Departamento de
Algebra. http://www.departamento.us.es/da
Captulo 1
Sistemas de ecuaciones lineales
1.1. Introducci on
Estas notas est an basadas en las realizadas por el profesor Manuel Jes us Gago Vargas
para la asignatura M etodos matem aticos:
Algebra lineal de la Licenciatura en Ciencias y
T ecnicas Estadsticas.
Un problema fundamental que aparece en matem aticas y en otras ciencias es el an ali-
sis y resoluci on de m ecuaciones algebraicas con n inc ognitas. El estudio de un sistema de
ecuaciones lineales simult aneas est a ntimimamente ligado al estudio de una matriz rec-
tangular de n umeros denida por los coecientes de las ecuaciones. Esta relaci on parece
que se ha notado desde el momento en que aparecieron estos problemas.
El primer an alisis registrado de ecuaciones simult aneas lo encontramos en el libro
chino Jiu zhang Suan-shu (Nueve Captulos sobre las artes matem aticas), (v ease McTutor
y Carlos Maza) escrito alrededor del 200 a.C. Al comienzo del captulo VIII, aparece un
problema de la siguiente forma:
Tres gavillas de buen cereal, dos gavillas de cereal mediocre y una gavilla de cereal
malo se venden por 39 dou. Dos gavillas de bueno, tres mediocres y una mala se venden
por 34 dou. Y una buena, dos mediocres y tres malas se venden por 26 dou. Cu al es el
precio recibido por cada gavilla de buen cereal, cada gavilla de cereal mediocre, y cada
gavilla de cereal malo?
Hoy en da, este problema lo formularamos como un sistema de tres ecuaciones con
tres inc ognitas:
3x + 2y + z = 39,
2x + 3y + z = 34,
x + 2y + 3z = 26,
donde x, y y z representan el precio de una gavilla de buen, mediocre y mal cereal, res-
pectivamente. Los chinos vieron el problema esencial. Colocaron los coecientes de este
sistema, representados por ca nas de bamb u de color, como un cuadrado sobre un tablero
de contar (similar a un abaco), y manipulaban las las del cuadrado seg un ciertas reglas
establecidas. Su tablero de contar y sus reglas encontraron su camino hacia Jap on y nal-
mente aparecieron en Europa, con las ca nas de color sustituidas por n umeros y el tablero
reemplazado por tinta y papel.
En Europa, esta t ecnica lleg o a ser conocida como eliminaci on Gaussiana, en honor
del matem atico alem an Carl F. Gauss.
1
+ a
2
2
+ + a
n
n
= b.
2
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
donde las x
i
son las inc ognitas y los a
ij
, b
i
son n umeros. Los n umeros a
ij
se denominan
coecientes del sistema, y el conjunto de los b
i
t erminos independientes del sistema.
Una soluci on del sistema lineal anterior es una serie de n umeros
1
,
2
, . . . ,
n
que
satisface cada ecuaci on del sistema, es decir, que verica
a
i1
1
+ a
i2
2
+ + a
in
n
= b
i
para i = 1, . . . , n.
Problema.- El problema es calcular, si es posible, una soluci on com un a un sistema lineal
como el anterior. Para estos sistemas, existen tres posibilidades:
SOLUCI
ON
UNICA : Existe uno y s olo un conjunto de valores para las inc ognitas
x
i
que satisfacen las ecuaciones simult aneamente. Se dice entonces que el sistema
es compatible determinado. Por ejemplo el sistema formado por la unica ecuaci on
lineal 2x
1
= 3 es compatible determinado, su unica soluci on es x
1
= 3/2.
INFINITAS SOLUCIONES : Existen innitos conjuntos de valores para las inc ogni-
tas x
i
que satisfacen las ecuaciones simult aneamente. No es difcil probar que si el
sistema tiene m as de una soluci on, entonces tiene innitas si k, el cuerpo de n ume-
ros, es innito. En este caso se dice que el sistema lineal es compatible indetermi-
nado. Por ejemplo, el sistema formado por la ecuaci on lineal 2x
1
+ x
2
= 3 tiene
como soluciones x
1
= a, x
2
= 3 2a, donde a es cualquier elemento de k, luego
es compatible indeterminado.
SIN SOLUCI
_
E
1
E
2
.
.
.
E
m
_
_
.
Dado un sistema lineal S, cada una de las siguientes transformaciones elementales pro-
duce un sistema equivalente S
.
1. Intercambio de las ecuaciones i- esima y j- esima (1 i j m). Esto es, si
S
_
_
E
1
.
.
.
E
i
.
.
.
E
j
.
.
.
E
m
_
_
, entonces S
_
E
1
.
.
.
E
j
.
.
.
E
i
.
.
.
E
m
_
_
.
2. Reemplaza la i- esima ecuaci on por un m ultiplo no nulo de ella. Esto es,
S
_
E
1
.
.
.
E
i
.
.
.
E
m
_
_
, donde = 0.
3. Reemplaza la j- esima ecuaci on por la suma de ella misma con un m ultiplo de la
i- esima ecuaci on. Esto es,
S
_
E
1
.
.
.
E
i
.
.
.
E
j
+ E
i
.
.
.
E
m
_
_
.
1
Por sistema triangular nos referimos a uno en el que, siendo m = n, se tiene que los coecientes a
ij
con i > j son todos nulos. Tal y como ocurre al nal del ejemplo 1.2.1
4
son equivalentes.
El problema m as com un en la pr actica es la resoluci on de un sistema con n ecuaciones
y n inc ognitas, lo que se conoce como un sistema cuadrado, con soluci on unica. En
este caso, la eliminaci on Gaussiana es directa, y m as tarde estudiaremos las diferentes
posibilidades. Lo que sigue es un ejemplo tpico.
Ejemplo 1.2.1. Consideremos el sistema
2x + y + z = 1,
6x + 2y + z = 1,
2x + 2y + z = 7.
(1.2.1)
En cada paso, la estrategia es centrarse en una posici on, llamada posici on pivote, y elimi-
nar todos los t erminos por debajo de la posici on usando las tres operaciones elementales.
El coeciente en la posici on pivote se denomina pivote, mientras que la ecuaci on en don-
de se encuentra el pivote se llama ecuaci on pivote. Solamente se permiten n umeros no
nulos como pivotes. Si un coeciente en una posici on pivote es cero, entonces la ecuaci on
pivote se intercambia con una ecuaci on por debajo para producir un pivote no nulo. Esto
siempre es posible para sistemas cuadrados con soluci on unica. A menos que sea cero, el
primer coeciente de la primera ecuaci on se toma como el primer pivote. Por ejemplo, el
elemento 2 del sistema es el pivote del primer paso:
2 x + y + z = 1,
6x + 2y + z = 1,
2x + 2y + z = 7.
Paso 1. Elimina todos los t erminos por debajo del pivote.
Resta tres veces la primera ecuaci on de la segunda para generar el sistema equiva-
lente
2 x + y + z = 1,
y 2z = 4, (E
2
3E
1
)
2x + 2y + z = 7.
Suma la primera ecuaci on a la tercera para formar el sistema equivalente
2 x + y + z = 1,
y 2z = 4,
3y + 2z = 8 (E
3
+ E
1
).
Paso 2. Selecciona un nuevo pivote.
De momento, seleccionamos un nuevo pivote buscando para abajo y a la derecha.
M as adelante veremos una mejor estrategia. Si este coeciente no es cero, entonces
es nuestro pivote. En otro caso, intercambiamos con una ecuaci on que est e por
debajo de esta posici on para colocar el elemento no nulo en la posici on pivote. En
nuestro ejemplo, 1 es el segundo pivote:
2x + y + z = 1,
-1 y 2z = 4,
3y + 2z = 8.
5
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
a la matriz
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
.
Si aumentamos la matriz de coecientes a la derecha con los t erminos
independientes tenemos la matriz ampliada del sistema:
[A|b] =
_
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
_
.
Nota 1.2.2. MATRICES. Un escalar es un elemento del cuerpo k, y una matriz es una
disposici on de escalares en rect angulo. Usaremos letras may usculas para las matrices y
min usculas con subndice para las entradas individuales de la matriz. As, escribiremos
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
= (a
ij
).
El primer subndice de un elemento de la matriz indica la la, y el segundo subndice
denota la columna donde se encuentra. Por ejemplo, si
A =
_
_
2 1 3 4
8 6 5 9
3 8 3 7
_
_
, entonces a
11
= 2, a
12
= 1, . . . , a
34
= 7. (1.2.2)
Una submatriz de una matriz dada A es una matriz que se obtiene eliminando un conjunto
de las y columnas de A. Por ejemplo,
B =
_
2 4
3 7
_
es una submatriz de A porque B es el resultado de eliminar la segunda la, y las columnas
segunda y tercera de A.
Una matriz A se dice que tiene orden m n cuando A tiene exactamente m las
y n columnas. La matriz A de (1.2.2) es una matriz 3 4. Por convenio, las matrices
7
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= 0
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= 0
,
cuya matriz ampliada es [A|0]. Comprobar que los sistemas lineales asociados a dos ma-
trices equivalentes por las son equivalentes.
Ejemplo 1.2.2. Para resolver el sistema del ejemplo 1.2.1 mediante operaciones elemen-
tales por la, partimos de la matriz ampliada M = (A|b) y triangularizamos la matriz de
coecientes A realizando la misma secuencia de operaciones por la que se corresponden
a las operaciones elementales realizadas sobre las ecuaciones.
_
_
2 1 1 1
6 2 1 1
2 2 1 7
_
_
M
2
3M
1
M
3
+ M
1
_
_
2 1 1 1
0 -1 2 4
0 3 2 8
_
_
M
3
+ 3M
2
_
_
2 1 1 1
0 1 2 4
0 0 4 4
_
_
La matriz nal representa el sistema triangular
2x + y + z = 1,
y 2z = 4,
4z = 4.
9
_
_
1 1 3 2
0 1 1 2
0 4 1 3
_
_
R
2
_
_
1 1 3 2
0 1 1 2
0 4 1 3
_
_
R
1
R
2
R
3
+ 4R
2
_
_
1 0 4 4
0 1 1 2
0 0 5 5
_
_
R
3
/5
_
_
1 0 4 4
0 1 1 2
0 0 1 1
_
_
R
1
4R
3
R
2
+ R
3
_
_
1 0 0 0
0 1 0 1
0 0 1 1
_
_
.
Por tanto, la soluci on es x
1
= 0, x
2
= 1, x
3
= 1.
1.4. Forma escalonada por las y rango
Ya estamos preparados para analizar sistemas rectangulares con m ecuaciones y n
inc ognitas
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
11
_
_
_
_
1 2 1 3 3
0 0 2 2 2
0 0 2 2 2
0 0 2 2 1
_
_
_
_
.
En el proceso de eliminaci on b asico, nos movemos abajo y a la derecha, a la siguiente
posici on pivote. Si encontramos un cero en esta posici on, se efect ua un intercambio con
una la inferior para llevar un n umero no nulo a la posici on pivote. Sin embargo, en
este ejemplo, es imposible llevar un elemento no nulo a la posici on (2, 2) mediante el
intercambio de la segunda la con una la inferior.
Para manejar esta situaci on, debemos modicar el procedimiento de la eliminaci on
Gaussiana.
12
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 2 2 2
0 0 2 2 1
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 0 0 0
0 0 0 0 3
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 0 0 3
0 0 0 0 0
_
_
_
_
.
Observemos que el resultado nal de aplicar eliminaci on Gaussiana en el ejemplo an-
terior no es forma triangular exactamente, sino un tipo escalonado de forma triangular. De
aqu en adelante, una matriz que muestre esta estructura la llamaremos forma escalonada
por las.
13
s
= 0 si E
s
es una columna sin pivote, es decir, s / {p
1
, . . . , p
r
}.
Ponemos tambi en
j
= 1.
Falta por asignar valores a
p
1
, . . . ,
pr
. Sustituyendo en el sistema de matriz ampliada
[E|0] los valores que ya hemos construido, es decir, x
j
= 1 y x
s
= 0 si s > j o bien
s / {p
1
, . . . , p
r
}, nos queda el sistema triangular:
S
_
e
1p
1
x
p
1
+ e
1p
2
x
p
2
+ + e
1pr
x
pr
+ e
1j
= 0
e
2p
2
x
p
2
+ + e
2pr
x
pr
+ e
2j
= 0
.
.
.
e
rpr
x
pr
+ e
rj
= 0
.
Mediante el algoritmo de sustuci on hacia atr as se obtiene una soluci on del sistema S
,
pongamos
x
p
k
=
p
k
, con k = 1, . . . , r.
De esta forma,
1
, . . .
n
es una soluci on del sistema de matriz ampliada [E|0] tal que
j
= 0, de hecho
j
= 1, y
k
= 0 k > j. 2
Teorema 1.4.3. Las posiciones de los pivotes de una forma escalonada por las E aso-
ciada a una matriz A est an completamente determinadas por las entradas de A.
PRUEBA: Supongamos que A es una matriz de orden mn. Sean U = (u
ij
) y V = (v
ij
)
dos formas escalonadas por las obtenidas a partir de la matriz A = (a
ij
). Hemos probado
en el ejercicio 1.2.3 que los sistemas lineales S
1
, S
2
y S
3
de matrices ampliadas [A|0],
[U|0] y [V |0] son equivalentes. En particular, los conjuntos de soluciones de los sistemas
S
2
y S
3
coinciden.
Llamaremos p
i
a la calumna de U donde hay un pivote en la la i, es decir, el elemento
u
ip
i
es un pivote. An alogamente llamamos q
i
a la columna de V donde hay un pivote en
la la i.
Tenemos que probar que las posiciones pivote de U y V son las mismas. Razonamos
por reducci on al absurdo: supongamos que U y V no tienen las mismas posiciones pivo-
te. Deduciremos entonces que los sistemas S
2
y S
3
no son equivalentes, lo cual es una
contradicci on.
Sea i el ndice de la primera la de U y V donde la posici on pivote no coincide, es
decir, p
r
= q
r
si r < i. Podemos suponer sin p erdida de generalidad que q
i
> p
i
.
Entonces la columna V
p
i
no tiene pivote en V . Por el lema 1.4.2, existe una soluci on
del sistema S
3
, pongamos
1
, . . . ,
n
, tal que
p
i
= 0 y
r
= 0r > p
i
.
Sin embargo, la i esima ecuaci on de S
2
es
n
s=p
i
u
is
x
s
= 0.
De forma que. al sustituir los valores
1
, . . . ,
n
en esta ecuaci on obtenemos el valor
u
ip
i
p
i
= 0. Luego no es soluci on de S
2
y los sistemas no son equivalentes. 2
15
_
_
1 2 1 1
0 0 0 0
0 0 0 1
_
_
_
_
1 2 1 1
0 0 0 1
0 0 0 0
_
_
= E
16
_
_
_
_
_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
_
_
_
.
Pero si la t ecnica de Gauss-Jordan se aplica a matrices rectangulares m n, entonces el
resultado nal no es necesariamente como el descrito antes. El siguiente ejemplo ilustra
qu e ocurre en el caso rectangular.
Ejemplo 1.5.1. Aplicamos la eliminaci on de Gauss-Jordan a la matriz
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
y marcamos las posiciones pivote.
_
_
_
_
1 2 1 3 3
2 4 0 4 4
1 2 3 5 5
2 4 0 4 7
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 -2 2 2
0 0 2 2 2
0 0 2 2 1
_
_
_
_
_
_
_
_
1 2 1 3 3
0 0 1 1 1
0 0 2 2 2
0 0 2 2 1
_
_
_
_
_
_
_
_
1 2 0 2 2
0 0 1 1 1
0 0 0 0 0
0 0 0 0 3
_
_
_
_
_
_
_
_
1 2 0 2 2
0 0 1 1 1
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 2 2
0 0 1 1 1
0 0 0 0 1
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 2 0
0 0 1 1 0
0 0 0 0 1
0 0 0 0 0
_
_
_
_
17
_
_
_
_
1 2 2 3 1
0 0 0 0 0
0 0 0 0 3
0 0 2 2 2
_
_
_
_
_
_
_
_
1 2 2 3 1
0 0 2 2 2
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 2 3 1
0 0 1 1 1
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 1 1
0 0 1 1 1
0 0 0 0 3
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 1 1
0 0 1 1 1
0 0 0 0 1
0 0 0 0 0
_
_
_
_
_
_
_
_
1 2 0 1 0
0 0 1 1 0
0 0 0 0 1
0 0 0 0 0
_
_
_
_
= E
A
Por tanto, rango(A) = 3, y {A
1
, A
3
, A
5
} son las tres columnas b asicas.
El ejemplo anterior ilustra otra importante caracterstica de E
A
, y explica por qu e las
columnas b asicas reciben ese nombre. Cada columna no b asica es expresable como com-
binaci on lineal de las columnas b asicas. En el ejemplo,
A
2
= 2A
1
, A
4
= A
1
+ A
3
. (1.5.2)
Observemos que las mismas relaciones se tienen en E
A
, esto es,
E
2
= 2E
1
, E
4
= E
1
+ E
3
. (1.5.3)
Esto no es una coincidencia, y ocurre en general. Hay algo m as que observar. Las relacio-
nes entre las columnas b asicas y no b asicas en una matriz general A no se ven a simple
vista, pero las relaciones entre las columnas de E
A
son completamente transparentes. Por
ejemplo, los coecientes usados en las relaciones 1.5.2 y 1.5.3 aparecen explcitamente
en las dos columnas no b asicas de E
A
. Son precisamente las entradas no nulas en estas
columnas no b asicas. Esto es importante, porque usaremos E
A
como un mapa o clave
para revelar las relaciones ocultas entre las columnas de A.
Finalmente, observemos del ejemplo que unicamente las columnas b asicas a la iz-
quierda de una columna no b asica dada se necesitan para expresar la columna no b asica
como combinaci on lineal de las columnas b asicas. As, la expresi on de A
2
requiere uni-
camente de A
1
, y no de A
3
o A
5
, mientras que la expresi on de A
4
precisa unicamente
de A
1
y A
3
.
20
2
.
.
.
j
.
.
.
0
_
_
_
_
_
_
_
_
_
.
Ejemplo 1.5.3. Escribamos las columnas no b asicas de la matriz
A =
_
_
2 4 8 6 3
0 1 3 2 3
3 2 0 0 8
_
_
como combinaci on lineal de las b asicas. Para ello, calculamos la forma escalonada redu-
cida por las E
A
.
_
_
2 4 8 6 3
0 1 3 2 3
3 2 0 0 8
_
_
_
_
1 2 4 3
3
2
0 1 3 2 3
3 2 0 0 8
_
_
_
_
1 2 4 3
3
2
0 1 3 2 3
0 4 12 9
7
2
_
_
_
_
1 0 2 7
15
2
0 1 3 2 3
0 0 0 17
17
2
_
_
_
_
1 0 2 7
15
2
0 1 3 2 3
0 0 0 1
1
2
_
_
_
_
1 0 2 0 4
0 1 3 0 2
0 0 0 1
1
2
_
_
.
21
_
_
_
_
1 1 2 2 1 1
0 0 0 0 1 1
0 0 0 0 0 0
0 2 2 0 2 0
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 2 0 0 2 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
.
Como no hay ninguna la de la forma
_
0 0 . . . 0
_
, con = 0, el sistema es
compatible. Tambi en observamos que b no es una columna b asica en [A|b], por lo que
rango([A|b]) = rango(A). Los pivotes nos indican tambi en que b es combinaci on lineal
de A
1
, A
2
y A
5
. En concreto, como la forma escalonada reducida por las es
_
_
_
_
1 0 1 2 0 1
0 1 1 0 0 1
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
,
vemos que b = A
1
+ A
2
A
5
.
Luego un sistema es compatible si y s olo si rango([A|b]) = rango(A). De hecho
se puede decidir si un sistema compatible es determinado o indeterminado tambi en en
funci on del rango de la matriz de los coecientes, tal y como se enuncia en el teorema de
Rouch e-Frobenius.
24
_
_
1 2 2 3
0 0 3 3
0 0 5 5
_
_
_
_
1 2 2 3
0 0 3 3
0 0 0 0
_
_
= E. (1.7.1)
Entonces, el sistema homog eneo inicial es equivalente al sistema homog eneo
x
1
+ 2x
2
+ 2x
3
+ 3x
4
= 0,
3x
3
3x
4
= 0.
Como hay cuatro inc ognitas, y solamente dos ecuaciones, es imposible extraer una so-
luci on unica para cada inc ognita. Lo mejor que podemos hacer es elegir dos inc ognitas
b asicas, que llamaremos variables b asicas, y resolver el sistema en funci on de las otras
dos, que llamaremos variables libres. Aunque hay distintas posibilidades para escoger las
variables b asicas, el convenio es siempre resolver las inc ognitas que se encuentran en las
posiciones pivote.
En este ejemplo, los pivotes, as como las columnas b asicas, est an en la primera y
tercera posici on, as que la estrategia es aplicar sustituci on hacia atr as en la resoluci on del
sistema, y expresar las variables b asicas x
1
y x
3
en funci on de las variables libres x
2
y x
4
.
La segunda ecuaci on nos da
x
3
= x
4
y la sustituci on hacia atr as produce
x
1
= 2x
2
2x
3
3x
4
= 2x
2
2(x
4
) 3x
4
= 2x
2
x
4
.
Las soluciones al sistema homog eneo original pueden ser descritas como
x
1
= 2x
2
x
4
,
x
2
= libre ,
x
3
= x
4
,
x
4
= libre.
Como las variables libres x
2
y x
4
pueden tomar todos los valores posibles, las expresiones
anteriores describen todas las soluciones.
Mejor que describir las soluciones de esta forma, es m as conveniente expresarlas como
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
=
_
_
_
_
2x
2
x
4
x
2
x
4
x
4
_
_
_
_
= x
2
_
_
_
_
2
1
0
0
_
_
_
_
+ x
4
_
_
_
_
1
0
1
1
_
_
_
_
,
26
_
_
1 2 0 1
0 0 1 1
0 0 0 0
_
_
= E
A
,
y el sistema a resolver es
x
1
+ 2x
2
+ x
4
= 0,
x
3
+ x
4
= 0.
Si resolvemos x
1
y x
3
en funci on de x
2
y x
4
nos queda el mismo resultado que antes. Por
ello, y para evitar la sustituci on hacia atr as, puede resultar m as conveniente usar Gauss-
Jordan para calcular la forma escalonada reducida por las E
A
y construir directamente
la soluci on general a partir de las entradas de E
A
.
Una ultima pregunta que nos planteamos es cu ando la soluci on trivial de un sistema
homog eneo es la unica soluci on. Lo anterior nos muestra la respuesta. Si hay al menos
una variable libre, entonces el sistema tendr a innitas soluciones. Por tanto, la soluci on
trivial ser a la unica soluci on si y solamente si no hay variables libres, esto es, n r = 0.
Podemos reformular esto diciendo
Proposici on 1.7.1. Un sistema homog eneo de matriz A tiene unicamente la soluci on
trivial si y solamente si rango(A) = n.
Ejemplo 1.7.2. El sistema homog eneo
x
1
+ 2x
2
+ 2x
3
= 0,
2x
1
+ 5x
2
+ 7x
3
= 0,
3x
1
+ 6x
2
+ 8x
3
= 0,
27
_
_
1 2 2
0 1 3
0 0 2
_
_
= E
prueba que rango(A) = 3 = n. Se ve f acilmente que la aplicaci on de la sustituci on hacia
atr as desde [E|0] unicamente devuelve la soluci on trivial.
Ejemplo 1.7.3. Calculemos la soluci on general del sistema
x
1
+ 2x
2
+ 2x
3
= 0,
2x
1
+ 5x
2
+ 7x
3
= 0,
3x
1
+ 6x
2
+ 6x
3
= 0.
Se tiene que
A =
_
_
1 2 2
2 5 7
3 6 6
_
_
_
_
1 2 2
0 1 3
0 0 0
_
_
= E,
de donde rango(A) = 2 < n = 3. Como las columnas b asicas est an en las posiciones uno
y dos, x
1
y x
2
son las variables b asicas, y x
3
es libre. Mediante sustituci on hacia atr as en
[E|0], nos queda x
2
= 3x
3
y x
1
= 2x
2
2x
3
= 4x
3
, y la soluci on general es
_
_
x
1
x
2
x
3
_
_
= x
3
_
_
4
3
1
_
_
, donde x
3
es libre.
1.8. Sistemas no homog eneos
Recordemos que un sistema de m ecuaciones y n inc ognitas
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
es no homog eneo cuando b
i
= 0 para alg un i. A diferencia de los sistemas homog eneos,
los no homog eneos pueden ser incompatibles y las t ecnicas que conocemos las aplicare-
mos para saber si una soluci on existe. A menos que se diga lo contrario, suponemos que
los sistemas de esta secci on son compatibles.
Para describir el conjunto de todas las posibles soluciones de un sistema no ho-
mog eneo compatible, vamos a construir una soluci on general de la misma forma que
hicimos para los homog eneos.
Usaremos eliminaci on Gaussiana para reducir la matriz ampliada [A|b] a una forma
escalonada por las [E|c].
Identicaremos las variables b asicas y las libres.
Aplicaremos sustituci on hacia atr as a [E|c] y resolveremos las variables b asicas en
funci on de las libres.
28
_
_
1 2 0 1 2
0 0 1 1 1
0 0 0 0 0
_
_
= E
[A|b]
.
Nos queda el sistema equivalente
x
1
+ 2x
2
+ x
4
= 2,
x
3
+ x
4
= 1.
Resolvemos las variables b asicas, x
1
y x
3
, en funci on de las libres, x
2
y x
4
. Nos queda
x
1
= 2 2x
2
x
4
,
x
2
es libre,
x
3
= 1 x
4
,
x
4
es libre.
La soluci on general se sigue escribiendo estas ecuaciones en la forma
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
=
_
_
_
_
2 x
2
x
4
x
2
1 x
4
x
4
_
_
_
_
=
_
_
_
_
2
0
1
0
_
_
_
_
+ x
2
_
_
_
_
2
1
0
0
_
_
_
_
+ x
4
_
_
_
_
1
0
1
1
_
_
_
_
. (1.8.1)
La columna
_
_
_
_
2
0
1
0
_
_
_
_
29
2
.
.
.
r
.
.
.
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Esto signica que si resolvemos la i- esima ecuaci on en el sistema homog eneo reducido
para la i- esima variable b asica x
b
i
en funci on de las variables libres x
f
1
, x
f
2
, . . . , x
f
nr
para dar
x
b
i
=
i
x
f
i
+
i+1
x
f
i+1
+ . . . +
nr
x
f
nr
,
entonces la soluci on de la i- esima variable b asica en el sistema no homog eneo reducido
debe tener la forma
x
b
i
=
i
+
i
x
f
i
+
i+1
x
f
i+1
+ . . . +
nr
x
f
nr
.
Esto es, las dos soluciones se diferencian unicamente en la presencia de la constante
i
en
la ultima. Si organizamos como columnas las expresiones anteriores, podemos decir que
si la soluci on general del sistema homog eneo es de la forma
x = x
f
1
h
1
+ x
f
2
h
2
+ . . . + x
f
nr
h
nr
,
30
_
_
_
_
1 1 2 2 1 1
0 0 0 0 1 1
0 0 0 0 0 0
0 2 2 0 2 0
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 2 2 0 2 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
_
_
_
_
1 1 2 2 1 1
0 1 1 0 1 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
_
_
_
_
1 0 1 2 0 1
0 1 1 0 1 0
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
_
_
_
_
1 0 1 2 0 1
0 1 1 0 0 1
0 0 0 0 1 1
0 0 0 0 0 0
_
_
_
_
= E
[A|b]
.
El sistema es compatible, pues la ultima columna es no b asica. Resolvemos el sistema
reducido para las variables b asicas x
1
, x
2
, x
5
en funci on de las variables libres x
3
, x
4
para
obtener
x
1
= 1 x
3
2x
4
,
x
2
= 1 x
3
,
x
3
es libre ,
x
4
es libre ,
x
5
= 1.
La soluci on general del sistema no homog eneo es
x =
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
=
_
_
_
_
_
_
1 x
3
2x
4
1 x
3
x
3
x
4
1
_
_
_
_
_
_
=
_
_
_
_
_
_
1
1
0
0
1
_
_
_
_
_
_
+ x
3
_
_
_
_
_
_
1
1
1
0
0
_
_
_
_
_
_
+ x
4
_
_
_
_
_
_
2
0
0
1
0
_
_
_
_
_
_
.
La soluci on general del sistema homog eneo asociado es
x =
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
=
_
_
_
_
_
_
x
3
2x
4
x
3
x
3
x
4
0
_
_
_
_
_
_
= x
3
_
_
_
_
_
_
1
1
1
0
0
_
_
_
_
_
_
+ x
4
_
_
_
_
_
_
2
0
0
1
0
_
_
_
_
_
_
.
31
_
_
_
_
1 0 0 2
0 1 0 3
0 0 1 1
0 0 0 0
_
_
_
_
= E
[A|b]
.
El sistema es compatible porque la ultima columna no es b asica, o bien porque rango(A) =
3 = n umero de inc ognitas (no hay variables libres). El sistema homog eneo asociado tiene
unicamente la soluci on trivial, y la soluci on del sistema es
p =
_
_
2
3
1
_
_
.
32