tema

16 MATEMÁTICAS

Discusión y resolución de sistemas de

ecuaciones lineales.
Teorema de Rouché.
Regla de Cramer.
Método de Gauss-Jordan.
24-13808-13

Temario 1993
 tema 16

matemáticas

1. Discusión y resolución de sistemas de ecuaciones lineales

1.1. Definiciones generales
1.1.1. Ecuación lineal de n incógnitas
1.1.2. Sistemas de ecuaciones lineales

1.2. Sistemas equivalentes

1.3. Rango o característica de una matriz

1.3.1. Definiciones
1.3.2. Teorema
1.3.3. Regla práctica para el cálculo del rango

2. Teorema de Rouché-Frobenius

3. Regla de Cramer
3.1. Definición

3.2. Teorema (Regla de Cramer)

4. Método de Gauss

5. Método de Gauss-Jordan
5.1. Método de Gauss-Jordan para la resolución de ecuaciones lineales

5.2. Eliminación de parámetros

3
 tema 16

matemáticas

INTRODUCCIÓN

Desde los comienzos de la historia no es difícil encontrar la necesidad de resolver ecuacio-

nes para encontrar la respuesta a alguna cuestión. Encontramos ejemplos de resolución de
sistemas en las antiguas tablillas babilónicas, en las que hay sistemas resueltos mediante
un método similar al que hoy conocemos como el método de reducción. También tenemos
ejemplos de métodos geométricos utilizados por los griegos de la antigüedad para la reso-
lución de sistemas o un método, en un libro chino que data del siglo III a.C. que equivale
al método matricial hoy conocido por la regla de Cramer. Pero al igual que ocurrió en todas
las ramas de las Matemáticas fue esencial la evolución del lenguaje algebraico para el de-
sarrollo de los estudios sobre ecuaciones y sistemas de ecuaciones.
Las ecuaciones nos permiten plantear y resolver sistemáticamente numerosos problemas
que, por procedimientos meramente aritméticos, resultarían muy laboriosos. La traducción
de un problema dado en un sistema de ecuaciones, podrá ser más o menos difícil, en fun-
ción de las características y complejidad del planteamiento del problema.
Sin embargo, una vez trasladado el problema a un sistema de ecuaciones, la resolución del
mismo se reduce a la resolución del sistema de ecuaciones.
Existen diversos métodos o procedimientos que nos permiten resolver de manera sistemá-
tica un sistema de ecuaciones. La aplicación de uno u otro depende básicamente de la com-
plejidad del sistema en cuanto al número de ecuaciones y de incógnitas. Así, para resolver
sistemas de dos o tres ecuaciones lineales con dos o tres incógnitas, respectivamente, se
utilizarán los métodos clásicos: sustitución, igualación y reducción. Sin embargo, estos
métodos son poco adecuados a medida que aumenta el número de ecuaciones y de incóg-
nitas.
A partir del siglo XVII se encuentran estudios sobre la resolución y discusión de sistemas
de ecuaciones lineales, que irán ligados a conceptos relacionados con las matrices. En este
tema se revisan los principales métodos para resolver sistemas de ecuaciones lineales:
„„ El teorema de Rouché-Fröbenius, que establece las condiciones suficientes y necesa-
rias para que un sistema de ecuaciones tenga solución única, soluciones infinitas o no
tenga solución.
„„ La regla de Cramer, que facilita la obtención de la solución única de un sistema de
ecuaciones.
„„ El método de Gauss, que nos permite transformar el sistema de ecuaciones dado en otro
equivalente cuyo método de resolución es más sencillo.
„„ El método de Gauss-Jordan, una variante del método de Gauss.

5
tema 16

matemáticas

Aunque estos métodos y teoremas son conocidos por todos con los nombres arriba escritos,
al revisar la historia de las Matemáticas en general y del Álgebra en particular, nos damos
cuenta que todos ellos fueron trabajados anteriormente por otros matemáticos. Así, por
ejemplo, el teorema conocido con el nombre de Rouché-Fröbenius fue enunciado de forma
completa por Frobenius pero después de haberlo planteado un profesor suyo llamado Kro-
necker (no se sabe con certeza como entró Rouche en juego). En cuanto al método de Gauss
hay que decir que ya se había publicado anteriormente en el libro matemático chino que he-
mos mencionado en el primer párrafo y Cramer no fue el primero en formular la regla que
lleva su nombre ya que MacLaurin, entre otros matemáticos, había dado una técnica para
la resolución de sistemas antes que él; Cramer estudió también la resolución de sistemas y
su notación ayudó a aclarar el trabajo iniciado por MacLaurin, lo que provocó que la regla
se popularizara con su nombre.

6
 tema 16

matemáticas

1 Discusión y resolución de sistemas de ecuaciones

lineales

1.1. Definiciones generales

1.1.1. Ecuación lineal de n incógnitas

Como conceptos intuitivos se define expresión algebraica como un conjunto de

letras o de números y letras ligados por los signos de las operaciones algebraicas.
Asimismo, una ecuación es una igualdad de dos expresiones algebraicas.
De manera formal, una expresión de la forma:
a1x1 + a2 x2 + a3 x3 + ... + an xn = b
donde x1, x2, x3, ..., xn representan variables, y a1, a2, a3, ..., an, b son números da-
dos (elementos de un cuerpo conmutativo K, en general K = ), constituye una
ecuación algebraica de primer grado en x1, x2, x3, ..., xn, o diremos simplemente
una ecuación lineal con n incógnitas. Se denomina miembro de la ecuación a cada
una de las expresiones que se encuentran a ambos lados del signo igual. En cada
miembro, se denominarán términos las expresiones que están separadas por los
signos +, –, si no están dentro de paréntesis.
Las variables x1, x2, x3, ..., xn se denominan incógnitas, a los números a1, a2, a3, ..., an
se les denomina coeficientes y b recibe el nombre de término independiente.
Se dice que (p1, p2, p3, ..., pn)∈ Kn es solución de la ecuación lineal:
e ≡ a1x1 + a2 x2 + a3 x3 + ... + an xn = b
si a1p1 + a2 p2 + a3 p3 + ... + an pn = b. Al conjunto de soluciones de e lo denotare-
mos por Sol(e).
Cuando b = 0 la ecuación recibe el nombre de ecuación homogénea. En otro caso,
se dice que la ecuación es no homogénea o heterogénea.
Proposición
Dada una ecuación lineal e ≡ a1x1 + a2 x2 + a3 x3 + ... + an xn = b con n incógnitas,
son equivalentes:
a) e es homogénea
b) Sol(e) es un subespacio vectorial de Kn
c) (0,..,0)∈ Sol(e)

1.1.2. Sistemas de ecuaciones lineales

Se denomina sistema de m ecuaciones con n incógnitas y coeficientes en K a un

conjunto de m ecuaciones lineales con las mismas n incógnitas y coeficientes en
el citado cuerpo K.

7
tema 16

matemáticas

Dicho sistema lo representaremos de la manera siguiente:

a11x1 + a12x2 + ... + a1xn = b1
a21x1 + a22x2 + ... + a2nxn = b2
a31x1 + a32x2 + ... + a3nxn = b3
...............................................
...............................................
am1x1 + am2x2 + ... + amnxn = bm
donde aij denota el coeficiente de la incógnita xj en la i-ésima ecuación, con aij ∈ K,
b ∈ K. La notación abreviada del anterior sistema será:
a1x1 + a2x2 + ... + anxn = b
Una manera muy frecuente de representar y trabajar con los sistemas de ecuacio-
nes lineales es a partir de su representación matricial. Para obtener la representa-
ción matricial de un sistema de m ecuaciones lineales con n incógnitas, sean los
vectores:

 a11 
 
 a21 
a1 =  a31 
 
  
a 
 m1 

formado a partir de los coeficientes de x1 en las m ecuaciones:

 a12 
 
 a22 
a2 =  a32 
 
  
a 
 m2 

formado a partir de los coeficientes de x2 en las m ecuaciones:

 a1n 
 
 a2 n 
a n =  a3 n 
 
  
a 
 mn 

8
 tema 16

matemáticas

formado a partir de los coeficientes de xn en las m ecuaciones:

 b1 
 
 b2 
b =  b3 
 
 
b 
 m

formado a partir de los distintos términos independientes de las m ecuaciones.

La notación matricial será:
Ax=b
siendo A = (aij) = (al, a2, ..., an) ∈ K(m,n)

 x1 
 
y el vector columna x =  x2  ∈ K n
 
 
 xn 

A será denominada matriz de coeficientes y la matriz que se obtiene añadiendo

el vector b, es decir (a1, a2, ..., an, b) es la matriz ampliada del sistema de ecua-
ciones.
Ejemplo:
Sea el sistema de 3 ecuaciones con 2 incógnitas siguiente:
x1 + 2x2 = 5
  1 + 2x2 = 2
x1 + 3x2 = 7
su representación matricial será la siguiente:
Ax = b, donde

1 2 
 
A =  0 1  ∈ K ( 3, 2 )
1 3 
 

5
 
b =  2 ∈ K 3
7
 

9
tema 16

matemáticas

Resolver un sistema de ecuaciones lineales es encontrar una n-upla

(x10, x20, ..., xn0) ∈ Kn
que verifique las ecuaciones, es decir, tal que:
a11x10 + a12x20 + ... + a1nxn0 = b1
a21x10 + a22x20 + ... + a2nxn0 = b2
a31x10 + a32x20 + ... + a3nxn0 = b3
...............................................
...............................................
am1x10 + am2x20 + ... + amnxn0 = bm
A dicha n-upla se la denomina solución o raíz del sistema de ecuaciones linea-
les. Si denotamos por S = {e1, e2, e3,…, em } el anterior sistema de m ecuaciones,
podemos decir que solución de S es cualquier elemento del conjunto
Sol(S) = Sol(e1) ∩ Sol(e2) ∩ Sol(e3) ∩ ... ∩ Sol(em)
Asimismo, por resolver un sistema nos referiremos a hallar todas sus soluciones.
Un sistema que carece de soluciones se le denomina sistema incompatible, en
caso contrario, esto es, si admite alguna solución, se dice que es compatible.
Un sistema compatible puede tener una única solución, denominándose sistema
compatible determinado, o infinitas soluciones, siendo por ello un sistema com-
patible indeterminado.
Se designa frecuentemente al conjunto de soluciones de un sistema de ecuacio-
nes lineales como la solución o solución general del sistema. Si se habla de un
elemento dentro de este conjunto solución, entonces se habla de una solución
particular del sistema.
Si toda solución de un sistema de ecuaciones satisface a otra ecuación, se dice que
esta última es consecuencia de las que constituyen el sistema. Se verifica que:
«Si una ecuación es combinación lineal de varias, es decir, si resulta al sumarlas
miembro a miembro después de haberlas multiplicado por números cualesquiera,
es consecuencia de ellas».
Sea un sistema de ecuaciones lineales Ax = b (según notación matricial abrevia-
da), se dice que dicho sistema es homogéneo si se verifica que b = 0. En caso
contrario (b ≠ 0) se dice que el sistema es no homogéneo.
Propiedades
a) Si ( y1, y2, ..., yn ) es una solución para un sistema homogéneo, entonces
(ky1, ky2, ..., kyn) también lo es para todo k.
b) Si ( y1, y2, ..., yn) y (y’1, y’2, ..., y’n ) son soluciones de un sistema homogéneo,
también lo es (ky1 + ky’1, ..., kyn + ky’n ).
c) El vector (0, 0, ..., 0) es solución de todo sistema lineal homogéneo.

10
 tema 16

matemáticas

Proposición
Dado un sistema S de ecuaciones lineales con n incógnitas, son equivalentes:
a) S es homogéneo
b) Sol(S) es un subespacio vectorial de Kn
c) (0,..,0)∈ Sol(S)

1.2. Sistemas equivalentes

Dos sistemas de ecuaciones lineales con el mismo número de incógnitas

(n), x1, x2, ..., xn, se dice que son equivalentes si tienen las mismas soluciones,
es decir, si toda solución del primer sistema es solución del segundo, y viceversa
(toda solución del segundo sistema lo es del primero).
De esta forma, sean los sistemas de ecuaciones lineales siguientes:
al1xl + a12x2 + ... + alnxn = b1
a2lx1 + a22x2 + ... + a2nxn = b2
.................................................... (1)
....................................................
am1x1 + am2x2 + ... + amnxn = bm
c11x1 + c12x2 + ... + x1nxn = d1
c21x1 + c22x2 + ... + c2nxn = d2
.................................................... (2)
...................................................
cmlxl + cm2x2 + ... + cmnxn = dm
se dice que los sistemas (1) y (2) son equivalentes si se verifica que: (x10, x20, ..., xn0 )
es solución de (1) si y sólo si es solución de (2).
Evidentemente los sistemas equivalentes han de tener el mismo número de in-
cógnitas, aunque no es necesario que tales sistemas tengan el mismo número de
ecuaciones.
Sea un sistema dado de ecuaciones lineales, podrá ser transformado en otro equi-
valente a él. El siguiente teorema muestra varios métodos de construcción de sis-
temas equivalentes.

11
tema 16

matemáticas

XX Teorema

Dado un sistema de ecuaciones lineales se tiene:

a) Si multiplicamos una ecuación por un número real distinto de cero, se obtiene
otro sistema equivalente al dado.
b) Si sustituimos una ecuación por una combinación lineal formada por dicha
ecuación sin anular y un número arbitrario de las restantes ecuaciones del sis-
tema, entonces obtenemos otro sistema equivalente al dado.
c) Si una ecuación es combinación lineal de otras ecuaciones del sistema, en-
tonces el sistema que obtenemos al suprimir dicha ecuación es equivalente al
dado.
Demostración:
Sea el sistema de ecuaciones lineales:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + amnxn = b2
.................................................. (1)
..................................................
am1x1 + am2x2 + ... + amnxn = bm
a) Multiplicamos la ecuación i-ésima por el número k, tal que k ≠ 0. El nuevo
sistema será:
a11x1 + a12x2 + ... + amnxn = b1
..........................................................
k · ai1x1 + k · ai2x2 + ... + k · ainxn = k · bi (2)
..........................................................
am1x1 + am2x2 + ... + amnxn = bm
Veamos que los sistemas (1) y (2) son equivalentes, es decir, que si
( y1, y2, ..., yn) es una solución del sistema (1) es solución del (2), y viceversa..
Como ambos sistemas tienen todas las ecuaciones iguales excepto la i-ésima,
bastará con verificar dicha ecuación.
Si (y1, y2, ..., yn) es una solución del sistema (1), entonces:
ai1 y1 + ai2 y2 + ... + ainyn = bi ⇒ k · (ai1 y1 + ai2 y2 + ... + ainyn) = k · bi ⇒
⇒ ( y1, y2, ..., yn) es solución de (2).
Análogamente se prueba que toda solución del segundo sistema lo es del pri-
mero.

12
 tema 16

matemáticas

b) Sustituimos la ecuación i-ésima del sistema (1) por una combinación lineal
formada por dicha ecuación i-ésima (con ki ≠ 0), y un número arbitrario de las
restantes ecuaciones del sistema (1), en nuestro caso desde la ecuación p-ésima
hasta la q-ésima. Tras este cambio el sistema resultante es el siguiente:
a11x1 + a12x2 + ... + a1nxn = b1
.......................................................
ki (ai1x1 + ai2x2 + ... + ainxn) + kp (ap1x1 + ... + apnxn) + ... +
+ kq (aq1x1 + aq2x2+ ... + aqnxn) = kibi + kpbp + ... + kqbq
....................................................... (3)
am1x1 + am2x2 + ... + amnxn = bm
Como los sistemas (1) y (3) tienen todas las ecuaciones iguales excepto
la i-ésima, quedaría sólo verificar dicha ecuación.
Si ( y1, y2, ..., yn ) es una solución del sistema (1) ⇒ ( y1, y2, ... yn ) es solución de
las m ecuaciones del sistema (1) ⇒ ( y1, y2, ..., yn ) es solución en particular, de
las ecuaciones i-ésima, p-ésima, ..., q-ésima que constituyen la combinación
lineal ⇒
ki (ai1 y1 + ai2 y2 + ... + ain yn) = ki · bi
kp (apl y1 + ap2 y2 + ... + apn yn) = kp · bp
..................................................................
kq (aq1 y1 + aq2 y2 + ... + aqnyn) = kq · bq
Por tanto, ( y1, y2, ..., yn ) es solución del sistema (3).
Recíprocamente, se tendría que si (y1, y2, ..., yn) es una solución cualquiera
del sistema (3) ⇒ ( y1, y2, ..., yn ) es solución de las m ecuaciones del sistema
(1) ⇒ ( y1, y2, ..., yn ) es solución, en particular, de las ecuaciones
i-ésima, p-ésima, ..., q-ésima ⇒
ki (ai1 y1 + ai2 y2 + ... + ain yn) + kp (ap1y1 + ap2 y2 +
+ ... + apn yn) + ... + kq (aq1 y1 + aq2 y2 + ... + aqnyn) = kibi + kpbp + kqbp
kp (ap1 y1 + ap2 y2 + ... + apnyn) = kp · bp
...................................................................
kq (aq1 y1 + aq2y2 + ... + aqnyn) = kq · bq

⇒ ki (ai1 y1 + ai2 y2 + ... + ain yn) = ki · bi ⇒ ai1 y1 + ai2y2 + ... + ainyn = bi ⇒

⇒ (y1, y2, ..., yn ) es solución del sistema (1).

13
tema 16

matemáticas

c)  Dado el sistema (1), supongamos que la ecuación i-ésima es combinación li-
neal de las r primeras ecuaciones con i > r y sea (4) el sistema que obtenemos
al suprimir la ecuación i-ésima que sería:
k1 (a11x1 + ... + a1nxn) + ... + kr (ar1x1 + ... + arnxn) = k1b1 + k2b2 + ... + krbr
el sistema (4) es:
a11x1 + a12x2 + ... + a1nxn = b1
................................................
ar1x1 + ar2x2 + ... + arnxn = br
a(i–1)1x1 + .......... + a(i–1)nxn = bi–1 (4)
a(i+1)1x1 + .......... + a(i+1)nxn = bi+1
................................................
am1x1 + am2x2 + ... + amnxn = bm
En este caso, si ( y1, y2, ..., yn ) es una solución cualquiera del sistema (1)
( y1, y2, ..., yn ) es solución del sistema (4), ya que éste es el elemento (1) menos
la ecuación i-ésima.
Recíprocamente, si ( y1, y2, ..., yn ) es una solución cualquiera del sistema
(4) ⇒ ( y1, y2, ..., yn ) es solución de todas las ecuaciones del sistema (1) excepto
a lo sumo de la i-ésima que es la que no tienen en común. Sin embargo, vamos
a probar que también es solución de dicha ecuación i-ésima, es decir, que se
verifica que ai1y1 + + ai2y2 + ... + ain yn = bi .
Dado que la ecuación i-ésima es combinación lineal de las r primeras ecuacio-
nes con i > r, se tiene:
ai1y1 + ai2x2 + ... + ain xn = ki (a11x1 + a12x2 + ... + a1nxn) + ... +
+ kr (ar1x1 + ar2x2 + ... + arn xn) = k1b1 + ... + krbe = bi
y como ( y1, y2, ..., yn ) es solución del sistema (4) se tiene,
a11 y1 + a12 y2 + ... + a1n yn = bi
..............................................   ⇒
ar1y1 + ar2 y2 + ... + arnyn = br
ai1 y1 + ai2y2 + ... + ain yn = k1b1 + k2b2 + ... + krbr = bi
Ejemplos:
Los siguientes sistemas de ecuaciones son equivalentes:

3 x1 − 2 x2 = 1
3 x1 − 2 x2 = 1 
 4 x1 + x2 = 3
4 x1 + x2 = 3 
    4 (3 x1 − 2 x2 ) + 5 (4 x1 + x2 ) = 4 + 15

14
 tema 16

matemáticas

Como consecuencia del anterior teorema se enuncian las siguientes conclusiones:

XX Teorema fundamental de la equivalencia

Si se sustituye la i-ésima ecuación Li = bi de un sistema por la que resulta al su-

marla miembro a miembro, después de multiplicarla por un número arbitrario
αi ≠ 0 con otras Lr = br , ..., del mismo sistema que también fueron multiplicadas
previamente por números αr, ..., cualesquiera, el nuevo sistema es equivalente al
primero.
Corolario:
Para resolver un sistema de ecuaciones lineales basta resolver un sistema equiva-
lente, en el que ninguna ecuación sea combinación lineal de las restantes.

1.3. Rango o característica de una matriz

Antes de revisar los principales métodos para resolver sistemas de ecuaciones

lineales con m ecuaciones y n incógnitas, vamos a desarrollar una serie de defini-
ciones y conceptos previos.

1.3.1. Definiciones

Sea A una matriz de orden m×n, cualquier matriz que se obtenga de ella supri-
miendo ciertas filas y ciertas columnas se llama submatriz de la matriz dada.
Se denomina menor de orden h de la matriz A al determinante de la submatriz
formada por los elementos de A situados en la intersección de las filas il, i2, ..., ih
con las columnas j1, j2, ..., jh.
Todo menor no nulo de rango h de una matriz A se denomina menor principal
de orden h.
Ejemplo:
Sea la matriz A de orden 4 × 4:

 3 −1 2 4 
 
 5 6 −2 3 
A=
 −7 4 8 1 
 
 2 5 2 −3 

y consideramos la submatriz cuadrada de orden 2 × 2 de A

 3 −1
 
5 6 

El determinante de dicha submatriz es un menor de orden 2. Además dicho menor

es un menor principal.

15
tema 16

matemáticas

Se dice que la matriz A tiene rango o característica h, y se denota rg(A), cuando

en ella existe, por lo menos, un menor de orden h distinto de cero, siendo nulos
todos los menores posibles de orden superior a h.
Sea rg(A) = r, se denomina defecto de A a n–r.
Ejemplo:
En la matriz A siguiente:

 1 2 −1 −2 
 
A =  3 0 1 −4 
 1 −1 1 −1 
 

se verifica que todos los menores de orden 3 son cero, a saber,

1 2 −1 1 2 −2
3 0 1 =0 3 0 −4 = 0
1 −1 1 1 −1 −1

1 −1 −2 2 −1 −2
3 1 −4 = 0 0 1 −4 = 0
1 1 −1 −1 1 −1

Sin embargo existe al menos un menor de orden 2 que es distinto de cero,

1 2
= 0 − 6 = −6 ≠ 0
3 0

Por existir al menos un menor de orden 2 distinto de cero y ser cero todos los me-
nores de orden 3, se dice que el rango o característica de la matriz A es 2.
Consecuencias de la definición de rango:
1. Si en una matriz A se intercambian entre sí dos filas (o columnas), i, j, se obtie-
ne otra matriz A1 de igual rango que la primera.
2. Si una fila (o columna) de la matriz A está formada por ceros, el rango de A
es igual al de la matriz A1, que se obtiene a partir de A suprimiendo esa fila
(o columna).
3. El rango de la matriz nula es 0, y es la única cuyo rango es 0.
4. Para toda matriz de orden m×n se tiene:
0 < rg(A) ≤ min(m,n)
5. Sea la matriz A y su traspuesta A’, se tiene:
rg(A) = rg(A’)

16
 tema 16

matemáticas

6. Para toda matriz de orden n, se tiene que:

det A ≠ 0 ⇔ rg(A) = n
Dadas 1 líneas de A (1 ≤ I ≤ m), si ninguna de ellas se puede expresar mediante
una combinación lineal de las otras m–I, se dice que esas I líneas son linealmente
independientes.
Supongamos ahora que A es la matriz:

 a11.................a1n 
 
 a21................a2 n 
A =  .......................... 
 
 ......................... 
 a ................a 
 m1 mn 

1.3.2. Teorema

«La característica de una matriz coincide con el número de sus filas o columnas
linealmente independientes».
Demostración:
Para probar el teorema vamos a ver que si la característica de A (matriz dada
anteriormente) es h y α representa un menor principal de orden h de la misma,
cada una de las filas de A que no figuran en α es una combinación lineal de las
h filas que constituyen dicho menor, las cuales son linealmente independientes.
En efecto, supongamos para simplificar la notación que un menor principal está
constituido por los elementos comunes a las h primeras filas y columnas de A. En-
tonces —para un valor cualquiera I comprendido entre h + 1 y m, ambos inclusive,
y todos los valores j = 1, ..., n se tiene:

a11..............a1h a1 j
............................
............................. = 0
ah1..............ahh ahj
a11..............a Ih aij
(5)
pues para j = 1, ..., h, este determinante tiene dos columnas iguales, y para j = h +
1, ..., n, es un menor de la matriz A cuyo orden es mayor que la característica h.
Desarrollado (5) por los elementos de la última columna, tendremos:
a1j α1 + ... + ahj αh + aIj α = 0
donde α1, ..., αh denotan, respectivamente, los adjuntos de los h primeros elemen-
tos de dicha columna.

17
tema 16

matemáticas

Como α ≠ 0, se sigue que para todos los valores j = 1, ..., n se verifica:

α1 α
a Ij = −a1 j −  − ahj h
α α

es decir, cada elemento de la fila I-resulta de sumar sus correspondientes de las filas
α −α
1.ª, ..., ha, previamente multiplicados por los números
1
, , h
. Por tanto
esa fila I es una combinación lineal de las h primeras.
α α

Que ninguna de las h primeras filas de la matriz A se puede expresar mediante una
combinación lineal de las otras h – 1 es inmediato, pues en tal caso una de las filas
del menor α sería combinación lineal de las restantes y, en consecuencia (recordar
propiedades de los determinantes), α = 0 en contra de lo que hemos supuesto.
Análogamente se demuestra el resultado para columnas, con lo que queda demos-
trado el teorema.

1.3.3. Regla práctica para el cálculo del rango

Supongamos que se quiere calcular el rango de una matriz A de orden m×n, y

supongamos que se ha encontrado un menor de orden h no nulo. Para determinar
si el rango de A es h se han de estudiar todos los menores de A de orden p con
h ≤ p ≤ min(m,n). Sin embargo, esto no será necesario, pues si se anulan todos los
menores de orden p fijo de A, se anulan todos los menores de orden q con q > p.
Es decir, bastará comprobar que son nulos todos los menores posibles de orden
h + 1, pues entonces, al desarrollar cualquier menor de orden h + 2 por elemen-
tos de una fila, nos encontraremos con que los adjuntos de esos elementos son
todos nulos por ser menores de orden h + 1, con lo cual el desarrollo es nulo,
análogamente se verá que son nulos todos los menores de orden h + 3, luego los
de h + 4, etc.
Ejemplo:
Sea la matriz A siguiente:

2 0 0 0
 
0 0 0 0
0 0 3 0
 
0 0 0 0

obtenemos un menor de orden 2:

2 0
≠0 (h = 2)
0 3

18
 tema 16

matemáticas

veamos si es este el rango de la matriz A. Sean los menores de orden 3, (h + 1 = 3):

2 0 0 2 0 0
0 0 0 =0 0 0 3 =0
0 0 3 0 0 0

2 0 0 2 0 0
0 0 0 =0 0 3 0 =0
0 3 0 0 0 0

El resto de los menores de orden 3, evidentemente, son nulos, por ejemplo:

0 0 0 0 0 0
0 0 0 =0 0 3 0 =0
0 3 0 0 0 0

2 0 0 2 0 0 0 0 0 2 0 0
0 0 0 =0 0 0 0 =0 0 0 0 =0 0 0 0 = 0, etc.
0 0 0 0 0 0 0 0 0 0 0 0

Los menores de orden 4, (h + 2 = 4), serán igualmente nulos, vamos a probarlo:

2 0 0 0
0 0 0 0
=0
0 0 3 0
0 0 0 0

Por tanto, el rango de la matriz A es 2, y no habría hecho falta calcular los menores
de orden 4, pues éstos dan cero por ser nulos los de orden 3.
En general, aun con esta observación, la obtención de la característica resultaría
muy laboriosa. Es por ello que se ha de contar con herramientas auxiliares como la
dada en el teorema del capítulo anterior, según el cual, para hallar la característica
de una matriz bastará seleccionar las filas (o columnas) independientes, lo que se
puede hacer prescindiendo de todas las que son combinación lineal.
Esto justifica la siguiente regla para el cálculo de la característica:
«Sea α un menor no nulo de orden h. Si orlando dicho menor con una determinada
fila y cada una de las columnas que no figuran en α, todos los determinantes que
se obtienen son nulos, entonces la fila considerada es combinación lineal de las h
filas que aparecen en α y, por tanto, puede prescindirse de ella. Procediendo análo-
gamente con las demás filas, si resultan nulos todos los determinantes que hemos
de considerar, la matriz dada sólo tiene independiente las h filas que aparecen en
el menor α, luego su rango será h. Si, por el contrario, algunos de estos determi-

19
tema 16

matemáticas

nantes de orden h + 1 fuese distinto de cero, procederíamos con él como hemos

hecho con α, y así sucesivamente las veces necesarias».
Frecuentemente, un simple tanteo muestra algunas líneas combinacionales linea-
les de otras, de las cuales se prescinde sin más.
Otra manera que puede permitir simplificar notablemente el cálculo del rango de
una matriz es mediante las denominadas transformaciones.
A continuación se detallan las transformaciones elementales de una matriz A
de orden m × n:
„„ Permutación de dos filas (o columnas).
„„ Multiplicación de una fila (o columna) por un número.
„„ Suma de una fila (o columna) multiplicada por un número a otra fila
(o columna).
Dos matrices A y B son equivalentes si una se puede obtener a partir de la otra
mediante transformaciones elementales.

XX Teorema

Matrices equivalentes tienen igual rango.

De esta manera, para calcular el rango de una matriz A, se puede transformar ésta
en otra B equivalente (a partir de transformaciones elementales) de forma que la
obtención del rango de B sea más sencillo que el de A.

20
 tema 16

matemáticas

2 Teorema de Rouché-Frobenius
Consideremos el sistema más general posible de m ecuaciones lineales con
n incógnitas:

a11 x1 + a12 x2 +  a1n xn = b1

a x + a x +  a x = b
 21 1 22 2 2n n 2

............................................ (6)
............................................

am1 x1 + am 2 x2 +  amn xn = bm

y consideremos la matriz M de los coeficientes o matriz del sistema y la matriz
orlada o ampliada M’, esto es M’ es la matriz que se obtiene añadiendo a M la
columna formada por los términos independientes,

 a11..................a1n 
 
 a21..................a2 n 
M =  ............................ 
 
 ........................... 
 a ..................a 
 m1 mn 
 a11..............a1n b1 
 
 a21..............a2 n b2 
M ′ =  ............................ 
 
 ............................ 
 a ..............a b 
 m1 mn m

( m × n) m × (n + 1)

XX Teorema de Rouché-Frobenius

La condición necesaria y suficiente para que un sistema de ecuaciones lineales

tenga solución es que la matriz de los coeficientes y la matriz ampliada sean de
igual rango.
Demostración:
Supongamos que el sistema (6) admite solución, esto es, que existen un conjunto
de valores ξ1, ..., ξn tales que multiplicando por ellos las columnas 1, 2, ... , n, de
M y sumando a continuación se obtiene la columna formada por los términos
independientes b1, b2, bm. Entonces esta columna es combinación lineal de las an-
teriores y no influye, por consiguiente, en la característica de M’ y, por tanto, las
dos matrices M y M’ tienen el mismo rango.
Recíprocamente, veamos que si ambas matrices tienen el mismo rango h, el siste-
ma admite solución.
Sea entonces α un menor principal de la matriz M, que también es, entonces,
menor principal de la matriz M’. Sin perder generalidad podemos suponer que α
está formado por los elementos comunes a las h primeras filas y columnas, pues
siempre podremos ordenar las ecuaciones y las incógnitas para que sea así. En
estas condiciones llamaremos incógnitas principales a las h primeras y ecuaciones
principales a las h primeras. Como cada una de las filas (h + 1), (h + 2), ..., m de la

21
tema 16

matemáticas

matriz M’ es combinación lineal de las h primeras, la ecuación correspondiente es

la misma combinación lineal de las h primeras ecuaciones y, por tanto, consecuen-
cia de ellas. Suprimiendo las ecuaciones (h + 1), ..., m del sistema (6) se obtiene un
sistema equivalente a éste formado por las h-ecuaciones principales.
Este nuevo sistema lo podemos escribir así:
a11 x1 + ... + alh xh = b1 – a1, h+1 xh+1 – ... – aln xn
......................................................................
......................................................................
ah1 x1 + ... + ahh xh = bh – ah, h+1 xh+1 – ... – ahn xn
el cual para cada conjunto de valores que asignemos arbitrariamente a las incógni-
tas xh+1, xh+2, ..., xn, pasa a ser un sistema de Cramer (h ecuaciones con h incógnitas
y cuya matriz de los coeficientes es no-singular) y, por tanto, es compatible. En
consecuencia por ser equivalente a (6) éste también es compatible. En resu-
men para la resolución de un sistema de ecuaciones lineales se procederá de la
forma siguiente:
Calculada la característica de la matriz M según las normas dadas, para hallar la
característica de M’ bastará orlar el menor principal α con la columna (b1, ..., bm)
y cada una de las (m-h) filas que no figuran en él. Se obtiene así determinantes de
la forma:

 a11..............a1h b1 
 
 ............................ 
 .............................  ( I = h + 1, ..., m).
 
 ah1..............ahh bh 
 a ..............a b 
 I1 Ih I 

Si estos determinantes (llamados determinantes característicos de la ecuación co-

rrespondiente) son todos nulos, la característica de M’ es también h puesto que la
columna de los términos independientes es combinación lineal de las que entran
en el menor principal. El sistema es por tanto compatible. Si, por el contrario,
hay alguno distinto de cero, la característica de M’ es mayor que h y el sistema es
entonces incompatible.
En el caso de que el sistema sea compatible si la característica h es menor que el
número n de incógnitas el sistema es indeterminado, obteniéndose cada solución
asignando un conjunto de valores arbitrarios a las n-h incógnitas no principales
y calculando a continuación el valor, ya determinado, que corresponde a cada in-
cógnita principal. Si la característica es igual al número de incógnitas, la solución
es única, pues no hay incógnitas no principales.

22
 tema 16

matemáticas

En el estudio de un sistema de ecuaciones lineales, los diversos casos se pueden

resumir de la forma siguiente, donde h y h’ representan, respectivamente, las ca-
racterísticas de las matrices M y M’:
h < h’ ⇒ Sistema Incompatible
h = n → Sistema Determinado
h = h’ ⇒ Sistema Compatible  
h < n → Sistema Indeterminado

23
tema 16

matemáticas

3 Regla de Cramer
En este apartado estudiamos un tipo particular de sistemas de ecuaciones lineales
que son los llamados sistemas de Cramer aportando un método para su resolu-
ción. Estos sistemas son compatibles determinados.

3.1. Definición

Un sistema de ecuaciones lineales se llama sistema de Cramer si el número de

ecuaciones coincide con el número de incógnitas y, además, la matriz de los coefi-
cientes es no-singular (esto es, si det(A) = 0).
Es decir, es un sistema de la forma:

a11 x1 +  + a1n xn = b1
a x +  + a x = b
 21 1 2n n 2

 ...........................
. ......
.................................

an1 x1 +  + ann xn = bn
(1)

y tal que:

a11.........................a1n
..................................
.................................
det(A) = ≠0
..................................
.................................
an11........................ann

3.2. Teorema (Regla de Cramer)

«Un sistema de Cramer admite una solución y sólo una. El valor de cada incógnita
se obtiene dividiendo por el determinante de la matriz, de los coeficientes del sis-
tema el que se deduce de éste, sustituyendo la columna que forman los coeficien-
tes de dicha incógnita por la que constituyen los términos independientes».
Es decir, todo sistema de Cramer admite una solución única que viene dada por:

a11  b1  a1n
a21  b2  a2 n
.....................
a  bn  ann
xi = n1
A

24
 tema 16

matemáticas

Demostración:
Consideremos, pues, el sistema (1) escrito anteriormente con det(A) ≠ 0, y sean
Aij (i = 1, ..., n) los adjuntos de los elementos de la columna j-ésima. Multipli-
quemos respectivamente por cada uno de ellos las n ecuaciones del sistema (la
1.ª por A1j; la 2.ª por A2j; ..., la n-ésima por Anj) y sumando miembro a miembro se
obtiene:

 n
  n
  n
 n



∑
i =1
ai1 Aij  x1 + 
 
∑a
i =1
i2 Aij  x2 +  + 
 
∑a
i =1
in Aij  xn =

∑b
i =1
i Aij

Pero en virtud de una propiedad de los determinantes que garantiza que la suma
de los elementos de una fila multiplicados por los adjuntos de los elementos co-
rrespondientes a una línea paralela, es nula, todos los paréntesis son nulos excepto
el correspondiente a xj, que vale det(A). En consecuencia, la expresión anterior se
reduce a:

 n



∑a
i =1
ij Aij  x j = det(A) x j = b1 A1 j + b2 A2 j +  + bn Anj


que dándole valores a j = 1, 2, ..., n, obtenemos el sistema:

det(A) x1 = b1 A11 + b2 A21 + ... + bn An1
..............................................................
.............................................................. (1’)
det(A) xn = b1 A11 + b2 A22 + ... + bn Ann
Ahora bien, (1) y (1’) son sistemas equivalentes y, puesto que det(A) ≠ 0, los úni-
cos valores que satisfacen a las ecuaciones (1’) son:
n

∑b i Aij
xj = i =1
; ( j = 1, 2, ..., n)
det(A) (*)
por lo que también constituirán los únicos valores que satisfacen al sistema dado,
es decir tales valores constituirán la única solución del sistema (1).
Pero la fórmula anterior (*), puede escribirse de forma sencilla al observar que el
numerador del segundo miembro difiere del desarrollo:
n

∑a
i =1
ij Aij = det(A)

únicamente en que los elementos aij, i = 1, 2, ..., n, de la columna j-ésima del

determinante del sistema están sustituidos por los términos independientes
bi, i = 1, 2, ..., n. Por tanto, tal numerador es el desarrollo del determinante que

25
tema 16

matemáticas

se obtiene sustituyendo en det(A) la j-ésima columna por la que forman dichos

términos independientes.
Así pues, designando por |A( j )| el valor de dicho determinante, la fórmula (*) pue-
de escribirse:

A( j )
xj = ( j = 1, 2, ..., n)
det(A)

que constituye el enunciado de la regla de Cramer.

La regla de Cramer tiene especial importancia desde el punto de vista teórico.
Sin embargo, para su utilización práctica, es decir, para la obtención numérica de
la solución de un sistema de ecuaciones con matriz de coeficientes cuadrada no
singular puede llegar a resultar algo laboriosa, sobre todo para valores grandes de
n, pues se tienen que calcular n + 1 determinantes de orden n. Igualmente puede
resultar algo inadecuada para sistemas en los cuales el determinante de los coefi-
cientes tiene un valor próximo a cero.

26
 tema 16

matemáticas

4 Método de Gauss
El método de Gauss consiste en transformar el sistema de ecuaciones dado en otro
equivalente, pero con la condición de que cada ecuación contenga una incógnita
menos.
De esta forma, encontrando la solución del segundo (cuyo método de resolución
es sencillo), tendremos la solución del sistema original.
Así pues, si partimos de un sistema de m ecuaciones con n incógnitas tal que:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
....................................................
....................................................
am1x1 + am2x2 + ... + amnxn = bm
se trata de obtener un sistema de m ecuaciones con n incógnitas equivalente al
dado y cuya resolución sea más sencilla. El método de Gauss muestra la forma de
hacer esta transformación de un sistema a otro de más fácil resolución.
El sistema equivalente a obtener, con m ecuaciones y n incógnitas tendrá la prime-
ra ecuación con n incógnitas, la segunda con n-1 incógnitas, la tercera con n-2, y
así sucesivamente, hasta la m-ésima ecuación que tendrá una sola incógnita.
Se trata, pues, de transformar un sistema en otro equivalente de forma que sean
nulos todos los coeficientes que estén por debajo de la diagonal principal en la
matriz de coeficientes. Se obtiene así, un sistema triangular o escalonado de forma
general:
a’11x1 + a’12x2 + ... + a’1nxn = b’1
       a’22x2 + ... + a’2nxn = b’2
       ..................................
       ..................................
                a’mnxn = b’m
Evidentemente, por el teorema fundamental de equivalencia de sistemas, desde un
principio, se puede suprimir cualquier ecuación que pueda obtenerse a partir de
las otras ecuaciones.
El método de reducción de Gauss es el más rápido para resolver un sistema de n
ecuaciones lineales con n incógnitas cuando los coeficientes son numéricos.
Para razonarlo, vamos a utilizar un sistema de tres ecuaciones con tres incógnitas
por cuestiones de comodidad y claridad en la escritura.
Sea el sistema de tres ecuaciones lineales con tres incógnitas:
a11x1 + a12x2 + a13x3 = a14
a21x1 + a22x2 + a23x3 = a24
a31x1 + a32x2 + a33x3 = a34

27
tema 16

matemáticas

y supongamos que a11 ≠ 0 (siempre se puede suponer, pues si no lo fuera así en la

primera ecuación, se tomaría otra ecuación en la que el coeficiente de la incógnita
x1 sea distinto de cero).
1. Dividimos la primera ecuación por a11 y obtenemos:

a  a  a
x1 +  12  x2 +  13  x3 = 14
 a11   a11  a11

2. Multiplicamos la ecuación obtenida en 1 por a21 y el producto lo restamos de la

segunda ecuación, obteniendo:

 a21 ⋅ a12   a21 ⋅ a13  a21 ⋅ a14

 a22 −  x2 +  a23 −  x3 = a24 −
 a11   a11  a11

3. Multiplicamos la ecuación obtenida en 1 por a31 y el producto lo restamos de la

tercera ecuación, obteniendo:

 a31 ⋅ a12   a31 ⋅ a13  a31 ⋅ a14

 a32 −  x2 +  a33 −  x3 = a34 −
 a11   a11  a11

Si los coeficientes de las ecuaciones obtenidas en 1, 2 y 3 los llamamos bij, tene-

mos el sistema:

 x1 + b12 x2 + b13 x3 = b14


(B ) =  b22 x2 + b23 x3 = b24
 b32 x2 + b33 x3 = b34


Como las transformaciones que hemos realizado con las ecuaciones del sistema
(A) para obtener el sistema (B) están comprendidas en el teorema anterior, sabe-
mos que dichos sistemas son equivalentes.
A continuación repetimos el proceso anterior con el sistema (B). Supongamos que
b22 ≠ 0, entonces:
1. Dividimos la segunda ecuación por b22 y obtenemos:
b23 b
x2 + x3 = 24
b22 b22

2. Multiplicamos la ecuación obtenida en 1 por b32 y el producto lo restamos de

la tercera ecuación, obteniendo:

 b32 ⋅ b23  b32 ⋅ b24

 b33 −  x3 = b34 −
 b22  b22

28
 tema 16

matemáticas

Si a los coeficientes de la primera ecuación del sistema (B) y de las ecuaciones

obtenidas en 1 y 2 los llamamos cij, tenemos el sistema:

 x1 + c12 x2 + c13 x3 = c14


(C )  x2 + c23 x3 = c24
 c33 x3 = c34


equivalente a los sistemas (B) y (A).

El sistema (C) presenta la ventaja de que podemos obtener su solución de forma
inmediata, ya que la tercera ecuación nos da x3, que sustituida en la segunda ecua-
ción nos da x2 y sustituidas ambas en la primera ecuación nos dan x1.
Puede observarse que el método de Gauss trabaja exclusivamente con los coefi-
cientes de las incógnitas y con los términos independientes. Por tanto, los cálculos
pueden simplificarse si consideramos únicamente esos números y los escribimos
en forma matricial, esto es, escribiéndolos en filas y columnas en el mismo orden
en el que figuran en el sistema, y que llamaremos matriz ampliada del sistema.
Así pues, todo el proceso que hemos seguido se realiza en la práctica con las ma-
trices ampliadas, es decir:

 a11 a12 a13 a14  1 b12 b13 b14 

   
M (A) =  a21 a22 a23 a24  → M (B ) =  0 b22 b23 b24  →
a a34  0 b b34 
 31 a32 a33  32 b33

 1 c12 c13 c14   1 d12 d13 d14 

   
→ M (C ) =  0 1 c23 c24  → M (D) =  0 1 d 23 d 24 
0 0 c34  0 0 d 34 
 c33  1

siendo M(D) la matriz triangular de la que se obtienen x1, x2 y x3.

Discusión del sistema:
a) Puede acontecer que como resultado de la aplicación de las transformacio­
nes anteriores a las ecuaciones de un sistema, aparezca alguna ecuación absur­
da de primer miembro idénticamente nulo y segundo miembro distinto de cero
(0 · xi = dij, dij ≠ 0), entonces el sistema dado es equivalente a un sistema incom-
patible y, por tanto, incompatible.
b) Ninguna ecuación es de la forma 0 · xi = dij ≠ 0; entonces el sistema es compa-
tible y determinado si el número de incógnitas es igual al número de ecuacio-
nes no triviales.

29
tema 16

matemáticas

c) Puede suceder también que aparezca alguna ecuación en la que el pri-

mer miembro sea idénticamente nulo y el segundo miembro igual a cero
(0 · xi = 0), entonces el sistema dado es equivalente a un sistema en el que una o
más incógnitas pueden tomar valores arbitrarios y, por tanto, indeterminado.
Esto es, el número de incógnitas es mayor que el número de ecuaciones no tri-
viales, y por tanto, el sistema es compatible indeterminado (admite infinitas
soluciones).
Como vemos el método de eliminación de Gauss es independiente del teorema de
Rouché-Frobenius y de la regla de Cramer.
Corolario:
El método de eliminación de Gauss, además de servir para resolver sistemas de
ecuaciones lineales, es un nuevo procedimiento para calcular el rango de una
matriz.

30
 tema 16

matemáticas

5 Método de Gauss-Jordan

5.1. Método de Gauss-Jordan para la resolución de

ecuaciones lineales

Este método es una modificación del método de eliminación de Gauss, consistente

en eliminar cada incógnita no sólo de las ecuaciones posteriores a las que estamos
utilizando sino, también, de las ecuaciones anteriores.
Consideremos el sistema de tres ecuaciones lineales con tres incógnitas:

a11 x1 + a12 x2 + a13 x3 = a14


(A) a21 x1 + a22 x2 + a23 x3 = a24
a x + a x + a x = a
 31 1 32 2 33 3 34

y supongamos que a11 ≠ 0, entonces:

1. Dividimos la primera ecuación por a11.
2. Multiplicamos la ecuación obtenida en 1 por a21 y el producto lo restamos de la
segunda ecuación.
3. Multiplicamos la ecuación obtenida en 1 por a31 y el producto lo restamos de
la tercera ecuación.
Llamando a los nuevos coeficientes bij obtenemos el siguiente sistema equivalente
al dado:

 x1 + b12 x2 + b13 x3 = b14


(B )  b22 x2 + b23 x3 = b24
 b32 x2 + b33 x3 = b34


y supongamos que b22 ≠ 0, entonces:

1. Dividimos la segunda ecuación por b22.
2. Multiplicamos la ecuación obtenida en 1 por b32 y el producto lo restamos de la
tercera ecuación.
3. Multiplicamos la ecuación obtenida en 1 por b12 y el producto lo restamos de
la primera ecuación.
Llamando a los nuevos coeficientes Cij obtenemos el siguiente sistema equivalente
al dado:

 x1 + 0 ⋅ x2 + c13 x3 = c14

(C )  x2 + c23 x3 = c24
 c33 x3 = c34


31
tema 16

matemáticas

Supongamos que c33 ≠ 0, entonces:

1. Dividimos la tercera ecuación por c33.
2. Multiplicamos la ecuación obtenida en 1 por c23 y el producto lo restamos de la
segunda ecuación.
3. Multiplicamos la ecuación obtenida en 1 por c13 y el producto lo restamos de la
primera ecuación.
Llamando a los nuevos coeficientes dij obtenemos el siguiente sistema equivalente
al dado:

 x1 + 0 ⋅ x2 + 0 ⋅ x3 = d14

(D)  x2 + 0 ⋅ x3 = d 24
 x3 = d 34


El método de eliminación de Gauss-Jordán presenta la ventaja de que obtenemos

directamente la solución del sistema. En la práctica se realiza con las matrices
ampliadas, así:

 a11 a12 a13 a14  1 b12 b13 b14 

   
M (A) =  a21 a22 a23 a24  → M (B ) =  0 b22 b23 b24  →
a a34  0 b b34 
 31 a32 a33  32 b33

 1 0 c13 c14   1 0 0 d14 

   
→ M ( C ) =  0 1 c 23 c24  → M (D) =  0 1 0 d 24 
0 0 c c34  0 0 1 d 
 33  34 

siendo M(D) la matriz diagonal que da los valores de x1, x2 y x3.

Observación:
Si tenemos un sistema de m ecuaciones lineales con n incógnitas, los métodos de
eliminación de Gauss y Gauss-Jordán se aplican exactamente igual.

5.2. Eliminación de parámetros

Discutir o estudiar un sistema de ecuaciones lineales en cuyos coeficientes o tér-

minos independientes aparecen uno o varios parámetros es clasificarlo en función
de estos, es decir, averiguar para qué valores de dichos parámetros el sistema es
compatible, determinado o indeterminado, o incompatible.
Para ello se estudia el rango de matriz de coeficientes y el rango de la matriz am-
pliada con los términos independientes, y se aplica el teorema de Rouché-Fröbe-
nius para discutir la solución en cada uno de los casos posibles en función de los
distintos valores de los parámetros.

32
 tema 16

matemáticas

Ejemplo:
Discutir según los distintos valores de k el sistema:

kx + y + z = 1

 x + ky + z = k
 x + y + kz = k 2


Para ello calculamos el determinante de la matriz de coeficientes:

k 1 1
1 k 1 = (k − 1) 2 (k + 2)
1 1 k

cuyas raíces son k = 1 y k = −2. Para estos valores del parámetro consideramos
los casos:
a) ∀κ∈ \ {–2, 1} rg(M) = rg(M’) = 3 ⇒ Sistema compatible determinado.
b) Si k = −2 entonces rg(M) = 2, rg(M’) = 3 ⇒ Sistema incompatible.
c) Si k = 1 entonces rg(M) = rg(M’) = 1 ⇒ Sistema compatible indeterminado.

33
tema 16

matemáticas

BIBLIOGRAFÍA
BORGES, J.: Álgebra lineal y geometría cartesiana. McGraw-Hill, 2000.
BURGOS, J. DE: Curso de Álgebra y Geometría. Pearson Education, 1992.
BURGOS, J. DE: Álgebra lineal y geometría cartesiana. McGraw-Hill, 2000.
GARCÍA GARCÍA; LÓPEZ PELLICER: Álgebra Lineal y Geometría: teoría y práctica. Ed. Marfil, 1992.
GUZMÁN DE, M.; COLERA, J.: Matemáticas I-COU. Ed. Anaya, 1998.
HEINHOLD, J.; RIEDMULLER, B.: Álgebra Lineal y Geometría Analítica. Ed. Reverté.
LIPSCHUTZ, S.: Álgebra lineal. McGraw-Hill, 1991.
MARTÍNEZ LOSADA: Matemáticas COU. Ed. Bruño, 1998.

34
 tema 16

matemáticas

RESUMEN

DISCUSIÓN Y RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES.

TEOREMA DE ROUCHÉ.
REGLA DE CRAMER.
MÉTODO DE GAUSS-JORDAN.

1.
1 Discusión y resolución de sistemas de ecuaciones
lineales

1.1. Definiciones generales

1.1.1. Ecuación lineal con n incógnitas

Como conceptos se definen: expresión algebraica, ecuación algebraica, ecuación lineal
heterogénea (o no homogénea) y homogénea y se caracterizan estas últimas.

1.1.2. Sistemas de ecuaciones lineales

Se define sistema de ecuaciones lineales así como su clasificación (compatibles, incompa-
tibles, determinados, indeterminados) y los deferentes tipos (homogéneos y no homogé-
neos). Se introduce la notación matricial y su terminología: matriz de coeficientes, ma-
triz incógnita, matriz de términos independientes, matriz ampliada. Se caracterizan
finalmente los sistemas lineales homogéneos.

1.2. Sistemas equivalentes

Dos sistemas de ecuaciones lineales con el mismo número de incógnitas se dice que son
equivalentes si tienen las mismas soluciones. Se demuestra que todo sistema de ecuacio-
nes lineales puede ser transformado en otro equivalente a él mediante lo que se conoce
como transformaciones lineales.

1.3. Rango o característica de una matriz

1.3.1. Definiciones
Se definen los conceptos de submatriz, menor, menor principal y rango.

1.3.2. Teorema
El rango de una matriz coincide con el número de sus filas o columnas linealmente inde-
pendientes.

1.3.3. Regla práctica para el cálculo del rango

Se explica en este punto el proceso de orlar a partir de haber encontrado un menor de un cierto
orden no nulo para calcular el rango. Otra alternativa es aplicar transformaciones elementales
a la matriz cuyo rango queremos calcular. Por último, en este punto se define el concepto de
equivalencia de matrices que se caracterizan como aquellas que tienen el mismo rango.

35
tema 16

matemáticas

2.
2 Teorema de Rouché-Frobenius
Este teorema establece la condición necesaria y suficiente para que un sistema de ecuacio-
nes lineales tenga solución en relación al concepto de rango.

3.
3 Regla de Cramer
En este apartado se estudia un tipo particular de sistemas de ecuaciones lineales que son
los llamados sistemas de Cramer aportando un método para su resolución. Estos sistemas
son compatibles determinados.

3.1. Definición
Se define Sistema de Cramer y se caracteriza su solución mediante la llamada:

3.2. Teorema (Regla de Cramer)

4.
4 Método de Gauss
El método de Gauss consiste en transformar el sistema de ecuaciones dado en otro equiva-
lente que sean nulos todos los coeficientes que estén por debajo de la diagonal principal en
la matriz de coeficientes obteniendo así, un sistema triangular o escalonado. Este método
permite asimismo calcular el rango de una matriz.

5.
5 Método de Gauss-Jordan

5.1. Método de Gauss-Jordan para la resolución de ecuaciones

lineales
Este método es una modificación del método de eliminación de Gauss, consistente en
eliminar cada incógnita no sólo de las ecuaciones posteriores a las que estamos utilizando
sino, también, de las ecuaciones anteriores.

5.2. Eliminación de parámetros

Discutir o estudiar un sistema de ecuaciones lineales en cuyos coeficientes o términos
independientes aparecen uno o varios parámetros es clasificarlo en función de estos ave-
riguando para qué valores de dichos parámetros el sistema es compatible, determinado o
indeterminado, o incompatible.

36