SISTEMA DE ECUACIONES.
MÉTODO DE GAUSS
1.- INTERPRETACIÓN DE SISTEMAS DE ECUACIONES DE 2 INCÓGNITAS
2.- INTERPRETACIÓN DE SISTEMAS DE ECUACIONES DE 3 INCÓGNITAS
Los tres planos se intersecan en un solo punto. Por lo que existe
una solución única para el sistema.
Sistema Compatible Determinado
Dos de los planos coinciden e intersecan a un tercer plano en la
recta. Entonces cada punto sobre la recta es una solución y existe
un número infinito de soluciones.
Sistema Compatible Indeterminado
Los tres planos se intersecan en la misma recta. Por lo que cada
punto sobre la recta es una solución y el sistema tiene un número
infinito de soluciones.
Sistema Compatible Indeterminado
Al menos dos de los planos son paralelos y distintos. Por lo que
ningún punto puede estar en ambos y no hay solución.
Sistema Incompatible
Dos de los planos coinciden en una recta L. El tercer plano es
paralelo a L (y no contiene a LJ, de manera que ningún punto del
tercer plano se encuentra en los dos primeros.
Sistema Incompatible
3.- SISTEMAS DE ECUACIONES. MATRIZ DE COEFICIENTES Y MATRIZ AMPLIADA.

 2x + y − z = 11  2 1 −1   2 1 −1 11
    
 x −3 y = −20 
→ A =  1 −3 0  ;  1 −3 0 −20 
 4x +2 y +5 z = 8  4 2 5  4 2 5 8 
   
Sistema de Ecuaciones Matriz de Coeficientes Matriz Ampliada

4.- RESOLUCIÓN DE SISTEMAS D ECUACIONES POR EL MÉTODO DE GAUSS

4.1.- Operaciones elementales de ecuaciones.

1. Multiplicar o dividir una fila por un número distinto de cero

2. Sumar un múltiplo de una fila a otra
3. Intercalar o intercambiar dos filas

4.2.- Notación de las operaciones con matrices

 4.3.- Matriz escalonada reducida por renglones

4.4.- Matriz escalonada por renglones

Una matriz está escalonada por renglones si se cumplen las condiciones i), ii) y iii) del
apartado 3.3.-

Se cuenta con dos métodos para resolver los ejemplos de sistemas de ecuaciones:

1. Eliminación de Gauss-Jordan
Se reduce por fila la matriz de coeficientes a la forma escalonada reducida por renglones.
Se obtiene de este modo la solución directa de las incognitas.

2. Eliminación Gaussiana
Se reduce por fila la matriz de coeficientes a la forma escalonada por renglones, se
despeja el valor de la última incógnita y después se usa la sustitución hacia atrás para las
demás incógnitas.
 VECTORES Y MATRICES
1.- DEFINICIONES
1.1.- Vector fila de n componentes: Un vector de n componentes se define como un conjunto ordenado de
n números escritos de la siguiente manera:

( x1 , x2 ,… , xn )

1.2.- Vector columna de n componentes: Un vector columna de n componentes es un conjunto ordenado

de n números escritos de la siguiente manera:

 x1 
 
 x2 
⋮ 
 
 xn 

1.3.- Matriz: Una matriz A de m x n es un arreglo rectangular de m·n números dispuestos en m renglones y
n columnas:

 a11 a12 … a1 j … a1n 

 
 a21 a22 … a2 j … a2 n 
 ⋮ ⋮ ⋮ ⋮ 
 
 ai1 ai 2 aij ain 
 ⋮ ⋮ ⋮ ⋮ 
 
a am 2 … amj … amn 
 m1

 a1 j 
 
a2 j
El vector fila ( ai1 , ai 2 ,… , ain ) se llama fila i y el vector columna   se llama columna j. la componente o elemento ij de
 ⋮ 
 
 amj 
A, denotado por aij , es el número que aparece en el reglón i y la columna j de A. en ocasiones se escribirá A como
A = ( aij ) . Por lo general las matrices se denotarán con letras mayúsculas. Si A es una matriz m x n con m=n, entonces A se
llama matriz cuadrada. Una matriz m x n con todos los elementos iguales a cero se denomina matriz cero de m x n.

1.4.- Igualdad de matrices: Dos matrices A = ( aij ) y B = ( bij ) son iguales si son del mismo tamaño y las
componentes correspondientes son iguales.

1.5.- Suma (y resta) de matrices: Sean A = ( aij ) y B = ( bij ) dos matrices de m x n y α un escalar,
entonces la matriz m x n , α ⋅ A , está dada por:

Esto es, α ⋅ A = α ⋅ ( aij ) es la matriz obtenida al multiplicar cada componente de A por α . Si

α ⋅ A = B = ( bij ) , entonces para i = 1, 2,..., m y j = 1, 2,..., n
 1.6.- Propiedades

2.- OPERACIONES CON MATRICES

2.1.- Producto escalar: Se hace necesario que a y b tengan el mismo número de componentes.

A menudo se tomará el producto escalar de un vector renglón y un vector columna.

1. Propiedades del producto escalar:

2.2.- Producto de matrices: Sea A = ( aij ) una matriz m x n, y sea B = ( bij ) una matriz n x p. Entonces el
producto de A y B es una matriz m x p, C = ( cij ) en donde:

cij = ( fila i de A ) ⋅ ( columna j de B )

Es decir, el elemento ij de A·B es el producto escalar de la fila i de A y la columna j de B. si esto se

extiende, se obtiene:
cij = ai1 ⋅ b1 j + ai 2 ⋅ b2 j + ⋯ + ain ⋅ bnj

Dos matrice se pueden multiplicar únicamente si el número de columnas de la primera matriz es igual al
número de filas de la segunda:

2.3.- Ley asociativa para la multiplicación de matrices

2.4.- Leyes distributivas para la multiplicación de matrices

3.- INVERSA DE UNA MATRIZ CUADRADA

3.1.- Matriz Identidad

3.2.- La Inversa de una matriz

3.3.- Cálculo de la inversa mediante la eliminación de Gauss

 Mediante la eliminación de Gauss-Jordan, se llegará a la siguiente expresión:
1 0 x 1 0 y
  ;  
0 1 z 0 1 w

Procedimiento para encontrar la matriz inversa

1. Se escribe la matriz aumentada ( A | I )

2. Se utiliza la reducción por filas para poner la matriz A a su forma escalonada reducida por filas.
3. Se decide si A es invertible:
▪ Si la forma escalonada reducida por filas de A es la matriz identidad I, entonces
A−1 es la matriz que se tiene a la derecha de la barra vertical.
▪ Si la reducción de A conduce a una fila de ceros a la izquierda de la barra
vertical, entonces A no es invertible.

3.4.- Cálculo de la inversa mediante el determinante de la matriz ( det ( A) = a

11 ⋅ a22 − a12 ⋅ a21 )
4.- TRASPUESTA DE UNA MATRIZ

4.1.- Matriz simétrica

 D E T E RM I NANT E S
1.- DEFINICIONES

1.1.- Determinante de 3x3

1.2.- Menor

1.3.- Cofactor

1.4.- Determinante de una matriz n x n

 1.5.- Determinante de una matriz triangular superior o inferior: Es el producto de los elementos de la
diagonal:

1.6.- Interpretación geométrica del determinante de 2x2

2.- PROPIEDADES DE LOS DETERMINANTES

2.1.- El determinante del producto de dos matrices, es el producto de los determinantes

Sean A y B dos matrices de n x n. entonces

det ( A ⋅ B ) = det A ⋅ det B

Observación: Note que el producto de la izquierda es un producto de matrices mientras que el de la

derecha es de escalares.
2.2.- El determinante de la traspuesta es el determinante de la matriz
det A ' = det A
2.3.- El intercambio de filas (o columnas) distintas de A tiene el efecto de multiplicar por -1 el
determinante: Pij → − det A

2.4.- Si A tiene dos filas o columnas iguales, entonces det A = 0

2.5.- Si una fila (o columna) de A es combinación lineal de otra, su determinante es 0, det A = 0
2.6.- Si se suma un múltiplo escalar de una fila (o columna) de A a otra fila (o columna) de A , su
determinante no cambia
2.7.- Extensión del cálculo del determinante de una matriz n x n. Expansión por cofactores

2.8.- Si cualquier fila o columna de A es cero, entonces det A = 0

2.9.- Si la fila i o la columna j de A se multiplica por un escalar c, entonces det A se multiplica por c.
Es decir, si denota por B esta nueva matriz, entonces:

2.10.-
3.- DETERMINANTES E INVERSAS

Si A es invertible, entonces det A ≠ 0 y

1
det A−1 =
det A
 A11 A12 … A1n 
 
A A22 … A2 n 
3.1.- La adjunta: Sea A una matriz de n x n y sea B, dada por B =  21 , la matriz de sus
 ⋮ ⋮ ⋮ 
 
 An1 An 2 … Ann 
cofactores. Entonces la adjunta de A, escrito adjA , es la traspuesta de la matriz B de n x n, es decir,

 A11 A21 … An1 

 
A A22 … An 2 
adjA = B t =  12
 ⋮ ⋮ ⋮ 
 
 A1n A2 n … Ann 

Expuesto estos planteamientos, se puede concluir con el siguiente teorema:

 4.- REGLA DE CRAMER

5.- TEOREMA DE ROUCHE-FROBENIUS

Dados el sistema de m ecuaciones lineales con n incógnitas, sea A la matriz de los coeficientes y B
la matriz ampliada de ésta con los términos independientes:

 a11 ⋅ x1 + a12 ⋅ x2 + ⋯ + a1n ⋅ xn = b1

a ⋅ x + a ⋅ x + ⋯ + a ⋅ x = b La condición necesaria y suficiente para que un
 21 1 22 2 2n n 2

⋅ + ⋅ + ⋯ + ⋅ = sistema de m ecuaciones con n incógnitas tenga

 31 1
a x a 32 x 2 a3n x n b3
⋯ solución es que el rango de las matrices A y B (de los
 coeficientes y ampliada) sean iguales
 am 1 ⋅ x1 + am 2 ⋅ x2 + ⋯ + amn ⋅ xn = bm

 a11 a12 a13 … a1n   a11 a12 a13 … a1n b1 

a a22 a23 … a2 n  a a22 a23 … a2 n b2 
 21  21
A =  a31 a32 a33 … a3 n  ; B =  a31 a32 a33 … a3 n b3 
   
… … … … … … … … … … ⋮
 am 1 am 2 am 3 … amn   am 1 am 2 am 3 … amn bm 

ran ( A ) = ran ( B) = n incognitas → SCD ( solución única )


ran ( A ) = ran ( B ) ⇒ SISTEMA COMPATIBLE 
  
ran A = ran B < n incognitas
 ( ) ( ) → SCI ( solución ∞ )
tiene solución

ran ( A ) ≠ ran ( B) ⇒ SISTEMA INCOMPATIBLE


no tiene solución