Documentos de Académico
Documentos de Profesional
Documentos de Cultura
t ex
el
Id
l" tulo
ea í
in cap
ED L l
N bra de
r U ge ar
po e Á imin
do d rel
ita as p
ed m ión
rs
Ve
e
"T
Capítulo I
SISTEMAS DE ECUACIONES
LINEALES
ESQUEMA
po e Á imin
do d rel
15
ita as p
lineales.
"T
Las ecuaciones lineales son las más sencillas de todas. Sin duda, el lec-
tor las ha manejado en su etapa escolar. Estamos hablando de ecuaciones
como 2x + 3 = 5 (con una sola incógnita) o 3x + 2y = 1 (con dos incóg-
nitas). Este es nuestro punto de partida: las ecuaciones lineales —con una
o más incógnitas—, o más precisamente: los sistemas de ecuaciones linea-
les, que no son más que listas de varias ecuaciones lineales consideradas
simultáneamente.
La primera sección de este capítulo recuerda al lector los métodos que
nos enseñaron en nuestra Educación Secundaria (o equivalente) para re-
solver sistemas de dos ecuaciones lineales y dos incógnitas; nos referimos a
los métodos de reducción, sustitución e igualación. Estos métodos, en parti-
cular el de reducción, se tratan de generalizar a sistemas de más ecuaciones
y más incógnitas, y ello da lugar a los métodos de eliminación (el de Gauss
y el de Gauss–Jordan). En este punto, surge de forma “natural” el concepto
de matriz como una forma de ganar operatividad y comodidad a la hora de
desarrollar tales métodos. Termina la sección con un “guiño” a sistemas de
infinitas soluciones y a sistemas sin solución, todo dentro del contexto de
los métodos de eliminación. Esta primera sección es introductoria: tan solo
pretende motivar y presentar al lector distintos elementos de los sistemas
de ecuaciones lineales.
La segunda sección, sin dar por sabido nada de la primera, detalla los
conceptos vistos en esta última: ecuación lineal, sistemas de ecuaciones li-
neales, solución, sistemas equivalentes, etc. En particular, incluye todo lo
necesario sobre matrices para poder ofrecer después un método práctico
sencillo de resolución de un sistema de ecuaciones lineales: básicamente,
transformaciones elementales, matriz escalonada y matriz escalonada re-
ducida.
Finalmente, la tercera sección propiamente detalla un método práctico
para discutir y resolver un sistema de ecuaciones lineales (dado un sistema,
se distingue entre discutirlo —averiguar si admite solución o no, y en caso
afirmativo cuántas— y resolverlo —calcular efectivamente las soluciones
to
t ex
el
Id
l" tulo
ea í
in cap
16 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
res, según los cuales el sistema puede ser de una clase u otra, o puede tener
e
"T
ECUACIONES LINEALES
ita as p
ed m ión
El lector nos permitirá, por el momento, que digamos que los números
po e Á imin
⎨ 4 · 1 − 2 · (−2) = 8
ed m ión
⎩3 · 1 + (−2) = 1,
rs
Ve
Solución del sistema de Se dice que los números x = 1 y y = −2 son una solución del sistema de
ecuaciones lineales
ecuaciones lineales (1). Cuando las incógnitas están dadas en un orden fijo
(aquí están escritas en el orden x, y en ambas ecuaciones), es más cómodo
y compacto llamar solución al par ordenado (1, −2). El primer elemento
del par ordenado (lo que se llama la primera componente del par) nos da
el número que debemos escribir en el lugar de la primera incógnita (que
es la incógnita x en este caso); el segundo elemento del par (su segunda
componente) nos da el número que debemos escribir en vez de la segunda
incógnita (la incógnita y).
De acuerdo con los ejemplos vistos, podemos afirmar que los pares or-
denados (2, 0) y (3, 1) no son una solución del sistema de ecuaciones linea-
les (1).
Acontece, de hecho, que el par ordenado (1, −2) es la única solución
del sistema de ecuaciones lineales (1). Veremos inmediatamente un método
sistemático para obtenerla.
de 3x + y = 1 obtenemos: 3x + (2x − 4) = 1.
t o
tex
el
Id
l" tulo
ea í
in cap
ED L l 19
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
y = 2x − 4 = 2 · 1 − 4 = −2.
rs
y y = −2; esto es, hemos obtenido como solución el par ordenado (1, −2).
"T
3 3 3
− · (4x − 2y) = − · 8, o bien − 3x + y = −6
4 4 2
5
y = −5.
2
En esta última ecuación ya no figura la primera incógnita (su coeficiente es
Hemos hablado de tres mé- nulo). Su solución es: y = −2. Finalmente, sustituimos este valor de y
todos escolares: sustitución,
igualación y reducción. Pero,
en cualquiera de las dos ecuaciones originales para obtener el valor de la
¿no desarrollamos el de igua- primera incógnita; por ejemplo, en la primera: 4x − 2(−2) = 8, lo que nos
lación? Sí: cf. ejercicio 2.
lleva a: 4x + 4 = 8, de donde x = 1. Obtenemos, por supuesto, la solución
que ya conocemos: (1, −2).
to
tex
el
Id
l" tulo
ea í
in cap
20 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
Jordan
do d rel
equivalentes.
Ve
e
5
"T
Método de sustitución Resolvámoslo por el método de sustitución. La idea básica sigue siendo la
para un sistema con tres
misma: despejamos una de las incógnitas en una de las tres ecuaciones y
ecuaciones y tres incógnitas
sustituimos lo obtenido en las otras dos.
En la tercera ecuación, por ejemplo, podemos despejar la incógnita x:
de −x + 2y + z = −2 obtenemos: x = 2y + z + 2,
2 2
de 3y + 2z = −2 obtenemos: y = − z − ,
3 3
y sustituimos el resultado en la segunda:
2 2 7 7
5 − z− + z = −1 o bien − z=− ,
3 3 3 3
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 21
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
jado y:
2 2 2 2
do d rel
y = − z − = − (−1) − = 0,
3 3 3 3
ita as p
ed m ión
x = 2y + z + 2 = 2 · 0 + (−1) + 2 = 1.
e
"T
Método de reducción 6 Tratemos de resolver el sistema de ecuaciones lineales (2) por re-
para un sistema con tres
ducción. La idea que subyace es la misma que vimos en el § 4 (cf. p. 19):
ecuaciones y tres incógnitas
operar entre las ecuaciones con el fin de eliminar incógnitas. Pero debe-
mos llevar un orden, con la intención de asegurarnos que obtenemos al-
guna ecuación con solo una incógnita; esta incógnita será fácil de despejar,
y permitirá a su vez despejar las dos restantes.
Lo que se hace es lo siguiente:
• en primer lugar, y operando con la primera ecuación, se sustituyen las
ecuaciones segunda y tercera por otras en las que no figure la incóg-
nita x;
• en segundo lugar, y operando con la nueva segunda ecuación, se susti-
tuye la nueva tercera ecuación por otra en la que tampoco figure la
incógnita y;
• finalmente, la última ecuación obtenida permite despejar inmediata-
mente la incógnita z, y una sencilla sustitución lleva a obtener el valor
de las restantes incógnitas, primero y, y finalmente x.
Veámoslo. ¿Qué significa la frase “operando con la primera ecuación, se
sustituye la segunda ecuación por otra en la que no figure la incógnita x ”?
Significa sumar a la segunda ecuación algún múltiplo de la primera de forma
que el resultado sea una ecuación sin incógnita x; esta ecuación obtenida
o
t
t ex
el
Id
l" tulo
ea í
in cap
22 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
será la nueva segunda ecuación. Para saber cómo hacer esta operación,
po e Á imin
+
e
−2x − 2y − 2z = 0. 2x + y − z = 3
"T
−y − 3z = 3.
x+ y+ z= 0
+
−x + 2y + z = −2
3y + 2z = −2.
ecuaciones del sistema (2) también satisface las ecuaciones del sistema (3).
po e Á imin
Es decir: toda solución del sistema (2) también es solución del sistema (3).
do d rel
otra es reversible: podemos recuperar las ecuaciones del sistema (2) a partir
ed m ión
de las del sistema (3). Por ejemplo, la segunda ecuación del sistema (2) se
rs
Método de reducción 8 Continuemos con la resolución por reducción del sistema de ecua-
para un sistema con tres
ciones lineales (2). Hemos eliminado la incógnita x en sus dos últimas
ecuaciones y tres incógnitas
(continuación) ecuaciones, y hemos obtenido con ello el sistema equivalente (3). Bus-
camos ahora (recordemos lo apuntado al principio del § 6) eliminar la incóg-
nita y en la última ecuación del sistema (3), y para conseguirlo sumamos
a esta ecuación algún múltiplo de la segunda. Es decir, sumamos a la
ecuación 3y + 2z = −2 algún múltiplo de la ecuación −y − 3z = 3 de forma
que desaparezca la incógnita y. El múltiplo adecuado se obtiene multipli-
La ecuación −y − 3z = 3 mul-
tiplicada por 3 es: −3y − 9z = 9
do d rel
+
−3y − 9z = 9. 3y + 2z = −2
ita as p
ed m ión
−7z = 7.
rs
⎧
"T
⎪
⎪ x+ y+ z=0
⎪
⎨
−y − 3z = 3 (4)
⎪
⎪
⎪
⎩ −7z = 7,
el cual resulta entonces equivalente al sistema (3) y por ende al (2). El sis-
tema de ecuaciones (4) está escrito de una forma que facilita su resolu-
ción: cada ecuación tiene menos incógnitas que su precedente. De la tercera
ecuación obtenemos: z = −1, que sustituido en la segunda nos lleva a:
−y − 3 · (−1) = 3, de donde: y = 0;
x + 0 + (−1) = 0, de donde: x = 1.
El sistema de ecuaciones (4) tiene por solución, pues, la terna (1, 0, −1). En
virtud de ser equivalentes, esta es también la solución de los sistemas (3)
y (2). Por supuesto, vemos confirmado el resultado que obtuvimos al re-
solver el sistema (2) por sustitución (cf. § 5, p. 20).
Método de reducción: cuando 9 En el proceso de resolución por reducción del sistema de ecua-
se reduce todavía más. . .
ciones (2), hemos llegado al sistema (4), equivalente al original y fácil de
resolver. Pero podríamos haber seguido con el proceso de simplificación
hasta otro sistema todavía más sencillo. Lo que podemos hacer a partir del
sistema (4) es lo siguiente: en primer lugar, buscamos que el primer coefi-
ciente no nulo de cada ecuación sea igual a 1; en segundo lugar, eliminamos
todos los restantes coeficientes de cada ecuación.
Lo primero lo conseguimos multiplicando cada ecuación por un número
(no nulo) adecuado: con la primera ecuación no hay que hacer nada; con la
segunda, multiplicamos por −1; con la tercera, multiplicamos por −1/7. El
resultado es este sistema:
⎧
⎪
⎪x + y + z = 0
⎪
⎨
y + 3z = −3 (5)
⎪
⎪
⎪
⎩ z = −1,
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 25
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
ecuación.
do d rel
y + 3z = −3
+
−3z = 3
y = 0,
⎧
⎪
⎪ x2 − x3 = 2
⎪
⎨
do d rel
x1 + x2 + x3 = 2 (7)
⎪
ita as p
⎪
⎪
⎩ x − x − x = 0.
ed m ión
1 2 3
rs
cuando se tratan los sistemas más generales.) Como antes, a partir de este
sistema intentamos escribir otro equivalente en el que cada ecuación tenga
menos incógnitas que su precedente.
Intercambio de ecuaciones Empezamos precisamente con un intercambio de ecuaciones, para que
en la primera ecuación figure la incógnita x1 . Tras permutar entre sí las
ecuaciones primera y segunda, obtenemos:
⎧
⎪
⎪ x1 + x2 + x3 = 2
⎪
⎨
x2 − x3 = 2
⎪
⎪
⎪
⎩ x − x − x = 0.
1 2 3
(Nótese que esta operación solo afecta a la tercera ecuación: las restantes
no se alteran; en particular, la primera ecuación se multiplica por −1 solo a
efectos de la operación: no permanece multiplicada por −1 en el sistema.)
Continuamos con la eliminación de la incógnita x2 en la tercera ecuación; lo
logramos sumando a esta ecuación la segunda multiplicada por 2:
−2x2 − 2x3 = −2 ⎧
⎪
+ 2x2 − 2x3 = 4 ⎪ x1 + x2 + x3 = 2
⎪
⎨
x2 − x3 = 2 (8)
⎪
⎪
−4x3 = 2 ⎪
⎩ −4x = 2. 3
Y este último sistema es como el (4), en el sentido de que cada una de las
ecuaciones tiene menos incógnitas que su ecuación precedente.
Así escrito, ya sabemos que el sistema de ecuaciones (8) resulta fácil de
resolver. De la tercera ecuación, obtenemos que x3 = −1/2, que sustituido
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 27
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
3 1
x1 + − = 2,
ita as p
2 2
ed m ión
terna (1, 3/2, −1/2). Y esta es también la solución del sistema original, el (7),
Ve
e
pues las operaciones que nos han permitido obtener un sistema a partir del
"T
Continuación del ejemplo del 11 ¿Continuamos con la reducción del sistema (8), de manera análoga
parágrafo anterior. . .
a como procedimos en el § 9 (cf. p. 24)?
En un primer paso, debemos conseguir que el primer coeficiente no nulo
de cada ecuación sea igual a 1; para ello solo tenemos que multiplicar la
última ecuación por −1/4:
⎧
⎪
⎪ x1 + x2 + x3 =
⎪
⎨
2
x2 − x3 = 2
⎪
⎪
⎪
⎩ x3 = −1/2.
• Método de eliminación lineales (7) en el § 10, se suele denominar método de eliminación de GAUSS.
po e Á imin
de GAUSS
Requiere, como hemos visto, transformar el sistema de ecuaciones que nos
do d rel
13 Como hemos visto, los métodos de eliminación con los que esta-
mos trabajando requieren llevar a cabo tres tipos de operaciones entre las
ecuaciones de un sistema —intercambiar dos ecuaciones, multiplicar una
ecuación por un número no nulo, o sumar a una ecuación un múltiplo de
otra—, pero estas operaciones entre ecuaciones suponen en definitiva ope-
raciones entre los coeficientes y los términos independientes del sistema.
Cuando transformamos un sistema de ecuaciones en otro equivalente (en
virtud de alguna de estas operaciones entre ecuaciones), ¿no sería entonces
más cómodo escribir, de alguna forma, solamente los coeficientes y los tér-
minos independientes, evitando escribir las incógnitas mismas e incluso los
signos de igualdad? Sí. Veamos cómo.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 29
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
⎧ ⎛ ⎞
⎪
⎪ x+ y +z =0 1 1 1
⎪
⎨
rs
2x + y − z = 3 ⎜ ⎟
⎪ ⎝ 2 1 −1 ⎠ . (10)
Ve
⎪
⎪
⎩ −x + 2y + z = −2.
−1 2 1
e
"T
(Esta tabla es lo más parecido a lo que queda si, en el sistema (2), nos
quedamos solo con los coeficientes, “borrando” las incógnitas, los signos
de igualdad y los términos independientes —y añadimos unos confortables
paréntesis—.)
Una tabla como la escrita en (10) es un ejemplo de un objeto matemático
Matriz denominado matriz. Los números que se escriben en una matriz se denomi-
nan términos de la matriz. Podemos notar, por ejemplo, que los términos de
la primera fila de la matriz (la de arriba), leídos de izquierda a derecha, son
precisamente los coeficientes que acompañan a las incógnitas x, y y z en la
primera ecuación del sistema: 1, 1 y 1, respectivamente. Asimismo, los tér-
minos de la primera columna (la de la izquierda), leídos de arriba abajo, son
los coeficientes que acompañan a la primera incógnita en las ecuaciones pri-
mera, segunda y tercera: 1, 2 y −1, respectivamente. Cada fila de la matriz
se corresponde con una ecuación, y cada columna con una incógnita.
Notación para la matriz de está empleada en otra cosa), y la ampliada se puede denotar con la misma
coeficientes y para la matriz
ita as p
Intercambiar dos filas ¿Qué ha ocurrido en las matrices? Simplemente se han permutado sus filas
po e Á imin
primera y segunda.
do d rel
⎛ ⎞ ⎛ ⎞
0 1 −1 2 1 1 1 2
⎜ ⎟ F1 ↔F2 ⎜ ⎟
⎝1 1 1 2 ⎠ →
⎝0 1 −1 2 ⎠ .
1 −1 −1 0 1 −1 −1 0
Nótese que esta transformación solo afecta a las dos filas que se permu-
tan —la primera y la segunda—; las restantes filas —solo la tercera en este
caso— permanecen inalteradas tras la transformación.
de matrices ampliadas:
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 1 1 2
⎜ ⎟ ⎜ ⎟
⎝ 0 1 −1 2⎠ y ⎝0 1 −1 2 ⎠,
0 0 −4 2 0 0 1 −1/2
Multiplicar una fila por un donde apreciamos que, efectivamente, todos los términos de la tercera fila
número (no nulo)
se han multiplicado por −1/4, o dicho forma más sintética: la tercera fila se
ha multiplicado por −1/4.
La transformación de “multiplicar la tercera fila por el número −1/4”
(esto es, multiplicar cada uno de los términos de la tercera fila por −1/4) se
designa así: F3 ← (−1/4)F3, y se escribe:
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 1 1 2
⎜ ⎟ F3 ←(−1/4)F3 ⎜ ⎟
⎝ 0 1 −1 2 ⎠
→ ⎝0 1 −1 2 ⎠.
0 0 −4 2 0 0 1 −1/2
to
tex
el
Id
l" tulo
ea í
in cap
32 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
Debe notarse que esta transformación solo afecta a una fila de la matriz —la
po e Á imin
Hemos aplicado varias veces esta operación entre ecuaciones en las pági-
rs
⎧ ⎧
⎪
⎪ x+ y+ z=0 ⎪
⎪ x+ y+ z=0
⎪
⎨ ⎪
⎨
−y − 3z = 3 y −y − 3z = 3
⎪
⎪ ⎪
⎪
⎪
⎩ ⎪
⎩
3y + 2z = −2 −7z = 7,
y en el § 8 (cf. p. 23) obtuvimos el segundo del primero sumando a la ter-
cera ecuación la segunda multiplicada por 3. Las matrices ampliadas son,
respectivamente, estas:
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
⎜ ⎟ ⎜ ⎟
⎝ 0 −1 −3 3⎠ y ⎝0 −1 −3 3⎠.
0 3 2 −2 0 0 −7 7
Podemos ver que las filas primera y segunda no se han alterado, y que a
cada término de la tercera fila se le ha sumado el término correspondiente
0 0 −7 7.
Sumar a una fila un múltiplo Más sintéticamente: a la tercera fila se le ha sumado la segunda multiplicada
de otra
por 3 (dejando las otras filas, y en particular la segunda, inalteradas).
A la operación (en sistemas) de sumar a una ecuación un múltiplo de
otra le corresponde entonces la transformación (en matrices) de sumar a
una fila un múltiplo de otra. La transformación de este ejemplo: “sumar a la
tercera fila la segunda multiplicada por −3”, se denota así: F3 ← F3 + (−3)F2,
y se escribe:
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
⎜ ⎟ F3 ←F3 +(−3)F2 ⎜ ⎟
⎝0 −1 −3 3 ⎠ →
⎝0 −1 −3 3⎠.
0 3 2 −2 0 0 −7 7
Debemos enfatizar que esta transformación en la matriz solo afecta a una
fila —la tercera en este caso— y las otras filas quedan inalteradas; en parti-
cular, la fila que se multiplica por el número para hacer la transformación
—la segunda en este ejemplo— permanece intacta.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 33
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
matrices:
do d rel
Resolución de un sistema de 20 Unas páginas más atrás hemos estudiado que la idea básica para re-
ecuaciones lineales con ayuda
solver un sistema de ecuaciones lineales es la de transformarlo, con ayuda
de matrices: idea básica
de las operaciones entre ecuaciones que hemos visto, en otro sistema equi-
valente más sencillo de resolver. De acuerdo con todo lo afirmado en los
últimos parágrafos, podemos llevar a cabo tal tarea con la ayuda de las
matrices. Se trataría, entonces, de escribir la matriz ampliada del sistema
que nos dan; de transformar esta matriz, mediante transformaciones ele-
mentales, en otra “más sencilla”; y, finalmente, de resolver el sistema de
ecuaciones representado por esta matriz sencilla. Este último sistema de
ecuaciones resultará equivalente al original, y por tanto su solución será la
que buscamos.
¿Cómo debe ser esa matriz “más sencilla” a la que debemos llegar desde
la matriz ampliada del sistema original? Respondemos con otra pregunta:
to
t ex
el
Id
l" tulo
ea í
in cap
34 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
cumple esta otra: los primeros coeficientes no nulos de cada ecuación son
e
"T
Se observa que cada fila comienza con más ceros que la precedente. Que-
remos decir: cada fila tiene cierta cantidad de ceros iniciales —ninguno la
primera, uno la segunda, dos la tercera—, y cualquier fila —excepto la pri-
mera, por supuesto— tiene más ceros iniciales que su fila anterior. Ambas
Matriz escalonada matrices son un ejemplo de lo que se denomina matriz escalonada.
En una matriz escalonada, el primer término no nulo de cada fila recibe
el nombre de pivote. Las dos matrices del párrafo anterior, ambas escalo-
nadas, tienen entonces tres pivotes cada una; en la primera, tales son: 1, −1
y −7; en la segunda: 1, 1 y −4.
Un primer vistazo nos dice que estas dos matrices son escalonadas: cada
po e Á imin
fila, excepto la primera, tiene más ceros iniciales que la precedente. Pero
do d rel
tienen dos propiedades más: los pivotes —es decir, los primeros términos
ita as p
lumna de cada pivote son nulos. Una matriz escalonada con estas propie-
rs
Matriz escalonada reducida dades se dice que es una matriz escalonada reducida.
Ve
23
e
Esto es así porque las dos transformaciones son de tipo iii, afectan a filas
ita as p
⎛ ⎞ F ←(−1)F ⎛ ⎞
1 1 1 0 2 2 1 1 1 0
= ⎜
A ⎝0 −1 −3
⎟ F3 ←(−1/7)F3 ⎜
3 ⎠ →
⎝0 1 3
⎟
−3 ⎠ ;
0 0 −7 7 0 0 1 −1
⎛ ⎞ ⎛ ⎞
1 1 1 0 F2 ←F2 −3F3 1 1 0 1
do d rel
⎜ ⎟ F1 ←F1 −F3 ⎜ ⎟
⎝0 1 3 −3 ⎠ →
⎝0 1 0 0⎠;
ita as p
0 0 1 −1 0 0 1 −1
ed m ión
rs
⎛ ⎞ ⎛ ⎞
1 1 0 1 1 0 0 1
⎜ ⎟ F1 ←F1 −F2 ⎜ ⎟
⎝0 1 0 0 ⎠ →
⎝0 1 0 0⎠.
0 0 1 −1 0 0 1 −1
(añadi-
Esta última matriz ya es escalonada reducida; la denotamos por A
endo una “prima” más a la letra). Ya vimos esta matriz (aunque entonces no
la designamos con ninguna letra) en los § 22 y 23 (cf. p. 34), donde comenta-
mos que en su última columna podemos leer directamente la solución única
del sistema de ecuaciones lineales (2): (1, 0, −1).
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 1 1 2
ita as p
= ⎜
D ⎝0 1 −1
⎟ F3 ←(−1/4)F3 ⎜
2 ⎠ →
⎝0 1 −1 2 ⎠
⎟
ed m ión
0 0 −4 2 0 0 1 −1/2
rs
⎛ ⎞
Ve
F1 ←F1 −F3 ⎜ ⎟
"T
→
⎝0 1 0 3/2 ⎠
0 0 1 −1/2
⎛ ⎞
1 0 0 1
F1 ←F1 −F2 ⎜ ⎟ .
→
⎝0 1 0 3/2 ⎠ = D
0 0 1 −1/2
Un sistema con infinitas 26 Consideremos el siguiente sistema de dos ecuaciones y dos incóg-
soluciones
nitas: ⎧
⎨ 3x + y = −3
(11)
⎩ 6x + 2y = −6.
3 Comprobaremos más adelante (cf. § 45, p. 55), que no hay más posibilidades en lo que
a las soluciones de un sistema de ecuaciones lineales se refiere: solución única, infinitas
soluciones o ninguna solución.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 39
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
a una forma
Una sola transformación elemental nos lleva la matriz A
po e Á imin
escalonada:
do d rel
3 1 −3 F2 ←F2 −2F1 3 1 −3
= .
ita as p
A →
=A
6 2 −6 0 0 0
ed m ión
rs
(esto es, tiene todos sus términos nulos). En la columna de este pivote —la
e
"T
primera— ya es nulo el otro término, así que solo nos resta conseguir que
el pivote sea igual a 1:
3 1 −3 F1 ←(1/3)F1 1 1/3 −1
=
A →
.
=A
0 0 0 0 0 0
1
x = −1 + y. (13)
3
configura una solución del sistema. Realmente, todas las soluciones del
po e Á imin
1
x = −1 +
ita as p
El sistema de ecuaciones lineales (11) es, pues, un sistema con infinitas solu-
rs
Ve
ciones.
e
"T
o también: todas las soluciones del sistema (11) son los pares ordenados de
la forma:
1
−1 + λ, λ , donde λ es un número cualquiera.
3
Otro sistema con infinitas 28 Consideremos ahora el siguiente sistema de tres ecuaciones y cua-
soluciones, esta vez con más
tro incógnitas: ⎧
ecuaciones que incógnitas
⎪
⎪ x1 − x2 + x3
⎪
⎨
=2
x2 + x3 + x4 = −1 (14)
⎪
⎪
⎪
⎩x
1 + 2x3 + x4 = 1.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 41
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
1 −1 1 0 2
Ve
⎜ ⎟
A = ⎝0 1 1 1 −1 ⎠ .
e
"T
1 0 2 1 1
x1 = 1 − 2x3 − x4 y x2 = −1 − x3 − x4 . (16)
to
t ex
el
Id
l" tulo
ea í
in cap
42 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
terna es lo análogo, para cua- cuatro valores numéricos (en su orden adecuado) es una solución del sis-
Ve
tro números, del par ordenado tema: (−3, −4, 1, 2). Podemos afirmar que todas las soluciones del sistema
e
o de la terna.
"T
de ecuaciones lineales (15), y por ende todas las del (14), son las cuater-
nas (x1 , x2 , x3 , x4 ) tales que:
⎧
⎨ x1 = 1 − 2x3 − x4 ,
donde x3 y x4 son números cualesquiera.
⎩ x2 = −1 − x3 − x4 ,
Un sistema sin solución 29 Estudiemos este sistema de tres ecuaciones y tres incógnitas:
⎧
⎪
⎪ x1 + x2 − x3 = 5
⎪
⎨
2x1 + x2 =2 (17)
⎪
⎪
⎪
⎩ x
1 + x = −1.
3
⎛ ⎞ ⎛ ⎞
1 1 −1 5 1 1 −1 5
do d rel
⎜ ⎟ F2 ←F2 −2F1 ⎜ ⎟
A = ⎝2 1 0 2 ⎠ →
⎝0 −1 2 −8 ⎠
ita as p
1 0 1 −1 1 0 1 −1
ed m ión
⎛ ⎞
rs
1 1 −1 5
F3 ←F3 −F1 ⎜ ⎟
Ve
→
⎝0 −1 2 −8 ⎠
e
0 −1 2 −6
"T
⎛ ⎞
1 1 −1 5
F3 ←F3 −F2 ⎜ ⎟
→
⎝ 0 −1 2 −8 ⎠ = A
0 0 0 2
Pero acontece que esta ecuación no admite solución: cualesquiera que sean
los números que escribamos en vez de x1 , x2 y x3 , no obtendremos el
número 2 como resultado de la operación 0x1 + 0x2 + 0x3 . Deducimos
no admite solución. Y
entonces que el sistema cuya matriz ampliada es A
si este sistema no admite solución, tampoco la admite el sistema original:
el (17), que es equivalente a él.
A modo de epílogo de la 30 A la vista de los sistemas de ecuaciones lineales que hemos visto
sección
en este apartado y en el anterior, nos formulamos las siguientes preguntas:
¿cuál es el punto crucial que hace que un sistema admita solución o no?;
y, una vez sabemos que el sistema admite solución, ¿cuál es la clave para
saber si esta solución es única o admite más de una?
Adelantamos al lector las respuestas, de las cuales quizá ya intuya algún
aspecto.
Si nos fijamos bien en la resolución del sistema (17) en el § 29, el de-
talle crucial que nos determina que el sistema no admita solución es que
la matriz escalonada obtenida a partir de su matriz ampliada presenta un
pivote en la última columna. Si una matriz escalonada, ampliada de un sis-
tema de ecuaciones lineales, tiene un pivote en su última columna, entonces
to
t ex
el
Id
l" tulo
ea í
in cap
44 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
sección actual, tanto en este apartado como en los anteriores, son tales que
rs
Ejercicios I.1
po e Á imin
1 Resolver, tanto por sustitución como por reduc- 5 Considérese el siguiente sistema de ecuaciones
do d rel
⎧
⎨ x+ y =6 ⎩ ax1 + x2 = 1,
ed m ión
⎩ −x + 3y = 2.
rs
4 Resolver el siguiente sistema de ecuaciones linea- 7 Si las letras a, b, c y d designan números tales
les: que a ≠ 0 y ad − bc ≠ 0, resuélvase este sistema de
⎧
⎪
⎪ 2x + 3y + 5z = 1 ecuaciones lineales:
⎪
⎨
5y − z = 1 ⎧
⎪
⎪ ⎨ ax1 + bx2 = 1
⎪
⎩2x + 8y + 5z = 2.
⎩ cx1 + dx2 = 1.
to
t ex
el
Id
l" tulo
ea í
in cap
46 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
lineales
rs
Ecuación lineal
Ecuación lineal. Incógnitas, 31 Sea m un número natural positivo. Una ecuación lineal en las m
coeficientes y término
incógnitas (o variables) x1 , x2 , . . ., xm es una expresión de la forma:
independiente
a1 x1 + a2 x2 + · · · + am xm = c,
1
x1 − x2 − 3x3 = 2, x3 = 1 y − x1 + 4x3 = 0.
5
Los coeficientes de la primera ecuación son 1, −1 y −3; los de la segunda: 0,
0 y 1; y los de la tercera: −1/5, 0 y 4. Los tres términos independientes
son 2, 1 y 0, respectivamente.
Las siguientes también son ecuaciones en las incógnitas x1 , x2 y x3 , pero
no son lineales:
1
x1 x2 + x3 = 2, x12 + 3x2 − x3 = −1, 2x1 − = 1.
x3
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 47
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
Muchas veces se emplean otras letras para designar las incógnitas, co-
po e Á imin
2x + 3y − 2z + t = −3 y − 2y − z − t = 1.
rs
y1 + y3 = 0 y 3y2 + y3 = −7.
Ecuaciones lineales: detalles 32 Como puede el lector deducir de los ejemplos del parágrafo ante-
de notación
rior, si un coeficiente en una ecuación lineal es nulo, no se suele escribir el
sumando correspondiente. Por ejemplo, se escribe −2x1 + x3 = 2 en vez
de −2x1 + 0x2 + x3 = 2 (salvo que se quiera enfatizar por alguna razón el
valor nulo del coeficiente). Pero hay una excepción: si todos los coeficientes
de la ecuación lineal son nulos, los escribiremos explicitamente:
Solución de una ecuación 33 Consideremos una ecuación lineal en las m incógnitas (o varia-
lineal
bles) x1 , x2 , . . ., xm :
a1 x1 + a2 x2 + · · · + am xm = c.
si se verifica:
terna. (De hecho, si m = 2,
ita as p
están escritos.
La terna (0, −3, 1) es una solución de la ecuación, pues si sustituimos x1
por 0, x2 por −3 y x3 por 1, obtenemos una igualdad:
0 + (−3) + 2 · 1 = −1.
1 + 1 + 2 · 1 = 4 ≠ −1.
En efecto: El lector puede comprobar que la terna (0, 0, −1/2) es otra solución de la
1 ecuación. Se trata de una ecuación lineal con más de una solución.
0+0+2· − = −1.
2
Más ejemplos 34 Consideremos la ecuación lineal 3x2 = 1, en las incógnitas x1 y x2 .
Más explícitamente, se trata de la ecuación 0x1 + 3x2 = 1. Una solución es
el par ordenado (1, 1/3), pues la sustitución x1 = 1 y x2 = 1/3 nos lleva a
una igualdad:
1
0·1+3· = 1.
3
Si nos fijamos, realmente todo par ordenado de la forma (a, 1/3), siendo a
un número cualquiera, es una solución de la ecuación:
Hacemos la sustitución x1 = a
y x2 = 1/3. 1
0·a+3· = 1.
3
Solución de una ecuación 35 La ecuación lineal 0x1 + 0x2 + 0x3 = −1 (en las incógnitas x1 , x2
po e Á imin
Posibilidades para las 36 En los § 34 y 35, hemos visto ejemplos de ecuaciones lineales con
soluciones de una ecuación
una única solución (como la ecuación 3x1 = 1 en la incógnita x1 ), con in-
lineal: una, infinitas o
ninguna finitas soluciones (como la ecuación 3x2 = 1 en las incógnitas x1 y x2 ) o
sin solución (como las ecuaciones con todos sus coeficientes nulos y el tér-
mino independiente no nulo). Realmente, no hay más posibilidades para las
soluciones de una ecuación lineal: una, infinitas o ninguna.
(−2) · (x1 − 3x2 + 2x3 ) = (−2) · (−1), de donde: − 2x1 + 6x2 − 4x3 = 2.
ita as p
ed m ión
a1 x1 + a2 x2 + · · · + am xm = c
Adición de ecuaciones 38 Las ecuaciones lineales también pueden sumarse, como se suman
lineales
habitualmente dos igualdades, miembro a miembro. Por ejemplo, conside-
remos estas dos ecuaciones lineales, ambas en las incógnitas x1 , x2 y x3 :
2x1 + x2 − 3x3 = 1
+
−6x1 + x3 = −1
La suma de las dos ecuaciones lineales es, como vemos, otra ecuación lineal,
en las mismas incógnitas que ambas ecuaciones, y tal que el coeficiente que
acompaña a cada incógnita es la suma de los coeficientes que acompañan a
la misma incógnita en cada ecuación, y también tal que su término indepen-
diente es la suma de ambos términos independientes.
En general, la suma de dos ecuaciones lineales en las mismas incógnitas:
a1 x1 + a2 x2 + · · · + am xm = c y b1 x1 + b2 x2 + · · · + bm xm = d,
Sumar a una ecuación un 39 A modo de combinación de las dos operaciones entre ecuaciones
múltiplo de otra
lineales que hemos visto en los §s 37 y 38, podemos sumar a una ecuación
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 51
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
resultado a la primera.
ita as p
Efectuemos una operación de este tipo con las siguientes dos ecuaciones
ed m ión
x1 + 3x2 − x3 = 0
+
−x1 + 2x2 − 3x3 = 4
5x2 − 4x3 = 4.
a1 x1 + a2 x2 + · · · + am xm = c y b1 x1 + b2 x2 + · · · + bm xm = d,
a1 b2 a1 bm a1 d
de donde: − a1 x1 − x2 − · · · − xm = − .
b1 b1 b1
t o
tex
el
Id
l" tulo
ea í
in cap
52 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
a1 x1 + a2 x2 + · · · = c
ita as p
+
ed m ión
a1 b2 a1 d
−a1 x1 − x2 − · · · = −
b1 b1
rs
Ve
a1 b2 a1 d
e
0x1 + a2 − x2 + · · · = c − .
"T
b1 b1
Soluciones de una ecuación 41 Si multiplicamos una ecuación lineal por un número, obteniendo
lineal tras efectuar
con ello una segunda ecuación, las soluciones de la primera ecuación, ¿son
operaciones con ella
también soluciones de la segunda? Sí.
Veamos un ejemplo. Consideremos la ecuación lineal 2x1 − x2 + x4 = 1,
Una cuaterna es una m-upla
con m = 4.
de la cual una solución es la cuaterna (1, 3, 5, 2), pues: 2 · 1 − 3 + 2 = 1.
Multipliquemos la ecuación por 2; obtenemos: 4x1 − 2x2 + 2x4 = 2. Acon-
tece que la cuaterna (1, 3, 5, 2) también es solución de esta última ecuación,
pues: 4 · 1 − 2 · 3 + 2 · 2 = 2.
Con la adición de ecuaciones lineales acontece algo similar. Lo que sea
solución simultáneamente de las dos ecuaciones lineales que se suman sigue
siendo solución de la ecuación lineal suma. Por ejemplo, la terna (1, 1, 1) es
solución de estas dos ecuaciones lineales:
x1 − x2 − x3 = −1
+ x1 + x2 − 2x3 = 0
x1 − x2 − x3 = −1 y x1 + x2 − 2x3 = 0; (20)
2x1 − 3x3 = −1
pero también es solución de la ecuación lineal suma de ambas ecuaciones,
que es: 2x1 − 3x3 = −1. Dejamos al lector la comprobación de los detalles.
Nota bene Cuando decimos que toda solución de dos ecuaciones lineales lo es
también de su suma, se exige que tal solución lo sea de las dos ecuaciones que
se suman.
⎨2 · 1 +3·0−0= 2
ed m ión
⎩ 1 + (−2) + 4 · 0 + 0 = −1.
rs
Ve
y comentamos que tenía una única solución: el par (1, −2). El lector puede
comprobar que este par es efectivamente solución del sistema.
Este otro sistema: ⎧
⎨ x1 + x2 = 1
⎩ 2x1 + 2x2 = 2,
Por otra parte, el sistema (21) admite como solución todas las cuaternas
de la forma:
3 1 5 3
1− a+ b, −2− a− b, a, b , donde a y b son números cualesquiera.
2 2 2 2
La comprobación es esta:
⎧
Recordamos de nuevo el sis-
⎪
⎪ 3 1
tema (21): ⎪
⎨2 1 − a+ b + 3a − b = 2
⎧ 2 2
⎨ 2x1 + 3x3 − x4 = 2
⎪
⎪ 3 1 5 3
⎩ x + x + 4x + x = −1. ⎪
⎩ 1 − a + b + −2 − a − b + 4a + b = −1.
1 2 3 4
2 2 2 2
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 55
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
mar 1 y 2 a la vez!
⎨ x1 + x2 = 1
ita as p
⎩ x1 + x2 = 2.
ed m ión
rs
Posibilidades para las 45 En el § 44, acabamos de citar varios ejemplos de sistemas de ecua-
soluciones de un sistema de
ciones lineales: uno de ellos con una única solución, dos con infinitas solu-
ecuaciones lineales: una,
infinitas o ninguna ciones y un cuarto sin solución. De acuerdo con lo visto en el § 36 (cf. p. 49),
son estas tres las posibilidades para la cantidad de soluciones de un sistema
de ecuaciones lineales.
Nomenclatura: sistema 46 De un sistema que admite solución única diremos que es compa-
compatible determinado,
tible determinado; de uno que admite infinitas soluciones diremos que es
sistema compatible
indeterminado y sistema compatible indeterminado; y de uno que no admite solución diremos que
incompatible es incompatible.
De acuerdo con lo afirmado en el § 45, todo sistema de ecuaciones linea-
les es de una, y solo una, de estas tres clases.
Por ejemplo (§ 44), los siguientes sistemas:
⎧ ⎧ ⎧
⎨ 4x − 2y = 8 ⎨ x1 + x2 = 1 ⎨ x1 + x2 = 1
y
⎩ 3x + y = 1, ⎩ 2x1 + 2x2 = 2 ⎩ x1 + x2 = 2,
Sistemas que incluyen 47 Sabemos que una ecuación lineal con todos sus coeficientes nulos
ecuaciones con todos los
pero con el término independiente no nulo, es decir, una ecuación lineal
coeficientes nulos
como esta:
0x1 + 0x2 + · · · + 0xm = c, con c ≠ 0,
no admite solución (cf. § 35, p. 49). Por tanto, si un sistema incluye tal
ecuación entre las suyas, podemos afirmar que el sistema no admite solu-
ción: se tratará de un sistema de ecuaciones lineales incompatible.
to
t ex
el
Id
l" tulo
ea í
in cap
56 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
lineal con todos sus coeficientes nulos y con el término independiente tam-
do d rel
Ecuación nula (lo que llamaremos una ecuación nula), admite como solución toda m-upla
Ve
e
Sistemas equivalentes 48 Diremos que dos sistemas de ecuaciones lineales son equivalentes
si tienen las mismas soluciones; es decir, si toda solución del primero tam-
bién es solución del segundo, y si toda solución del segundo también es
solución del primero. Si dos sistemas de ecuaciones lineales en las mismas
incógnitas no admiten solución, también diremos que ambos sistemas son
equivalentes.
De acuerdo con lo visto en el § 47, si un sistema de ecuaciones lineales
tiene alguna ecuación nula, al eliminar esta obtenemos un nuevo sistema
equivalente al original.
En la Sección I.1, ya vimos algunos primeros ejemplos de sistemas equi-
valentes. En estos ejemplos, a partir de un sistema dado obteníamos un sis-
tema equivalente llevando a cabo en el primero ciertas operaciones con sus
ecuaciones. Estudiamos estas operaciones entre ecuaciones en el parágrafo
siguiente.
Manipulaciones en sistemas 49 Recordemos, pues, las operaciones entre ecuaciones que llevába-
de ecuaciones lineales
mos a cabo en sistemas de ecuaciones lineales en la Sección I.1. Son las
siguientes:
• intercambiar dos ecuaciones;
• multiplicar una ecuación por un número no nulo;
• sumar a una ecuación un múltiplo de otra.
Una manipulación de cualquiera de estos tipos transforma un sistema de
ecuaciones lineales en otro equivalente.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 57
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
po e Á imin
Comprobamos esta afirmación para cada uno de los otra ecuación de modo que ambas tienen las mismas
do d rel
tres tipos de manipulación señalados. soluciones. Esto prueba que la operación de multi-
En primer lugar, si en un sistema de ecuaciones li- plicar una ecuación por un número no nulo nos lleva
ita as p
ed m ión
neales intercambiamos dos de ellas, el sistema sigue un sistema de ecuaciones lineales a otro equivalente.
teniendo, en definitiva, las mismas ecuaciones: es claro Finalmente, analicemos la operación de sumar a
rs
que toda solución de uno es también solución del otro. una ecuación un múltiplo de otra. Por fijar ideas,
Ve
Esta operación efectivamente transforma un sistema de supongamos que las ecuaciones involucradas son las
e
"T
⎧
−x1 − x2 + 2x3 = 0 ⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1
do d rel
+ x1 − x2 + 7x3 = 3 − x2 + 4x3 = 1
⎪
⎪
ita as p
⎪
⎩ −2x2 + 9x3 = 3.
ed m ión
−2x2 + 9x3 = 3
En un siguiente paso, “hacemos nulo” el coeficiente de x2 de la tercera
rs
Ve
2x2 − 8x3 = −2 ⎧
⎪
+ −2x2 + 9x3 = 3
⎪ x1 + x2 − 2x3 = 0
⎪
⎨
−x2 + 4x3 = 1 (24)
⎪
⎪
x3 = 1 ⎪
⎩ x3 = 1.
Este último sistema de ecuaciones lineales es fácil de resolver: la tercera
ecuación ya nos dice que x3 = 1; sustituyendo x3 por 1 en la segunda
ecuación, llegamos a:
−x2 + 4 · 1 = 1, de donde: x2 = 3.
Continuación del ejemplo 51 En el ejemplo del § 50, hemos llegado al sistema (24) y lo hemos
po e Á imin
resuelto (por sustitución hacia atrás), pero podríamos haber seguido apli-
do d rel
incógnita de cada ecuación; para ello, solo hace falta multiplicar por −1 la
Ve
⎧
"T
⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1
x2 − 4x3 = −1
⎪
⎪
⎪
⎩ x = 1.
3
de ecuaciones lineales
do d rel
matriz es
2 −3 0
A= .
0 1 1
Aquí estamos denotando con la letra A una matriz de orden (2, 3): se trata
de 2 · 3 = 6 números dispuestos en dos filas y tres columnas. Los términos
de la primera fila son 2, −3 y 0 (en este orden, de izquierda a derecha); los
de la segunda: 0, 1 y 1. Los términos de la primera columna son 2 y 0 (de
arriba abajo); los de la segunda: −3 y 1; y los de la tercera: 0 y 1.
en el otro.
Ve
e
sistema de ecuaciones
consigna los términos independientes del sistema; solo sus coeficientes.
lineales
Dado el sistema de ecuaciones lineales (25), se denomina matriz ampliada
del sistema la matriz de orden (n, m + 1) siguiente:
⎛ ⎞
a11 a12 ... a1m c1
⎜ ⎟
⎜ a21 a22 ... a2m c2 ⎟
⎜ ⎟
⎜ . .. .. .. .. ⎟ .
⎜ .. . . ⎟
⎝ . . ⎠
an1 an2 ... anm cn
Intercambio de filas 55 Hemos visto (cf. § 49, p. 56) varios tipos de operaciones entre las
ecuaciones de un sistema de ecuaciones lineales que lo transforman en otro
sistema equivalente. A saber: intercambiar dos ecuaciones, multiplicar una
to
tex
el
Id
l" tulo
ea í
in cap
62 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
lato como transformaciones entre las filas de las matrices ampliadas (y por
ita as p
intercambiamos las filas primera y segunda, los dos sistemas, antes y des-
e
"T
Multiplicar una fila por un 56 De manera similar, a la multiplicación de la ecuación (de un sistema
número no nulo
de ecuaciones lineales) por un número no nulo le corresponde la multipli-
cación de una fila (de la matriz ampliada correspondiente) por el número
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 63
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 −2 0
⎜ ⎟ F2 ←(−1)F2 ⎜ ⎟
rs
⎝ 0 −1 4 1 ⎠
→
⎝ 0 1 −4 −1 ⎠ , (26)
Ve
0 0 1 1 0 0 1 1
e
"T
Nota bene Multiplicar una fila de una matriz por un número significa multiplicar
todos y cada uno de los términos de tal fila por el número.
Sumar a una fila un múltiplo 57 Finalmente, la operación (en un sistema de ecuaciones lineales) de
de otra
sumar a una ecuación un múltiplo de otra se corresponde con la transfor-
mación (en la matriz ampliada) de sumar a una fila un múltiplo de otra. La
transformación, en una matriz, de sumar a la fila i-ésima el resultado de
Fi ← Fi + bFj multiplicar por un número b (nulo o no) la fila j-ésima se designará de esta
forma: Fi ← Fi + bFj (aquí i y j denotan números naturales comprendidos
entre 1 y el número de filas de la matriz).
La transformación A modo de ejemplo, podemos escribir:
⎛ ⎞ ⎛ ⎞
F2 ← F2 + (−1)F1 1 1 −2 0 1 1 −2 0
⎜ ⎟ F2 ←F2 +(−1)F1 ⎜ ⎟
también se puede denotar de ⎝1 0 2 1 ⎠ →
⎝0 −1 4 1⎠, (27)
esta forma: F2 ← F2 − F1 . 1 −1 7 3 1 −1 7 3
por −1:
La primera fila, tras multipli-
ita as p
−1 −1 2 0. −1 −1 2 0
rs
−1
Ve
0 4 1.
e
"T
Nota bene En esta transformación, la fila que se multiplica por el número —la
primera en el ejemplo— queda finalmente inalterada. Al ejecutar en una matriz
la transformación Fi ← Fi +bFj , solo puede verse cambiada la fila i-ésima; todas
las demás, y en particular la j-ésima, permanecen inalteradas.
§ 50 (cf. p. 57)
sivas hasta llegar a la matriz ampliada de algún sistema fácil de resolver (o,
e
"T
y podemos escribir:
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 −2 0
=⎜
A ⎝1 0 2
⎟ F2 ←F2 −F1 ⎜
1 ⎠ →
⎝0 −1 4 1⎠
⎟
1 −1 7 3 1 −1 7 3
El lector puede comparar las
operaciones entre ecuaciones ⎛ ⎞
1 1 −2 0
del § 50 con las realizadas F3 ←F3 −F1 ⎜ ⎟
aquí entre las filas de las ma- →
⎝0 −1 4 1⎠
trices ampliadas. 0 −2 9 3
⎛ ⎞
1 1 −2 0
F3 ←F3 −2F2 ⎜ ⎟ .
→
⎝0 −1 4 1⎠ = A
0 0 1 1
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 −2 0
rs
= ⎜
A ⎝0 −1 4
⎟ F ←(−1)F ⎜
1 ⎠ 22→
⎝0 1 −4
⎟
−1 ⎠
Ve
0 0 1 1 0 0 1 1
e
"T
⎛ ⎞
1 0 2 1
F1 ←F1 −F2 ⎜ ⎟
→
⎝0 1 −4 −1 ⎠
0 0 1 1
⎛ ⎞
El orden de aplicación de es- F1 ←F1 −2F3 1 0 0 −1
F2 ←F2 +4F3 ⎜ ⎟ .
tas dos transformaciones es →
⎝ 0 1 0 3⎠ = A
de arriba abajo.
0 0 1 1
es precisamente el
El sistema cuya matriz ampliada es la matriz final A
último que obteníamos en el citado § 51; lo escribimos aquí de nuevo:
⎧
⎪
⎪ x = −1
⎪
⎨ 1
x2 = 3
⎪
⎪
⎪
⎩ x3 = 1.
Matriz escalonada
Fila nula 60 Dada una matriz, una fila nula es una fila cuyos términos son todos
nulos. Por ejemplo, dada la matriz:
⎛ ⎞
0 0 0 0
⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟,
⎜0 0 0 0⎟
⎝ ⎠
6 7 2 −1
acontece que sus filas primera y tercera son nulas, y que no lo son sus filas
En una fila nula, todos los tér-
minos son nulos; en una fila
segunda y cuarta. En cuanto hay un término no nulo en una fila, esta fila ya
no nula, alguno de los térmi- no es nula.
nos es no nulo.
Por supuesto, hay matrices sin filas nulas. Verbigracia:
⎛ ⎞
1 0 −1
⎜ ⎟
⎝0 −2 0⎠.
1 0 0
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 67
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
⎛ ⎞
0 0
0 0 0 ⎜ ⎟
do d rel
o ⎝0 0⎠.
0 0 0
ita as p
0 0
ed m ión
De una matriz con todas sus filas nulas (o lo que es lo mismo: con todos
rs
Ceros iniciales 61 Dado un número natural k, se dice que una fila no nula de una
"T
matriz tiene k ceros iniciales si los k primeros términos de la fila son nulos
y el (k + 1)-ésimo no lo es.
Por ejemplo, en la matriz
⎛ ⎞
0 0 0 0
⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟,
⎜0 0 0 0⎟
⎝ ⎠
6 7 2 −1
su segunda fila —que es no nula— presenta k = 2 ceros iniciales, pues los
dos primeros términos de esta fila son nulos pero el tercero ya no lo es. Su
cuarta fila —que tampoco es nula— no tiene ceros iniciales.
Otro ejemplo. Para la matriz
⎛ ⎞
0 1 −2 0
⎜ ⎟
⎝0 0 0 −1 ⎠ ,
0 0 0 0
podemos afirmar: en la primera fila hay un cero inicial; en la segunda, tres.
Y la última fila es nula.
Matriz escalonada 62 Una matriz escalonada es una matriz con la siguiente propiedad: o
bien es nula, o bien sus filas no nulas son las primeras, y cada una de ellas,
salvo la primera, tiene más ceros iniciales que su precedente.
Por ejemplo, la última matriz escrita en el § 61:
⎛ ⎞
0 1 −2 0
⎜ ⎟
⎝0 0 0 −1 ⎠ ,
0 0 0 0
es escalonada: tiene dos filas no nulas y son las primeras, y la segunda tiene
más ceros iniciales que la primera.
Otro ejemplo. Comparemos estas dos matrices:
⎛ ⎞ ⎛ ⎞
3 5 −1 0 3 5 −1 0
⎜ ⎟ ⎜ ⎟
⎜0 0 1 −2 ⎟ ⎜0 0 1 −2 ⎟
⎜ ⎟ y ⎜ ⎟.
⎜0 0 0 3 ⎟ ⎜0 0 2 3⎟
⎝ ⎠ ⎝ ⎠
0 0 0 0 0 0 0 0
t o
t ex
el
Id
l" tulo
ea í
in cap
68 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
La primera es escalonada: tiene tres filas no nulas, son las tres primeras
po e Á imin
de la matriz, y cada una de ellas, salvo la primera, tiene más ceros iniciales
do d rel
las primeras, sus filas segunda y tercera tienen la misma cantidad de ceros
rs
iniciales.
Ve
e
⎛ ⎞ ⎛ ⎞
1 2 2 1
Incidentalmente, note el lector ⎜ ⎟ ⎜ ⎟
que la segunda de las matrices ⎝ 0 0 0 ⎠ y ⎝ −1 ⎠ .
solo presenta una columna. 0 1 0 0
La primera no cumple que sus filas no nulas sean las primeras; la segunda
sí lo cumple, pero sus dos primeras filas tienen la misma cantidad de ceros
iniciales (en este caso, ninguno).
Estas cuatro matrices sí son escalonadas:
⎛ ⎞ ⎛ ⎞
La tercera de estas matrices
1 1 2 2
solo tiene una fila. Toda ma- ⎜ ⎟ 0 ⎜ ⎟
triz con una sola fila es esca- ⎝ ⎠,
0 , 1 −1 0 2 y ⎝0 1 0⎠.
0
lonada. ¿Se da cuenta el lector 0 0 0 1
de la razón?
Obsérvese que la segunda es una matriz nula: las matrices nulas son esca-
lonadas.
y también:
⎛ ⎞ ⎛ ⎞
1 1 2 2
⎜ ⎟ 0 ⎜ ⎟
⎝0⎠, , 1 −1 0 2 y ⎝0 1 0⎠.
0
0 0 0 1
Algunas propiedades de los 65 Nótese que las filas nulas de una matriz escalonada no tienen pivo-
pivotes
tes; en particular, una matriz nula —que es escalonada— no tiene ningún
pivote. Es de observar también que cada fila en una matriz escalonada tiene
a lo más un pivote; y exactamente un pivote si la fila es no nula.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 69
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
Nota bene En una matriz escalonada, los pivotes figuran exactamente en las
po e Á imin
lo más un pivote. En efecto: si una columna tuviera dos pivotes, habría dos
rs
filas con su primer término no nulo en la misma posición, lo que sería tanto
Ve
como decir que habría dos filas con el mismo número de ceros iniciales: ello
e
"T
Forma escalonada de una 66 Dada una matriz cualquiera, es posible obtener a partir de ella, me-
matriz. Escalonar una matriz
diante la aplicación de transformaciones elementales sucesivas, una matriz
escalonada. De la matriz obtenida se dice que es una forma escalonada de
la matriz dada; también se dice que hemos escalonado la matriz original.
Para ver un ejemplo, recordemos el § 59 (cf. p. 65), en el que trabajamos
Recordemos el sistema (23):
⎧ con la matriz ampliada del sistema de ecuaciones lineales (23) (cf. p. 57):
⎪
⎪ x1 + x2 − 2x3 = 0
⎪
⎨ ⎛ ⎞
x1 + 2x3 = 1 1 1 −2 0
⎪
⎪
⎪
⎩ x − x + 7x = 3. ⎜ ⎟
1 2 3 A = ⎝1 0 2 1⎠.
1 −1 7 3
0 1 1 1
⎜ ⎟
ed m ión
A=⎝ 2 4 6 0⎠.
−1 0 −1 2
rs
Ve
En primer lugar, nos vamos a la primera columna que tenga algún tér-
e
"T
Si la matriz de partida tuvie- mino no nulo (la primera columna no nula), y seleccionamos en ella un tér-
ra todas sus columnas nulas
(de forma que no es posible
mino no nulo. Mediante una adecuada transformación elemental de tipo i
aplicar este paso), entonces se (intercambiar dos filas), conseguimos que este término no nulo figure como
trataría de una matriz nula: la
el primero de su columna. Este término será el pivote de la primera fila; vale
matriz original ya sería escalo-
nada. la pena recuadrarlo para enfatizar que será un pivote.
En el caso de la matriz A, su primera columna no nula es la primera
columna, que tiene dos términos no nulos; seleccionamos uno cualquiera de
ellos, verbigracia el último, que es igual a −1. La transformación elemental
(de tipo i) que intercambia las filas primera y tercera nos sitúa este término
como el primero de su columna. No se nos olvida recuadrarlo:
⎛ ⎞ ⎛ ⎞
0 1 1 1 −1 0 −1 2
⎜ ⎟ F1 ↔F3 ⎜ ⎟
A=⎝ 2 4 6 0 ⎠ →
⎝ 2 4 6 0⎠.
−1 0 −1 2 0 1 1 1
En segundo lugar, “anulamos” los términos que están por debajo del pi-
vote en su misma columna; esto se logra con transformaciones elementales
de tipo iii.
En el ejemplo, con una sola transformación elemental lo conseguimos:
⎛ ⎞ ⎛ ⎞
−1 0 −1 2 −1 0 −1 2
⎜ ⎟ F2 ←F2 +2F1 ⎜ ⎟
⎝ 2 4 6 0 ⎠ →
⎝ 0 4 4 4⎠.
0 1 1 1 0 1 1 1
⎛ ⎞
−1 0 −1 2
⎜ ⎟
do d rel
A =⎝ 0 4 4 4⎠,
ita as p
0 0 0 0
ed m ión
con toda matriz escalonada, tiene tantos pivotes como filas no nulas —dos
Ve
en este caso—, y están situados en las primeras filas, uno en cada una.
e
"T
Unicidad en el número de 69 Para la matriz A con la que hemos trabajado en los § 67 y 68, hemos
po e Á imin
⎛ ⎞ ⎛ ⎞
−1 0 −1 2 2 4 6 0
ita as p
⎜ ⎟ ⎜ ⎟
⎝ 0 4 4 4⎠ y ⎝0 1 1 1⎠.
ed m ión
0 0 0 0 0 0 0 0
rs
Ve
Otro ejemplo en el que 70 Busquemos, con el procedimiento descrito en el § 67, una forma
escalonamos una matriz
escalonada de esta matriz:
⎛ ⎞
1 0 0
⎜ ⎟
⎜ −1 2 0⎟
A=⎜
⎜ 0
⎟.
⎝ −1 1⎟⎠
1 0 −1
En segundo lugar, “anulamos” los términos que están por debajo del
término señalado y en su misma columna. Ello se consigue con transforma-
ciones elementales adecuadas de tipo iii:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 1 0 0 1 0 0
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ −1 2 0⎟ ←F +F ⎜ 0 2 0⎟ ←F −F ⎜ 0 2 0⎟
⎜ F
⎜
⎟ 22→
1 F
⎜
⎟ 44→
1 ⎟.
⎜ 0 −1 1⎟ ⎜0 −1 1⎟ ⎜0 −1 1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
1 0 −1 1 0 −1 0 0 −1
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 73
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
⎛ ⎞
En tercer lugar, “ignoramos” la primera fila y procedemos con el resto
po e Á imin
· · ·
⎜ ⎟
⎜0 2 0⎟ de la matriz como en los pasos anteriores. La primera columna no nula
⎜ ⎟
⎜0 −1 1⎟
⎝ ⎠
do d rel
misma columna:
Ve
⎛ ⎞ ⎛ ⎞
e
1 0 0 1 0 0
⎜ ⎟ ⎜ ⎟
"T
⎜0 2 ⎟
0 ⎟ F3 ←F3 +(1/2)F2 ⎜ 0 ⎜ 2 0⎟
⎜ →
⎜ ⎟.
⎜0 −1 1⎟ 1⎟
⎝ ⎠ ⎝0 0 ⎠
0 0 −1 0 0 −1
⎛ ⎞
· · · A continuación, debemos “ignorar” también la segunda fila y proceder con
⎜ ⎟
⎜· · ·⎟ la matriz restante como en los dos primeros pasos. La primera columna
⎜ ⎟
⎜0 1⎟
⎝ 0 ⎠ no nula es ahora la tercera, y en ella elegimos un término no nulo; por
0 0 −1
ejemplo, escogemos el que es igual a 1: este será el pivote de la tercera
fila. Terminamos anulando el término que, en esta tercera columna, queda
debajo del nuevo pivote:
⎛ ⎞ ⎛ ⎞
1 0 0 1 0 0
⎜ ⎟ ⎜ ⎟
⎜0 2 0⎟ 4 +F3 ⎜ 0
⎜ 2 0⎟
⎜ ⎟ F4←F
→
⎜ ⎟.
⎜0 0 1⎟ 1⎟
⎝ ⎠ ⎝0 0 ⎠
0 0 −1 0 0 0
tener ignorada la primera fila, esto significa que debemos llevar tal término
po e Á imin
tipo i:
⎛ ⎞ ⎛ ⎞
1 −1 2 1 −1 2
ita as p
⎜ ⎟ F2 ↔F3 ⎜ ⎟
−1 ⎠ .
ed m ión
⎝0 0 1 ⎠ →
⎝0 4
0 4 −1 0 0 1
rs
Ve
⎛ ⎞ Finalmente, ignoramos también la segunda fila, lo que nos deja solo una
· · ·
e
⎜ ⎟
⎝· · ·⎠ columna no nula: la tercera, y solo un término no nulo en ella. Este es
"T
0 0 1
directamente el pivote de la tercera fila. El procedimiento ha terminado y
hemos llegado a:
⎛ ⎞
1 −1 2
⎜ ⎟
B = ⎝ 0 4 −1 ⎠ .
0 0 1
La matriz B es efectivamente escalonada: una forma escalonada de la ma-
triz B. Como vemos, tiene tres pivotes.
Matriz escalonada reducida 72 Una matriz escalonada reducida es una matriz escalonada con es-
tas dos propiedades adicionales: todos sus pivotes (si los tiene) son iguales
a 1 (son unitarios), y en toda columna donde hay un pivote es este el único
término no nulo.
Por ejemplo, estas tres matrices son escalonadas reducidas:
⎛ ⎞
⎛ ⎞ ⎛ ⎞ 1 2 0
1 0 −2 3 1 0 0 ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜0 0 1⎟
⎝ 0 1 1 1 ⎠, ⎝ 0 1 0 ⎠ y ⎜ ⎜ ⎟.
⎝ 0 0 0⎟ ⎠
0 0 0 0 0 0 1
0 0 0
Las tres son escalonadas, sus pivotes son iguales a 1, y las columnas en las
que están los pivotes son tales que el único término no nulo de ellas es el
pivote mismo.
Por el contrario, estas otras tres matrices no son escalonadas reducidas:
⎛ ⎞ ⎛ ⎞
1 0 −2 3 1 0 −1
⎜ ⎟ 1 0 −1 ⎜ ⎟
⎝0 1 1 1⎠, y ⎝0 1 0⎠.
0 2 0
0 1 0 0 0 0 1
Forma escalonada reducida 73 Dada una matriz cualquiera, también es posible obtener a partir de
po e Á imin
de una matriz
ella, mediante la aplicación de transformaciones elementales sucesivas, una
do d rel
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 0 0 −1
e
=⎜ ⎟ = ⎜ ⎟
"T
A ⎝1 0 2 1⎠ y A ⎝0 1 0 3⎠ ,
1 −1 7 3 0 0 1 1
Para recordar con más preci- y podíamos obtener la segunda a partir de la primera mediante la aplicación
sión, a partir de A obteníamos es
de transformaciones elementales sucesivas. Acontece que la matriz A
una matriz A , y a partir de
esta llegábamos a A . escalonada reducida: además de ser escalonada, sus pivotes son unitarios
y en la columna de cada uno de ellos el único término no nulo es el propio
pivote. Podemos afirmar, pues, que la matriz A es la forma escalonada
reducida de la matriz A.
Unicidad de la forma Nota Habrá observado el lector que hablamos de la forma escalonada reducida.
escalonada Esto es así porque la forma escalonada reducida de una matriz es única (a di-
ferencia de la forma escalonada sin más). Lo comprobaremos más adelante en
este mismo capítulo (cf. § 100, p. 100).
escalonada: ⎛ ⎞
1 −1 2
do d rel
⎜ ⎟
B = ⎝ 0 4 −1 ⎠ ,
ita as p
0 0 1
ed m ión
paso consiste en hacer iguales a 1 todos los pivotes de esta forma escalo-
e
nada; para ello solo nos resta multiplicar por 1/4 la segunda fila:
"T
⎛ ⎞ ⎛ ⎞
1 −1 2 1 −1 2
⎜ ⎟ F ←(1/4)F ⎜ ⎟
B = ⎝ 0 4 −1 ⎠ →
⎝0 1 −1/4 ⎠ .
2 2
0 0 1 0 0 1
Con ello ya tenemos el primer paso para llegar a la forma escalonada redu-
cida de la matriz A. El segundo paso requiere hacer iguales a 1 los pivotes;
lo conseguimos multiplicando la primera fila por −1 y la segunda por 1/4:
⎛ ⎞ F ←(−1)F ⎛ ⎞
−1 0 −1 2 1 1 1 0 1 −2
⎜ ⎟ F ←(1/4)F2 ⎜ ⎟
A = ⎝ 0 4 4 4 ⎠ 2→
⎝0 1 1 1⎠.
0 0 0 0 0 0 0 0
⎛ ⎞
2 4 6 0
⎜ ⎟
rs
⎝0 1 1 1⎠ .
Ve
0 0 0 0
e
"T
y anulamos los términos que figuran en las columnas de los pivotes encima
de ellos: ⎛ ⎞ ⎛ ⎞
1 2 3 0 1 0 1 −2
⎜ ⎟ F1 ←F1 −2F2 ⎜ ⎟
⎝0 1 1 1 ⎠ →
⎝0 1 1 1⎠.
0 0 0 0 0 0 0 0
Esta última matriz es escalonada reducida. De hecho, es la misma matriz A
que obtuvimos en la primera parte de este parágrafo.
¿Cómo son las matrices 76 ¿Podemos saber cómo son todas las matrices escalonadas reduci-
escalonadas reducidas?
das? Sí, y ello será especialmente relevante en la sección siguiente, sobre
todo para ciertas consideraciones teóricas.
Antes de verlo propiamente, establecemos la siguiente propiedad de las
matrices escalonadas reducidas: con intercambios adecuados de columnas,
toda matriz escalonada reducida se puede escribir de forma que sus pivotes
figuren en las primeras columnas.
A modo de ejemplo de lo que queremos decir, consideremos la siguiente
matriz escalonada reducida:
⎛ ⎞
1 2 0
⎜ ⎟
⎜0 0 1⎟
A=⎜
⎜0
⎟.
⎝ 0 0⎟⎠
0 0 0
Sus pivotes están en las primeras filas, como acontece con toda matriz esca-
lonada. Ahora bien, el pivote de la primera fila está en la primera columna,
t o
t ex
el
Id
l" tulo
ea í
in cap
78 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
1 0 2
⎜ ⎟
ed m ión
⎜0 1 0⎟
⎜ ⎟.
⎜0 0 0⎟
rs
⎝ ⎠
Ve
0 0 0
e
"T
Esbocemos una prueba general de este resultado. vote, permutamos las columnas i-ésima y j-ésima. Con
Dada una matriz escalonada reducida, supongamos ello, obtenemos una nueva matriz con esta caracterís-
que no todos sus pivotes están en las primeras colum- tica: la fila i-ésima tiene exactamente un cero inicial
nas. más que su fila precedente, y las restantes filas siguen
Por un momento, consideremos ordenados los pi- teniendo el mismo número de ceros iniciales (pues los
votes por la fila que ocupan: el primero es el de la pri- términos por debajo de la fila i-ésima son nulos en
mera fila, el segundo el de la segunda fila, y así sucesi- las dos columnas permutadas). La matriz nueva sigue
vamente. Consideremos el primer pivote de la matriz siendo escalonada reducida, y presenta el pivote de la
con la siguiente propiedad: el pivote figura en la fila fila i-ésima en la columna i-ésima.
i-ésima, pero no en la columna i-ésima, sino en otra co- Continuaríamos el proceso de permutación de co-
lumna, digamos la j-ésima, con j > i (en la matriz A del lumnas con los siguientes pivotes hasta que todos que-
ejemplo anterior, teníamos i = 2 y j = 3). Para este pi- daran en las primeras columnas.
¿Cómo son las matrices 77 Consideremos una matriz de orden (n, m) que es escalonada re-
escalonadas reducidas?
ducida, y designemos por r la cantidad de sus pivotes. Distinguimos dos
(Continuación)
casos: r = m (tantos pivotes como columnas) y r < m (menos pivotes que
columnas). A su vez, dentro de cada caso, distinguimos dos posibilidades
adicionales: r = n (tantos pivotes como filas) y r < n (menos pivotes que
filas). Como el número de pivotes es menor o igual que el de columnas y
menor o igual que el de filas (cf. § 65, p. 68), no hay más opciones.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 79
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
o r < n, respectivamente:
ita as p
⎛ ⎞⎫
1 0 ... 0 ⎪ ⎪
ed m ión
⎜0 ⎪
⎪
⎛ ⎞⎫ ⎜ 1 ... 0⎟ ⎟⎪⎬
⎜ ⎟ r
rs
1 0 ... 0 ⎪ ⎜ .. .. ⎟ ⎪
⎟⎪⎪ .. ..
⎜ ⎪ ⎜. .⎟ ⎪
Ve
⎜0 1 ... 0⎟ ⎪
⎬ ⎜ . . ⎟⎪⎪
⎜ ⎟ ⎜ ⎟⎭⎪
e
⎜. .. .. ⎟
.. ⎟ ⎪ r = n , ⎜0 0 ... 1⎟ ⎫ .
"T
⎜ .. .⎠⎪ ⎜ ⎟
⎝ . . ⎪
⎪ ⎜0 0⎟ ⎪
⎪
⎭ ⎜ 0 ... ⎟⎪⎪
⎬
0 0 ... 1 ⎜. .. .. ⎟
⎜. .. ⎟ n−r
⎝. . . .⎠⎪ ⎪
⎪
r =m 0 0 ... 0 ⎭
r =m
Las puntos: ‘•’, señalan posiciones que pueden ser ocupadas por cualquier
número, nulo o no, y ambas matrices tienen tantas columnas con términos
de este tipo como señala la diferencia m − r . Por otra parte, como en el caso
anterior, la primera matriz no tiene filas nulas, y la segunda tiene tantas
como indica la diferencia n − r .
to
t ex
el
Id
l" tulo
ea í
in cap
80 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
Ejercicios I.2
po e Á imin
segundo de dos: ⎪
⎪ x + 2y =0
⎧ ⎨
ed m ión
⎨ 2x1 − x2 + x3 = 1 2x + 2y + z = 1
⎪
⎪
2x1 − x2 + x3 = 1, y ⎪
⎩−x − 2y + z = 2.
rs
ecuaciones lineales
e
"T
Discutir frente a resolver un 78 Sabemos (cf. § 45 y 46, p. 55) que hay tres tipos de sistemas de ecua-
sistema de ecuaciones
ciones lineales atendiendo a su solución: incompatibles (no tienen solución),
lineales
compatibles determinados (tienen una única solución) y compatibles inde-
terminados (tienen infinitas soluciones). Por discutir un sistema de ecua-
ciones lineales nos referimos a determinar de cuál de estos tres tipos es el
sistema. Por resolver el sistema nos referimos a encontrar efectivamente
todas sus soluciones.
Esquema de trabajo: una 79 Consideremos un sistema de ecuaciones lineales que queremos re-
distinción de casos
solver, con n ecuaciones y m incógnitas. Designamos por A su matriz de
coeficientes (recordemos: la matriz cuyos términos son los coeficientes del
su matriz ampliada. La primera tendrá or-
sistema, cf. § 53, p. 60), y por A
den (n, m) (tantas filas como ecuaciones y tantas columnas como incógni-
tas); la segunda, orden (n, m + 1) (tiene una columna más, con los términos
independientes).
Denotemos por A una forma escalonada (no necesariamente reducida)
(también es habitual esta notación para una forma escalo-
de la matriz A
nada: se añade una “prima” a la letra de la matriz original). Sabemos que el
sistema cuya matriz ampliada es la matriz A es equivalente al sistema de
partida, con matriz ampliada A.
Consideraremos tres casos:
presenta un pivote en su última columna.
• La matriz A
no presenta un pivote en su última columna y la cantidad
• La matriz A
de sus pivotes coincide con la cantidad de incógnitas del sistema.
no presenta un pivote en su última columna y la cantidad
• La matriz A
de sus pivotes es menor que la cantidad de incógnitas del sistema.
t o
t ex
el
Id
l" tulo
ea í
in cap
82 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
den con los tres tipos de sistemas de ecuaciones lineales (en virtud de su
do d rel
Sistemas incompatibles
Sistema incompatible 80 Como en el § 79, consideramos un sistema de n ecuaciones lineales
y suponemos
y m incógnitas que queremos resolver, con matriz ampliada A,
de la matriz A
que existe una forma escalonada A con la característica de
presentar un pivote en su última columna.
en la que está el pivote de la última columna tiene
La fila de la matriz A
por términos los siguientes:
0 0 ... 0 a,
m ceros
Pero un sistema de ecuaciones lineales que incluye una ecuación de este tipo
es incompatible (cf. § 47, p. 55).
Es decir, el sistema cuya matriz ampliada es A es incompatible. El sis-
tema de partida (con matriz ampliada A ), que es equivalente a él, también
lo será.
⎛ ⎞
1 2 4 1
do d rel
=⎜
A ⎝0 1 2
⎟
−3 ⎠ .
ita as p
1 3 6 2
ed m ión
rs
Calculamos para ella una forma escalonada; por ejemplo, con el procedi-
Ve
⎛ ⎞ ⎛ ⎞
1 2 4 1 1 2 4 1
=⎜
A ⎝0 1 2
⎟ 3 3 1 ⎜
F ←F −F
−3 ⎠ →
⎝0 1 2
⎟
−3 ⎠
1 3 6 2 0 1 2 1
⎛ ⎞
1 2 4 1
F3 ←F3 −F2 ⎜ ⎟ .
→
⎝0 1 2 −3 ⎠ = A
0 0 0 4
pivotes), tenemos una matriz de orden (n, m), también escalonada redu-
po e Á imin
Si en una matriz escalonada cida, y con tantos pivotes como columnas. En el § 77 (cf. p. 78) vimos cómo
do d rel
eliminamos la última colum- son estas matrices. De acuerdo con ello, y denotando por r el número de pi-
na (o las últimas columnas), (volvemos a considerarle la última
ita as p
siendo escalonada. Lo mismo columna) será de una de las dos siguientes formas, según sea el número de
rs
acontece con matrices escalo- pivotes igual que el de filas (r = n) o menor (r < n), respectivamente:
nadas reducidas.
Ve
⎛ ⎞⎫
1 0 . . . 0 d1 ⎪ ⎪
e
⎜0 1 ... 0 d ⎟ ⎪ ⎪
"T
⎜ ⎪
2 ⎟ ⎬
⎛ ⎞⎫ ⎜ ⎟
1 0 . . . 0 d1 ⎪ ⎪ ⎜ . . . . . ⎟ r
⎜ ⎟⎪⎪ ⎜ .. .. . . .. .. ⎟ ⎪ ⎪
⎜ 0 1 . . . 0 d2 ⎟ ⎪ ⎬ ⎜ ⎟⎪⎪
⎪
⎜ ⎟ ⎜ ⎟⎭
⎜. . . .. ⎟ , ⎜ 0 0 . . . 1 dm ⎟ ⎫ , (30)
. . ...
r =n
⎜ .. .. ⎟ ⎪
⎪ ⎜ ⎟
⎝ . ⎠⎪⎪ ⎜ ⎟ ⎪
⎪
⎭ ⎜ 0 0 . . . 0 0 ⎟⎪⎪
⎬
0 0 . . . 1 dm ⎜. . . .. .. ⎟
⎜. . . ⎟ n−r
⎝ . . . . . ⎠ ⎪
⎪
r =m
⎪
⎭
0 0 ... 0 0
r =m
⎧
⎪
e
⎪
⎪ x − 2x2 =2
⎨ 1
"T
y la llevamos a una
Escribimos su matriz ampliada, que denotamos por A,
forma escalonada; con una sola transformación elemental lo conseguimos:
⎛ ⎞ ⎛ ⎞
1 −2 0 2 1 −2 0 2
A=⎜⎝0
⎟ F3 ←F3 −F1 ⎜
2 3 0 ⎠ →
⎝0
⎟ .
2 3 0⎠ = A
1 −2 2 6 0 0 2 4
⎛ ⎞ F ←(1/2)F ⎛ ⎞
1 −2 0 2 2 2 1 −2 0 2
= ⎜
A ⎝0 2 3
⎟ F3 ←(1/2)F3 ⎜
0 ⎠ →
⎝0 1 3/2 0⎠
⎟
0 0 2 4 0 0 1 2
⎛ ⎞
1 −2 0 2
F2 ←F2 −(3/2)F3 ⎜ ⎟
→
⎝0 1 0 −3 ⎠
0 0 1 2
⎛ ⎞
1 0 0 −4
F1 ←F1 +2F2 ⎜ ⎟ .
→
⎝0 1 0 −3 ⎠ = A
0 0 1 2
to
tex
el
Id
l" tulo
ea í
in cap
86 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
⎪
⎪ = −4
⎪ x1
ita as p
⎨
Nótese que la solución única = −3
ed m ión
x2
(de un sistema compatible de- ⎪
⎪
⎪
⎩ x3 = 2.
rs
Continuación del ejemplo: 84 En el § 83, una vez discutido el sistema de ecuaciones lineales (32),
resolución alternativa con
lo hemos resuelto a partir de la forma escalonada reducida de su matriz
sustitución hacia atrás
ampliada. Pero podríamos haberlo resuelto de otra manera: por sustitución
hacia atrás (cf. p. 58) a partir de una forma escalonada (no necesariamente
reducida) de su matriz ampliada.
En el mismo § 83, obtuvimos esta forma escalonada de la matriz am-
pliada del sistema (32):
⎛ ⎞
1 −2 0 2
= ⎜
A ⎝0 2 3
⎟
0⎠.
0 0 2 4
⎛ ⎞
1 −2 5
do d rel
⎜ ⎟
B = ⎝ 2 1 0⎠,
ita as p
1 3 −5
ed m ión
rs
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
e
1 −2 5 F2 ←F2 −2F1 1 −2 5 1 −2 5
"T
Sistema compatible 86 De nuevo (por última vez) como en el § 79, consideramos un sis-
do d rel
indeterminado
tema de n ecuaciones lineales y m incógnitas que pretendemos resolver.
ita as p
indeterminado (continuación)
les (36)? A partir de él, podemos despejar las incógnitas x1 , x2 , . . . , xr en
do d rel
⎪
⎪ x1 = d1 − b1(r +1)xr +1 + · · · + b1m xm ,
ed m ión
⎪
⎪
⎪
⎪
⎨ x2 = d2 − b2(r +1)xr +1 + · · · + b2m xm ,
rs
(37)
⎪
⎪
Ve
⎪ ..............................................
⎪
⎪
⎩ x = d − b
⎪
e
r (r +1) xr +1 + · · · + br m xm .
"T
r r
De hecho, hay infinitas soluciones: una por cada valor numérico que
demos a las incógnitas xr +1 , . . . , xm . Podemos afirmar: todas las soluciones
del sistema (36) son las m-uplas de la forma:
d1 − b1(r +1)xr +1 + · · · + b1m xm ,
d2 − b2(r +1) xr +1 + · · · + b2m xm , . . . ,
dr − br (r +1) xr +1 + · · · + br m xm , xr +1 , . . . , xm ,
Los números xr +1 , . . . , xm
pueden ser nulos o no, iguales donde xr +1 , . . . , xm son números cualesquiera. En particular, el sistema de
o distintos; enfatizamos: cua-
ecuaciones lineales (36) es compatible indeterminado.
lesquiera.
y 87.
ed m ión
es
En primer lugar, supusimos que el número de pivotes de la matriz A
rs
menor que el número de filas: r < n, pero podría ser igual: r = n. En este
Ve
último caso, la matriz A estaría formada exclusivamente por las r primeras
e
⎨ x1 + 2x2 = 1
ed m ión
(39)
⎩ x3 = 2.
rs
Ve
Apreciamos que este último sistema de ecuaciones lineales tiene por matriz
e
"T
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 F2 ←F2 −F1 1 1 1 2 1
⎜ ⎟ F3 ←F3 −F1 ⎜ ⎟ .
A=⎝ 1 2 3 2 3 ⎠ →
⎝ 0 1 2 0 2⎠ = A
1 1 2 6 1 0 0 1 4 0
—la matriz A
escalonada de la matriz A —, seguimos a partir de ella:
e
⎛ ⎞ ⎛ ⎞
"T
1 1 1 2 1 1 0 −1 2 −1
= ⎜
A ⎝0 1 2 0
⎟ F1 ←F1 −F2 ⎜
2 ⎠ →
⎝0 1 2 0 2⎠
⎟
0 0 1 4 0 0 0 1 4 0
⎛ ⎞
F2 ←F2 −2F3 1 0 0 6 −1
F1 ←F1 +F3 ⎜ ⎟ .
→
⎝0 1 0 −8 2⎠ = A
0 0 1 4 0
Nótese que la matriz escalona-
da reducida A presenta sus Ahora, el sistema de ecuaciones lineales de matriz ampliada la matriz esca-
pivotes en las primeras colum- lonada reducida A es este:
nas. ⎧
⎪
⎪ x + 6x4 = −1
⎪
⎨ 1
x2 − 8x4 = 2 (41)
⎪
⎪
⎪
⎩ x + 4x = 0. 3 4
y que tiene por matriz ampliada una matriz escalonada reducida, la incóg-
e
"T
Notación habitual para las 91 Cuando un sistema cuya matriz ampliada es escalonada reducida
incógnitas libres, con letras
admite solución y exhibe incógnitas libres o parámetros, en la expresión
griegas. Continuación del
ejemplo del § 89 final de la solución se suelen sustituir las incógnitas libres por otras letras,
habitualmente griegas, para distinguirlas en su notación de las incógnitas
principales.
Por ejemplo, para el sistema (41), y en definitiva para el (40) —que
Letra griega λ (léase “lamb- es equivalente a él—, si denotamos la incógnita libre x4 por λ, podemos
da”). concluir lo siguiente: todas las soluciones del sistema (40) son las cuater-
nas (x1 , x2 , x3 , x4 ) tales que:
⎧
⎪
⎪ x1 = −1 − 6λ,
⎪
⎪
⎪
⎪
⎨ x2 = 2 + 8λ,
donde λ es un número cualquiera;
⎪
⎪ x3 = − 4λ,
⎪
⎪
⎪
⎪
⎩x = λ,
4
o también: todas las soluciones del sistema (40) son las cuaternas de la
forma:
−1 − 6λ, 2 + 8λ, −4λ, λ , donde λ es un número cualquiera.
Sustitución hacia atrás en el 92 Volvamos al sistema de ecuaciones lineales (40). Una vez hemos
sistema del § 89 de su matriz ampliada —la cual nos ha
llegado a la forma escalonada A
permitido deducir que el sistema es compatible indeterminado—, podemos
: tal
escribir el sistema cuya matriz ampliada es esta matriz escalonada A
sistema es equivalente al (40) y puede ser resuelto por sustitución hacia
atrás (cf. § 50, p. 57). Veámoslo.
t o
t ex
el
Id
l" tulo
ea í
in cap
94 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
es el siguiente:
El sistema cuya matriz ampliada es la matriz A
po e Á imin
⎧
⎪
⎪ x1 + x2 + x3 + 2x4 = 1
⎪
do d rel
⎨
x2 + 2x3 =2
ita as p
⎪
⎪
⎪
⎩
ed m ión
x3 + 4x4 = 0.
rs
⎧
⎨ x1 = 4 − 2x2 ,
rs
⎩ x3 = 1
Ve
− x4 .
e
"T
4 − 2λ, λ, 1 − μ, μ , donde λ y μ son números cualesquiera.
Más sobre la distinción entre 94 La nomenclatura que hemos introducido en el § 90, con la que dis-
incógnitas básicas e
tinguimos entre incógnitas básicas e incógnitas libres, es aplicable también
incógnitas libres
a sistemas de ecuaciones lineales compatibles determinados. Lo que acon-
tece con estos sistemas es que no presentan incógnitas libres: todas son
básicas.
Dado un sistema de ecuaciones lineales con matriz pivotes que incógnitas, y si hubiera menos, el sistema
ampliada escalonada, acontece lo siguiente: si el sis- sería compatible indeterminado. Si la matriz ampliada
tema es compatible determinado, la matriz ampliada del sistema, además de escalonada, es escalonada redu-
no presenta ningún pivote en su última columna y tiene cida, al haber un pivote por incógnita resulta que cada
tantos pivotes como incógnitas. ¿Por qué? Por un lado, incógnita es la primera de alguna ecuación, es decir,
si hubiera un pivote en la última columna, el sistema todas las incógnitas son básicas, y no hay incógnitas
sería incompatible; por otro lado, no puede haber más libres.
to
t ex
el
Id
l" tulo
ea í
in cap
96 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
2. Sistemas homogéneos
Este apartado está dedicado a un tipo particular de sistema de ecuaciones
lineales: los sistemas homogéneos.
Si hacemos x1 = 0, x2 = 0 pues sus dos términos independientes son nulos. En este sistema vemos al
y x3 = 0 en el sistema, obte- menos una solución obvia: la terna (0, 0, 0) (o terna nula).
nemos una igualdad de cada
ecuación.
En general, un sistema homogéneo de n ecuaciones en las m incógni-
tas x1 , x2 , . . . , xm tiene esta forma:
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1m xm = 0
⎪
⎪
⎪
⎪
⎨ a21 x1 + a22 x2 + · · · + a2m xm = 0
⎪
⎪ ........................................
⎪
⎪
⎪
⎪
⎩ a x + a x + · · · + a x = 0.
n1 1 n2 2 nm m
Es claro que tiene al menos una solución: la llamada solución nula, dada
por x1 = x2 = . . . = xm = 0; es decir, esta m-upla:
0, 0, . . . , 0 .
m ceros
Discusión de sistemas 96 Como todo sistema homogéneo admite al menos una solución: la
po e Á imin
homogéneos
nula, la discusión de un sistema homogéneo se reduce a determinar si ad-
do d rel
mente la matriz de coeficientes del sistema y contar sus pivotes: si tiene tan-
e
"T
Como la matriz escalonada A tiene dos pivotes, menos que incógnitas tiene
po e Á imin
1 −2 1 F2 ←(1/2)F2 1 −2 1
A = →
rs
0 2 −3 0 1 −3/2
Ve
e
F1 ←F1 +2F2 1 0 −2
= A .
"T
→
0 1 −3/2
Ahora, el sistema homogéneo cuya matriz de coeficientes es la matriz esca-
lonada reducida A es este:
¡Que no se nos olviden los tér- ⎧
⎨ x1 − 2x3 = 0
minos independientes nulos!
⎩ x2 − (3/2)x3 = 0.
Resolvámoslo.
Escalonamos su matriz de coeficientes:
4 2 F2 ←F2 −(1/2)F1 4 2
A= →
= A .
2 −3 0 −4
Como la matriz escalonada A exhibe dos pivotes, tantos como incógni-
tas tiene el sistema, deducimos que el sistema es compatible determinado.
Sin más cálculos, concluimos que su única solución es el par ordenado nu-
lo: (0, 0).
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 99
N bra de
I.3. DISCUSIÓN Y RESOLUCIÓN DE UN SISTEMA DE ECUACIONES LINEALES
r U ge ar
las páginas anteriores: todas las formas escalonadas de una misma matriz
ita as p
Todas las formas escalonadas 99 Una matriz nula solamente tiene una forma escalonada: ella misma,
de una matriz tienen el
pero una matriz no nula admite infinitas formas escalonadas. Todas las
mismo número de pivotes
formas escalonadas de una matriz tienen el mismo número de pivotes, y en
todas ellas los pivotes están situados en las mismas columnas.
Consideremos una matriz A no nula (tiene, pues, forma escalonada de la matriz A que no tenga un pivote
un término no nulo al menos). en su última columna (si la hubiera, el sistema con ma-
En primer lugar, comprobamos este resultado: si triz ampliada A sería compatible determinado o com-
encontramos una forma escalonada de la matriz A con patible indeterminado). Todas las formas escalonadas
un pivote en la última columna, entonces cualquier otra de la matriz A presentan, pues, un pivote en su última
forma escalonada de A tiene también un pivote en su columna.
última columna. De acuerdo con lo probado, podemos afirmar lo si-
Si la matriz A solo tiene una columna (es decir, es guiente: o bien todas las formas escalonadas de la ma-
de orden (n, 1) para algún número n), para escalonarla triz A presentan un pivote en su última columna, o bien
procedemos así: se selecciona algún término no nulo no lo presenta ninguna.
de la matriz (de su única columna), se lleva a la pri- En segundo lugar, comprobamos este otro resul-
mera posición y se anulan los que están por debajo de tado: fijada una columna de la matriz A, digamos la
él; cualquier forma escalonada de A es, pues, de esta j-ésima (con j un número natural entre 1 y el número
forma: de columnas de A), si alguna forma escalonada de la
⎛ ⎞ matriz A presenta un pivote en su columna j-ésima, en-
a
⎜ ⎟ tonces cualquier otra forma escalonada de A presenta
⎜0⎟
⎜ ⎟
⎜ . ⎟, para algún número a no nulo, también un pivote en su columna j-ésima.
⎜ .⎟
⎝ .⎠
Si la j-ésima columna es la última, estamos ante el
0
primer resultado (probado en los párrafos anteriores).
y podemos afirmar que todas estas formas escalona- Si tal columna no es la última, podemos eliminar, tanto
das tienen un pivote en su última columna. Suponga- de la forma escalonada citada en el enunciado como
mos ahora que la matriz A tiene dos columnas o más, de la propia matriz A, las últimas columnas de forma
de forma que puede considerarse la matriz ampliada que la j-ésima quede como nueva última. La matriz
de un sistema de ecuaciones lineales. Como hay una obtenida al quitar estas columnas en la forma escalo-
forma escalonada de A con un pivote en su última co- nada de A es, a su vez, una forma escalonada de la ma-
lumna, tal sistema es incompatible, y cualquier sistema triz que queda al quitar tales columnas en la matriz A.
cuya matriz ampliada sea una forma escalonada de A Aplicando el primer resultado, concluimos el segundo.
será también incompatible. No puede haber, pues, una De esta forma, podemos afirmar lo siguiente: o bien
to
t ex
el
Id
l" tulo
ea í
in cap
100 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
todas las formas escalonadas de la matriz A presentan a lo más un pivote, podemos finalmente concluir que
po e Á imin
un pivote en la columna j-ésima, o bien no lo presenta todas las formas escalonadas de la matriz A tienen los
ninguna. pivotes en las mismas columnas; en particular, todas
do d rel
Como cada columna de una matriz escalonada tiene tienen el mismo número de pivotes.
ita as p
ed m ión
rs
Ve
Dada una matriz, todas sus formas escalonadas tienen el mismo número
e
Nota bene El resultado anterior también es verificado por una matriz nula.
La forma escalonada reducida 100 La forma escalonada reducida de una matriz es única. Es decir,
de una matriz es única
solo hay una matriz escalonada reducida que pueda obtenerse a partir de la
matriz dada con la aplicación de transformaciones elementales sucesivas.
Consideremos una matriz no nula A de or- Supondremos que la matriz A admite dos formas
den (n, m). Todas sus formas escalonadas (reducidas escalonadas reducidas, que denotaremos B y D, y com-
o no) tienen la misma cantidad de pivotes (cf. § 99); probaremos que B = D.
denotemos esta cantidad por r . Las matrices B y D tienen sus pivotes en las mis-
Si la cantidad de pivotes es igual a la de colum- mas columnas; sin pérdida de generalidad podemos
nas: r = m, cualquier posible forma escalonada redu- suponer que ambas los tienen en las primeras colum-
cida de la matriz A es una matriz de orden (n, m), es- nas (si no es el caso, una reordenación adecuada de las
calonada reducida, y con m pivotes. De acuerdo con columnas —la misma para ambas matrices— sitúa los
el § 77 (cf. p. 78), una matriz de estas características pivotes donde queremos). De nuevo de acuerdo con el
debe ser así: o bien es la matriz identidad de orden m, § 77 (cf. p. 78), la matriz B tiene esta forma:
⎛ ⎞⎫
o bien es la matriz resultante de “añadir filas nulas por 1 0 . . . 0 b1(r +1) . . . b1m ⎪ ⎪
⎜ ⎟⎪⎪
debajo” (tantas como señale la diferencia n−r ) a la ma- ⎜ 0 1 . . . 0 b2(r +1) . . . b2m ⎟ ⎪ ⎬
⎜ ⎟
triz identidad de orden m, y tenemos un caso u otro ⎜.
⎜. .. .. .. .. .. .. ⎟
⎟ ⎪
r =n ,
⎝. . . . . . . ⎠⎪⎪
⎪
según sea el número de pivotes igual al de filas (r = n) ⎪
⎭
0 0 . . . 1 br (r +1) . . . br m
o menor (r < n), respectivamente. En cualquiera de los
dos casos, la forma escalonada reducida de la matriz A r m−r
El segundo sistema, verbigracia, toma este aspecto: cientes D), del que también es solución, obtenemos:
po e Á imin
⎧
⎪
⎪ x1 + d1(r +1)xr +1 + · · · + d1m xm = 0 ⎧
⎪ ⎪ b1m + d1m (−1) = 0,
do d rel
⎪
⎪ ⎪
⎪
⎪
⎪ + d2(r +1)xr +1 + · · · + d2m xm = 0 ⎪
⎪
⎪
⎨ x2 ⎪
⎨ b2m + d2m (−1) = 0,
ita as p
.. .. .. ..
ed m ión
⎪
⎪ ⎪
⎪ ......................
⎪
⎪ . . . . ⎪
⎪
⎪
⎪ ⎪
⎪
⎪
⎪ ⎩ br m + dr m (−1) = 0,
rs
⎩ xr + dr (r +1) xr +1 + · · · + dr m xm = 0.
Ve
e
La siguiente m-upla es una solución del primer sistema de donde: b1m = d1m , b2m = d2m , . . . , br m = dr m . Para
"T
Un ejemplo con dos 101 Discutamos y resolvamos, según los valores del parámetro a, el si-
incógnitas
guiente sistema de dos ecuaciones lineales y dos incógnitas:
⎧
⎨ x− y =2
(46)
⎩ 2x + ay = 1.
1 −1 2 F2 ←F2 −2F1 1 −1 2
do d rel
=
A →
.
=A
2 a 1 0 a+2 −3
ita as p
ed m ión
En vez de: A 1 .
, escribimos: A
1 −1 2
Añadimos subíndices para se- 1 =
A .
ñalar los distintos casos. 0 a+2 −3
Esta matriz, forma escalonada de la matriz ampliada del sistema (46) para
este caso, no presenta un pivote en su última columna, y el número de sus
pivotes es igual al número de incógnitas del sistema. En este caso, pues, el
sistema (46) es compatible determinado.
es ahora:
Segundo caso: a = −2. La forma escalonada de la matriz A
Un nuevo subíndice. 1 −1 2
2 =
A ,
0 0 −3
pivote:
⎛ ⎞
do d rel
⎛ ⎞ 3
Otra vez añadimos un subíndi- −1 ⎜1 0 2− ⎟
ita as p
1 2
ce para señalar los casos; es- ⎜ ⎟ F1 ←F1 +F2 ⎜ a+2 ⎟
⎝ ⎜
3 ⎠ → ⎟=A
ed m ión
, en vez de: A
. ⎝ ⎠ 1.
cribimos: A 1 0 1 − 3
a+2 0 1 −
rs
a+2
Ve
e
Nótese que podemos leer esta y su solución única salta a la vista: el par ordenado
solución única en la última co- 2a + 1 3
lumna de la matriz A 1. ,− .
a+2 a+2
Es esta la solución del sistema (46) en el caso en que a ≠ −2.
Resumimos lo obtenido tras el análisis del sistema de ecuaciones linea-
les (46):
• si a ≠ −2, el sistema es compatible determinado, y su única solución
es el par ordenado 2 − 3/(a + 2), −3/(a + 2) ;
• si a = −2, el sistema es incompatible.
Otro ejemplo con dos 102 Discutamos y resolvamos, según los valores del parámetro a, este
incógnitas
sistema de ecuaciones lineales:
⎧
⎨ x− y =2
(47)
⎩ 2x + ay = 4.
y buscamos escalonarla:
1 −1 2 F2 ←F2 −2F1 1 −1 2
A= →
.
=A
2 a 4 0 a+2 0
primera columna—, pero podría tener otro más —en su segunda columna—,
po e Á imin
igual a 0, respectivamente.
toma la forma:
ita as p
1 −1 2
A1 = .
rs
0 a+2 0
Ve
e
Se trata de una matriz con dos pivotes, tantos como incógnitas, y ninguno
"T
La incógnita x es la primera de Este sistema presenta una incógnita básica: la x, y una incógnita libre: la y.
la única ecuación del sistema. Expresamos la primera en función de la segunda: x = 2 + y, y sustitui-
mos la segunda —por ser incógnita libre— por la letra griega λ. Todas las
soluciones del sistema son, pues, los pares ordenados (x, y) de la forma:
⎧
⎨ x = 2 + λ,
donde λ es un número cualquiera.
⎩y = λ,
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 105
N bra de
I.3. DISCUSIÓN Y RESOLUCIÓN DE UN SISTEMA DE ECUACIONES LINEALES
r U ge ar
O lo que es lo mismo: las soluciones son todos los pares ordenados (2−λ, λ)
po e Á imin
quiera.
Un ejemplo de discusión de 103 Discutamos, según los valores de los parámetros a y b, el siguiente
un sistema según el valor de
sistema de ecuaciones lineales:
dos parámetros
⎧
⎪
⎪ x + az = b + 2
⎪
⎨
2x + y + 2az = 2b + 3 (48)
⎪
⎪
⎪
⎩ −2x − y = − 3.
queda así:
Si a = 0 y b ≠ 0, la matriz A
po e Á imin
⎛ ⎞
1 0 0 b+2
do d rel
⎜ ⎟
A2 = ⎝ 0 1 0 −1 ⎠ ,
ita as p
0 0 0 2b
ed m ión
rs
resulta:
Finalmente, si a = b = 0, la matriz A
e
⎛ ⎞
"T
1 0 0 2
3 = ⎜
A ⎝0 1 0
⎟
−1 ⎠ ,
0 0 0 0
Continuación del ejemplo 104 En el § 103, hemos discutido el sistema de ecuaciones (48) según
anterior
los valores de los parámetros a y b; ahora, resolvámoslo.
Si a ≠ 0, el sistema es compatible determinado; el cálculo de la forma
escalonada reducida de la matriz ampliada toma esta forma:
⎛ ⎞ ⎛ ⎞
1 0 a b+2 1 0 a b+2
1 = ⎜
A ⎝0 1 0
⎟ F3 ←[1/(2a)]F3 ⎜
−1 ⎠ →
⎝0 1 0
⎟
−1 ⎠
0 0 2a 2b 0 0 1 b/a
⎛ ⎞
1 0 0 2
F1 ←F1 −aF3 ⎜ ⎟
→
⎝0 1 0 −1 ⎠ = A 1.
0 0 1 b/a
Leyendo la última columna de la matriz A 1 , deducimos que la única solución
del sistema (48) en este caso es la terna (2, −1, b/a).
Si a = 0 y b ≠ 0, el sistema (48) es incompatible, y no hay nada más que
hacer.
Finalmente, si a = b = 0, el sistema es compatible indeterminado. La
3 , forma escalonada de la matriz A
matriz A en este caso, ya es escalonada
= A
Podríamos escribir: A . 3 se reduce a este
reducida. El sistema cuya matriz ampliada es la matriz A
3 3
letra griega λ para designar la incógnita libre, podemos escribir que todas
po e Á imin
las soluciones del sistema son las ternas (x, y, z) tales que:
⎧
do d rel
⎪
⎪ x= 2 ,
⎪
⎨
ita as p
⎪
⎪
⎪
⎩z= λ,
rs
Ve
les (48):
• si a ≠ 0, el sistema es compatible determinado, y su única solución es
la terna (2, −1, b/a);
• si a = 0 y b ≠ 0, el sistema es incompatible;
• si a = b = 0, el sistema es compatible indeterminado, y sus soluciones
son las ternas de la forma (2, −1, λ) con λ un número cualquiera.
Ejemplo de un sistema en el 105 Discutamos y resolvamos, según los valores de los parámetros a, b
que figuran tres parámetros
y c, el siguiente sistema de ecuaciones lineales:
⎧
⎪
⎪ 2x1 − 3x3 + x4 = a
⎪
⎨
x2 − 6x3 + 2x4 = b (49)
⎪
⎪
⎪
⎩ 4x − x
1 = c.
2
⎧
⎪ 3 1 a
⎨ x1 − x3 + x4 =
ita as p
2 2 2
ed m ión
⎪
⎩
x2 − 6x3 + 2x4 = b .
rs
Ve
o bien: todas las soluciones del sistema son las cuaternas de la forma:
a 3 1
+ λ − μ, b + 6λ − 2μ, λ, μ , con λ y μ números cualesquiera.
2 2 2
Resumamos el estudio del sistema de ecuaciones lineales (49):
Sobre este sistema podemos
afirmar que una condición ne- • si c − 2a + b ≠ 0, el sistema es incompatible;
cesaria y suficiente (cf. nota • si c − 2a + b = 0, el sistema es compatible indeterminado, y sus solu-
p. 164) para que admita solu-
ción es: c − 2a + b = 0. ciones son todas las cuaternas (a/2 + (3/2)λ − μ/2, b + 6λ − 2μ, λ, μ)
con λ y μ números cualesquiera.
o t
t ex
el
Id
l" tulo
ea í
in cap
ED L l 109
N bra de
I.3. DISCUSIÓN Y RESOLUCIÓN DE UN SISTEMA DE ECUACIONES LINEALES
r U ge ar
Ejercicios I.3
po e Á imin
1 Resolver este sistema de ecuaciones lineales: 7 Discutir y resolver, según los valores del paráme-
do d rel
⎪
⎨ ⎧
⎪
ed m ión
2y − z = 2 ⎪
⎪ x1 − x2 + x3 =1
⎪
⎪ ⎨
⎪
⎩x − 3y + 3z = −3. x2 + x3 + x4 = 1
rs
⎪
⎪
⎪
⎩ 2x − 2x + px
Ve
1 2 3 = 2.
e
⎪
⎪ x1 + x2 − x3 − 2x4 = −1
⎪
⎨ 8 Discutir y resolver, según los valores de los pa-
2x1 − x2 + 2x3 = 4
⎪
⎪ rámetros a, b y c, el siguiente sistema de ecuaciones
⎪
⎩ 3x
1 + x − 2x = 3.
3 4 lineales:
⎧
⎪
⎪ x1 + x2 + x4 = a
3 Resolver el sistema de ecuaciones lineales homo- ⎪
⎨
x2 − x3 − x4 = b
géneo cuya matriz de coeficientes es ⎪
⎪
⎪
⎩ −x + x − x
⎛ ⎞ 1 2 = c.
3
1 0 1 −1
⎜ ⎟
⎝ −1 2 1 3⎠.
0 1 1 1 9 Discutir y resolver, según los valores de los pa-
rámetros a, b, r y s, el sistema de ecuaciones lineales
4 Resolver el sistema de ecuaciones lineales cuya cuya matriz ampliada es
matriz ampliada es
⎛ ⎞
1 1 0 2 1 a r
⎜ ⎟ .
⎜0
⎜ 1 1 2⎟⎟.
b 1 s
⎜1
⎝ 0 1 −1 ⎟
⎠
1 1 2 2
10 Discutir y resolver, según los valores de los pará-
metros p y m, el siguiente sistema de ecuaciones linea-
5 Nos dan el siguiente sistema de ecuaciones linea-
les:
les, en el que figuran tres parámetros, a, b y c: ⎧
⎧ ⎪
⎪ x + x3 = 2 − p
⎪ ⎪
⎨ 1
⎪
⎪ x − 3y = a
⎨ x1 + mx2 + x3 = p2
2x + y = b ⎪
⎪
⎪ ⎪
⎩x
⎪
⎪ 1 + (m + 2)x = 2. 3
⎩ 3x − 2y = c.
RECAPITULACIÓN I
po e Á imin
do d rel
Ecuaciones lineales Una ecuación lineal en admite infinitas soluciones, se dice que es compatible
ita as p
Se llama solución de un sistema de n ecuaciones li- Se denomina matriz ampliada del sistema de ecua-
neales y m incógnitas a toda m-upla que sea solución, ciones lineales (ii ) a esta matriz de orden (n, m + 1):
⎛ ⎞
simultáneamente, de todas y cada una de las n ecua- a11 a12 . . . a1m c1
⎜ ⎟
ciones lineales del sistema. ⎜ a21 a22 . . . a2m c2 ⎟
⎜ ⎟
⎜ .
⎜ . .. .. .. .. ⎟
⎟
.
Si un sistema de ecuaciones lineales admite solu- ⎝ . . . . . ⎠
ción única, se dice que es compatible determinado; si an1 an2 . . . anm cn
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 111
N bra de
RECAPITULACIÓN I
r U ge ar
Esta matriz se diferencia de la de coeficientes en que Una matriz escalonada reducida es una matriz es-
po e Á imin
tiene una columna más, cuyos términos son los térmi- calonada que satisface además estas dos condiciones:
nos independientes del sistema.
do d rel
todos sus pivotes (si los tiene) son iguales a 1 (son uni-
tarios), y en toda columna donde hay un pivote es este
ita as p
en matrices:
nes elementales sucesivas, una matriz escalonada re-
e
Una matriz escalonada es una matriz que satisface Las puntos: ‘•’, señalan posiciones que pueden ser ocu-
esta condición: o bien es nula, o bien sus filas no nulas padas por cualquier número, nulo o no, y esta matriz
son las primeras, y cada una de ellas salvo la primera tiene tantas columnas con términos de este tipo como
tiene más ceros iniciales que su precedente. señala la diferencia m−r . También, la matriz tiene tan-
En una matriz escalonada, se llama pivote al pri- tas filas como indica la diferencia n − r . En esta matriz,
mer término no nulo de cada fila. En cualquier matriz, puede ocurrir que m − r = 0 o que n − r = 0 (o ambas
el número de pivotes es menor o igual que el número igualdades a la vez).
de filas y menor o igual que el número de columnas.
Dada una matriz cualquiera, es posible obtener a Un método para discutir y resolver un sistema de
partir de ella, mediante la aplicación de transformacio- ecuaciones lineales Por discutir un sistema de
nes elementales sucesivas, una matriz escalonada; de la ecuaciones lineales nos referimos a determinar de qué
matriz obtenida se dice que es una forma escalonada tipo es: incompatible, compatible determinado o com-
de la matriz dada; también se dice que se ha escalona- patible indeterminado. Por resolver un sistema nos
do la matriz original. referimos a encontrar efectivamente todas sus solu-
ciones (cuando las admite).
Cualquier matriz no nula admite infinitas formas
escalonadas (una matriz nula solo admite una: ella Dado un sistema de ecuaciones lineales (con n
misma). ecuaciones y m incógnitas), designemos por A su ma-
t o
t ex
el
Id
l" tulo
ea í
in cap
112 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
temos por A una forma escalonada (no necesariamente biuén es válido para sistemas compatibles determina-
Hay tres posibilidades:
reducida) de la matriz A.
do d rel
columna y la cantidad de sus pivotes coincide con término independiente de cada ecuación. En general,
Ve
la cantidad de incógnitas del sistema: sistema un sistema homogéneo de n ecuaciones en las m in-
e
"T