Resolución de sistemas de ecuaciones

Rango de una matriz

1) Situación problemática
Bonaparte es una pequeña pyme que se dedica a la producción de pastas para atender la
demanda de Villa Carlos Paz. Produce tres tipos de pastas: tallarines, ravioles y ñoquis.
la harina o sémola (materia prima principal de estos productos), transformada en masa, debe
pasar por tres secciones de trabajo:
amasado, prensado/estresado, donde la masa toma la forma deseada, y el secado que permite
su conservación y venta en paquetes.
En una jornada de 8 h de trabajo, descontando el tiempo de encendido, limpiado, rearmado y
puesta a punto, la amasadora se puede utilizar durante 7,5 h, en cambio la extrusora puede
producir durante 7,1 h y la secadora de pasta apenas 5,8 h.
Los costos de funcionamiento, los gastos fijos y los sueldos a empleados y operarios permiten
determinar que es necesario procesar 25 k de harina diarios para llegar al mercado con precios
competitivos y garantizar la rentabilidad de la empresa.
Se sabe que el amasado de 1kg de harina, independientemente de que pasta se trate, requiere
de 0,3 h de máquina. En el prensado y estresado los requerimientos de horas de máquina son
de 0,2, 0,4 y 0,3 para cada tipo de pasta: tallarines, ravioles y ñoquis respectivamente. La
máquina de secado requiere 0,2 h para los tallarines y ñoquis y 0,3 h para los ravioles. El
proceso de pesado y empaquetado se realiza a través de una embaladora automática con
capacidad suficiente para toda la producción que se requiera.
Se conoce que el mercado es ávido de este tipo de mercadería con la calidad producida, por lo
que se produzca dentro de la capacidad de nuestra pyme será comercializado.
¿Cuántos kg de harina convienen procesar para cada tipo de pasta de manera que se empleen
todas las horas diarias de máquina disponible?
Si se decidiera vender la producción como pasta fresca en vez de pasta seca, ¿variaría la
cantidad de harina destinada para cada tipo de pasta?
El alto consumo de energía recalienta el tablero de entrada al funcionar las 3 máquinas juntas,
se acuerda que la amasadora deba funcionar a lo sumo las 6 primeras horas. ¿Cómo modifica
esta decisión la resolución tomada anteriormente?
¿Cómo planteamos una resolución?
Como hemos hecho con anterioridad, debemos esbozar los datos de manera que sean
manipulables y nos facilite la escritura del sistema de ecuaciones que representa la situación a
analizar.

2) Tiempo de cada máquina (en horas) para los diferentes procesos en la elaboración de
pastas secas por kg de harina.
Tallarines Ravioles Ñoquis
Amasadora 0,3 0,3 0,3
Extrusora 0,2 0,4 0,3
Secadora 0,2 0,2 0,2
El sistema de ecuaciones, si se desea procesar 25kg de harina, será:

Donde t, r y n representan la cantidad en kg de harina utilizado para la fabricación de

tallarines, ravioles y ñoquis. La primera ecuación es la condición de la cantidad de harina a
procesar y las siguientes ecuaciones la condición para utilizar el máximo de hora disponible en
todas las máquinas.
Su escritura en forma matricial será:

Si observamos la matriz de coeficientes, es una matriz rectangular, de orden 4x3. Al no ser un

sistema cuadrado no podemos utilizar el método de Cramer y el método de la inversa
desarrollado en el módulo anterior.
Tenemos algunas pistas para encarar la búsqueda de la solución.
 Observamos que tenemos cuatro ecuaciones y solamente 3 incógnitas.
 Si pensamos las filas de la matriz como vectores, las filas formarán un conjunto LD,
pues el conjunto tiene más vectores que componentes.
De este último hecho podemos deducir que algunas de las ecuaciones son una combinación
lineal de otras.
¿cuántos vectores (o filas de la matriz) LI tenemos?
Conocer esa información es posible conocer el rango de la matriz.
Formalicemos estos conceptos.

3) RANGO DE UNA MATRIZ

El rango de una matriz A de orden mxn está dado por el número máximo de líneas paralelas
linealmente independientes que posee la matriz. Se simboliza:
r (A)
Dado que en la definición se habla de número de líneas paralelas linealmente independientes,
se puede
considerar el rango fila (cuando se cuenta el número máximo de filas linealmente
independientes) o el
rango columna (cuando se cuenta el número máximo de columnas linealmente
independientes).

pensemos en una matriz de orden 3:

Observando las filas podemos establecer que la primera y la segunda fila son linealmente
independientes, mientras que la tercera, al ser una fila nula, es LD. Podemos decir que el rango
fila de esta matriz es 2.
Algunos teoremas que suelen ser útiles cuando pensamos en el rango de una matriz se
describen a continuación:
4) Rango final es igual al rango columna

5) Matrices equivalentes por filas tienen el mismo rango

Al realizar operaciones elementales por fila, la matriz no cambia el rango.
Recordemos cuales son las operaciones elementales:
1. Multiplicar una fila por un escalar distinto de cero.
2. Intercambiar filas entre sí.
3. Sumar a una fila otra fila multiplicada por un escalar distinto de cero.
Para poder determinar el rango suele ser conveniente efectuar sobre la matriz operaciones
elementales por filas hasta encontrar una matriz escalonada o una matriz escalonada reducida
por fila, en este caso el rango será igual a todas las filas no nulas.
¿Pero qué es una matriz escalonada y una matriz escalonada reducida por fila?

6) Matriz escalonada
Una matriz A se denomina escalonada cuando:
1. el primer elemento no nulo de cada fila es 1(pivote);
2. cada fila no nula tiene más ceros a la izquierda del pivote que la anterior;
3. si hay filas nulas, estas se ubican en la parte inferior de la matriz como últimas filas.

7) Matriz escalonada reducida por fila

Una matriz A se denomina escalonada reducida por filas cuando:
1. el primer elemento no nulo de cada fila es 1(pivote);
2. cada fila no nula tiene más ceros a la izquierda del pivote que la anterior;
3. todos los elementos que están por encima y por debajo del pivote son ceros;
4. si hay filas nulas, estas se ubican como últimas filas.

Un ejemplo de matriz escalonada por fila sería:

Y un ejemplo de matriz escalonada y reducida por fila sería:

8) Procedimiento para reducir una matriz
Si bien hemos realizado estas operaciones al buscar la inversa de una matriz en la lectura 4 del
Módulo 3, no estará de más revisarlo.
Veamos en un ejemplo de cómo se reduce por fila una matriz. Analicemos la matriz:

Realizando las operaciones elementales por fila debemos llegar a una matriz equivalente B. Si
realizamos en la fila 2 la operación elemental f2 + (-2).f1 y en la fila 3 la operación elemental f3
+ (-3). f1, obtenemos:

La fila 2 es igual a la fila 3, esto es, son proporcionales. Si realizamos en la fila 3 la operación
elemental f3+ (-1). f2, obtenemos:

A la fila 2 la multiplicamos por 1/5:

la matriz está escalonada y es sencillo calcular el rango, que en suma, son las dos filas no
nulas, por lo tanto, el rango es 2. Avancemos un poco más hasta reducirla.

Si realizamos en la fila 1 la operación elemental f1 : f1+(2).f2, obtenemos:

La matriz encontrada es escalonada reducida por fila.

Para conocer cuántas ecuaciones LI tenemos en nuestro problema, deberíamos realizar este
procedimiento con la matriz de coeficiente, pero sería conveniente que estudiemos
previamente algunas propiedades de rango.
9) Propiedades del rango de una matriz
El rango de una matriz A de orden mxn no excede el número de filas o columnas que
esta posee.

El rango de la matriz identidad es igual al orden de la matriz.

El rango de la matriz nula es igual a cero.

El rango de una matriz regular es igual al orden de la matriz.

El rango de una matriz es igual al rango de su transpuesta:

El rango del producto entre un escalar distinto de cero y una matriz es igual al rango
de dicha matriz.

El rango de un producto de matrices es menor o igual al menor de los rangos de las

matrices factores.

Retomando nuestra situación, entonces está claro que la matriz de coeficientes

posee rango menor o igual a 3. ¿Por qué?

Sabemos que el orden de la matriz es de 4x3, el rango va a ser menor o igual a 3.

Otro enfoque que nos dará la misma conclusión es observar que la segunda fila es múltiplo de
la primera.

Si la escalonamos y reducimos por fila a la matriz de coeficiente obtenemos:

¿Te animas a escalonar y reducir por fila la matriz P?

Puedes intentarlo solo, y si no puedes lograrlo te sugerimos una posible secuencia de
operaciones elementales para llegar al resultado.
1) Sobre fila 2 realiza f2=f2-0,3.f1
2) Intercambio f2 por f4
3) Sobre fila 2 realiza f2=f2-0,2.f1
4) Sobre fila 3 realiza f3=f3-0,2.f1
5) Sobre fila 1 realiza f1=f1-f2
6) Sobre fila 3 realiza f3=f3-f2
Tienes a continuación la secuencia realizada en un video para que corrobores lo realizado
Es importante resaltar algunas conclusiones, que si bien están dichas en las propiedades, son
importantes al analizar la matriz de coeficiente de un sistema de ecuaciones.

10) Relación entre características de las matrices de coeficientes de un sistema cuadrado de

ecuaciones.

11) El rango de la matriz A es:

R(A)=2

12) El rango de una matriz es el número de filas:

No nulas de la matriz escalonada asociada.

13) Si dos matrices cuadradas tienen el mismo rango se puede asegurar que tienen:
La misma cantidad de filas linealmente independientes.

14) Si A es una matriz de orden n tal que su determinante es nulo, entonces:

r(A) < n
A es singular.
Sistemas generales de ecuaciones lineales en forma de ecuación matricial
1) Sistemas generales de ecuaciones lineales en forma de ecuación matricial.
En la situación planteada en la lectura anterior, logramos escribir el sistema de ecuaciones
cuando se procesa 25 kg de harina:

Y su escritura en forma matricial:

Recordemos que llamamos ecuación lineal o ecuación de primer grado a una igualdad que
relaciona a ciertos coeficientes, por lo general números reales, con una o más incógnitas,
teniendo en cuenta que estas incógnitas aparecen elevadas a la primera potencia.
Simbólicamente, lo escribimos como:
a1x1 + a2x2 + a3x3 + a4x4 + …………anxn=b
Buscar la solución de una ecuación es encontrar el conjunto de valores x1,x2, x3………….xn que
satisfagan la ecuación.
Si trabajamos con varias ecuaciones relacionadas entre sí, formarán un sistema de ecuaciones
lineales, donde la solución hallada debe satisfacer a todas y cada una de las ecuaciones del
sistema. En forma general, el sistema se expresa como:

Podremos realizar la representación matricial del sistema de la siguiente forma:

O en notación abreviada:
A .X=B
Donde a es la matriz de coeficientes del sistema, x es el vector de incógnitas y b es el vector de
términos independientes.
En nuestra situación problemática escribimos el sistema como

y determinamos, al realizar la reducción de la matriz, que el rango de la matriz de coeficientes

es 2: r(a)=2.
La ventaja de escribir un sistema de ecuaciones en su forma matricial es que nos permite
analizar la situación a través de las propiedades de matrices.
Existen otras maneras de escribir las ecuaciones, como una relación entre matrices o vectores.
Veamos, a continuación, algunas de ellas:

2) Matriz ampliada del sistema de ecuaciones

La matriz ampliada del sistema surge de agregar el vector de términos independientes a la
matriz de coeficientes. La denotaremos .
La matriz ampliada será:

3) Forma vectorial de un sistema de ecuaciones

En nuestra situación,
la forma vectorial será:

Y la matriz ampliada del sistema será:

Partiendo de estas formas, buscaremos maneras de escribir el sistema para que sea fácil su
interpretación y resolución.

4) Sistemas de ecuaciones equivalentes

Dos sistemas de ecuaciones lineales se denominan equivalentes cuando la solución de uno de
ellos es también solución del otro.
Para solucionar un sistema de ecuaciones, es necesario sustituir dicho sistema por otro
equivalente de manera tal que nos conduzca rápidamente a su solución.

5) Propiedad de la equivalencia
Se puede obtener un sistema equivalente a otro si:
1) Se le adiciona, a una de las ecuaciones, el producto de una constante no nula por otra de las
ecuaciones.
2) Se intercambian el orden de las ecuaciones.
3) Se multiplica una ecuación por una constante distinta de cero.
No es más que las operaciones elementales por fila que estudiamos en matrices. Esto nos lleva
a la posibilidad de pasar de un sistema de ecuaciones complicado a uno de estructura mucho
más simple.
Si retornamos a nuestro ejemplo, podemos tomar la matriz ampliada del sistema y reducirla
por fila de manera de encontrar un sistema equivalente.

Planteamos la secuencia para reducir la matriz de coeficientes; el proceso es

exactamente igual, sólo que ahora arrastramos la columna de términos independientes.
Parece claro que la matriz equivalente encontrada es de interpretación más sencilla y describe
cual es la solución del sistema.
La solución para este sistema de ecuaciones es r=12, t=8, n=5. Por ser un sistema equivalente
por fila al sistema planteado en el problema, posee la misma solución.
Queremos recordar las clasificaciones de los sistemas de ecuaciones.

6) Clasificación de los sistemas

SCD
Sistema compatible determinado, el sistema posee solución única

Rectangular
El número de ecuaciones es mayor o menor que el número de incógnitas.

Cuadrado
Posee igual número de ecuaciones que incógnitas.

No homogéneo
Sus términos independientes no son todos iguales a cero.

Homogéneo
Sus términos independientes son todos iguales a cero.

SI
Sistema incompatible, el sistema no posee solución.

SCI
Sistema compatible indeterminado, el sistema posee infinitas soluciones.

7) La siguiente matriz es la matriz ampliada de un sistema de ecuaciones:

Podemos entonces decir que el sistema tiene 3 ecuaciones con 2
incógnitas.
8) La siguiente matriz es la matriz ampliada de un sistema de ecuaciones:
De acuerdo a las clasificaciones de sistema de ecuaciones, podemos decir que
se trata de un sistema:

Rectangular
No homogéneo

9) La siguiente matriz es la matriz ampliada de un sistema de ecuaciones:

Podríamos decir que el rango de la matriz de coeficiente y el rango de la matriz
ampliada es:

r(A)=2 y r(A|B)=2
Teorema de Rouche Frobenius
1) Teorema de Rouche Frobenius
Retomemos la situación problemática planteada en la lectura 1 del presente módulo para
analizar mediante el concepto de rango la clasificación del sistema de acuerdo a su tipo de
solución.
El problema planteaba un sistema rectangular de cuatro ecuaciones con tres incógnitas:

La forma matricial es:

Construyamos la matriz ampliada del sistema A│B:

Luego, ¿cuánto vale el rango de A? ¿Sigue siendo el mismo si miramos el rango de la matriz
ampliada A│B? Y si fuese así, ¿qué podemos anticipar acerca de las soluciones del sistema?
Las respuestas a estas preguntas las brinda un Teorema, el de Rouché Frobenius. En él se
engloban los conceptos más importantes estudiados a lo largo de los módulos que conforman
la materia y nos habla sobre los sistemas de ecuaciones desde su enfoque matricial. Por ello es
tan importante mirar los sistemas como matrices y estudiar propiedades básicas de ellas, para
así obtener respuestas a una situación problemática modelada matemáticamente bajo un
conjunto de ecuaciones.
2) Teorema de Rouche Frobenius
Un sistema de m ecuaciones lineales con n incógnitas será compatible si y solo si el rango de la
matriz de coeficientes es igual al rango de la matriz ampliada correspondiente.

La forma escalonada y reducida por filas de A│B de nuestro ejemplo es:

Luego r(A) = r(A│B)= 3 y el sistema, por el teorema, sería compatible.

Ahora bien, ¿será determinado o indeterminado?
El corolario que se desprende del teorema para saber si es determinado es el siguiente:
 3) COROLARIO:
Sistema compatible determinado
Un sistema de m ecuaciones lineales con n incógnitas es compatible determinado si y solo si el
rango dela matriz del sistema y la ampliada es igual al número de incógnitas. En símbolos:
r(A)= r(A│B) = n

En nuestro ejemplo r(A) = r(A│B) = 3 que coincide con la cantidad de incógnitas, luego el
sistema tiene una única solución.
Podemos sintetizar esta ideas (teorema y corolario) en el siguiente esquema:

Esquema del Teorema de Rouche-Frobenius y Corolario

Note que no cabe la posibilidad de que r(A) > r(A│B), es decir que el rango de la ampliada sea
menor al rango de A. ¿Por qué?
Tampoco puede suceder que el r(A) = r(A│B) > n, el rango sea mayor a la cantidad de
incógnitas, ¿por qué?
Sería interesante que resolviéramos la situación planteada en el comienzo de la lectura 1
módulo 4. Si ahora se tomara la decisión de vender la totalidad de la producción como pasta
fresca, entonces el sistema tendría una ecuación menos.
¿Te animas a escribir el sistema de ecuaciones lineales para este caso?
Se desea procesar 25 kg de harina para la elaboración de tres tipos diferentes
de pastas, tallarines, ravioles y ñoquis, sabiendo que debe pasar por dos
secciones de trabajo: amasado y prensado/extrusado.
Se sabe que el amasado de 1kg de harina, independientemente de qué
pasta se trate, requiere de 0,3 horas de máquina. En el prensado y extrusado los
requerimientos de horas de máquina son de 0,2, 0,4 y 0,3 para cada tipo de
pasta: tallarines, ravioles y ñoquis respectivamente. En una jornada de 8 horas
de trabajo, la amasadora se puede utilizar durante 7,5 horas y la extrusora
puede funcionar 7,1 horas.
El sistema de ecuaciones lineales que representa la situación es:

t + r + n = 25
0,3t + 0,3r + 0,3n = 7,5
0,2t + 0,4r + 0,3n = 7,1
Al reducir el sistema de ecuaciones con su matriz ampliada obtenemos:

¿Cuál es el valor de r(A), r(A|B) y de n?

¿Qué nos dice el Teorema de Rouche-Frobenius en este caso? No se pierda la próxima
actividad

El valor de r(A) es 2 , y el valor del r(A|B) es 2 , mientras que el número de

incógnitas n es 3 por lo tanto el sistema es compatible indeterminado.
Otro supuesto que planteaba el problema es que, debido al alto consumo de energía al
funcionar las 3 máquinas juntas, se conviene que la amasadora deba funcionar a lo sumo las 6
horas.
En este caso el sistema de ecuaciones es:

¿Te animas a escribir la matriz ampliada del sistema?

La matriz ampliada del sistema de ecuaciones lineales que se presenta es

1 | 1 | 1 | 25
0,3 | 0,3 |0,3 | 6
0,2 | 0,4 | 0,3 | 7,1
0.2 | 0,3 | 0,2 | 5,8
Al reducir la matriz obtenemos:

¿Cuál es el valor de r(A), r(A|B) y de n?

¿Qué nos dice el Teorema de Rouche-Frobenius en este caso?
El valor de r(A) es 3, y el valor del r(A|B) es 4, mientras que el número de incógnitas n es 3 por
lo tanto el sistema es incompatible.
Parece ser claro el significado cuando el sistema es compatible determinado, la solución
hallada es la cantidad de harina necesaria de procesar para producir cada tipo de pasta de
manera que las maquinarias produzcan la mayor cantidad de horas posibles.
Ahora, si el sistema es compatible indeterminado, ¿qué significa la solución hallada? Vemos
que la solución del sistema es:
Esto significa que para utilizar en su máxima capacidad las máquinas y procesar 25 kg de harina
en la fabricación de pastas, la cantidad de harina utilizada para fabricar tallarines y ravioles
están relacionada con la cantidad de harina utilizada en fabricar ñoquis.
La variable n (cantidad de harina procesada para elaborar ñoquis) está acotada, no puede ser
negativa ni mayor a 21, ya que en este valor, en ecuación: r=10,5 - 0,5n toma el mínimo valor
permitido.
Si bien hay infinitas soluciones, las condiciones de realidad del problema hace que estas
soluciones estén acotadas, en este caso porque no tiene sentido procesar cantidades negativas
de materia prima.
¿Y si el sistema fuese incompatible? ¿Cuál será su significado? Te sugerimos que lo razones
teniendo en cuenta cómo hemos conformado las ecuaciones.
Para finalizar, te dejamos algunas actividades extras que te ayudaran a dimensionar y fijar los
conceptos trabajados.

Sea A = |2 1| la matriz de coeficientes y B = |1 | el vector de términos independientes de un

|o 3| |0 | sistema de ecuaciones, luego:
|1 2| |0 |
El sistema tiene 3 ecuaciones y 2 incógnitas.
r(A) = 2.
El sistema es incompatible

Sea A la matriz de coeficientes y B = |0| el vector de términos independientes de un sistema

|0| de ecuaciones, luego:
|0|
El sistema tiene 3 ecuaciones
r(A) = r(A│B)
El sistema es compatible

Sea A = | 1 0 0 1| la matriz de coeficientes de un sistema de ecuaciones y sea A|B su

| 0 0 1 0| ampliada correspondiente tal que r(A) = r(A|B),
| 0 0 0 1| luego el sistema es:
| 0 0 0 2|
compatible indeterminado.

El rango de la matriz A de coeficientes de un sistema es igual su correspondiente ampliada e

igual su correspondiente ampliada e igual al número de incógnitas, luego el sistema:
admite una única solución.

Si las matrices A y A|B de un sistema de m ecuaciones con n incógnitas conforman

Un sistema compatible, luego las matrices tienen:
la misma cantidad de filas LI

Si A es la matriz de coeficientes de un sistema de ecuaciones de orden n tal que su

determinante es distinto de cero y B el vector nulo de términos independientes, entonces:
el sistema admite una única solución
r(A) = r(A│B)
r (A) = n
r(A│B) = n
 Método Gauss-Jordan
1) Métodos de resolución de sistemas
Recordemos la situación problemática de la lectura 1 del módulo 4, de la fábrica de pasta.
El sistema de ecuaciones, si se desea procesar 25 kg de harina, será:

Donde t, r y n representan la cantidad en kg de harina utilizado para la fabricación de

tallarines, ravioles y ñoquis.
Analicemos todas las herramientas matemáticas que disponemos hasta el momento, no sólo
las adquiridas en este curso.
2) Métodos de resolución de sistemas de ecuaciones lineales

3) Método de Gauss Jordan

El método de Gauss-Jordan consiste en partir de la matriz ampliada del sistema y se
busca la matriz escalonada reducida de A por filas. Se obtiene la matriz ampliada de un sistema
de ecuaciones equivalente al original, pero cuya resolución es prácticamente inmediata y cuya
caracterización en cuanto al tipo de soluciones resulta de aplicar el Teorema de Rouche –
Frobenius.
4) Método de Gauss Jordan
Es un método de resolución de sistemas de ecuaciones lineales que se puede aplicar SIEMPRE.
5) Resolución del sistema de ecuaciones para la fábrica de pasta por el método de Gauss
Jordan
Descripción: Se muestra el paso a paso de la resolución del sistema, destacando los pasos y
objetivos del método de Gauss Jordan
Veremos algunos ejemplos simples.
Ejemplo 1.
Resuelve el siguiente sistema de ecuaciones lineales:

Partimos de la matriz ampliada del sistema y operamos por filas hasta obtener la matriz
escalonada reducida de A:
Intercambiamos la f1 con f2 para lograr obtener el 1 (pivote):

Para obtener un 0 en la fila tres debajo del elemento pivote, realizamos la siguiente operación
elemental, a saber: f3: f3 + f1. (-2):

Intercambiamos fila dos con fila tres para obtener el 1 en la segunda columna:

Para obtener un 0 en la fila uno arriba del pivote, realizamos la siguiente operación elemental,
a saber: f1: f1+ f2. (-2)

Para obtener un 0 en la fila 3 debajo del pivote, realizamos la siguiente operación elemental, a
saber: f3: f3+f2.-3:

Para obtener el 1 en la tercera columna, multiplicamos la fila tres por -1/8:

Para obtener el 0 en la fila 1 arriba del pivote, realizamos la siguiente operación elemental, a
saber: f1=f1+f3. (3):

Para obtener el 0 en la fila 2, realizamos la operación elemental f2=f2+f3. (-3):

Como rA=rB=3=número de incógnitas.

El sistema es compatible determinado. La solución es x =2 , y = 0, z = 1, es decir:
S= {(2; 0; 1)}
Ejemplo 2.
Resuelve el siguiente sistema de ecuaciones lineales:

La matriz ampliada del sistema es:

Para obtener el elemento pivote en la fila 1, multiplicamos a la fila 1 por 1/3:

Para obtener el 0 en la fila dos, realizamos la siguiente operación elemental, a saber: f2: f2 +
f1. (-4)

Para obtener el 0 en la fila tres realizamos la operación elemental f3: f3 + f1. (9)

Para obtener el 1 en la segunda columna, multiplicamos a la fila dos por -3/17:

Para obtener un cero en la fila uno arriba del pivote, realizamos la segunda operación
elemental, a saber: f1: f1 + f2. (-5/3):

Los rangos son distintos; el sistema es incompatible, no tiene

solución.
Ejemplo 3.
Resuelve el siguiente sistema de ecuaciones lineales:

La matriz ampliada del sistema es:

Para obtener el cero en la fila dos debajo del pivote, realizamos la operación elemental: f2:
f2+f1. (-2). Para obtener el cero en la fila tres, la operación elemental es f3: f3 + f1. (3)

Si sumamos a la fila 3 la fila dos multiplicada por -1, obtenemos:

Para obtener un 1 en la columna 2, multiplicamos por (-1/13):

Para que sea escalonada reducida por fila obtener un cero arriba del segundo pivote.

rA=rB=2<3 incógnitas. Es un sistema compatible indeterminado y tiene infinitas

soluciones.
Para escribir las infinitas soluciones, hay que reescribir la matriz ampliada como un sistema de
ecuaciones.
Despejando la variable x e y en función de z obtenemos

La solución se expresa:

Sea A | 1 0 2 | 0 la matriz reducida de un sistema de ecuaciones

| 0 1 3 | 0 lineales, se puede afirmar que el sistema es compatible indeterminado.
|0 0 0|0

Sea A | q 0 2 | 1 la matriz reducida de un sistema de ecuaciones

| 0 1 3 | 1 lineales, se puede afirmar que el sistema es incompatible.
|0 0 0|1

Dado el sistema {x – y – z = -2 si lo resolvemos por el método de Gauss – Jordan, el valor de z

{ -y – 3 = x que obtendremos es: -1
6) Revisión del módulo
Hasta acá aprendimos
Resolución de sistemas de ecuaciones
Se presentan en la lectura los conceptos más relevantes para abordar
cualquier sistema de ecuaciones, ya sea compatible o no y con matrices de
coeficientes cuadradas o no.
Se define el concepto de rango que permite analizar a los sistemas desde una óptica más
general.

Sistemas generales de ecuaciones lineales en forma de ecuación matricial

La lectura introduce al alumno a la forma matricial de un sistema de ecuaciones, respetando
sus componentes y nomenclatura matricial. Se define la matriz ampliada y la forma vectorial
de un sistema.

Teorema de Rouche Frobenius

En ésta lectura desarrollamos el Teorema más importante de la materia y que se aplica a
cualquier sistema de ecuaciones lineales.
Los conceptos rango de una matriz, matriz de coeficientes y matriz ampliada de un sistema se
unen al concepto de matriz escalonada para darle forma al Teorema de Rouche Frobenius.

Método Gauss-Jordan
La lectura explica lo relacionado con el álgebra matricial para desarrollar un método eficaz y
eficiente a la hora de resolver un sistema de ecuaciones. El método de Gauss-Jordan nos
brinda una herramienta matricial de resolución más allá de las características particulares de la
matriz de coeficientes.