Matemática IB

Apunte 07 Método de Eliminación de Gauss

Prof. Alfredo Alzaga
Primer cuatrimestre 2022

Con ecuaciones
Dos sistemas de ecuaciones son equivalentes si tienen exactamente las mismas solu-
ciones.
Dado un sistema de ecuaciones lineales


 a11 x1 + a12 x2 + · · · + a1m xm = y1
 a21 x1 + a22 x2 + · · · +

a2m xm = y2
.. .. .. .. . . . .. .. ..

 . . . . . .. . . .

 a x + a x + ··· +
n1 1 n2 2 anm xm = yn
El método consiste en obtener sucesivos sistemas equivalentes hasta llegar a uno donde
las soluciones sean muy fáciles de determinar. Para eso disponemos de tres operaciones
¯
elementales
1. Intercambiar dos ecuaciones.
2. Multiplicar una ecuación por un escalar no nulo.
3. Sumar a una ecuación un múltiplo de otra.
Si bien la gracia del método esta en resolver sistemas grandes, hagamos un primer
ejemplo de 2 × 2. Consideremos
(
2x + 3y = 4
(1)
x − 5y = 7

Podemos aplicar una operación de tipo 1 para obtener

(
x − 5y = 7
(2)
2x + 3y = 4

Claramente los sistemas son equivalentes.

Apliquemos una operación de tipo 3 (que es la más interesante). Para eso sumemos
a la segunda ecuación un múltiplo adecuado de la primera. En este caso el factor a usar
será (−2)
(
x − 5y = 7
(3)
13y = −10

1
 Es decir, multiplicamos la primer ecuación por (−2) obteniendo −2x + 10y = −14 y se
la sumamos a la segunda ecuación. La primer ecuación queda como está y solo cambiamos
la segunda ecuación.
Esta claro que en álgebra sumar dos ecuaciones es una operación permitida, esto
significa que si dos variables verifican dos ecuaciones también verifica la suma miembro a
miembro de las dos ecuaciones.
Entonces toda solución de (2) es solución de (3). Como la operación es reversible
(sumando la primer ecuación multiplicada or 2 a la segunda volvemos a (2) ) los sistemas
son equivalentes.
Ahora ya podrı́amos despejar y, reemplazar en la primer ecuación para despejar x.
Esta es la manera que minimiza la cantidad de operaciones matemáticas y por eso es lo
que normalmente hacen los programas de computación cuando usan el método de Gauss.
Nosotros vamos a continuar aplicando operaciones elementales hasta encontrar un
sistema completamente explı́cito. Algunos libros llaman a esto el método de Gauss-
Jordan.
Apliquemos una operación de tipo 2 multiplicando la segunda ecuación por 1/13
(
x − 5y = 7
(4)
y = − 10
13

Finalmente, una operación de tipo 3 donde multiplicamos la segunda ecuación por 5

y se la sumamos a la primera.
(
x = 41
13
(5)
y = − 1013

Tenemos el sistema resuelto.

Ahora un ejemplo de 3 × 3.

 2x + y + z = 1

6x + 2y + z = −1

−2x + 2y + z = 7


En cada paso no fijamos en una posición que llamaremos pivot y eliminaremos todos
los términos debajo de está (también podrı́amos eliminar los que están arriba pero no
compliquemos por ahora) usando operaciones de tipo 3. Para esto es necesario que el
coeficiente del pivot (al que también llamaremos pivot) sea distinto de cero. Si este no es
el caso, usamos operaciones de tipo 1. Cuando se hace por computadora se acostumbra a
usa operaciones de tipo 1 para que el pivot sea lo más grande posible, lo que generalmente
disminuye los errores de redondeo.
Como primer pivot tomamos el primer coeficiente de la primera ecuación. Es 2 es
distinto de cero y lo podemos usar para eliminar los primeros términos de la segunda y
tercer ecuación. Multiplicamos por (−3) la primer ecuación y se la sumamos a la segunda
y sumamos la primera a la tercera.

2x + y + z = 1

− y − 2z = −4

3y + 2z = 8


2
 La ecuación del pivot no se toca, solo cambian las ecuaciones debajo.
Como siguiente pivot bajamos una fila y nos movemos un lugar a la derecha. En este
caso es el coeficiente de la variable y de la segunda ecuación. Usando este pivot eliminamos
el término en y de la tercer ecuación (multiplicamos por tres la segunda y la sumamos a
la tercera).

2x + y + z = 1

− y − 2z = −4

− 4z = −4


El sistema quedo triangulado. Aquı́ ya podemos sustituir hacia atrás y resolver el

sistema (Gauss). Sigamos hasta llevar el sistema a su forma reducida
Aplicamos una operación tipo 2 a la tercer fila

2x + y + z = 1

− y − 2z = −4

z=1


Haciendo pivot en la tercer fila limpiamos la tercer columna de las filas 1 y 2.


2x + y
 =0
−y = −2

z=1


Haciendo pivot en la segunda fila limpiamos la segunda columna


2x
 = −2
−y = −2

z=1


Finalmente dividimos a primer fila por 2 y a la segunda la multiplicamos por (−1).


x
 = −1
y =2

z = −1


En general, si tenemos un sistema


 ax + · · ·

bx + · · ·
 ... ... . . .


y queremos eliminar el primer término de la segunda fila basta con multiplica la primer
fila por −b/a y sumarla a la segunda.

Con Matrices
Si repasamos el método, vemos que las variables están siempre en el mismo lugar no
las pasamos de un lado al otro como en un despeje algebraico. Toda la información del

3
procedimiento está en los coeficientes y en la columna de términos independientes (los
que están a la derecha del igual). Coloquemos estos números en matrices y operemos
directamente sin escribir nunca las variables.
Recordemos el primer ejemplo
(
2x + 3y = 4
(1)
x − 5y = 7

Construimos una matriz con los coeficientes

 
2 3 4
 
1 −5 7

La barra entre la segunda y tercer columna es para recordar que a la izquierda esta
la matriz de coeficientes y a la derecha la columna de términos independientes A toda la
matriz se la aumentada.
Apliquemos las mismas operaciones que antes pero sobre la matriz. Primero intercam-
biamos filas.
 
1 −5 7
 
2 3 4

Con un cı́rculo identificamos el piot.

 
1 −5 7
 
2 3 4

Luego sumamos a la segunda fila la primera multiplicada por (−2)

 
1 −5 7
 
0 13 −10

Dividimos la segunda fila por 13

 
1 −5 7
 
10
 
0 1 −

13

Sumamos a la primer fila la segunda multiplicada por 5

4
  
1 41 
0

 13 

 
 10
0 1 − 
13

Notemos que la primer columna no cambia porque hay un cero en la segunda fila
primera columna. La solución se lee directamente de la última columna.
Las operaciones elementales se pueden como multiplicaciones de matrices adecuadas
a izquierda
A partir de la matriz original  
2 3 4
1 −5 7
obtenemos la mismas matrices que antes mediante:

    
0 1 2 3 4 1 −5 7
=
1 0 1 −5 7 2 3 4
    
1 0 1 −5 7 1 −5 7
=
−2 1 2 3 4 0 13 −10
!
1 0 1 −5 7
 
1 −5 7

1 =
0 0 13 −10 0 1 − 1013
13
0 41
    
1 5 1 −5 7 1 13
=
0 1 0 1 − 10
13
0 10
1 − 13

Veamos el segundo ejemplo


 2x + y + z = 1

6x + 2y + z = −1

−2x + 2y + z = 7


 
2 1 1 1 -3 1
 
6 2 1 −1
 
 
−2 2 1 7

 
2 1 1 1
 
0 −1 −2 −4 3
 
 
0 3 2 8

5
  
2 1 1 1
 
0 −1 −2 −4
 
 
0 0 −4 −4 -1/4

 
2 1 1 1
 
0 −1 −2 −4
 
 
0 0 1 1 2 -1

 
2 1 0 0
 
0 −1 0 −2 1
 
 
0 0 1 1

 
2 0 0 −2 1/2
 
0 −1 0 −2 -1
 
 
0 0 1 1

 
1 0 0 −1
 
 
0 1 0 2
 
0 0 1 1

Y la solución es x = −1, y = 2 y z = 1.

Matriz Inversa
Podemos aplicar el método de Gauss para hallar la inversa de una matriz. Supongamos
que queremos hallar la inversa de una matriz
 
a11 a12
A=
a21 a22
Buscamos una matriz X = (xi j) tal que AX = I
    
a11 a12 x11 x12 1 0
=
a21 a22 x21 x22 0 1
Según lo que vimos en la sección “Fila y Columnas en el producto de Matrices” del
apunte anterior Esto equivale a dos sistemas
    
a11 a12 x11 1
=
a21 a22 x21 0

6
     
a11 a12 x12 0
=
a21 a22 x22 1
Podemos hallar las entradas de la matriz inversa resolviendo estos dos sistemas. Como
la matriz de coeficientes es la misma para los dos podemos resolverlos simultáneamente.
Planteamos la matriz aumentada
 
a11 a12 1 0 
 
a21 a22 0 1

Aplicamos operaciones elementales para llevar la parte izquierda a una matriz identi-
dad y la parte derecha serán las soluciones xi j, es decir la matriz inversa buscada.
Tomemos como ejemplo la matriz de coeficientes del último ejemplo.
 
2 1 1
A =  6 2 1
−2 2 1

 
2 1 1 1 0 0 -3 1
 
6 2 1 0 1 0
 
 
−2 2 1 0 0 1

 
2 1 1 1 0 0
 
0 −1 −2 −3 1 0 3
 
 
0 3 2 1 0 1

 
2 1 1 1 0 0
 
0 −1 −2 −3 1 0
 
 
0 0 −4 −8 3 1 -1/4

 
2 1 1 1 0
0 
−1 −2 −3
 
0 1 0 
 
 
0 0 1 2 −3/4 −1/4 2 -1

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

 
2 0 0 0 1/4 −1/4 1/2
 
0 −1 0 1 −1/2 −1/2 -1
 
 
 
0 0 1 2 −3/4 −1/4

 
1 0 0 0 1/8 −1/8
 
0 1 0 −1 1/2 1/2 
 
 
 
0 0 1 2 −3/4 −1/4

Entonces
 
0 1/8 −1/8
A−1 = −1 1/2 1/2 
2 −3/4 −1/4
Verificación
    
0 1/8 −1/8 2 1 1 1 0 0
−1 1/2 1/2   6 2 1 = 0 1 0
2 −3/4 −1/4 −2 2 1 0 0 1
En el siguiente apunte veremos como calcular inversas usando determinantes, que
resulta conveniente para matrices de hasta 3 × 3. Para matrices más grandes es mejor el
método que vimos recién.

Determinate
Muchos libros dan una definición de determinante basada en permutaciones que no
hemos visto por razones de brevedad. El calculo del determinante, ya sea por esta defini-
ción o por Laplace, involucra el cálculo de n! = 1 × 2 × 3 × · · · × n términos cada uno de
n factores. Este número n! conocido como factorial de n crece muy rápidamente. Por lo
que resulta impráctico para matrices grandes usar estos métodos.
Es mejor aplicar el método de Gauss. El determinante de una matriz triangular es
igual al producto de los elementos de la diagonal. Las operaciones elementales de tipo
3 no cambian el determinante. Esto se deduce de las propiedades del determinante o
también observado que esta operación es es equivalente a a multiplicar a izquierda por
una matriz de determinante 1.
Si triangulamos la matriz usando únicamente operaciones tipo 3. entonce nos basta
multiplicar los elementos de la diagonal para obtener el determinante de la matriz original.

8
Las operaciones de tipo 2 no es necesarias para triangular la matriz. Las operaciones de
tipo 1 (intercambiar dos filas) cambian el signo del determinante ası́ que habrá que llevar
la cuenta de cuantas filas intercambiamos.
En el ejemplo anterior la tercer matriz esta triangulada y hasta allı́ usamos solo ope-
raciones de tipo 3, luego det(A) = 2(−1)2 = −8.

Otros Casos
Supongamos que estamos resolviendo un sistema de ecuaciones lineales n × n. Si
det(A) 6= 0, aplicando el método de Gauss triangulamos la matriz, vemos que todos
lo elementos de la diagonal son distintos de cero lo que nos confirma que el sistema es
determinado (tiene solución única).
Si al triangular la matriz nos encontramos con un cero en la diagonal entonce el sistema
será indeterminado. En este caso conviene seguir aplicando el método de Gauss - Jordan
para llevar la matriz a su forma reducida. Esto es la forma más simple posible. El primer
elemento no nulo de cada fila igual a 1 y lo usamos para limpiar todo el resto de la
columna.
Si durante el proceso de eliminación no encontramos con una fila (salvo eventualmente
la elemento que corresponde a la columna de términos independientes) nula, entonces, el
sistema será indeterminado.Si el elemento de la última columna es no nulo el sistema será
incompatible. Por ejemplo
 
1 0 a b
 
 
0 1 c d
 
0 0 0 e

Donde a, b, c, d, e representan números arbitrarios. Notemos que como al ser la entrada

3,3 nula no podemos usarla para limpiar el resto de la columna
La ultima fila de la matriz de coeficiente es nula. Si el término independiente ( este
caso e) es no nulo el sistemas es incompatible. No tiene solución y no hay más nada que
hacer.
Si e es cero la última fila representa la ecuación trivial 0 = 0 y efectivamente tenemos
un sistema de 2×3, en este caso con infinitas soluciones. Hay muchas maneras de describir
el conjunto de soluciones. La que veremos ahora es generalmente la más fácil.
Las incógnitas (x, y y z) se dividen en independientes y dependientes. Las dependientes
son las asociadas a las columnas donde están los unos que usamos para limpiar el resto
la columna, en nuestro caso son x e y. Las demás son independientes, en nuestro caso z.
Las soluciones del sistemas son de la forma

 x = b − az,
y = d − cz,
z∈R


Otra forma de decir lo mismo es

S = {(b − az, d − cz, z) : z ∈ R}