Matrices equivalentes.

El método de Gauss

Dada una matriz A cualquiera decimos que B

es equivalente a A si podemos transformar A
en B mediante una combinación de las sigu-
ientes operaciones:

Multiplicar una fila de A por un número real

cualquiera diferente de cero.

Intercambiar dos filas.

Sumar a una fila de A cualquier otra fila.

1
Estas tres operaciones se pueden describir me-
diante el producto de matrices.

2
Multiplicar la fila i de una matriz n × m por
un número a es equivalente a multiplicar a
la izquierda por la matriz identidad In en
la que hemos puesto en la posición i, i una
a.

Por ejemplo si tomamos la matriz

 
2 4
 
 3 6 
7 9
y queremos multiplicar la fila 2 por 5, ten-
emos que multiplicar esta matriz por
 
1 0 0
 
 0 5 0 
0 0 1

3
Para intercambiar dos filas, por ejemplo la
i y la j lo único que hay que hacer es mul-
tiplicar por la matriz identidad a la que le
hemos cambiado la fila i por la j.

Por ejemplo si en la matriz anterior:

 
2 4
 
 3 6 
7 9

queremos intercambiar la fila 1 y la fila 3

tenemos que hacer
   
0 0 1 2 4
   
 0 1 0 · 3 6 
1 0 0 7 9

4
Si queremos sumar a la fila i un múltiplo a
de la fila j tendremos que multiplicar a la
izquierda por la matriz identidad a la que
le añadimos en la fila i columna j una a

Si en la matriz
 
2 4
 
 3 6 
7 9

queremos sumarle a la fila 2 siete veces la

fila 3 tenemos que hacer:

   
1 0 0 2 4
   
 0 1 7 · 3 6 
0 0 1 7 9
es decir hemos puesto un 7 en la posición
2, 3

5
Diremos que una matriz A está escalonada si
se cumple lo siguiente:

Dada una fila cualquiera si el primer elemento

diferente de cero de ella es el ai,j (es decir
está en la fila i columna j) entonces se cumple
que ak,l = 0 si k > i y l ≤ j. Si una fila no tiene
elementos diferentes de cero entonces todas
las filas por debajo de esta tienen que ser filas
de ceros.

6
Las matrices:
  
5 3 0 4 1 2 0 0 1
 0 1 6 2 0  0 1 2 3 
  
  
 0 0 1 3 0  0 0 0 5 
0 0 0 0 1 0 0 0 0
son matrices escalonadas.

La matriz:
 
2 0 0 1
 0 1 2 3 
 
 
 0 0 0 0 
0 0 0 1
no está escalonada.

7
El método de Gauss nos proporciona una man-
era sistemática de obtener mediante cambios
elementales una matriz escalonada equivalente
a matriz cualquiera dada.

Funciona de la manera siguiente:

 
0 3 2 5 7
 
 1 7 2 4 3 
 
 0 0 0 1 3 
 
 0 0 0 0 0 
 
0 5 0 4 7

8
1. Reordenamos las filas de manera que todas
las filas de ceros, si las hay, queden abajo
del todo.
   
0 3 2 5 7 0 3 2 5 7
   
 1 7 2 4 3   1 7 2 4 3 
   
 0 0 0 1 3 ∼ 0 0 0 1 3 
   
 0 0 0 0 0   0 5 0 4 7 
   
0 5 0 4 7 0 0 0 0 0

2. Buscamos la primera columna que no ten-

ga todo ceros.
 
0 3 2 5 7
 
 1 7 2 4 3 
 
 0 0 0 1 3 
 
 0 5 0 4 7 
 
0 0 0 0 0

3. Reordenamos de nuevo las filas de manera

que los ceros de esta columna queden abajo
 del todo.
   
0 3 2 5 7 1 7 2 4 3
   
 1 7 2 4 3   0 3 2 5 7 
   
 0 0 0 1 3 ∼ 0 0 0 1 3 
   
 0 5 0 4 7   0 5 0 4 7 
   
0 0 0 0 0 0 0 0 0 0

4. Si la matriz ya está escalonada ya hemos

acabado.
5. Si no, buscamos el primer elemento donde
no se cumple la condición de escalonamien-
to a este número le llamamos pivote y a
partir de ahora nos olvidamos de las filas
por encima de esta.
 
1 7 2 4 3
 
 0 3 2 5 7 
 
 0 0 0 1 3 
 
 0 5 0 4 7 
 
0 0 0 0 0

6. Repetimos los pasos anteriores olvidándonos

de las filas ya escalonadas. Si la matriz ya
está escalonada ya hemos acabado.

   
1 7 2 4 3 1 7 2 4 3
   
 0 3 2 5 7   0 3 2 5 7 
   
 0 0 0 1 3 ∼ 0 5 0 4 7 
   
 0 5 0 4 7   0 0 0 1 3 
   
0 0 0 0 0 0 0 0 0 0
7. Si no, eliminamos todos los números que
estén en la misma columna y por debajo
del pivote (supongamos que es ai,j ) que no
sean cero haciendo las operaciones ai,j fi+k −
ai+k,j fi siempre y cuando ai+k,j 6= 0.

 
1 7 2 4 3
 
 0 3 2 5 7 
 
3f3−5f2 
 0 15 − 15 0 − 10 12 − 25 21 − 35


 0 0 0 1 3 
 
0 0 0 0 0
 
1 7 2 4 3
 
 0 3 2 5 7 
 
=  0 0 −10 −13 −14 


 0 0 0 1 3 
 
0 0 0 0 0

8. Si la matriz ya está escalonada, ya hemos

acabado, en caso contrario repetimos las
operaciones anteriores solo con las filas donde
la matriz no esté escalonada.
Rango de una matriz

Dada una matriz cualquiera A llamamos rango

de A al número de filas diferentes de cero que
tiene la matriz después de escalonarla.
Atención. El rango de dos matrices equivalentes
es el mismo

9
1.2 Sistemas de ecuaciones lineales

Un sistema de ecuaciones lineales es



a1,1x1 + · · · + a1,nxn =
 b1
... ...



am,1x1 + · · · + am,nxn = bm
donde ai,j y bk son números reales fijados.

x1, . . . , xn se llaman las incógnitas o también

variables del sistema.

10
Un sistema de ecuaciones lineales se puede es-
cribir de manera matricial:
    
a1,1 . . . a1,n x1 b1


... ... ...   ... 
  
=
... 

am,1 . . . am,n xn bm

Siendo

 
a11 . . . a1n

A= ... ... ... 
,
am1 . . . amn
   
x1 b1
x= . 
 ..  , b= . 
 ..  .
xn bm
Una solución del sistema anterior es un vector
de Rn que satisface Ax = b.

O lo que es lo mismo x∗1, . . . x∗n que substitui-

do en todas y cada una de las ecuaciones del
sistema haga que se cumpla la igualdad.
11
Definición. Decimos que un sistema de ecua-
ciones lineales es:

compatible si tiene solución.

Diremos que es incompatible si no tiene

solución.

Un sistema de ecuaciones lineales compat-

ible se dice que es determinado si tiene
una única solución.

Diremos entonces que es indeterminado

si tiene mas de una (de hecho infinitas)
soluciones.

12
Ejemplo. El sistema de ecuaciones lineales

2x + y = 5
4x + 2y = 7

no tiene solución, es incompatible.

El sistema de ecuaciones

x + y =5
 4y =8
tiene cómo única solución el vector (3, 2). Es
un sistema compatible determinado.

13
El sistema de ecuaciones

x + y = 4
2x + 2y = 8

tiene infinitas soluciones.

De hecho todos los puntos de R2 de la forma

(x, 4 − x) por lo tanto es compatible indetermi-
nado.

14
El Teorema de Rouché-Frobenious

El teorema de Rouché-Frobenious nos propor-

ciona un criterio para decidir cuando un sis-
tema es compatible o incompatible y en el caso
de que sea compatible nos dice cuantas solu-
ciones tiene.

Dado un sistema de ecuaciones lineales:



a1,1x1 + · · · + a1,nxn =
 b1
... ...



am,1x1 + · · · + am,nxn = bm
es un sistema con n incógnitas y m ecuaciones.

15
Llamamos matriz del sistema a
 
a1,1 . . . a1,n
A =  ... ... 

... 
am,1 . . . am,n
Llamamos matriz ampliada del sistema a
 
a1,1 . . . a1,n | b1
(A|b) =  ... ... | ... 
 
...
am,1 . . . am,n | bm

16
Con la notación anterior.
Teorema. El sistema de ecuaciones


a1,1x1 + · · · + a1,nxn =
 b1
... ...



am,1x1 + · · · + am,nxn = bm
es compatible si, y solo si

rang A = rang (A|b)

En caso que sea compatible, es un sistema
compatible determinado si y solo si

rangA = n

17
El teorema de Rouché-Frobenius va un poco
mas allá.

Nos dice además cuantas variables hay que fi-

jar para determinar todo el conjunto de solu-
ciones. Más concretamente:

Dado un sistema de ecuaciones lineales com-

patible indeterminado llamamos grados de
libertad o parámetros del sistema al número
de incógnitas libres (no determinadas a priori)
en el conjunto de soluciones.

18
Por ejemplo si consideramos el sistema de ecua-
ciones:

x + y = 2
2x + 2y = 4

vemos fácilmente que la segunda ecuación es

dos veces la primera y por lo tanto es redun-
dante.

Ası́ el conjunto de soluciones son los vectores

(x, y) de R2 que cumplen la condición y = 2−x.
Si fijamos la variable x entonces conocemos la
variable y por lo tanto tenemos un parámetro.

19
El teorema de Rouché-Frobenius nos dice ex-
actamente cuantos parámetros tiene un sis-
tema compatible indeterminado.
Teorema. Supongamos que


a1,1x1 + · · · + a1,nxn =
 b1
... ...



am,1x1 + · · · + am,nxn = bm
es un sistema compatible indeterminado, es
decir, rang A = rang(A|b) < n. Entonces el
número de parámetros es

n − rangA

20
Ejemplo. Consideremos el sistema:


x + y + 2z = 1



2x + y + 3z = 2


3x + 2y + 5z = 3
La matriz del sistema y la matriz ampliada son:
 
1 1 2 | 1
 
 2 1 3 | 2 
3 2 5 | 3
Calculamos de golpe el rango de A y de (A|b):
   
1 1 2 | 1 1 1 2 | 1
   
 2 1 3 | 2  ∼  0 −1 −1 | 0  ∼
3 2 5 | 3 0 −1 −1 | 0
 
1 1 2 | 1
 
 0 1 1 | 0 
0 0 0 | 0

21
Por lo tanto el rango de A y de (A|b) es 2.
Ası́ pues el sistema es compatible indetermina-
do.

Además el número de parámetros es

3 − rangA = 1

Ası́ que en el conjunto de soluciones hay una

variable libre.

22
Propiedad. Un sistema homogéneo (los térmi-
nos independientes valen todos cero) siempre
tiene como mı́nimo una solución.

Esto es obvio, el (0, 0, 0) siempre será solu-

ción. De hecho si el sistema es homogéneo,
rangA = rang(A|0) ya que lo único que hace-
mos es añadir una columna de ceros.

23
El método de Gauss para solucionar sis-
temas de ecuaciones

El teorema de Rouché-Frobenius nos permite

decidir cuando un sistema de ecuaciones lin-
eales tiene o no solución.

Si combinamos este método con el de escalon-

amiento de matrices podremos obtener además
las soluciones explı́citamente.

La idea es que si tenemos dos sistemas de

ecuaciones con matrices ampliadas equivalentes
entonces ambos sistemas tienen el mismo número
de soluciones (quizás no tienen solución) y son
las mismas.

Por otro lado si la matriz asociada a un sis-

tema ya está escalonada entonces es muy fácil
obtener las soluciones.

Daremos unos cuantos ejemplos que sirven para

explicar el método.
24
Consideremos el sistema de ecuaciones lineales
que tiene como matrices asociada y ampliada
 
1 3 5 | 1
 
 0 1 4 | 2 
0 0 2 | 4
El sistema asociado será compatible determi-
nado. Para encontrar la solución sólo tenemos
que recordar que cada columna se corresponde
con una variable y que la columna después de
la linea corresponde a los términos independi-
entes.

Para dar la solución vamos encontrando los

valores de cada variable de abajo hacia arriba.

25
  
1 3 5 | 1
 
 0 1 4 | 2 
0 0 2 | 4

La última fila nos dice que 2z = 4,

Ahora substituimos z = 2 en la segunda ecuación

y tenemos y + 8 = 2 por lo tanto y = −6.

Finalmente con estos valores substituimos en

la primera ecuación y obtenemos que x − 18 +
10 = 1, es decir que x = 9.

26
Si ahora consideramos el sistema que tiene por
matrices asociadas:
 
1 3 5 | 1
 
 0 1 4 | 2 
0 0 0 | 0
Entonces tenemos un sistema compatible in-
determinado, como el rango de A es 2 y el
número de incógnitas 3 entonces tenemos un
grado de libertad o, lo que es lo mismo, una
variable libre.

De la segunda ecuación se tiene que y +4z = 2

o por lo tanto que

y = 2 − 4z
Si ahora substituimos en la primera ecuación
entonces se obtiene que x + 3(2 − 4z) + 5z = 1
es decir:
x = −5 + 7z

27
Por lo tanto el conjunto de todas las solu-
ciones de nuestro sistema es

{(x, y, z) ∈ R3 de la forma (7z − 5, 2 − 4z, z)}

A veces hay que tener cuidado con las variables

que tomamos como libres. En el caso anterior
cualquiera de las variables nos hubiese servido.

28
En el ejemplo que sigue esto no es ası́:
 
1 4 1 | 1
 
 0 1 0 | 1 
0 0 0 | 0
Aquı́ la segunda ecuación nos dice que y = 1
por lo tanto esta no puede ser una variable
libre. El valor es fijo!

Sabiendo esto, substituimos ahora en la primera

ecuación y obtenemos x+4−z = 1, por lo tan-
to x = z − 3. Aquı́ las variables que se pueden
tomar como libres son la x o la z. La solución
general del sistema serı́a:

{(x, y, z) ∈ R3 de la forma (z − 3, 1, z)}

o si preferimos dejar todo en función de la
primera variable:

{(x, y, z) ∈ R3 de la forma (x, 1, x + 3)}

29
Cómo hemos dicho antes dos sistemas con ma-
trices asociadas equivalentes por filas tienen
exactamente las mismas soluciones esto es de-
bido a que:

Si multiplicamos una ecuación por un nu-

mero diferente de cero la ecuación no cam-
bia.

Si reordenamos las ecuaciones el sistema

no cambia.

Si a una ecuación le sumamos (un múltiplo

de) otra ecuación el sistema no cambia.

30
Ası́ pues si miramos esto a nivel de las matri-
ces del sistema si dos sistemas tienen matrices
equivalentes por filas la solución no cambia.

El método de Gauss consiste entonces en trans-

formar nuestro sistema en uno cuya matriz
(ampliada) asociada este escalonada.

Las soluciones (si las tiene) de este nuevo sis-

tema, que son fáciles de encontrar, serán ex-
actamente las soluciones del sistema original.

31
El método de Cramer

Supongamos ahora que tenemos un sistema de

n ecuaciones y n incógnitas.

Ası́ pues la matriz del sistema es una matriz

cuadrada.

El sistema será compatible determinado si, y

sólo si, el rango de la matriz del sistema es n
o lo que es lo mismo si el determinante de la
matriz del sistema es diferente de cero.

El método de Cramer proporciona un manera

de obtener las soluciones de este tipo de sis-
temas mediante determinantes.

32
Funciona ası́:

Consideremos un sistema compatible determi-

nado:


a1,1x1 + · · · + a1,nxn =
 b1
... ...



an,1x1 + · · · + an,nxn = bn

Ya sabemos que
¯ ¯
¯ a ¯
¯ 11 a12 . . . a1n ¯
¯ .. ... ... ... ¯¯ =
¯ . 6 0
¯ ¯
¯ an1 an2 . . . ann ¯

Llamemos (x∗1, x∗2, . . . , x∗n) a la única solución

del sistema.

33
Entonces:
¯ ¯
¯ b1 a12 ... a1n ¯¯
¯
¯
¯ ... ... ... ... ¯¯
¯ ¯
¯ bn an2 ... ann ¯
x∗1 = ¯¯ ¯
¯ a11 a12 . . . a1n ¯¯
¯
¯ ... ... ... ... ¯¯
¯ ¯
¯ an1 an2 . . . ann ¯
¯ ¯
¯ a a1n ¯¯
¯ 11 b1 . . .
¯ .. ... . . . ... ¯¯
¯ .
¯ ¯
¯ an1 bn . . . ann ¯
∗
x2 = ¯¯ ¯ ...
¯ a11 a12 . . . a1n ¯¯
¯ .. ... ... ... ¯¯
¯ .
¯ ¯
¯ an1 an2 . . . ann ¯
¯ ¯
¯ a ¯
¯ 11 a12 . . . b1 ¯
¯ .. ... . . . ... ¯
¯ . ¯
¯ ¯
¯ an1 an2 . . . bn ¯
∗
. . . xn = ¯¯ ¯
¯
¯ a11 a12 . . . a1n ¯
¯ .. ... ... ... ¯
¯ . ¯
¯ ¯
¯ an1 an2 . . . ann ¯

34
Ejemplo. Vamos a calcular las soluciones del
sistema:


x + 2y + z = 1



2x + y + 2z = 0


x − y + 3z = 0
La matriz asociada al sistema es:
 
1 2 1
 
 2 1 2 
1 −1 3
Que tiene determinante −6 por lo tanto el
sistema es compatible determinado, tiene una
única solución.

35
Vamos a aplicar el método de Cramer. Si la
solución es (x∗, y ∗, z ∗) tendremos que:
¯ ¯
¯ 1 2 1 ¯
¯ ¯
¯ ¯
¯ 0 1 2 ¯
¯ ¯
¯ 0 −1 3 ¯ −5
x∗ = =
−6 6
¯ ¯
¯ 1 1 1 ¯
¯ ¯
¯ ¯
¯ 2 0 2 ¯
¯ ¯
¯ 1 0 3 ¯ −4 2
y∗ = = =
−6 −6 3
¯ ¯
¯ 1 2 1 ¯
¯ ¯
¯ ¯
¯ 2 1 0 ¯
¯ ¯
¯ 1 −1 0 ¯ −3 1
z∗ = = =
−6 −6 2

36
Este método es tremendamente más pesado
que el método de Gauss y yo personalmente
no lo utilizo nunca.

37