Alige I 1

Algebra Lineal y Geometra I. Curso 2010/11.
Departamento de

Algebra. http://www.departamento.us.es/da
Captulo 1
Sistemas de ecuaciones lineales
1.1. Introducci on
Estas notas est an basadas en las realizadas por el profesor Manuel Jes us Gago Vargas
para la asignatura M etodos matem aticos:

Algebra lineal de la Licenciatura en Ciencias y
T ecnicas Estadsticas.
Un problema fundamental que aparece en matem aticas y en otras ciencias es el an ali-
sis y resoluci on de m ecuaciones algebraicas con n inc ognitas. El estudio de un sistema de
ecuaciones lineales simult aneas est a ntimimamente ligado al estudio de una matriz rec-
tangular de n umeros denida por los coecientes de las ecuaciones. Esta relaci on parece
que se ha notado desde el momento en que aparecieron estos problemas.
El primer an alisis registrado de ecuaciones simult aneas lo encontramos en el libro
chino Jiu zhang Suan-shu (Nueve Captulos sobre las artes matem aticas), (v ease 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. Cu al 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 inc ognitas:
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, res-
pectivamente. Los chinos vieron el problema esencial. Colocaron los coecientes de este
sistema, representados por ca nas de bamb u de color, como un cuadrado sobre un tablero
de contar (similar a un abaco), y manipulaban las las del cuadrado seg un ciertas reglas
establecidas. Su tablero de contar y sus reglas encontraron su camino hacia Jap on y nal-
mente aparecieron en Europa, con las ca nas de color sustituidas por n umeros y el tablero
reemplazado por tinta y papel.
En Europa, esta t ecnica lleg o a ser conocida como eliminaci on Gaussiana, en honor
del matem atico alem an Carl F. Gauss.
Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Figura 1.1: Numerales chinos con ca nas de bamb u
Figura 1.2: C.F. Gauss (1777-1855)
Como la t ecnica de eliminaci on es fundamental, empezamos el estudio de nuestra
materia aprendiendo c omo aplicar este m etodo para calcular las soluciones de los sistemas
lineales. Despu es de que los aspectos computacionales se manejen bien, profundizaremos
en cuestiones m as te oricas.
1.2. Eliminaci on Gaussiana y matrices
Nota 1.2.1. En lo que sigue consideraremos jado un cuerpo k de coecientes. En el texto
nos referiremos a los elementos del cuerpo como n umeros o escalares. El lector bien
puede pensar que k es el cuerpo Q de los n umeros 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.
Denici on 1.2.1. Sea n 1 un n umero natural. Una ecuaci on lineal es una expresi on de
la forma
a
1
x
1
+ a
2
x
2
+ + a
n
x
n
= b,
donde a
1
, a
2
, . . . , a
n
y b son n umeros conocidos y x
1
x
2
, . . . , x
n
son inc ognitas. Los
n umeros a
i
se denominan coecientes de la ecuaci on, mientras que b es el t ermino inde-
pendiente.
Una soluci on de la ecuaci on lineal anterior es una serie de n umeros
1
,
2
, . . . ,
n
que la satisfacen, es decir, que verican
a
1
1
+ a
2
2
+ + a
n
n
= b.
2

Denici on 1.2.2. Sean m 1 y n 1 n umeros naturales. Un sistema lineal es un
conjunto de m ecuaciones lineales y n inc ognitas de la forma
S
_
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
donde las x
i
son las inc ognitas y los a
ij
, b
i
son n umeros. Los n umeros a
ij
se denominan
coecientes del sistema, y el conjunto de los b
i
t erminos independientes del sistema.
Una soluci on del sistema lineal anterior es una serie de n umeros
1
,
2
, . . . ,
n
que
satisface cada ecuaci on del sistema, es decir, que verica
a
i1
1
+ a
i2
2
+ + a
in
n
= b
i
para i = 1, . . . , n.
Problema.- El problema es calcular, si es posible, una soluci on com un a un sistema lineal
como el anterior. Para estos sistemas, existen tres posibilidades:
SOLUCI

ON

UNICA : Existe uno y s olo un conjunto de valores para las inc ognitas
x
i
que satisfacen las ecuaciones simult aneamente. Se dice entonces que el sistema
es compatible determinado. Por ejemplo el sistema formado por la unica ecuaci on
lineal 2x
1
= 3 es compatible determinado, su unica soluci on es x
1
= 3/2.
INFINITAS SOLUCIONES : Existen innitos conjuntos de valores para las inc ogni-
tas x
i
que satisfacen las ecuaciones simult aneamente. No es difcil probar que si el
sistema tiene m as de una soluci on, entonces tiene innitas si k, el cuerpo de n ume-
ros, es innito. En este caso se dice que el sistema lineal es compatible indetermi-
nado. Por ejemplo, el sistema formado por la ecuaci on lineal 2x
1
+ x
2
= 3 tiene
como soluciones x
1
= a, x
2
= 3 2a, donde a es cualquier elemento de k, luego
es compatible indeterminado.
SIN SOLUCI
ON : No hay ning un conjunto de valores para las inc ognitas x

i
que sa-
tisfagan todas las ecuaciones simult aneamente. El conjunto de soluciones es vaco.
Decimos que estos sistemas son incompatibles. Por ejemplo, el sistema dado por
las ecuaciones 2x
1
= 3, x
1
= 1 es incompatible, pues no hay ning un valor de x
1
que satisfaga ambas ecuaciones.
Gran parte del trabajo acerca de los sistemas de ecuaciones es decidir cu al de estas
tres posibilidades es la que se presenta. La otra parte de la tarea es calcular la soluci on si
es unica o describir el conjunto de soluciones si hay m as de una.
Denici on 1.2.3. Dos sistemas lineales con n inc ognitas se dicen equivalentes si tienen
los mismos conjuntos de soluciones.
Ejercicio 1.2.1. Dar un ejemplo de dos sistemas de ecuaciones lineales equivalentes con
distinto n umero de ecuaciones.
La eliminaci on Gaussiana es una herramienta que nos permitir a tratar las dos prime-
ras situaciones. Es un algoritmo que sistem aticamente transforma un sistema en otro m as
3

simple, pero equivalente. La idea es llegar a un sistema lo m as sencillo posible, eliminan-
do variables, y obtener al nal un sistema que sea f acilmente resoluble. Por ejemplo, uno
triangular
1
para el caso m = n. El proceso de eliminaci on descansa sobre tres operaciones
simples que transforman un sistema en otro equivalente. Para describir estas operaciones,
sea E
k
la k- esima ecuaci on
E
k
: a
k1
x
1
+ a
k2
x
2
+ . . . + a
kn
x
n
= b
k
y escribamos el sistema como
S
_
_
E
1
E
2
.
.
.
E
m
_
_
.
Dado un sistema lineal S, cada una de las siguientes transformaciones elementales pro-
duce un sistema equivalente S
.
1. Intercambio de las ecuaciones i- esima y j- esima (1 i j m). Esto es, si
S
_
_
E
1
.
.
.
E
i
.
.
.
E
j
.
.
.
E
m
_
_
, entonces S
_
E
1
.
.
.
E
j
.
.
.
E
i
.
.
.
E
m
_
_
.
2. Reemplaza la i- esima ecuaci on por un m ultiplo no nulo de ella. Esto es,
S
_
E
1
.
.
.
E
i
.
.
.
E
m
_
_
, donde = 0.
3. Reemplaza la j- esima ecuaci on por la suma de ella misma con un m ultiplo de la
i- esima ecuaci on. Esto es,
S
_
E
1
.
.
.
E
i
.
.
.
E
j
+ E
i
.
.
.
E
m
_
_
.
1
Por sistema triangular nos referimos a uno en el que, siendo m = n, se tiene que los coecientes a
ij
con i > j son todos nulos. Tal y como ocurre al nal del ejemplo 1.2.1
4

Ejercicio 1.2.2. Comprobar que estas operaciones no cambian el conjunto de soluciones.
Es decir, que los sistemas S y S
son equivalentes.
El problema m as com un en la pr actica es la resoluci on de un sistema con n ecuaciones
y n inc ognitas, lo que se conoce como un sistema cuadrado, con soluci on unica. En
este caso, la eliminaci on Gaussiana es directa, y m as tarde estudiaremos las diferentes
posibilidades. Lo que sigue es un ejemplo tpico.
Ejemplo 1.2.1. Consideremos el sistema
2x + y + z = 1,
6x + 2y + z = 1,
2x + 2y + z = 7.
(1.2.1)
En cada paso, la estrategia es centrarse en una posici on, llamada posici on pivote, y elimi-
nar todos los t erminos por debajo de la posici on usando las tres operaciones elementales.
El coeciente en la posici on pivote se denomina pivote, mientras que la ecuaci on en don-
de se encuentra el pivote se llama ecuaci on pivote. Solamente se permiten n umeros no
nulos como pivotes. Si un coeciente en una posici on pivote es cero, entonces la ecuaci on
pivote se intercambia con una ecuaci on por debajo para producir un pivote no nulo. Esto
siempre es posible para sistemas cuadrados con soluci on unica. A menos que sea cero, el
primer coeciente de la primera ecuaci on se toma como el primer pivote. Por ejemplo, el
elemento 2 del sistema es el pivote del primer paso:
2 x + y + z = 1,
6x + 2y + z = 1,
2x + 2y + z = 7.
Paso 1. Elimina todos los t erminos por debajo del pivote.
Resta tres veces la primera ecuaci on de la segunda para generar el sistema equiva-
lente
2 x + y + z = 1,
y 2z = 4, (E
2
3E
1
)
2x + 2y + z = 7.
Suma la primera ecuaci on a la tercera para formar el sistema equivalente
2 x + 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.
M as adelante veremos una mejor estrategia. Si este coeciente no es cero, entonces
es nuestro pivote. En otro caso, intercambiamos con una ecuaci on que est e por
debajo de esta posici on para colocar el elemento no nulo en la posici on pivote. En
nuestro ejemplo, 1 es el segundo pivote:
2x + y + z = 1,
-1 y 2z = 4,
3y + 2z = 8.
5

Paso 3. Elimina todos los t erminos por debajo del pivote.
Suma tres veces la segunda ecuaci on 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 t erminos por debajo de el 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 triangu-
lar se resuelve muy f acilmente mediante el m etodo de sustituci on hacia atr as, en el que
la ultima ecuaci on se resuelve para la ultima inc ognita y se sustituye hacia atr as en la
pen ultima ecuaci on, la cual se vuelve a resolver para la pen ultima inc ognita, y continua-
mos as hasta llegar a la primera ecuaci on. En nuestro ejemplo, de la ultima ecuaci on
obtenemos
z = 1.
Sustituimos z = 1 en la segunda ecuaci on, y tenemos
y = 4 2z = 4 2(1) = 2.
Por ultimo, sustituimos z = 1 y y = 2 en la primera ecuaci on para obtener
x =
1
2
(1 y z) =
1
2
(1 2 1) = 1,
que completa la soluci on.
No hay raz on para escribir los smbolos como x, y o z en cada paso, pues lo unico
que manejamos son los coecientes. Si descartamos los smbolos, entonces el sistema de
ecuaciones se reduce a una matriz rectangular de n umeros en la que cada la representa
una ecuaci on. Por ejemplo, el sistema 1.2.1 se reduce a la siguiente matriz
_
_
2 1 1 1
6 2 1 1
2 2 1 7
_
_
(las barras indican d onde aparece el signo = .)
6

Matrices de un sistema lineal
Llamamos matriz de coecientes del sistema lineal
S
_
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
a la matriz
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
.
Si aumentamos la matriz de coecientes a la derecha con los t erminos
independientes tenemos la matriz ampliada del sistema:
[A|b] =
_
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
_
.
Nota 1.2.2. MATRICES. Un escalar es un elemento del cuerpo k, y una matriz es una
disposici on de escalares en rect angulo. Usaremos letras may usculas para las matrices y
min usculas con subndice para las entradas individuales de la matriz. As, escribiremos
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
= (a
ij
).
El primer subndice de un elemento de la matriz indica la la, y el segundo subndice
denota la columna donde se encuentra. Por ejemplo, si
A =
_
_
2 1 3 4
8 6 5 9
3 8 3 7
_
_
, entonces a
11
= 2, a
12
= 1, . . . , a
34
= 7. (1.2.2)
Una submatriz de una matriz dada A es una matriz que se obtiene eliminando un conjunto
de las y columnas de A. Por ejemplo,
B =
_
2 4
3 7
_
es una submatriz de A porque B es el resultado de eliminar la segunda la, y las columnas
segunda y tercera de A.
Una matriz A se dice que tiene orden m n cuando A tiene exactamente m las
y n columnas. La matriz A de (1.2.2) es una matriz 3 4. Por convenio, las matrices
7

1 1 se identican con escalares, y al rev es. Para enfatizar que una matriz A es de orden
m n, usaremos la notaci on A
mn
. Cuando m = n, es decir, cuando el n umero de
las y columnas coincide, diremos que la matriz es cuadrada. En otro caso, la llamamos
rectangular. Las matrices que tienen una sola la o una sola columna las llamaremos,
respectivamente, vectores la o vectores columna.
El smbolo A
i
se usa para denotar la la i- esima, y A
j
para la j- esima columna. Por
ejemplo, si A es la matriz de (1.2.2), entonces
A
2
=
_
8 6 5 9
_
y A
2
=
_
_
1
6
8
_
_
.
La eliminaci on Gaussiana se puede realizar sobre la matriz ampliada [A|b] mediante
operaciones elementales sobre las las de [A|b]. Estas operaciones elementales de las se
corresponden a las tres operaciones elementales que hemos visto antes.
Operaciones elementales por las
Para una matriz de orden mn de la forma
M =
_
_
_
_
_
_
_
_
_
_
_
_
M
1
.
.
.
M
i
.
.
.
M
j
.
.
.
M
m
_
_
_
_
_
_
_
_
_
_
_
_
,
los tres tipos de operaciones elementales de las sobre M son como
sigue.
Tipo I. Intercambio de las i y j para dar
_
_
_
_
_
_
_
_
_
_
_
_
M
1
.
.
.
M
j
.
.
.
M
i
.
.
.
M
m
_
_
_
_
_
_
_
_
_
_
_
_
. (1.2.3)
8

Tipo II. Reemplazo de la la i por un m ultiplo no nulo de ella
para dar
_
_
_
_
_
_
_
M
1
.
.
.
M
i
.
.
.
M
m
_
_
_
_
_
_
_
, donde = 0. (1.2.4)
Tipo III. Reemplazo de la la j por la suma de ella con un m ulti-
plo de la la i, i = j, para dar
_
_
_
_
_
_
_
_
_
_
_
_
M
1
.
.
.
M
i
.
.
.
M
j
+ M
i
.
.
.
M
m
_
_
_
_
_
_
_
_
_
_
_
_
. (1.2.5)
Denici on 1.2.4. Dos matrices M y M
se dicen equivalentes por las si puede transfor-

marse una en otra mediante operaciones elementales por las.
Ejercicio 1.2.3. A una matriz A = (a
ij
) de orden m n podemos asociarle el siguiente
sistema lineal homog eneo
S
_
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= 0
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= 0
,
cuya matriz ampliada es [A|0]. Comprobar que los sistemas lineales asociados a dos ma-
trices equivalentes por las son equivalentes.
Ejemplo 1.2.2. Para resolver el sistema del ejemplo 1.2.1 mediante operaciones elemen-
tales por la, partimos de la matriz ampliada M = (A|b) y triangularizamos la matriz de
coecientes A realizando la misma secuencia de operaciones por la que se corresponden
a las operaciones elementales realizadas sobre las ecuaciones.
_
_
2 1 1 1
6 2 1 1
2 2 1 7
_
_
M
2
3M
1
M
3
+ M
1
_
_
2 1 1 1
0 -1 2 4
0 3 2 8
_
_
M
3
+ 3M
2
_
_
2 1 1 1
0 1 2 4
0 0 4 4
_
_
La matriz nal representa el sistema triangular
2x + y + z = 1,
y 2z = 4,
4z = 4.
9

que se resuelve por sustituci on hacia atr as, como explicamos antes (ver ejemplo 1.2.1).
En general, si un sistema n n se triangulariza a la forma
_
_
_
_
_
t
11
t
12
. . . t
1n
c
1
0 t
22
. . . t
2n
c
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . t
nn
c
n
_
_
_
_
_
(1.2.6)
en donde cada t
ii
= 0 (no hay pivotes nulos), entonces el algoritmo general de sustituci on
hacia atr as es como sigue.
Algoritmo de sustituci on hacia atr as
Determina los x
i
de 1.2.6 mediante x
n
= c
n
/t
nn
y procede de manera
recursiva calculando
x
i
=
1
t
ii
(c
i
t
i,i+1
x
i+1
t
i,i+2
x
i+2
. . . t
in
x
n
)
para i = n 1, n 2, . . . , 2, 1.
1.3. M etodo de Gauss-Jordan
En esta secci on introducimos una variante de la eliminaci on Gaussiana, conocida co-
mo m etodo de Gauss-Jordan. Aunque hay confusi on con respecto al nombre, este m etodo
fue usado por Wilhelm Jordan (1842-1899), profesor de geodesia alem an, y no por Cami-
lle Jordan (1838-1922), matem atico franc es de quien hablaremos m as adelante.
Figura 1.3: Wilhelm Jordan (1842-1899)
Las caractersticas que distinguen el m etodo de Gauss-Jordan de la eliminaci on Gaus-
siana son los siguientes:
En cada paso, el elemento pivote tiene que ser 1.
En cada paso, todos los t erminos por encima del pivote as como todos los que est an
por debajo deben ser anulados.
10

En otras palabras, si
_
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
b
n
_
_
_
_
_
es la matriz ampliada del sistema, entonces mediante operaciones elementales la reduci-
mos a
_
_
_
_
_
1 0 . . . 0 s
1
0 1 . . . 0 s
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1 s
n
_
_
_
_
_
.
La soluci on aparece en la ultima columna (x
i
= s
i
), por lo que no es necesaria la sustitu-
ci on hacia atr as.
Ejemplo 1.3.1. Apliquemos Gauss-Jordan al siguiente sistema:
2x
1
+ 2x
2
+ 6x
3
= 4,
2x
1
+ x
2
+ 7x
3
= 6,
2x
1
6x
2
7x
3
= 1.
Sea R la matriz ampliada del sistema. La sucesi on de operaciones se indican en cada paso,
y se marca el pivote.
_
_
2 2 6 4
2 1 7 6
2 6 7 1
_
_
R
1
/2
_
_
1 1 3 2
2 1 7 6
2 6 7 1
_
_
R
2
2R
1
R
3
+ 2R
1
_
_
1 1 3 2
0 1 1 2
0 4 1 3
_
_
R
2
_
_
1 1 3 2
0 1 1 2
0 4 1 3
_
_
R
1
R
2
R
3
+ 4R
2
_
_
1 0 4 4
0 1 1 2
0 0 5 5
_
_
R
3
/5
_
_
1 0 4 4
0 1 1 2
0 0 1 1
_
_
R
1
4R
3
R
2
+ R
3
_
_
1 0 0 0
0 1 0 1
0 0 1 1
_
_
.
Por tanto, la soluci on es x
1
= 0, x
2
= 1, x
3
= 1.
1.4. Forma escalonada por las y rango
Ya estamos preparados para analizar sistemas rectangulares con m ecuaciones y n
inc ognitas
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
11

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 tambi en queda compren-
dido en lo que digamos.
La primera tarea es extender la eliminaci on Gaussiana de sistemas cuadrados a sis-
temas rectangulares. Recordemos que para un sistema cuadrado de soluci on unica, las
posiciones pivote siempre se localizan a lo largo de la diagonal principal de la matriz de
coecientes A, por lo que la eliminaci on Gaussiana resulta en una reducci on de A a una
matriz triangular, similar, para n = 4, a
T =
_
_
_
_

0
0 0
0 0 0
_
_
_
_
.
Recordemos que un pivote debe ser siempre un valor no nulo. Para sistemas cuadrados
con una unica soluci on, probaremos que siempre podremos obtener un valor no nulo
en cada posici on pivote a lo largo de la diagonal principal. Sin embargo, en el caso de
un sistema rectangular general, no siempre es posible tener las posiciones pivote en la
diagonal principal de la matriz de coecientes. Esto signica que el resultado nal de
la eliminaci on Gaussiana no ser a una forma triangular. Por ejemplo, consideremos el
siguiente sistema:
x
1
+ 2x
2
+ x
3
+ 3x
4
+ 3x
5
= 5,
2x
1
+ 4x
2
+ 4x
4
+ 4x
5
= 6,
x
1
+ 2x
2
+ 3x
3
+ 5x
4
+ 5x
5
= 9,
2x
1
+ 4x
2
+ 4x
4
+ 7x
5
= 9.
Fijemos nuestra atenci on en la matriz de coecientes
A =
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
, (1.4.1)
e ignoremos de momento el lado derecho del sistema, es decir, los t erminos independien-
tes. Aplicando eliminaci on Gaussiana a A obtenemos el siguiente resultado:
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 2 2 2
0 0 2 2 2
0 0 2 2 1
_
_
_
_
.
En el proceso de eliminaci on b asico, nos movemos abajo y a la derecha, a la siguiente
posici on pivote. Si encontramos un cero en esta posici on, se efect ua un intercambio con
una la inferior para llevar un n umero no nulo a la posici on pivote. Sin embargo, en
este ejemplo, es imposible llevar un elemento no nulo a la posici on (2, 2) mediante el
intercambio de la segunda la con una la inferior.
Para manejar esta situaci on, debemos modicar el procedimiento de la eliminaci on
Gaussiana.
12

Eliminaci on Gaussiana modicada
Sea A una matriz, supongamos que U es la matriz obtenida a partir de
A tras haber completado i 1 pasos de eliminaci on Gaussiana. Para
ejecutar el i- esimo 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- esima posici on.
Digamos que es U
j
.
La posici on pivote para el i- esimo paso es la posici on (i, j).
Si es necesario, intercambia la i- esima la con una la inferior
para llevar un n umero no nulo a la posici on (i, j), y entonces anu-
la todas las entradas por debajo de este pivote.
Si la la U
i
as como todas las las de U por debajo de U
i
con-
sisten en las nulas, entonces el proceso de eliminaci on est a com-
pleto.
Ilustremos lo anterior aplicando la versi on modicada de la eliminaci on Gaussiana a
la matriz dada en 1.4.1
Ejemplo 1.4.1. Aplicamos la eliminaci on Gaussiana modicada a la matriz
A =
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
,
y marcamos las posiciones pivote.
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 2 2 2
0 0 2 2 1
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 0 0 0
0 0 0 0 3
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 0 0 3
0 0 0 0 0
_
_
_
_
.
Observemos que el resultado nal de aplicar eliminaci on Gaussiana en el ejemplo an-
terior no es forma triangular exactamente, sino un tipo escalonado de forma triangular. De
aqu en adelante, una matriz que muestre esta estructura la llamaremos forma escalonada
por las.
13

Forma escalonada por las
Una matriz E de orden mn con las E
i
y columnas E
j
se dice que
est a en forma escalonada por las si se verica lo siguiente.
Si E
i
es una la de ceros, entonces todas las las por debajo de
E
i
son tambi en nulas.
Si la primera entrada no nula de E
i
est a en la j- esima posici on,
entonces todas las entradas por debajo de la i- esima posici on en
las columnas E
1
, E
2
, . . . , E
j
son nulas.
El algoritmo de la eliminaci on Gaussiana prueba el siguiente
Teorema 1.4.1. Toda matriz es equivalente por las a una forma escalonada por las.
Una estructura tpica de una forma escalonada por las, con los pivotes marcados, es
_
_
_
_
_
_
_
_
_
*
0 0 *
0 0 0 *
0 0 0 0 0 0 *
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
_
_
_
_
_
_
_
_
_
Los pivotes son las primeras entradas no nulas en cada la. Podemos tener tambi en co-
lumnas de ceros a la izquierda de la matriz.
Como hay exibilidad para elegir las operaciones por las que reducen una matriz A
a una forma escalonada E, las entradas de E no est an unvocamente determinadas por A.
No obstante
Lema 1.4.2. Sean E = (e
ij
) una matriz en forma escalonada por las de orden mn y
S el sistema de matriz ampliada [E|0], sea E
j
una columna de E donde no hay pivote.
Entonces existe una soluci on del sistema S,
1
, . . . ,
n
, tal que
j
= 0 y
k
= 0k > j.
PRUEBA: Consideremos el conjunto {p
1
, p
2
, . . . , p
m
}, con p
1
< p
2
< p
m
de las
columnas de E tales que en la columna p
i
hay un pivote en la la i, es decir, el elemento
e
ip
i
es un pivote. La columna j esima de E es de la forma
E
j
=
_
_
_
_
_
_
_
_
_
e
1j
.
.
.
erj
0
.
.
.
0
_
_
_
_
_
_
_
_
_
,
de manera que el pivote e
rpr
es tal que p
r
< j, pues hemos supuesto por hip otesis que E
j
no tiene pivote.
14

Vamos a construir la soluci on
1
, . . . ,
n
que pruebe el lema. Debe ser
s
= 0s > j,
por supuesto. Ahora, suponiendo que s j ponemos
s
= 0 si E
s
es una columna sin pivote, es decir, s / {p
1
, . . . , p
r
}.
Ponemos tambi en
j
= 1.
Falta por asignar valores a
p
1
, . . . ,
pr
. 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:
S
_
e
1p
1
x
p
1
+ e
1p
2
x
p
2
+ + e
1pr
x
pr
+ e
1j
= 0
e
2p
2
x
p
2
+ + e
2pr
x
pr
+ e
2j
= 0
.
.
.
e
rpr
x
pr
+ e
rj
= 0
.
Mediante el algoritmo de sustuci on hacia atr as se obtiene una soluci on del sistema S
,
pongamos
x
p
k
=
p
k
, con k = 1, . . . , r.
De esta forma,
1
, . . .
n
es una soluci on del sistema de matriz ampliada [E|0] tal que
j
= 0, de hecho
j
= 1, y
k
= 0 k > j. 2
Teorema 1.4.3. Las posiciones de los pivotes de una forma escalonada por las E aso-
ciada a una matriz A est an completamente determinadas por las entradas de A.
PRUEBA: Supongamos que A es una matriz de orden mn. Sean U = (u
ij
) y V = (v
ij
)
dos formas escalonadas por las obtenidas a partir de la matriz A = (a
ij
). Hemos probado
en el ejercicio 1.2.3 que los sistemas lineales S
1
, S
2
y S
3
de matrices ampliadas [A|0],
[U|0] y [V |0] son equivalentes. En particular, los conjuntos de soluciones de los sistemas
S
2
y S
3
coinciden.
Llamaremos p
i
a la calumna de U donde hay un pivote en la la i, es decir, el elemento
u
ip
i
es un pivote. An alogamente llamamos q
i
a la columna de V donde hay un pivote en
la la i.
Tenemos que probar que las posiciones pivote de U y V son las mismas. Razonamos
por reducci on al absurdo: supongamos que U y V no tienen las mismas posiciones pivo-
te. Deduciremos entonces que los sistemas S
2
y S
3
no son equivalentes, lo cual es una
contradicci on.
Sea i el ndice de la primera la de U y V donde la posici on pivote no coincide, es
decir, p
r
= q
r
si r < i. Podemos suponer sin p erdida de generalidad que q
i
> p
i
.
Entonces la columna V
p
i
no tiene pivote en V . Por el lema 1.4.2, existe una soluci on
del sistema S
3
, pongamos
1
, . . . ,
n
, tal que
p
i
= 0 y
r
= 0r > p
i
.
Sin embargo, la i esima ecuaci on de S
2
es
n
s=p
i
u
is
x
s
= 0.
De forma que. al sustituir los valores
1
, . . . ,
n
en esta ecuaci on obtenemos el valor
u
ip
i
p
i
= 0. Luego no es soluci on de S
2
y los sistemas no son equivalentes. 2
15

Ejemplo 1.4.2. 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
0 2 2 0 1 1 0
0 0 0 5 1 2 0
0 0 0 0 0 0 1
_
_
_
_
V =
_
_
_
_
2 0 0 3 2 0 0
0 3 2 2 1 1 0
0 0 0 0 1 2 0
0 0 0 0 0 0 1
_
_
_
_
.
Las posiciones pivote de las las 1 y 2 de ambas matrices coinciden. Sin embargo, el
pivote de la tercera la en U est a en la posici on (3, 4), mientras que en V est a en (3, 5).
Nos centraremos precisamente en la columna 4 de V para obtener una soluci on del sistema
de matriz ampliada [V |0] que no lo sea del de matriz ampliada [U|0]. Es evidente que los
valores x
1
= 3/2, x
2
= 2/3, x
3
= 0, x
4
= 1, x
5
= x
6
= x
7
= 0 representan una
soluci on del sistema denido por V . Sin embargo, al sustituir estos valores en la tercera
ecuaci on del sistema denido por U
5x
4
x
5
+ 2x
6
= 0
obtenemos el valor 5 = 0. Luego no es soluci on para el sistema denido por U.
Como las posiciones pivote son unicas, se sigue que el n umero de pivotes, que es el
mismo que el n umero de las no nulas de E, tambi en est a unvocamente determinado por
A. Este n umero se denomina rango de A, y es uno de los conceptos fundamentales del
curso.
Rango de una matriz
Supongamos que una matriz Ade orden mn se reduce mediante ope-
raciones elementales por las a una forma escalonada E. El rango de
A es el n umero
rango(A) = n umero de pivotes
= n umero de las no nulas de E
= n umero de columnas b asicas de A,
donde las columnas b asicas de A son aquellas columnas de A que con-
tienen las posiciones pivote.
Ejemplo 1.4.3. Determinemos el rango y columnas b asicas de la matriz
A =
_
_
1 2 1 1
2 4 2 2
3 6 3 4
_
_
.
Reducimos A a forma escalonada por las.
_
_
1 2 1 1
2 4 2 2
3 6 3 4
_
_
_
_
1 2 1 1
0 0 0 0
0 0 0 1
_
_
_
_
1 2 1 1
0 0 0 1
0 0 0 0
_
_
= E
16

Por tanto, rango(A) = 2. Las posiciones pivote est an en la primera y cuarta columna, por
lo que las columnas b asicas de A son A
1
y A
4
. Esto es,
Columnas b asicas =
_
_
_
_
_
1
2
3
_
_
,
_
_
1
2
4
_
_
_
_
_
.
Es importante resaltar que las columnas b asicas se extraen de A y no de la forma escalo-
nada E.
1.5. Forma reducida por las
En cada paso del m etodo de Gauss-Jordan, forz abamos a que el pivote fuera 1, y
entonces todas las entradas por encima y por debajo del pivote se anulaban mediante
operaciones elementales. Si A es la matriz de coecientes de un sistema cuadrado con
soluci on unica, entonces el resultado nal de aplicar el m etodo de Gauss-Jordan a A es
una matriz con 1 en la diagonal y 0 en el resto. Esto es,
A
Gauss-Jordan
_
_
_
_
_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
_
_
_
.
Pero si la t ecnica de Gauss-Jordan se aplica a matrices rectangulares m n, entonces el
resultado nal no es necesariamente como el descrito antes. El siguiente ejemplo ilustra
qu e ocurre en el caso rectangular.
Ejemplo 1.5.1. Aplicamos la eliminaci on de Gauss-Jordan a la matriz
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
y marcamos las posiciones pivote.
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 2 2 2
0 0 2 2 1
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 1 1 1
0 0 2 2 2
0 0 2 2 1
_
_
_
_
_
_
_
_
1 2 0 2 2
0 0 1 1 1
0 0 0 0 0
0 0 0 0 3
_
_
_
_
_
_
_
_
1 2 0 2 2
0 0 1 1 1
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 2 2
0 0 1 1 1
0 0 0 0 1
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 2 0
0 0 1 1 0
0 0 0 0 1
0 0 0 0 0
_
_
_
_
17

Comparamos este ejemplo con el resultado del ejemplo 1.4.1, y vemos que la forma
de la matriz nal es la misma en ambos casos, que tiene que ver con la unicidad de las
posiciones de los pivotes que hemos comentado anteriormente. La unica diferencia es el
valor num erico de algunas entradas. Por la naturaleza de la eliminaci on de Gauss-Jordan,
cada pivote es 1 y todas las entradas por encima y por debajo son nulas. Por tanto, la forma
escalonada por las que produce el m etodo de Gauss-Jordan contiene un n umero reducido
de entradas no nulas, por lo que parece natural llamarla forma escalonada reducida por
las.
Forma escalonada reducida por las
Una matriz E
mn
est a en forma escalonada reducida por las si se
verican las siguientes condiciones:
E est a en forma escalonada por las.
La primera entrada no nula de cada la (el pivote) es 1.
Todas las entradas por encima del pivote son cero.
Una estructura tpica de una matriz en forma escalonada reducida por las es
_
_
_
_
_
_
_
_
_
1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 0 0 1
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
_
_
_
_
_
_
_
_
_
Como comentamos antes, si una matriz A se transforma en una forma escalonada
por las mediante operaciones elementales por la, entonces la forma est a unvocamente
determinada por A, pero las entradas individuales de la forma no son unicas. Sin embargo
Teorema 1.5.1. Toda matriz A es equivalente por las a una unica forma escalonada
reducida por las E
A
.
PRUEBA: Una forma escalonada reducida por las de A se obtiene a partir de cualquier
forma escalonada por las de A mediante la aplicaci on del m etodo de Gauss-Jordan como
se ha visto antes, de ah la existencia. Falta la unicidad.
Sean U = (u
ij
) y V = (v
ij
) dos formas escalonadas reducidas por las asociadas
a A = (a
ij
). Hemos probado en el teorema 1.4.3 que las posiciones pivote de U y V
coinciden. Como las columnas b asicas de las formas escalonadas reducidas por las est an
formadas por ceros, salvo un 1 en la posici on pivote, el teorema 1.4.3 prueba que las
columnas b asicas de U y V coinciden.
Si una columna no b asica de U, pongamos U
j
, es nula (formada s olo por ceros), debe
serlo tambi en la correspondiente columna V
j
. En caso contrario los valores
x
i
=
_
0 i = j
1 i = j
18

representan una soluci on del sistema de matriz ampliada [U|0] pero no del de [V |0].
Si una columna no b asica de U es no nula, ser a de la forma
U
j
=
_
_
_
_
_
_
_
_
_
u
1j
.
.
.
u
rj
0
.
.
.
0
_
_
_
_
_
_
_
_
_
.
El teorema 1.4.3 prueba que la misma columna en V tambi en debe ser de la forma
V
j
=
_
_
_
_
_
_
_
_
_
v
1j
.
.
.
v
rj
0
.
.
.
0
_
_
_
_
_
_
_
_
_
.
Hay que probar entonces que u
ij
= v
ij
para i = 1, . . . r. Para ello usaremos que los siste-
mas S
2
y S
3
denidos respectivamente por las matrices [U|0] y [V |0] son equivalentes.
Sea la siguiente familia de soluciones de [U|0]
x
i,s
=
_
_
_
u
ij
si U
s
es una columna b asica
1 si s = j
0 en otro caso,
(1.5.1)
para i = 1, . . . , r. Imponiendo que tambi en sean soluciones de S
3
, concretamente al
sustituir la soluci on i esima de la familia 1.5.1 en la ecuaci on i esima de S
3
se obtiene
v
ij
= u
ij
para i = 1, . . . , r.
Luego las matrices U y V son id enticas. 2
Notaci on
Para una matriz A, el smbolo E
A
denotar a la unica forma escalonada
reducida por las derivada de A mediante operaciones por la. Tambi en
escribiremos
A
rref
E
A
.
Ejemplo 1.5.2. Determinemos E
A
, calculemos rango(A) e identiquemos las columnas
b asicas de
A =
_
_
_
_
1 2 2 3 1
2 4 4 6 2
3 6 6 9 6
1 2 4 5 3
_
_
_
_
.
19

_
_
_
_
1 2 2 3 1
2 4 4 6 2
3 6 6 9 6
1 2 4 5 3
_
_
_
_
_
_
_
_
1 2 2 3 1
0 0 0 0 0
0 0 0 0 3
0 0 2 2 2
_
_
_
_
_
_
_
_
1 2 2 3 1
0 0 2 2 2
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 2 3 1
0 0 1 1 1
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 1 1
0 0 1 1 1
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 1 1
0 0 1 1 1
0 0 0 0 1
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 1 0
0 0 1 1 0
0 0 0 0 1
0 0 0 0 0
_
_
_
_
= E
A
Por tanto, rango(A) = 3, y {A
1
, A
3
, A
5
} son las tres columnas b asicas.
El ejemplo anterior ilustra otra importante caracterstica de E
A
, y explica por qu e las
columnas b asicas reciben ese nombre. Cada columna no b asica es expresable como com-
binaci on lineal de las columnas b asicas. En el ejemplo,
A
2
= 2A
1
, A
4
= A
1
+ A
3
. (1.5.2)
Observemos que las mismas relaciones se tienen en E
A
, esto es,
E
2
= 2E
1
, E
4
= E
1
+ E
3
. (1.5.3)
Esto no es una coincidencia, y ocurre en general. Hay algo m as que observar. Las relacio-
nes entre las columnas b asicas y no b asicas en una matriz general A no se ven a simple
vista, pero las relaciones entre las columnas de E
A
son completamente transparentes. Por
ejemplo, los coecientes usados en las relaciones 1.5.2 y 1.5.3 aparecen explcitamente
en las dos columnas no b asicas de E
A
. Son precisamente las entradas no nulas en estas
columnas no b asicas. Esto es importante, porque usaremos E
A
como un mapa o clave
para revelar las relaciones ocultas entre las columnas de A.
Finalmente, observemos del ejemplo que unicamente las columnas b asicas a la iz-
quierda de una columna no b asica dada se necesitan para expresar la columna no b asica
como combinaci on lineal de las columnas b asicas. As, la expresi on de A
2
requiere uni-
camente de A
1
, y no de A
3
o A
5
, mientras que la expresi on de A
4
precisa unicamente
de A
1
y A
3
.
20

Relaciones de las columnas en A y E
A
Cada columna no b asica E
k
de E
A
es una combinaci on lineal de
las columnas b asicas de E
A
a la izquierda de E
k
. Esto es,
E
k
=
1
E
b
1
+
2
E
b
2
+ . . . +
j
E
b
j
,
donde las E
b
i
son las columnas b asicas a la izquierda de E
k
, y
los coecientes
j
son las primeras j entradas de E
k
.
Las relaciones que existen entre las columnas de A son exacta-
mente las mismas relaciones que existen entre las columnas de
E
A
. En particular, si A
k
es una columna no b asica de A, enton-
ces
A
k
=
1
A
b
1
+
2
A
b
2
+ . . . +
j
A
b
j
,
donde las A
b
i
son las columnas b asicas de A situadas a la iz-
quierda de A
k
y los coecientes
j
son los descritos antes.
Ejercicio 1.5.1. Se deja como ejercicio probar lo armado en el recuadro anterior. Obs erve-
se que las combinaciones lineales de las columnas iguales a cero son precisamente solu-
ciones del sistema lineal asociado a la matriz.
Lo que tenemos es una expresi on de la forma
E
k
=
1
E
b
1
+
2
E
b
2
+ . . . +
j
E
b
j
=
1
_
_
_
_
_
_
_
_
_
1
0
.
.
.
0
.
.
.
0
_
_
_
_
_
_
_
_
_
+
2
_
_
_
_
_
_
_
_
_
0
1
.
.
.
0
.
.
.
0
_
_
_
_
_
_
_
_
_
+ . . . +
j
_
_
_
_
_
_
_
_
_
0
0
.
.
.
1
.
.
.
0
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
2
.
.
.
j
.
.
.
0
_
_
_
_
_
_
_
_
_
.
Ejemplo 1.5.3. Escribamos las columnas no b asicas de la matriz
A =
_
_
2 4 8 6 3
0 1 3 2 3
3 2 0 0 8
_
_
como combinaci on lineal de las b asicas. Para ello, calculamos la forma escalonada redu-
cida por las E
A
.
_
_
2 4 8 6 3
0 1 3 2 3
3 2 0 0 8
_
_
_
_
1 2 4 3
3
2
0 1 3 2 3
3 2 0 0 8
_
_
_
_
1 2 4 3
3
2
0 1 3 2 3
0 4 12 9
7
2
_
_
_
_
1 0 2 7
15
2
0 1 3 2 3
0 0 0 17
17
2
_
_
_
_
1 0 2 7
15
2
0 1 3 2 3
0 0 0 1
1
2
_
_
_
_
1 0 2 0 4
0 1 3 0 2
0 0 0 1
1
2
_
_
.
21

Las columnas tercera y quinta son no b asicas. Revisando las columnas de E
A
, tenemos
que
E
3
= 2E
1
+ 3E
2
y E
5
= 4E
1
+ 2E
2
+
1
2
E
4
.
Las relaciones que existen entre las columnas de A son exactamente las mismas que las
de E
A
, esto es,
A
3
= 2A
1
+ 3A
2
y A
5
= 4A
1
+ 2A
2
+
1
2
A
4
.
En resumen, la utilidad de E
A
reside en su habilidad para revelar las dependencias
entre los datos almacenados en la matriz A. Las columnas no b asicas de A representan in-
formaci on redundante en el sentido de que esta informaci on se puede expresar en t erminos
de los datos contenidos en las columnas b asicas.
Aunque la compresi on de datos no es la raz on primaria para introducir a E
A
, la aplica-
ci on a estos problemas es clara. Para una gran matriz de datos, es m as eciente almacenar
unicamente las columnas b asicas de A con los coecientes
j
obtenidos de las columnas
no b asicas de E
A
. Entonces los datos redundantes contenidos en las columnas no b asicas
de A siempre se pueden reconstruir cuando los necesitemos. Algo parecido ocurrir a cuan-
do tratemos el problema de la colinealidad de datos.
1.6. Compatibilidad de los sistemas lineales. Teorema de
Rouch e-Frobenius
Recu erdese la siguiente clasicaci on de sistemas lineales vista en la p agina 3:
Denici on 1.6.1. Un sistema de m ecuaciones y n inc ognitas se dice compatible si posee
el menos una soluci on. Si no tiene soluciones, decimos que el sistema es incompatible.
Un sistema lineal compatible se dice determinado si tiene una unica soluci on, en otro
caso se dice indeterminado.
El prop osito de esta secci on es determinar las condiciones bajo las que un sistema es
compatible.
Establecer dichas condiciones para un sistema de dos o tres inc ognitas es f acil. Una
ecuaci on lineal con dos inc ognitas representa una recta en el plano, y una ecuaci on lineal
con tres inc ognitas es un plano en el espacio de tres dimensiones. Por tanto, un sistema
lineal de m ecuaciones con dos inc ognitas es compatible si y solamente si las m rectas
denidas por las m ecuaciones tienen al menos un punto com un de intersecci on. Lo mis-
mo ocurre para m planos en el espacio. Sin embargo, para m grande, estas condiciones
geom etricas pueden ser difciles de vericar visualmente, y cuando n > 3 no es posible
esta representaci on tan visual.
Mejor que depender de la geometra para establecer la compatibilidad, usaremos la
eliminaci on Gaussiana. Si la matriz ampliada asociada [A|b] se reduce mediante opera-
ciones por las a una forma escalonada por las [E|c], entonces la compatibilidad o no del
sistema es evidente. Supongamos que en un momento del proceso de reducci on de [A|b]
a [E|c] llegamos a una situaci on en la que la unica entrada no nula de una la aparece en
22

el lado derecho, como mostramos a continuaci on:
Fila i
_
_
_
_
_
_

0 0 0
0 0 0 0
0 0 0 0 0 0
. . . . . . . . . . . . . . . . . . . . .
_
_
_
_
_
_
= 0.
Si esto ocurre en la i- esima la, entonces la i- esima ecuaci on del sistema asociado es
0 x
1
+ 0 x
2
+ . . . + 0 x
n
= .
Para = 0, esta ecuaci on no tiene soluci on, y el sistema original es incompatible (recor-
demos que las operaciones por las no alteran el conjunto de soluciones). El recproco
tambi en se verica. Esto es, si el sistema es incompatible, entonces en alg un momento
del proceso de eliminaci on llegamos a una la de la forma
_
0 0 . . . 0
_
, = 0. (1.6.1)
En otro caso, la sustituci on hacia atr as se podra realizar y obtener una soluci on. No hay
incompatibilidad si se llega a una la de la forma
_
0 0 . . . 0 0
_
.
Esta ecuaci on dice simplemente 0 = 0, y aunque no ayuda a determinar el valor de
ninguna inc ognita, es verdadera.
Existen otras formas de caracterizar la compatibilidad (o incompatibilidad) de un sis-
tema. Una es observando que si la ultima columna b de la matriz ampliada [A|b] es una
columna no b asica, entonces no puede haber un pivote en la ultima columna, y por tanto
el sistema es compatible, porque la situaci on 1.6.1 no puede ocurrir. Recprocamente, si
el sistema es compatible, entonces la situaci on 1.6.1 no puede ocurrir, y en consecuencia
la ultima columna no puede ser b asica.
Proposici on 1.6.1. [A|b] es compatible si y solamente si b no es columna b asica.
Decir que b no es columna b asica en [A|b] es equivalente a decir que todas las colum-
nas b asicas de [A|b] est an en la matriz de coecientes A. Como el n umero de columnas
b asicas es el rango, la compatibilidad puede ser caracterizada diciendo que un sistema es
compatible si y s olo si rango([A|b]) = rango(A). Este enunciado en funci on del rango se
conoce como teorema de Rouch e-Frobenius, del que m as adelante daremos un anunciado
algo m as ampliado.
Recordemos que una columna no b asica se puede expresar como combinaci on lineal
de las columnas b asicas. Como un sistema compatible se caracteriza porque el lado dere-
cho b es una columna no b asica, se sigue que un sistema es compatible si y s olo si b es
una combinaci on lineal de las columnas de la matriz de coecientes A.
Resumimos todas estas condiciones.
23

Compatibilidad
Cada uno de las siguientes enunciados es equivalente a que el sistema
lineal determinado por la matriz [A|b] es compatible.
En la reducci on por las de [A|b], nunca aparece una la de la
forma
_
0 0 . . . 0
_
, = 0.
b es una columna no b asica de [A|b].
rango([A|b]) = rango(A).
b es combinaci on lineal de las columnas de A.
Ejemplo 1.6.1. Determinemos si el sistema
x
1
+ x
2
+ 2x
3
+ 2x
4
+ x
5
= 1,
2x
1
+ 2x
2
+ 4x
3
+ 4x
4
+ 3x
5
= 1,
2x
1
+ 2x
2
+ 4x
3
+ 4x
4
+ 2x
5
= 2,
3x
1
+ 5x
2
+ 8x
3
+ 6x
4
+ 5x
5
= 3,
es compatible. Aplicamos eliminaci on Gaussiana a la matriz ampliada [A|b].
_
_
_
_
1 1 2 2 1 1
2 2 4 4 3 1
2 2 4 4 2 2
3 5 8 6 5 3
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 0 0 0 1 1
0 0 0 0 0 0
0 2 2 0 2 0
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 2 0 0 2 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
.
Como no hay ninguna la de la forma
_
0 0 . . . 0
_
, con = 0, el sistema es
compatible. Tambi en observamos que b no es una columna b asica en [A|b], por lo que
rango([A|b]) = rango(A). Los pivotes nos indican tambi en que b es combinaci on lineal
de A
1
, A
2
y A
5
. En concreto, como la forma escalonada reducida por las es
_
_
_
_
1 0 1 2 0 1
0 1 1 0 0 1
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
,
vemos que b = A
1
+ A
2
A
5
.
Luego un sistema es compatible si y s olo si rango([A|b]) = rango(A). De hecho
se puede decidir si un sistema compatible es determinado o indeterminado tambi en en
funci on del rango de la matriz de los coecientes, tal y como se enuncia en el teorema de
Rouch e-Frobenius.
24

Teorema de Rouch e-Frobenius
Dado un sistema lineal con n inc ognitas y matriz ampliada [A|b], se
tiene:
El sistema es incompatible si y s olo si rango(A) < rango([A|b]).
El sistema es compatible determinado si y s olo si rango(A) =
rango([A|b]) = n.
El sistema es compatible indeterminado si y s olo si rango(A) =
rango([A|b]) < n.
En realidad hemos demostrado en esta secci on que un sistema es compatible si y s olo
si rango(A) = rango([A|b]), falta por demostrar que es compatible determinado si y s olo
si el rango de sus matrices es n (el n umero de inc ognitas). Dedicaremos las siguientes dos
secciones a expresar la soluci on general de un sistema lineal lo que, de paso, completar a la
prueba del teorema de Rouch e-Frobenius (ver teorema 1.8.2).
1.7. Sistemas homog eneos
Denici on 1.7.1. Un sistema de m ecuaciones y n inc ognitas
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= 0
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= 0,
en el que el lado derecho contiene unicamente ceros se denomina homog eneo. Si al menos
uno de los coecientes de la derecha es no nulo, decimos que es no homog eneo.
En esta secci on vamos a examinar algunas de las propiedades m as elementales de los
sistemas homog eneos.
La compatibilidad nunca es un problema con un sistema homog eneo, pues x
1
= x
2
=
. . . = x
n
= 0 siempre es una soluci on del sistema, independientemente de los coecien-
tes. Esta soluci on de denomina soluci on trivial. La pregunta es si hay otras soluciones
adem as de la trivial, y c omo podemos describirlas. Como antes, la eliminaci on Gaussiana
nos dar a la respuesta.
Mientras reducimos la matriz ampliada [A|0] de un sistema homog eneo a una forma
escalonada mediante la eliminaci on 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 a la forma [E|0]. Esto signica que la columna de ceros puede ser
eliminada a la hora de efectuar los c alculos. Simplemente reducimos la matriz A a una
forma escalonada E, y recordamos que el lado derecho es cero cuando procedamos a la
sustituci on hacia atr as. El proceso se comprende mejor con un ejemplo.
25

Ejemplo 1.7.1. Vamos a examinar las soluciones del sistema homog eneo
x
1
+ 2x
2
+ 2x
3
+ 3x
4
= 0,
2x
1
+ 4x
2
+ x
3
+ 3x
4
= 0,
3x
1
+ 6x
2
+ x
3
+ 4x
4
= 0.
Reducimos la matriz de coecientes a una forma escalonada por las:
A =
_
_
1 2 2 3
2 4 1 3
3 6 1 4
_
_
_
_
1 2 2 3
0 0 3 3
0 0 5 5
_
_
_
_
1 2 2 3
0 0 3 3
0 0 0 0
_
_
= E. (1.7.1)
Entonces, el sistema homog eneo inicial es equivalente al sistema homog eneo
x
1
+ 2x
2
+ 2x
3
+ 3x
4
= 0,
3x
3
3x
4
= 0.
Como hay cuatro inc ognitas, y solamente dos ecuaciones, es imposible extraer una so-
luci on unica para cada inc ognita. Lo mejor que podemos hacer es elegir dos inc ognitas
b asicas, que llamaremos variables b asicas, y resolver el sistema en funci on de las otras
dos, que llamaremos variables libres. Aunque hay distintas posibilidades para escoger las
variables b asicas, el convenio es siempre resolver las inc ognitas que se encuentran en las
posiciones pivote.
En este ejemplo, los pivotes, as como las columnas b asicas, est an en la primera y
tercera posici on, as que la estrategia es aplicar sustituci on hacia atr as en la resoluci on del
sistema, y expresar las variables b asicas x
1
y x
3
en funci on de las variables libres x
2
y x
4
.
La segunda ecuaci on nos da
x
3
= x
4
y la sustituci on hacia atr as produce
x
1
= 2x
2
2x
3
3x
4
= 2x
2
2(x
4
) 3x
4
= 2x
2
x
4
.
Las soluciones al sistema homog eneo original pueden ser descritas como
x
1
= 2x
2
x
4
,
x
2
= libre ,
x
3
= x
4
,
x
4
= libre.
Como las variables libres x
2
y x
4
pueden tomar todos los valores posibles, las expresiones
anteriores describen todas las soluciones.
Mejor que describir las soluciones de esta forma, es m as conveniente expresarlas como
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
=
_
_
_
_
2x
2
x
4
x
2
x
4
x
4
_
_
_
_
= x
2
_
_
_
_
2
1
0
0
_
_
_
_
+ x
4
_
_
_
_
1
0
1
1
_
_
_
_
,
26

entendiendo que x
2
y x
4
son variables libres que pueden tomar cualquier valor. Esta re-
presentaci on se denominar a soluci on general del sistema homog eneo. Esta expresi on de
la soluci on general enfatiza que cada soluci on es combinaci on lineal de las dos soluciones
h
1
=
_
_
_
_
2
1
0
0
_
_
_
_
y h
2
=
_
_
_
_
1
0
1
1
_
_
_
_
.
Consideremos ahora un sistema homog eneo general [A|0] de mecuaciones y n inc ogni-
tas. Si la matriz de coecientes A es de rango r, entonces, por lo que hemos visto antes,
habr a r variables b asicas, correspondientes a las posiciones de las columnas b asicas de
A, y n r variables libres, que se corresponden con las columnas no b asicas de A. Me-
diante la reducci on de A a una forma escalonada por las por eliminaci on Gaussiana y
sustituci on hacia atr as, expresamos las variables b asicas en funci on de las variables libres
y obtenemos la soluci on general, de la forma
x = x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
,
donde x
f
1
, x
f
2
, . . . , x
f
nr
son las variables libres, y h
1
, h
2
, . . . , h
nr
son vectores colum-
na que representan soluciones particulares.
Si calculamos la forma escalonada reducida por las del ejemplo, nos queda
A =
_
_
1 2 2 3
2 4 1 3
3 6 1 4
_
_
_
_
1 2 0 1
0 0 1 1
0 0 0 0
_
_
= E
A
,
y el sistema a resolver es
x
1
+ 2x
2
+ x
4
= 0,
x
3
+ x
4
= 0.
Si resolvemos x
1
y x
3
en funci on de x
2
y x
4
nos queda el mismo resultado que antes. Por
ello, y para evitar la sustituci on hacia atr as, puede resultar m as conveniente usar Gauss-
Jordan para calcular la forma escalonada reducida por las E
A
y construir directamente
la soluci on general a partir de las entradas de E
A
.
Una ultima pregunta que nos planteamos es cu ando la soluci on trivial de un sistema
homog eneo es la unica soluci on. Lo anterior nos muestra la respuesta. Si hay al menos
una variable libre, entonces el sistema tendr a innitas soluciones. Por tanto, la soluci on
trivial ser a la unica soluci on si y solamente si no hay variables libres, esto es, n r = 0.
Podemos reformular esto diciendo
Proposici on 1.7.1. Un sistema homog eneo de matriz A tiene unicamente la soluci on
trivial si y solamente si rango(A) = n.
Ejemplo 1.7.2. El sistema homog eneo
x
1
+ 2x
2
+ 2x
3
= 0,
2x
1
+ 5x
2
+ 7x
3
= 0,
3x
1
+ 6x
2
+ 8x
3
= 0,
27

tiene solamente la soluci on trivial porque
A =
_
_
1 2 2
2 5 7
3 6 8
_
_
_
_
1 2 2
0 1 3
0 0 2
_
_
= E
prueba que rango(A) = 3 = n. Se ve f acilmente que la aplicaci on de la sustituci on hacia
atr as desde [E|0] unicamente devuelve la soluci on trivial.
Ejemplo 1.7.3. Calculemos la soluci on general del sistema
x
1
+ 2x
2
+ 2x
3
= 0,
2x
1
+ 5x
2
+ 7x
3
= 0,
3x
1
+ 6x
2
+ 6x
3
= 0.
Se tiene que
A =
_
_
1 2 2
2 5 7
3 6 6
_
_
_
_
1 2 2
0 1 3
0 0 0
_
_
= E,
de donde rango(A) = 2 < n = 3. Como las columnas b asicas est an en las posiciones uno
y dos, x
1
y x
2
son las variables b asicas, y x
3
es libre. Mediante sustituci on hacia atr as en
[E|0], nos queda x
2
= 3x
3
y x
1
= 2x
2
2x
3
= 4x
3
, y la soluci on general es
_
_
x
1
x
2
x
3
_
_
= x
3
_
_
4
3
1
_
_
, donde x
3
es libre.
1.8. Sistemas no homog eneos
Recordemos que un sistema de m ecuaciones y n inc ognitas
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
es no homog eneo cuando b
i
= 0 para alg un i. A diferencia de los sistemas homog eneos,
los no homog eneos pueden ser incompatibles y las t ecnicas que conocemos las aplicare-
mos para saber si una soluci on existe. A menos que se diga lo contrario, suponemos que
los sistemas de esta secci on son compatibles.
Para describir el conjunto de todas las posibles soluciones de un sistema no ho-
mog eneo compatible, vamos a construir una soluci on general de la misma forma que
hicimos para los homog eneos.
Usaremos eliminaci on Gaussiana para reducir la matriz ampliada [A|b] a una forma
escalonada por las [E|c].
Identicaremos las variables b asicas y las libres.
Aplicaremos sustituci on hacia atr as a [E|c] y resolveremos las variables b asicas en
funci on de las libres.
28

Escribiremos el resultado en la forma
x = p + x
f
1
h
1
+ x
f
2
h
2
+ . . . + +x
f
nr
h
nr
,
donde x
f
1
, x
f
2
, . . . , x
f
nr
son las variables libres, y p, h
1
, h
2
, . . . , h
nr
son vecto-
res columna de orden n tales que p es una soluci on particular del sistema de matriz
[A|b] y x
f
1
h
1
+ x
f
2
h
2
+ . . . + +x
f
nr
h
nr
es la soluci on general del sistema ho-
mog eneo de matriz [A|0]. Esta ser a la soluci on general del sistema no homog eneo.
Como las variables libres x
f
i
recorren todos los posibles valores, la soluci on gene-
ral genera todas las posibles soluciones del sistema [A|b]. Como en el caso homog eneo,
podemos reducir completamente [A|b] a E
[A|b]
mediante Gauss-Jordan, y evitamos la sus-
tituci on hacia atr as.
Ejemplo 1.8.1. La diferencia entre la soluci on general de un sistema no homog eneo y la
de uno homog eneo es la columna p que aparece. Para entender de d onde viene, conside-
remos el sistema no homog eneo
x
1
+ 2x
2
+ 2x
3
+ 3x
4
= 4,
2x
1
+ 4x
2
+ x
3
+ 3x
4
= 5,
3x
1
+ 6x
2
+ x
3
+ 4x
4
= 7,
en el que la matriz de coecientes es la misma que la matriz de coecientes de (1.7.1). Si
[A|b] se reduce por Gauss-Jordan a E
[A|b]
, tenemos
[A|b]
_
_
1 2 2 3 4
2 4 1 3 5
3 6 1 4 7
_
_
_
_
1 2 0 1 2
0 0 1 1 1
0 0 0 0 0
_
_
= E
[A|b]
.
Nos queda el sistema equivalente
x
1
+ 2x
2
+ x
4
= 2,
x
3
+ x
4
= 1.
Resolvemos las variables b asicas, x
1
y x
3
, en funci on de las libres, x
2
y x
4
. Nos queda
x
1
= 2 2x
2
x
4
,
x
2
es libre,
x
3
= 1 x
4
,
x
4
es libre.
La soluci on general se sigue escribiendo estas ecuaciones en la forma
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
=
_
_
_
_
2 x
2
x
4
x
2
1 x
4
x
4
_
_
_
_
=
_
_
_
_
2
0
1
0
_
_
_
_
+ x
2
_
_
_
_
2
1
0
0
_
_
_
_
+ x
4
_
_
_
_
1
0
1
1
_
_
_
_
. (1.8.1)
La columna
_
_
_
_
2
0
1
0
_
_
_
_
29

que aparece en (1.8.1) es una soluci on particular del sistema no homog eneo; se tiene
cuando x
2
= 0, x
4
= 0.
Adem as, la soluci on general del sistema homog eneo
x
1
+ 2x
2
+ 2x
3
+ 3x
4
= 0,
2x
1
+ 4x
2
+ x
3
+ 3x
4
= 0,
3x
1
+ 6x
2
+ x
3
+ 4x
4
= 0,
(1.8.2)
es
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
= x
2
_
_
_
_
2
1
0
0
_
_
_
_
+ x
4
_
_
_
_
1
0
1
1
_
_
_
_
.
As, la soluci on general del sistema homog eneo (1.8.2) es una parte de la soluci on general
del sistema no homog eneo original (1.8.1).
Estas dos observaciones se pueden combinar diciendo que
Teorema 1.8.1. La soluci on general del sistema no homog eneo viene dado por una solu-
ci on particular m as la soluci on general del sistema homog eneo asociado.
PRUEBA: Supongamos que [A|b] representa un sistema mn compatible, donde rango(A) =
r. La compatibilidad garantiza que b no es una columna b asica de [A|b], por lo que las
columnas b asicas de [A|b] est an en la misma posici on que las columnas b asicas de [A|0].
Esto signica que el sistema no homog eneo y el sistema homog eneo asociado tienen exac-
tamente el mismo conjunto de variables b asicas as como de libres. Adem as, no es difcil
ver que
E
[A|0]
= [E
A
|0] y E
[A|b]
= [E
A
|c],
donde c es una columna de la forma
c =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
2
.
.
.
r
.
.
.
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Esto signica que si resolvemos la i- esima ecuaci on en el sistema homog eneo reducido
para la i- esima variable b asica x
b
i
f
1
, x
f
2
, . . . , x
f
nr
para dar
x
b
i
=
i
x
f
i
+
i+1
x
f
i+1
+ . . . +
nr
x
f
nr
,
entonces la soluci on de la i- esima variable b asica en el sistema no homog eneo reducido
debe tener la forma
x
b
i
=
i
+
i
x
f
i
+
i+1
x
f
i+1
+ . . . +
nr
x
f
nr
.
Esto es, las dos soluciones se diferencian unicamente en la presencia de la constante
i
en
la ultima. Si organizamos como columnas las expresiones anteriores, podemos decir que
si la soluci on general del sistema homog eneo es de la forma
x = x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
,
30

entonces la soluci on general del sistema no homog eneo tiene la forma similar
x = p + x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
,
donde la columna p contiene las constantes
i
junto con ceros. 2
Ejemplo 1.8.2. Calculemos la soluci on general del sistema
x
1
+ x
2
+ 2x
3
+ 2x
4
+ x
5
= 1,
2x
1
+ 2x
2
+ 4x
3
+ 4x
4
+ 3x
5
= 1,
2x
1
+ 2x
2
+ 4x
3
+ 4x
4
+ 2x
5
= 2,
3x
1
+ 5x
2
+ 8x
3
+ 6x
4
+ 5x
5
= 3,
y la comparamos con la soluci on general del sistema homog eneo asociado.
En primer lugar, calculamos la forma escalonada reducida por las de la matriz am-
pliada [A|b].
[A|b] =
_
_
_
_
1 1 2 2 1 1
2 2 4 4 3 1
2 2 4 4 2 2
3 5 8 6 5 3
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 0 0 0 1 1
0 0 0 0 0 0
0 2 2 0 2 0
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 2 2 0 2 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 1 1 0 1 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
_
_
_
_
1 0 1 2 0 1
0 1 1 0 1 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
_
_
_
_
1 0 1 2 0 1
0 1 1 0 0 1
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
= E
[A|b]
.
El sistema es compatible, pues la ultima columna es no b asica. Resolvemos el sistema
reducido para las variables b asicas x
1
, x
2
, x
5
3
, x
4
para
obtener
x
1
= 1 x
3
2x
4
,
x
2
= 1 x
3
,
x
3
es libre ,
x
4
es libre ,
x
5
= 1.
La soluci on general del sistema no homog eneo es
x =
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
=
_
_
_
_
_
_
1 x
3
2x
4
1 x
3
x
3
x
4
1
_
_
_
_
_
_
=
_
_
_
_
_
_
1
1
0
0
1
_
_
_
_
_
_
+ x
3
_
_
_
_
_
_
1
1
1
0
0
_
_
_
_
_
_
+ x
4
_
_
_
_
_
_
2
0
0
1
0
_
_
_
_
_
_
.
La soluci on general del sistema homog eneo asociado es
x =
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
=
_
_
_
_
_
_
x
3
2x
4
x
3
x
3
x
4
0
_
_
_
_
_
_
= x
3
_
_
_
_
_
_
1
1
1
0
0
_
_
_
_
_
_
+ x
4
_
_
_
_
_
_
2
0
0
1
0
_
_
_
_
_
_
.
31

Ahora volvemos a la pregunta Cu ando un sistema compatible tiene soluci on uni-
ca?. Sabemos que la soluci on general de un sistema no homog eneo compatible de orden
mn, con rango r, es de la forma
x = p + x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
,
donde
x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
es la soluci on general del sistema homog eneo asociado. Por tanto
Teorema 1.8.2. Un sistema compatible de matriz ampliada [A|b] tendr a una unica solu-
ci on 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 homog eneo asociado [A|0] tiene unicamente la
soluci on trivial.
Ejemplo 1.8.3. Consideremos el siguiente sistema no homog eneo:
2x
1
+ 4x
2
+ 6x
3
= 2,
x
1
+ 2x
2
+ 3x
3
= 1,
x
1
+ x
3
= 3,
2x
1
+ 4x
2
= 8.
La forma escalonada reducida por las de [A|b] es
[A|b] =
_
_
_
_
2 4 6 2
1 2 3 1
1 0 1 3
2 4 0 8
_
_
_
_
_
_
_
_
1 0 0 2
0 1 0 3
0 0 1 1
0 0 0 0
_
_
_
_
= E
[A|b]
.
El sistema es compatible porque la ultima columna no es b asica, o bien porque rango(A) =
3 = n umero de inc ognitas (no hay variables libres). El sistema homog eneo asociado tiene
unicamente la soluci on trivial, y la soluci on del sistema es
p =
_
_
2
3
1
_
_
.
32

Resumen
Sea [A|b] la matriz ampliada de un sistema no homog eneo compatible,
de orden mn, con rango(A) = r.
Mediante la reducci on de [A|b] a una forma escalonada usando la
eliminaci on Gaussiana, resolvemos las variables b asicas en fun-
ci on de las libres y llegamos a que la soluci on general del sistema
es de la forma
x = p + x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
.
La columna p es una soluci on particular del sistema no ho-
mog eneo.
La expresi on
x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
es la soluci on general del sistema homog eneo asociado.
33

Alige I 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Alige I 1

Uploaded by

Copyright:

Available Formats

Algebra Lineal y Geometra I. Curso 2010/11.

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

ON : No hay ning un conjunto de valores para las inc ognitas x

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

se dicen equivalentes por las si puede transfor-

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

You might also like