Álgebra Lineal para Estudiantes de Ingeniería y Ci... - (PG 43 - 53)

24 CAPÍTULO 1 Matrices y sistemas lineales
Teorema 1.4 Sea un sistema Ax = b y supongamos que [ H |c ] es un sistema (cualquier sistema)
escalonado equivalente; es decir, [A |b ] ∼ [ H |c ], entonces
1. Ax = b es inconsistente si y sólo si [ H |c ] tiene una fila de ceros en el lado izquierdo y un
elemento no nulo en el lado derecho de la partición (ejemplo 1.25 inciso 3).
2. Ax = b tiene solución única si y sólo si es consistente y [ H |c ] tiene pivote en todas las
columnas en el lado izquierdo de la partición (ejemplo 1.25 inciso 1).
3. Ax = b tiene infinidad de soluciones si y sólo si es consistente y [ H |c ] no tiene pivote en
alguna columna en el lado izquierdo de la partición (ejemplo 1.25 inciso 2).
P Nota 1.3 Es claro, del teorema anterior, que

• un sistema consistente tiene solución única cuando una forma escalonada equivalente no tiene
variables libres.
• un sistema consistente tiene una infinidad de soluciones cuando una forma escalonada equivalente
tiene variables libres.
1.2.4 Método de Gauss

El método de Gauss sirve para “llevar” una matriz a una forma escalonada equivalente aplicando opera-
ciones de renglón. Bosquejamos el método por medio del siguiente algoritmo:
Supongamos que A es una matriz m × n no nula (si A es la matriz cero, A está en forma escalonada).
G1: Se busca una fila en A que tenga su primer elemento distinto de cero y se intercambia (si es
necesario) con la primera fila de la matriz A; si no existe una fila de A que tenga su primer elemento
no nulo, entonces se busca una fila de la matriz A que tenga el segundo elemento distinto de cero
y se intercambia (si es necesario) con la primera fila de la matriz A; de no suceder ası́, se busca
una fila de A que tenga el tercer elemento distinto de cero y se intercambia (si es necesario) con la
primera fila de A, etc.; obteniendo finalmente una matriz B1 ∼ A con un primer elemento no nulo
en la primera fila que llamaremos pivote (en este caso de la primera fila).
Por ejemplo, si
Copyright © 2012. McGraw-Hill España. All rights reserved.
⎡ ⎤
0 −4 −1 3
A=⎣ 3 4 0 7 ⎦,
1 1 3 5
entonces una operación de renglón para llevar a cabo este paso puede ser R1 ↔ R3 , resultando la
equivalencia de matrices
A B1

⎡ ⎤ ⎡
⎤
0 −4 −1 3 1 1 3 5
⎣ 3 4 0 7 ⎦∼⎣ 3 4 0 7 ⎦.
1 1 3 5 0 −4 −1 3
El pivote de la primera fila de la matriz B1 es b111 = 1.
Valle, Sotelo, Juan Carlos del. <i>Álgebra lineal para estudiantes de ingeniería y ciencias</i>, McGraw-Hill España, 2012. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=4585362.
Created from unadsp on 2019-09-28 14:01:49.
Page (PS/TeX): 24 / 24, COMPOSITE

SECCIÓN 1.2 Sistemas lineales 25
G2: Con el pivote de la primera fila de B1 se transforman en ceros los elementos que están por debajo
de él mediante la operación suma de filas, obteniendo una matriz B2 ∼ B1 ∼ A, que tendrá todas
las componentes nulas debajo del pivote de la primera fila.
Por ejemplo, con el caso particular ilustrado en el paso anterior podemos hacer ceros los ele-
mentos debajo del pivote 1 de la primera fila de la matriz B1 mediante la operación R2 ↔ −3R1 +R2
para obtener la matriz B2 ; es decir,
B1 B2
⎡ ⎤ ⎡
⎤
1 1 3 5 1 1 3 5
⎣ 3 4 0 7 ⎦ ∼ ⎣ 0 1 −9 −8 ⎦
0 −4 −1 3 0 −4 −1 3
G3: Ahora se repiten los pasos G1 y G2 con la segunda fila de la matriz B2 , produciendo una matriz
B3 ∼ B2 ∼ B1 ∼ A cuyas componentes serán nulas debajo del pivote de su segunda fila.
Para el caso particular ilustrado, el pivote de la segunda fila de la matriz9 B2 es b222 = 1. Se
pueden hacer ceros los elementos debajo del mismo mediante la operación R3 ↔ 4R2 + R3 , esto es
B2 B3
⎡ ⎤ ⎡
⎤
1 1 3 5 1 1 3 5
⎣ 0 1 −9 −8 ⎦∼⎣ 0 1 −9 −8 ⎦
0 −4 −1 3 0 0 −37 −29
G4: Se repiten los pasos G1, G2 y G3 con las filas subsecuentes de las matrices equivalentes que
resulten, hasta obtener una matriz H en forma escalonada de acuerdo a la definición 1.11.
Para el caso ilustrado previamente, la matriz B3 ya está en forma escalonada; con lo que
A B3 =H

⎡ ⎤ ⎤ ⎡
0 −4 −1 3 1 1 3 5
⎣ 3 4 0 7 ⎦∼⎣ 0 1 −9 −8 ⎦
1 1 3 5 0 0 −37 −29
terminarı́a el proceso para este ejemplo particular.

P Nota 1.4
1. El lector debe tener en mente que el propósito fundamental del método de Gauss es obtener una
matriz en forma escalonada equivalente a una matriz dada, mediante el uso de las operaciones
elementales de renglón en cualquier combinación. Ası́ que el algoritmo anterior sólo es una guı́a
para este propósito. Cualquier modificación es válida siempre y cuando se empleen únicamente
las operaciones de renglón para matrices y se alcance el objetivo de obtener una matriz en forma
escalonada equivalente por filas a la matriz inicial.
2. A lo largo de este texto haremos uso de oraciones informales como “llevar la matriz A a for-
ma escalonada”. Este tipo de oraciones en realidad deben interpretarse como “obtener una forma
19 El número 2 en b222 de esta notación juega el papel de un supraı́ndice, haciendo referencia a la matriz B2 y no de un exponente.

escalonada equivalente a la matriz A”, que serı́a la manera apropiada de expresar este tipo de ins-
trucciones; pero, ya que esa forma escalonada equivalente se obtiene a partir de la matriz A, nos
permitiremos ese tipo de frases sacrificando rigor en aras de brevedad en el lenguaje. Sin embar-
go, es conveniente que el lector tenga siempre presente el significado preciso de esas oraciones
coloquiales.
Ejemplo 1.27 Obtener una matriz equivalente por filas a la matriz

⎡ ⎤
2 −4 2 −2
⎢ 2 −4 3 −4 ⎥
A=⎢ ⎣ 4 −8
⎥
3 −2 ⎦
0 0 −1 2
que esté en forma escalonada.10

⎡ ⎤ ⎡ ⎤
2 −4 2 −2 1 −2 1 −1
⎢ 2 −4 3 −4 ⎥ ⎢ 2 −4 3 −4 ⎥
Solución A= ⎢ ⎥ ←−−−−−−−−→ ⎢ ⎥
⎣ 4 −8 3 −2 ⎦ R1 ↔ (1/2)R1 ⎣ 4 −8 3 −2 ⎦
0 0 −1 2 0 0 −1 2
⎡ ⎤
1 −2 1 −1
⎢ 0 0 1 −2 ⎥
←−−−−−−−−−−→ ⎢ ⎥
R2 ↔ −2R1 + R2 ⎣ 0 0 −1 2 ⎦
R3 ↔ −4R1 + R3
0 0 −1 2
⎡ ⎤
1 −2 1 −1
⎢ 0 0 1 −2 ⎥
←−−−−−−−→ ⎢ ⎥
R3 ↔ R2 + R3 ⎣0 0 0 0⎦
R4 ↔ R2 + R4
0 00 0
= H
La matriz resultante, H, está en forma escalonada y es equivalente a la matriz A.
Método de Gauss para resolver sistemas lineales
Ejemplo 1.28 Resolver el siguiente sistema de ecuaciones por el método de Gauss.

x1 − 2x2 + x3 − x4 = 4
2x1 − 3x2 + 2x3 − 3x4 = −1

3x1 − 5x2 + 3x3 − 4x4 = 3
−x1 + x2 − x3 + 2x4 = 5
Solución Para resolver el problema llevaremos la matriz aumentada a una forma escalonada y haremos
sustitución regresiva.11
1Hemos marcado en color rojo los pivotes en cada paso para que el lector recuerde que el propósito es ir haciendo ceros, mediante
10
las operaciones de renglón indicadas, los elementos debajo de ellos.

1De aquı́ en adelante, salvo algunas excepciones, ya no indicaremos las operaciones de renglón que se requieren para obtener
11
una forma escalonada equivalente a una matriz, pues el objetivo es utilizar la notación matricial para auxiliarse y hacer todos los
cálculos mecánica y mentalmente.

⎡ ⎤ ⎡ ⎤
1 −2 1 −1 4 1 −2 1 −1 4
⎢ 2 −3
⎢ 2 −3 −1 ⎥

⎢ 0
⎥ ←→ ⎢ 1 0 −1 −9 ⎥
⎥
⎣ 3 −5 3 −4 3 ⎦ ⎣ 0 1 0 −1 −9 ⎦
−1 1 −1 2 5 0 −1 0 1 9
⎡ ⎤
1 −2 1 −1 4
⎢ 0
⎢ 1 0 −1 −9 ⎥
⎥.
←→ ⎣
0 0 0 0 0 ⎦
0 0 0 0 0
Ası́, las variables ligadas son x1 , x2 y las libres x3 , x4 . Y x2 = −9 + x4 ; x1 = 4 + 2x2 − x3 + x4 = −14 +
3x4 − x3 . La solución está dada entonces por:
⎡ ⎤ ⎡ ⎤
x1 −14 + 3r − s
⎢x2 ⎥ ⎢ −9 + r ⎥
⎢ ⎥=⎢ ⎥; r, s ∈ R.
⎣x3 ⎦ ⎣ s ⎦
x4 r
Sistemas con la misma matriz de coeficientes
Es frecuente en la práctica tener que resolver sistemas con la misma matriz de coeficientes pero con
distintos términos independientes; por ejemplo, los sistemas
x − 2y + 3z = −2
(1.14)
−x + 4y + 5z = 7
y
= r − 2s + 3t
1
(1.15)
= −4−r + 4s + 5t

1 −2 3 −2 1
tienen la misma matriz de coeficientes, , y términos independientes y ,
−1 4 5 7 −4
respectivamente. En lugar de resolverlos cada uno por separado, podemos solucionarlos simultáneamen-
te colocando en el lado derecho de la partición de la matriz ampliada las dos columnas que contienen
los dos términos independientes, llevar a forma escalonada y resolver por sustitución regresiva para la
primera columna y después para la segunda:

1 −2 3 −2 1 1 −2 3 −2 1
↔ . (1.16)
−1 4 5 7 −4 0 2 8 5 −3
Resolviendo para la primera columna tenemos y = 52 − 4z, x = −2 + 2y − 3z = 3 − 11z; ası́ que

⎡ ⎤ ⎡ ⎤
x 3 − 11α
⎣ y ⎦ = ⎣ 5 − 4α ⎦,
2
z α
α ∈ R, es la solución para el sistema (1.14). Resolviendo ahora para la segunda columna de (1.16)
obtenemos s = − 23 − 4t, r = 1 + 2s − 3t = −2 − 11t; es decir,
⎡ ⎤ ⎡ ⎤
r −2 − 11β
⎣ s ⎦ = ⎣ − 3 − 4β ⎦,
2
t β
β ∈ R, es la solución del sistema (1.15).

1.2.5 Método de Gauss-Jordan y sistemas con solución única
Definición 1.15 Una matriz está en forma escalonada reducida si:
1. Está en forma escalonada.

2. Arriba de cada pivote las componentes (si hay) son nulas.
3. Todos los pivotes son unos.
⎡ ⎤
1 0 2 0
⎢ 0 1 8 0 ⎥
Ejemplo 1.29 La matriz ⎢
⎣ 0
⎥ está en forma escalonada reducida.
0 0 1 ⎦
0 0 0 0
Método de Gauss-Jordan
Para llevar una matriz a forma escalonada reducida se procede de la manera siguiente:
1. Se lleva la matriz a forma escalonada mediante el método de Gauss.

2. Se hacen ceros todos los elementos arriba de cada pivote utilizando el método de Gauss de abajo
hacia arriba.
3. Se convierten en unos todos los pivotes mediante la operación de renglón cambio de escala.
Empleando el método de Gauss-Jordan se puede probar el teorema que enunciamos a continuación.
Teorema 1.5 Toda matriz es equivalente por filas a una y sólo una matriz en forma escalonada
reducida.12
Ejemplo 1.30 Obtener la forma escalonada reducida equivalente a la matriz A por el método de
Gauss-Jordan si
⎡ ⎤
−2 −1 0 3 −4
A = ⎣ 3 −1 2 0 3 ⎦ .
5 −4 0 −1 2
Solución
⎡ ⎤ ⎡ ⎤
−2 −1 0 3 −4 −2 −1 0 3 −4
(1)
⎣ 3 −1 2 0 3 ⎦ ←→ ⎣ 0 −5 4 9 −6 ⎦
5 −4 0 −1 2 0 −13 0 13 −16
⎡ ⎤
−2 −1 0 3 −4
(2)
←→ ⎣ 0 −5 4 9 −6 ⎦
0 0 −52 −52 −2
1Compare con el teorema 1.3, página 23.

12

⎡ ⎤
−2 −1 0 3 −4
(3)
←→ ⎣ 0 −5 4 9 −6 ⎦
0 0 −26 −26 −1
⎡ ⎤
−2 −1 0 3 −4
(4)
←→ ⎣ 0 −65 0 65 −80 ⎦
0 0 −26 −26 −1
⎡ ⎤
−2 −1 0 3 −4
(5)
←→ ⎣ 0 −13 0 13 −16 ⎦
0 0 −26 −26 −1
⎡ ⎤
−26 0 0 26 −36
(6)
←→ ⎣ 0 −13 0 13 −16 ⎦
0 0 −26 −26 −1
⎡ ⎤
1 0 0 −1 18/13
(7)
←→ ⎣ 0 1 0 −1 16/13 ⎦.
0 0 1 1 1/26
Donde, para facilitar su comprensión, esta vez hemos indicado las operaciones de renglón en cada
paso del (1) al (7), señalando los pivotes en azul más claro cuando se hacen ceros los elementos por
debajo de los mismos y en rojo cuando se hacen ceros los elementos por encima de los pivotes. (1): R2 ↔
3R1 + 2R2 , R3 ↔ 5R1 + 2R3 ; (2): R3 ↔ −13R2 + 5R3 ; (3): R3 ↔ (1/2)R3 ; (4): R2 ↔ 2R3 + 13R2 ; (5):
R2 ↔ (1/5)R2 ; (6): R1 ↔ 13R1 − R2 ; (7): R1 ↔ (−1/26)R1 , R2 ↔ (−1/13)R2 , R3 ↔ (−1/26)R3 .
P Nota 1.5 A diferencia de la forma escalonada reducida de una matriz, que es única, es claro que al
hacer operaciones de renglón a una matriz A para obtener una matriz en forma escalonada equivalente,
se pueden obtener diferentes matrices. Sin embargo, para cualquier par de matrices en forma escalonada
equivalentes a la matriz A se cumple:
1. Las dos matrices tienen el mismo número de pivotes.

2. Los pivotes se encuentran en las mismas posiciones en ambas matrices; es decir, si una matriz
tiene un pivote en la componente i j la otra también tiene un pivote en esta componente.
Ilustramos la nota 1.5 en el siguiente ejemplo.
⎡ ⎤
2 −3 1 1 5
Ejemplo 1.31 Sea A = ⎣ 4 −1 0 1 2 ⎦, entonces
1 −2 3 1 1
⎡ ⎤ ⎡ ⎤
2 −3 1 1 5 2 −3 1 1 5
⎣ 4 −1 0 1 2 ⎦ ∼ ⎣ 0 5 −2 −1 −8 ⎦
1 −2 3 1 1 0 1 −5 −1 3
⎡ ⎤
2 −3 1 1 5
∼ ⎣ 0 5 −2 −1 −8 ⎦ = H1
0 0 23 4 −23

y
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
2 −3 1 1 5 1 −2 3 1 1 1 −2 3 1 1
⎣ 4 −1 0 1 2 ⎦ ∼ ⎣ 4 −1 0 1 2 ⎦ ∼ ⎣ 0 7 −12 −3 −2 ⎦
1 −2 3 1 1 2 −3 1 1 5 0 1 −5 −1 3
⎡ ⎤
1 −2 3 1 1
∼ ⎣ 0 1 −5 −1 3 ⎦
0 7 −12 −3 −2
⎡ ⎤
1 −2 3 1 1
∼ ⎣ 0 1 −5 −1 3 ⎦ = H2 .
0 0 23 4 −23
Ası́ A ∼ H1 , A ∼ H2 ; H1 y H2 están en forma escalonada, H1 = H2 ; ambas matrices tienen el mismo

número de pivotes y se encuentran en las mismas posiciones en las dos matrices.
Sistemas lineales y método de Gauss-Jordan
Los sistemas lineales también se pueden resolver utilizando el método de Gauss-Jordan para llevar la
matriz ampliada a forma escalonada reducida y realizar sustitución regresiva, como hacemos patente en
el siguiente ejemplo.
Ejemplo 1.32 Resolver el siguiente sistema mediante el método de Gauss-Jordan

x1 − 2x2 + x3 + 3x4 = −1
−x1 + x2 + 2x4 = 2
2x1 − x2 + x3 + 5x4 = 1
Solución Llevemos la matriz ampliada a la forma escalonada reducida:

⎡ ⎤ ⎡ ⎤
1 −2 1 3 −1 1 −2 1 3 −1

⎣ −1 1 0 2 2 ⎦ ∼ ⎣ 0 −1 1 5 1 ⎦

2 −1 1 5 1 0 3 −1 −1 3
⎡ ⎤
1 −2 1 3 −1

∼ ⎣ 0 −1 1 5 1 ⎦

0 0 2 14 6
⎡ ⎤
1 −2 1 3 −1
∼ ⎣ 0 1 −1 −5 −1 ⎦
0 0 1 7 3
⎡ ⎤
1 −2 0 −4 −4
∼ ⎣ 0 1 0 2 2 ⎦
0 0 1 7 3
⎡ ⎤
1 0 0 0 0

∼ ⎣ 0 1 0 2 2 ⎦.

0 0 1 7 3

Al hacer sustitución regresiva tenemos x3 = 3 − 7x4 , x2 = 2 − 2x4 y x1 = 0; luego la solución viene

dada por
⎡ ⎤ ⎡ ⎤
x1 0
⎢ x2 ⎥ ⎢ 2 − 2r ⎥
⎢ ⎥ ⎢ ⎥
⎣ x3 ⎦ = ⎣ 3 − 7r ⎦; r ∈ R.
x4 r
Sistemas con solución única
En este breve apartado damos criterios para determinar cuándo hay solución única en un sistema utili-
zando la forma escalonada reducida, los cuales son fáciles de probar utilizando el teorema 1.4.
Sea A ∈ Mm×n :
1. Caso m > n. Sea Ax = b un sistema lineal consistente, entonces las dos condiciones siguientes son
equivalentes ((a) ⇔ (b)):
(a) El sistema Ax = b tiene solución única.

(b) La forma escalonada reducida equivalente a A consiste de la identidad n × n seguida de
(b) m − n filas nulas.
2. Caso m < n. Supongamos que el sistema Ax = b es consistente y tiene menos ecuaciones que
incógnitas. Entonces tiene una infinidad de soluciones.
3. Caso m = n. Ax = b tiene solución única para todo b si y sólo si A es equivalente a la identidad; es
decir, la forma escalonada reducida equivalente a A es In .
P Nota 1.6 Para determinar que una matriz cuadrada sea equivalente a la identidad, basta revisar que
al llevarla a una forma escalonada toda columna en ésta tenga pivote (por su definición, éste debe
ser distinto de cero); ya que entonces, por el método de Gauss-Jordan, su forma escalonada reducida
equivalente será la identidad.
1.2.6 Sistemas homogéneos

⎡ ⎤
0
⎢ 0 ⎥
⎢ ⎥
Definición 1.16 Un sistema lineal con la forma Ax = 0, donde 0 = ⎢ .. ⎥, se llama homogéneo.
⎣ . ⎦
0
Todo sistema homogéneo es consistente pues x = 0 es solución del mismo; la llamada solución
trivial.
De los casos 1 y 2, de criterios de solución única de la subsección precedente, deducimos el siguiente
teorema.

Teorema 1.6 Sea A ∈ Mm×n . Entonces

1. Si m = n, el sistema homogéneo cuadrado Ax = 0 tiene solución no trivial si y sólo si A no es
equivalente a la identidad.
2. Todo sistema homogéneo Ax =0 con menos ecuaciones que incógnitas (m < n) tiene soluciones
no triviales.
Observemos que para resolver un sistema homogéneo Ax = 0, no es necesario poner ceros en la
última columna de la ampliación; pues todos los términos independientes son nulos y al hacer las ope-
raciones de renglón no se verán afectados. Ası́ que bastará llevar a forma escalonada la matriz A y hacer
sustitución regresiva recordando que los términos independientes son nulos.
Ejemplo 1.33 Para el sistema homogéneo
x1 + x2 − x3 = 0
x1 − x2 − 3x3 = 0,

1 1 −1 1 1 −1 1 1 −1
↔ ↔ ;
1 −1 −3 0 −2 −2 0 1 1
de aquı́,
⎡ ⎤ ⎡ ⎤
x1 2r
⎣ x2 ⎦ = ⎣ −r ⎦; r ∈ R.
x3 r
1.2.7 Estructura de las soluciones
El teorema a continuación describe la estructura de las soluciones de los sistemas no homogéneos en

relación con los homogéneos y, de paso, nos muestra que es posible resolver al mismo tiempo el sistema
no homogéneo Ax = b y el sistema homogéneo asociado Ax = 0.
Teorema 1.7 Sea A ∈ Mm×n .
1. Si h1 , h2 son soluciones particulares del sistema homogéneo Ax = 0 y α ∈ R, entonces
(a) h1 +h2 es también solución.

(b) αh1 es solución del sistema.
2. Sea p una solución particular del sistema no homogéneo Ax = b.
(a) Si h es cualquier solución del sistema homogéneo asociado Ax = 0, entonces p +h es
solución del sistema no homogéneo Ax = b.
(b) Si p es una solución particular del no homogéneo Ax = b, entonces toda solución u de
este sistema tiene la forma p +h, para alguna solución h del sistema lineal homogéneo
asociado Ax = 0.

DEMOSTRACIÓN Q 1. (a) Como h1 , h2 son soluciones, Ah1 = 0 y Ah2 = 0. Luego,
A(h1 +h2 ) = Ah1 + Ah2 = 0.
(a) Por tanto, h1 +h2 es también solución.

(b) A(αh1 ) = α(Ah1 ) = α0 = 0; lo cual nos dice que αh es solución.
2. (a) A(p +h) = Ap + Ah =b +0 = b; pues p es solución de Ax = b y h es solución del homogéneo.
(b) Sea u una solución de Ax = b. Entonces, si h = u − p, Ah = A(u − p) = Au − Ap = b −b = 0;
y u = p +h. Q
Ejemplo 1.34 Resolver el sistema

x1 − 2x2 + x3 − x4 = 4
2x1 − 3x2 + 2x3 − 3x4 = −1
3x1 − 5x2 + 3x3 − 4x4 = 3
−x1 + x2 − x3 + 2x4 = 5
y encontrar la solución del sistema homogéneo asociado.
Solución
⎡ ⎤ ⎡ ⎤
1 −2 1 −1 4 1 −2 1 −1 4

⎢ 2 −3 2 −3 −1 ⎥ ⎢ 0 1 0 −1 −9 ⎥
⎢ ⎥ ↔ ⎢ ⎥
⎣ 3 −5 3 −4 3 ⎦ ⎣ 0 1 0 −1 −9 ⎦

−1 1 −1 2 5 0 −1 0 1 9
⎡ ⎤
1 −2 1 −1 4

⎢ 0 1 0 −1 −9 ⎥
⎢ ⎥
↔ ⎣
0 0 0 0 0 ⎦.

0 0 0 0 0
Ası́, la solución del sistema es

⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
x1 3r − s − 14 −14 3r − s
⎢x2 ⎥ ⎢ r − 9 ⎥ ⎢ −9 ⎥ ⎢ r ⎥
⎢ ⎥=⎢ ⎥=⎢ ⎥+⎢ ⎥; r, s ∈ R.
⎣x3 ⎦ ⎣ s ⎦ ⎣ 0 ⎦ ⎣ s ⎦
x4 r 0 r
De donde observamos que para este caso

⎡ ⎤ ⎡ ⎤
−14 3r − s
⎢ −9 ⎥ ⎢ r ⎥
⎢ ⎥y⎢ ⎥; r, s ∈ R
⎣ 0 ⎦ ⎣ s ⎦
0 r
son, respectivamente, una solución particular del no homogéneo y la solución del homogéneo aso-
ciado.

1.2.8 Sistemas lineales con números complejos
Nuevamente, como en la sección 1.1.5 (cfr. pág. 12), haremos uso de números complejos en álgebra
lineal; esta vez en sistemas lineales. Para resolver sistemas lineales con coeficientes complejos sim-
plemente aplicaremos las mismas técnicas que hemos desarrollado en esta sección, pero realizando las
operaciones con números complejos. Todas las propiedades y teoremas relativos a sistemas lineales
sobre el campo de los números reales de esta sección siguen siendo válidos cuando los coeficientes y
términos independientes son números complejos.13
Ejemplo 1.35 Resolvamos el sistema

x1 + (1 + i)x2 − ix3 = 2i
ix1 − 2ix2 + x3 = 1 − 2i
x1 + (1 − i)x2 + 2ix3 = 1 + i.
Para ello aplicamos el método de Gauss empleando el álgebra de números complejos en las opera-
ciones.14
⎡ ⎤ ⎡ ⎤
1 1 + i −i 2i 1 1 + i −i 2i
(1)
⎣ i −2i 1 1 − 2i ⎦ ←→ ⎣ 0 1 − 3i 0 3 − 2i ⎦

1 1 − i 2i 1 + i 0 −2i 3i 1 − i
⎡ ⎤
1 1 + i −i 2i
(2)
←→ ⎣ 0 −2i 3i 1 − i ⎦
0 1 − 3i 0 3 − 2i
⎡ ⎤
1 1+i −i 2i
(3)
←→ ⎣ 0 1 −3/2 1/2 + 1/2i ⎦
0 1 − 3i 0 3 − 2i
⎡ ⎤
1 1+i −i 2i
(4)
←→ ⎣ 0 1 −3/2 1/2 + 1/2i ⎦.

0 0 3/2 − 9i/2 1−i
De donde, al hacer sustitución regresiva,
1−i
x3 = 3 9
2 − 2i
4 2
= 15 + 15 i ,
1 1 3
x2 = 2 + 2 i + 2 x3
1 1 2 1
= 2 + 2i+ 5 + 5i
9 7
= 10 + 10 i ,
y
x1 = 2i − (1 + i)x2 + ix3
9 7 4 2
= 2i − (1 + i)( 10 + 10 i) + i( 15 + 15 i)
= − 13 + 23 i .
1Cfr. B.1 del apéndice B y la subsección 1.1.5.

13
1(1): R2 ↔ −iR1 + R2 , R3 ↔ −R1 + R2 ; (2): R2 ↔ R3 ; (3): R2 ↔ (−1/2i)R2 ; (4): R3 ↔ −(1 − 3i)R2 + R3 .

14

Álgebra Lineal para Estudiantes de Ingeniería y Ci... - (PG 43 - 53)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Lineal para Estudiantes de Ingeniería y Ci... - (PG 43 - 53)

Cargado por

Copyright:

Formatos disponibles

24 CAPÍTULO 1 Matrices y sistemas lineales

P Nota 1.3 Es claro, del teorema anterior, que

1.2.4 Método de Gauss

El pivote de la primera fila de la matriz B1 es b111 = 1.

Page (PS/TeX): 24 / 24, COMPOSITE

terminarı́a el proceso para este ejemplo particular.

Page (PS/TeX): 25 / 25, COMPOSITE

Ejemplo 1.27 Obtener una matriz equivalente por filas a la matriz

que esté en forma escalonada.10

Método de Gauss para resolver sistemas lineales

Ejemplo 1.28 Resolver el siguiente sistema de ecuaciones por el método de Gauss.

las operaciones de renglón indicadas, los elementos debajo de ellos.

Page (PS/TeX): 26 / 26, COMPOSITE

Sistemas con la misma matriz de coeficientes

Resolviendo para la primera columna tenemos y = 52 − 4z, x = −2 + 2y − 3z = 3 − 11z; ası́ que

Page (PS/TeX): 27 / 27, COMPOSITE

1.2.5 Método de Gauss-Jordan y sistemas con solución única

Definición 1.15 Una matriz está en forma escalonada reducida si:

1. Está en forma escalonada.

1. Se lleva la matriz a forma escalonada mediante el método de Gauss.

Empleando el método de Gauss-Jordan se puede probar el teorema que enunciamos a continuación.

1Compare con el teorema 1.3, página 23.

Page (PS/TeX): 28 / 28, COMPOSITE

1. Las dos matrices tienen el mismo número de pivotes.

Ilustramos la nota 1.5 en el siguiente ejemplo.

Page (PS/TeX): 29 / 29, COMPOSITE

Ası́ A ∼ H1 , A ∼ H2 ; H1 y H2 están en forma escalonada, H1 = H2 ; ambas matrices tienen el mismo

Sistemas lineales y método de Gauss-Jordan

Ejemplo 1.32 Resolver el siguiente sistema mediante el método de Gauss-Jordan

Solución Llevemos la matriz ampliada a la forma escalonada reducida:

Page (PS/TeX): 30 / 30, COMPOSITE

Al hacer sustitución regresiva tenemos x3 = 3 − 7x4 , x2 = 2 − 2x4 y x1 = 0; luego la solución viene

Sistemas con solución única

(a) El sistema Ax = b tiene solución única.

1.2.6 Sistemas homogéneos

Page (PS/TeX): 31 / 31, COMPOSITE

Teorema 1.6 Sea A ∈ Mm×n . Entonces

Ejemplo 1.33 Para el sistema homogéneo

1.2.7 Estructura de las soluciones

El teorema a continuación describe la estructura de las soluciones de los sistemas no homogéneos en

Teorema 1.7 Sea A ∈ Mm×n .

(a) h1 +h2 es también solución.

2. Sea p una solución particular del sistema no homogéneo Ax = b.

Page (PS/TeX): 32 / 32, COMPOSITE

A(h1 +h2 ) = Ah1 + Ah2 = 0.

(a) Por tanto, h1 +h2 es también solución.

Ejemplo 1.34 Resolver el sistema

Ası́, la solución del sistema es

De donde observamos que para este caso

Page (PS/TeX): 33 / 33, COMPOSITE

1.2.8 Sistemas lineales con números complejos

Ejemplo 1.35 Resolvamos el sistema

1Cfr. B.1 del apéndice B y la subsección 1.1.5.

1(1): R2 ↔ −iR1 + R2 , R3 ↔ −R1 + R2 ; (2): R2 ↔ R3 ; (3): R2 ↔ (−1/2i)R2 ; (4): R3 ↔ −(1 − 3i)R2 + R3 .

Page (PS/TeX): 34 / 34, COMPOSITE

También podría gustarte