You are on page 1of 23

Sistemas de Ecuaciones Lineales

Prof. Ivan Huerta


16 de agosto de 2007
Ax = b Introduccion
Sistemas de Ecuaciones Lineales
Recordemos que la solucion de un sistema de ecuaciones lineales se
puede estudiar desde tres puntos de vista:
Vectorial (punto de vista teorico)
Combinaciones lineales
Conjunto generado
independencia/dependencia lineal
Algortmico, por el metodo de Eliminacion de Gauss (punto de vista
practico)
Matriz escalonada reducida
Pivotes, variables basicas y libres
Rango Gaussiano
Solucion general parametrica de Ax = b.
1
Ax = b Independencia-Dependencia Lineal
Funcional o matricial (punto de vista teorico-practico)
1. Transformacion lineal F(x) = Ax, A matriz de mn
2. Operaciones matriciales
3. 1-1, sobre, inversas
EN ESTAS NOTAS RETOMAMOS LA PRESENTACI

ON DE CLASES
A PARTIR DE INDEPENDENCIA-DEPENDENCIA LINEAL
2
Ax = b Independencia-Dependencia Lineal
Independencia-Dependencia Lineal
La idea es que el conjunto S = {u
1
, u
2
, . . . , u
k
} R
m
es
linealmente dependiente si alg un u
i
es combinacion lineal de otros u
j
,
j = i.
En caso contrario, es decir cuando ning un vector u
i
es combinacion lineal
de los otros u
j
, S se dice linealmente independiente.
Como denicion, esta no resulta muy practica.
3
Ax = b Independencia-Dependencia Lineal
Ella sugiere que para determinar si los u
i
son linealmente independi-
entes, entonces habra que comenzar a vericar caso a caso si cada u
i
es
combinacion lineal de los otros vectores u
j
, j = i.
ESTO NO ES NECESARIO!
4
Ax = b Independencia-Dependencia Lineal
Denicion 1. El conjunto S = {a
1
, . . . , a
n
} R
m
se dice linealmente
independiente (l.i.)si
x
1
a
1
+ x
2
a
2
+ + x
n
a
n
=

0 = x
1
= x
2
= = x
n
= 0
En caso contrario, se dice linealmente dependiente. Es decir, para que
el conjunto S sea l.d. deben existir escalares x
i
no todos nulos tales
que
x
1
a
1
+ x
2
a
2
+ + x
n
a
n
=

0 (1)
5
Ax = b Independencia-Dependencia Lineal
Entonces,
La unica manera de obtener el vector nulo mediante combinaciones
lineales de vectores l.i. es tomando todos los ponderadores x
i
= 0.
La unica manera de obtener el vector nulo mediante combinaciones
lineales de vectores con ponderadores x
i
no todos nulos, es que los
vectores sean linealmente dependientes.
6
Ax = b Independencia-Dependencia Lineal
Proposicion 1.
i) n = 1 El conjunto S = {a
1
} es linealmente independiente sii a
1
=

0.
ii) n 2 El conjunto S = {a
1
, . . . , a
n
} es linealmente independiente si y
solo si ninguno de los vectores a
i
es combinacion lineal de los otros
a
j
, j = i
La misma proposicion escrita en terminos de l.d. es
Proposicion 2.
i) n = 1 El conjunto S = {a
1
} es linealmente dependiente sii a
1
=

0.
ii) n 2 El conjunto S = {a
1
, . . . , a
n
} es linealmente dependiente si y
solo si alg un vector a
i
es combinacion lineal de los otros a
j
, j = i
(n = 2) Note que dos vectores a
1
, a
2
son ld. sii uno es un m ultiplo del otro.
7
Ax = b Independencia-Dependencia Lineal
Demostracion: La demostracion de la parte i) es trivial. Demostramos solo
ii). Si alg un a
i
es combinacion lineal de lo otros, entonces
a
i
= x
1
a
1
+ + x
i1
a
i1
+ x
i+1
a
i+1
+ + x
n
a
n
o bien
x
1
a
1
+ + x
i1
a
i1
+ (1)a
i
+ x
i+1
a
i+1
+ + x
n
a
n
=

0
con al menos un coeciente (-1) distinto de cero. Por lo tanto los vectores
son linealmente dependientes.
8
Ax = b Independencia-Dependencia Lineal
Ahora, supongamos que la ecuacion (1)
x
1
a
1
+ x
2
a
2
+ + x
n
a
n
=

0
se cumple, y que x
i
= 0. Entonces,
x
i
a
i
= (x
1
a
1
+ + x
i1
a
i1
+ x
i+1
a
i+1
+ + x
n
a
n
)
de donde,
a
i
=
x
1
x
i
a
1

x
i1
x
i
a
i1

x
i+1
x
i
a
i+1

x
k
x
i
a
k
y entonces el vector a
i
es combinacion lineal de los otros.
9
Ax = b Independencia-Dependencia Lineal
Proposicion 3.
i) Si

0 S = {a
1
, . . . , a
n
}, entonces S es l.d.
ii) Si S = {a
1
, . . . , a
n
} es l.i, entonces a
i
=

0 , i = 1, 2, . . . , n.
Demostracion: Demostramos i). La parte ii) es consecuencia de la parte i)
Si a
i
=

0, entonces podemos escribir


0 a
1
+ + 0 a
i1
+ 1 a
i
+ 0 a
i+1
+ + 0 a
n
=

0
y el conjunto S sera ld.
10
Ax = b Independencia-Dependencia Lineal
Ejemplo 1. El conjunto {
_
_
1
1
1
_
_
,
_
_
1
0
1
_
_
,
_
_
2
1
1
_
_
} es linealmente indepen-
diente. En efecto
x
1
_
_
1
1
1
_
_
+ x
2
_
_
1
0
1
_
_
+ x
3
_
_
2
1
1
_
_
=
_
_
0
0
0
_
_
implica
x
1
+ x
2
+ 2x
3
= = 0
x
1
+ x
3
= 0
x
1
+ x
2
+ x
3
= 0,
de donde x
1
= x
2
= x
3
= 0.
11
Ax = b Independencia-Dependencia Lineal
Ejemplo 2. El conjunto
S = {a
1
, a
2
, a
3
, a
4
} = {
_
_
1
1
0
_
_
,
_
_
1
0
1
_
_
,
_
_
1
1
2
_
_
,
_
_
3
1
1
_
_
}
es linealmente dependiente. En efecto, si
x
1
_
_
1
1
0
_
_
+ x
2
_
_
1
0
1
_
_
+ x
3
_
_
1
1
2
_
_
+ x
4
_
_
3
1
1
_
_
=
_
_
0
0
0
_
_
entonces
x
1
+ x
2
+ x
3
+ 3x
4
= 0
x
1
x
3
+ x
4
= 0
x
2
+ 2x
3
+ x
4
= 0.
12
Ax = b Independencia-Dependencia Lineal
Restando la primera ecuacion a la segunda se obtiene
x
1
+ x
2
+ x
3
+ 3x
4
= 0
x
2
2x
3
2x
4
= 0
x
2
+ 2x
3
+ x
4
= 0.
Sumando la segunda ecuacion a la tercera se obtiene
x
1
+ x
2
+ x
3
+ 3x
4
= 0
x
2
2x
3
2x
4
= 0
3x
4
= 0.
De donde x
1
= x
3
, x
2
= 2x
3
, y x
4
= 0 es solucion para x
3
arbitrario (Hay
3 ecuaciones y 4 incognitas: jando x
3
se despejan x
1
, x
2
, x
4
en terminos de
x
3
) Tomando x
3
= 1, por ejemplo, obtenemos que a
1
2a
2
+a
3
= 0 y S es
13
Ax = b Independencia-Dependencia Lineal
linealmente dependiente. Note que a
4
no es combinacion lineal de a
1
, a
2
, a
3
, pero
a
3
es combinacion lineal de a
1
, a
2
.
14
Ax = b Independencia-Dependencia Lineal
Denicion 2. Un conjunto S (posiblemente con innitos elementos) se
dice l.i. si cada subconjunto nito de S es l.i. Si S no es li. se dice l.d.
Proposicion 4.
1. Si

0 S entonces S es l.d.
2. Todo conjunto que contiene un conjunto ld. es ld.
3. Todo subconjunto de un conjunto li. es tambien li.
4. Si S es linealmente independiente y S {v} es linealmente depen-
diente, entonces v S.
15
Ax = b Independencia-Dependencia Lineal
Demostracion: Las partes i), ii), iii) son triviales. Demostramos solo iv)
Si S{v} es linealmente dependiente entonces hay un subconjunto nito
R = {a
1
, a
2
, . . . , a
k
}, R (S {v}) que es linealmente dependiente. Si v = a
i
para todo i, entonces se tendra que R S. Pero S es li., por lo que R S
tendra que ser li., lo que es una contradiccion. Por lo tanto v = u
i
para
alg un i. Sin perdida de generalidad suponemos i = 1. Como R es ld. existen
escalares no todos nulos x
i
tales que
x
1
v + x
2
a
2
+ + x
k
a
k
=

0
Si x
1
= 0, puesto que el resto de los elementos esta en S y S es li., se
tendra que x
i
= 0, lo que contradice el hecho que no todos los x
i
son nulos.
Entonces, necesariamente x
1
= 0, por lo que podemos despejar v como una
combinacion lineal de elementos en S. Hemos demostrado que v S
16
Ax = b Sistemas de Ecuaciones
Teora Vectorial de Sistemas de Ecuaciones Lineales
Consideramos un sistema lineal de ecuaciones de:
m ecuaciones
n incognitas x
i
R
con coecientes a
ij
R
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
(2)
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
17
Ax = b Sistemas de Ecuaciones
Denicion 3. El sistema se dice consistente si existen valores x
i
que
satisfacen las m ecuaciones. En caso contrario se dice inconsistente
Ejemplo 3. Por ejemplo el sistema
x
1
+ x
2
+ x
3
= 1
x
1
x
2
+ x
3
= 1
es consistente pues x
1
= 1, x
2
= 0, x
3
= 0 satisface ambas ecuaciones.
18
Ax = b Sistemas de Ecuaciones
En cambio el sistema
x
1
+ x
2
+ x
3
= 1
x
1
x
2
+ x
3
= 1
2x
1
+ 2x
3
= 3
Es inconsistente, pues si tuviera alguna solucion, se tendra sumando
la ecuacion 1 con la ecuacion 2 que 2 = 3, lo que es una contradiccion.
(las ecuaciones 1,2 son contradictorias con la ecuacion 3)
19
Ax = b Sistemas de Ecuaciones
Recordamos que el sistema (2) es equivalente a resolver el problema de
combinacion lineal
x
1
a
1
+ x
2
a
2
+ + x
n
a
n
=

b
que es a su vez equivalente a resolver la ecuacion matricial
Ax =

b
con A = [a
1
a
2
a
n
], a
j
columna j de A
a
j
=
_

_
a
1,j
a
2,j
.
.
.
a
m,j
_

_
, x =
_

_
x
1
x
2
.
.
.
x
n
_

_
,

b =
_

_
b
1
b
2
.
.
.
b
m
_

_
20
Ax = b Sistemas de Ecuaciones
Ejemplo 4. El sistema de ecuaciones
x
1
+x
2
+x
3
+x
4
= 1
x
1
+x
2
+2x
3
x
4
= 2
x
1
+2x
2
+x
3
+3x
4
= 1
es equivalente al problema de combinacion lineal
x
1
a
1
..
_
_
1
1
1
_
_
+x
2
a
2
..
_
_
1
1
2
_
_
+x
3
a
3
..
_
_
1
2
1
_
_
+x
4
a
4
..
_
_
1
1
3
_
_
=

b
..
_
_
1
2
1
_
_
que es a su vez equivalente a la ecuacion matricial
A
..
2
6
6
6
4
1 1 1 1
1 1 2 1
1 2 1 2
3
7
7
7
5
x
..
2
6
6
6
6
6
4
x
1
x
2
x
3
x
4
3
7
7
7
7
7
5
=

b
..
2
6
6
6
4
1
2
1
3
7
7
7
5
21
Ax = b Sistemas de Ecuaciones
Proposicion 5.
i) El sistema Ax = b tiene solucion sii

b a
1
, a
2
, . . . , a
n

ii) Si

b a
1
, a
2
, . . . , a
n
el sistema Ax = b tiene solucion unica sii S =
{a
1
, a
2
, . . . , a
n
} es li.
Es decir
El sistema Ax = b tiene solucion sii

b es combinacion lineal de las columnas


de A
La solucion de Ax = b, cuando existe, es unica sii las columnas de A son
linealmente independientes
22
Ax = b Sistemas de Ecuaciones
Ejemplo 5. Supongamos que en el problema de la dieta, tenemos tres in-
gredientes P, Q, R que tienen por cada 100 gramos, las siguientes cantidades
de unidades de vitaminas A, B
V it.A
V it.B
R
..
_
3
2
_
=
P
..
_
1
1
_
+
Q
..
_
2
1
_
La dependencia lineal en este caso signica que 100 gr de R contribuyen la
misma cantidad de vitaminas que 100 gr de P mas 100 gr de Q.
23
Ax = b Sistemas de Ecuaciones
Una dieta de 6 unidades de vitamina A y 4 de vitamina B se puede
obtener de inntas maneras. En efecto, como
P
..
_
1
1
_
+
Q
..
_
2
1
_
+
R
..
_
3
2
_
=
D
..
_
6
4
_
y

_
1
1
_

_
2
1
_
+
_
3
2
_
=
_
0
0
_
Sumando veces la ultima ecuacion a la anterior se tiene
(1 )
_
1
1
_
+ (1 )
_
2
1
_
+ (1 + )
_
3
2
_
=
_
6
4
_
Sin alterar la dieta D podemos substituir unidades de R con unidades
de P, Q. ( 0 1)
24
Ax = b Sistemas de Ecuaciones
En general, Cuando las columnas de A son linealmente dependientes, se
puede alterar el coeciente de una columna ld. y compensar este cambio
alterando los coecientes en otras columnas sin alterar la combinacion lineal
b = Ax
Demostramos la proposicion 5
Demostracion:
La demostracion de i) es consecuencia directa de las deniciones
Demostramos ii). Supongamos que las columnas a
i
son li. Demostramos
que el sistema cuando tiene solucion ella es unica.
25
Ax = b Sistemas de Ecuaciones
Supongamos que hay dos soluciones
A =
1
a
1
+
2
a
2
+ . . . +
n
a
n
=

b
A

=
1
a
1
+
2
a
2
+ . . . +
n
a
n
=

b
(CANONICO: Para demostrar unicidad se supone que hay dos y se
demuestra que son iguales)
Restando las ecuaciones obtenemos entonces que
(
1

1
)a
1
+ (
2

2
)a
2
+ . . . + (
n

n
)a
n
=

0
Como los a
i
son li. necesariamente se tiene
i

i
= 0, i = 1, 2, . . . , n. Es
decir
i
=
i
y la solucion es necesariamente unica, cuando hay soluciones.
26
Ax = b Sistemas de Ecuaciones
Ahora, supongamos que la ecuacion
Ax = x
1
a
1
+ x
2
a
2
+ . . . + x
n
a
n
= b
tiene una unica solucion x. Si los a
i
fueran ld. se tendra que existen escalares

i
no todos nulos tales que

1
a
1
+
2
a
2
+ . . . +
n
a
n
=

0
Sumando veces esta ecuacion a la anterior obtenemos que
(x
1
+
1
)a
1
+ (x
2
+
2
)a
2
+ . . . + (x
n
+
n
)a
n
= b
por lo que habra innitas soluciones. Entonces, la unica manera de que un
sistema consistente tenga solucion unica es cuando los vectores a
i
son l.i.,
pues si ellos fueran ld. habra innitas soluciones.
27
Ax = b Sistemas de Ecuaciones
Teorema 1. (Alternativa de Fredholm) Para un sistema lineal de ecua-
ciones de m ecuaciones y n incognitas se cumple una de las alternati-
vas:
i) No tiene solucion
ii) Tiene solucion unica
iii) Tiene innitas soluciones
Demostracion:
i ) Se cumple cuando

b NO es combinacion lineal de las columnas de A
ii ) Se cumple cuando

b es combinacion lineal de las columnas de A y ellas
son li.
iii) Se cumple cuando

b es combinacion lineal de las columnas de A y ellas
son ld.
28
Eliminacion de Gauss Sistemas de Ecuaciones
Estas alternativas son excluyentes entre s, pues las columnas de A son
li o ld, pero no ambas cosas a la vez. Ademas el vector

b es combinacion
lineal o no de las columnas de A.
29
Eliminacion de Gauss Sistemas de Ecuaciones
Eliminacion de Gauss
Desde el punto de vista algortmico, de acuerdo a la Alternativa de
Fredholm, el problema fundamental es
determinar si el sistema tiene soluciones (consistencia), y en caso arma-
tivo
Determinar la solucion cuando esta sea unica, o
determinar el conjunto solucion en forma parametrica, cuando haya
innitas soluciones
30
Eliminacion de Gauss Sistemas de Ecuaciones
Explicamos primero el metodo de eliminacion de gauss con un ejemplo
Considere el sistema de 4 ecuaciones y 4 incognitas
e
1
: 2x
1
+ 4x
2
+ x
4
= 1
e
2
: x
1
+ x
2
+ x
3
x
4
= 0
e
3
: x
1
+ 2x
2
x
3
+ 4x
4
= 1
e
4
: x
1
+ x
3
2x
4
= 1
La ecuaciones pueden sumarse y multiplicarse por un escalar para obtener
nuevas ecuaciones.
la ecuacion e
1
+ e
2
es x
1
+ 3x
2
+ x
3
= 1,
La ecuacion 3e
3
es 3x
1
+ 6x
2
3x
3
+ 12x
4
= 3,
la ecuacion 2e
1
4e
4
es 8x
2
4x
3
+ 10x
4
= 2.
31
Eliminacion de Gauss Sistemas de Ecuaciones
La ecuacion nula, O : 0x
1
+ 0x
2
+ 0x
3
+ 0x
4
= 0 cumple con e + O = e
para cualquier ecuacion e : a
1
x
1
+ a
2
x
2
+ a
3
x
3
+ a
4
x
4
= b.
Note de esta manera podemos formar combinaciones lineales de ecua-
ciones. El metodo consiste en aplicar operaciones elementales al conjunto
inicial de ecuaciones S = {e
1
, e
2
, e
3
, e
4
}, hasta obtener un nuevo conjunto
equivalente de ecuaciones

S = { e
1
, e
2
, e
3
, e
4
}, el cual tiene un conjunto
solucion evidente.
32
Eliminacion de Gauss Sistemas de Ecuaciones
Las operaciones elementales son las siguientes
i) Intercambiar la ecuacion i con la ecuacion j. En smbolos e
j
e
i
.
ii) Multiplicar la ecuacion i-esima por = 0. En smbolos, e
i
e
i
iii) Sumar un m ultiplo no nulo de la ecuacion i-esima a la ecuacion j-esima.
En smbolos e
j
e
j
+ e
i
Note que cada operacion elemental se puede revertir mediante otra op-
eracion elemental.
33
Eliminacion de Gauss Sistemas de Ecuaciones
Es decir
Si

S = { e
1
, e
2
, e
3
, e
4
} se obtiene a partir S =
{e
1
, e
2
, e
3
, e
4
} mediante una operacion ele-
mental,
entonces
S se obtiene a partir de

S mediante otra
operacion elemental.
En efecto,
34
Eliminacion de Gauss Sistemas de Ecuaciones
i) la operacion de intercambiar dos ecuaciones se revierte intercambiando
nuevamente las mismas ecuaciones.
ii) Si se multiplica una ecuacion por , entonces multiplicando la ecuacion
resultante por 1/ se revierte la operacion.
iii) Similarmente si e
j
= e
j
+ e
i
, e
i
= e
i
, entonces, e
j
= e
j
e
i
Puesto que cada operacion elemental puede revertirse mediante otra op-
eracion elemental tenemos que las ecuaciones e
i
tambien se obtienen a
partir de las ecuaciones e
j
mediante operaciones elementales. Los conjuntos
soluciones de los sistemas S y

S son iguales, pues las ecuaciones e
j
se
deducen a partir de las ecuaciones e
i
y vici-versa. Note ademas que las
ecuaciones e
j
son combinaciones lineales de las ecuaciones e
i
y vici-versa.
35
Eliminacion de Gauss Sistemas de Ecuaciones
La matriz de coecientes A y el vector b del sistema son
A =
_

_
2 4 0 1
1 1 1 1
1 2 1 4
1 0 1 2
_

_
b =
_

_
1
0
1
1
_

_
.
La matriz
B = [A|b] =
_

_
2 4 0 1 1
1 1 1 1 0
1 2 1 4 1
1 0 1 2 1
_

_
es la la matriz ampliada asociada al sistema Ax = b.
36
Eliminacion de Gauss Sistemas de Ecuaciones
Es mas conveniente realizar las operaciones elementales en S =
{e
1
, e
2
, e
3
, e
4
} como operaciones elementales la en la matriz ampliada
e
1
:
e
2
:
e
3
:
e
4
:
_

_
2 4 0 1 1
1 1 1 1 0
1 2 1 4 1
1 0 1 2 1
_

_
.
La primera columna de la matiz indica la cantidad de x
1
que hay en cada
ecuacion
En general, la columna i-esima indica la cantidad de x
i
que hay en cada
ecuacion, i = 1, 2, 3, 4
37
Eliminacion de Gauss Sistemas de Ecuaciones
Las operaciones elementales la son:
a) Intercambiar la la B
j
con la la B
i
. (B
i
B
j
)
b) Multiplicar la la B
j
por = 0.(B
j
B
j
)
c) Sumar veces la la B
i
a la la B
j
.(B
j
B
j
+ B
i
)
Aplicamos las operaciones elementales a la matriz ampliada de nuestro
sistema
e
1
:
e
2
:
e
3
:
e
4
:
_

_
2 4 0 1 1
1 1 1 1 0
1 2 1 4 1
1 0 1 2 1
_

_
.
Primero eliminamos la variable x
1
en las ecuaciones 2, 3, 4. Para ello
pivoteamos en a
1,1
y hacemos ceros bajo a
1,1
. Multiplicando la ecuacion
38
Eliminacion de Gauss Sistemas de Ecuaciones
1 por 1/2, 1/2, 1/2 y sumando a las ecuaciones 2,3 y 4 respectivamente
obtenemos _

_
2 4 0 1 1
0 1 1 1/2 1/2
0 0 1 7/2 3/2
0 2 1 5/2 1/2
_

_
.
Pivoteamos en a
2,2
y eliminamos x
2
de la cuarta ecuacion. Para ello
multiplicamos la segunda la por a
4,2
/a
2,2
= 2 y la sumamos a la cuarta
ecuacion obteniendo
_

_
2 4 0 1 1
0 1 1 1/2 1/2
0 0 1 7/2 3/2
0 0 3 7/2 3/2
_

_
.
Pivoteando en a
3,3
se elimina x
3
de la cuarta ecuacion. Para ello Multipli-
39
Eliminacion de Gauss Sistemas de Ecuaciones
camos la tercera la por a
4,3
/a
3,2
= 7/(7/2) = 1/2 y la sumamos a la
cuarta la obteniendo
_

_
2 4 0 1 1
0 1 1 1/2 1/2
0 0 -1 7/2 3/2
0 0 0 7 3
_

_
.
40
Eliminacion de Gauss Sistemas de Ecuaciones
Finalmente, multiplicando la tercera la por 1 y la cuarta por 1/7
obtenemos la forma escalonada
_

_
1 2 0 1/2 1/2
0 1 1 1/2 1/2
0 0 1 7/2 3/2
0 0 0 1 3/7
_

_
, (3)
de donde
x
1
+ 2 x
2
+
x
4
2
= 1/2
x
2
+ x
3

x
4
2
= 1/2
x
3

7 x
4
2
= 3/2
x
4
= 3/7.
41
Eliminacion de Gauss Sistemas de Ecuaciones
Por lo tanto,
x
4
= 3/7
x
3
=
7 x
4
2
+ 3/2 = 0
x
2
= x
3
+
x
4
2
+ 1/2 = 2/7
x
1
= 2 x
2

x
4
2
+ 1/2 = 1/7.
Este proceso se llama substitucion regresiva. Una alternativa a la substi-
tucion regresiva es continuar el proceso de eliminacion haciendo ceros sobre
los pivotes, hasta llegar a la forma escalonada reducida.
42
Eliminacion de Gauss Sistemas de Ecuaciones
Si en la ecuacion (3) multiplicamos la la 4 por 7/2, 1/2, 1/2 y sumamos
a las las 3,2 y 1 respectivamente se obtiene el sistema
_

_
1 2 0 0 5/7
0 1 1 0 2/7
0 0 1 0 0
0 0 0 1 3/7
_

_
(4)
Eliminamos ahora la variable x
3
de la segunda ecuacion.
43
Eliminacion de Gauss Sistemas de Ecuaciones
Multiplicando la tercera ecuacion por 1 y sumando a la segunda
obtenemos _

_
1 2 0 0 5/7
0 1 0 0 2/7
0 0 1 0 0
0 0 0 1 3/7
_

_
. (5)
Finalmente eliminamos la variable x
2
de la primera ecuacion. Multiplicando
la segunda ecuacion por 2 y sumando a la primera ecuacion obtenemos el
sistema en su forma escalonada reducida:
_

_
1 0 0 0 1/7
0 1 0 0 2/7
0 0 1 0 0
0 0 0 1 3/7
_

_
, (6)
de donde, x
4
= 3/7, x
3
= 0, x
2
= 2/7, x
1
= 1/7, que es la solucion obtenida
anteriormente.
44
Eliminacion de Gauss Sistemas de Ecuaciones
Una observacion nal, antes de terminar este ejemplo, es que el proceso
de hacer ceros sobre los pivotes equivale a reemplazar las variables ya despe-
jadas en las ecuaciones anteriores en el proceso de substitucion regresiva.
Por ejemplo, el sistema (3) es
x
1
+ 2 x
2
+ 1/2 x
4
= 1/2
x
2
+ x
3
1/2 x
4
= 1/2
x
3
7/2 x
4
= 3/2
x
4
= 3/7.
Reemplazando x
4
= 3/7 desde la primera a la tercera ecuacion se
obtiene el sistema
x
1
+ 2 x
2
= 5/7
x
2
+ x
3
= 2/7
45
Eliminacion de Gauss Sistemas de Ecuaciones
x
3
= 0
x
4
= 3/7
que es el sistema (4).
Reemplazando x
3
= 0 en la segunda ecuacion se obtiene
x
1
+ 2 x
2
= 5/7
x
2
= 2/7
x
3
= 0
x
4
= 3/7
que es el sistema (5).
46
Eliminacion Gaussiana Forma Escalonada
Finalmente reemplazando x
2
= 2/7 en la primera ecuacion se obtiene
x
1
= 1/7
x
2
= 2/7
x
3
= 0
x
4
= 3/7
que es la forma nal del sistema de ecuaciones 2.
47
Eliminacion Gaussiana Forma Escalonada
Forma Escalonada
El metodo general para resolver el sistema de ecuaciones (2) es el
siguiente:
Sea A = (a
ij
) la matriz de coecientes asociada al sistema (2), y b = (b
i
)
el vector columna del lado derecho del sistema. Entonces, el sistema de
ecuaciones (2) se representa en forma compacta por medio de la matriz
ampliada
C = [A|b] =
_

_
a
1,1
a
1,2
a
1,n
b
1
a
2,1
a
2,2
a
2,n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i,1
a
i,2
a
i,n
b
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m,1
a
m,2
a
m,n
b
m
_

_
La la i-esima de C representa a la ecuacion i-esima del sistema (2).
Operaciones elementales sobre las ecuaciones se implementan ahora por
48
Eliminacion Gaussiana Forma Escalonada
operaciones elementales en las las de C. Puesto que las operaciones el-
ementales en las ecuaciones generan sistemas equivalentes al original, la
solucion no es alterada. La idea del metodo es llevar mediante transforma-
ciones elementales a la matriz C a una forma escalonada
49
Eliminacion Gaussiana Forma Escalonada
Denicion 4. Decimos que una matriz A de mn es escalonada si tiene la
forma
l
_

_
m l
_
_
_
_

_
0 0 1
0 0 0 1
.
.
.
.
.
.
.
.
.
0 0 0 1
0 0
.
.
.
.
.
.
.
.
.
0 0
_

_
.
Es decir, satisface:
1. Las primeras l las son no nulas y las ultimas ml son nulas.
2. En la la iesima (i = 1, . . . , l), la primera componente distinta de cero
(de izquerda a derecha) esta en la columna pivote j
i
, i.e., a
i,j
= 0, j < j
i
,
y a
i,j
i
= 1. El elemento i, j
i
se llama pivote
3. Las las estan ordenadas de modo que j
1
< j
2
< < j
l
.
50
Eliminacion Gaussiana Forma Escalonada
Las las no nulas v
1
, v
2
, . . . , v
l
de una matriz escalonada son trivial-
mente vectores linealmente independientes en R
n
. En efecto, si

l
i=0

i
v
i
=
(0, 0, . . . , 0), entonces como la unica la con un elemento distinto de cero en
la columna j
1
es la la 1, obtenemos igualando la componente j
1
de

i
v
i
igual a cero que
1
= 0. Puesto que las unicas las con una componente
distinta de cero en la columna j
2
son las las 1 y 2, obtenemos igualando
esta componente igual a cero que
1
() +
2
= 0. Luego
2
= 0. Similar-
mente, igualando las componentes j
3
, j
4
, . . . , j
l
de

i
v
i
a 0 obtenemos
sucesivamente
3
=
4
= =
l
= 0.
51
Eliminacion Gaussiana Forma Escalonada
Un metodo sistematico para reducir una matriz arbitraria A mediante
operaciones elementales por las a una matriz escalonada es el siguiente:
Etapa 1: Sea j
1
el ndice de la primera columna no nula de A. Si esta no
existe, la matriz es la matriz nula, que tiene una forma escalonada.
Intercambie la primera la con otra de modo que a
1,j
1
= 0.
Haga ceros bajo el pivote a
1,j
1
en la columna j
1
. Para ello, para i =
2, . . . , m, sume la la 1 multiplicada por a
i,j
1
/a
1,j
1
a la la i,
52
Eliminacion Gaussiana Forma Escalonada
Etapa k: Sea j
k
el ndice de la primera columna no nula bajo la la k 1.
Si esta no existe, entonces la matriz ya tiene una forma escalonada y las
ultimas mk + 1 las son nulas, y el algoritmo termina.
Intercambie la la k con una la r, k < r, de modo que a
k,j
k
= 0.
Para a
i,j
k
= 0, i = k+1, . . . , m, sume la la k multiplicada por a
i,j
k
/ak, j
k
a la la i, haciendo ceros bajo a
k,j
k
en la columna j
k
.
Se repite este paso hasta k = m, en cuyo caso se han procesado todas las
las, o bien hasta k = l < m, en cuyo caso las ultimas ml las son nulas.
Etapa Final: Se multiplica cada la no nula por 1/a
k,j
k
de modo que el
primer elemento no nulo de la la k es a
k,j
k
= 1, k = 1 . . . , l. Es obvio que
la matriz as obtenida es una matriz con la forma escalonada.
Tambien resulta util el concepto de forma escalonada reducida de una
matriz.
53
Eliminacion Gaussiana Forma Escalonada Reducida
Forma Escalonada Reducida
Denicion 5. Decimos que una matriz tiene forma escalonada reducida si
tiene la forma
_
_
_
_
_
_
_
_
_
_
0 0 1 0 0 0
0 0 0 1 0
.
.
.
.
.
.
.
.
. 0
0 0 0 1
0 0
.
.
.
.
.
.
.
.
.
0 0
_
_
_
_
_
_
_
_
_
_
.
Es decir, satisface:
1. La matriz es escalonada.
2. Los pivotes en cada la no nula son iguales a 1, y los elementos encima y
debajo en la columna de cada pivote son nulos. Es decir, para i = 1, . . . , l
se tiene a
ij
i
= 1, es decir a
kj
k
= 0, k = i.
54
Eliminacion Gaussiana Forma Escalonada Reducida
Para reducir una matriz arbitraria a una matriz escalonada reducida mediante
operaciones elementales por las se hace lo siguiente.
Primero se reduce a una matriz escalonada.
Luego se procede a hacer ceros sobre los elementos pivotes a
ij
i
i = 1, . . . , l
mediante el siguiente procedimiento.
Si la ultima la no nula en la escalonada es la l-esima, y el primer
elemento no nulo en esta la es a
lj
l
, entonces se suman m ultiplos de la
la l-esima a las las i, i = 1, . . . , l 1 para hacer ceros en la columna
j
l
sobre la la l.
Luego se repite el proceso con las las l 1, l 2, . . . , 2, en este mismo
orden, haciendo ceros en las columnas sobre el primer elemento no
nulo de cada una de estas las, obteniendose una matriz con la forma
escalonada reducida.
55
Eliminacion Gaussiana Forma Escalonada Reducida
El proceso de hacer ceros en la columna j sumando m ultiplos de la
la i a otras las se llama pivotear en a
i,j
, El elemento a
i,j
se llama
pivote. Los pivotes en el metodo recien descrito son los a
i,j
i
i = 1, . . . , l que
corresponden a los primeros elementos no nulos de las las no nulas.
Para resolver el sistema Ax = b llevamos la matriz ampliada C = [A|b] a
su forma escalonada reducida,
Este matriz ampliada corresponde un sistema equivalente al original cuya
solucion es evidente.
56
Eliminacion Gaussiana Forma Escalonada Reducida
Sistema inconsistente: Si se obtiene una ecuacion del tipo 0 = 1 el sistema
es inconsistente.
Sistema consistente: Si no, sea j
i
el primer ndice tal que a
i,j
i
es no nulo
en la la i (en la forma escalonada reducida, es decir a
i,j
i
i = 1, . . . , l son
los pivotes). Las variables j
i
, i = 1, . . . , l se llaman variables basicas. El
resto se llaman variables no basicas o variables libres.
Unicidad: Si l = n, es decir no hay variables libres, la solucion es unica.
Innitas soluciones Si l < n entonces hay n l variables libres. En este
caso se despejan las variables basicas en terminos de las no basicas
en el sistema escalonado reducido obteniendose el vector solucion en
terminos de las variables libres (parametros).
57
Eliminacion Gaussiana Forma Escalonada Reducida
Es facil ver que en el vector solucion es entonces de la forma
x =
_

_
x
1
x
2
.
.
.
x
n
_

_
= u
p
+ u
1
, u
2
, . . . , u
nl

A CONTINUACI

ON .... VEMOS EJEMPLOS


58
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 6. El sistema
x
1
+ 2x
2
+ x
4
= 2
x
1
+ 2x
2
+ 3x
3
+ x
5
= 3
3x
1
+ 2x
2
3x
3
+ 2x
4
x
5
= 1
x
1
+ 10x
2
+ 9x
3
+ 2x
4
+ 3x
5
= 13
6x
1
+ 4x
2
+ 12x
3
2x
4
+ 4x
5
= 8
tiene como matriz ampliada
[A|b] =
_

_
1 2 0 1 0 2
1 2 3 0 1 3
3 2 3 2 1 1
1 10 9 2 3 13
6 4 12 2 4 8
_

_
59
Eliminacion Gaussiana Forma Escalonada Reducida
Pivoteando en a
1,1
y luego en a
2,2
se obtiene

_
1 2 0 1 0 2
0 4 3 1 1 5
0 4 3 1 1 5
0 12 9 3 3 15
0 16 12 4 4 20
_

_
1 2 0 1 0 2
0 4 3 1 1 5
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
_

_
Las las nulas que aparecen en las las 3,4,5 nos dice que las ecuaciones
3,4,5 del sistema original son combinaciones lineales de las ecuaciones
1,2. Es decir, las ecuaciones 3,4,5 se pueden deducir de las ecuaciones 1,2.
60
Eliminacion Gaussiana Forma Escalonada Reducida
Multiplicando la segunda la por 1/4, la primera la por -1, y luego
sumando 2 veces la segunda ecuacion a la primera obtenemos la forma
escalonada reducida

_
1 2 0 1 0 2
0 1 3/4 1/4 1/4 5/4
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
_

_
1 0 3/2 1/2 1/2 1/2
0 1 3/4 1/4 1/4 5/4
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
_

_
El sistema es entonces equivalente al sistema de ecuaciones
x
1
+ 3/2 x
3
1/2 x
4
+ 1/2 x
5
= 1/2
x
2
+ 3/4 x
3
+ 1/4 x
4
+ 1/4 x
5
= 5/4
Las variables basicas son x
1
y x
2
. Las variables libres son x
3
, x
4
y x
5
.
Despejando las variables basicas en terminos de las libres se obtiene que el
vector solucion es
61
Eliminacion Gaussiana Forma Escalonada Reducida
_

_
x
1
x
2
x
3
x
4
x
5
_

_
=
_

_
3/2x
3
+ 1/2x
4
1/2x
5
+ 1/2
3/4x
3
1/4x
4
1/4x
5
+ 5/4
x
3
x
4
x
5
_

_
=
_

_
1/2
5/4
0
0
0
_

_
+ x
3
_

_
3/2
3/4
1
0
0
_

_
+ x
4
_

_
1/2
1/4
0
1
0
_

_
+ x
5
_

_
1/2
1/4
0
0
1
_

_
62
Eliminacion Gaussiana Forma Escalonada Reducida
y por lo tanto, el conjunto solucion es
S =
_

_
1/2
5/4
0
0
0
_

_
+
_

_
3/2
3/4
1
0
0
_

_
,
_

_
1/2
1/4
0
1
0
_

_
,
_

_
1/2
1/4
0
0
1
_

63
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 7. El sistema
x
1
+ x
2
+ x
3
+ x
4
= 1
2x
1
+ x
2
+ 3x
3
+ 2x
4
= 2
3x
1
x
2
+ 3x
3
+ 2x
4
= 3
x
1
+ 6x
3
+ 4x
4
= 4
tiene como matriz ampliada
[A|b] =
_

_
1 1 1 1 1
2 1 3 2 2
3 1 3 2 3
1 0 6 4 4
_

_
.
64
Eliminacion Gaussiana Forma Escalonada Reducida
Pivoteando en a
1,1
hacemos ceros en la primera columna bajo a
1,1
obteniendo
_

_
1 1 1 1 1
0 3 5 4 4
0 4 0 1 0
0 1 5 3 3
_

_
.
Pivoteando en a
2,2
hacemos ceros en la segunda columna bajo a
2,2
.
_

_
1 1 1 1 1
0 3 5 4 4
0 0
20
3
13/3 16/3
0 0
20
3
13/3 13/3
_

_
65
Eliminacion Gaussiana Forma Escalonada Reducida
Pivoteando en a
3,3
hacemos ceros en la tercera columna bajo a
3,3
.
_

_
1 1 1 1 1
0 3 5 4 4
0 0
20
3
13/3 16/3
0 0 0 0 1
_

_
Puesto que deducimos la ecuacion 0 = 1, el sistema no tiene solucion.
66
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 8. El sistema de ecuaciones
x
1
+ 2x
2
x
3
+ 4x
4
= 1
x
1
2x
2
x
3
+ 2x
4
= 0
2x
1
+ 2x
2
+ x
4
= 1
3x
1
+ x
2
+ 2x
3
= 2
tiene como matriz ampliada
[A|b] =
_

_
1 2 1 4 1
1 2 1 2 0
2 2 0 1 1
3 1 2 0 2
_

_
Pivoteando en a
1,1
y luego en a
2,2
y a
3,3
y escalando las las no nulas
67
Eliminacion Gaussiana Forma Escalonada Reducida
obtenemos la forma escalonada

_
1 2 1 4 1
0 0 2 6 1
0 6 2 9 1
0 7 1 12 5
_

_

_

_
1 2 1 4 1
0 6 2 9 1
0 0 2 6 1
0 0 4/3 3/2
23
6
_

_
1 2 1 4 1
0 6 2 9 1
0 0 2 6 1
0 0 0 11/2 9/2
_

_

_

_
1 2 1 4 1
0 1 1/3 3/2 1/6
0 0 1 3 1/2
0 0 0 1
9
11
_

_
A partir de la forma escalonada pivoteamos en a
4,4
, a
3,3
y a
2,2
para
68
Eliminacion Gaussiana Forma Escalonada Reducida
obtener la forma escalonada reducida

_
1 2 1 0
25
11
0 1 1/3 0
35
33
0 0 1 0
43
22
0 0 0 1
9
11
_

_

_

_
1 2 0 0
7
22
0 1 0 0
9
22
0 0 1 0
43
22
0 0 0 1
9
11
_

_
_

_
1 0 0 0 1/2
0 1 0 0
9
22
0 0 1 0
43
22
0 0 0 1
9
11
_

_
De donde x
1
= 1/2, x
2
= 9/22, x
3
= 43/22, x
4
= 9/11.
69
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 9. El sistema
x
1
x
2
+ x
3
+ 2x
4
+ x
5
= 1
2x
1
2x
2
+ x
4
+ x
5
+ x
6
= 1
3x
1
+ 3x
2
x
3
+ 2x
4
+ x
5
+ 2x
6
= 0
tiene como matriz ampliada
[A|b] =
_
_
1 1 1 2 1 0 1
2 2 0 1 1 1 1
3 3 1 2 1 2 0
_
_
.
70
Eliminacion Gaussiana Forma Escalonada Reducida
Aplicando operaciones elementales determinamos la forma escalonada
reducida de [A|b]

_
_
1 1 1 2 1 0 1
0 0 2 3 1 1 3
0 0 2 8 4 2 3
_
_

_
_
1 1 1 2 1 0 1
0 0 2 3 1 1 3
0 0 0 5 3 3 0
_
_

_
_
1 1 1 2 1 0 1
0 0 1 3/2 1/2 1/2 3/2
0 0 0 1 3/5 3/5 0
_
_

_
_
1 1 1 0 1/5 6/5 1
0 0 1 0 2/5 7/5 3/2
0 0 0 1 3/5 3/5 0
_
_

_
_
1 1 0 0 1/5 1/5 1/2
0 0 1 0 2/5 7/5 3/2
0 0 0 1 3/5 3/5 0
_
_

_
_
1 1 0 0 1/5 1/5 1/2
0 0 1 0 2/5 7/5 3/2
0 0 0 1 3/5 3/5 0
_
_
.
71
Eliminacion Gaussiana Forma Escalonada Reducida
Tomamos como variables basicas x
1
, x
3
, x
4
, y variables no basicas x
2
, x
5
, x
6
.
Despejando las basicas en terminos de las no basicas obtenemos
x
1
= x
2
1/5x
5
1/5x
6
1/2
x
3
= 2/5x
5
+ 7/5x
6
+ 3/2
x
4
= 3/5x
5
3/5x
6
de donde el vector solucion es
_

_
x
1
x
2
x
3
x
4
x
5
x
6
_

_
=
_

_
x
2
1/5x
5
1/5x
6
1/2
x
2
2/5x
5
+ 7/5x
6
+ 3/2
3/5x
5
3/5x
6
x
5
x
6
_

_
72
Eliminacion Gaussiana Forma Escalonada Reducida
=
_

_
1/2
0
3/2
0
0
0
_

_
+ x
2
_

_
1
1
0
0
0
0
_

_
+ x
5
_

_
1/5
0
2/5
3/5
1
0
_

_
+ x
6
_

_
1/5
0
7/5
3/5
0
1
_

_
.
Por lo tanto, el conjunto solucion es
S =
_

_
1/2
0
3/2
0
0
0
_

_
+
_

_
1
1
0
0
0
0
_

_
,
_

_
1/5
0
2/5
3/5
1
0
_

_
,
_

_
1/5
0
7/5
3/5
0
1
_

73
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 10. El sistema
x
1
+ x
2
+ 2x
3
+ 2x
4
+ x
5
+ 3x
6
= 1
x
1
x
2
x
3
x
4
x
5
+ x
6
= 2
x
1
+ x
2
x
3
x
4
+ x
5
= 3
se expresa en forma compacta en la forma
_
_
1 1 2 2 1 3 1
1 1 1 1 1 1 2
1 1 1 1 1 0 3
_
_
.
Por medio de operaciones elementales procedemos a obtener la forma
74
Eliminacion Gaussiana Forma Escalonada Reducida
escalonada reducida.

_
_
1 1 2 2 1 3 1
0 0 1 1 0 4 3
0 0 3 3 0 3 4
_
_

_
_
1 1 2 2 1 3 1
0 0 1 1 0 4 3
0 0 0 0 0 9 5
_
_

_
_
1 1 2 2 1 3 1
0 0 1 1 0 4 3
0 0 0 0 0 1 5/9
_
_

_
_
1 1 2 2 1 0 2/3
0 0 1 1 0 0
7
9
0 0 0 0 0 1 5/9
_
_

_
_
1 1 0 0 1 0
20
9
0 0 1 1 0 0
7
9
0 0 0 0 0 1 5/9
_
_
75
Eliminacion Gaussiana Forma Escalonada Reducida
Tomamos como variables basicas a x
1
, x
3
, x
6
y como variables libres a
x
2
, x
4
, x
5
Despejando a las variables basicas en terminos de las libres obten-
emos
_

_
x
1
x
2
x
3
x
4
x
5
x
6
_

_
=
_

_
x
2
x
5
20/9
x
2
x
4
+ 7/9
x
4
x
5
5/9
_

_
=
_

_
20/9
0
7/9
0
0
5/9
_

_
+ x
2
_

_
1
1
0
0
0
0
_

_
+ x
4
_

_
0
0
1
1
0
0
_

_
+ x
5
_

_
1
0
0
0
1
0
_

_
,
76
Eliminacion Gaussiana Forma Escalonada Reducida
o equivalentemente, el conjunto solucion es
S =
_

_
20/9
0
7/9
0
0
5/9
_

_
+
_

_
1
1
0
0
0
0
_

_
,
_

_
0
0
1
1
0
0
_

_
,
_

_
1
0
0
0
1
0
_

77
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 11. Considere el sistema de ecuaciones
x
1
+ x
2
+ x
3
= 1
x
1
2x
2
+ ax
3
= = b
2x
1
+ x
2
+ 3x
3
= c
donde a, b, c son constantes. El problema es determinar los valores de a, b, c
tales que el sistema: no tiene solucion, tiene solucion unica, tiene innitas
soluciones.
La forma compacta del sistema es
_
_
1 1 1 1
1 1 a b
2 1 3 c
_
_
.
78
Eliminacion Gaussiana Forma Escalonada Reducida
Por operaciones elementales la obtenemos
_
_
1 1 1 1
0 2 a 1 b 1
0 1 1 c 2
_
_
y luego
_
_
1 1 1 1
0 2 a 1 b 1
0 0 3/2
a
2
c 3/2
b
2
_
_
.
Por lo tanto, si 3/2 a/2 = 0, o equivalentemente a = 3, el sistema tiene
una unica solucion que es
z =
3 2 c + b
a 3
y =
(b 1) (a 1)z
2
=
ac 2 a c + 3 b
a 3
x = 1 y z =
ac a + c 3 2 b
a 3
79
Eliminacion Gaussiana Forma Escalonada Reducida
Si a = 3 y c 3/2 b/2 = 0 entonces no hay soluciones, pues se obtiene
la ecuacion 0x +0y +0z = c 3/2 b/2 = 0 que es contradictoria. Si a = 3 y
c 3/2 b/2 = 0 entonces hay innitas soluciones pues la variable z queda
libre, obteniendose
y =
(b 1) z(a 1)
2
= 1/2b 1/2 1/2za + 1/2z
x = 1 y z = 3/2 1/2b + 1/2za 3/2z
o equivalentemente
_
_
x
y
z
_
_
=
_

_
3/2
b
2
+
z(a1)
2
z
b
2
1/2
z(a1)
2
z
_

_
=
_
_
3/2 1/2b
1/2b 1/2
0
_
_
+ z
_
_
a
2
3/2
1/2
a
2
1
_
_
con z arbitrario.
80
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 12. El metodo tambien puede usarse para resolver sistemas de
ecuaciones lineales en variables vectoriales. Ilustramos con un ejemplo.
Considere el sistema de ecuaciones en las incognitas u
1
, u
2
, u
3
R
5
,
u
1
+ u
2
u
3
=

b
1
2 u
1
+ 3 u
2
u
3
=

b
2
u
1
+ u
2
+ u
3
=

b
3
donde

b
1
= (1, 1, 2, 3, 1),

b
2
= (2, 1, 1, 0, 0),

b
3
= (0, 1, 1, 1, 1) R
5
. El
sistema se puede expresar en forma compacta por la matriz simbolica
_

_
1 1 1

b
1
2 3 1

b
2
1 1 1

b
3
_

_
81
Eliminacion Gaussiana Forma Escalonada Reducida
En la forma usual se precede a construir un sistema equivalente mediante
operaciones elementales obteniendose el sistema
_

_
1 1 1

b
1
0 1 1

b
2
2

b
1
0 0 2

b
3

b
1
_

_
De donde se obtiene la solucion
u
1
= 2

b
1

b
2
+

b
3
u
2
= 3/2

b
1
+

b
2
1/2

b
3
u
3
= 1/2

b
1
+ 1/2

b
3
82
Eliminacion Gaussiana Forma Escalonada Reducida
Reemplazando

b
1
,

b
2
,

b
3
se obtiene nalmente
u
1
= (0, 0, 2, 7, 3)
u
2
= (1/2, 0, 3/2, 5, 2)
u
3
= (1/2, 1, 3/2, 1, 0)
83
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 13. En este ejemplo mostramos que el metodo puede usarse
convenientemente para resolver sistemas de ecuaciones con la misma matriz
de coecientes a
i,j
pero con distintos vectores

b. En efecto, en el proceso
de encontrar la forma escalonada reducida de un sistema de ecuaciones no
juega ning un rol activo el vector

b del lado derecho de la ecuacion. Por
la tanto, si se tienen varios sistemas de ecuaciones con la misma matriz
de coecientes, pero con distintos vectores

b, estos se pueden transformar
a sistemas equivalentes de la forma escalonada reducida al mismo tiempo.
Vemos un ejemplo.
84
Eliminacion Gaussiana Forma Escalonada Reducida
Se desea resolver los sistemas de ecuaciones
x
2
x
1
+ x
3
+ x
4
= b
1
2 x
1
x
2
+ x
3
= b
2
x
1
+ x
2
+ x
3
+ x
4
= b
3
para (b
1
, b
2
, b
3
) = (1, 1, 0) y (b
1
, b
2
, b
3
) = (1, 0, 2). Una posibilidad es resolver
por las incognitas x
i
en terminos de los b
i
, y luego substituir los valores
de b
i
en cada caso. Otra, que es la preferida, consiste en formar la matriz
ampliada
[A|B] =
_
_
1 1 1 1 1 1
2 1 1 0 1 0
1 1 1 1 0 2
_
_
.
85
Eliminacion Gaussiana Forma Escalonada Reducida
La primera columna despues de la lnea vertical es el vector b de la
primera ecuacion, y la segunda columna es el vector b de la segunda
ecuacion. Aplicando operaciones elementales eliminamos variables hasta
obtener sistemas equivalentes de forma escalonada reducida. Eliminando las
variables x
1
de las ecuaciones 2 y 3 se obtiene
[A|B] =
_
_
1 1 1 1 1 1
2 1 1 0 1 0
1 1 1 1 0 2
_
_

_
_
1 1 1 1 1 1
0 1 3 2 1 2
0 2 2 2 1 3
_
_
Eliminando x
2
de la tercera ecuacion y multiplicando por 1/4 la tercera
ecuacion

_
_
1 1 1 1 1 1
0 1 3 2 1 2
0 0 4 2 1 1
_
_

_
_
1 1 1 1 1 1
0 1 3 2 1 2
0 0 1 1/2 1/4 1/4
_
_
.
Eliminando la variable x
3
de la primera y segunda ecuacion, y a continuacion,
86
Eliminacion Gaussiana Forma Escalonada Reducida
la variable x
2
de la primera ecuacion obtenemos

_
_
1 1 0 1/2 3/4 3/4
0 1 0 1/2 1/4 5/4
0 0 1 1/2 1/4 1/4
_
_

_
_
1 0 0 0 1/2 1/2
0 1 0 1/2 1/4 5/4
0 0 1 1/2 1/4 1/4
_
_
.
Esta es la matriz escalonada reducida que buscamos. Entonces, la solucion
del primer sistema de ecuaciones es
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
1/2
1/4 t/2
1/4 t/2
t
_

_
=
_

_
1/2
1/4
1/4
0
_

_
+ t
_

_
0
1/2
1/2
1
_

_
87
Eliminacion Gaussiana Forma Escalonada Reducida
con t arbitrario, y la del segundo sistema es
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
1/2
5/4 r/2
1/4 r/2
r
_

_
=
_

_
1/2
5/4
1/4
0
_

_
+ r
_

_
0
1/2
1/2
1
_

_
con r arbitrario.
CUIDADO!
Los nombres de los parametros DEBEN ser distintos
para cada sistema a resolver
88
Eliminacion Gaussiana Forma Escalonada Reducida
Ejemplo 14. Resolvemos los 3 sistemas de ecuaciones
x
1
+ 2 x
2
+ 3 x
3
= b
1,j
x
2
x
1
+ x
3
= b
2,j
j = 1, 2, 3
x
1
+ x
3
= b
3,j
con

b
1
=
_
_
1
0
0
_
_
b
2
=
_
_
0
1
0
_
_
b
3
=
_
_
0
0
1
_
_
al mismo tiempo. Para ello escribimos los 3 sistemas en forma campacta
_
_
1 2 3 1 0 0
1 1 1 0 1 0
1 0 1 0 0 1
_
_
.
Mediante operaciones elementales resolvemos los 3 sistemas de ecua-
89
Eliminacion Gaussiana Forma Escalonada Reducida
ciones al mismo tiempo. Note que la matriz de coecientes A es la misma
para cada uno de los 3 sistemas. Entonces, el proceso de Eliminacion de
Gauss se puede realizar al mismo tiempo en cada uno de los 3 sistemas.
Para ello calculamos la forma escalonada reducida de la matriz ampliada
[A|B] = [A|

b
1

b
2

b
3
]
[A|B] =
_
_
1 2 3 1 0 0
1 1 1 0 1 0
1 0 1 0 0 1
_
_

_
_
1 2 3 1 0 0
0 3 4 1 1 0
0 2 2 1 0 1
_
_

_
_
1 2 3 1 0 0
0 3 4 1 1 0
0 0 2/3 1/3 2/3 1
_
_

_
_
1 2 3 1 0 0
0 1 4/3 1/3 1/3 0
0 0 1 1/2 1 3/2
_
_
90
Eliminacion Gaussiana Forma Escalonada Reducida

_
_
1 2 0 5/2 3 9/2
0 1 0 1 1 2
0 0 1 1/2 1 3/2
_
_

_
_
1 0 0 1/2 1 1/2
0 1 0 1 1 2
0 0 1 1/2 1 3/2
_
_
.
De donde, el primer sistema (con

b =

b
1
) tiene solucion
x
1
= 1/2 x
2
= 1 x
3
= 1/2.
El segundo sistema (con

b =

b
2
) tiene por solucion
x
1
= 1 x
2
= 1 x
3
= 1.
El tercer sistema (con

b =

b
3
) tiene por solucion
x
1
= 1/2 x
2
= 2 x
3
= 3/2
91

You might also like