M odulo 2.

Resoluci on de sistemas de
ecuaciones lineales I
Mara Teresa Gonz alez Montesinos
Contenidos
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Motivaci on
Problema fundamental de

Algebra Lineal
Resoluci on simult anea de ecuaciones lineales.
Aplicaciones
Tratamiento de problemas de distintas disciplinas
cientcas.
Los m etodos num ericos usados para afrontar problemas
m as complejos requieren la resoluci on de sistemas de
ecuaciones lineales como parte del propio algoritmo.
Motivaci on
Problema fundamental de

Algebra Lineal
Resoluci on simult anea de ecuaciones lineales.
Aplicaciones
Tratamiento de problemas de distintas disciplinas
cientcas.
Los m etodos num ericos usados para afrontar problemas
m as complejos requieren la resoluci on de sistemas de
ecuaciones lineales como parte del propio algoritmo.
Motivaci on. M etodos de resoluci on
Regla de Cramer
Gran coste computacional.
M etodo de eliminaci on de
Gauss
Errores de redondeo.
Objetivo
Abordar algunos m etodos directos de resoluci on de un sistema
de ecuaciones lineales.
Estos algoritmos nos permiten obtener, en teora, la soluci on
exacta con un n umero nito de operaciones elementales,
puesto que en la pr actica existen errores de redondeo.
Motivaci on. M etodos de resoluci on
Regla de Cramer
Gran coste computacional.
M etodo de eliminaci on de
Gauss
Errores de redondeo.
Objetivo
Abordar algunos m etodos directos de resoluci on de un sistema
de ecuaciones lineales.
Estos algoritmos nos permiten obtener, en teora, la soluci on
exacta con un n umero nito de operaciones elementales,
puesto que en la pr actica existen errores de redondeo.
Motivaci on. M etodos de resoluci on
Regla de Cramer
Gran coste computacional.
M etodo de eliminaci on de
Gauss
Errores de redondeo.
Objetivo
Abordar algunos m etodos directos de resoluci on de un sistema
de ecuaciones lineales.
Estos algoritmos nos permiten obtener, en teora, la soluci on
exacta con un n umero nito de operaciones elementales,
puesto que en la pr actica existen errores de redondeo.
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Introducci on
Resoluci on de un sistema de ecuaciones lineales:
(SL)
_

_
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
ij
coecientes del sistema,
x
i
inc ognitas,
b
j
t erminos independientes,
a
ij
, x
i
, b
j
K = R o C, 1 i m, 1 j n.
Introducci on
Expresi on matricial de (SL):
Ax = b,
donde
A = (a
ij
) =
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
K
mn
,
x =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
K
n1
, b =
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
K
m1
,
siendo A la matriz de coecientes, x la matriz de variables o
inc ognitas y b la matriz de t erminos independientes. La matriz (A|b)
se denomina matriz ampliada del sistema.
Introducci on
Denici on
El sistema (SL) o Ax = b es
incompatible si no posee soluci on;
compatible si posee soluci on:
compatible determinado si la soluci on es unica;
compatible indeterminado si posee m as de una soluci on,
en cuyo tendr a innitas soluciones.
Denici on
Se dice que dos sistemas de ecuaciones lineales son
equivalentes si poseen las mismas soluciones.
Introducci on
Denici on
El sistema (SL) o Ax = b es
incompatible si no posee soluci on;
compatible si posee soluci on:
compatible determinado si la soluci on es unica;
compatible indeterminado si posee m as de una soluci on,
en cuyo tendr a innitas soluciones.
Denici on
Se dice que dos sistemas de ecuaciones lineales son
equivalentes si poseen las mismas soluciones.
Introducci on
Denici on
El sistema (SL) o Ax = b es
incompatible si no posee soluci on;
compatible si posee soluci on:
compatible determinado si la soluci on es unica;
compatible indeterminado si posee m as de una soluci on,
en cuyo tendr a innitas soluciones.
Denici on
Se dice que dos sistemas de ecuaciones lineales son
equivalentes si poseen las mismas soluciones.
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Eliminaci on gaussiana
M etodo de resoluci on de sistemas de ecuaciones de f acil
programaci on: permite resolver un sistema con la ayuda
del ordenador.
Aplicar a la matriz ampliada del sistema transformaciones
elementales sobre las las obteniendo sistemas
equivalentes al dado cada vez m as manejables,
consiguiendo un sistema equivalente al inicial cuya matriz
de coecientes es escalonada.
Tambi en conocido como m etodo de eliminaciones
sucesivas o m etodo de escalonamiento.
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Resoluci on por eliminaci on gaussiana
Ejemplo 1
Sea el sistema
(SL
1
)
_
_
_
2x + y +z = 1,
4x + y =2,
2x +2y +z = 7.
Resoluci on por eliminaci on gaussiana
Ejemplo 1
Sea el sistema
(SL
1
)
_
_
_
2x + y +z = 1,
4x + y =2,
2x +2y +z = 7.
La matriz ampliada viene dada por
(A|b) =
_
_
2 1 1 1
4 1 0 2
2 2 1 7
_
_
.
Resoluci on por eliminaci on gaussiana
Ejemplo 1
Sea el sistema
(SL
1
)
_
_
_
2x + y +z = 1,
4x + y =2,
2x +2y +z = 7.
La matriz ampliada viene dada por
(A|b) =
_
_
2 1 1 1
4 1 0 2
2 2 1 7
_
_
.
Vemos que a
11
= 2 = 0; este elemento se llama pivote.
Resoluci on por eliminaci on gaussiana
Ejemplo 1
La matriz ampliada viene dada por
(A|b) =
_
_
2 1 1 1
4 1 0 2
2 2 1 7
_
_
.
(1) Sumamos a la segunda ecuaci on la primera multiplicada por 2.
(2) Sumamos a la tercera ecuaci on la primera multiplicada por 1.
(A|b)
(1)

_
_
2 1 1 1
0 1 2 4
2 2 1 7
_
_
(2)

_
_
2 1 1 1
0 1 2 4
0 3 2 8
_
_
.
Resoluci on por eliminaci on gaussiana
Ejemplo 1
(1) Sumamos a la segunda ecuaci on la primera multiplicada por 2.
(2) Sumamos a la tercera ecuaci on la primera multiplicada por 1.
(A|b)
(1)

_
_
2 1 1 1
0 1 2 4
2 2 1 7
_
_
(2)

_
_
2 1 1 1
0 1 2 4
0 3 2 8
_
_
.
Hemos obtenido as la matriz ampliada de otro sistema equivalente al
dado:
(SL
2
)
_
_
_
2x + y + z = 1,
y 2z =4,
3y +2z = 8.
Resoluci on por eliminaci on gaussiana
Ejemplo 1
(1) Sumamos a la tercera ecuaci on la segunda multiplicada por 3.
(2) Multiplicamos la tercera ecuaci on por 1/4.
_
_
2 1 1 1
0 1 2 4
0 3 2 8
_
_
(1)

_
_
2 1 1 1
0 1 2 4
0 0 4 4
_
_
(2)

_
_
2 1 1 1
0 1 2 4
0 0 1 1
_
_
.
Resoluci on por eliminaci on gaussiana
Ejemplo 1
(1) Sumamos a la tercera ecuaci on la segunda multiplicada por 3.
(2) Multiplicamos la tercera ecuaci on por 1/4.
_
_
2 1 1 1
0 1 2 4
0 3 2 8
_
_
(1)

_
_
2 1 1 1
0 1 2 4
0 0 4 4
_
_
(2)

_
_
2 1 1 1
0 1 2 4
0 0 1 1
_
_
.
Obtenemos el sistema equivalente al inicial y al anterior
(SL
3
)
_
_
_
2x +y + z = 1,
y 2z =4,
z = 1,
y el proceso de eliminaci on ha nalizado.
Resoluci on por eliminaci on gaussiana
Ejemplo 1
(SL
3
)
_
_
_
2x +y + z = 1,
y 2z =4,
z = 1,
Hemos obtenido un sistema triangular superior que resolveremos me-
diante el llamado m etodo de subida, ascenso o sustituci on regresiva:
z = 1,
y 2 = 4 = y = 2,
2x + 2 + 1 = 1 = x = 1.
Es decir, (SL) es un sistema compatible determinado y la unica solu-
ci on del sistema es (1, 2, 1)
t
.
Resoluci on por eliminaci on gaussiana
Ejemplo 2
Consideremos el sistema
(SL)
_
_
_
x + y +z =1,
2x +2y +z =2,
x + y =1.
Procedamos a escalonar la matriz ampliada de (SL):
_
_
1 1 1 1
2 2 1 2
1 1 0 1
_
_

_
_
1 1 1 1
0 0 1 0
0 0 1 0
_
_

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

Esta es la matriz ampliada del sistema

(SL
1
)
_
x +y +z =1,
z =0.
La sustituci on regresiva nos conduce a que z = 0 y x = 1 y.
Resoluci on por eliminaci on gaussiana
Ejemplo 2
La sustituci on regresiva nos conduce a que z = 0 y x = 1 y.
Existe una relaci on de dependencia entre las variables x e y: cual-
quiera que sea el valor de y, este determinar a otro para x.
(SL
1
) es pues un sistema compatible indeterminado, y sus innitas
soluciones vienen dadas, de forma param etrica, por
_
_
_
x = 1 ,
y = ,
z = 0,
para cualquier K.
Se dice entonces que y es la variable independiente, y x y z son las
variables dependientes.
Resoluci on por eliminaci on gaussiana
Ejemplo 3
Para resolver el sistema

x 2y +2z =3,
x 5y +4z =1,
2x 3y +2z =1,
usemos de nuevo el procedimiento de los ejemplos anteriores:

1 2 2 3
3 5 4 1
2 3 2 1

1 2 2 3
0 1 2 8
0 1 2 5

1 2 2 3
0 1 2 8
0 0 0 3

.
La ultima la de esta matriz representa a la ecuaci on
0x + 0y + 0z = 3,
lo que produce un sistema incompatible por ser 0 = 3. Por consiguiente, el
sistema es incompatible.
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Transformaciones elementales
Se denominan transformaciones elementales ciertas
transformaciones que se realizan en una matriz, y que nos
ser an de gran utilidad en la resoluci on de sistemas de
ecuaciones lineales as como en otras operaciones con
matrices que estudiaremos en temas posteriores.
Estas transformaciones modican los elementos de una la o
una columna de la matriz, o intercambian dos las o columnas
de esta.
En toda esta secci on, ser a A K
mn
, e I
m
e I
n
denotar an,
respectivamente, a la matrices identidad de orden m y n.
Transformaciones elementales de la
Transformaci on F
ij
Intercambia las las i esima y j esima de A al multiplicar por la
izquierda A por la matriz F
ij
, siendo esta el resultado de intercambiar
las las i esima y j esima de la matriz I
m
.
Ejemplo 4
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para intercambiar las las 2
a
y 3
a
aplicamos la transformaci on F
23
:
F
23
A =
_
_
1 0 0
0 0 1
0 1 0
_
_
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
=
_
_
2 1 3 4
1 0 2 3
4 2 1 5
_
_
.
Transformaciones elementales de la
Transformaci on F
ij
Intercambia las las i esima y j esima de A al multiplicar por la
izquierda A por la matriz F
ij
, siendo esta el resultado de intercambiar
las las i esima y j esima de la matriz I
m
.
Ejemplo 4
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para intercambiar las las 2
a
y 3
a
aplicamos la transformaci on F
23
:
F
23
A =
_
_
1 0 0
0 0 1
0 1 0
_
_
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
=
_
_
2 1 3 4
1 0 2 3
4 2 1 5
_
_
.
Transformaciones elementales de la
Transformaci on F
i
()
Multiplica la la i esima de A por un n umero = 0, multiplicando por
la izquierda A por la matriz F
i
(), siendo esta el resultado de
multiplicar por la la i esima de la matriz I
m
.
Ejemplo 5
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para multiplicar por 3 la 2
a
la de A, aplicamos F
2
(3):
F
2
(3)A =
_
_
1 0 0
0 3 0
0 0 1
_
_
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
=
_
_
2 1 3 4
12 6 3 15
1 0 2 3
_
_
.
Transformaciones elementales de la
Transformaci on F
i
()
Multiplica la la i esima de A por un n umero = 0, multiplicando por
la izquierda A por la matriz F
i
(), siendo esta el resultado de
multiplicar por la la i esima de la matriz I
m
.
Ejemplo 5
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para multiplicar por 3 la 2
a
la de A, aplicamos F
2
(3):
F
2
(3)A =
_
_
1 0 0
0 3 0
0 0 1
_
_
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
=
_
_
2 1 3 4
12 6 3 15
1 0 2 3
_
_
.
Transformaciones elementales de la
Transformaci on F
ij
()
Suma a la la i esima de A su la j esima multiplicada por = 0,
que se consigue multiplicando por la izquierda la matriz A por la
matriz F
ij
(), siendo esta la resultante de sumar a la la i esima de
la matriz I
m
su la j esima multiplicada por .
Ejemplo 6
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Si queremos restar a la 2
a
la de A el doble de la primera, aplicamos
F
21
(2):
F
21
(2)A =

1 0 0
2 1 0
0 0 1

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

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

.
Transformaciones elementales de la
Transformaci on F
ij
()
Suma a la la i esima de A su la j esima multiplicada por = 0,
que se consigue multiplicando por la izquierda la matriz A por la
matriz F
ij
(), siendo esta la resultante de sumar a la la i esima de
la matriz I
m
su la j esima multiplicada por .
Ejemplo 6
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Si queremos restar a la 2
a
la de A el doble de la primera, aplicamos
F
21
(2):
F
21
(2)A =

1 0 0
2 1 0
0 0 1

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

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

.
Transformaciones elementales de columna
Transformaci on C
ij
Intercambia las columnas i esima y j esima de A al multiplicar por la
derecha A por la matriz C
ij
, siendo esta el resultado de intercambiar
las columnas i esima y j esima de la matriz I
n
.
Ejemplo 7
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Si deseamos intercambiar las columnas 1
a
y 4
a
de la matriz A, aplica-
mos C
14
:
AC
14
=
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
_
_
_
_
0 0 0 1
0 1 0 0
0 0 1 0
1 0 0 0
_
_
_
_
=
_
_
4 1 3 2
5 2 1 4
3 0 2 1
_
_
.
Transformaciones elementales de columna
Transformaci on C
ij
Intercambia las columnas i esima y j esima de A al multiplicar por la
derecha A por la matriz C
ij
, siendo esta el resultado de intercambiar
las columnas i esima y j esima de la matriz I
n
.
Ejemplo 7
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Si deseamos intercambiar las columnas 1
a
y 4
a
de la matriz A, aplica-
mos C
14
:
AC
14
=
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
_
_
_
_
0 0 0 1
0 1 0 0
0 0 1 0
1 0 0 0
_
_
_
_
=
_
_
4 1 3 2
5 2 1 4
3 0 2 1
_
_
.
Transformaciones elementales de columna
Transformaci on C
i
()
Multiplica la columna i esima de A por un n umero = 0,
multiplicando por la derecha A por la matriz C
i
(), siendo esta el
resultado de multiplicar por la la i esima de la matriz I
n
.
Ejemplo 8
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para multiplicar por 2 la 3
a
columna de la matriz A aplicamos C
3
(2):
AC
3
(2) =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 2 0
0 0 0 1
_
_
_
_
=
_
_
2 1 6 4
4 2 2 5
1 0 4 3
_
_
.
Transformaciones elementales de columna
Transformaci on C
i
()
Multiplica la columna i esima de A por un n umero = 0,
multiplicando por la derecha A por la matriz C
i
(), siendo esta el
resultado de multiplicar por la la i esima de la matriz I
n
.
Ejemplo 8
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para multiplicar por 2 la 3
a
columna de la matriz A aplicamos C
3
(2):
AC
3
(2) =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 2 0
0 0 0 1
_
_
_
_
=
_
_
2 1 6 4
4 2 2 5
1 0 4 3
_
_
.
Transformaciones elementales de columna
Transformaci on F
ij
()
Suma a la columna i esima de A su columna j esima multiplicada
por = 0, que se consigue multiplicando por la derecha la matriz A
por la matriz C
ij
(), siendo esta la resultante de sumar a la columna
i esima de la matriz I
n
su columna j esima multiplicada por .
Ejemplo 9
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para sumar a la 3
a
columna de A el doble de la 1
a
aplicamos C
31
(2):
AC
31
(2) =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
_
_
_
_
1 0 2 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
=
_
_
2 1 7 4
4 2 9 5
1 0 4 3
_
_
.
Transformaciones elementales de columna
Transformaci on F
ij
()
Suma a la columna i esima de A su columna j esima multiplicada
por = 0, que se consigue multiplicando por la derecha la matriz A
por la matriz C
ij
(), siendo esta la resultante de sumar a la columna
i esima de la matriz I
n
su columna j esima multiplicada por .
Ejemplo 9
Consideremos la matriz
A =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
.
Para sumar a la 3
a
columna de A el doble de la 1
a
aplicamos C
31
(2):
AC
31
(2) =
_
_
2 1 3 4
4 2 1 5
1 0 2 3
_
_
_
_
_
_
1 0 2 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
=
_
_
2 1 7 4
4 2 9 5
1 0 4 3
_
_
.
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Algoritmo de GaussJordan
Teorema
Cualquiera que sea A K
mn
, existen dos matrices F y U tales que
FA = U, siendo U una matriz escalonada.
Ejemplo 9
Algoritmo de GaussJordan
Teorema
Cualquiera que sea A K
mn
, existen dos matrices F y U tales que
FA = U, siendo U una matriz escalonada.
Ejemplo 9
A =

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

F
21
(2)

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

F
31
(

1
/
2)

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

F
23

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

= U,
siendo U una matriz escalonada. Tenemos que
F
23
F
31

1
2

F
21
(2)A = U =FA = U.
Algoritmo de GaussJordan
Teorema
Cualquiera que sea A K
mn
, existen dos matrices F y U tales que
FA = U, siendo U una matriz escalonada.
Ejemplo 9
F
23
F
31

1
2

F
21
(2)A = U =FA = U.
Cu al es la matriz F?
F = F
23
F
31

1
2

F
21
(2)
=

1 0 0
0 0 1
0 1 0

1 0 0
0 1 0

1
/
2
0 1

1 0 0
2 1 0
0 0 1

1 0 0

1
/
2
0 1
2 1 0

.
Algoritmo de GaussJordan
Denici on (Matriz escalonada can onica)
Se denomina matriz escalonada can onica a una matriz escalonada
tal que que el primer elemento no nulo de una la es igual a uno y
adem as, este es el unico elemento no nulo de su columna.
Teorema
Toda matriz puede reducirse, mediante transformaciones
elementales de las, a una matriz escalonada can onica.
Demostraci on
Obtenida la matriz U, si en una la hay alg un elemento no nulo, la
dividimos por el primer elemento no nulo de ella mediante F
i
() y lo
utilizamos para hacer ceros todos los de su columna (que se
encontrar an por encima de el). Este proceso es conocido como
algoritmo de GaussJordan.
Algoritmo de GaussJordan
Denici on (Matriz escalonada can onica)
Se denomina matriz escalonada can onica a una matriz escalonada
tal que que el primer elemento no nulo de una la es igual a uno y
adem as, este es el unico elemento no nulo de su columna.
Teorema
Toda matriz puede reducirse, mediante transformaciones
elementales de las, a una matriz escalonada can onica.
Demostraci on
Obtenida la matriz U, si en una la hay alg un elemento no nulo, la
dividimos por el primer elemento no nulo de ella mediante F
i
() y lo
utilizamos para hacer ceros todos los de su columna (que se
encontrar an por encima de el). Este proceso es conocido como
algoritmo de GaussJordan.
Algoritmo de GaussJordan
Denici on (Matriz escalonada can onica)
Se denomina matriz escalonada can onica a una matriz escalonada
tal que que el primer elemento no nulo de una la es igual a uno y
adem as, este es el unico elemento no nulo de su columna.
Teorema
Toda matriz puede reducirse, mediante transformaciones
elementales de las, a una matriz escalonada can onica.
Demostraci on
Obtenida la matriz U, si en una la hay alg un elemento no nulo, la
dividimos por el primer elemento no nulo de ella mediante F
i
() y lo
utilizamos para hacer ceros todos los de su columna (que se
encontrar an por encima de el). Este proceso es conocido como
algoritmo de GaussJordan.
Algoritmo de GaussJordan
Ejemplo 10
En el ejemplo 9 hemos visto que
A U =

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

F
1
(
1
/
2)

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

F
2
(2)

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

F
12
(

1
2
)

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

F
3
(

1
/
5)

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

F
13
(2)

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

F
23
(1)

1 0 0
9
/
5
0 1 0
7
/
5
0 0 1
3
/
5

,
que es una matriz escalonada can onica.
Este proceso junto con el llevado a cabo en el ejemplo 9 es justamente el
algoritmo de GaussJordan.
Motivaci on
Introducci on
Eliminaci on gaussiana
M etodo de resoluci on por eliminaci on gaussiana
Notaci on matricial: transformaciones elementales
Algoritmo de GaussJordan
Rango de una matriz. Teorema de Rouch eFr obenious
Rango de una matriz
Denici on
Dada una matriz A K
mn
, llamamos rango de A a
rg(A) = mn(n
f
, n
c
),
siendo n
f
y n
c
el n umero de las y columnas no nulas,
respectivamente, de una matriz escalonada U obtenida por
eliminaci on gaussiana, o de la matriz escalonada can onica.
Teorema de Rouch eFr obenious
Teorema (Teorema de Rouche-Fr obenius)
El sistema Ax = b es compatible si, y s olo si, rg(A) = rg(A|b). Es
m as,
si rg(A) = rg(A|b) = n, entonces el sistema es compatible
determinado;
si rg(A) = rg(A|b) < n, el sistema es compatible indeterminado.
Ejemplo 11
Ejemplo 1: rg(A) = rg(A|b) = 3 = sistema compatible
determinado.
Ejemplo 2: rg(A) = rg(A|b) = 2 = sistema compatible
indeterminado.
Ejemplo 3: rg(A) = 2 = 3 = rg(A|b) = sistema incompatible.
Teorema de Rouch eFr obenious
Teorema (Teorema de Rouche-Fr obenius)
El sistema Ax = b es compatible si, y s olo si, rg(A) = rg(A|b). Es
m as,
si rg(A) = rg(A|b) = n, entonces el sistema es compatible
determinado;
si rg(A) = rg(A|b) < n, el sistema es compatible indeterminado.
Ejemplo 11
Ejemplo 1: rg(A) = rg(A|b) = 3 = sistema compatible
determinado.
Ejemplo 2: rg(A) = rg(A|b) = 2 = sistema compatible
indeterminado.
Ejemplo 3: rg(A) = 2 = 3 = rg(A|b) = sistema incompatible.