivalentes por transformaciones elementales

Si el sistema S se obtiene a partir del sistema S por una concatenacin de transformaciones elementales, entonces S es un sistema
equivalente a S .
10
Depto. de lgebra
P RUEBA : Si S se obtiene a partir de S mediante el intercambio de dos ecuaciones, transformacin de tipo 1, es evidente que cualquier solucin de S satisface las ecuaciones de S y viceversa. Luego ambos sistemas son equivalentes.
Si S se obtiene de S mediante la sustitucin de una ecuacin por un mltiplo no nulo de ella, transformacin de tipo 2, es decir, si son
E1
..
.
Ei
S
..
Em
E1
..
.
y S E i
..
Em
con 6= 0,
entonces, como las soluciones de la ecuacin E i tambin lo son de la ecuacin

E i y viceversa, ambos sistemas son equivalentes.
Si S se obtiene de S mediante la sustitucin de una ecuacin por la suma
de ella misma ms un mltiplo de otra, transformacin de tipo 3, es decir, si
son
E1
E1
..
..
.
.
E
E
i
i
..
..
S
,
y
S
,
.
.
E j + E i
Ej
.
.
.
.
Em
Em
entonces se comprueba que cualquier solucin de E i y de E j lo es de E i y de

E j + E i , y viceversa. Luego ambos sistemas son equivalentes.
El problema ms comn en la prctica es la resolucin de un sistema con

n ecuaciones y n incgnitas, lo que se conoce como un sistema cuadrado, con
solucin nica. En este caso, la eliminacin gaussiana es directa, y ms tarde
estudiaremos las diferentes posibilidades. Lo que sigue es un ejemplo tpico.
Ejemplo 1.3.5.- Consideremos el sistema

2x + y + z =
1,
6x + 2y + z = 1,
2x + 2y + z =
7.
(1.3.7)
11
Depto. de lgebra
En cada paso, la estrategia es centrarse en una posicin, llamada posicin pivote, y eliminar todos los trminos por debajo de la posicin usando las tres operaciones elementales. El coeficiente en la posicin pivote se denomina pivote,
mientras que la ecuacin en donde se encuentra el pivote se llama ecuacin pivote. Solamente se permiten nmeros no nulos como pivotes. Si un coeficiente
en una posicin pivote es cero, entonces la ecuacin pivote se intercambia con
una ecuacin por debajo para producir un pivote no nulo. Esto siempre es posible para sistemas cuadrados con solucin nica, como veremos ms adelante.
A menos que sea cero, el primer coeficiente de la primera ecuacin se toma como el primer pivote. Por ejemplo, el elemento 2 del sistema es el pivote del
primer paso:
2x + y + z =
1,
6x + 2y + z = 1,
2x + 2y + z =
7.
Paso 1. Elimina todos los trminos por debajo del pivote.
Resta tres veces la primera ecuacin de la segunda para generar el sistema
equivalente
1,
2x + y + z =
y 2z = 4, (E 2 3E 1 )
2x + 2y + z =
7.
Suma la primera ecuacin a la tercera para formar el sistema equivalente
2x +
y + z =
1,
y 2z = 4,
3y + 2z =
8 (E 3 + E 1 ).
Paso 2. Selecciona un nuevo pivote.

De momento, seleccionamos un nuevo pivote buscando para abajo y a
la derecha. Si este coeficiente no es cero, entonces es nuestro pivote. En
otro caso, intercambiamos con una ecuacin que est por debajo de esta posicin para colocar el elemento no nulo en la posicin pivote. En
nuestro ejemplo, 1 es el segundo pivote:
2x +
y + z =
1,
-1 y 2z = 4,
3y + 2z =
8.
Paso 3. Elimina todos los trminos por debajo del pivote.

12
Depto. de lgebra
Suma tres veces la segunda ecuacin a la tercera para llegar al sistema
equivalente:
2x +
y + z =
1,
-1 y 2z = 4,
4z = 4 (E 3 + 3E 2 ).
En general, en cada paso nos movemos abajo y hacia la derecha para seleccionar el nuevo pivote, y entonces eliminar todos los trminos por debajo de l hasta que ya no podamos seguir. En este ejemplo, el tercer pivote es 4, pero como ya no hay nada por debajo que eliminar, paramos
el proceso.
En este punto, decimos que hemos triangularizado el sistema. Un sistema
triangular se resuelve muy fcilmente mediante el mtodo de sustitucin hacia
atrs, en el que la ltima ecuacin se resuelve para la ltima incgnita y se
sustituye hacia atrs en la penltima ecuacin, la cual se vuelve a resolver para
la penltima incgnita, y continuamos as hasta llegar a la primera ecuacin.
En nuestro ejemplo, de la ltima ecuacin obtenemos
z = 1.
Sustituimos z = 1 en la segunda ecuacin, y tenemos
y = 4 2z = 4 2(1) = 2.
Por ltimo, sustituimos z = 1 y y = 2 en la primera ecuacin para obtener
1
1
x = (1 y z) = (1 2 1) = 1,
2
2
que completa la solucin.
1.4. Notacin sobre matrices

No hay razn para escribir los smbolos como x, y o z en cada paso, pues lo
nico que manejamos son los coeficientes. Si descartamos los smbolos, entonces el sistema de ecuaciones se reduce a una disposicin rectangular de nmeros en la que cada fila representa una ecuacin. Por ejemplo, el sistema (1.3.7)
se puede representar como una disposicin de los nmeros en la forma
2 1 1
1
6 2 1 1 (las barras indican dnde aparece el signo =).
7
2 2 1
13
Depto. de lgebra
Esta disposicin de nmeros en filas y columnas es una matriz. Consideremos entonces un sistema de ecuaciones
a11 x1 + a12 x2 + . . . + a1n xn = b 1
a21 x1 + a22 x2 + . . . + a2n xn = b 2

S
..
am1 x1 + am2 x2 + . . . + amn xn = b m

Matrices de un sistema de ecuaciones
Llamamos matriz de coeficientes del sistema lineal S a la matriz
a11 a12 . . . a1n

a21 a22 . . . a2n
A= .
..
.. .
..
..
.
.
.
am1 am2
. . . amn
Si aumentamos la matriz de coeficientes a la derecha con los trminos

independientes tenemos la matriz ampliada del sistema:
(A|b) =
a11
a21
..
.
a12
a22
..
.
am1 am2
...
...
..
.
a1n
a2n
..
.
b1
b2
. . . amn b m
Ejemplo 1.4.1.- En el sistema anterior, la matriz de coeficientes del sistema es
2 1 1
A= 6 2 1
2 2 1
y la matriz ampliada es
2
1
1
1
A b = 6 2 1 1 .
7
2 2 1
14
Depto. de lgebra
Con respecto a la notacin, usaremos letras maysculas para las matrices

y minsculas con subndice para las entradas individuales de la matriz. As,
escribiremos
a11 a12 . . . a1n

a21 a22 . . . a2n
A= .
..
.. = (ai j ).
..
..
.
.
.
am1 am2
. . . amn
El primer subndice de un elemento de la matriz indica la fila, y el segundo

subndice denota la columna donde se encuentra. Por ejemplo, si
2 1 3
4
A = 8 6 5 9 , entonces a11 = 2, a12 = 1, . . . , a34 = 7.
(1.4.1)
3 8 3
7
Una submatriz de una matriz dada A es una matriz que se obtiene seleccionando un conjunto de filas y columnas de A. Por ejemplo,
2 4
B=
3 7
es una submatriz de A porque B es el resultado de elegir los elementos de la
matriz A que se encuentran en la primera y tercera filas, junto a la primera y
cuarta columna.
Una matriz A se dice que tiene orden m n si A tiene exactamente m filas y
n columnas. La matriz A de (1.4.1) es una matriz 34. Por convenio, las matrices
1 1 se identifican con escalares, y al revs.
Para enfatizar que una matriz A es de orden m n, usaremos la notacin
A mn . Cuando m = n, es decir, cuando el nmero de filas y columnas coincide,
diremos que la matriz es cuadrada. Para hablar de matrices en general, que no
sean necesariamente cuadradas, usaremos la expresin matriz rectangular.
Las matrices que tienen una sola fila o una sola columna las llamaremos,
respectivamente, vectores fila o vectores columna. Los notaremos como u, v .
El smbolo A i se usa para denotar la fila i -sima, y A j para la j -sima
columna. Por ejemplo, si A es la matriz de (1.4.1), entonces

1
A 2 = 8 6 5 9 y A 2 = 6 .
8
Haremos uso de dos operaciones que generalizaremos al hablar de espacios
vectoriales. Dados dos vectores columna u, v del mismo orden, consideramos
15
Depto. de lgebra
su suma w = u + v como el vector columna del mismo orden y cuyas componentes w i son las sumas de las componentes respectivas u i + v i . De igual
forma, definimos w = u como el vector columna del mismo orden que u y
con componentes w i = u i . Podemos hacer algo anlogo con las filas.
Dados u1 , u2 , . . . , us vectores del mismo orden, llamamos combinacin lineal de estos vectores a una expresin de la forma
1 u1 + 2 u2 + + s us ,
que es un vector formado por las operaciones anteriores.
1.5. Operaciones elementales sobre filas

La eliminacin gaussiana se puede realizar sobre la matriz ampliada [A|b]
mediante operaciones elementales sobre las filas de [A|b]. Estas operaciones
elementales de filas se corresponden a las tres operaciones elementales que
hemos visto antes.
Para una matriz de orden m n de la forma
M1
..
.
Mi
..
M = . ,
Mj
.
..
Mm
los tres tipos de operaciones elementales de filas sobre M son como sigue.
16
Depto. de lgebra
Operaciones elementales por fila

Tipo I
Intercambio
M1
..
.
Mj
..
.
Mi
.
.
.
Tipo II
Multiplicacin por 6= 0
M1
..
Mi
..
.
Mm
Mm
Tipo III
Combinacin lineal
M1
..
Mi
..
M j + Mi
.
.
.
Mm
Dos matrices M y M se dicen equivalentes por filas si puede transformarse

una en otra mediante una sucesin finita de operaciones elementales por filas.
Por ejemplo, las matrices

1 1
1 1 1 0 F12 2 0
1 1 1 0
2 0
1 1
1 1 1 0 F2 2F1 1
1 1 0
,
2 0
1 1
0 2
3 1
1 1 1 0 12 F2 1 1 1
0
2 0
1 1
1 0 1/2 1/2
son equivalentes por filas. Usaremos esta notacin para indicar las transformaciones elementales.
Nota 1.5.1. Dada C mn = (ci j) una matriz,
consideremos el sistema asociado
SC cuya matriz ampliada es C 0 , es decir, el sistema de m ecuaciones y

n incgnitas donde todos los elementos del trmino independiente son nulos.
Si A mn y B mn son matrices equivalentes por filas, entonces los sistemas asociados S A y S B son equivalentes. En efecto, basta probarlo para una matriz B
que proceda de A mediante una de las transformaciones elementales. Como el
trmino independiente no se altera por la accin de estas transformaciones y
sigue siendo nulo, se tiene el resultado.
17
Depto. de lgebra
Ejemplo 1.5.1.- Para resolver el sistema del ejemplo 1.3.7 mediante operaciones elementales por fila, partimos de la matriz ampliada M = (A|b) y triangularizamos la matriz de coeficientes A realizando la misma secuencia de operaciones por fila que se corresponden a las operaciones elementales realizadas
sobre las ecuaciones.
F2 3F1
2
1
1
1
2 1 1
1
F3 + F1
6 2 1 1 0 -1 2 4
7
8
2 2 1
0
3
2
1
2
1
1
F3 +3F2
0 1 2 4
0
0 4 4
La matriz final representa el sistema triangular

2x + y
y
+ z =
1,
2z = 4,
4z = 4.
que se resuelve por sustitucin hacia atrs, como explicamos antes (ver ejemplo 1.3.7).
En general, si un sistema cuadrado n n se triangulariza a la forma
t11 t12 . . . t1n c1

0 t22 . . . t2n c2
(1.5.1)
.
..
.. . .
..
..
.
.
.
.
0
. . . tnn
cn
en donde cada ti i 6= 0 (no hay pivotes nulos), entonces el algoritmo general de

sustitucin hacia atrs es como sigue.
Algoritmo de sustitucin hacia atrs
La solucin del sistema triangular se calcula mediante xn = cn /tnn y
procede de manera recursiva calculando
xi =
1
(ci ti ,i +1 xi +1 ti ,i +2 xi +2 . . . ti n xn )
ti i
para i = n 1, n 2, . . . , 2, 1.
18
Depto. de lgebra
1.6. Forma escalonada por filas y rango

Ya estamos preparados para analizar sistemas rectangulares con m ecuaciones y n incgnitas
a11 x1
a21 x1
+
+
a12 x2
a22 x2
+ ... +
+ ... +
..
.
a1n xn
a2n xn
b1
b2
=
=
am1 x1 + am2 x2 + . . . + amn xn = b m ,

donde m puede ser diferente de n. Si no sabemos con seguridad que m y n
son iguales, entonces decimos que el sistema es rectangular. El caso m = n
tambin queda comprendido en lo que digamos.
La primera tarea es extender la eliminacin gaussiana de sistemas cuadrados a sistemas rectangulares. Recordemos que un pivote debe ser siempre un
valor no nulo. En el caso de un sistema rectangular general, no siempre es posible tener las posiciones pivote en la diagonal principal de la matriz de coeficientes. Esto significa que el resultado final de la eliminacin gaussiana no ser
una forma triangular. Por ejemplo, consideremos el siguiente sistema:
x1
2x1
x1
2x1
+
+
+
+
2x2 + x3
4x2
2x2 + 3x3
4x2
+
+
+
+
3x4
4x4
5x4
4x4
+
+
+
+
3x5
4x5
5x5
7x5
Fijemos nuestra atencin en la matriz de coeficientes
1 2 1 3 3
2 4 0 4 4
A=
,
1 2 3 5 5
2 4 0 4 7
=
=
=
=
5,
6,
9,
9.
(1.6.1)
e ignoremos de momento el lado derecho del sistema, es decir, los trminos

independientes. Aplicando eliminacin gaussiana a A, obtenemos el siguiente
resultado:

1
2
1
3
3
1 2 1 3 3
2 4 0 4 4 0 0 2 2 2
1 2 3 5 5 0
0
2
2
2
0
0 2 2
1
2 4 0 4 7
En el proceso de eliminacin bsico, nos movemos abajo y a la derecha, a la

siguiente posicin pivote. Si encontramos un cero en esta posicin, se efecta
un intercambio con una fila inferior para llevar un nmero no nulo a la posicin
19
Depto. de lgebra
pivote. Sin embargo, en este ejemplo, es imposible llevar un elemento no nulo a
la posicin (2, 2) mediante el intercambio de la segunda fila con una fila inferior.
Para manejar esta situacin, debemos modificar el procedimiento de la eliminacin gaussiana.
Eliminacin gaussiana modificada

Sea A mn una matriz; supongamos que U es la matriz obtenida a partir
de A tras haber completado i 1 pasos de eliminacin gaussiana. Para
ejecutar el i -simo paso, procedemos como sigue:
De izquierda a derecha en U , localizamos la primera columna
que contiene un valor no nulo en o por debajo de la i -sima posicin. Digamos que es U j .
La posicin pivote para el i -simo paso es la posicin (i , j ).
Si es necesario, intercambia la i -sima fila con una fila inferior
para llevar un nmero no nulo a la posicin (i , j ), y entonces anulamos todas las entradas por debajo de este pivote.
Si la fila Ui , as como todas las filas de U por debajo de Ui
consisten en filas nulas, entonces el proceso de eliminacin est completo.
Ilustremos lo anterior aplicando la versin modificada de la eliminacin

gaussiana a la matriz dada en 1.6.1
Ejemplo 1.6.1.- Aplicamos la eliminacin gaussiana modificada a la matriz
A=
20
1
2
1
2
2
4
2
4
1
0
3
0
3
4
5
4
3
4
5
7
Depto. de lgebra
y marcamos las posiciones pivote.
1
0
0
0
2
0
0
0
1
0
0
0
2
0
0
0

1
3
3
1

-2 2 2 0
0
0 0 0
0
0
3
0
2
0
0
0
1
2
1
2
2
4
2
4
1
0
3
0
3
4
5
4
3
4
5
7
1
3
3
-2 2 2
2
2
2
2 2
1
1
3
3
-2 2 2
.
0
0 3
0
0
0
Observemos que el resultado final de aplicar la eliminacin gaussiana en el

ejemplo anterior no es una forma triangular exactamente, sino un tipo escalonado de forma triangular. Por su importancia, le damos un nombre especial.
Forma escalonada por filas

Una matriz E de orden m n con filas E i y columnas E j se dice que
est en forma escalonada por filas si verifica:
Si E i es una fila de ceros, entonces todas las filas por debajo de
E i son tambin nulas.
Si la primera entrada no nula de E i est en la j -sima posicin,
entonces todas las entradas por debajo de la i -sima posicin en
las columnas E 1 , E 2 , . . . , E j son nulas.
El algoritmo de la eliminacin gaussiana modificada nos proporciona el siguiente resultado:
Equivalencia con una forma escalonada

Toda matriz es equivalente por filas a una forma escalonada por filas.
21
Depto. de lgebra
Una estructura tpica de una forma
marcados, es
0 0 *
0 0 0 *
0 0 0 0
0 0 0 0
0 0 0 0
escalonada por filas, con los pivotes
0
0
0
0
0
0
*
0
0
0
0
Los pivotes son las primeras entradas no nulas en cada fila. Podemos tener tambin columnas de ceros a la izquierda de la matriz.
Como hay flexibilidad para elegir las operaciones por filas que reducen una
matriz A a una forma escalonada E , las entradas de E no estn unvocamente
determinadas por A. Sin embargo, las posiciones de los pivotes son siempre las
mismas.
Unicidad de las posiciones pivote

Las posiciones de los pivotes de una forma escalonada por filas E asociada a una matriz A estn completamente determinadas por las entradas de A.
P RUEBA : Necesitamos dos pasos.

1. Sean E = (e i j ) una matriz en forma escalonada por filas de orden m n
y llamemos S E al sistema cuya matriz ampliada es [E |0]. Supongamos
que E j es una columna de E donde no hay pivote. Vamos a probar que
existe una solucin del sistema S E de la forma x1 = 1 , . . . , xn = n , tal
que j 6= 0 y k = 0 para todo k > j .
Consideremos el conjunto {p 1 , p 2 , . . . , p t }, con p 1 < p 2 < p t , de las columnas de E tales que en la columna p i hay un pivote en la fila i , es decir,
el elemento e i p i es un pivote. La columna j sima de E es de la forma
e 1j
..
.
er j
,
0
.
..
0
E j
22
Depto. de lgebra
de manera que el pivote e r p r es tal que p r < j , pues hemos supuesto por
hiptesis que E j no tiene pivote.
Vamos a construir la solucin 1 , . . . , n que pruebe el aserto. Asignamos
s = 0 para todo s > j ; ahora, suponiendo que s < j tomamos s = 0 si E s
es una columna sin pivote, es decir, s {p 1 , . . . , p t }. Adems, sea j = 1.
Faltan por asignar valores a p 1 , . . . , p r . Sustituyendo en el sistema de
matriz ampliada [E |0] los valores que ya hemos construido, es decir, x j =
1 y x s = 0 si s > j o bien s {p 1 , . . . , p r }, nos queda el sistema triangular:
e 1p 1 x p 1 + e 1p 2 x p 2 + + e 1p r x p r + e 1j = 0
e 2p 2 x p 2 + + e 2p r x p r + e 2j = 0
S
.
..
e r pr xpr + e r j = 0
Mediante el algoritmo de sustitucin hacia atrs se obtiene una solucin

del sistema S de la forma
x p k = p k , con k = 1, . . . , r.
De esta forma, x1 = 1 , . . . , xn = n es una solucin del sistema de matriz
ampliada [E |0] de la forma pedida.
2. Supongamos que A es una matriz de orden m n. Sean U = (u i j ) y V =

(v i j ) dos formas escalonadas por filas obtenidas a partir de la matriz A =
(ai j ). Hemos probado en la nota 1.5.1 que los sistemas lineales S A , SU y
S V de matrices ampliadas respectiva [A|0], [U |0] y [V |0] son equivalentes. En particular, los conjuntos de soluciones de los sistemas SU y S V
coinciden.
Llamaremos p i a la columna de U donde hay un pivote en la fila i , es
decir, el elemento u i p i es un pivote. Anlogamente llamamos q i a la columna de V donde hay un pivote en la fila i .
Tenemos que probar que las posiciones pivote de U y V son las mismas.
Razonamos por reduccin al absurdo: supongamos que U y V no tienen
las mismas posiciones pivote. Deduciremos entonces que los sistemas
SU y S V no son equivalentes, lo cual es una contradiccin.
Sea i el ndice de la primera fila de U y V donde la posicin pivote no
coincide, es decir, p r = q r si r < i . Podemos suponer sin prdida de generalidad que q i > p i .
Entonces la columna Vp i no tiene pivote en V . Por el aserto anterior,
existe una solucin del sistema S V , por ejemplo x1 = 1 , . . . , xn = n , tal
que p i 6= 0 y r = 0 para todo r > p i .
23
Depto. de lgebra
P
Sin embargo, la i sima ecuacin de SU es ns=p i u i s x s = 0, y al sustituir los valores x1 = 1 , . . . , xn = n en esta ecuacin obtenemos el valor
u i p i p i 6= 0. En consecuencia, no es solucin de SU y los sistemas no son
equivalentes.
Ejemplo 1.6.2.- Ilustraremos con un ejemplo lo que hemos hecho en la prueba

anterior. Sean dos matrices escalonadas con posiciones pivote distintas
U =
7 0 0 0 2 0
0 2 2 0 1 1
0 0 0 5 1 2
0 0 0 0 0 0
0
0
0
1
, V =
2
0
0
0
0
3
0
0
0 3
2 0
2 2 1 1
0 0 1 2
0 0
0 0
0
0
0
1
Las posiciones pivote de las filas 1 y 2 de ambas matrices coinciden. Sin embargo, el pivote de la tercera fila en U est en la posicin (3, 4), mientras que en V
est en (3, 5). Nos centraremos precisamente en la columna 4 de V para obtener
una solucin del sistema de matriz ampliada [V |0] que no lo sea del de matriz
ampliada [U |0]. Es evidente que los valores x1 = 3/2, x2 = 2/3, x3 = 0, x4 = 1,
x5 = x6 = x7 = 0 representan una solucin del sistema definido por V . Sin embargo, al sustituir estos valores en la tercera ecuacin del sistema definido por
U
5x4 x5 + 2x6 = 0
obtenemos el valor 5 6= 0. Luego no es solucin para el sistema definido por U .
Como las posiciones pivote son nicas, se sigue que el nmero de pivotes,
que es el mismo que el nmero de filas no nulas de E , tambin est unvocamente determinado por A. Este nmero se denomina rango de A, y es uno de
los conceptos fundamentales del curso.
24
Depto. de lgebra
Rango de una matriz

Supongamos que una matriz A de orden m n se reduce mediante
operaciones elementales por filas a una forma escalonada E . El rango
de A es el nmero
rango(A) =
=
=
nmero de pivotes
nmero de filas no nulas de E
nmero de columnas bsicas de A,
donde las columnas bsicas de A son aquellas columnas de A que contienen las posiciones pivote.
Ejemplo 1.6.3.- Determinemos el rango y columnas bsicas de la matriz
1 2 1 1
A = 2 4 2 2 .
3 6 3 4
Reducimos A a forma escalonada por filas.

1 2 1
1 2 1 1
2 4 2 2
0 0 0
3 6 3 4
0 0 0

1
1 2 1

0 0 0 0
1
0 0 0
1 =E
0
Por tanto, rango(A) = 2. Las posiciones pivote estn en la primera y cuarta columna, por lo que las columnas bsicas de A son A 1 y A 4 . Esto es,

1
1
2 , 2 .
Columnas bsicas =
3
4
Es importante resaltar que las columnas bsicas se extraen de A y no de la forma escalonada E .
25
Depto. de lgebra
1.7. Forma escalonada reducida por filas

Se puede avanzar en la simplificacin de una forma escalonada por filas.
Por ejemplo, mediante la multiplicacin de una fila por un escalar no nulo
(transformacin elemental), podemos conseguir que cada pivote sea igual a 1.
Adems, se pueden anular las entradas que se encuentran por encima de cada
pivote. El siguiente ejemplo ilustra este proceso.
Ejemplo 1.7.1.- Obtenemos una forma escalonada de la matriz
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
mediante transformaciones elementales y hacemos, en cada paso, los pivotes
iguales a 1, as como anular las entradas superiores a cada pivote.
1 2
1 2
1
3
3
1
1 2 1 3 3
0 0 -2 2 2
0 0 1
2 4 0 4 4

0 0
0 0
1 2 3 5 5
2
2
2
2
2
4
0
4
7
0
0
2
2
1
0
0
2
0 2
2
0 2
2
0
1 2
1 2
1 2
1
1
0 0 1 1
0 0 1 1
0 0 1

0 0
0 0
0 0 0
0 0
0 0 3
0
0
0
0
0
3
0
0
0
0
0
0
0
0
0 2
0
1 2
0
0 0 1 1

0 0
0 0 1
0 0
0 0
0
Este proceso es una extensin del conocido como mtodo de Gauss-Jordan.

Comparamos este ejemplo con el resultado del ejemplo 1.6, y vemos que la forma de la matriz final es la misma en ambos casos, que tiene que ver con la unicidad de las posiciones de los pivotes que hemos comentado anteriormente. La
nica diferencia es el valor numrico de algunas entradas. Por la naturaleza de
26
3
1
2
2
2
1
0
0
2
1
2
1
0
Depto. de lgebra
la eliminacin, cada pivote es 1 y todas las entradas por encima y por debajo
son nulas. Por tanto, la forma escalonada por filas que produce esta reduccin
contiene un nmero reducido de entradas no nulas. Esto nos permite dar la
siguiente definicin.
Forma escalonada reducida por filas

Una matriz E mn est en forma escalonada reducida por filas si se verifican las siguientes condiciones:
E est en forma escalonada por filas.
La primera entrada no nula de cada fila (el pivote) es 1.
Todas las entradas por encima del pivote son cero.
Una estructura tpica de una matriz en forma escalonada reducida por filas es
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
Como comentamos antes, si una matriz A se transforma en una forma escalonada por filas mediante operaciones elementales por fila, entonces la forma est unvocamente determinada por A, pero las entradas individuales de
la forma no son nicas. Sin embargo, la forma escalonada reducida tiene una
propiedad especial.
Unicidad de la forma escalonada reducida por filas

Toda matriz A es equivalente por filas a una nica forma escalonada
reducida por filas E A .
P RUEBA : Una forma escalonada reducida por filas de A se obtiene a partir

de cualquier forma escalonada por filas de A mediante la aplicacin del mtodo
de Gauss-Jordan como se ha visto antes, de ah la existencia. Falta la unicidad.
27
Depto. de lgebra
Sean U = (u i j ) y V = (v i j ) dos formas escalonadas reducidas por filas asociadas a A = (ai j ). Hemos probado en el teorema de unicidad de las posiciones
pivote (pg. 22) que dichas posiciones de U y V coinciden. Como las columnas
bsicas de las formas escalonadas reducidas por filas estn formadas por ceros,
salvo un 1 en la posicin pivote, las columnas bsicas de U y V coinciden.
Si una columna no bsica de U , pongamos U j , es nula (formada slo por
ceros), debe serlo tambin la correspondiente columna V j . En caso contrario
los valores
0 i 6= j
xi =
1 i=j
representan una solucin del sistema de matriz ampliada [U |0] pero no del de
[V |0].
Si una columna no bsica de U es no nula, ser de la forma
u 1j
..
.
ur j
=
0 .
.
..
0
U j
El teorema de unicidad de las posiciones pivote implica que la misma columna

en V tambin debe ser de la forma
v 1j
..
.
vr j
,
V j =
0
.
..
0
es decir, por debajo de la posicin r -sima tiene que haber ceros; en otro caso,
existira un pivote en V en posicin diferente a la de la matriz U .
Hay que probar entonces que u i j = v i j para i = 1, . . . r . Para ello usaremos
que los sistemas SU y S V definidos respectivamente por las matrices [U |0] y
[V |0] son equivalentes.
Fijamos el ndice j y consideramos la siguiente familia de soluciones de
[U |0]:
u i j si Us es una columna bsica

1
si s = j
(1.7.1)
xi ,s =
0
en otro caso,
28
Depto. de lgebra
para i = 1, . . . , r . Imponiendo que tambin sean soluciones de S V , concretamente al sustituir la solucin i sima de la familia 1.7.1 en la ecuacin i sima
de S V se obtiene
v i j = u i j para i = 1, . . . , r.
Luego las matrices U y V son idnticas.
Nota 1.7.1. Para una matriz A, el smbolo E A denotar la nica forma escalonada reducida por filas derivada de A mediante transformaciones elementales
por fila. Tambin escribiremos
rref
G-J
A
E A o bien A
E A.
Ejemplo 1.7.2.- Determinemos E A , calculemos rango(A) e identifiquemos las

columnas bsicas de
1 2 2 3 1
2 4 4 6 2
A=
.
3 6 6 9 6
1 2 4 5 3
Identificamos los pivotes en cada paso.

2 3 1
2 3 1
1 2
1 2
1 2 2 3 1

2 4 4 6 2 0 0 0 0 0 0 0 2 2 2
3 6 6 9 6 0 0
0 0 3 0 0
0 0 3
1 2 4 5 3
0 0
2 2 2
0 0
0 0 0

1 2
0 1 1
2 3 1
1 2

1
0 0 1 1 1 0 0 1 1
0 0
0 0 3 0 0
0 0 3
0 0
0 0 0
0 0
0 0
0
1 2
0 1 1
0 1
0
1 2
1 0 0 1 1
0
0 0 1 1
= EA
0 0
0 0 1 0 0
0 0 1
0 0
0 0
0
0 0
0 0
0
Por tanto, rango(A) = 3, y {A 1 , A 3 , A 5 } son las tres columnas bsicas.
29
Depto. de lgebra
1.8. Compatibilidad de sistemas

Recordemos que un sistema de m ecuaciones y n incgnitas se dice compatible si posee al menos una solucin. Si no tiene soluciones, decimos que el
sistema es incompatible.
Un sistema lineal compatible se dice determinado si tiene una nica solucin,
en otro caso se dice indeterminado.
El propsito de esta seccin es determinar las condiciones bajo las que un
sistema es compatible. Establecer dichas condiciones para un sistema de dos o
tres incgnitas es fcil. Una ecuacin lineal con dos incgnitas representa una
recta en el plano, y una ecuacin lineal con tres incgnitas es un plano en el
espacio de tres dimensiones. Por tanto, un sistema lineal de m ecuaciones con
dos incgnitas es compatible si y solamente si las m rectas definidas por las m
ecuaciones tienen al menos un punto comn de interseccin. Lo mismo ocurre
para m planos en el espacio. Sin embargo, para m grande, estas condiciones
geomtricas pueden ser difciles de verificar visualmente, y cuando n > 3 no es
posible esta representacin tan visual.
Mejor que depender de la geometra para establecer la compatibilidad, usaremos la eliminacin gaussiana. Si la matriz ampliada asociada [A|b] se reduce
mediante operaciones por filas a una forma escalonada por filas [E |c], entonces la compatibilidad o no del sistema es evidente. Supongamos que en un momento del proceso de reduccin de [A|b] a [E |c] llegamos a una situacin en la
que la nica entrada no nula de una fila aparece en el lado derecho, como mostramos a continuacin:

0 0 0
0 0 0 0
Fila i 0 0 0 0 0 0 6= 0.
... ... ... ... ... ... ...
Si esto ocurre en la i -sima fila, entonces la i -sima ecuacin del sistema asociado es
0 x1 + 0 x2 + . . . + 0 xn = .
Para 6= 0, esta ecuacin no tiene solucin, y el sistema original es incompatible (recordemos que las operaciones por filas no alteran el conjunto de soluciones). El recproco tambin se verifica. Esto es, si el sistema es incompatible,
entonces en algn momento del proceso de eliminacin llegamos a una fila de
la forma
0 0 . . . 0 , 6= 0.
(1.8.1)
30
Depto. de lgebra
En otro caso, la sustitucin hacia atrs se podra realizar y obtener una solucin. No hay incompatibilidad si se llega a una fila de la forma
0 0 ... 0 0 .
Esta ecuacin dice simplemente 0 = 0, y aunque no ayuda a determinar el valor

de ninguna incgnita, es verdadera.
Existen otras formas de caracterizar la compatibilidad (o incompatibilidad)
de un sistema. Una es observando que si la ltima columna b de la matriz ampliada [A|b] es una columna no bsica, entonces no puede haber un pivote en
la ltima columna, y por tanto el sistema es compatible, porque la situacin
1.8.1 no puede ocurrir. Recprocamente, si el sistema es compatible, entonces
la situacin 1.8.1 no puede ocurrir, y en consecuencia la ltima columna no
puede ser bsica.
Por tanto,
[A|b] es compatible si y solamente si b no es columna bsica.
Decir que b no es columna bsica en [A|b] es equivalente a decir que todas
las columnas bsicas de [A|b] estn en la matriz de coeficientes A. Como el nmero de columnas bsicas es el rango, la compatibilidad puede ser caracterizada diciendo que un sistema es compatible si y slo si rango([A|b]) = rango(A).
Este enunciado en funcin del rango se conoce como teorema de RouchFrobenius, del que ms adelante daremos un anunciado algo ms ampliado.
Resumimos todas estas condiciones.
Compatibilidad de un sistema
Cada uno de las siguientes enunciados es equivalente a que el sistema
lineal determinado por la matriz [A|b] es compatible.
En la reduccin por filas de [A|b], nunca aparece una fila de la
forma
0 0 . . . 0 , 6= 0.
b es una columna no bsica de [A|b].

rango([A|b]) = rango(A).
31
Depto. de lgebra
Ejemplo 1.8.1.- Determinemos si el sistema
x1
2x1
2x1
3x1
+ x2
+ 2x2
+ 2x2
+ 5x2
2x3
4x3
4x3
8x3
+
+
+
+
+
+
+
+
2x4
4x4
4x4
6x4
+ x5
+ 3x5
+ 2x5
+ 5x5
=
=
=
=
1,
1,
2,
3,
es compatible. Aplicamos eliminacin gaussiana a la matriz ampliada [A|b].
1
2
2
3
1
2
2
5
2
4
4
8
2
4
4
6
1
3
2
5
1
1
2
3
1
0
0
0
1
0
0
2
2
0
0
2
2
0
0
0
1
0
0
0
1
2
0
0
2
0
0
0
2
0
0
0
1
1
1 1
0
0
0
2
1
1
2
0
1 1
0
0
Como no hay ninguna fila de la forma 0 0 . . . 0 , con 6= 0, el sistema

es compatible. Tambin observamos que b no es una columna bsica en [A|b],
por lo que rango([A|b]) = rango(A).
Luego un sistema es compatible si y solamente si rango([A|b]) = rango(A).

El objetivo ahora es determinar cundo es compatible determinado o indeterminado. Para ello, debemos estudiar antes un tipo especial de sistemas.
32
Depto. de lgebra
1.9. Sistemas homogneos

Sistemas homogneos
Un sistema de m ecuaciones y n incgnitas
a11 x1
a21 x1
+
+
a12 x2
a22 x2
+ ... +
+ ... +
..
.
a1n xn
a2n xn
=
=
0
0
am1 x1 + am2 x2 + . . . + amn xn = 0,

en el que el lado derecho contiene nicamente ceros se denomina homogneo. Si al menos uno de los coeficientes de la derecha es no nulo,
decimos que es no homogneo.
En esta seccin vamos a examinar algunas de las propiedades ms elementales de los sistemas homogneos.
La compatibilidad nunca es un problema con un sistema homogneo, pues
x1 = x2 = . . . = xn = 0 siempre es una solucin del sistema, independientemente de los coeficientes. Esta solucin se denomina solucin trivial. La pregunta
es si hay otras soluciones adems de la trivial, y cmo podemos describirlas.
Como antes, la eliminacin gaussiana nos dar la respuesta.
Mientras reducimos la matriz ampliada [A|0] de un sistema homogneo a
una forma escalonada mediante la eliminacin gaussiana, la columna de ceros
de la derecha no se ve alterada por ninguna de las operaciones elementales.
As, cualquier forma escalonada derivada de [A|0] tendr la forma [E |0]. Esto
significa que la columna de ceros puede ser eliminada a la hora de efectuar
los clculos. Simplemente reducimos la matriz A a una forma escalonada E , y
recordamos que el lado derecho es cero cuando procedamos a la sustitucin
hacia atrs. El proceso se comprende mejor con un ejemplo.
Ejemplo 1.9.1.- Vamos a examinar las soluciones del sistema homogneo

x1 + 2x2 + 2x3 + 3x4 = 0,
2x1 + 4x2 + x3 + 3x4 = 0,
3x1 + 6x2 + x3 + 4x4 = 0.
(1.9.1)
33
Depto. de lgebra
Reducimos la matriz de coeficientes a una forma escalonada por filas:

1 2 2 3
1 2
2
3
1 2
2
3
A = 2 4 1 3 0 0 3 3 0 0 3 3 = E .
3 6 1 4
0 0 5 5
0 0
0
0
Entonces, el sistema homogneo inicial es equivalente al sistema homogneo

x1 + 2x2 +
2x3 + 3x4 = 0,
3x3 3x4 = 0.
Como hay cuatro incgnitas, y solamente dos ecuaciones, es imposible extraer

una solucin nica para cada incgnita. Lo mejor que podemos hacer es elegir
dos incgnitas bsicas, que llamaremos variables bsicas, y resolver el sistema
en funcin de las otras dos, que llamaremos variables libres. Aunque hay distintas posibilidades para escoger las variables bsicas, el convenio es resolver
las incgnitas que se encuentran en las posiciones pivote.
En este ejemplo, los pivotes, as como las columnas bsicas, estn en la primera y tercera posicin, as que la estrategia es aplicar sustitucin hacia atrs
en la resolucin del sistema y expresar las variables bsicas x1 y x3 en funcin
de las variables libres x2 y x4 .
La segunda ecuacin nos da
x3 = x4
y la sustitucin hacia atrs produce
x1 = 2x2 2x3 3x4
= 2x2 2(x4 ) 3x4
= 2x2 x4 .
Las soluciones al sistema homogneo original pueden ser descritas como
x1 = 2x2 x4 ,
x2 =
libre ,
x3 = x4 ,
x4 =
libre.
Como las variables libres x2 y x4 pueden tomar todos los valores posibles, las
expresiones anteriores describen todas las soluciones.
34
Depto. de lgebra
Mejor que describir las soluciones de esta forma, es ms conveniente expresarlas como
2x2 x4
2
1
x1

x2
0
x2
1
=
= x2
+ x4
,
x4
0
1
x3
x4
x4
0
1
entendiendo que x2 y x4 son variables libres que pueden tomar cualquier valor.
Esta representacin se denominar solucin general del sistema homogneo.
Esta expresin de la solucin general enfatiza que cada solucin es combinacin lineal de las dos soluciones
1
2
0
1
h1 =
y h2 =
.
1
0
0
1
Consideremos ahora un sistema homogneo general [A|0] de m ecuaciones

y n incgnitas. Si la matriz de coeficientes A es de rango r , entonces, por lo que
hemos visto antes, habr r variables bsicas, correspondientes a las posiciones
de las columnas bsicas de A, y n r variables libres, que se corresponden con
las columnas no bsicas de A. Mediante la reduccin de A a una forma escalonada por filas por eliminacin gaussiana y sustitucin hacia atrs, expresamos
las variables bsicas en funcin de las variables libres y obtenemos la solucin
general, de la forma
x = x f 1 h1 + x f 2 h2 + + x f nr hnr ,
donde x f 1 , x f 2 , . . . , x f nr son las variables libres, y h1 , h2 , . . . , hnr son vectores
columna que representan soluciones particulares.
Observemos que el vector h1 tiene un 1 en la posicin f 1 , y los restantes
vectores h j tienen un cero en esa posicin. Lo mismo se aplica a todos los vectores hi : tienen un valor 1 en la posicin f i y los restantes vectores h j tienen
un cero en esa posicin. Ms adelante necesitaremos esta caracterstica.
Si calculamos la forma escalonada reducida por filas del ejemplo, nos queda
1 2 2 3
1 2 0 1
A = 2 4 1 3 0 0 1 1 = E A,
3 6 1 4
0 0 0 0
35
Depto. de lgebra
y el sistema a resolver es
x1 + 2x2 + x4 = 0,
x3 + x4 = 0.
Si resolvemos x1 y x3 en funcin de x2 y x4 nos queda el mismo resultado que
antes. Por ello, y para evitar la sustitucin hacia atrs, puede resultar ms conveniente usar el procedimiento de Gauss-Jordan para calcular la forma escalonada reducida por filas E A y construir directamente la solucin general a partir
de las entradas de E A .
Consideremos ahora un sistema homogneo general (A|0) de m ecuaciones
y n incgnitas.
Solucin general de un sistema homogneo
Usamos eliminacin gaussiana para reducir la matriz ampliada
(A|0) a una forma escalonada por filas (E |0).
Identificamos las variables bsicas y libres. Si el rango es r , entonces habr r variables bsicas, correspondientes a las posiciones
de las columnas bsicas de (A|0), y n r variables libres, que se
corresponden con las columnas no bsicas de (A|0).
Mediante el procedimiento de sustitucin hacia atrs, expresamos las variables bsicas en funcin de las variables libres.
Escribimos el resultado de la forma
x = x f 1 h1 + x f 2 h2 + + x f nr hnr ,
donde x f 1 , x f 2 , . . . , x f nr son las variables libres, y h1 , h2 , . . . , hnr
son vectores columna que representan soluciones particulares.
Esta ser la solucin general del sistema homogneo.
Ejemplo 1.9.2.- Calculemos la solucin general del sistema

x1 + 2x2 + 2x3 = 0,
2x1 + 5x2 + 7x3 = 0,
3x1 + 6x2 + 6x3 = 0.
36
Depto. de lgebra
Se tiene que

1 2 2
1 2 2
A = 2 5 7 0 1 3 = E,
3 6 6
0 0 0
de donde rango(A) = 2 < n = 3. Como las columnas bsicas estn en las posiciones uno y dos, x1 y x2 son las variables bsicas, y x3 es libre. Mediante sustitucin hacia atrs en [E |0], nos queda x2 = 3x3 y x1 = 2x2 2x3 = 4x3 , y la
solucin general es
x1
4
x2 = x3 3 , donde x3 es libre.
x3
1
Una ltima pregunta que nos planteamos es cundo la solucin trivial de

un sistema homogneo es la nica solucin. Lo anterior nos muestra la respuesta. Si hay al menos una variable libre, entonces el sistema tendr ms de
una solucin. Por tanto, la solucin trivial ser la nica solucin si y solamente
si no hay variables libres, esto es, n r = 0. Podemos reformular esto diciendo
Sistemas homogneos: solucin nica
Un sistema homogneo de matriz A tiene nicamente la solucin trivial si y solamente si rango(A) = n.
Ejemplo 1.9.3.- El sistema homogneo

x1 + 2x2 + 2x3 = 0,
2x1 + 5x2 + 7x3 = 0,
3x1 + 6x2 + 8x3 = 0,
tiene solamente la solucin trivial porque
1 2 2
1 2 2
A= 2 5 7 0 1 3 =E
3 6 8
0 0 2
prueba que rango(A) = 3 = n. Se ve fcilmente que la aplicacin de la sustitucin hacia atrs desde [E |0] nicamente devuelve la solucin trivial.
37
Depto. de lgebra
1.10. Sistemas no homogneos

Recordemos que un sistema de m ecuaciones y n incgnitas
a11 x1
a21 x1
+
+
a12 x2
a22 x2
+ ... +
+ ... +
..
.
a1n xn
a2n xn
=
=
b1
b2
am1 x1 + am2 x2 + . . . + amn xn = b m ,

es no homogneo cuando b i 6= 0 para algn i . A diferencia de los sistemas homogneos, los no homogneos pueden ser incompatibles y ya hemos visto un
mtodo para detectar cundo no hay solucin. Suponemos que los sistemas de
esta seccin son compatibles y nuestro objetivo es describir el conjunto de todas las posibles soluciones; vamos a construir una solucin general de la misma
forma que hicimos para los homogneos.
Soluciones de un sistema compatible

Sea S un sistema lineal de matriz ampliada (A|b) y sea S h el sistema
lineal homogneo de matriz ampliada (A|0). Si p es una solucin particular de S entonces el conjunto de las soluciones de S es
n
o
p + h | h es una solucin del sistema homogneo S h .
P RUEBA : Supongamos que [A|b] representa el sistema m n compatible,

donde rango(A) = r . La compatibilidad garantiza que b no es una columna
bsica de [A|b], por lo que las columnas bsicas de [A|b] estn en la misma
posicin que las columnas bsicas de [A|0]. Esto significa que el sistema no
homogneo y el sistema homogneo asociado tienen exactamente el mismo
conjunto de variables bsicas as como de libres. Adems, no es difcil ver que
E [A|0] = [E A |0] y E [A|b] = [E A |c],
38
Depto. de lgebra
donde c es una columna de la forma
c=
1
2
..
.
r
..
.
0
..
.
0
Esto significa que si resolvemos la i -sima ecuacin en el sistema homogneo

reducido para la i -sima variable bsica xbi en funcin de las variables libres
x f 1 , x f 2 , . . . , x f nr para dar
xbi = i x f i + i +1 x f i +1 + + nr x f nr ,
entonces la solucin de la i -sima variable bsica en el sistema no homogneo
reducido debe tener la forma
xbi = i + i x f i + i +1 x f i +1 + + nr x f nr .
Esto es, las dos soluciones se diferencian nicamente en la presencia de la
constante i en la ltima. Si organizamos como columnas las expresiones anteriores, podemos decir que si la solucin general del sistema homogneo es de
la forma
x = x f 1 h1 + x f 2 h2 + + x f nr hnr ,
entonces la solucin general del sistema no homogneo tiene la forma similar
x = p0 + x f 1 h1 + x f 2 h2 + + x f nr hnr ,
donde la columna p0 contiene las constantes i junto con ceros.
Por tanto, hemos probado que el conjunto de soluciones del sistema S es
de la forma
nr
X
x = p0 +
i hi .
i =1
Sea entonces p una solucin particular del sistema S . Entonces existen escaP
lares 1 , . . . , nr tales que p = p0 + inr
=1 i hi . Si x es una solucin de S , enlgebra Lineal y Geometra
39
Depto. de lgebra
tonces podemos escribir
x = p0 +
= p
= p+
nr
X
i =1
nr
X
i hi
i hi +
i =1
nr
X
nr
X
i =1
(i i )hi = p + h,
i =1
donde h es solucin del sistema homogneo S h .

Recprocamente, todo vector de la forma x = p + h, donde h es solucin
del sistema homogneo asociado, es solucin del sistema: basta sustituir en las
ecuaciones.

La prueba del teorema nos proporciona un mtodo para resolver un sistema
compatible A x = b.
Solucin general de un sistema compatible
Usamos eliminacin gaussiana para reducir la matriz ampliada
[A|b] a una forma escalonada por filas [E |c].
Identificamos las variables bsicas y las libres.
Aplicamos sustitucin hacia atrs a [E |c] y despejamos las variables bsicas en funcin de las libres.
Escribimos el resultado en la forma
x = p + x f 1 h1 + x f 2 h2 + + x f nr hnr ,
donde
x f 1 , x f 2 , . . . , x f nr son las variables libres, y
p, h1 , h2 , . . . , hnr son vectores columna de orden n,
tales que p es una solucin particular del sistema de matriz [A|b]
y
x f 1 h1 + x f 2 h2 + . . . + x f nr hnr
es la solucin general del sistema homogneo de matriz [A|0].
Esta ser la solucin general del sistema no homogneo.
40
Depto. de lgebra
Como las variables libres x f i recorren todos los posibles valores, la solucin
general genera todas las posibles soluciones del sistema [A|b]. Como en el caso
homogneo, podemos reducir completamente [A|b] a E [A|b] mediante GaussJordan, y evitamos la sustitucin hacia atrs.
Ejemplo 1.10.1.- Consideremos el sistema no homogneo

x1 + 2x2 + 2x3 + 3x4 = 4,
2x1 + 4x2 + x3 + 3x4 = 5,
3x1 + 6x2 + x3 + 4x4 = 7,
en el que la matriz de coeficientes es la misma que la matriz de coeficientes de
(1.9.1). Si [A|b] se reduce por Gauss-Jordan a E [A|b] , tenemos

1 2 2 3 4
1 2 0 1 2
[A|b] 2 4 1 3 5 0 0 1 1 1 = E [A|b] .
3 6 1 4 7
0 0 0 0 0
Nos queda el sistema equivalente

x1 + 2x2 + x4 = 2,
x3 + x4 = 1.
Resolvemos las variables bsicas, x1 y x3 , en funcin de las libres, x2 y x4 y tenemos la expresin
x1 = 2 2x2 x4 ,
x2 = x2 variable libre,
x3 = 1 x4 ,
x4 = x4 variable libre.
La solucin general la obtenemos escribiendo estas ecuaciones en la forma
2
2 x2 x4
2
x1
1
x2
1
0
0
x2
(1.10.1)
= + x2
+ x4
=
.
1
0
x3 1 x4
1
0
x4
0
1
x4
La columna
2
0
1
0
41
Depto. de lgebra
que aparece en (1.10.1) es una solucin particular del sistema no homogneo;
se tiene cuando x2 = 0, x4 = 0.
Adems, la solucin general del sistema homogneo
x1 + 2x2 + 2x3 + 3x4 = 0,
2x1 + 4x2 + x3 + 3x4 = 0,
3x1 + 6x2 + x3 + 4x4 = 0,
es
x1
x2
x3
x4
= x2
2
1
0
0
+ x4
1
0
1
1
(1.10.2)
As, la solucin general del sistema homogneo (1.10.2) es una parte de la solucin general del sistema no homogneo original (1.10.1).
Ejemplo 1.10.2.- Calculemos la solucin general del sistema

x1
2x1
2x1
3x1
+ x2
+ 2x2
+ 2x2
+ 5x2
+
+
+
+
2x3
4x3
4x3
8x3
+
+
+
+
2x4
4x4
4x4
6x4
+ x5
+ 3x5
+ 2x5
+ 5x5
=
=
=
=
1,
1,
2,
3,
y la comparamos con la solucin general del sistema homogneo asociado.

En primer lugar, calculamos la forma escalonada reducida por filas de la
matriz ampliada [A|b].
1 1 2 2 1
1 1 2 2 1 1
1
0 0 0 0 1 1
2 2 4 4 3 1

[A|b] =
0
0 0 0 0 0
2 2 4 4 2 2
0
3 5 8 6 5 3
0 2 2 0 2
1 1 2 2 1
1 1 2 2 1
1
1
0
0
0 2 2 0 2
0 1 1 0 1

0 0 0 0 1 1
0 0 0 0 1 1
0
0
0 0 0 0 0
0 0 0 0 0
1
1
1 0 1 2 0
1 0 1 2 0
0
1
0 1 1 0 1
0 1 1 0 0

= E [A|b] .
0 0 0 0 1 1
0 0 0 0 1 1
0
0
0 0 0 0 0
0 0 0 0 0
42
Depto. de lgebra
El sistema es compatible, pues la ltima columna es no bsica. Resolvemos el
sistema reducido para las variables bsicas x1 , x2 , x5 en funcin de las variables
libres x3 , x4 para obtener
x1
x2
x3
x4
x5
= 1
x3
2x4 ,
= 1
x3 ,
=
x3 (variable libre),
=
x4 (variable libre) ,
= 1.
La solucin general del sistema no homogneo es
2
1
1 x3 2x4
1
x1
x
1
1
0
1 x3
x3
x = x3 =
= 0 + x3 1 + x4 0 .
x4
1
0
0
x4
0
1
1
x5
0
La solucin general del sistema homogneo asociado es
1
2
x1
x3 2x4
1
0
x
x3
x3
x = x3 =
= x3 1 + x4 0 .
x4
0
1
x4
x5
0
0
0
Ahora nos hacemos una pregunta anloga al caso homogneo: cundo un

sistema compatible tiene solucin nica?. Sabemos que la solucin general de
un sistema no homogneo compatible de orden m n, con rango r , es de la
forma
x = p + x f 1 h1 + x f 2 h2 + + x f nr hnr ,
donde
x f 1 h1 + x f 2 h2 + + x f nr hnr
es la solucin general del sistema homogneo asociado. Por tanto,
Sistemas no homogneos: solucin nica
Un sistema compatible de matriz ampliada [A|b] tendr una nica solucin si y solamente si no hay variables libres, esto es, si y solamente
si rango(A) = n. Esto es lo mismo que decir que el sistema homogneo
asociado [A|0] tiene nicamente la solucin trivial.
43
Depto. de lgebra
Ejemplo 1.10.3.- Consideremos el siguiente sistema no homogneo:

2x1 + 4x2 + 6x3
x1 + 2x2 + 3x3
x1
+ x3
2x1 + 4x2
=
2,
=
1,
= 3,
=
8.
La forma escalonada reducida por filas de [A|b] es

1 0 0 2
2 4 6
2

1 0 1 0
3
1 2 3
[A|b] =
= E [A|b] .
1 0 1 3 0 0 1 1
8
0
2 4 0
0 0 0
El sistema es compatible porque la ltima columna no es bsica, o bien porque rango(A) = 3 = nmero de incgnitas (no hay variables libres). El sistema
homogneo asociado tiene nicamente la solucin trivial, y la solucin del sistema original es
2
p = 3 .
1
Como resumen de todo la anterior, hemos probado el siguiente teorema:

Teorema de Rouch-Frobenius
Dado un sistema lineal con m ecuaciones y n incgnitas y matriz ampliada [A|b], se tiene:
El sistema es incompatible si y solamente si rango(A) <
rango([A|b]).
El sistema es compatible determinado si y solamente si
rango(A) = rango([A|b]) = n.
El sistema es compatible indeterminado si y solamente si
rango(A) = rango([A|b]) < n.
44

Sistemas de Ecuaciones Lineales 1

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Sistemas de Ecuaciones Lineales 1

Caricato da

Copyright:

Formati disponibili

Captulo 1

Sistemas de ecuaciones lineales

Figura 1.1: Numerales chinos con caas de bamb

Figura 1.2: C.F. Gauss (1777-1855)

1.2. Equivalencia de sistemas

lgebra Lineal y Geometra

Una solucin de la ecuacin lineal anterior es una serie de nmeros 1, 2 , . . . , n

Ejemplo 1.2.1.- La expresin 3x1 +2x2 = 1 es una ecuacin lineal y x1 = 1, x2 =

lgebra Lineal y Geometra

Sistema lineal de ecuaciones

am1 x1 + am2 x2 + . . . + amn xn = b m ,

Una solucin del sistema lineal anterior es una serie de nmeros 1, 2 , . . . , n

Ejemplo 1.2.2.- Consideremos el sistema lineal planteado por el problema

lgebra Lineal y Geometra

Ejemplo 1.2.3.- Consideremos ahora el sistema lineal

Despejando en la segunda ecuacin, x = 1 y, y sustituyendo en las otras obtenemos

lgebra Lineal y Geometra

Ejemplo 1.2.4.- Vamos a calcular soluciones del sistema

lgebra Lineal y Geometra

Compatibilidad de sistemas lineales

Sistema de ecuaciones equivalentes

Ejemplo 1.2.5.1. Sistemas equivalentes con distinto nmero de ecuaciones.

1.3. Eliminacin gaussiana

lgebra Lineal y Geometra

se puede resolver fcilmente. La ltima ecuacin nos permite despejar x2 = 3/2

lgebra Lineal y Geometra

3. Reemplazo de la j -sima ecuacin por la

Ejemplo 1.3.2.- Sea el sistema

suma de ella misma con un

El intercambio de las ecuaciones (2) y (4) produce el sistema

lgebra Lineal y Geometra

Ejemplo 1.3.4.- Sea el sistema

La sustitucin de la cuarta ecuacin por el doble de ella misma produce el sistema

2x1 x2 2x3 + 3x4 x5 = 1

2x1 + 2x2 2x3 + 2x4 2x5 = 4

La sustitucin de la tercera ecuacin por el triple de la cuarta produce el sistema

2x1 x2 2x3 + 3x4 x5 = 1

4x2 2x3 + 4x4 2x5 = 0

Sistemas equivalentes por transformaciones elementales

lgebra Lineal y Geometra

entonces, como las soluciones de la ecuacin E i tambin lo son de la ecuacin

entonces se comprueba que cualquier solucin de E i y de E j lo es de E i y de

El problema ms comn en la prctica es la resolucin de un sistema con

Ejemplo 1.3.5.- Consideremos el sistema

Paso 2. Selecciona un nuevo pivote.

Paso 3. Elimina todos los trminos por debajo del pivote.

lgebra Lineal y Geometra

1.4. Notacin sobre matrices

a11 x1 + a12 x2 + . . . + a1n xn = b 1

a21 x1 + a22 x2 + . . . + a2n xn = b 2

am1 x1 + am2 x2 + . . . + amn xn = b m

a11 a12 . . . a1n

Si aumentamos la matriz de coeficientes a la derecha con los trminos

Ejemplo 1.4.1.- En el sistema anterior, la matriz de coeficientes del sistema es

lgebra Lineal y Geometra

Con respecto a la notacin, usaremos letras maysculas para las matrices

a11 a12 . . . a1n

El primer subndice de un elemento de la matriz indica la fila, y el segundo

que es un vector formado por las operaciones anteriores.

1.5. Operaciones elementales sobre filas

lgebra Lineal y Geometra

Operaciones elementales por fila

Dos matrices M y M se dicen equivalentes por filas si puede transformarse