Sistemas de ecuaciones lineales

6
Introducción
El primer problema objeto de estudio del álgebra lineal, como ya lo mencionamos inicialmente,
consiste en la determinación del conjunto solución de un sistema de ecuaciones lineales. Para
resolverlo, apelamos a los instrumentos que nos provee el álgebra matricial, fundamentando dos
algoritmos básicos que entraremos a construir.

La fotografía con gran angular muestra el interior del

Objetivos del módulo
1. Caracterizar un sistema de m ecuaciones lineales con n incógnitas (S.E.L.(m,n)) y todos los
elementos asociados a él desde el álgebra matricial, así: conjunto solución, matriz equiva-
lente de un S.E.L.(m,n).
2. Presentar dos matrices fundamentales en la estructuración de los métodos para la determi-
nación del conjunto solución: matriz escalonada reducida y matriz escalonada.
3. Definir las operaciones elementales aplicables a las filas de una matriz, y cómo surgen,
apoyadas en éstas, las matrices equivalentes.
4. Fundamentar y sistematizar dos algoritmos claves en la determinación del conjunto solu-
ción de un S.E.L.(m,n): el algoritmo de Gauss y el de Gauss-Jordan.
módulo de mando de una nave espacial. Todos sus dispositivos
están perfectamente identificados y ordenados, con funciones
exactamente definidas e interrelacionadas, todos ellos
dirigidos a un propósito común: llevar a buen término una
misión que arrojará respuestas a problemas planteados.
Como una analogía, el primer problema que se plantea el
álgebra lineal consiste en la determinación del conjunto
solución de un sistema de ecuaciones lineales, utilizando
para ello algoritmos matriciales precisos que nos garantizan
el logro de este objetivo.

Preguntas básicas
1. ¿Qué es una matriz de la forma escalonada reducida?
2. ¿Qué es una matriz de la forma escalonada?
3. ¿Qué es un sistema de m ecuaciones lineales con n incógnitas (S.E.L.(m,n))?
4. ¿Qué es el conjunto solución de un sistema de ecuaciones lineales?
5. ¿Qué es una operación elemental entre filas en una matriz?
6. ¿Qué son matrices equivalentes?
7. ¿Cuándo dos sistemas de ecuaciones lineales son equivalentes?
8. ¿Cómo se determina la ecuación matricial equivalente de un S.E.L.(m,n)?
9. ¿En qué consiste el algoritmo de reducción de Gauss y Jordan?
10. ¿En qué consiste el algoritmo de Gauss?
11. ¿Cómo se obtiene el conjunto solución de un S.E.L.(m,n) por aplicación de cualquiera de los
dos algoritmos?

Contenidos del módulo

6.1 Sistemas de ecuaciones lineales
6.1.1 Matriz escalonada reducida
6.1.2 Matriz escalonada
6.1.3 Ecuación lineal en n-variables reales
6.1.4 Sistema de m ecuaciones lineales con n incógnitas
6.1.5 Conjunto solución de un S.E.L.(m,n)
6.1.6 Ecuación matricial equivalente de un S.E.L.(m,n)
6.1.7 Sistemas equivalentes
6.1.8 Fundamentación de los algoritmos empleados para determinar el conjunto
solución de un S.E.L.(m,n)
Vea el módulo 6 del programa de
6.1.9 Matriz aumentada de un S.E.L.(m,n) televisión Geometría vectorial y analítica
6.1.10 Algoritmo de reducción de Gauss-Jordan
6.1.11 Algoritmo de reducción de Gauss

Geometría vectorial y analítica 91

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
6.1 Sistemas de ecuaciones lineales
Antes de introducir este tema, revisemos dos matrices que se constituyen en ele-
mentos fundamentales de los procesos algorítmicos que apuntan a la determinación
del conjunto solución de cualquier sistema de ecuaciones lineales.

6.1.1 Matriz escalonada reducida

Una matriz A = ⎡⎣aij ⎤⎦ es de la forma escalonada reducida si y sólo si satisface

( m ,n )
todas las condiciones siguientes.

1. Si presenta filas nulas, entonces éstas deben ir debajo de cualquier fila no

nula.

2. La primera componente distinta de cero de una fila no nula (de izquierda a

derecha) debe ser el número 1. Esta componente se denomina 1 capital o
1 principal.

3. El número de ceros al comienzo de cada fila (de izquierda a derecha) aumenta

o se hace constante (en el caso de filas nulas únicamente) a medida que se
desciende en la matriz.

4. Todos los demás elementos de cada columna donde figura un 1 capital de-
ben ser iguales a cero.

6.1.2 Matriz escalonada

Una matriz A = ⎡⎣aij ⎤⎦ es de la forma escalonada si y sólo si satisface las condi-

( m ,n )
ciones 1, 2 y 3 de la definición anterior.

Observación

Toda matriz escalonada reducida es escalonada. ¿Qué puede afirmarse de la propo-

sición recíproca?

Ilustración 14

Determinemos de las matrices siguientes cuáles son escalonadas, cuáles son esca-
lonadas reducidas y cuáles no son escalonadas.

⎡0 1 −8 0 1 0⎤ ⎡1 0 0 8⎤
⎢0 ⎥ ⎢0 ⎡1 0 7 −5 0 0⎤
0 0 0 1 0⎥ 0 1 0⎥⎥ ⎢0 0 0 0 1 0⎥ ,
A=⎢ ,B = ⎢ ,C = ⎢ ⎥
⎢0 0 0 0 0 1⎥ ⎢0 1 0 0⎥
⎢ ⎥ ⎢ ⎥ ⎢⎣0 0 0 0 0 1⎥⎦(3,6)
⎣0 0 0 0 0 0⎦(4,6) ⎣0 0 0 0⎦ (4,4)

⎡0 1 0 0 0⎤
⎡1 0 0 ⎤ ⎢0 ⎡0 1 0 3 9 0⎤
0 1 0 0⎥⎥
I 3 = ⎢⎢0 1 0⎥⎥ , D = ⎢ , E = ⎢⎢0 0 0 0 0 1⎥⎥ ,
⎢0 0 0 0 0⎥
⎢⎣0 0 1⎥⎦ (3,3) ⎢ ⎥ ⎢⎣0 0 0 0 0 0⎥⎦(3,6)
⎣0 0 0 0 1⎦ (4,5)

92
 Módulo 6: Sistemas de ecuaciones lineales

⎡1 3 0 0 8⎤ ⎡0 0⎤
F = ⎢⎢0 0 1 0 0⎥⎥ , O(3,2) = ⎢⎢0 0⎥⎥ .
⎢⎣0 0 1 0 3⎥⎦(3,5) ⎢⎣0 0⎥⎦ 3,2
( )

Solución

A es una matriz escalonada; pero no es escalonada reducida puesto que en

la columna quinta donde figura un 1 principal, no todos los restantes ele-
mentos son iguales a cero.

B no es una matriz escalonada porque no cumple la condición 3.

C es una matriz escalonada reducida.

I 3 es una matriz escalonada reducida.

D no es una matriz escalonada porque no cumple la condición 1.

E es una matriz escalonada reducida.

F no es una matriz escalonada. ¿Por qué?

O(3,2) es una matriz escalonada reducida. ¿Por qué?

6.1.3 Ecuación lineal en n -variables reales

Es una expresión algebraica de la forma a1 x1 + a2 x2 + ... + an xn = b, con:

ai ∈ , ∀i = 1... n, que se denominan coeficientes (constantes).
xi ∈ , ∀i = 1... n, que se denominan variables, incógnitas o indetermina-
das.
b ∈ , que se denomina término independiente (constante).

6.1.4 Sistema de m ecuaciones lineales con n incógnitas

Es un conjunto de m ecuaciones con n incógnitas que representamos así:

(1) a11 x1 + a12 x2 + ... + a1n xn = b1 ⎫

⎪
(2) a21 x1 + a22 x2 + ... + a2 n xn = b2 ⎪
⎪⎪ Si bi = 0, ∀i = 1... m
⎬
(i ) ai1 x1 + ai 2 x2 + ... + ain xn = bi ⎪ decimos que el sistema
⎪ es homogéneo.
⎪
(m)am1 x1 + am 2 x2 + ... + amn xn = bm ⎪⎭

Convención

En adelante nos referiremos a un sistema de ecuaciones lineales, de m ecuaciones y

n incógnitas, con la abreviatura S.E.L.(m,n).

Geometría vectorial y analítica 93

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
6.1.5 Conjunto solución de un S.E.L.(m,n)

Es el conjunto de todas las n-tuplas que satisfacen todas y cada una de las m
ecuaciones del sistema. Lo designaremos por S. En consecuencia, podemos definir-
lo por comprensión así:

S = {(c1 , c2 ,..., cn ) / ai1c1 + ai 2 c2 + ... + ain cn = bi , ∀i = 1... m} .

6.1.6 Ecuación matricial equivalente de un S.E.L.(m,n)

Dado un S.E.L. (m,n) como el indicado anteriormente, definimos:

⎡ a11 a12 a1n ⎤

⎢ ⎥
⎢ ⎥
1. A = ⎢ ai1 ai 2 ain ⎥ que llamaremos matriz de coeficientes.
⎢ ⎥
⎢ ⎥
⎢⎣am1 am 2 amn ⎥⎦ ( m,n )

⎡ x1 ⎤
⎢x ⎥
2. X = ⎢ 2⎥ que llamaremos matriz de variables o indeterminadas.
⎢ ⎥
⎢ ⎥
⎣ xn ⎦( n,1)

⎡ b1 ⎤
⎢b ⎥
3. B = ⎢ 2⎥ que llamaremos matriz de términos independientes.
⎢ ⎥
⎢ ⎥
⎣bm ⎦ ( m,1)

4. La ecuación A ⋅ X = B la llamaremos ecuación matricial equivalente del

S.E.L.(m,n).

Observación

Puede comprobarse que la ecuación matricial mencionada soporta exactamente la

misma información presente en el S.E.L.(m,n). Además tiene la ventaja de sistematizar
en términos matriciales lo expuesto en el sistema, permitiendo su manejo algebraico
en forma óptima, como lo veremos a continuación.

Ilustración 15

1. Dado el S.E.L.(3,4), determinemos su ecuación matricial equivalente.

⎡ x1 ⎤
(1) 3x1 − 2 x2 + 5 x4 = 1⎫ ⎡ 3 −2 0 5⎤ ⎢ ⎥ ⎡ 1 ⎤ Ecuación
⎪ ⎢ 0 1 −2 1⎥ ⋅ ⎢ x2 ⎥ = ⎢−3⎥ matricial
(2) x2 − 2 x3 + x4 = −3 ⎬ ⎢ ⎥ ⎢x ⎥ ⎢ ⎥
(3) 2 x1 + x2 + 4 x3 + 3 x4 = 2 ⎪⎭ ⎢⎣ 2 1 4 3⎦⎥ ⎢ 3 ⎥ ⎣⎢ 2 ⎥⎦ equivalente
⎣ x4 ⎦

94
 Módulo 6: Sistemas de ecuaciones lineales
2. Dada la ecuación matricial equivalente, determinemos el S.E.L.
Carl Friedrich Gauss
⎡ x⎤
⎢ y⎥ Cuando Carl Friedrich Gauss tenía diez años de edad y asistía
⎡ 5 −1 2 0 1⎤ ⎢ ⎥ ⎡0⎤ (1) 5 x − y + 2 z + t = 0⎫ a la escuela, uno de sus maestros solicitó a sus alumnos que
⎢ 2 0 1 −2 1⎥ ⋅ ⎢ z ⎥ = ⎢0⎥ ⎬ S.E.L.(2,5)
+ z − 2v + t = 0⎭
encontraran la suma de todos los números comprendidos
⎣ ⎦ ⎢ ⎥ ⎣ ⎦ (2) 2 x entre uno y cien. Con ello quería tenerlos ocupados durante
⎢v⎥ algún tiempo, pero quedó asombrado cuando rápidamente
⎢⎣ t ⎥⎦ Gauss le dio la respuesta correcta. Gauss reveló que encontró
la solución usando el álgebra y el maestro se dio cuenta de
que el niño era una promesa en las matemáticas.

6.1.7 Sistemas equivalentes
Dos sistemas son equivalentes si tienen el mismo conjunto solución.
6.1.8 Fundamentación de los algoritmos empleados para determinar el
conjunto solución de un S.E.L(m,n)
Dado un S.E.L.(m,n) se trata de encontrar un S.E.L. (m,n) equivalente más sencillo en el
cual se pueda determinar fácilmente el conjunto solución.
Para lograr este objetivo se utilizan únicamente las siguientes operaciones que se
denominan elementales, y que pasamos a describir.
Hijo de un humilde albañil, Gauss dio señales de ser un genio
antes de que cumpliera los tres años. A esa edad aprendió
a leer y hacer cálculos aritméticos mentales con tanta
habilidad que descubrió un error en los cálculos que hizo su
padre para pagar unos sueldos. Cuando tenía doce años
criticó los fundamentos de la geometría euclidiana. Años
después descubrió que era posible construir un polígono
regular de diecisiete lados usando sólo la regla y el compás
y aportó métodos para construir con estas dos herramientas
figuras de 257 y 65.537 lados. Probó, además, que era
imposible construir con regla y compás un heptágono regular,
o figura de siete lados, y que la construcción de un polígono
regular con un número de lados impar sólo era posible
cuando ese número era un primo de la serie 3, 5, 17, 257 y
65.537 o un producto de dos o más de estos números.

El genio y la precocidad de Gauss llamaron la atención del

Operación tipo 1: Cambiar de posición entre sí dos ecuaciones.
Notación: Eij : intercambiar de posición las ecuaciones i, j.
Operación tipo 2: Multiplicar ambos miembros de una ecuación por un λ , λ ∈
λ ≠ 0.
Notación: λEi : la ecuación i se multiplica por λ .
duque de Brunswick, quien dispuso, cuando el joven tenía
catorce años, costear tanto su educación secundaria como
universitaria. Gauss se graduó en Gotinga en 1798, y al año
siguiente recibió su doctorado en la Universidad de
, Helmstedt. Sin embargo, las matemáticas no fueron el
único tema que le interesó: también fue astrónomo, físico,
geodesta e inventor. Hablaba con facilidad varios idiomas,
e inclusive dominó el ruso a la edad de sesenta años. En
1807 fue nombrado director del observatorio y profesor de
astronomía en la Universidad de Gotinga.

Operación tipo 3: Sumarle a una ecuación un múltiplo escalar de otra ecuación.
Notación: λ Ei + E j : a la ecuación j le sumamos « λ veces » la
ecuación i (λ ∈ , λ ≠ 0).
Observación
Cuando se efectúan estas operaciones, los que se modifican en última instancia
son los coeficientes de las variables; en consecuencia, como en los arreglos
matriciales está considerado el orden, la presencia de las variables queda implícita
y sólo se opera sobre éstos. Esta es la razón por la cual entramos ahora a presentar
la matriz objeto de trabajo en este proceso de determinación del conjunto solución
para un S.E.L (m,n).
A principios del siglo XIX, Gauss publicó sus Disquisiciones
aritméticas, que ofrecían un análisis lúcido de su teoría de
números y una exposición de la convergencia de una serie
infinita. Estudió la teoría de los errores y dedujo la curva
normal de la probabilidad, llamada también curva de Gauss,
que todavía se usa en los cálculos estadísticos. En 1833
inventó un telégrafo eléctrico que usó entre su casa y el
observatorio, a una distancia de unos dos kilómetros. Inventó
también un magnetómetro bifilar para medir el
magnetismo y, con el físico alemán Wilhelm Eduard Weber,
proyectó y construyó un observatorio no magnético. Tanto
Gauss como su colega alemán Bernhard Riemann, que fue
discípulo suyo, pensaban en una teoría electromagnética
que sería muy semejante a la ley universal de la gravitación,
de Newton. Empero, la teoría del electromagnetismo fue
ideada más tarde, en 1873, por James Clerk Maxwell,
aunque Gauss ya poseía los cimientos matemáticos para la
teoría. En 1840, las investigaciones de Gauss sobre la óptica
tuvieron especial importancia debido a sus deducciones
relacionadas con los sistemas de lentes.

6.1.9 Matriz aumentada de un S.E.L.(m,n)
Dado un S.E.L. (m,n), de ecuación matricial equivalente A ⋅ X = B, definimos
C = [ A B ]( m, n +1) y la denominamos matriz aumentada del sistema.
Gauss falleció en 1855 en Gotinga, a la edad de 78 años
(había nacido en Brunswick, en 1777). Se ha dicho que la
lápida que señala su tumba fue escrita con un diagrama,
que construyó el mismo Gauss, de un polígono de diecisiete
lados. Durante su vida se reconoció que era el matemático

Geometría vectorial y analítica 95

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
En forma extensiva tenemos:
más grande de los siglos XVIII y XIX. Su obra en las
matemáticas contribuyó sin duda a formar una base para ⎡a11 a12 a1n b1 ⎤
encontrar la solución de problemas complicadísimos de las ⎢ ⎥
ciencias físicas y naturales. ⎢ ⎥
C = ⎢ai1 ai 2 ain bi ⎥ .
⎢ ⎥
⎢ ⎥
⎢⎣am1 am 2 amn bm ⎥⎦

6.1.10 Algoritmo de reducción de Gauss-Jordan

Consiste en reducir la matriz aumentada del sistema a una matriz de la forma escalo-
nada reducida, mediante la aplicación únicamente de operaciones elementales. En
esta forma el conjunto solución es inmediatamente determinable.

6.1.11 Algoritmo de reducción de Gauss

Consiste en reducir la matriz aumentada del sistema a una matriz de la forma escalo-
nada, mediante la aplicación únicamente de operaciones elementales, resolver para
la última incógnita y luego, por sustitución hacia atrás, resolver las demás incógni-
tas.

Ilustración 16

Resolvamos los siguientes sistemas utilizando el método de reducción de Gauss-

Jordan.

a. (1) 3x − 2 y + z − 2v = 1.
(2) x − 2 z + v = 0.

Procedimiento

1. Determinamos la matriz aumentada del sistema y aplicamos ordenadamente

la secuencia de operaciones elementales requerida, para transformarla en
una matriz escalonada reducida.

⎡3 −2 1 −2 1 ⎤ ⎯⎯⎯
E12 → ⎡ 1 0 −2 1 0 ⎤ −3 E1 + E2
⎢ ⎥ ⎢ ⎥ ⎯⎯⎯⎯⎯ →
⎣1 0 −2 1 0⎦ ⎣3 −2 1 −2 1⎦

⎡1 0 −2 1 0⎤ − 2 E2 ⎡(1) 0 − 2 0⎤
1
1
⎢ 0 −2 7 −5 1⎥ ⎯⎯⎯ →⎢
− 1 2 ⎥⎦
.
⎣ ⎦ ⎣ 0 (1) − 2
7 5
2

El proceso de reducción ha culminado porque la matriz obtenida es de la

forma escalonada reducida.

2. Pasamos ahora a determinar el sistema equivalente reducido. Para ello plan-

teamos la ecuación matricial equivalente asociada a la matriz escalonada re-
ducida, que designamos por A′ ⋅ X = B′, donde A′ y B ′ representan las trans-
formaciones finales inducidas en A y B, respectivamente.

96
 Módulo 6: Sistemas de ecuaciones lineales

⎡x⎤
⎡ (1) 0 −2 1 ⎤ ⎢⎢ y ⎥⎥ ⎡ 0 ⎤
⎢ 0 (1) − 7 =⎢
5 ⎥⎢z⎥ ⎥
⎣ 2 2⎦ ⎣− 12 ⎦
⎢ ⎥
⎣v ⎦
y el sistema equivalente reducido asociado es:

(1) 1x − 2z + v = 0 ⎫
⎪
7 5 1⎬
(2) 1y − z + v = − ⎪
2 2 2⎭

3. Procedemos ahora a despejar en cada ecuación únicamente la variable que

tiene como coeficiente un 1 principal. Las variables que no están asociadas
a unos principales se igualan por identidad a sí mismas y se constituyen en
los parámetros del sistema, como lo explicaremos más adelante.

(1) x = 2z − v ⎫
1 7 5 ⎪
(2) y = − + z − v ⎪⎪
2 2 2 ⎬ z, v ∈
(3) z = z ⎪
⎪
(4) v = v ⎪⎭

4. Presentemos finalmente el conjunto solución del sistema:

⎧ ⎛ 1 7 5 ⎞ ⎫
S = ⎨( x, y , z , v ) / ( x, y, z, v ) = ⎜ 2 z − v, − + z − v, z , v ⎟ ; z, v ∈ ⎬ .
⎩ ⎝ 2 2 2 ⎠ ⎭

Lo anterior nos indica que el conjunto S tiene infinitas soluciones, que se generan
cada vez que a los parámetros z y v se les asigna un par de valores en el conjunto .

Veamos algunas soluciones particulares.

Para z = v = 0, se tiene la solución (0, − 1/ 2, 0, 0).

Para z = 2 y v = 0, se tiene la solución (4, 13 / 2, 2, 0).
Para z = v = 1, se tiene la solución (1, 1/ 2, 1, 1).

b. (1) 2 x − 4 y + 2z =1.
(2) y + 2 z = 4.
(3) 3x − 6 y + z = 0.

Procedimiento
Escuche más sobre la vida de Carl Friedrich Gauss
en su multimedia de Geometría vectorial y
⎡2 −4 2 1⎤ ⎡ 1 −2 1 1
2 ⎤
analítica.
⎢ ⎥ ⎢
1
− E3
4 ⎥⎥ ⎯⎯⎯
1
E
⎢0 1 2 4 ⎥ ⎯⎯⎯⎯⎯→ ⎢0 1
2 1
2 2
→
⎢3 − 3 E + E
−6 0 ⎥⎦ ⎢⎣0 0 −2 − 3 2 ⎥⎦
1 3
⎣ 1
Geometría vectorial y analítica 97
Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales

⎡ (1) −2 1 1
2⎤
⎢ 0 (1) 2 4 ⎥⎥ *
⎢
⎢⎣ 0 0 (1) 3 ⎥
4⎦

∗ Observemos que la matriz que se tiene por la aplicación del proceso es una matriz
de la forma escalonada, condición suficiente para terminar el proceso de reducción
y proceder por el método de Gauss. Ilustraremos este método aquí:

Sistema equivalente reducido:

1⎫
(1) 1x − 2 y + z =
2⎪
⎪
(2) 1y + 2 z = 4 ⎬
3⎪
(3) 1z = ⎪
4⎭
Despejemos ahora a partir de la última variable asociada a un 1 principal y continua-
mos por sustitución despejando las otras variables asociadas a los «unos principa-
les».

3
(1)' 1z = en (3).
4
3 5
(2)' 1y = 4 − 2z = 4 − = , despejando en (2) y sustituyendo de (1)'.
2 2
1 1 3 19
(3)' 1x = + 2y − z = + 5 − = , despejando en (1) y sustituyendo de (1)' y ( 2) '.
2 2 4 4

⎧⎛ 19 5 3 ⎞⎫
Como consecuencia, S = ⎨⎜ , , ⎟⎬ .
⎩⎝ 4 2 4 ⎠⎭
Esto significa que el sistema tiene solución única.

Volvamos a la última matriz y continuemos la reducción para aplicar el método de

Gauss-Jordan.

⎡ 1 −2 1 1
⎤ 2 ⎡1 0 5 17
⎤ 2
⎢0 1 2 −5E3 + E1
⎢ 4 ⎥ ⎯⎯⎯⎯→ ⎢⎢0 1 2
⎥ 2 E2 + E1
4 ⎥⎥ ⎯⎯⎯⎯⎯→
−2 E3 + E2
⎣⎢ 0 0 1
3 ⎥
⎣⎢0 0 1
3 ⎥
4⎦ 4⎦

⎡ (1) 0 0 19 ⎤ 4
⎢ ⎥
⎢ 0 (1) 0
5
2 ⎥.

⎢ 0 0 (1) 3 ⎥
⎣ 4
⎦

Como la matriz obtenida es de la forma escalonada reducida, termina el proceso de

reducción y pasamos al sistema equivalente reducido.

98
 Módulo 6: Sistemas de ecuaciones lineales
19
(1) 1x = .
4
⎧ 19 5 3 ⎫
= , lo que nos conduce de nuevo a S = ⎨⎜⎛ , , ⎟⎞ ⎬ .
5
(2) 1y
2 ⎩⎝ 4 2 4 ⎠ ⎭
3
(3) 1z = .
4

Observación

Como se desprende en forma inmediata del proceso, el método de reducción de

Gauss-Jordan requiere un mayor número de operaciones elementales, pero tiene la
ventaja de que no se requiere posteriormente la sustitución hacia atrás, procedi-
miento que en muchas ocasiones puede causar dificultades para la determinación
del conjunto solución. Pero queda a discreción del lector aplicar uno cualquiera de
los dos, puesto que el resultado es el mismo.

c. (1) x − 2 y + 3z = 0.
(2) 3x + y − z = 3.
(3) − 4 x + 8 y − 12 z = 1.

Procedimiento

⎡ 1 −2 3 0⎤ ⎡1 −2 3 0⎤
⎢ ⎥ −3E1 + E2 ⎢ ⎥
⎢ 3 1 −1 3 ⎥ ⎯⎯⎯⎯⎯→ ⎢0 7 −10 3 ⎥∗
⎢−4 4E1 + E3 ⎢
⎣ 8 −12 1 ⎥⎦ ⎣0 0 0 1 ⎥⎦

∗ Aunque la matriz obtenida no es escalonada, podemos suspender el proceso de

reducción en este caso, puesto que independientemente de las operaciones restan-
tes, al recuperar el sistema equivalente reducido la última ecuación en éste es:

0 x + 0 y + 0z = 1 ,

esto es: 0 = 1 →←, que lleva a una contradicción, lo que nos muestra que el sistema
no tiene solución y, en consecuencia, S = ∅ .

Observación

Si en un paso cualquiera del proceso de reducción se llega a obtener una fila donde
todos los elementos son iguales a cero, con excepción del último, el procedimiento
puede y debe terminarse allí porque necesariamente el sistema no tiene solución.

Geometría vectorial y analítica 99