ADE UNED Matematicas I Cap I PDF

to
t ex
el
Id
l" tulo
ea í
in cap
ED L l
N bra de
r U ge ar
po e Á imin
do d rel
ita as p
ed m ión
rs
Ve
e
"T
Capítulo I
SISTEMAS DE ECUACIONES
LINEALES
Extraído de “Temas de Álgebra Lineal para Administración y Dirección de

Empresas”, de Alberto A. Álvarez y Emilio Prieto, editorial UNED. Prohibido
reproducir sin permiso.
to
t ex
el
Id
l" tulo
ea í
in cap
14 ED L l
N bra de I. SISTEMAS DE ECUACIONES LINEALES
r U ge ar
ESQUEMA
po e Á imin
do d rel
15
ita as p
Presentación del capítulo Transformaciones elementales por filas de una

ed m ión
matriz, 61 • Matriz escalonada, 66 • Matriz esca-

1. Introducción a los sistemas de ecuaciones lonada reducida, 74
rs
lineales 17 Ejercicios I.2 . . . . . . . . . . . . . . . . 80

Ve
1. Repaso de los métodos escolares . . . . . 17

e
"T
2. Métodos de eliminación de Gauss y de

Gauss–Jordan . . . . . . . . . . . . . . 20 3. Discusión y resolución de un sistema de
3. Introducción a las matrices . . . . . . . . 28 ecuaciones lineales 81
4. Sistemas de ecuaciones con infinitas so- 1. Un método para discutir y resolver un sis-
luciones y sistemas de ecuaciones sin tema de ecuaciones lineales . . . . . . . . 81
solución . . . . . . . . . . . . . . . . . 38
Planteamiento del método, 81 • Sistemas incompati-
Ejercicios I.1 . . . . . . . . . . . . . . . . 45 bles, 82 • Sistemas compatibles determinados, 83 •
Sistemas compatibles indeterminados, 88
2. Definiciones y propiedades 46 2. Sistemas homogéneos . . . . . . . . . . 96
1. Ecuaciones lineales. Sistemas de ecua- 3. Resultados adicionales importantes . . . . 99
ciones lineales . . . . . . . . . . . . . . 46 Invarianza del número de pivotes al escalonar
Ecuación lineal, 46 • Solución de una ecuación una matriz, 99 • Unicidad de la forma escalonada
lineal, 47 • Operaciones con ecuaciones lineales, 49 reducida, 100
• Sistemas de ecuaciones lineales, 53 • Solución 4. Ejemplos de discusión y resolución de sis-
de un sistema de ecuaciones lineales. Sistemas temas de ecuaciones lineales . . . . . . . 101
equivalentes, 53
Ejercicios I.3 . . . . . . . . . . . . . . . . 109
2. Representación matricial de un sistema de
ecuaciones lineales . . . . . . . . . . . . 59
Definición de matriz. Matrices definidas a par-
tir de un sistema de ecuaciones lineales, 60 • Recapitulación I 110
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 15
N bra de
PRESENTACIÓN DEL CAPÍTULO
r U ge ar
PRESENTACIÓN DEL CAPÍTULO

po e Á imin
do d rel
Muchos modelos del mundo de la Economía y la Empresa (entendiendo por

ita as p
ed m ión
tales descripciones simplificadas de ciertos aspectos de la realidad econó-

mica o empresarial) son lineales. Básicamente, esto significa que las magni-
rs
Ve
tudes estudiadas por el modelo están relacionadas entre sí por ecuaciones

e
lineales.
"T
Las ecuaciones lineales son las más sencillas de todas. Sin duda, el lec-
tor las ha manejado en su etapa escolar. Estamos hablando de ecuaciones
como 2x + 3 = 5 (con una sola incógnita) o 3x + 2y = 1 (con dos incóg-
nitas). Este es nuestro punto de partida: las ecuaciones lineales —con una
o más incógnitas—, o más precisamente: los sistemas de ecuaciones linea-
les, que no son más que listas de varias ecuaciones lineales consideradas
simultáneamente.
La primera sección de este capítulo recuerda al lector los métodos que
nos enseñaron en nuestra Educación Secundaria (o equivalente) para re-
solver sistemas de dos ecuaciones lineales y dos incógnitas; nos referimos a
los métodos de reducción, sustitución e igualación. Estos métodos, en parti-
cular el de reducción, se tratan de generalizar a sistemas de más ecuaciones
y más incógnitas, y ello da lugar a los métodos de eliminación (el de Gauss
y el de Gauss–Jordan). En este punto, surge de forma “natural” el concepto
de matriz como una forma de ganar operatividad y comodidad a la hora de
desarrollar tales métodos. Termina la sección con un “guiño” a sistemas de
infinitas soluciones y a sistemas sin solución, todo dentro del contexto de
los métodos de eliminación. Esta primera sección es introductoria: tan solo
pretende motivar y presentar al lector distintos elementos de los sistemas
de ecuaciones lineales.
La segunda sección, sin dar por sabido nada de la primera, detalla los
conceptos vistos en esta última: ecuación lineal, sistemas de ecuaciones li-
neales, solución, sistemas equivalentes, etc. En particular, incluye todo lo
necesario sobre matrices para poder ofrecer después un método práctico
sencillo de resolución de un sistema de ecuaciones lineales: básicamente,
transformaciones elementales, matriz escalonada y matriz escalonada re-
ducida.
Finalmente, la tercera sección propiamente detalla un método práctico
para discutir y resolver un sistema de ecuaciones lineales (dado un sistema,
se distingue entre discutirlo —averiguar si admite solución o no, y en caso
afirmativo cuántas— y resolverlo —calcular efectivamente las soluciones
to
t ex
el
Id
l" tulo
ea í
in cap
16 ED L l
r U ge ar
cuando existen—). El método es esencialmente el de eliminación de Gauss–

po e Á imin
Jordan) (introducido en la primera sección), llevado a cabo con ayuda de

do d rel
las matrices que se definen a partir de un sistema. La sección incluye un

ita as p
apartado dedicado a los sistemas homogéneos, y termina con ejemplos de

ed m ión
discusión y resolución de sistemas en los que figuran parámetros (es decir,

rs
variables —diferentes de las incógnitas— que pueden tomar distintos valo-

Ve
res, según los cuales el sistema puede ser de una clase u otra, o puede tener
e
"T
una solución u otra).

to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 17
N bra de
I.1. INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES
r U ge ar
I.1 INTRODUCCIÓN A LOS SISTEMAS DE

po e Á imin
do d rel
ECUACIONES LINEALES
ita as p
ed m ión
1. Repaso de los métodos escolares

rs
Ve
A modo de punto de partida, en este apartado recordamos los métodos

e
escolares para resolver sistemas de dos ecuaciones y dos incógnitas: susti-

"T
tución, reducción e igualación.
1 El lector habrá visto, en Educación Secundaria o en un nivel educa-

Un sistema de ecuaciones tivo similar, sistemas de ecuaciones lineales sencillos. Por ejemplo:
lineales. Repaso de ⎧
nomenclatura ⎨ 4x − 2y = 8
(1)
⎩ 3x + y = 1.
Y el lector recordará algunos detalles de nomenclatura relacionados con

los sistemas. Las letras x y y designan las incógnitas del sistema. Los
números que acompañan a las incógnitas (4 y −2 en la primera ecuación,
y 3 y 1 en la segunda) son los coeficientes del sistema. Los números que,
en los segundos miembros, figuran sin acompañar a las incógnitas (8 en la
primera ecuación y 1 en la segunda) son los términos independientes.
El sistema de ecuaciones lineales (1) es un sistema de dos ecuaciones
y dos incógnitas. Nótese que las incógnitas aparecen escritas en el mismo
orden en ambas ecuaciones.
2 ¿Qué buscamos a partir de un sistema de ecuaciones lineales como

el (1)? Buscamos números que, escritos en lugar de las incógnitas x y y,
nos proporcionen igualdades, una por cada ecuación.
¿Qué ocurre si, por ejemplo, sustituimos x por 2 y y por 0? Que obte-
nemos lo siguiente: ⎧
⎨4 · 2 − 2 · 0 = 8
⎩3 · 2 + 0 = 6 ≠ 1.
Es decir, una igualdad a partir de la primera ecuación, pero no a partir de

la segunda. Como no hemos obtenido una igualdad a partir de todas y
cada una de las ecuaciones, los números 2 y 0, como sustitutos de x y y,
respectivamente, no nos sirven.
Otro ejemplo: ¿y si sustituimos x y y por 3 y 1, respectivamente? Esta
vez no llegamos a ninguna igualdad: 4 · 3 − 2 · 1 = 10 ≠ 8 y 3 · 3 + 1 = 7 ≠ 1.
Con mayor razón que antes, si cabe, tampoco nos valen estos números.
t o
t ex
el
Id
l" tulo
ea í
in cap
18 ED L l
r U ge ar
El lector nos permitirá, por el momento, que digamos que los números
po e Á imin
buscados son x = 1 y y = −2. En efecto, si en el sistema de ecuaciones

do d rel
lineales (1) sustituimos x y y por 1 y −2, respectivamente, obtenemos:

⎧
ita as p
⎨ 4 · 1 − 2 · (−2) = 8
ed m ión
⎩3 · 1 + (−2) = 1,
rs
Ve
que ahora sí son igualdades, una a partir de cada ecuación.

e
"T
Solución del sistema de Se dice que los números x = 1 y y = −2 son una solución del sistema de
ecuaciones lineales
ecuaciones lineales (1). Cuando las incógnitas están dadas en un orden fijo
(aquí están escritas en el orden x, y en ambas ecuaciones), es más cómodo
y compacto llamar solución al par ordenado (1, −2). El primer elemento
del par ordenado (lo que se llama la primera componente del par) nos da
el número que debemos escribir en el lugar de la primera incógnita (que
es la incógnita x en este caso); el segundo elemento del par (su segunda
componente) nos da el número que debemos escribir en vez de la segunda
incógnita (la incógnita y).
De acuerdo con los ejemplos vistos, podemos afirmar que los pares or-
denados (2, 0) y (3, 1) no son una solución del sistema de ecuaciones linea-
les (1).
Acontece, de hecho, que el par ordenado (1, −2) es la única solución
del sistema de ecuaciones lineales (1). Veremos inmediatamente un método
sistemático para obtenerla.
3 Hemos afirmado que el par (1, −2) es la solución del sistema de

ecuaciones lineales (1). Pero ¿cómo podemos obtenerla efectivamente? Lo
preguntamos de otra forma: ¿cómo podemos resolver el sistema?
En nuestra época colegial (o quizá del instituto) nos enseñaron tres méto-
dos para resolver sistemas de ecuaciones lineales: sustitución, igualación y
Método de sustitución reducción. Recordemos primero el de sustitución.
La idea es esta: se despeja en una ecuación una de las incógnitas, y se
sustituye lo obtenido en la otra ecuación, lo que nos lleva a una ecuación con
solo una incógnita. Con el sistema de ecuaciones lineales (1), esto se con-
creta así. En la primera ecuación, por ejemplo, despejamos la incógnita y:
¿Ayuda? Se tiene: 4x −8 = 2y,

de donde:
de 4x − 2y = 8 obtenemos: y = 2x − 4.
4x − 8 4 8
y= = x− Sustituimos lo obtenido en la segunda ecuación; es decir, en esta ecuación
2 2 2
= 2x − 4. escribimos 2x − 4 en lugar de y:
de 3x + y = 1 obtenemos: 3x + (2x − 4) = 1.
t o
tex
el
Id
l" tulo
ea í
in cap
ED L l 19
N bra de
r U ge ar
De la última ecuación obtenida resulta: 5x − 4 = 1, o bien: 5x = 5, de

po e Á imin
donde: x = 5/5 = 1. Y ahora que ya sabemos que x es igual a 1, lo sustitui-

do d rel
mos en la expresión despejada de y:

ita as p
ed m ión
y = 2x − 4 = 2 · 1 − 4 = −2.
rs
Hemos obtenido la solución que adelantamos en el parágrafo anterior: x = 1

Ve
e
y y = −2; esto es, hemos obtenido como solución el par ordenado (1, −2).
"T
4 Resolvamos ahora el sistema de ecuaciones lineales (1) con el méto-

Método de reducción (o do de reducción (también llamado de eliminación). La idea es “operar” con
eliminación)
las ecuaciones del sistema de forma que se obtenga como resultado una
ecuación en la que alguna de las incógnitas haya “desaparecido” —con lo
que se “reduce” el número de incógnitas—. Por operar con las ecuaciones se
entiende multiplicarlas por algún número y sumarlas o restarlas miembro
a miembro; por desaparecer o eliminar una incógnita en una ecuación se
entiende propiamente que su coeficiente correspondiente se hace nulo.
En el sistema de ecuaciones lineales (1), podemos eliminar, por ejemplo,
la primera incógnita multiplicando la primera ecuación por −3/4 y sumando
la ecuación obtenida a la segunda ecuación del sistema. Tras la multipli-
cación por −3/4, la primera ecuación se transforma en:
3 3 3
− · (4x − 2y) = − · 8, o bien − 3x + y = −6
4 4 2
(nótese que se multiplican por el número ambos miembros de la ecuación).

Ahora sumamos, miembro a miembro, la ecuación obtenida y la segunda del
sistema:
3
−3x + y = −6
+ 2
3x + y = 1
5
y = −5.
2
En esta última ecuación ya no figura la primera incógnita (su coeficiente es
Hemos hablado de tres mé- nulo). Su solución es: y = −2. Finalmente, sustituimos este valor de y
todos escolares: sustitución,
igualación y reducción. Pero,
en cualquiera de las dos ecuaciones originales para obtener el valor de la
¿no desarrollamos el de igua- primera incógnita; por ejemplo, en la primera: 4x − 2(−2) = 8, lo que nos
lación? Sí: cf. ejercicio 2.
lleva a: 4x + 4 = 8, de donde x = 1. Obtenemos, por supuesto, la solución
que ya conocemos: (1, −2).
to
tex
el
Id
l" tulo
ea í
in cap
20 ED L l
r U ge ar
2. Métodos de eliminación de Gauss y de Gauss–

po e Á imin
Jordan
do d rel
En este apartado mostramos cómo se pueden generalizar a sistemas de tres

ita as p
ecuaciones y tres incógnitas los métodos de sustitución y reducción repasa-

ed m ión
dos en el apartado anterior. También se introduce el concepto de sistemas

rs
equivalentes.
Ve
e
5
"T
Nuestro interés es resolver sistemas de ecuaciones lineales más

generales, de cualquier número de incógnitas y de cualquier número de
ecuaciones. ¿Habrá alguna forma de generalizar los métodos vistos en el
apartado anterior, que nos han ayudado con un sistema de dos ecuaciones
y dos incógnitas?
Veamos. Consideremos el siguiente sistema de ecuaciones lineales, de
tres ecuaciones y tres incógnitas:
⎧
⎪
⎪ x+ y +z = 0
⎪
⎨
2x + y − z = 3 (2)
⎪
⎪
⎪
⎩ −x + 2y + z = −2.
Método de sustitución Resolvámoslo por el método de sustitución. La idea básica sigue siendo la
para un sistema con tres
misma: despejamos una de las incógnitas en una de las tres ecuaciones y
ecuaciones y tres incógnitas
sustituimos lo obtenido en las otras dos.
En la tercera ecuación, por ejemplo, podemos despejar la incógnita x:
de −x + 2y + z = −2 obtenemos: x = 2y + z + 2,
y sustituir esta igualdad en las otras dos ecuaciones:

⎧ ⎧
⎨ (2y + z + 2) + y + z = 0 ⎨ 3y + 2z = −2
o bien
⎩ 2(2y + z + 2) + y − z = 3, ⎩ 5y + z = −1.
Hemos llegado así a un sistema de ecuaciones lineales con una ecuación

y una incógnita menos (ahora las incógnitas son y y z), que podemos re-
solver directamente por sustitución como hicimos con el sistema de dos
ecuaciones y dos incógnitas del § 3 (cf. p. 18). Verbigracia, despejamos en
la primera ecuación la incógnita y:
2 2
de 3y + 2z = −2 obtenemos: y = − z − ,
3 3
y sustituimos el resultado en la segunda:
2 2 7 7
5 − z− + z = −1 o bien − z=− ,
3 3 3 3
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 21
N bra de
r U ge ar
de donde: z = −1. Ahora recordamos la igualdad en la que hemos despe-

po e Á imin
jado y:
2 2 2 2
do d rel
y = − z − = − (−1) − = 0,
3 3 3 3
ita as p
ed m ión
y finalmente recordamos la igualdad en la que, al principio, hemos despe-

jado x:
rs
Ve
x = 2y + z + 2 = 2 · 0 + (−1) + 2 = 1.
e
"T
La solución que obtenemos para el sistema de ecuaciones lineales (2) es,

pues, esta: (1, 0, −1). Nótese que la escribimos en formato de terna de
números, que es lo análogo, para tres números, del par ordenado. Una terna
tiene tres componentes: primera, segunda y tercera; en la terna (1, 0, −1) de
este ejemplo se corresponden, respectivamente, con los valores en la solu-
ción de las incógnitas x, y y z.
El método de sustitución es sencillo, pero puede resultar pesado en
cuanto aumenta el número de ecuaciones e incógnitas (salvo que el sistema
esté escrito de alguna forma adecuada). Será más facil desarrollar una teoría
general de los sistemas de ecuaciones lineales a partir de otros métodos,
como el de reducción.
Método de reducción 6 Tratemos de resolver el sistema de ecuaciones lineales (2) por re-
ducción. La idea que subyace es la misma que vimos en el § 4 (cf. p. 19):
operar entre las ecuaciones con el fin de eliminar incógnitas. Pero debe-
mos llevar un orden, con la intención de asegurarnos que obtenemos al-
guna ecuación con solo una incógnita; esta incógnita será fácil de despejar,
y permitirá a su vez despejar las dos restantes.
Lo que se hace es lo siguiente:
• en primer lugar, y operando con la primera ecuación, se sustituyen las
ecuaciones segunda y tercera por otras en las que no figure la incóg-
nita x;
• en segundo lugar, y operando con la nueva segunda ecuación, se susti-
tuye la nueva tercera ecuación por otra en la que tampoco figure la
incógnita y;
• finalmente, la última ecuación obtenida permite despejar inmediata-
mente la incógnita z, y una sencilla sustitución lleva a obtener el valor
de las restantes incógnitas, primero y, y finalmente x.
Veámoslo. ¿Qué significa la frase “operando con la primera ecuación, se
sustituye la segunda ecuación por otra en la que no figure la incógnita x ”?
Significa sumar a la segunda ecuación algún múltiplo de la primera de forma
que el resultado sea una ecuación sin incógnita x; esta ecuación obtenida
o
t
t ex
el
Id
l" tulo
ea í
in cap
22 ED L l
r U ge ar
será la nueva segunda ecuación. Para saber cómo hacer esta operación,
po e Á imin
debemos fijarnos en los coeficientes de la incógnita x en ambas ecuaciones:

do d rel
en la primera, tal coeficiente es igual a 1; en la segunda, igual a 2. Si multi-

ita as p
plicamos la primera ecuación por −2 y sumamos el resultado a la segunda

ed m ión
ecuación, eliminaremos la incógnita x. El cálculo es este:

La ecuación x + y + z = 0 mul-
rs
tiplicada por −2 es: −2x − 2y − 2z = 0

Ve
+
e
−2x − 2y − 2z = 0. 2x + y − z = 3
"T
−y − 3z = 3.
La ecuación obtenida: −y − 3z = 3, efectivamente no presenta incógnita x.

Llevamos ahora a cabo una operación análoga con la tercera ecuación:
operando con la primera, tratamos de sustituirla por otra en la que no figure
la incógnita x. Simplemente sumando ambas ecuaciones lo conseguimos:
x+ y+ z= 0
+
−x + 2y + z = −2
3y + 2z = −2.
Hemos obtenido dos ecuaciones nuevas: −y + 3z = 3 y 3y + 2z = −2.

¿Cuál es el siguiente paso? Según lo dicho al principio, operando con la
primera de estas nuevas ecuaciones, debemos sustituir la segunda por otra
en la que no figure la incógnita y. ¿Se atreve el lector a calcularlo solo?
Nosotros lo haremos, por supuesto, pero no inmediatamente. Antes de
proceder, debemos parar un momento a analizar con detalle los cálculos
que hemos efectuado. Pasamos al parágrafo siguiente.
7 De acuerdo con los cálculos llevados a cabo en el parágrafo ante-

rior, podemos decir que hemos obtenido, a partir del sistema de ecuaciones
lineales (2), este otro sistema:
⎧
⎪
⎪x + y + z = 0
⎪
⎨
−y − 3z = 3 (3)
⎪
⎪
⎪
⎩ 3y + 2z = −2.
La primera ecuación es la misma en ambos sistemas, y las dos restantes

del segundo se han obtenido a partir de las ecuaciones del primero con la
ayuda de una operación especial entre ecuaciones: sumar a una ecuación
un múltiplo de otra. Como estas manipulaciones transforman igualdades
en igualdades, toda combinación de valores de x, y, z que satisfaga las
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 23
N bra de
r U ge ar
ecuaciones del sistema (2) también satisface las ecuaciones del sistema (3).
po e Á imin
Es decir: toda solución del sistema (2) también es solución del sistema (3).
do d rel
Por otra parte, la operación de sumar a una ecuación un múltiplo de

ita as p
otra es reversible: podemos recuperar las ecuaciones del sistema (2) a partir
ed m ión
de las del sistema (3). Por ejemplo, la segunda ecuación del sistema (2) se
rs
puede obtener sumando a la segunda ecuación del sistema (3) su primera

Ve
¿Puede comprobarlo el lector?

multiplicada por 2. De esta forma, también acontece que toda solución del
e
"T
sistema (3) es a su vez solución del sistema (2). En consecuencia, ambos

sistemas tienen las mismas soluciones.
Sistemas equivalentes Se dice que dos sistemas de ecuaciones lineales son equivalentes si toda
solución de uno también es solución del otro. Los sistemas de ecuaciones
lineales (2) y (3) son, pues, equivalentes.1
Además de la operación de sumar a una ecuación un múltiplo de otra,
también haremos uso más adelante de otros dos tipos de operaciones re-
versibles entre ecuaciones: multiplicar una ecuación por un número no nulo
(ambos miembros de la ecuación se multiplican por el número) e intercam-
biar dos ecuaciones. Si un sistema se puede obtener de otro mediante la
aplicación de alguna o algunas de estas operaciones entre ecuaciones, am-
bos sistemas resultan entonces equivalentes.
Nótese que, al considerar el sistema de ecuaciones (3) en vez del sis-
tema (2), estamos considerando un sistema de ecuaciones equivalente —con
las mismas soluciones, por tanto— pero más simple (en tanto en todas sus
ecuaciones, salvo en la primera, no figura la incógnita x). La idea básica del
método de reducción puede entonces ser formulada así: sustituir el sistema
original por otro equivalente que sea más simple y fácil de resolver.
Método de reducción 8 Continuemos con la resolución por reducción del sistema de ecua-
ciones lineales (2). Hemos eliminado la incógnita x en sus dos últimas
(continuación) ecuaciones, y hemos obtenido con ello el sistema equivalente (3). Bus-
camos ahora (recordemos lo apuntado al principio del § 6) eliminar la incóg-
nita y en la última ecuación del sistema (3), y para conseguirlo sumamos
a esta ecuación algún múltiplo de la segunda. Es decir, sumamos a la
ecuación 3y + 2z = −2 algún múltiplo de la ecuación −y − 3z = 3 de forma
que desaparezca la incógnita y. El múltiplo adecuado se obtiene multipli-
1 Nótese que la equivalencia de sistemas de ecuaciones lineales es transitiva: si un sistema

es equivalente a otro, y este último es a su vez equivalente a un tercero, el primero y el
tercero también son equivalentes.
o
t
t ex
el
Id
l" tulo
ea í
in cap
24 ED L l
r U ge ar
cando por 3. Los cálculos son estos:

po e Á imin
La ecuación −y − 3z = 3 mul-
tiplicada por 3 es: −3y − 9z = 9
do d rel
+
−3y − 9z = 9. 3y + 2z = −2
ita as p
ed m ión
−7z = 7.
rs
Finalmente, si sustituimos en el sistema de ecuaciones (3) su tercera

Ve
ecuación por la que acabamos de obtener, tenemos un sistema nuevo:

e
⎧
"T
⎪
⎪ x+ y+ z=0
⎪
⎨
−y − 3z = 3 (4)
⎪
⎪
⎪
⎩ −7z = 7,
el cual resulta entonces equivalente al sistema (3) y por ende al (2). El sis-
tema de ecuaciones (4) está escrito de una forma que facilita su resolu-
ción: cada ecuación tiene menos incógnitas que su precedente. De la tercera
ecuación obtenemos: z = −1, que sustituido en la segunda nos lleva a:
−y − 3 · (−1) = 3, de donde: y = 0;
y al escribir en la primera ecuación estos valores obtenidos de y y z resulta:
x + 0 + (−1) = 0, de donde: x = 1.
El sistema de ecuaciones (4) tiene por solución, pues, la terna (1, 0, −1). En
virtud de ser equivalentes, esta es también la solución de los sistemas (3)
y (2). Por supuesto, vemos confirmado el resultado que obtuvimos al re-
solver el sistema (2) por sustitución (cf. § 5, p. 20).
Método de reducción: cuando 9 En el proceso de resolución por reducción del sistema de ecua-
se reduce todavía más. . .
ciones (2), hemos llegado al sistema (4), equivalente al original y fácil de
resolver. Pero podríamos haber seguido con el proceso de simplificación
hasta otro sistema todavía más sencillo. Lo que podemos hacer a partir del
sistema (4) es lo siguiente: en primer lugar, buscamos que el primer coefi-
ciente no nulo de cada ecuación sea igual a 1; en segundo lugar, eliminamos
todos los restantes coeficientes de cada ecuación.
Lo primero lo conseguimos multiplicando cada ecuación por un número
(no nulo) adecuado: con la primera ecuación no hay que hacer nada; con la
segunda, multiplicamos por −1; con la tercera, multiplicamos por −1/7. El
resultado es este sistema:
⎧
⎪
⎪x + y + z = 0
⎪
⎨
y + 3z = −3 (5)
⎪
⎪
⎪
⎩ z = −1,
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 25
N bra de
r U ge ar
que efectivamente tiene igual a 1 el primer coeficiente no nulo de cada

po e Á imin
ecuación.
do d rel
Para el segundo paso, en el sistema (5) eliminamos la incógnita z de

ita as p
las dos primeras ecuaciones con la ayuda de la tercera, y eliminamos des-

ed m ión
pués la incógnita y de la primera ecuación con la ayuda de la segunda.

rs
Lo conseguimos haciendo uso de la ya conocida operación de sumar a una

Ve
ecuación un múltiplo adecuado de otra. Por ejemplo, sumando a la segunda

e
"T
ecuación la tercera multiplicada previamente por −3, obtenemos:
y + 3z = −3
+
−3z = 3
y = 0,
lo que nos da una nueva segunda ecuación sin la incógnita z. De forma

similar, sumando a la primera ecuación la tercera multiplicada por −1 eli-
minamos la incógnita z también en la primera ecuación: x + y = 1. Y,
finalmente, una última operación entre las nuevas ecuaciones primera y se-
¡Vea el lector cómo!
gunda (es decir, entre x + y = 1 y y = 0) nos elimina la incógnita y de la
primera. Llegamos así al siguiente sistema de ecuaciones:
⎧
⎪
⎪ x = 1
⎪
⎨
y = 0 (6)
⎪
⎪
⎪
⎩ z = −1.
Para obtener el sistema (6), además de la operación de sumar a una

ecuación un múltiplo de otra, hemos hecho uso de otra operación con ecua-
ciones: multiplicar una ecuación por un número no nulo. Ya sabemos
(cf. § 7, p. 22) que estas operaciones entre ecuaciones nos transforman un
sistema de ecuaciones en otro equivalente. El sistema de ecuaciones (6) es,
pues, equivalente al (4), y por ende al sistema original, el (2). Y la solución
del sistema (6) salta a la vista: por supuesto, es la terna (1, 0, −1).
10 En un sistema de ecuaciones, además de sumar a una ecuación un

múltiplo de otra, o de multiplicar una ecuación por un número no nulo, hay
otro tipo de operación entre ecuaciones que permite obtener sistemas de
ecuaciones equivalentes. La hemos citado —en el § 7 (cf. p. 22)—, pero no
la hemos utilizado todavía. Se trata del intercambio de ecuaciones. Veamos
un ejemplo.
Resolvamos por reducción o eliminación el siguiente sistema de tres
to
tex
el
Id
l" tulo
ea í
in cap
26 ED L l
r U ge ar
ecuaciones y tres incógnitas:

po e Á imin
⎧
⎪
⎪ x2 − x3 = 2
⎪
⎨
do d rel
x1 + x2 + x3 = 2 (7)
⎪
ita as p
⎪
⎪
⎩ x − x − x = 0.
ed m ión
1 2 3
rs
(Nótese que las incógnitas están escritas ahora como x1 , x2 , x3 , en vez de x,

Ve
y, z; esta notación que ahora estrenamos es bastante habitual, sobre todo

e
"T
cuando se tratan los sistemas más generales.) Como antes, a partir de este
sistema intentamos escribir otro equivalente en el que cada ecuación tenga
menos incógnitas que su precedente.
Intercambio de ecuaciones Empezamos precisamente con un intercambio de ecuaciones, para que
en la primera ecuación figure la incógnita x1 . Tras permutar entre sí las
ecuaciones primera y segunda, obtenemos:
⎧
⎪
⎪ x1 + x2 + x3 = 2
⎪
⎨
x2 − x3 = 2
⎪
⎪
⎪
⎩ x − x − x = 0.
1 2 3
En este sistema, la segunda ecuación ya no tiene la incógnita x2 ; elimine-

mos esta incógnita también de la tercera ecuación, lo cual conseguimos
sumando a esta ecuación la primera multiplicada por −1 (o restando a la
tercera ecuación la primera, si queremos):
⎧
x1 − x2 − x3 = 0 ⎪
⎪ x + x2 + x3 = 2
⎪
⎨ 1
+ −x1 − x2 − x3 = −2
x2 − x3 = 2
⎪
⎪
⎪
⎩
−2x2 − 2x3 = −2 −2x2 − 2x3 = −2.
(Nótese que esta operación solo afecta a la tercera ecuación: las restantes
no se alteran; en particular, la primera ecuación se multiplica por −1 solo a
efectos de la operación: no permanece multiplicada por −1 en el sistema.)
Continuamos con la eliminación de la incógnita x2 en la tercera ecuación; lo
logramos sumando a esta ecuación la segunda multiplicada por 2:
−2x2 − 2x3 = −2 ⎧
⎪
+ 2x2 − 2x3 = 4 ⎪ x1 + x2 + x3 = 2
⎪
⎨
x2 − x3 = 2 (8)
⎪
⎪
−4x3 = 2 ⎪
⎩ −4x = 2. 3
Y este último sistema es como el (4), en el sentido de que cada una de las
ecuaciones tiene menos incógnitas que su ecuación precedente.
Así escrito, ya sabemos que el sistema de ecuaciones (8) resulta fácil de
resolver. De la tercera ecuación, obtenemos que x3 = −1/2, que sustituido
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 27
N bra de
r U ge ar
en la segunda nos lleva a: x2 − (−1/2) = 2, de donde: x2 = 3/2; sustituido

po e Á imin
todo a su vez en la primera ecuación nos permite escribir:

do d rel
3 1
x1 + − = 2,
ita as p
2 2
ed m ión
de lo que x1 = 1. La solución del sistema de ecuaciones (8) es entonces la

rs
terna (1, 3/2, −1/2). Y esta es también la solución del sistema original, el (7),
Ve
e
pues las operaciones que nos han permitido obtener un sistema a partir del
"T
otro, incluida la del intercambio de ecuaciones, transforman un sistema de

ecuaciones en otro equivalente.
Continuación del ejemplo del 11 ¿Continuamos con la reducción del sistema (8), de manera análoga
parágrafo anterior. . .
a como procedimos en el § 9 (cf. p. 24)?
En un primer paso, debemos conseguir que el primer coeficiente no nulo
de cada ecuación sea igual a 1; para ello solo tenemos que multiplicar la
última ecuación por −1/4:
⎧
⎪
⎪ x1 + x2 + x3 =
⎪
⎨
2
x2 − x3 = 2
⎪
⎪
⎪
⎩ x3 = −1/2.
A continuación, eliminamos la incógnita x3 de las ecuaciones segunda y

primera, en ambos casos con la ayuda de la tercera ecuación. Lo primero
lo coseguimos sumando directamente a la segunda ecuación la tercera; lo
segundo lo logramos sumando a la primera ecuación la tercera multiplicada
por −1. El resultado es:
⎧
⎪
⎪ x + x2 = 5/2
⎪
⎨ 1
x2 = 3/2
⎪
⎪
⎪
⎩ x3 = −1/2.
Finalmente, eliminamos la incógnita x2 de la primera ecuación con ayuda

de la segunda; restamos esta a aquella:
⎧
⎪
⎪ =
⎪ x1
⎨
1
x2 = 3/2 (9)
⎪
⎪
⎪
⎩ x3 = −1/2.
Vemos confirmada la solución ya conocida: (1, 3/2, −1/2).
Algo de nomenclatura: 12 El método de reducción que hemos desarrollado para el sistema de

ecuaciones lineales (2) en los § 6, 7 y 8, o para el sistema de ecuaciones
t o
tex
el
Id
l" tulo
ea í
in cap
28 ED L l
r U ge ar
• Método de eliminación lineales (7) en el § 10, se suele denominar método de eliminación de GAUSS.
po e Á imin
de GAUSS
Requiere, como hemos visto, transformar el sistema de ecuaciones que nos
do d rel
dan en otro equivalente con la característica de que cada ecuación tiene

ita as p
menos incógnitas que su precedente; luego, este nuevo sistema se resuelve

ed m ión
por sustitución hacia atrás: primero se calcula el valor de la última incógnita

rs
a partir de la última ecuación, después el de la penúltima incógnita con la

Ve
penúltima ecuación, y así sucesivamente (recordemos que se calculaban en

e
"T
el orden z, y y x, o bien en el orden x3 , x2 y x1 ).

Por otra parte, el método de reducción que “iba más allá”, que lleva el sis-
tema de ecuaciones (2) al (6) o el sistema de ecuaciones (7) al (9) (cf. § 9 y 11,
respectivamente) es habitualmente conocido como método de eliminación
• Método de eliminación de GAUSS–JORDAN. Empieza como el método de Gauss: llevando el sistema
de GAUSS–JORDAN
de ecuaciones dado a uno en el que cada ecuación tiene menos incógni-
tas que su precedente; pero, en vez de resolver este sistema, se continúa
manipulando: se busca que el primer coeficiente no nulo de cada ecuación
sea igual a 1, y también que sean nulos todos los coeficientes restantes. El
sistema así obtenido está tan simplificado que su solución salta a la vista.
3. Introducción a las matrices

En este apartado, presentamos las matrices, las cuales nos permitirán es-
cribir de forma cómoda y sintética los sistemas de ecuaciones lineales y
nos facilitarán el desarrollo de su resolución. Nos limitamos a los concep-
tos sobre ellas de que haremos uso para sistemas (básicamente, matriz es-
calonada, matriz escalonada reducida y transformación elemental). En el
Capítulo II, estudiaremos las matrices de nuevo con mayor profundidad y
detalle.
13 Como hemos visto, los métodos de eliminación con los que esta-
mos trabajando requieren llevar a cabo tres tipos de operaciones entre las
ecuaciones de un sistema —intercambiar dos ecuaciones, multiplicar una
ecuación por un número no nulo, o sumar a una ecuación un múltiplo de
otra—, pero estas operaciones entre ecuaciones suponen en definitiva ope-
raciones entre los coeficientes y los términos independientes del sistema.
Cuando transformamos un sistema de ecuaciones en otro equivalente (en
virtud de alguna de estas operaciones entre ecuaciones), ¿no sería entonces
más cómodo escribir, de alguna forma, solamente los coeficientes y los tér-
minos independientes, evitando escribir las incógnitas mismas e incluso los
signos de igualdad? Sí. Veamos cómo.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 29
N bra de
r U ge ar
Podemos ganar operatividad y comodidad si simplificamos la represen-

po e Á imin
tación de un sistema escribiendo sus coeficientes y términos independientes

do d rel
en una suerte de tablas rectangulares. Por ejemplo, para el sistema de ecua-

ita as p
Recordemos el sistema (2):

ciones lineales (2), podemos escribir sus coeficientes tabulados, así:
ed m ión
⎧ ⎛ ⎞
⎪
⎪ x+ y +z =0 1 1 1
⎪
⎨
rs
2x + y − z = 3 ⎜ ⎟
⎪ ⎝ 2 1 −1 ⎠ . (10)
Ve
⎪
⎪
⎩ −x + 2y + z = −2.
−1 2 1
e
"T
(Esta tabla es lo más parecido a lo que queda si, en el sistema (2), nos
quedamos solo con los coeficientes, “borrando” las incógnitas, los signos
de igualdad y los términos independientes —y añadimos unos confortables
paréntesis—.)
Una tabla como la escrita en (10) es un ejemplo de un objeto matemático
Matriz denominado matriz. Los números que se escriben en una matriz se denomi-
nan términos de la matriz. Podemos notar, por ejemplo, que los términos de
la primera fila de la matriz (la de arriba), leídos de izquierda a derecha, son
precisamente los coeficientes que acompañan a las incógnitas x, y y z en la
primera ecuación del sistema: 1, 1 y 1, respectivamente. Asimismo, los tér-
minos de la primera columna (la de la izquierda), leídos de arriba abajo, son
los coeficientes que acompañan a la primera incógnita en las ecuaciones pri-
mera, segunda y tercera: 1, 2 y −1, respectivamente. Cada fila de la matriz
se corresponde con una ecuación, y cada columna con una incógnita.
14 La matriz que hemos escrito en (10) es la llamada matriz de coefi-

Matriz de coeficientes (o cientes (o matriz asociada) del sistema de ecuaciones lineales (2). Pero la
matriz asociada)
matriz de coeficientes no incluye los términos independientes del sistema
Matriz ampliada de ecuaciones. Estos se incorporan en la llamada matriz ampliada del sis-
tema, resultante de adjuntar a la matriz de coeficientes una columna más
(a la derecha) con los términos independientes. La matriz ampliada del sis-
tema de ecuaciones lineales (2) es:
⎛ ⎞
1 1 1 0
⎜ ⎟
⎝ 2 1 −1 3⎠.
−1 2 1 −2
Podría pensarse que no vale la pena tener registro de la matriz de coe-

ficientes de un sistema y que sería suficiente considerar exclusivamente la
matriz ampliada, dado que esta contiene toda la información que sobre el
sistema proporciona aquella. Sin embargo, como veremos, la matriz de coe-
ficientes por sí misma juega un papel muy importante en el estudio de los
sistemas de ecuaciones lineales.
to
tex
el
Id
l" tulo
ea í
in cap
30 ED L l
r U ge ar
15 Las matrices se denotan habitualmente con letras mayúsculas. La

po e Á imin
matriz de coeficientes de un sistema se suele designar con la letra A (si no

do d rel
Notación para la matriz de está empleada en otra cosa), y la ampliada se puede denotar con la misma
coeficientes y para la matriz
ita as p
letra que la de coeficientes pero coronada por un acento circunflejo: A.

ampliada
ed m ión
Asimismo, resulta útil escribir en la matriz ampliada de un sistema una

rs
raya vertical que separe la columna de los términos independientes de las

Ve
demás, con el fin de enfatizarla. Por ejemplo, para el sistema de ecuaciones

e
"T
lineales (2) podemos escribir:

⎛ ⎞ ⎛ ⎞
1 1 1 1 1 1 0
⎜ ⎟ =⎜ ⎟
A=⎝ 2 1 −1 ⎠ y A ⎝ 2 1 −1 3⎠.
−1 2 1 −1 2 1 −2
Otro ejemplo. Para el sistema de ecuaciones (7), su matriz de coeficientes

y su matriz ampliada son, respectivamente, estas:
⎧ ⎛ ⎞ ⎛ ⎞
⎪
⎪ x2 − x3 = 2
⎪
⎨ 0 1 −1 0 1 −1 2
x1 + x2 + x3 = 2 ⎜ ⎟ ⎜ ⎟
⎪
⎪ D = ⎝1 1 1⎠ y D = ⎝1 1 1 2⎠.
⎪
⎩x −x
1 2 − x3 = 0. 1 −1 −1 1 −1 −1 0
Nótese que hemos elegido la letra D para denotar la matriz de coeficientes,

lo que hace que designemos la ampliada por D.
16 Acabamos de ver cómo representar un sistema de ecuaciones linea-

les con la ayuda de las matrices. En particular, la matriz ampliada de un sis-
tema recoge tanto sus coeficientes como los términos independientes. Pero,
¿qué transformación se ejecuta en la matriz ampliada de un sistema cuando
en este efectuamos una operación entre ecuaciones de las que hemos visto?
Empecemos viendo el efecto de un intercambio de ecuaciones. En el § 10
(cf. p. 25) trabajamos con el sistema de ecuaciones lineales (7), y lo primero
que hacíamos con él era intercambiar sus ecuaciones primera y segunda.
El sistema (7) y su transformado con esta permutación de ecuaciones son,
respectivamente, estos dos:
⎧ ⎧
⎪ x2 − x3 = 2 ⎪
⎪
⎪
⎨ ⎪ x1 + x2 + x3 = 2
⎪
⎨
x1 + x2 + x3 = 2 y x2 − x3 = 2
⎪
⎪ ⎪
⎪
⎪
⎩x − x − x = 0 ⎪
⎩ x − x − x = 0.
1 2 3 1 2 3
Y sus matrices ampliadas correspondientes son, respectivamente, estas:

⎛ ⎞ ⎛ ⎞
0 1 −1 2 1 1 1 2
⎜ ⎟ ⎜ ⎟
⎝1 1 1 2⎠ y ⎝0 1 −1 2⎠.
1 −1 −1 0 1 −1 −1 0
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 31
N bra de
r U ge ar
Intercambiar dos filas ¿Qué ha ocurrido en las matrices? Simplemente se han permutado sus filas
po e Á imin
primera y segunda.
do d rel
El intercambio de ecuaciones en un sistema toma la forma, pues, de un

ita as p
intercambio de filas en la matriz ampliada (y por supuesto también en la de

ed m ión
coeficientes, si solo nos fijamos en ella). Aunque veremos estas transforma-

rs
ciones de matrices con detalle más adelante, es instructivo ahora introducir

Ve
su notación. La transformación de “permutar entre sí las filas primera y

e
segunda” se denota así: F1 ↔ F2 , de forma que se escribe:

"T
⎛ ⎞ ⎛ ⎞
0 1 −1 2 1 1 1 2
⎜ ⎟ F1 ↔F2 ⎜ ⎟
⎝1 1 1 2 ⎠ →
⎝0 1 −1 2 ⎠ .
1 −1 −1 0 1 −1 −1 0
Nótese que esta transformación solo afecta a las dos filas que se permu-
tan —la primera y la segunda—; las restantes filas —solo la tercera en este
caso— permanecen inalteradas tras la transformación.
17 Cuando en un sistema de ecuaciones lineales se multiplica una ecua-

ción por un número no nulo, ¿qué acontece en su matriz ampliada? El lector
lo está adivinando: se multiplican por tal número todos los términos de la
fila correspondiente.
Por ejemplo, en el § 11 (cf. p. 27) escribíamos el sistema de ecuaciones
resultante de multiplicar por −1/4 la tercera ecuación del sistema (8); ambos
sistemas, el (8) y el transformado por esta operación, son respectivamente:
⎧ ⎧
⎪
⎪ x1 + x2 + x3 = 2 ⎪
⎪ x + x2 + x3 = 2
⎪
⎨ ⎪
⎨ 1
x2 − x3 = 2 y x2 − x3 = 2
⎪
⎪ ⎪
⎪
⎪
⎩ ⎪
⎩
−4x = 2 3 x = −1/2, 3
de matrices ampliadas:
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 1 1 2
⎜ ⎟ ⎜ ⎟
⎝ 0 1 −1 2⎠ y ⎝0 1 −1 2 ⎠,
0 0 −4 2 0 0 1 −1/2
Multiplicar una fila por un donde apreciamos que, efectivamente, todos los términos de la tercera fila
número (no nulo)
se han multiplicado por −1/4, o dicho forma más sintética: la tercera fila se
ha multiplicado por −1/4.
La transformación de “multiplicar la tercera fila por el número −1/4”
(esto es, multiplicar cada uno de los términos de la tercera fila por −1/4) se
designa así: F3 ← (−1/4)F3, y se escribe:
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 1 1 2
⎜ ⎟ F3 ←(−1/4)F3 ⎜ ⎟
⎝ 0 1 −1 2 ⎠

→ ⎝0 1 −1 2 ⎠.
0 0 −4 2 0 0 1 −1/2
to
tex
el
Id
l" tulo
ea í
in cap
32 ED L l
r U ge ar
Debe notarse que esta transformación solo afecta a una fila de la matriz —la
po e Á imin
tercera en este caso—; las restantes no se ven alteradas.

do d rel
18 Y si en un sistema de ecuaciones lineales sumamos a una ecuación

ita as p
un múltiplo de otra, ¿qué transformación se produce en la matriz ampliada?

ed m ión
Hemos aplicado varias veces esta operación entre ecuaciones en las pági-
rs
nas precedentes. Por ejemplo, recordemos los sistemas de ecuaciones (3)

Ve
e
y (4); respectivamente son:

"T
⎧ ⎧
⎪
⎪ x+ y+ z=0 ⎪
⎪ x+ y+ z=0
⎪
⎨ ⎪
⎨
−y − 3z = 3 y −y − 3z = 3
⎪
⎪ ⎪
⎪
⎪
⎩ ⎪
⎩
3y + 2z = −2 −7z = 7,
y en el § 8 (cf. p. 23) obtuvimos el segundo del primero sumando a la ter-
cera ecuación la segunda multiplicada por 3. Las matrices ampliadas son,
respectivamente, estas:
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
⎜ ⎟ ⎜ ⎟
⎝ 0 −1 −3 3⎠ y ⎝0 −1 −3 3⎠.
0 3 2 −2 0 0 −7 7
Podemos ver que las filas primera y segunda no se han alterado, y que a
cada término de la tercera fila se le ha sumado el término correspondiente
La segunda fila multiplicada

de la segunda previamente multiplicado por 3:
por 3 es: 0 3 2 −2
0 −3 −9 9. +
0 −3 −9 9
0 0 −7 7.
Sumar a una fila un múltiplo Más sintéticamente: a la tercera fila se le ha sumado la segunda multiplicada
de otra
por 3 (dejando las otras filas, y en particular la segunda, inalteradas).
A la operación (en sistemas) de sumar a una ecuación un múltiplo de
otra le corresponde entonces la transformación (en matrices) de sumar a
una fila un múltiplo de otra. La transformación de este ejemplo: “sumar a la
tercera fila la segunda multiplicada por −3”, se denota así: F3 ← F3 + (−3)F2,
y se escribe:
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
⎜ ⎟ F3 ←F3 +(−3)F2 ⎜ ⎟
⎝0 −1 −3 3 ⎠ →
⎝0 −1 −3 3⎠.
0 3 2 −2 0 0 −7 7
Debemos enfatizar que esta transformación en la matriz solo afecta a una
fila —la tercera en este caso— y las otras filas quedan inalteradas; en parti-
cular, la fila que se multiplica por el número para hacer la transformación
—la segunda en este ejemplo— permanece intacta.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 33
N bra de
r U ge ar
19 Acabamos de ver tres tipos de transformaciones que se ejecutan en

po e Á imin
matrices:
do d rel
• intecambiar dos filas;

ita as p
• multiplicar una fila por un número no nulo;

ed m ión
• sumar a una fila un múltiplo de otra.

rs
Transformaciones Las llamaremos transformaciones elementales por filas de una matriz, y

Ve
elementales por filas

diremos que son del tipo i, ii y iii, respectivamente.
e
"T
Más adelante estudiaremos con mucho detalle las transformaciones ele-

mentales de matrices. (Por cierto, también se definen transformaciones ele-
mentales por columnas, de la forma que el lector puede sospechar. . . ) Pero
es importante observar ahora una caracterísitica de estas transformaciones:
son reversibles —es de esperar, pues al fin y al cabo las operaciones entre
ecuaciones que las motivan son reversibles (cf. § 7, p. 22)—. La palabra
reversible se utiliza aquí en el sentido siguiente: si una matriz sufre una
transformación elemental, es posible aplicar a la nueva matriz otra trans-
formación elemental que nos devuelva a la matriz original. Por ejemplo,
si aplicamos a una matriz la transformación F1 ↔ F3 (intercambiar las fi-
las primera y tercera), una nueva aplicación de la misma transformación
nos devuelve a la primera matriz; si aplicamos la transformación F2 ← 2F2
(multiplicar la segunda fila por 2), es claro que recuperamos la matriz ori-
ginal con la transformación F2 ← (1/2)F2; y, finalmente, si a una matriz
¡Anímese el lector a compro-
bar estas afirmaciones con un
le aplicamos la transformación F2 ← F2 + 3F1 (sumar a la segunda fila la
ejemplo! primera multiplicada por 3), recuperamos la matriz de partida con la trans-
formación F2 ← F2 + (−3)F1 (sumar a la segunda fila la primera mutiplicada
por −3).
Resolución de un sistema de 20 Unas páginas más atrás hemos estudiado que la idea básica para re-
ecuaciones lineales con ayuda
solver un sistema de ecuaciones lineales es la de transformarlo, con ayuda
de matrices: idea básica
de las operaciones entre ecuaciones que hemos visto, en otro sistema equi-
valente más sencillo de resolver. De acuerdo con todo lo afirmado en los
últimos parágrafos, podemos llevar a cabo tal tarea con la ayuda de las
matrices. Se trataría, entonces, de escribir la matriz ampliada del sistema
que nos dan; de transformar esta matriz, mediante transformaciones ele-
mentales, en otra “más sencilla”; y, finalmente, de resolver el sistema de
ecuaciones representado por esta matriz sencilla. Este último sistema de
ecuaciones resultará equivalente al original, y por tanto su solución será la
que buscamos.
¿Cómo debe ser esa matriz “más sencilla” a la que debemos llegar desde
la matriz ampliada del sistema original? Respondemos con otra pregunta:
to
t ex
el
Id
l" tulo
ea í
in cap
34 ED L l
r U ge ar
¿de qué manera buscábamos un “sistema equivalente más sencillo de re-

po e Á imin
solver”? Respuesta: con el método de eliminación, en dos variantes: Gauss

do d rel
y Gauss–Jordan. ¿Cómo es el sistema al que se llega con estos métodos?

ita as p
En el caso de la eliminación de Gauss, se trata de un sistema con la carac-

ed m ión
terística de que cada ecuación tiene menos incógnitas que su precedente; en

rs
el caso de la eliminación de Gauss–Jordan, además de esta propiedad se

Ve
cumple esta otra: los primeros coeficientes no nulos de cada ecuación son
e
"T
iguales a 1, y son nulos los restantes coeficientes. Analicemos, entonces,

cómo son las matrices ampliadas que representan los sistemas de ecua-
ciones con estas características.
21 Veamos cómo es la matriz ampliada de un sistema de ecuaciones

lineales que se ha obtenido por aplicación del método de eliminación de
Gauss (y que por tanto cumple que cada ecuación tiene menos incógnitas
que su precedente). Son un ejemplo de sistema de este tipo los sistemas (4)
y (8), obtenidos a partir de los sistemas (2) y (7), respectivamente. Sus ma-
trices ampliadas son, respectivamente, estas:
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 2
⎜ ⎟ ⎜ ⎟
⎝0 −1 −3 3⎠ y ⎝0 1 −1 2⎠.
0 0 −7 7 0 0 −4 2
Se observa que cada fila comienza con más ceros que la precedente. Que-
remos decir: cada fila tiene cierta cantidad de ceros iniciales —ninguno la
primera, uno la segunda, dos la tercera—, y cualquier fila —excepto la pri-
mera, por supuesto— tiene más ceros iniciales que su fila anterior. Ambas
Matriz escalonada matrices son un ejemplo de lo que se denomina matriz escalonada.
En una matriz escalonada, el primer término no nulo de cada fila recibe
el nombre de pivote. Las dos matrices del párrafo anterior, ambas escalo-
nadas, tienen entonces tres pivotes cada una; en la primera, tales son: 1, −1
y −7; en la segunda: 1, 1 y −4.
22 Los sistemas de ecuaciones lineales (6) y (9) fueron obtenidos a par-

tir de los sistemas (2) y (7), respectivamente, por el método de eliminación
de Gauss–Jordan: cada ecuación tiene menos incógnitas que la anterior,
el primer coeficiente no nulo de cada ecuación es igual a 1 y los restantes
coeficientes son nulos. Las matrices ampliadas respectivas son estas:
⎛ ⎞ ⎛ ⎞
1 0 0 1 1 0 0 1
⎜ ⎟ ⎜ ⎟
⎝0 1 0 0⎠ y ⎝0 1 0 3/2 ⎠ .
0 0 1 −1 0 0 1 −1/2
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 35
N bra de
r U ge ar
Un primer vistazo nos dice que estas dos matrices son escalonadas: cada
po e Á imin
fila, excepto la primera, tiene más ceros iniciales que la precedente. Pero
do d rel
tienen dos propiedades más: los pivotes —es decir, los primeros términos
ita as p
no nulos de cada fila— son iguales a 1, y los términos restantes en la co-

ed m ión
lumna de cada pivote son nulos. Una matriz escalonada con estas propie-
rs
Matriz escalonada reducida dades se dice que es una matriz escalonada reducida.
Ve
23
e
Si en las matrices escalonadas reducidas del parágrafo anterior nos

"T
olvidamos por un momento de la última columna (dicho de otra forma: si

nos fijamos en la matriz de coeficientes correspondiente), nos queda una
misma matriz: ⎛ ⎞
1 0 0
⎜ ⎟
⎝0 1 0⎠.
0 0 1
Matriz identidad De esta matriz se dice que es una matriz identidad (esta es la de orden 3).
Cuando la matriz de coeficientes de un sistema es una matriz identidad,
el sistema tiene solución única, y esta solución única puede leerse direc-
tamente en la columna de términos independientes de la matriz ampliada
del sistema. La solución de los sistemas (6) y (9), y por ende la de los sis-
temas (2) y (7), puede leerse, entonces, directamente en la última columna
de las matrices ampliadas del parágrafo anterior: (1, 0, −1) y (1, 3/2, −1/2),
respectivamente.
Recapitulación de la 24 Recapitulemos cómo quedaría la resolución completa del sistema

resolución con matrices del
de ecuaciones lineales (2) con la ayuda de las matrices. La matriz ampliada
sistema (2)
Recordamos el sistema (2):
de este sistema es: ⎛ ⎞
⎧ 1 1 1 0
⎪
⎪
⎪
⎨
x+ y +z =0 =⎜
A ⎝ 2 1 −1
⎟
3⎠.
2x + y − z = 3
⎪
⎪
⎪
−1 2 1 −2
⎩ −x + 2y + z = −2.
De acuerdo con el método de eliminación de Gauss, tratamos de obtener
y mediante la aplicación de transformaciones ele-
a partir de la matriz A,
mentales (por filas) sucesivas, una matriz escalonada (también se habla de
obtener una forma escalonada de la matriz A, o de escalonar la matriz A).

En primer lugar, hacemos ceros en la primera columna, debajo de su
primer término:
La matriz obtenida es la ma-
triz ampliada del sistema (3): ⎛ ⎞ ⎛ ⎞
1 1 1 0 F2 ←F2 −2F1 1 1 1 0
⎧
⎪
⎪x + y + z = 0
⎪
⎨ =⎜
A ⎝ 2 1 −1
⎟ F3 ←F3 +F1 ⎜
3 ⎠ →
⎝0 −1 −3
⎟
3⎠.
−y − 3z = 3 −1 2 1 −2 0 3 2 −2
⎪
⎪
⎪
⎩ 3y + 2z = −2.
Acabamos de aplicar dos transformaciones elementales sucesivas a la ma-
F2 ← F2 − 2F1 y F3 ← F3 + F1 . En general, no se obtiene lo mismo
triz A:
t o
t ex
el
Id
l" tulo
ea í
in cap
36 ED L l
r U ge ar
aplicando dos transformaciones elementales en un orden que en el otro,

po e Á imin
pero para estas dos transformaciones concretas sí que se obtiene lo mismo.

do d rel
Esto es así porque las dos transformaciones son de tipo iii, afectan a filas
ita as p
distintas —a la segunda y a la tercera, respectivamente— y ambas suponen

ed m ión
sumar un múltiplo de la misma fila —la primera—. Cuando estudiemos más

rs
adelante con detalle las transformaciones elementales, veremos confirmado

Ve
que las transformaciones de estas características efectivamente permiten

e
"T
un cambio de orden entre ellas.

En segundo lugar, hacemos un cero en la segunda columna, debajo de
su segundo término; ello nos lleva ya a una matriz escalonada, en la que
destacamos los pivotes (recordemos: los primeros términos no nulos de
La matriz escalonada obtenida cada fila):
es la ampliada del sistema (4):
⎧
⎛ ⎞ ⎛ ⎞
⎪ x+ y+ z=0
1 1 1 0 1 1 1 0
⎪
⎪ ⎜ ⎟ F3 ←F3 +3F2 ⎜ ⎟
⎨ −1 −3 3 ⎠ →
⎝0 −1 −3
−y − 3z = 3
⎝0 3⎠.
⎪
⎪
⎪
⎩ 0 3 2 −2 0 0 −7 7
−7z = 7.
(añadimos una “prima” a la

La matriz escalonada obtenida se denota por A
letra que designa la matriz original). Ahora, podemos resolver el sistema de
ecuaciones lineales que tiene como matriz ampliada la matriz A ; tal sistema
es el sistema (4), que fue resuelto en el § 8 (cf. p. 23). Con ello terminaría la
aplicación del método de eliminación de Gauss en este ejemplo.
Pero también podemos continuar con el otro método de eliminación,
el de Gauss–Jordan, que requiere seguir aplicando transformaciones ele-
a fin de obtener una matriz escalonada
mentales sucesivas a la matriz A
reducida (o como también se dice: obtener la forma escalonada reducida de
).2 ¿Nos ponemos con ello?
la matriz A
En primer lugar, transformamos los pivotes en 1:
⎛ ⎞ F ←(−1)F ⎛ ⎞
1 1 1 0 2 2 1 1 1 0
= ⎜
A ⎝0 −1 −3
⎟ F3 ←(−1/7)F3 ⎜
3 ⎠ →
⎝0 1 3
⎟
−3 ⎠ ;
0 0 −7 7 0 0 1 −1
en segundo lugar, hacemos ceros en la tercera columna, en todos los térmi-
2 Nótese , y que unos

que hablamos de obtener la forma escalonada reducida de la matriz A
párrafos antes —en este mismo parágrafo— hablamos de obtener una forma escalonada de
Dada una matriz (con algún término no nulo), en general hay infinitas matrices
la matriz A.
escalonadas que se pueden obtener a partir de ella mediante la aplicación de transformacio-
nes elementales sucesivas, pero solo hay una que sea escalonada reducida. Esta unicidad de
la forma escalonada reducida de una matriz se demostrará más adelante (cf. § 100, p. 100).
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 37
N bra de
r U ge ar
nos menos el pivote:

po e Á imin
⎛ ⎞ ⎛ ⎞
1 1 1 0 F2 ←F2 −3F3 1 1 0 1
do d rel
⎜ ⎟ F1 ←F1 −F3 ⎜ ⎟
⎝0 1 3 −3 ⎠ →
⎝0 1 0 0⎠;
ita as p
0 0 1 −1 0 0 1 −1
ed m ión
rs
finalmente, hacemos ceros en todos los términos de la segunda columna

Ve
salvo el pivote (para ello solo queda un término no nulo):

e
"T
⎛ ⎞ ⎛ ⎞
1 1 0 1 1 0 0 1
⎜ ⎟ F1 ←F1 −F2 ⎜ ⎟
⎝0 1 0 0 ⎠ →
⎝0 1 0 0⎠.
0 0 1 −1 0 0 1 −1
(añadi-
Esta última matriz ya es escalonada reducida; la denotamos por A
endo una “prima” más a la letra). Ya vimos esta matriz (aunque entonces no
la designamos con ninguna letra) en los § 22 y 23 (cf. p. 34), donde comenta-
mos que en su última columna podemos leer directamente la solución única
del sistema de ecuaciones lineales (2): (1, 0, −1).
Recapitulación de la 25 Recapitulemos ahora la resolución completa del sistema de ecua-

resolución con matrices del
ciones lineales (7) con la ayuda de las matrices.
sistema (7)
La matriz ampliada del sistema es:
Recordamos el sistema (7): ⎛ ⎞
⎧ 0 1 −1 2
⎪
⎪
⎪
⎨
x2 − x3 = 2 =⎜
D ⎝1 1 1
⎟
2⎠.
x1 + x2 + x3 = 2 1 −1 −1 0
⎪
⎪
⎪
⎩ x − x − x = 0.
1 2 3
Escalonamos esta matriz:
⎛ ⎞ ⎛ ⎞
0 1 −1 2 1 1 1 2
=⎜
D ⎝1 1 1
⎟ F ↔F
2 ⎠ 12→
⎜
⎝0 1 −1 2⎠
⎟
1 −1 −1 0 1 −1 −1 0
⎛ ⎞
1 1 1 2
F3 ←F3 −F1 ⎜ ⎟
→
⎝0 1 −1 2⎠
0 −2 −2 −2
es
Esta matriz escalonada D ⎛ ⎞
1 1 1 2
la matriz ampliada del siste- F3 ←F3 +2F2 ⎜ ⎟
ma (8): →
⎝0 1 −1 .
2⎠ = D
⎧
⎪ 0 0 −4 2
⎪ x1 + x2 + x3 = 2
⎪
⎨
x2 − x3 = 2
⎪
⎪ —el sis-
⎪
⎩ El sistema de ecuaciones cuya matriz ampliada es la matriz D
−4x = 2.
3
tema (8)— se resolvió en el § 10 (cf. p. 25); esta resolución daría por ter-
minada la eliminación de Gauss del sistema de ecuaciones lineales (7).
to
t ex
el
Id
l" tulo
ea í
in cap
38 ED L l
r U ge ar
Si queremos resolver el sistema de ecuaciones (7) por eliminación de

po e Á imin
Gauss–Jordan, buscamos la forma escalonada reducida de la matriz D :

do d rel
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 1 1 2
ita as p
= ⎜
D ⎝0 1 −1
⎟ F3 ←(−1/4)F3 ⎜
2 ⎠ →
⎝0 1 −1 2 ⎠
⎟
ed m ión
0 0 −4 2 0 0 1 −1/2
rs
⎛ ⎞
Ve
F2 ←F2 +F3 1 1 0 5/2

e
F1 ←F1 −F3 ⎜ ⎟
"T
→
⎝0 1 0 3/2 ⎠
0 0 1 −1/2
⎛ ⎞
1 0 0 1
F1 ←F1 −F2 ⎜ ⎟ .
→
⎝0 1 0 3/2 ⎠ = D
0 0 1 −1/2
nos lleva a concluir que

La lectura de la matriz escalonada reducida D
el sistema de ecuaciones lineales (7) tiene solución única y que esta es la
terna (1, 3/2, −1/2) (cf. § 23, p. 35).
4. Sistemas de ecuaciones con infinitas soluciones y

sistemas de ecuaciones sin solución
En el apartado anterior solo hemos tratado sistemas de ecuaciones lineales
con una única solución. Pero hay sistemas que admiten infinitas soluciones
y hay también sistemas que no admiten solución.3 Vemos ejemplos de am-
bos tipos en este apartado. También veremos algún ejemplo de sistema con
distinto número de ecuaciones que de incógnitas.
Un sistema con infinitas 26 Consideremos el siguiente sistema de dos ecuaciones y dos incóg-
soluciones
nitas: ⎧
⎨ 3x + y = −3
(11)
⎩ 6x + 2y = −6.
Intentemos aplicar en este sistema el método de eliminación de Gauss–

Jordan con la ayuda de las matrices. Escribimos entonces la matriz am-
pliada:
3 1 −3
=
A ,
6 2 −6
y tratamos de obtener su forma escalonada reducida.
3 Comprobaremos más adelante (cf. § 45, p. 55), que no hay más posibilidades en lo que
a las soluciones de un sistema de ecuaciones lineales se refiere: solución única, infinitas
soluciones o ninguna solución.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 39
N bra de
r U ge ar
a una forma
Una sola transformación elemental nos lleva la matriz A
po e Á imin
escalonada:

do d rel
3 1 −3 F2 ←F2 −2F1 3 1 −3
= .
ita as p
A →
=A
6 2 −6 0 0 0
ed m ión
rs
solo tiene un pivote, pues su segunda fila es nula

La matriz escalonada A
Ve
(esto es, tiene todos sus términos nulos). En la columna de este pivote —la
e
"T
primera— ya es nulo el otro término, así que solo nos resta conseguir que
el pivote sea igual a 1:

3 1 −3 F1 ←(1/3)F1 1 1/3 −1
=
A →
.
=A
0 0 0 0 0 0
es la forma escalonada reducida de la matriz A.

La matriz A
Nota bene es, en efecto, escalonada, porque cada fila —salvo la

La matriz A
primera— tiene más ceros iniciales que la anterior (como es una matriz de dos
filas, esto se reduce simplemente a comprobar que la segunda fila tiene más
es efectivamente escalonada
ceros iniciales que la primera). Y la matriz A
reducida: es escalonada, su único pivote es igual a 1 y el único término que
acompaña a este pivote en su columna es nulo.
Ahora, ¿cuál es el sistema de ecuaciones lineales cuya matriz ampliada

es la matriz escalonada reducida A ? Este:
Cualesquiera que sean los va-
lores que tomen las incógni- ⎧
⎪ 1
tas x y y, se va a satisfacer ⎨ x − y = −1 1
la ecuación 0x + 0y = 0; si 3 o bien x− y = −1. (12)
⎪
⎩ 3
quitamos o añadimos a un sis- 0x + 0y = 0,
tema esta ecuación, obtene-
mos otro equivalente.
Este sistema —ya lo sabemos— es equivalente al original, el (11). ¿Cuál es su
solución (si la hay)? De la única ecuación de este sistema, podemos deducir:
1
x = −1 + y. (13)
3
Si sustituimos la letra y por algún número concreto, por ejemplo: y = 1,

nos queda que x = −2/3, y una rápida comprobación nos confirma que el
par (−2/3, 1) es solución de este sistema, y desde luego también del (11).
Pero hay más soluciones. Si sustituimos y por otro número, digamos y = 0,
lo que obtenemos para x: x = −1, nos configura otra solución: (−1, 0).
De hecho, podemos sustituir la letra y por el número que queramos; el
correspondiente valor de x de acuerdo con la igualdad x = −1 + y/3 nos
t o
tex
el
Id
l" tulo
ea í
in cap
40 ED L l
r U ge ar
configura una solución del sistema. Realmente, todas las soluciones del
po e Á imin
sistema son los pares ordenados (x, y) tales que:

do d rel
1
x = −1 +
ita as p
y, donde y puede ser un número cualquiera.

3
ed m ión
El sistema de ecuaciones lineales (11) es, pues, un sistema con infinitas solu-
rs
Ve
ciones.
e
"T
Incógnitas básicas o 27 En un sistema de ecuaciones lineales cuya matriz ampliada es es-

incógnitas principales;
calonada reducida, las incógnitas que figuran en primer lugar en alguna
incógnitas libres o
parámetros ecuación (y que por tanto son tales que su coeficiente es un pivote de la ma-
triz y es igual a 1) se denominan incógnitas básicas o incógnitas principales;
las restantes se denominan incógnitas libres, o parámetros.
Por ejemplo, en el sistema (12), visto en el § 26, la primera incógnita
en la única ecuación que tiene el sistema es x, luego esta es una incógnita
básica (o principal), y la otra, la y, es una incógnita libre (o un parámetro).
Cuando hemos buscado la solución de este sistema, hemos despejado la
incógnita básica en función de la incógnita libre; es lo que está plasmado en
la igualdad (13).
Cuando un sistema cuya matriz ampliada es escalonada reducida admite
solución y exhibe incógnitas libres o parámetros, en la expresión final de la
solución se suelen sustituir estas incógnitas por otras letras, habitualmente
griegas, para distinguirlas en su notación de las incógnitas principales. Para
el sistema (12), y en definitiva para el (11), si denotamos la incógnita libre y
por λ (léase “lambda”), podemos concluir lo siguiente: todas las soluciones
del sistema (11) son los pares ordenados (x, y) tales que:
⎧
⎪ 1
⎨ x = −1 + λ
3 donde λ es un número cualquiera;
⎪
⎩
y= λ,
o también: todas las soluciones del sistema (11) son los pares ordenados de
la forma:
1
−1 + λ, λ , donde λ es un número cualquiera.
3
Otro sistema con infinitas 28 Consideremos ahora el siguiente sistema de tres ecuaciones y cua-
soluciones, esta vez con más
tro incógnitas: ⎧
ecuaciones que incógnitas
⎪
⎪ x1 − x2 + x3
⎪
⎨
=2
x2 + x3 + x4 = −1 (14)
⎪
⎪
⎪
⎩x
1 + 2x3 + x4 = 1.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 41
N bra de
r U ge ar
A diferencia de los sistemas de ecuaciones lineales que hemos visto hasta

po e Á imin
ahora, este sistema tiene un número de ecuaciones distinto del de incógni-

do d rel
tas. No por ello dejemos de intentar resolverlo con el método de eliminación

ita as p
de Gauss–Jordan (con la ayuda de las matrices). La matriz ampliada del

ed m ión
sistema tiene tres filas y cinco columnas:

⎛ ⎞
rs
1 −1 1 0 2
Ve
⎜ ⎟
A = ⎝0 1 1 1 −1 ⎠ .
e
"T
1 0 2 1 1
Con dos transformaciones elementales llegamos a una matriz escalonada:

⎛ ⎞ ⎛ ⎞
1 −1 1 0 2 1 −1 1 0 2
A=⎜ ⎝0
⎟ 3 3 1 ⎜
F ←F −F
1 1 1 −1 ⎠ →
⎝0
⎟
1 1 1 −1 ⎠
1 0 2 1 1 0 1 1 1 −1
⎛ ⎞
1 −1 1 0 2
F3 ←F3 −F2 ⎜ ⎟
→
⎝0 1 1 1 .
−1 ⎠ = A
0 0 0 0 0
tiene dos pivotes (adviértase que la tercera fila es

nula), y ambos ya son iguales a 1; para obtener a partir de ella una matriz
escalonada reducida solo resta conseguir que sea nulo el término que ocupa
simultáneamente la primera fila y la segunda columna:
⎛ ⎞ ⎛ ⎞
1 −1 1 0 2 1 0 2 1 1
⎜ ⎟ F1 ←F1 +F2 ⎜ ⎟ .
A = ⎝0 1 1 1 −1 ⎠ →
⎝0 1 1 1 −1 ⎠ = A
0 0 0 0 0 0 0 0 0 0
es efectivamente escalonada reducida: es escalonada (al pasar

La matriz A
de cada fila a la siguiente crece la cantidad de ceros iniciales), los pivotes
son unitarios y las dos columnas en las que figuran los pivotes presentan
sus restantes términos nulos. La matriz A es, pues, la forma escalonada

reducida de la matriz A.
Escribamos ahora el sistema de ecuaciones lineales cuya matriz am-
—el cual, bien lo sabemos, será equivalente al inicial,
pliada es la matriz A
el (14)—. Como la tercera fila de la matriz A es nula, no escribimos la
ecuación correspondiente. Nos queda este sistema:
Si quitamos o añadimos a un ⎧
sistema la ecuación ⎨ x1 + 2x3 + x4 = 1
(15)
0x1 + 0x2 + 0x3 + 0x4 = 0, ⎩ x2 + x3 + x4 = −1.
obtenemos otro equivalente.
Si en la primera ecuación despejamos la incógnita x1 y en la segunda la
incógnita x2 , resulta:
x1 = 1 − 2x3 − x4 y x2 = −1 − x3 − x4 . (16)
to
t ex
el
Id
l" tulo
ea í
in cap
42 ED L l
r U ge ar
Ahora, de manera similar a como acontecía en el § 26 (cf. p. 38) con el sis-

po e Á imin
tema escrito en (12), si damos a las incógnitas x3 y x4 algún valor numérico

do d rel
concreto, los valores correspondientes de x1 y x2 obtenidos a partir de (16)

ita as p
nos configuran una solución del sistema. Por ejemplo, si ponemos x3 = 1

ed m ión
y x4 = 2, obtenemos x1 = −3 y x2 = −4, y la cuaterna formada por estos

El lector adivinará que la cua-
rs
terna es lo análogo, para cua- cuatro valores numéricos (en su orden adecuado) es una solución del sis-
Ve
tro números, del par ordenado tema: (−3, −4, 1, 2). Podemos afirmar que todas las soluciones del sistema
e
o de la terna.
"T
de ecuaciones lineales (15), y por ende todas las del (14), son las cuater-
nas (x1 , x2 , x3 , x4 ) tales que:
⎧
⎨ x1 = 1 − 2x3 − x4 ,
donde x3 y x4 son números cualesquiera.
⎩ x2 = −1 − x3 − x4 ,
En particular, el sistema de ecuaciones lineales (14) tiene infinitas solu-

ciones.
De acuerdo con la nomenclatura introducida en el § 27, las incógnitas x1
y x2 son las incógnitas básicas del sistema (15) (pues son las que figuran
en primer lugar en alguna ecuación), y las incógnitas x3 y x4 son las in-
cógnitas libres. En las igualdades de (16), figuran despejadas las incógnitas
básicas en función de las libres. Si, como es usual, sustituimos las letras de
las incógnitas libres por letras griegas —por ejemplo, x3 por λ y x4 por μ
(léase “mi”)—, entonces podemos escribir que todas las soluciones del sis-
tema (15), y por tanto las del (14), son las cuaternas (x1 , x2 , x3 , x4 ) tales
que:
⎧
⎪
⎪ = 1 − 2λ − μ
⎪ x1
⎪
⎪
⎪
⎨ x2 = −1 − λ − μ
donde λ y μ son números cualesquiera;
⎪
⎪ x3 = λ
⎪
⎪
⎪
⎪
⎩x = μ,
4
o bien: tales soluciones son todas las cuaternas de la forma:
(1 − 2λ − μ, −1 − λ − μ, λ, μ), donde λ y μ son números cualesquiera.
Un sistema sin solución 29 Estudiemos este sistema de tres ecuaciones y tres incógnitas:
⎧
⎪
⎪ x1 + x2 − x3 = 5
⎪
⎨
2x1 + x2 =2 (17)
⎪
⎪
⎪
⎩ x
1 + x = −1.
3
Su matriz ampliada es:

⎛ ⎞
1 1 −1 5
=⎜
A ⎝ 2 1 0
⎟
2⎠,
1 0 1 −1
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 43
N bra de
r U ge ar
y una forma escalonada de esta matriz se puede obtener así:

po e Á imin
⎛ ⎞ ⎛ ⎞
1 1 −1 5 1 1 −1 5
do d rel
⎜ ⎟ F2 ←F2 −2F1 ⎜ ⎟
A = ⎝2 1 0 2 ⎠ →
⎝0 −1 2 −8 ⎠
ita as p
1 0 1 −1 1 0 1 −1
ed m ión
⎛ ⎞
rs
1 1 −1 5
F3 ←F3 −F1 ⎜ ⎟
Ve
→
⎝0 −1 2 −8 ⎠
e
0 −1 2 −6
"T
⎛ ⎞
1 1 −1 5
F3 ←F3 −F2 ⎜ ⎟
→
⎝ 0 −1 2 −8 ⎠ = A
0 0 0 2
, menos la primera, pre-

(nótese que cada una de las filas de la matriz A
senta más ceros iniciales que su precedente: es escalonada). En este punto,
de acuerdo con el método de eliminación de Gauss–Jordan, deberíamos
hasta llegar
seguir aplicando transformaciones elementales a la matriz A
a su forma escalonada reducida. Ahora bien, fijémonos: ¿cuál sería la ter-
cera ecuación del sistema de ecuaciones lineales cuya matriz ampliada es la
matriz A ? Esta:
0x1 + 0x2 + 0x3 = 2. (18)
Pero acontece que esta ecuación no admite solución: cualesquiera que sean
los números que escribamos en vez de x1 , x2 y x3 , no obtendremos el
número 2 como resultado de la operación 0x1 + 0x2 + 0x3 . Deducimos
no admite solución. Y
entonces que el sistema cuya matriz ampliada es A
si este sistema no admite solución, tampoco la admite el sistema original:
el (17), que es equivalente a él.
A modo de epílogo de la 30 A la vista de los sistemas de ecuaciones lineales que hemos visto
sección
en este apartado y en el anterior, nos formulamos las siguientes preguntas:
¿cuál es el punto crucial que hace que un sistema admita solución o no?;
y, una vez sabemos que el sistema admite solución, ¿cuál es la clave para
saber si esta solución es única o admite más de una?
Adelantamos al lector las respuestas, de las cuales quizá ya intuya algún
aspecto.
Si nos fijamos bien en la resolución del sistema (17) en el § 29, el de-
talle crucial que nos determina que el sistema no admita solución es que
la matriz escalonada obtenida a partir de su matriz ampliada presenta un
pivote en la última columna. Si una matriz escalonada, ampliada de un sis-
tema de ecuaciones lineales, tiene un pivote en su última columna, entonces
to
t ex
el
Id
l" tulo
ea í
in cap
44 ED L l
r U ge ar
la ecuación lineal que correspondería a la fila de este pivote tendría todos

po e Á imin
sus coeficientes nulos y el término independiente no nulo (como la ecuación

do d rel
lineal escrita en (18)); una ecuación lineal así no admite solución.

ita as p
Por el contrario, todos los demás sistemas que hemos estudiado en la

ed m ión
sección actual, tanto en este apartado como en los anteriores, son tales que
rs
la matriz escalonada a la que hemos llegado a partir de su matriz ampliada

Ve
no presenta un pivote en la última columna. Cuando una matriz escalonada

e
"T
no tiene pivote en su última columna, es posible encontrar alguna solución

para el sistema correspondiente.
Por otra parte, si tenemos un sistema tal que una forma escalonada de
su matriz ampliada no presenta un pivote en la última columna (un sistema
que, acuerdo con lo afirmado en el párrafo anterior, tiene solución), pode-
mos saber si admite solución única o no comparando el número de pivotes
de la forma escalonada con el de incógnitas:
• Si el número de pivotes es igual al de incógnitas, la solución es única.
Esto es lo que acontece en todos los sistemas trabajados antes del
apartado actual.
• Pero si el número de pivotes es menor que el número de incógnitas,
hay más de una solución; de hecho, infinitas. Esto sucede en los sis-
temas (11) y (14) (cf. pp. 38 y 40, respectivamente).
Además, en el caso de infinitas soluciones, el número de parámetros o in-
cógnitas libres a partir de las cuales se expresa la solución es igual a la
diferencia entre el número de incógnitas y el número de pivotes. Animamos
al lector a comprobar este hecho con los citados sistemas (11) y (14).
Veremos una justificación de todas estas afirmaciones en la Sección I.3,
que estará dedicada a presentar un método sintético para resolver cualquier
sistema de ecuaciones lineales. Antes, en la Sección I.2, presentaremos
las definiciones y propiedades de los sistemas de ecuaciones lineales en
general.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 45
N bra de
r U ge ar
Ejercicios I.1
po e Á imin
1 Resolver, tanto por sustitución como por reduc- 5 Considérese el siguiente sistema de ecuaciones
do d rel
ción, el siguiente sistema de ecuaciones lineales: lineales: ⎧

⎨ x1 + ax2 = 1
ita as p
⎧
⎨ x+ y =6 ⎩ ax1 + x2 = 1,
ed m ión
⎩ −x + 3y = 2.
rs
donde a designa un número (real).

Ve
a) ¿Es el par ordenado (1, 1) solución del sistema

e
2 Un sistema de dos ecuaciones y dos incógnitas

"T
se resuelve por igualación de la siguiente manera: se para algún valor de a?

despeja en ambas ecuaciones una misma incógnita y b) ¿Hay solución cualquiera que sea el valor de a?
se igualan las dos expresiones obtenidas, lo que lleva a
c) Si a es tal que el sistema admite alguna solución,
una ecuación con una sola incógnita, la cual se resuelve;
encontrarlas todas.
el resultado se sustituye en cualquiera de las dos expre-
siones obtenidas en el primer paso para así determinar
6 Considérese el siguiente sistema de ecuaciones
el valor de la incógnita que falta.
lineales: ⎧
Resolver por igualación este sistema: ⎨ x1 − x2 = 2
⎧ ⎩ 2x1 − 2x2 = 4.
⎨ 2x + 3y = 8
⎩ 5x + 2y = −2. Justificar que es solución de este sistema cualquier par
ordenado de la forma (2 + λ, λ) donde λ es un número
3 Treinta y cinco garrafas de vino, unas de dos real. Justificar que también es solución cualquier par
litros y otras de cinco, se llenan al vaciar completa- ordenado de la forma (2 − 2λ, −2λ) donde λ es un nú-
mente una tinaja que contiene cien litros. ¿Cuántas mero real. ¿Hay alguna contradicción entre ambas afir-
garrafas de cada tipo hay? maciones?
4 Resolver el siguiente sistema de ecuaciones linea- 7 Si las letras a, b, c y d designan números tales
les: que a ≠ 0 y ad − bc ≠ 0, resuélvase este sistema de
⎧
⎪
⎪ 2x + 3y + 5z = 1 ecuaciones lineales:
⎪
⎨
5y − z = 1 ⎧
⎪
⎪ ⎨ ax1 + bx2 = 1
⎪
⎩2x + 8y + 5z = 2.
⎩ cx1 + dx2 = 1.
to
t ex
el
Id
l" tulo
ea í
in cap
46 ED L l
r U ge ar
I.2 DEFINICIONES Y PROPIEDADES

po e Á imin
do d rel
1. Ecuaciones lineales. Sistemas de ecuaciones

ita as p
ed m ión
lineales
rs
En este apartado, presentamos las primeras definiciones necesarias sobre

Ve
sistemas de ecuaciones lineales, así como sus propiedades básicas. En par-

e
"T
ticular, veremos la definición general de algunos conceptos ya citados en la

sección anterior, y analizaremos con detalle la representación matricial de
un sistema de ecuaciones lineales.
Ecuación lineal
Ecuación lineal. Incógnitas, 31 Sea m un número natural positivo. Una ecuación lineal en las m
coeficientes y término
incógnitas (o variables) x1 , x2 , . . ., xm es una expresión de la forma:
independiente
a1 x1 + a2 x2 + · · · + am xm = c,
donde a1 , a2 , . . ., am son números (reales), que llamaremos coeficientes

de la ecuación, y c es otro número (también real), que llamaremos término
independiente de la ecuación.
Por ejemplo, la expresión
√
1x1 + (−1)x2 + 5x3 + 0x4 + 2 x5 = −5,
√
que escribiremos simplemente así: x1 − x2 + 5x3 + 2 x5 = −5, es una
ecuación lineal en las incógnitas x1 , x2 , x3 , x4 y x5 . Los coeficientes de la
√
ecuación son 1, −1, 5, 0 y 2 (en este orden). El término independiente de
la ecuación es −5.
Otro ejemplo: las tres siguientes son ecuaciones lineales en las incógni-
tas x1 , x2 y x3 :
1
x1 − x2 − 3x3 = 2, x3 = 1 y − x1 + 4x3 = 0.
5
Los coeficientes de la primera ecuación son 1, −1 y −3; los de la segunda: 0,
0 y 1; y los de la tercera: −1/5, 0 y 4. Los tres términos independientes
son 2, 1 y 0, respectivamente.
Las siguientes también son ecuaciones en las incógnitas x1 , x2 y x3 , pero
no son lineales:
1
x1 x2 + x3 = 2, x12 + 3x2 − x3 = −1, 2x1 − = 1.
x3
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 47
N bra de
I.2. DEFINICIONES Y PROPIEDADES
r U ge ar
Muchas veces se emplean otras letras para designar las incógnitas, co-
po e Á imin
mo x, y, z, t o u, acompañadas o no de subíndices. Por ejemplo, las si-

do d rel
guientes son ecuaciones lineales en las incógnitas x, y, z y t:

ita as p
ed m ión
2x + 3y − 2z + t = −3 y − 2y − z − t = 1.
rs
Y estas son ecuaciones lineales en las incógnitas y1 , y2 y y3 :

Ve
e
"T
y1 + y3 = 0 y 3y2 + y3 = −7.
Y esta lo es en las incógnitas z1 y z2 : 2z1 − z2 = 1.
Ecuaciones lineales: detalles 32 Como puede el lector deducir de los ejemplos del parágrafo ante-
de notación
rior, si un coeficiente en una ecuación lineal es nulo, no se suele escribir el
sumando correspondiente. Por ejemplo, se escribe −2x1 + x3 = 2 en vez
de −2x1 + 0x2 + x3 = 2 (salvo que se quiera enfatizar por alguna razón el
valor nulo del coeficiente). Pero hay una excepción: si todos los coeficientes
de la ecuación lineal son nulos, los escribiremos explicitamente:
0x1 + 0x2 + 0x3 = −1, o 0x1 + 0x2 + 0x3 + 0x4 = 0.
Otro detalle de notación que debe observarse es el siguiente. Podrían

pedirnos, por ejemplo, que consideráramos la ecuación lineal 3x2 = −1 en
las incógnitas x1 , x2 , x3 y x4 . En tal caso, la ecuación en cuestión sería
realmente esta: 0x1 + 3x2 + 0x3 + 0x4 = −1.
Habitualmente, el contexto nos dará cuenta de qué incógnitas debe-
mos considerar. A falta de contexto o de otras referencias, tomaremos
para una ecuación dada tantas incógnitas como marque el mayor subíndice
con coeficiente no nulo. Verbigracia, si no tenemos más información, la
ecuación 4x2 = 3 debe considerarse como una ecuación lineal en las incóg-
nitas x1 y x2 .
Solución de una ecuación lineal
Solución de una ecuación 33 Consideremos una ecuación lineal en las m incógnitas (o varia-
lineal
bles) x1 , x2 , . . ., xm :
a1 x1 + a2 x2 + · · · + am xm = c.
(En particular, ya sabemos entonces que las letras a1 , a2 , . . . , am y c están

designando números reales.) Dada una m-upla (s1 , s2 , . . . , sm ) de números,
ot
t ex
el
Id
l" tulo
ea í
in cap
48 ED L l
r U ge ar
diremos que es una solución de la ecuación lineal si al sustituir, en la ecua-

po e Á imin
Obsérvese que una m-upla es

lo análogo, para m números, ción, x1 por s1 , x2 por s2 , . . . , xm por sm se obtiene una igualdad. Es decir,
de un par ordenado o de una
do d rel
si se verifica:
terna. (De hecho, si m = 2,
ita as p
una m-upla es justamente un a1 s1 + a2 s2 + · · · + am sm = c.

ed m ión
par ordenado.) Los números

que figuran escritos en una Por ejemplo, consideremos esta ecuación lineal en las incógnitas x1 , x2
rs
m-upla son sus componentes:

y x3 :
Ve
primera, segunda, . . . , m-ési-

e
ma, en el mismo orden en que x1 + x2 + 2x3 = −1.

"T
están escritos.
La terna (0, −3, 1) es una solución de la ecuación, pues si sustituimos x1
por 0, x2 por −3 y x3 por 1, obtenemos una igualdad:
0 + (−3) + 2 · 1 = −1.
Por el contrario, la terna (1, 1, 1) no es una solución de la ecuación, pues

escribir 1, 1 y 1 en vez de x1 , x2 y x3 , respectivamente, nos lleva a
1 + 1 + 2 · 1 = 4 ≠ −1.
En efecto: El lector puede comprobar que la terna (0, 0, −1/2) es otra solución de la
1 ecuación. Se trata de una ecuación lineal con más de una solución.
0+0+2· − = −1.
2
Más ejemplos 34 Consideremos la ecuación lineal 3x2 = 1, en las incógnitas x1 y x2 .
Más explícitamente, se trata de la ecuación 0x1 + 3x2 = 1. Una solución es
el par ordenado (1, 1/3), pues la sustitución x1 = 1 y x2 = 1/3 nos lleva a
una igualdad:
1
0·1+3· = 1.
3
Si nos fijamos, realmente todo par ordenado de la forma (a, 1/3), siendo a
un número cualquiera, es una solución de la ecuación:
Hacemos la sustitución x1 = a
y x2 = 1/3. 1
0·a+3· = 1.
3
Examinemos ahora esta otra ecuación lineal: 3x1 = 1. Si no nos dicen

nada más, debemos pensar que es una ecuación solo en la incógnita x1 ;
Si m = 1, una m-upla se re-
duce a un solo número.
como tal, tiene solución única: el número 1/3. Pero podríamos conside-
rar que es una ecuación lineal en las incógnitas (por ejemplo) x1 y x2 ; más
explícitamente: 3x1 + 0x2 = 0. En este caso, una solución de la ecuación
sería un par ordenado y no simplemente un número. En concreto, podemos
1 comprobar que todo par ordenado de la forma (1/3, a), con a un número ar-
En efecto: 3 · + 0 · a = 1.
3 bitrario, configura una solución de la ecuación así considerada. La ecuación
lineal 3x1 = 1, en las incógnitas x1 y x2 , tiene infinitas soluciones.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 49
N bra de
r U ge ar
Solución de una ecuación 35 La ecuación lineal 0x1 + 0x2 + 0x3 = −1 (en las incógnitas x1 , x2
po e Á imin
lineal con todos los

y x3 ) no admite solución. En efecto, cualesquiera que sean los números que
coeficientes nulos (cf. § 32)
do d rel
escribamos en lugar de x1 , x2 y x3 , la operación 0x1 + 0x2 + 0x3 tiene como

ita as p
resultado el número 0, y no −1.

ed m ión
Por el contrario, la ecuación lineal 0x1 + 0x2 + 0x3 = 0 admite como

rs
solución cualquier terna de números.

Ve
En general, dada una ecuación lineal de la forma:

e
"T
0x1 + 0x2 + · · · + 0xm = c,
acontece lo siguiente: si c ≠ 0, no admite solución; si c = 0, admite como

solución cualquier m-upla de números.
Posibilidades para las 36 En los § 34 y 35, hemos visto ejemplos de ecuaciones lineales con
soluciones de una ecuación
una única solución (como la ecuación 3x1 = 1 en la incógnita x1 ), con in-
lineal: una, infinitas o
ninguna finitas soluciones (como la ecuación 3x2 = 1 en las incógnitas x1 y x2 ) o
sin solución (como las ecuaciones con todos sus coeficientes nulos y el tér-
mino independiente no nulo). Realmente, no hay más posibilidades para las
soluciones de una ecuación lineal: una, infinitas o ninguna.
Comprobémoslo con una ecuación lineal en dos in- mos lo siguiente:

cógnitas (para más incógnitas la comprobación sería
análoga). Supongamos que tenemos dos soluciones a1 s1 + b(s1 − s1 ) + a2 s2 + b(s2 − s2 )
distintas de la ecuación lineal a1 x1 + a2 x2 = c. Es = a1 s1 + a2 s2 + b(a1 s1 + a2 s2 ) − b(a1 s1 + a2 s2 )
decir, tenemos dos pares ordenados (s1 , s2 ) y (s1 , s2 ), = c + bc − bc = c,
con s1 ≠ s1 o s2 ≠ s2 , tales que:
donde hemos tenido en cuenta (19). Efectivamente,

a 1 s 1 + a2 s 2 = c y a1 s1 + a2 s2 = c. (19) pues, el par ordenado s1 + b(s1 − s1 ), s2 + b(s2 − s2 )
es solución de la ecuación lineal, y ello cualquiera que
Se tiene entonces lo siguiente: cualquiera que sea el sea el número b. Además, como s1 ≠ s1 o s2 ≠ s2 , se
número b, es solución de la ecuación lineal el par orde- obtiene un par ordenado distinto para cada valor de b:

nado s1 + b(s1 − s1 ), s2 + b(s2 − s2 ) , lo que establece la ecuación lineal tiene infinitas soluciones.
que la ecuación lineal tiene en definitiva infinitas solu- Vemos así que una ecuación lineal que admite más
ciones. de una solución admite de hecho infinitas. Esto prueba
Para probarlo, en la ecuación sustituimos x1 la afirmación de este parágrafo: una ecuación lineal ad-
por s1 + b(s1 − s1 ) y x2 por s2 + b(s2 − s2 ). Obtene- mite una solución, infinitas soluciones o ninguna.
Operaciones con ecuaciones lineales

Multiplicación por un número 37 Las ecuaciones lineales, en tanto que son igualdades, pueden multi-
de una ecuación lineal
plicarse por un número. Ello se lleva a cabo multiplicando ambos miembros
to
tex
el
Id
l" tulo
ea í
in cap
50 ED L l
r U ge ar
por el número. Por ejemplo, de multiplicar por el número −2 la ecuación

po e Á imin
lineal x1 − 3x2 + 2x3 = −1, resulta:

do d rel
(−2) · (x1 − 3x2 + 2x3 ) = (−2) · (−1), de donde: − 2x1 + 6x2 − 4x3 = 2.
ita as p
ed m ión
El resultado de esta operación es también una ecuación lineal, obtenida de la

rs
original multiplicando tanto los coeficientes como el término independiente

Ve
por el número en cuestión.

e
"T
En general, el producto de un número b por una ecuación lineal como
a1 x1 + a2 x2 + · · · + am xm = c
es igual a la ecuación lineal siguiente:
(ba1 )x1 + (ba2 )x2 + · · · + (bam )xm = bc.
Adición de ecuaciones 38 Las ecuaciones lineales también pueden sumarse, como se suman
lineales
habitualmente dos igualdades, miembro a miembro. Por ejemplo, conside-
remos estas dos ecuaciones lineales, ambas en las incógnitas x1 , x2 y x3 :
2x1 + x2 − 3x3 = 1 y − 6x1 + x3 = −1.
Su suma se puede calcular así:
2x1 + x2 − 3x3 = 1
+
−6x1 + x3 = −1
2x1 − 6x1 + x2 − 3x3 + x3 = 1 − 1,
de donde: −4x1 + x2 − 2x3 = 0.
La suma de las dos ecuaciones lineales es, como vemos, otra ecuación lineal,
en las mismas incógnitas que ambas ecuaciones, y tal que el coeficiente que
acompaña a cada incógnita es la suma de los coeficientes que acompañan a
la misma incógnita en cada ecuación, y también tal que su término indepen-
diente es la suma de ambos términos independientes.
En general, la suma de dos ecuaciones lineales en las mismas incógnitas:
a1 x1 + a2 x2 + · · · + am xm = c y b1 x1 + b2 x2 + · · · + bm xm = d,
es igual a la ecuación lineal:
(a1 + b1 )x1 + (a2 + b2 )x2 + · · · + (am + bm )xm = c + d.
Sumar a una ecuación un 39 A modo de combinación de las dos operaciones entre ecuaciones
múltiplo de otra
lineales que hemos visto en los §s 37 y 38, podemos sumar a una ecuación
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 51
N bra de
r U ge ar
un múltiplo de otra (tomadas ambas ecuaciones en las mismas incógnitas).

po e Á imin
No es más que multiplicar la segunda ecuación por un número y sumar el

do d rel
resultado a la primera.
ita as p
Efectuemos una operación de este tipo con las siguientes dos ecuaciones
ed m ión
lineales (ambas en las incógnitas x1 , x2 y x3 ):

rs
x1 + 3x2 − x3 = 0 y 2x1 − 4x2 + 6x3 = −8.

Ve
e
"T
Sumemos a la primera la segunda multiplicada por −1/2. Del producto de

la segunda por −1/2, obtenemos:
1 1
− · (2x1 − 4x2 + 6x3 ) = − · (−8), de donde: − x1 + 2x2 − 3x3 = 4.
2 2
Y de la suma de la primera con esta última:
x1 + 3x2 − x3 = 0
+
−x1 + 2x2 − 3x3 = 4
5x2 − 4x3 = 4.
La ecuación lineal 5x2 − 4x3 = 4 es el resultado.
Sumar a una ecuación un 40 Incidentalmente, obsérvese que la ecuación obtenida en el § 39 tiene

múltiplo de otra para anular
nulo su coeficiente de x1 , cuando las ecuaciones originales no lo tenían.
algún coeficiente
Habitualmente, el objetivo de sumar a una ecuación un múltiplo de otra
es precisamente que la ecuación obtenida como resultado tenga nulo algún
coeficiente concreto.
Parémonos un momento a ver esto en un caso general. Tenemos dos
ecuaciones lineales:
a1 x1 + a2 x2 + · · · + am xm = c y b1 x1 + b2 x2 + · · · + bm xm = d,
con a1 ≠ 0 y b1 ≠ 0, y querríamos, sumando a la primera un múltiplo ade-

cuado de la segunda, obtener una ecuación con el coeficiente de x1 nulo.
¿Cómo lo logramos? Como el coeficiente de x1 en la primera ecuación
es igual a a1 , tras multiplicar la segunda ecuación por algún número de-
beríamos obtener un coeficiente de x1 igual a −a1 . Lo conseguimos si tal
número es −a1 /b1 :
a a
1 1
− · (b1 x1 + b2 x2 + · · · + bm xm ) = − · d,
b1 b1
a1 b2 a1 bm a1 d
de donde: − a1 x1 − x2 − · · · − xm = − .
b1 b1 b1
t o
tex
el
Id
l" tulo
ea í
in cap
52 ED L l
r U ge ar
Ahora, al sumar la primera ecuación y esta última obtenida, conseguimos

po e Á imin
una ecuación cuyo coeficiente de x1 es nulo. Esquemáticamente:

do d rel
a1 x1 + a2 x2 + · · · = c
ita as p
+
ed m ión
a1 b2 a1 d
−a1 x1 − x2 − · · · = −
b1 b1
rs
Ve
a1 b2 a1 d
e
0x1 + a2 − x2 + · · · = c − .
"T
b1 b1
Tal y como queríamos, la ecuación obtenida tiene nulo su coeficiente de x1 .

Si quisiéramos, a partir de las mismas dos ecuaciones, conseguir que
fuera nulo otro coeficiente, digamos el de xj (donde 1 j m y bj ≠ 0), el
número por el cual habría que multiplicar la segunda ecuación sería −aj /bj .
Soluciones de una ecuación 41 Si multiplicamos una ecuación lineal por un número, obteniendo
lineal tras efectuar
con ello una segunda ecuación, las soluciones de la primera ecuación, ¿son
operaciones con ella
también soluciones de la segunda? Sí.
Veamos un ejemplo. Consideremos la ecuación lineal 2x1 − x2 + x4 = 1,
Una cuaterna es una m-upla
con m = 4.
de la cual una solución es la cuaterna (1, 3, 5, 2), pues: 2 · 1 − 3 + 2 = 1.
Multipliquemos la ecuación por 2; obtenemos: 4x1 − 2x2 + 2x4 = 2. Acon-
tece que la cuaterna (1, 3, 5, 2) también es solución de esta última ecuación,
pues: 4 · 1 − 2 · 3 + 2 · 2 = 2.
Con la adición de ecuaciones lineales acontece algo similar. Lo que sea
solución simultáneamente de las dos ecuaciones lineales que se suman sigue
siendo solución de la ecuación lineal suma. Por ejemplo, la terna (1, 1, 1) es
solución de estas dos ecuaciones lineales:
x1 − x2 − x3 = −1
+ x1 + x2 − 2x3 = 0
x1 − x2 − x3 = −1 y x1 + x2 − 2x3 = 0; (20)
2x1 − 3x3 = −1
pero también es solución de la ecuación lineal suma de ambas ecuaciones,
que es: 2x1 − 3x3 = −1. Dejamos al lector la comprobación de los detalles.
Nota bene Cuando decimos que toda solución de dos ecuaciones lineales lo es
también de su suma, se exige que tal solución lo sea de las dos ecuaciones que
se suman.
Como consecuencia de lo dicho en este parágrafo, si sumamos a una

ecuación lineal un múltiplo de otra, cualquier solución común a las dos
ecuaciones originales también será solución de la ecuación lineal obtenida
como resultado.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 53
N bra de
r U ge ar
A modo de ejemplo, podemos partir de nuevo de las ecuaciones linea-

po e Á imin
les escritas en (20). Ya sabemos que la terna (1, 1, 1) es solución de ambas.

do d rel
Acontece que esta terna también es solución de la ecuación que resulta de

ita as p
sumar a la primera de las ecuaciones la segunda multiplicada por −1. En

x1 − x2 − x3 = −1
ed m ión
+ efecto, el resultado de tal operación es la ecuación −2x2 + x3 = −1, y clara-

−x1 − x2 + 2x3 = 0
rs
mente la terna (1, 1, 1) es solución de ella.

Ve
−2x2 + x3 = −1 La justificación en general de todo lo afirmado en este parágrafo se deja

e
"T
como ejercicio al lector.
Sistemas de ecuaciones lineales
¿Qué es un sistema de 42 Un sistema de ecuaciones lineales es una lista (finita) de ecuaciones

ecuaciones lineales?
lineales consideradas simultáneamente, todas en las mismas incógnitas.
Si n y m son dos números naturales positivos, la expresión general de
un sistema de n ecuaciones lineales en las m incógnitas x1 , x2 , . . ., xm es
esta: ⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1m xm = c1
⎪
⎪
⎨
a21 x1 + a22 x2 + · · · + a2m xm = c2
⎪
⎪ ........................................
⎪
⎪
⎩
an1 x1 + an2 x2 + · · · + anm xm = cn .
Nótese que, fijados dos números naturales i y j, con 1 i n y 1 j m,

en la expresión general anterior se designa por aij el coeficiente que, en
la i-ésima ecuación lineal, acompaña a la incógnita xj . Por otra parte, las
letras c1 , c2 , . . . , cn designan los n términos independientes.
Por ejemplo, el siguiente es un sistema de dos ecuaciones y cuatro in-
cógnitas: ⎧
⎨ 2x1 + 3x3 − x4 = 2
(21)
⎩ x1 + x2 + 4x3 + x4 = −1.
Nótese que ambas son efectivamente ecuaciones lineales en las mismas

incógnitas: x1 , x2 , x3 y x4 .
Solución de un sistema de ecuaciones lineales. Sistemas equi-

valentes
Solución de un sistema de 43 Dado un sistema de n ecuaciones lineales y m incógnitas, una solu-

ecuaciones lineales
ción del sistema es una m-upla que es solución de todas y cada una de las n
ecuaciones lineales del sistema (cf. § 33, p. 47).
Por ejemplo, la cuaterna (1, −2, 0, 0) es una solución del sistema (21), de
dos ecuaciones y cuatro incógnitas, escrito en el § 42, pues es una solución
to
tex
el
Id
l" tulo
ea í
in cap
54 ED L l
r U ge ar
de cada una de sus dos ecuaciones. En efecto, si escribimos 1, −2, 0 y 0 en

po e Á imin
Recordamos el sistema (21):

⎧
⎨ 2x1 + 3x3 − x4 = 2 vez de x1 , x2 , x3 y x4 , respectivamente, obtenemos dos igualdades, una a
do d rel
⎩ x + x + 4x + x = −1. partir de cada ecuación:

1 2 3 4
⎧
ita as p
⎨2 · 1 +3·0−0= 2
ed m ión
⎩ 1 + (−2) + 4 · 0 + 0 = −1.
rs
Ve
Por el contrario, la cuaterna (1, 0, 1, 3), verbigracia, no es solución de este

e
sistema citado: aunque es solución de su primera ecuación, no lo es de su

"T
segunda. El lector puede tener a bien comprobar ambas afirmaciones.
Ejemplos de solución de 44 En una sección posterior (Sección I.3), estudiaremos un método

sistemas
sistemático para resolver cualquier sistema de ecuaciones lineales (es decir,
para encontrar todas sus soluciones, lo que incluye determinar que el sis-
tema no tiene solución si es el caso). En los ejemplos de sistemas de este
parágrafo, escribimos para cada uno todas sus soluciones, y nos limitamos
a comprobar que las soluciones escritas efectivamente lo son.
En la sección introductoria de este capítulo (cf. Sección I.1), vimos este
sistema de ecuaciones (el sistema (1), escrito en el § 1, p. 17):
⎧
⎨ 4x − 2y = 8
⎩ 3x + y = 1,
y comentamos que tenía una única solución: el par (1, −2). El lector puede
comprobar que este par es efectivamente solución del sistema.
Este otro sistema: ⎧
⎨ x1 + x2 = 1
⎩ 2x1 + 2x2 = 2,
admite infinitas soluciones: todas los pares ordenados de la forma (1−a, a)

con a un número cualquiera. Lo comprobamos sustituyendo x1 por a y x2
por 1 − a; obtenemos con ello dos igualdades:
⎧
⎨ a + (1 − a) = 1
⎩ 2a + 2(1 − a) = 2.
Por otra parte, el sistema (21) admite como solución todas las cuaternas
de la forma:
3 1 5 3
1− a+ b, −2− a− b, a, b , donde a y b son números cualesquiera.
2 2 2 2
La comprobación es esta:
⎧
Recordamos de nuevo el sis-
⎪
⎪ 3 1
tema (21): ⎪
⎨2 1 − a+ b + 3a − b = 2
⎧ 2 2
⎨ 2x1 + 3x3 − x4 = 2
⎪
⎪ 3 1 5 3
⎩ x + x + 4x + x = −1. ⎪
⎩ 1 − a + b + −2 − a − b + 4a + b = −1.
1 2 3 4
2 2 2 2
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 55
N bra de
r U ge ar
Finalmente, salta a la vista que el siguiente sistema de dos ecuaciones

po e Á imin
¡Dos números no pueden su-

lineales no admite solución:
⎧
do d rel
mar 1 y 2 a la vez!
⎨ x1 + x2 = 1
ita as p
⎩ x1 + x2 = 2.
ed m ión
rs
Enfatizamos, para tranquilidad del lector, que todavía no estamos en

Ve
condiciones, a la luz de lo que hemos visto hasta ahora, de llegar por

e
"T
nosotros mismos a las soluciones de sistemas aquí consignadas.
Posibilidades para las 45 En el § 44, acabamos de citar varios ejemplos de sistemas de ecua-
soluciones de un sistema de
ciones lineales: uno de ellos con una única solución, dos con infinitas solu-
ecuaciones lineales: una,
infinitas o ninguna ciones y un cuarto sin solución. De acuerdo con lo visto en el § 36 (cf. p. 49),
son estas tres las posibilidades para la cantidad de soluciones de un sistema
de ecuaciones lineales.
Dado un sistema de ecuaciones lineales, se satisface una y solo una de las

siguientes afirmaciones: admite una solución, admite infinitas soluciones
o no admite ninguna.
Nomenclatura: sistema 46 De un sistema que admite solución única diremos que es compa-
compatible determinado,
tible determinado; de uno que admite infinitas soluciones diremos que es
sistema compatible
indeterminado y sistema compatible indeterminado; y de uno que no admite solución diremos que
incompatible es incompatible.
De acuerdo con lo afirmado en el § 45, todo sistema de ecuaciones linea-
les es de una, y solo una, de estas tres clases.
Por ejemplo (§ 44), los siguientes sistemas:
⎧ ⎧ ⎧
⎨ 4x − 2y = 8 ⎨ x1 + x2 = 1 ⎨ x1 + x2 = 1
y
⎩ 3x + y = 1, ⎩ 2x1 + 2x2 = 2 ⎩ x1 + x2 = 2,
son, respectivamente, compatible determinado, compatible indeterminado

e incompatible.
Sistemas que incluyen 47 Sabemos que una ecuación lineal con todos sus coeficientes nulos
ecuaciones con todos los
pero con el término independiente no nulo, es decir, una ecuación lineal
coeficientes nulos
como esta:
0x1 + 0x2 + · · · + 0xm = c, con c ≠ 0,
no admite solución (cf. § 35, p. 49). Por tanto, si un sistema incluye tal
ecuación entre las suyas, podemos afirmar que el sistema no admite solu-
ción: se tratará de un sistema de ecuaciones lineales incompatible.
to
t ex
el
Id
l" tulo
ea í
in cap
56 ED L l
r U ge ar
También sabemos (del mismo § 35) que, por el contrario, la ecuación

po e Á imin
lineal con todos sus coeficientes nulos y con el término independiente tam-
do d rel
bién nulo, esto es, la ecuación

ita as p
ed m ión
0x1 + 0x2 + · · · + 0xm = 0 (22)

rs
Ecuación nula (lo que llamaremos una ecuación nula), admite como solución toda m-upla
Ve
e
de números reales. Si un sistema de ecuaciones lineales incluye esta ecua-

"T
ción, podemos eliminarla, en el sentido de que el sistema resultante tendrá

las mismas soluciones que el original.
En efecto, si una m-upla es solución del sistema que incluye la ecua-
ción (22), será solución de todas y cada una de sus ecuaciones lineales, y
por tanto del sistema formado por cualesquiera de ellas. Recíprocamente,
si el sistema resultante de eliminar la ecuación (22) admite alguna solución,
tal m-upla también será solución de esta ecuación, pues cualquier m-upla
lo es.
Sistemas equivalentes 48 Diremos que dos sistemas de ecuaciones lineales son equivalentes
si tienen las mismas soluciones; es decir, si toda solución del primero tam-
bién es solución del segundo, y si toda solución del segundo también es
solución del primero. Si dos sistemas de ecuaciones lineales en las mismas
incógnitas no admiten solución, también diremos que ambos sistemas son
equivalentes.
De acuerdo con lo visto en el § 47, si un sistema de ecuaciones lineales
tiene alguna ecuación nula, al eliminar esta obtenemos un nuevo sistema
equivalente al original.
En la Sección I.1, ya vimos algunos primeros ejemplos de sistemas equi-
valentes. En estos ejemplos, a partir de un sistema dado obteníamos un sis-
tema equivalente llevando a cabo en el primero ciertas operaciones con sus
ecuaciones. Estudiamos estas operaciones entre ecuaciones en el parágrafo
siguiente.
Manipulaciones en sistemas 49 Recordemos, pues, las operaciones entre ecuaciones que llevába-
de ecuaciones lineales
mos a cabo en sistemas de ecuaciones lineales en la Sección I.1. Son las
siguientes:
• intercambiar dos ecuaciones;
• multiplicar una ecuación por un número no nulo;
• sumar a una ecuación un múltiplo de otra.
Una manipulación de cualquiera de estos tipos transforma un sistema de
ecuaciones lineales en otro equivalente.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 57
N bra de
r U ge ar
po e Á imin
Comprobamos esta afirmación para cada uno de los otra ecuación de modo que ambas tienen las mismas
do d rel
tres tipos de manipulación señalados. soluciones. Esto prueba que la operación de multi-
En primer lugar, si en un sistema de ecuaciones li- plicar una ecuación por un número no nulo nos lleva
ita as p
ed m ión
neales intercambiamos dos de ellas, el sistema sigue un sistema de ecuaciones lineales a otro equivalente.
teniendo, en definitiva, las mismas ecuaciones: es claro Finalmente, analicemos la operación de sumar a
rs
que toda solución de uno es también solución del otro. una ecuación un múltiplo de otra. Por fijar ideas,
Ve
Esta operación efectivamente transforma un sistema de supongamos que las ecuaciones involucradas son las
e
"T
ecuaciones lineales en otro equivalente. dos primeras: a la primera ecuación de un sistema

En segundo lugar, consideremos en un sistema se le suma la segunda previamente multiplicada por
de ecuaciones lineales la multiplicación de alguna un número b. Podemos comprobar que, si sumamos
ecuación por un número no nulo, digamos b. Note- a la nueva primera ecuación la segunda multiplicada
mos que, si multiplicamos por el número no nulo b por −b, recuperamos con ello la primera ecuación origi-
una ecuación lineal, a partir de la ecuación obtenida nal. Como toda solución común a dos ecuaciones tam-
podemos recuperar la original multiplicando a su vez bién lo es de la ecuación que resulta de sumar a una
por 1/b. Pero ya sabemos que la multiplicación de una de las ecuaciones un múltiplo de la otra, deducimos
ecuación lineal por un número cualquiera nos lleva a lo siguiente: antes y después de sumar a la primera
otra ecuación lineal tal que toda solución de la primera ecuación la segunda multiplicada por b los sistemas co-
ecuación sigue siéndolo de la segunda (cf. § 41, p. 52). rrespondientes tienen las mismas soluciones. Sumar a
Deducimos entonces lo siguiente: al multiplicar una una ecuación un múltiplo de otra transforma, pues, un
ecuación lineal por un número no nulo, obtenemos sistema de ecuaciones lineales en otro equivalente.
Un ejemplo de aplicación de 50 A modo de ejemplo ilustrativo de estas manipulaciones, considere-

las operaciones entre
mos el siguiente sistema de tres ecuaciones y tres incógnitas:
ecuaciones
⎧
⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1
x1 + 2x3 = 1 (23)
⎪
⎪
⎪
⎩ x − x + 7x = 3,
1 2 3
y tratemos, mediante la aplicación de operaciones entre ecuaciones, de lle-

varlo a otro sistema equivalente que sea sencillo de resolver. Sigamos para
ello la pauta de los ejemplos estudiados en la Sección I.1.
Empezamos buscando un sistema cuya segunda ecuación tenga nulo el
coeficiente de x1 ; lo conseguimos sumando a la segunda ecuación del sis-
tema original la primera multiplicada por −1:
⎧
−x1 − x2 + 2x3 = 0 ⎪
⎪ x1 + x2 − 2x3 = 0
⎪
⎨
+ x1 + 2x3 = 1
−x2 + 4x3 = 1
⎪
⎪
⎪
⎩ x − x + 7x = 3.
−x2 + 4x3 = 1 1 2 3
Continuamos tratando de conseguir que la tercera ecuación también tenga

nulo el coeficiente de x1 ; ello se logra sumando a la tercera ecuación la
o
t
t ex
el
Id
l" tulo
ea í
in cap
58 ED L l
r U ge ar
primera multiplicada por −1:

po e Á imin
⎧
−x1 − x2 + 2x3 = 0 ⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1
do d rel
+ x1 − x2 + 7x3 = 3 − x2 + 4x3 = 1
⎪
⎪
ita as p
⎪
⎩ −2x2 + 9x3 = 3.
ed m ión
−2x2 + 9x3 = 3
En un siguiente paso, “hacemos nulo” el coeficiente de x2 de la tercera
rs
Ve
ecuación recién obtenida; llegamos a ello sumando a esta tercera ecuación

e
la segunda multiplicada por −2:

"T
2x2 − 8x3 = −2 ⎧
⎪
+ −2x2 + 9x3 = 3
⎪ x1 + x2 − 2x3 = 0
⎪
⎨
−x2 + 4x3 = 1 (24)
⎪
⎪
x3 = 1 ⎪
⎩ x3 = 1.
Este último sistema de ecuaciones lineales es fácil de resolver: la tercera
ecuación ya nos dice que x3 = 1; sustituyendo x3 por 1 en la segunda
ecuación, llegamos a:
−x2 + 4 · 1 = 1, de donde: x2 = 3.
Y sustituyendo x3 y x2 por 1 y 3, respectivamente, en la primera ecuación,

obtenemos:
x1 + 3 − 2 · 1 = 0, de donde: x1 = −1.
La terna (−1, 3, 1) es, pues, solución del sistema (24), y por ende del original:
el (23), pues ambos son equivalentes al haberse obtenido uno de otro con
la aplicación de operaciones entre ecuaciones del tipo descrito en el § 49.
Esta solución es de hecho única, pues la resolución del sistema (24) nos ha
llevado obligadamente a ella; el sistema es compatible determinado.
Hemos resuelto el sistema de ecuaciones lineales (24) con un método que
Sustitución hacia atrás se suele llamar sustitución hacia atrás: se despeja en la última ecuación
la única incógnita que figura, y el resultado se sustituye en las restantes
ecuaciones; con ello, una nueva incógnita queda solitaria en la penúltima
ecuación y se procede de igual manera: tal incógnita se despeja y su valor
se sustituye en las demás ecuaciones; se sigue este proceso hasta tener
todas las incógnitas despejadas. Podemos aplicar este método porque el
sistema (24) está escrito de una forma adecuada: su última ecuación tiene
una única incógnita, y leído el sistema de abajo arriba cada ecuación añade
una incógnita nueva.
Nota El sistema de ecuaciones lineales (24) es compatible determinado, pero

también puede aplicarse la sustitución hacia atrás a sistemas compatibles inde-
terminados. En el § 92 (cf. p. 93) veremos un ejemplo de ello, pero adelantamos
aquí que la idea es básicamente la misma.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 59
N bra de
r U ge ar
Continuación del ejemplo 51 En el ejemplo del § 50, hemos llegado al sistema (24) y lo hemos
po e Á imin
resuelto (por sustitución hacia atrás), pero podríamos haber seguido apli-
do d rel
cando a partir de este sistema operaciones entre ecuaciones con el fin de

ita as p
simplificarlo aún más. Hagámoslo.

ed m ión
En primer lugar, busquemos que sea igual a 1 el coeficiente de la primera

rs
incógnita de cada ecuación; para ello, solo hace falta multiplicar por −1 la
Ve
segunda ecuación del sistema (24), lo cual nos lleva a:

e
⎧
"T
⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1
x2 − 4x3 = −1
⎪
⎪
⎪
⎩ x = 1.
3
A continuación, tratemos de llegar a un sistema en el que sea nulo el coe-

ficiente de x2 de la primera ecuación; ello se logra sumando a la primera
ecuación la segunda multiplicada por −1:
⎧
⎪
⎪ + 2x3 = 1
⎪ x1
⎨
x2 − 4x3 = −1
⎪
⎪
⎪
⎩ x3 = 1.
Finalmente, “anulemos” los coeficientes de la incógnita x3 en las ecuaciones
primera y segunda. Para el de la primera, sumamos a esta ecuación la ter-
cera multiplicada por −2; para el de la segunda, sumamos a esta segunda
ecuación la tercera multiplicada por 4. Llegamos a este sistema:
⎧
⎪
⎪ = −1
⎪ x1
⎨
x2 = 3
⎪
⎪
⎪
⎩ x3 = 1,
que, por supuesto, es equivalente al (24), y por tanto al (23). Su solución
salta a la vista: (−1, 3, 1).
2. Representación matricial de un sistema de ecua-

ciones lineales
En este apartado, además de introducir la definición de matriz, vemos las
matrices que se definen a partir de un sistema de ecuaciones lineales con
el fin de representarlo más sintéticamente. También, consideramos ciertos
tipos de transformaciones ejecutadas en matrices (las llamadas transforma-
ciones elementales), y de matrices (en concreto, las matrices escalonadas y
las matrices escalonadas reducidas), relevantes para el tratamiento de los
sistemas de ecuaciones lineales. En el Capítulo II estudiaremos las matri-
ces con mucho más detalle.
t o
t ex
el
Id
l" tulo
ea í
in cap
60 ED L l
r U ge ar
Definición de matriz. Matrices definidas a partir de un sistema

po e Á imin
do d rel
Matriz 52 Dados dos números naturales positivos n y m, una matriz de or-

ita as p
den (n, m) (o de orden n × m) es una disposición de n · m números (reales)

ed m ión
en forma rectangular en n filas y m columnas. Los números que se escriben

rs
en una matriz se denominan términos de la matriz.

Ve
e
Las matrices se suelen denotar con letras mayúsculas. Un ejemplo de

"T
matriz es
2 −3 0
A= .
0 1 1
Aquí estamos denotando con la letra A una matriz de orden (2, 3): se trata
de 2 · 3 = 6 números dispuestos en dos filas y tres columnas. Los términos
de la primera fila son 2, −3 y 0 (en este orden, de izquierda a derecha); los
de la segunda: 0, 1 y 1. Los términos de la primera columna son 2 y 0 (de
arriba abajo); los de la segunda: −3 y 1; y los de la tercera: 0 y 1.
Matriz de coeficientes (o 53 Consideremos un sistema de n ecuaciones lineales en las m incóg-

asociada) de un sistema de
nitas x1 , x2 , . . ., xm :
ecuaciones lineales
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1m xm = c1
⎪
⎪
⎨
a21 x1 + a22 x2 + · · · + a2m xm = c2
(25)
⎪
⎪ ........................................
⎪
⎪
⎩
an1 x1 + an2 x2 + · · · + anm xm = cn .
Se denomina matriz de coeficientes (o matriz asociada) del sistema la ma-
triz de orden (n, m) siguiente:
⎛ ⎞
a11 a12 ... a1m
⎜ ⎟
⎜ a21 a22 ... a2m ⎟
⎜ ⎟
⎜ . .. .. .. ⎟ .
⎜ .. . . ⎟
⎝ . ⎠
an1 an2 ... anm
Si i y j son dos números naturales tales que 1 i n y 1 j m, nótese

que los términos de la i-ésima fila de esta matriz son los coeficientes de la
i-ésima ecuación del sistema de ecuaciones lineales, y que los términos de
la j-ésima columna de la matriz son los coeficientes que acompañan a la
j-ésima incógnita en las ecuaciones del sistema.
Por ejemplo, la matriz de coeficientes del sistema de ecuaciones linea-
⎧ les (23) es la siguiente matriz de orden (3, 3):
⎪
⎪ x1 + x2 − 2x3 = 0
⎪
⎨ ⎛ ⎞
x1 + 2x3 = 1 1 1 −2
⎪
⎪ ⎜ ⎟
⎪
⎩ x − x + 7x = 3.
1 2 3
⎝1 0 2⎠.
1 −1 7
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 61
N bra de
r U ge ar
Los términos de la segunda fila, verbigracia, son 1, 0 y 2, precisamente los

po e Á imin
coeficientes de la segunda ecuación del sistema; y los de la tercera columna

do d rel
son −2, 2 y 7, justamente los coeficientes que acompañan a la incógnita x3

ita as p
(tercera incógnita) en el sistema. Nótese que hay tantas filas en la matriz

ed m ión
como ecuaciones en el sistema, y tantas columnas en una como incógnitas

rs
en el otro.
Ve
e
Matriz ampliada de un 54 La matriz de coeficientes de un sistema de ecuaciones lineales no

"T
sistema de ecuaciones
consigna los términos independientes del sistema; solo sus coeficientes.
lineales
Dado el sistema de ecuaciones lineales (25), se denomina matriz ampliada
del sistema la matriz de orden (n, m + 1) siguiente:
⎛ ⎞
a11 a12 ... a1m c1
⎜ ⎟
⎜ a21 a22 ... a2m c2 ⎟
⎜ ⎟
⎜ . .. .. .. .. ⎟ .
⎜ .. . . ⎟
⎝ . . ⎠
an1 an2 ... anm cn
Esta matriz se diferencia de la de coeficientes en que tiene una columna más,

cuyos términos son los términos independientes del sistema. Asimismo, se
suele trazar una raya vertical para separar la última columna de las demás
y así enfatizarla.
Por ejemplo, la matriz ampliada del sistema (23) es esta matriz de or-
Volvamos a recordar el sis-
tema (23): den (3, 4):
⎧
⎛ ⎞
⎪ 1 1 −2 0
⎪ x1 + x2 − 2x3 = 0
⎪
⎨ ⎜ ⎟
x1 + 2x3 = 1
⎝1 0 2 1⎠.
⎪
⎪
⎪
⎩ x − x + 7x = 3. 1 −1 7 3
1 2 3
Designaremos la matriz de coeficientes de un sistema de ecuaciones li-

neales con la letra A (salvo que esté ya empleada en la notación de otra
cosa), y distinguiremos la matriz ampliada con un acento circunflejo coro-
nando la misma letra que designa la matriz de los coeficientes; habitual-
Por ejemplo, para el sistema (23) podemos escribir:
mente, pues, A.
⎛ ⎞ ⎛ ⎞
1 1 −2 1 1 −2 0
⎜ ⎟ =⎜ ⎟
A = ⎝1 0 2⎠ y A ⎝1 0 2 1⎠.
1 −1 7 1 −1 7 3
Transformaciones elementales por filas de una matriz
Intercambio de filas 55 Hemos visto (cf. § 49, p. 56) varios tipos de operaciones entre las
ecuaciones de un sistema de ecuaciones lineales que lo transforman en otro
sistema equivalente. A saber: intercambiar dos ecuaciones, multiplicar una
to
tex
el
Id
l" tulo
ea í
in cap
62 ED L l
r U ge ar
ecuación por un número no nulo, y sumar a una ecuación un múltiplo de

po e Á imin
otra. Estas operaciones entre las ecuaciones de un sistema tienen un corre-

do d rel
lato como transformaciones entre las filas de las matrices ampliadas (y por
ita as p
ende también de las matrices de coeficientes) correspondientes.

ed m ión
En primer lugar, al intercambio de ecuaciones en el sistema le corres-

rs
ponde un intercambio de filas en la matriz. Por ejemplo, si en el sistema (23)

Ve
intercambiamos las filas primera y segunda, los dos sistemas, antes y des-
e
"T
pués del intercambio, son respectivamente estos:

⎧ ⎧
⎪ ⎪
⎪ x1 + x2 − 2x3 = 0
⎪
⎨
⎪
⎪ x
⎨ 1
+ 2x3 = 1
x1 + 2x3 = 1 y x1 + x2 − 2x3 = 0
⎪
⎪ ⎪
⎪
⎪
⎩ x − x + 7x = 3 ⎪
⎩ x − x + 7x = 3,
1 2 3 1 2 3
y las matrices ampliadas correspondientes a estos sistemas son, respectiva-

mente, las siguientes:
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 0 2 1
⎜ ⎟ ⎜ ⎟
⎝ 1 0 2 1⎠ y ⎝ 1 1 −2 0⎠;
1 −1 7 3 1 −1 7 3
apreciamos que, efectivamente, se ha producido una permutación entre las

filas primera y segunda. Esta transformación: “intercambiar las filas pri-
mera y segunda de la matriz”, se denotará así: F1 ↔ F2 , y escribiremos:
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 0 2 1
⎜ ⎟ F1 ↔F2 ⎜ ⎟
⎝1 0 2 1 ⎠ →
⎝1 1 −2 0⎠.
1 −1 7 3 1 −1 7 3
Recíprocamente, si en la matriz ampliada del sistema (23) ejecutáramos la

¿Puede comprobarlo el lector? transformación de permutar las filas primera y segunda, el sistema cuya
matriz ampliada es la matriz obtenida diferiría del original en que tendría
permutadas sus ecuaciones primera y segunda.
En general, podemos afirmar: a la operación de intercambiar las ecua-
ciones i-ésima y j-ésima de un sistema de ecuaciones lineales le corres-
ponde la transformación de intercambiar las filas i-ésima y j-ésima de la
matriz ampliada (con i y j dos números naturales comprendidos entre 1
Fi ↔ Fj y el número de ecuaciones del sistema —o de filas de la matriz—). Esta
transformación en la matriz se denota así: Fi ↔ Fj .
Multiplicar una fila por un 56 De manera similar, a la multiplicación de la ecuación (de un sistema
número no nulo
de ecuaciones lineales) por un número no nulo le corresponde la multipli-
cación de una fila (de la matriz ampliada correspondiente) por el número
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 63
N bra de
r U ge ar
no nulo. La transformación, ejecutable en matrices, de multiplicar la fila

po e Á imin
Fi ← bFi i-ésima por un número no nulo b se denotará así: Fi ← bFi (siendo i un

do d rel
número natural comprendido entre 1 y el número de filas de la matriz).

ita as p
Por ejemplo, podemos escribir:

ed m ión
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 −2 0
⎜ ⎟ F2 ←(−1)F2 ⎜ ⎟
rs
⎝ 0 −1 4 1 ⎠

→
⎝ 0 1 −4 −1 ⎠ , (26)
Ve
0 0 1 1 0 0 1 1
e
"T
para indicar que hemos multiplicado la segunda fila de la primera matriz

por el número (no nulo) −1. Nótese que todos los términos de la segunda
fila quedan multiplicados por −1, y que los términos de las restantes filas
no se ven alterados.
Nota bene Multiplicar una fila de una matriz por un número significa multiplicar
todos y cada uno de los términos de tal fila por el número.
Continuando con el ejemplo, obsérvese que la primera de las matrices

escritas en (26) es la matriz ampliada del sistema (24) (cf. p. 58), y que la se-
gunda es la matriz ampliada del primer sistema escrito en el § 51 (cf. p. 59).
Recordamos ambos sistemas:
⎧ ⎧
⎪
⎪ x + x2 − 2x3 = 0 ⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1 ⎪
⎨ 1
−x2 + 4x3 = 1 y x2 − 4x3 = −1
⎪
⎪ ⎪
⎪
⎪
⎩ ⎪
⎩
x =1 3 x3 = 1.
Apreciamos así lo que hicimos al principio del citado § 51: se ha obtenido el

segundo sistema del primero multiplicando la segunda ecuación por −1.
Sumar a una fila un múltiplo 57 Finalmente, la operación (en un sistema de ecuaciones lineales) de
de otra
sumar a una ecuación un múltiplo de otra se corresponde con la transfor-
mación (en la matriz ampliada) de sumar a una fila un múltiplo de otra. La
transformación, en una matriz, de sumar a la fila i-ésima el resultado de
Fi ← Fi + bFj multiplicar por un número b (nulo o no) la fila j-ésima se designará de esta
forma: Fi ← Fi + bFj (aquí i y j denotan números naturales comprendidos
entre 1 y el número de filas de la matriz).
La transformación A modo de ejemplo, podemos escribir:
⎛ ⎞ ⎛ ⎞
F2 ← F2 + (−1)F1 1 1 −2 0 1 1 −2 0
⎜ ⎟ F2 ←F2 +(−1)F1 ⎜ ⎟
también se puede denotar de ⎝1 0 2 1 ⎠ →
⎝0 −1 4 1⎠, (27)
esta forma: F2 ← F2 − F1 . 1 −1 7 3 1 −1 7 3
y así señalar que, en la primera matriz escrita, se suma a la segunda fila el

resultado de multiplicar la primera fila por −1. Nótese que las filas primera
t o
tex
el
Id
l" tulo
ea í
in cap
64 ED L l
r U ge ar
y tercera no se han alterado, y que a cada término de la segunda fila se le ha

po e Á imin
sumado el término correspondiente de la primera previamente multiplicado

do d rel
por −1:
La primera fila, tras multipli-
ita as p
carla por −1, queda: 1 0 2 1

+
ed m ión
−1 −1 2 0. −1 −1 2 0
rs
−1
Ve
0 4 1.
e
"T
Nota bene En esta transformación, la fila que se multiplica por el número —la
primera en el ejemplo— queda finalmente inalterada. Al ejecutar en una matriz
la transformación Fi ← Fi +bFj , solo puede verse cambiada la fila i-ésima; todas
las demás, y en particular la j-ésima, permanecen inalteradas.
Entre las matrices escritas en (27), la primera es la matriz ampliada del

sistema (23), y la segunda es la matriz ampliada del segundo sistema escrito
en el § 50 (cf. p. 57). Los recordamos; respectivamente:
⎧ ⎧
⎪
⎪ x + x2 − 2x3 = 0 ⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1 ⎪
⎨ 1
x1 + 2x3 = 1 y −x2 + 4x3 = 1
⎪
⎪ ⎪
⎪
⎪
⎩ x − x + 7x = 3 ⎪
⎩ x − x + 7x = 3.
1 2 3 1 2 3
Como vimos en el citado § 50, el segundo de estos dos sistemas se obtenía

del primero precisamente sumando a la segunda ecuación la primera multi-
plicada por −1.
Transformaciones 58 Vemos, pues, tres tipos de transformaciones que se ejecutan en

elementales por filas de una
matrices:
matriz
• intercambiar dos filas;
Las llamaremos transformaciones elementales por filas de una matriz, de
tipo i, ii y iii, respectivamente.
En los parágrafos anteriores, hemos ido presentando las transformacio-
nes elementales como un correlato en las matrices ampliadas de las opera-
ciones que realizábamos en los sistemas de ecuaciones lineales correspon-
dientes (intercambio de ecuaciones, multiplicación de una ecuación por un
número no nulo y suma de una ecuación y un múltiplo de otra). Según lo
visto en el § 49 (cf. p. 56), estas operaciones entre ecuaciones nos llevan
un sistema de ecuaciones lineales a otro equivalente. De acuerdo con ello,
podemos entonces afirmar:
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 65
N bra de
r U ge ar
po e Á imin
Si a la matriz ampliada de un sistema de ecuaciones lineales se le aplica

una transformación elemental, la matriz resultante es la matriz ampliada
do d rel
de un sistema de ecuaciones lineales equivalente al original.

ita as p
ed m ión
De nuevo, el sistema de 59 De esta forma, dado un sistema de ecuaciones lineales, podemos

rs
ecuaciones del ejemplo del

escribir su matriz ampliada y aplicarle transformaciones elementales suce-
Ve
§ 50 (cf. p. 57)
sivas hasta llegar a la matriz ampliada de algún sistema fácil de resolver (o,
e
"T
en su caso, del que podamos fácilmente concluir que no admite solución).

El sistema obtenido será equivalente al sistema dado.
Como ilustración de ello, consideremos de nuevo el sistema de ecua-
ciones lineales (23) (cf. p. 57):
⎧
⎪
⎪ x + x2 − 2x3 = 0
⎪
⎨ 1
x1 + 2x3 = 1
⎪
⎪
⎪
⎩ x − x + 7x = 3,
1 2 3
y apliquemos a su matriz ampliada las transformaciones elementales que se

corresponden con las operaciones entre ecuaciones que llevamos a cabo en
el § 50 (cf. p. 57), y también en el § 51 (cf. p. 59). La matriz ampliada es:
⎛ ⎞
1 1 −2 0
A=⎜⎝1 0 2 1⎠,
⎟
1 −1 7 3
y podemos escribir:
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 −2 0
=⎜
A ⎝1 0 2
⎟ F2 ←F2 −F1 ⎜
1 ⎠ →
⎝0 −1 4 1⎠
⎟
1 −1 7 3 1 −1 7 3
El lector puede comparar las
operaciones entre ecuaciones ⎛ ⎞
1 1 −2 0
del § 50 con las realizadas F3 ←F3 −F1 ⎜ ⎟
aquí entre las filas de las ma- →
⎝0 −1 4 1⎠
trices ampliadas. 0 −2 9 3
⎛ ⎞
1 1 −2 0
F3 ←F3 −2F2 ⎜ ⎟ .
→
⎝0 −1 4 1⎠ = A
0 0 1 1
, es la matriz ampliada del sistema de ecuaciones

La matriz obtenida: A
lineales (24) (cf. p. 58), el cual recordamos:
⎧
⎪
⎪ x1 + x2 − 2x3 = 0
⎪
⎨
−x2 + 4x3 = 1
⎪
⎪
⎪
⎩ x3 = 1.
to
tex
el
Id
l" tulo
ea í
in cap
66 ED L l
r U ge ar
Este sistema puede considerarse fácil de resolver; se resolvió, de hecho, por

po e Á imin
sustitución hacia atrás en el citado § 50.

, y ello de acuer-
do d rel
Pero continuemos con la transformación de la matriz A

ita as p
do con lo realizado en el § 51:

ed m ión
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 −2 0
rs
= ⎜
A ⎝0 −1 4
⎟ F ←(−1)F ⎜
1 ⎠ 22→
⎝0 1 −4
⎟
−1 ⎠
Ve
0 0 1 1 0 0 1 1
e
"T
⎛ ⎞
1 0 2 1
F1 ←F1 −F2 ⎜ ⎟
→
⎝0 1 −4 −1 ⎠
0 0 1 1
⎛ ⎞
El orden de aplicación de es- F1 ←F1 −2F3 1 0 0 −1
F2 ←F2 +4F3 ⎜ ⎟ .
tas dos transformaciones es →
⎝ 0 1 0 3⎠ = A
de arriba abajo.
0 0 1 1
es precisamente el
El sistema cuya matriz ampliada es la matriz final A
último que obteníamos en el citado § 51; lo escribimos aquí de nuevo:
⎧
⎪
⎪ x = −1
⎪
⎨ 1
x2 = 3
⎪
⎪
⎪
⎩ x3 = 1.
Su solución salta a la vista: es única y es la terna (−1, 3, 1).
Matriz escalonada
Fila nula 60 Dada una matriz, una fila nula es una fila cuyos términos son todos
nulos. Por ejemplo, dada la matriz:
⎛ ⎞
0 0 0 0
⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟,
⎜0 0 0 0⎟
⎝ ⎠
6 7 2 −1
acontece que sus filas primera y tercera son nulas, y que no lo son sus filas
En una fila nula, todos los tér-
minos son nulos; en una fila
segunda y cuarta. En cuanto hay un término no nulo en una fila, esta fila ya
no nula, alguno de los térmi- no es nula.
nos es no nulo.
Por supuesto, hay matrices sin filas nulas. Verbigracia:
⎛ ⎞
1 0 −1
⎜ ⎟
⎝0 −2 0⎠.
1 0 0
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 67
N bra de
r U ge ar
Y hay matrices con todas sus filas nulas, como

po e Á imin
⎛ ⎞
0 0
0 0 0 ⎜ ⎟
do d rel
o ⎝0 0⎠.
0 0 0
ita as p
0 0
ed m ión
De una matriz con todas sus filas nulas (o lo que es lo mismo: con todos
rs
Matriz nula sus términos nulos) diremos es una matriz nula.

Ve
e
Ceros iniciales 61 Dado un número natural k, se dice que una fila no nula de una
"T
matriz tiene k ceros iniciales si los k primeros términos de la fila son nulos
y el (k + 1)-ésimo no lo es.
Por ejemplo, en la matriz
⎛ ⎞
0 0 0 0
⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟,
⎜0 0 0 0⎟
⎝ ⎠
6 7 2 −1
su segunda fila —que es no nula— presenta k = 2 ceros iniciales, pues los
dos primeros términos de esta fila son nulos pero el tercero ya no lo es. Su
cuarta fila —que tampoco es nula— no tiene ceros iniciales.
Otro ejemplo. Para la matriz
⎛ ⎞
0 1 −2 0
⎜ ⎟
⎝0 0 0 −1 ⎠ ,
0 0 0 0
podemos afirmar: en la primera fila hay un cero inicial; en la segunda, tres.
Y la última fila es nula.
Matriz escalonada 62 Una matriz escalonada es una matriz con la siguiente propiedad: o
bien es nula, o bien sus filas no nulas son las primeras, y cada una de ellas,
salvo la primera, tiene más ceros iniciales que su precedente.
Por ejemplo, la última matriz escrita en el § 61:
⎛ ⎞
0 1 −2 0
⎜ ⎟
⎝0 0 0 −1 ⎠ ,
0 0 0 0
es escalonada: tiene dos filas no nulas y son las primeras, y la segunda tiene
más ceros iniciales que la primera.
Otro ejemplo. Comparemos estas dos matrices:
⎛ ⎞ ⎛ ⎞
3 5 −1 0 3 5 −1 0
⎜ ⎟ ⎜ ⎟
⎜0 0 1 −2 ⎟ ⎜0 0 1 −2 ⎟
⎜ ⎟ y ⎜ ⎟.
⎜0 0 0 3 ⎟ ⎜0 0 2 3⎟
⎝ ⎠ ⎝ ⎠
0 0 0 0 0 0 0 0
t o
t ex
el
Id
l" tulo
ea í
in cap
68 ED L l
r U ge ar
La primera es escalonada: tiene tres filas no nulas, son las tres primeras
po e Á imin
de la matriz, y cada una de ellas, salvo la primera, tiene más ceros iniciales
do d rel
que la anterior (ninguno la primera, dos la segunda y tres la tercera). Pero

ita as p
la segunda matriz no es escalonada: aunque sus filas no nulas también son

ed m ión
las primeras, sus filas segunda y tercera tienen la misma cantidad de ceros
rs
iniciales.
Ve
e
Más ejemplos 63 Estas dos matrices no son escalonadas:

"T
⎛ ⎞ ⎛ ⎞
1 2 2 1
Incidentalmente, note el lector ⎜ ⎟ ⎜ ⎟
que la segunda de las matrices ⎝ 0 0 0 ⎠ y ⎝ −1 ⎠ .
solo presenta una columna. 0 1 0 0
La primera no cumple que sus filas no nulas sean las primeras; la segunda
sí lo cumple, pero sus dos primeras filas tienen la misma cantidad de ceros
iniciales (en este caso, ninguno).
Estas cuatro matrices sí son escalonadas:
⎛ ⎞ ⎛ ⎞
La tercera de estas matrices
1 1 2 2

solo tiene una fila. Toda ma- ⎜ ⎟ 0 ⎜ ⎟
triz con una sola fila es esca- ⎝ ⎠,
0 , 1 −1 0 2 y ⎝0 1 0⎠.
0
lonada. ¿Se da cuenta el lector 0 0 0 1
de la razón?
Obsérvese que la segunda es una matriz nula: las matrices nulas son esca-
lonadas.
Pivote 64 En una matriz escalonada, el primer término no nulo de cada fila

recibe el nombre de pivote.
Si reescribimos las matrices escalonadas que hemos visto en los §s 62
y 63 de forma que destacamos en cada una todos sus pivotes con un re-
cuadro, podemos escribir:
⎛ ⎞
⎛ ⎞ 3 5 −1 0
0 1 −2 0 ⎜ ⎟
⎜ ⎟ ⎜0 0 1 −2 ⎟
⎝0 0 0 −1 ⎠ y ⎜ ⎟,
⎜0 0 0 3⎟
⎝ ⎠
0 0 0 0
0 0 0 0
y también:
⎛ ⎞ ⎛ ⎞
1 1 2 2
⎜ ⎟ 0 ⎜ ⎟
⎝0⎠, , 1 −1 0 2 y ⎝0 1 0⎠.
0
0 0 0 1
Algunas propiedades de los 65 Nótese que las filas nulas de una matriz escalonada no tienen pivo-
pivotes
tes; en particular, una matriz nula —que es escalonada— no tiene ningún
pivote. Es de observar también que cada fila en una matriz escalonada tiene
a lo más un pivote; y exactamente un pivote si la fila es no nula.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 69
N bra de
r U ge ar
Nota bene En una matriz escalonada, los pivotes figuran exactamente en las
po e Á imin
primeras filas de la matriz, y hay tantos como filas no nulas.

do d rel
ita as p
También acontece que cada columna en una matriz escalonada tiene a

ed m ión
lo más un pivote. En efecto: si una columna tuviera dos pivotes, habría dos
rs
filas con su primer término no nulo en la misma posición, lo que sería tanto
Ve
como decir que habría dos filas con el mismo número de ceros iniciales: ello
e
"T
estaría en contradicción con el supuesto de que la matriz es escalonada.
En una matriz escalonada, el número de pivotes es menor o igual que el

número de filas y menor o igual que el número de columnas.
Forma escalonada de una 66 Dada una matriz cualquiera, es posible obtener a partir de ella, me-
matriz. Escalonar una matriz
diante la aplicación de transformaciones elementales sucesivas, una matriz
escalonada. De la matriz obtenida se dice que es una forma escalonada de
la matriz dada; también se dice que hemos escalonado la matriz original.
Para ver un ejemplo, recordemos el § 59 (cf. p. 65), en el que trabajamos
⎧ con la matriz ampliada del sistema de ecuaciones lineales (23) (cf. p. 57):
⎪
⎪ x1 + x2 − 2x3 = 0
⎪
⎨ ⎛ ⎞
x1 + 2x3 = 1 1 1 −2 0
⎪
⎪
⎪
⎩ x − x + 7x = 3. ⎜ ⎟
1 2 3 A = ⎝1 0 2 1⎠.
1 −1 7 3
le aplicamos varias transformaciones elementales sucesivas

A esta matriz A
que nos llevaron a esta otra matriz:
⎛ ⎞
1 1 −2 0
= ⎜
A ⎝0 −1 4
⎟
1⎠.
0 0 1 1
El lector puede observar que la matriz A es escalonada (de hecho, nos

hemos permitido señalar ya sus pivotes). La matriz A es, pues, una forma

escalonada de la matriz A.
es la matriz ampliada de un sistema de
Adicionalmente, la matriz A
⎧ ecuaciones lineales: el sistema (24) (cf. p. 58), el cual es un ejemplo de
⎪
⎪ x1 + x2 − 2x3 = 0
⎪
⎨ sistema compatible determinado que puede resolverse fácilmente por susti-
−x2 + 4x3 = 1
⎪
⎪
⎪
⎩ tución hacia atrás (cf. § 50, p. 57). Cuando la matriz ampliada de un sistema
x = 1.
3
de ecuaciones lineales es escalonada, el sistema puede resolverse por susti-
tución hacia atrás. Ello también es válido para sistemas compatibles inde-
terminados; remitimos al lector al futuro § 92 (cf. p. 93) para un ejemplo.
to
t ex
el
Id
l" tulo
ea í
in cap
70 ED L l
r U ge ar
Un procedimiento para 67 Comprobemos ahora que efectivamente es posible escalonar cual-

po e Á imin
escalonar una matriz

quier matriz. Describimos un procedimiento para ello, y lo ejemplificamos
do d rel
con esta matriz:

⎛ ⎞
ita as p
0 1 1 1
⎜ ⎟
ed m ión
A=⎝ 2 4 6 0⎠.
−1 0 −1 2
rs
Ve
En primer lugar, nos vamos a la primera columna que tenga algún tér-
e
"T
Si la matriz de partida tuvie- mino no nulo (la primera columna no nula), y seleccionamos en ella un tér-
ra todas sus columnas nulas
(de forma que no es posible
mino no nulo. Mediante una adecuada transformación elemental de tipo i
aplicar este paso), entonces se (intercambiar dos filas), conseguimos que este término no nulo figure como
trataría de una matriz nula: la
el primero de su columna. Este término será el pivote de la primera fila; vale
matriz original ya sería escalo-
nada. la pena recuadrarlo para enfatizar que será un pivote.
En el caso de la matriz A, su primera columna no nula es la primera
columna, que tiene dos términos no nulos; seleccionamos uno cualquiera de
ellos, verbigracia el último, que es igual a −1. La transformación elemental
(de tipo i) que intercambia las filas primera y tercera nos sitúa este término
como el primero de su columna. No se nos olvida recuadrarlo:
⎛ ⎞ ⎛ ⎞
0 1 1 1 −1 0 −1 2
⎜ ⎟ F1 ↔F3 ⎜ ⎟
A=⎝ 2 4 6 0 ⎠ →
⎝ 2 4 6 0⎠.
−1 0 −1 2 0 1 1 1
En segundo lugar, “anulamos” los términos que están por debajo del pi-
vote en su misma columna; esto se logra con transformaciones elementales
de tipo iii.
En el ejemplo, con una sola transformación elemental lo conseguimos:
⎛ ⎞ ⎛ ⎞
−1 0 −1 2 −1 0 −1 2
⎜ ⎟ F2 ←F2 +2F1 ⎜ ⎟
⎝ 2 4 6 0 ⎠ →
⎝ 0 4 4 4⎠.
0 1 1 1 0 1 1 1
En tercer lugar, “ignoramos” la primera fila, y procedemos con el resto

de la matriz como en los pasos anteriores.
En nuestro caso, este tercer paso implica que busquemos un término no
Se trata de trabajar con la ma-
triz “como si no estuviera” la nulo en la segunda columna. Podemos elegir entre el término igual a 4 y el
primera fila: término igual a 1; nos quedamos, por ejemplo, con el primero. Procedemos
⎛ ⎞
· · · · a anular el término por debajo de él:
⎜ ⎟
⎝0 4 4 4⎠.
0 1 1 1 ⎛ ⎞ ⎛ ⎞
−1 0 −1 2 −1 0 −1 2
⎜ ⎟ F3 ←F3 +(−1/4)F2 ⎜ ⎟
Así, ¿cuál es la primera colum- ⎝ 0 4 4 4 ⎠ →
⎝ 0 4 4 4⎠.
na no nula? La segunda. 0 1 1 1 0 0 0 0
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 71
N bra de
r U ge ar
Esta matriz que hemos obtenido:

po e Á imin
⎛ ⎞
−1 0 −1 2
⎜ ⎟
do d rel

A =⎝ 0 4 4 4⎠,
ita as p
0 0 0 0
ed m ión
ya es escalonada. Es una forma escalonada de la matriz A. Como acontece

rs
con toda matriz escalonada, tiene tantos pivotes como filas no nulas —dos
Ve
en este caso—, y están situados en las primeras filas, uno en cada una.
e
"T
La forma escalonada de una 68 En el procedimiento descrito en el § 67 para escalonar una matriz

matriz no es única en general
—el cual hemos aplicado a la matriz A vista en ese parágrafo—, se nos
pide en su primer paso que busquemos la primera columna no nula —la
primera columna, en el caso de la matriz A—, y que seleccionemos en ella
un término no nulo. Para la matriz A del parágrafo citado, en este primer
paso fue elegido el término igual a −1, pero podríamos haber elegido el
término igual a 2. Es decir:
⎛ ⎞ ⎛ ⎞
0 1 1 1 2 4 6 0
⎜ ⎟ F ↔F2 ⎜ ⎟
A=⎝ 2 4 6 0 ⎠ 1→
⎝ 0 1 1 1⎠.
−1 0 −1 2 −1 0 −1 2
De esta forma, el primer paso del proceso para escalonar la matriz A nos
da ahora un pivote para la primera fila igual a 2. Continuemos con el proce-
dimiento a partir de aquí. Anulamos entonces los términos de la columna
del pivote que están por debajo de él:
⎛ ⎞ ⎛ ⎞
2 4 6 0 2 4 6 0
⎜ ⎟ F3 ←F3 +(1/2)F1 ⎜ ⎟
⎝ 0 1 1 1 ⎠ →
⎝0 1 1 1⎠.
−1 0 −1 2 0 2 2 2
Y seleccionamos un término no nulo de la segunda columna (con la primera
fila ignorada), verbigracia el que es igual a 1, y anulamos el término que
tiene debajo en su misma columna:
⎛ ⎞ ⎛ ⎞
2 4 6 0 2 4 6 0
⎜ ⎟ F3 ←F3 −2F2 ⎜ ⎟
⎝ 0 1 1 1 ⎠ →
⎝0 1 1 1⎠.
0 2 2 2 0 0 0 0
La matriz recién obtenida es una matriz escalonada. Ha sido obtenida a par-

tir de la matriz A aplicando a esta transformaciones elementales sucesivas.
También es, por tanto, una forma escalonada de la matriz A, como lo era la
matriz A deducida en el § 67.
En general, la forma escalonada de una matriz no es única (solo es única
si la matriz es nula). Por eso, dada una matriz, hablamos de una forma
escalonada de la matriz.
to
t ex
el
Id
l" tulo
ea í
in cap
72 ED L l
r U ge ar
Unicidad en el número de 69 Para la matriz A con la que hemos trabajado en los § 67 y 68, hemos
po e Á imin
pivotes de todas las formas

obtenido, pues, dos formas escalonadas; respectivamente:
escalonadas de una matriz
do d rel
⎛ ⎞ ⎛ ⎞
−1 0 −1 2 2 4 6 0
ita as p
⎜ ⎟ ⎜ ⎟
⎝ 0 4 4 4⎠ y ⎝0 1 1 1⎠.
ed m ión
0 0 0 0 0 0 0 0
rs
Ve
Si las comparamos, vemos que ambas matrices escalonadas presentan el

e
"T
mismo número de pivotes —dos en este caso—, y además en las mismas

columnas —primera y segunda.
Realmente, este es un ejemplo de un resultado general importante: todas
las formas escalonadas de una misma matriz tienen el mismo número de
pivotes, y estos pivotes figuran en las mismas columnas.
La justificación de este resultado debe dejarse para más adelante, en este
mismo capítulo (cf. § 99, p. 99).
Otro ejemplo en el que 70 Busquemos, con el procedimiento descrito en el § 67, una forma
escalonamos una matriz
escalonada de esta matriz:
⎛ ⎞
1 0 0
⎜ ⎟
⎜ −1 2 0⎟
A=⎜
⎜ 0
⎟.
⎝ −1 1⎟⎠
1 0 −1
En primer lugar, seleccionamos la primera columna no nula de la matriz,

la cual es la primera, y en ella elegimos un término no nulo; nos quedamos,
por ejemplo, con el primero, que es igual a 1. Al haber podido elegir el pri-
mero, no hay que aplicar en este paso ninguna transformación elemental de
tipo i. Señalamos el término, en tanto es el futuro pivote de la primera fila:
⎛ ⎞
1 0 0
⎜ ⎟
⎜ −1 2 0⎟
A=⎜
⎜ 0
⎟.
⎝ −1 1⎟⎠
1 0 −1
En segundo lugar, “anulamos” los términos que están por debajo del
término señalado y en su misma columna. Ello se consigue con transforma-
ciones elementales adecuadas de tipo iii:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 1 0 0 1 0 0
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ −1 2 0⎟ ←F +F ⎜ 0 2 0⎟ ←F −F ⎜ 0 2 0⎟
⎜ F
⎜
⎟ 22→
1 F
⎜
⎟ 44→
1 ⎟.
⎜ 0 −1 1⎟ ⎜0 −1 1⎟ ⎜0 −1 1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
1 0 −1 1 0 −1 0 0 −1
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 73
N bra de
r U ge ar
⎛ ⎞
En tercer lugar, “ignoramos” la primera fila y procedemos con el resto
po e Á imin
· · ·
⎜ ⎟
⎜0 2 0⎟ de la matriz como en los pasos anteriores. La primera columna no nula
⎜ ⎟
⎜0 −1 1⎟
⎝ ⎠
do d rel
es ahora la segunda, y debemos elegir un término no nulo de ella; nos

0 0 −1
ita as p
quedamos, verbigracia, con el que es igual a 2. Este término será el pi-

ed m ión
vote de la segunda fila. Anulamos los términos que están debajo de él en su

rs
misma columna:
Ve
⎛ ⎞ ⎛ ⎞
e
1 0 0 1 0 0
⎜ ⎟ ⎜ ⎟
"T
⎜0 2 ⎟
0 ⎟ F3 ←F3 +(1/2)F2 ⎜ 0 ⎜ 2 0⎟
⎜ →
⎜ ⎟.
⎜0 −1 1⎟ 1⎟
⎝ ⎠ ⎝0 0 ⎠
0 0 −1 0 0 −1
⎛ ⎞
· · · A continuación, debemos “ignorar” también la segunda fila y proceder con
⎜ ⎟
⎜· · ·⎟ la matriz restante como en los dos primeros pasos. La primera columna
⎜ ⎟
⎜0 1⎟
⎝ 0 ⎠ no nula es ahora la tercera, y en ella elegimos un término no nulo; por
0 0 −1
ejemplo, escogemos el que es igual a 1: este será el pivote de la tercera
fila. Terminamos anulando el término que, en esta tercera columna, queda
debajo del nuevo pivote:
⎛ ⎞ ⎛ ⎞
1 0 0 1 0 0
⎜ ⎟ ⎜ ⎟
⎜0 2 0⎟ 4 +F3 ⎜ 0
⎜ 2 0⎟
⎜ ⎟ F4←F
→
⎜ ⎟.
⎜0 0 1⎟ 1⎟
⎝ ⎠ ⎝0 0 ⎠
0 0 −1 0 0 0
La última matriz que hemos obtenido es escalonada, y tiene tres pivotes. Es

una forma escalonada de la matriz A.
Otro ejemplo más 71 Busquemos una forma escalonada de esta matriz:

⎛ ⎞
1 −1 2
⎜ ⎟
B = ⎝0 0 1⎠.
1 3 1
La primera columna no nula de la matriz es la primera; nos quedamos en

esta con su primer término (que es no nulo): será el pivote de la primera fila.
Anulamos los términos que figuran debajo del pivote en su misma columna:
⎛ ⎞ ⎛ ⎞
1 −1 2 1 −1 2
⎜ ⎟ F3 ←F3 −F1 ⎜ ⎟
B = ⎝0 0 1 ⎠ →
⎝0 0 1⎠.
1 3 1 0 4 −1
⎛ ⎞ A continuación, ignoramos la primera fila. Con ello, la primera columna

· · ·
⎜ ⎟
⎝0 0 1⎠ no nula es la segunda. Pero esta columna solo tiene un término no nulo: el
0 4 −1
que es igual a 4, y debemos colocarlo como el primero de su columna. Al
o t
t ex
el
Id
l" tulo
ea í
in cap
74 ED L l
r U ge ar
tener ignorada la primera fila, esto significa que debemos llevar tal término
po e Á imin
hasta la segunda fila. Lo conseguimos con una transformación elemental de

do d rel
tipo i:
⎛ ⎞ ⎛ ⎞
1 −1 2 1 −1 2
ita as p
⎜ ⎟ F2 ↔F3 ⎜ ⎟
−1 ⎠ .
ed m ión
⎝0 0 1 ⎠ →
⎝0 4
0 4 −1 0 0 1
rs
Ve
⎛ ⎞ Finalmente, ignoramos también la segunda fila, lo que nos deja solo una
· · ·
e
⎜ ⎟
⎝· · ·⎠ columna no nula: la tercera, y solo un término no nulo en ella. Este es
"T
0 0 1
directamente el pivote de la tercera fila. El procedimiento ha terminado y
hemos llegado a:
⎛ ⎞
1 −1 2
⎜ ⎟
B = ⎝ 0 4 −1 ⎠ .
0 0 1
La matriz B es efectivamente escalonada: una forma escalonada de la ma-
triz B. Como vemos, tiene tres pivotes.
Matriz escalonada reducida
Matriz escalonada reducida 72 Una matriz escalonada reducida es una matriz escalonada con es-
tas dos propiedades adicionales: todos sus pivotes (si los tiene) son iguales
a 1 (son unitarios), y en toda columna donde hay un pivote es este el único
término no nulo.
Por ejemplo, estas tres matrices son escalonadas reducidas:
⎛ ⎞
⎛ ⎞ ⎛ ⎞ 1 2 0
1 0 −2 3 1 0 0 ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜0 0 1⎟
⎝ 0 1 1 1 ⎠, ⎝ 0 1 0 ⎠ y ⎜ ⎜ ⎟.
⎝ 0 0 0⎟ ⎠
0 0 0 0 0 0 1
0 0 0
Las tres son escalonadas, sus pivotes son iguales a 1, y las columnas en las
que están los pivotes son tales que el único término no nulo de ellas es el
pivote mismo.
Por el contrario, estas otras tres matrices no son escalonadas reducidas:
⎛ ⎞ ⎛ ⎞
1 0 −2 3 1 0 −1
⎜ ⎟ 1 0 −1 ⎜ ⎟
⎝0 1 1 1⎠, y ⎝0 1 0⎠.
0 2 0
0 1 0 0 0 0 1
La primera no es escalonada; la segunda sí lo es, pero presenta al menos un

pivote distinto de 1; la tercera también es escalonada, y sí presenta todos
sus pivotes unitarios, pero en la columna de uno de ellos —la tercera— hay
un término no nulo además del pivote.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 75
N bra de
r U ge ar
Forma escalonada reducida 73 Dada una matriz cualquiera, también es posible obtener a partir de
po e Á imin
de una matriz
ella, mediante la aplicación de transformaciones elementales sucesivas, una
do d rel
matriz escalonada reducida. De la matriz obtenida se dice que es la forma

ita as p
escalonada reducida de la matriz dada.

ed m ión
Para ver un ejemplo, recordemos de nuevo el § 59 (cf. p. 65). Allí traba-

rs
jamos —entre otras— con estas dos matrices:

Ve
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 0 0 −1
e
=⎜ ⎟ = ⎜ ⎟
"T
A ⎝1 0 2 1⎠ y A ⎝0 1 0 3⎠ ,
1 −1 7 3 0 0 1 1
Para recordar con más preci- y podíamos obtener la segunda a partir de la primera mediante la aplicación
sión, a partir de A obteníamos es
de transformaciones elementales sucesivas. Acontece que la matriz A
una matriz A , y a partir de
esta llegábamos a A . escalonada reducida: además de ser escalonada, sus pivotes son unitarios
y en la columna de cada uno de ellos el único término no nulo es el propio
pivote. Podemos afirmar, pues, que la matriz A es la forma escalonada

reducida de la matriz A.
Unicidad de la forma Nota Habrá observado el lector que hablamos de la forma escalonada reducida.
escalonada Esto es así porque la forma escalonada reducida de una matriz es única (a di-
ferencia de la forma escalonada sin más). Lo comprobaremos más adelante en
este mismo capítulo (cf. § 100, p. 100).
Por otra parte, en el citado § 59 escribimos el sistema de ecuaciones

Recordemos el sistema citado:
⎧ lineales cuya matriz ampliada es la matriz A : un sistema compatible de-
⎪
⎪ = −1
⎪ x1
⎨
x2 = 3 terminado cuya solución salta a la vista. Los sistemas de ecuaciones lineales
⎪
⎪
⎪
⎩ cuya matriz ampliada es escalonada reducida son muy sencillos de resolver
x = 1.
3
(y esta afirmación también es válida para los sistemas compatibles indeter-
minados). Lo veremos con detalle en la sección siguiente.
Obtención de la forma 74 ¿Cómo podemos obtener efectivamente la forma escalonada redu-

escalonada reducida de una
cida de una matriz dada? En primer lugar, escalonamos la matriz (ya sabe-
matriz
mos cómo). En segundo lugar, transformamos en 1 todos los pivotes de
la forma escalonada recién obtenida con la ayuda de transformaciones ele-
mentales de tipo ii: en concreto, multiplicamos cada fila en la que hay un
pivote por el inverso de tal pivote. En tercer lugar, en la columna de cada
pivote, “anulamos” los términos que están por encima del propio pivote.
A modo de ejemplo, calculemos la forma escalonada reducida de la ma-
triz B que vimos en el § 71 (cf. p. 73):
⎛ ⎞
1 −1 2
⎜ ⎟
B = ⎝0 0 1⎠.
1 3 1
t o
t ex
el
Id
l" tulo
ea í
in cap
76 ED L l
r U ge ar
En el mismo parágrafo citado, obtuvimos para esta matriz la siguiente forma

po e Á imin
escalonada: ⎛ ⎞
1 −1 2
do d rel
⎜ ⎟
B = ⎝ 0 4 −1 ⎠ ,
ita as p
0 0 1
ed m ión
lo que ya nos proporciona el primer paso del procedimiento. El segundo

rs
Ve
paso consiste en hacer iguales a 1 todos los pivotes de esta forma escalo-
e
nada; para ello solo nos resta multiplicar por 1/4 la segunda fila:
"T
⎛ ⎞ ⎛ ⎞
1 −1 2 1 −1 2
⎜ ⎟ F ←(1/4)F ⎜ ⎟
B = ⎝ 0 4 −1 ⎠ →
⎝0 1 −1/4 ⎠ .
2 2
0 0 1 0 0 1
Finalmente, en la columna de cada pivote, debemos “anular” los términos

que figuran encima del pivote:
⎛ ⎞ ⎛ ⎞ F ←F +(1/4)F ⎛ ⎞
1 −1 2 1 0 7/4 2 2 3 1 0 0
⎜ ⎟ F1 ←F1 +F2 ⎜ ⎟ F1 ←F1 −(7/4)F3 ⎜ ⎟
⎝0 1 −1/4 ⎠ →
⎝0 1 −1/4 ⎠ →
⎝ 0 1 0⎠.
0 0 1 0 0 1 0 0 1
La última matriz obtenida es la forma escalonada reducida de la matriz B.
Otro ejemplo 75 En el § 67 (cf. p. 70), escalonamos esta matriz:

⎛ ⎞
0 1 1 1
⎜ ⎟
A=⎝ 2 4 6 0⎠,
−1 0 −1 2
y obtuvimos la siguiente matriz escalonada:

⎛ ⎞
−1 0 −1 2
⎜ ⎟
A =⎝ 0 4 4 4⎠. (28)
0 0 0 0
Con ello ya tenemos el primer paso para llegar a la forma escalonada redu-
cida de la matriz A. El segundo paso requiere hacer iguales a 1 los pivotes;
lo conseguimos multiplicando la primera fila por −1 y la segunda por 1/4:
⎛ ⎞ F ←(−1)F ⎛ ⎞
−1 0 −1 2 1 1 1 0 1 −2
⎜ ⎟ F ←(1/4)F2 ⎜ ⎟
A = ⎝ 0 4 4 4 ⎠ 2→
⎝0 1 1 1⎠.
0 0 0 0 0 0 0 0
La matriz a la que hemos llegado:

⎛ ⎞
1 0 1 −2
⎜ ⎟
A = ⎝ 0 1 1 1⎠,
0 0 0 0
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 77
N bra de
r U ge ar
ya es escalonada reducida sin más cálculos. La matriz A es la forma esca-

po e Á imin
lonada reducida de la matriz A.

do d rel
Pero para la matriz A obtuvimos, en el § 68 (cf. p. 71), otra forma esca-

lonada distinta a la matriz A escrita
ita as p
en (28); en concreto, esta:

ed m ión
⎛ ⎞
2 4 6 0
⎜ ⎟
rs
⎝0 1 1 1⎠ .
Ve
0 0 0 0
e
"T
A partir de ella, podemos llegar también a la forma escalonada reducida de

la matriz A. Transformamos en 1 los pivotes:
⎛ ⎞ ⎛ ⎞
2 4 6 0 1 2 3 0
⎜ ⎟ F1 ←(1/2)F1 ⎜ ⎟
⎝ 0 1 1 1 ⎠ →
⎝0 1 1 1⎠,
0 0 0 0 0 0 0 0
y anulamos los términos que figuran en las columnas de los pivotes encima
de ellos: ⎛ ⎞ ⎛ ⎞
1 2 3 0 1 0 1 −2
⎜ ⎟ F1 ←F1 −2F2 ⎜ ⎟
⎝0 1 1 1 ⎠ →
⎝0 1 1 1⎠.
0 0 0 0 0 0 0 0
Esta última matriz es escalonada reducida. De hecho, es la misma matriz A
que obtuvimos en la primera parte de este parágrafo.
Nota bene A partir de la matriz A, hemos llegado a la misma matriz escalonada

reducida A pasando por dos formas escalonadas de A distintas.
¿Cómo son las matrices 76 ¿Podemos saber cómo son todas las matrices escalonadas reduci-
escalonadas reducidas?
das? Sí, y ello será especialmente relevante en la sección siguiente, sobre
todo para ciertas consideraciones teóricas.
Antes de verlo propiamente, establecemos la siguiente propiedad de las
matrices escalonadas reducidas: con intercambios adecuados de columnas,
toda matriz escalonada reducida se puede escribir de forma que sus pivotes
figuren en las primeras columnas.
A modo de ejemplo de lo que queremos decir, consideremos la siguiente
matriz escalonada reducida:
⎛ ⎞
1 2 0
⎜ ⎟
⎜0 0 1⎟
A=⎜
⎜0
⎟.
⎝ 0 0⎟⎠
0 0 0
Sus pivotes están en las primeras filas, como acontece con toda matriz esca-
lonada. Ahora bien, el pivote de la primera fila está en la primera columna,
t o
t ex
el
Id
l" tulo
ea í
in cap
78 ED L l
r U ge ar
pero el de la segunda fila no está en la segunda columna, sino en la tercera.

po e Á imin
Podemos conseguir que este pivote sí esté en la segunda columna intercam-

do d rel
biando las columnas segunda y tercera:

⎛ ⎞
ita as p
1 0 2
⎜ ⎟
ed m ión
⎜0 1 0⎟
⎜ ⎟.
⎜0 0 0⎟
rs
⎝ ⎠
Ve
0 0 0
e
"T
La matriz resultante es, efectivamente, escalonada reducida, pues el inter-

cambio de columnas ha dejado la misma cantidad de ceros iniciales en todas
las filas excepto en la segunda (que ahora tiene exactamente un cero inicial
más de los que hay en la primera fila), y las columnas de los pivotes siguen
teniendo los mismos términos (unitario el pivote mismo y nulos los demás).
Es decir, a partir de la matriz escalonada reducida A, y con la ayuda de un
intercambio de columnas, hemos conseguido escribir una matriz escalonada
reducida que tiene sus pivotes en las primeras columnas.
Esbocemos una prueba general de este resultado. vote, permutamos las columnas i-ésima y j-ésima. Con
Dada una matriz escalonada reducida, supongamos ello, obtenemos una nueva matriz con esta caracterís-
que no todos sus pivotes están en las primeras colum- tica: la fila i-ésima tiene exactamente un cero inicial
nas. más que su fila precedente, y las restantes filas siguen
Por un momento, consideremos ordenados los pi- teniendo el mismo número de ceros iniciales (pues los
votes por la fila que ocupan: el primero es el de la pri- términos por debajo de la fila i-ésima son nulos en
mera fila, el segundo el de la segunda fila, y así sucesi- las dos columnas permutadas). La matriz nueva sigue
vamente. Consideremos el primer pivote de la matriz siendo escalonada reducida, y presenta el pivote de la
con la siguiente propiedad: el pivote figura en la fila fila i-ésima en la columna i-ésima.
i-ésima, pero no en la columna i-ésima, sino en otra co- Continuaríamos el proceso de permutación de co-
lumna, digamos la j-ésima, con j > i (en la matriz A del lumnas con los siguientes pivotes hasta que todos que-
ejemplo anterior, teníamos i = 2 y j = 3). Para este pi- daran en las primeras columnas.
Nota bene El número de pivotes de la matriz escalonada reducida es el mismo

antes y después del intercambio de columnas explicado.
¿Cómo son las matrices 77 Consideremos una matriz de orden (n, m) que es escalonada re-
escalonadas reducidas?
ducida, y designemos por r la cantidad de sus pivotes. Distinguimos dos
(Continuación)
casos: r = m (tantos pivotes como columnas) y r < m (menos pivotes que
columnas). A su vez, dentro de cada caso, distinguimos dos posibilidades
adicionales: r = n (tantos pivotes como filas) y r < n (menos pivotes que
filas). Como el número de pivotes es menor o igual que el de columnas y
menor o igual que el de filas (cf. § 65, p. 68), no hay más opciones.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 79
N bra de
r U ge ar
En el primer caso: r = m, hay un pivote en cada columna. La matriz

po e Á imin
escalonada reducida presenta una de estas dos formas, según sea r = n

do d rel
o r < n, respectivamente:
ita as p
⎛ ⎞⎫
1 0 ... 0 ⎪ ⎪
ed m ión
⎜0 ⎪
⎪
⎛ ⎞⎫ ⎜ 1 ... 0⎟ ⎟⎪⎬
⎜ ⎟ r
rs
1 0 ... 0 ⎪ ⎜ .. .. ⎟ ⎪
⎟⎪⎪ .. ..
⎜ ⎪ ⎜. .⎟ ⎪
Ve
⎜0 1 ... 0⎟ ⎪
⎬ ⎜ . . ⎟⎪⎪
⎜ ⎟ ⎜ ⎟⎭⎪
e
⎜. .. .. ⎟
.. ⎟ ⎪ r = n , ⎜0 0 ... 1⎟ ⎫ .
"T
⎜ .. .⎠⎪ ⎜ ⎟
⎝ . . ⎪
⎪ ⎜0 0⎟ ⎪
⎪
⎭ ⎜ 0 ... ⎟⎪⎪
⎬
0 0 ... 1 ⎜. .. .. ⎟
⎜. .. ⎟ n−r
⎝. . . .⎠⎪ ⎪
⎪
r =m 0 0 ... 0 ⎭

r =m
La primera de estas matrices tiene un nombre especial: es la llamada matriz

Matriz identidad de orden n identidad de orden n. Tiene el mismo número de filas que de columnas, y
todos sus términos son nulos salvo los que tienen igual número de fila que
de columna, que son iguales a 1. No tiene filas nulas. Por el contrario, la
segunda de las matrices escritas sí presenta filas nulas: tantas como marca
la diferencia n − r .
En el segundo caso: r < m, podemos considerar que los r pivotes de
la matriz ocupan las r primeras columnas (posiblemente tras la aplicación
de intercambios de columnas adecuados, cf. § 76). La matriz escalonada
reducida tiene finalmente uno de estos aspectos, según sea r = n o r < n,
respectivamente:
⎛ ⎞⎫
1 0 ... 0 • ... • ⎪ ⎪
⎜0 ⎪
⎪
⎛ ⎞⎫ ⎜ 1 ... 0 • ... •⎟ ⎟⎪⎬
1 0 ... 0 • ... • ⎪ ⎜ ⎟ r
⎪ ⎜ .. .. .. .. .. .. .. ⎟ ⎪
⎜ ⎟⎪⎪
⎪ ⎜. .⎟ ⎪
⎜0 1 ... 0 • ... •⎟ ⎬ ⎜ . . . . . ⎟⎪⎪
⎪
⎜ ⎟ ⎜ ⎟⎭
⎜. .. .. .. .. .. .. ⎟ r =n , ⎜0 0 ... 1 • ... •⎟ ⎫ .
⎜ .. ⎪
⎝ . . . . . .⎟⎠⎪⎪
⎪
⎜
⎜0 0 ... 0 0 ... 0⎟
⎟
⎪
⎪
⎪
⎭ ⎜ ⎟⎪⎬
0 0 ... 1 • ... • ⎜. .. .. .. .. ⎟
⎜. .. .. ⎟ n−r
⎝. . . . . . .⎠⎪ ⎪
⎪
r m−r 0 0 ... 0 0 ... 0 ⎭

r m−r
Las puntos: ‘•’, señalan posiciones que pueden ser ocupadas por cualquier
número, nulo o no, y ambas matrices tienen tantas columnas con términos
de este tipo como señala la diferencia m − r . Por otra parte, como en el caso
anterior, la primera matriz no tiene filas nulas, y la segunda tiene tantas
como indica la diferencia n − r .
to
t ex
el
Id
l" tulo
ea í
in cap
80 ED L l
r U ge ar
Ejercicios I.2
po e Á imin
1 Considérense los siguientes sistemas de ecua- 6 Considérese el siguiente sistema de ecuaciones

do d rel
ciones lineales, el primero de una sola ecuación y el lineales:

⎧
⎪
ita as p
segundo de dos: ⎪
⎪ x + 2y =0
⎧ ⎨
ed m ión
⎨ 2x1 − x2 + x3 = 1 2x + 2y + z = 1
⎪
⎪
2x1 − x2 + x3 = 1, y ⎪
⎩−x − 2y + z = 2.
rs
⎩ 8x1 − 4x2 + 4x3 = 4.

Ve
e
Justificar (sin resolverlos) que son equivalentes. Por Se pide:

"T
cierto, ¿de qué tipo son?

a) escribir la matriz de coeficientes y la matriz am-
pliada del sistema;
2 Si a designa un número, nos dan la ecuación li-
neal ax1 = 0. Se pide: b) calcular la forma escalonada reducida de la ma-
a) considerando esta ecuación lineal en la incógni- triz ampliada;
ta x1 , calcular su solución (o soluciones) distinguiendo
c) escribir el sistema cuya matriz ampliada es la
los casos a = 0 y a ≠ 0;
matriz escalonada reducida obtenida en el apartado an-
b) hacer lo mismo, pero considerando la ecuación terior;
dada en las incógnitas x1 y x2 ;
d) calcular la solución del sistema; ¿de qué tipo ha
c) si c también designa un número, calcular las resultado ser el sistema?
soluciones de la ecuación lineal ax1 = c, tomada en
las incógnitas x1 y x2 , distinguiendo los cuatro casos
que resultan de tomar a y c nulos o no. 7 Considérese la matriz:
⎛ ⎞
1 2 0 a
3 Determinar qué matrices de las siguientes son es- ⎜ ⎟
⎝ 2 4 1 b⎠,
calonadas, y señalar los
pivotes de las que lo sean: −1 −2 1 c
⎛ ⎞
−1
0 0 0 ⎜ ⎟
a) y⎝ 0 ⎠; donde a, b y c designan tres números reales.
0 0 0
0
⎛ ⎞ ⎛ ⎞ a) Escalonar la matriz. ¿Cuántos pivotes tiene la
−1 0 0 1 0
⎜ ⎟ ⎜ ⎟ matriz escalonada obtenida? Escribir también la forma
b) ⎝ 0 0 ⎠ y ⎝ 0 2 0 ⎠;
escalonada reducida de la matriz.
0 1 0 0 0
⎛ ⎞ ⎛ ⎞ b) Si un sistema de ecuaciones lineales es tal que la
0 1 0 2 1 0
⎜ ⎟ ⎜ ⎟ matriz del enunciado es su matriz ampliada, ¿qué se
c) ⎝ 0 0 1 ⎠ y ⎝ 0 5 0 ⎠.
0 0 0 0 0 3 puede decir del sistema a la luz de lo obtenido en el
apartado anterior?
4 De cada una de las matrices del ejercicio 3 que
no sea escalonada, encontrar al menos dos formas es-
8 ¿Cómo es una matriz escalonada que tiene una
calonadas.
sola fila? ¿Y la que tiene una sola columna?
5 De todas las matrices del ejercicio 3, ¿cuáles son

escalonadas reducidas? De cada matriz que no lo sea, 9 ¿Cómo es una matriz escalonada reducida que
escribir su forma escalonada reducida. tiene una sola fila? ¿Y la que tiene una sola columna?
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 81
N bra de
I.3. DISCUSIÓN Y RESOLUCIÓN DE UN SISTEMA DE ECUACIONES LINEALES
r U ge ar
I.3 DISCUSIÓN Y RESOLUCIÓN DE UN

po e Á imin
do d rel
SISTEMA DE ECUACIONES LINEALES

ita as p
ed m ión
1. Un método para discutir y resolver un sistema de

rs
Ve
ecuaciones lineales
e
"T
Dedicamos este apartado a presentar un método general para discutir y

resolver un sistema de ecuaciones lineales. Lo iniciamos indicando qué se
entiende por discutir y por resolver un sistema.
Planteamiento del método
Discutir frente a resolver un 78 Sabemos (cf. § 45 y 46, p. 55) que hay tres tipos de sistemas de ecua-
sistema de ecuaciones
ciones lineales atendiendo a su solución: incompatibles (no tienen solución),
lineales
compatibles determinados (tienen una única solución) y compatibles inde-
terminados (tienen infinitas soluciones). Por discutir un sistema de ecua-
ciones lineales nos referimos a determinar de cuál de estos tres tipos es el
sistema. Por resolver el sistema nos referimos a encontrar efectivamente
todas sus soluciones.
Esquema de trabajo: una 79 Consideremos un sistema de ecuaciones lineales que queremos re-
distinción de casos
solver, con n ecuaciones y m incógnitas. Designamos por A su matriz de
coeficientes (recordemos: la matriz cuyos términos son los coeficientes del
su matriz ampliada. La primera tendrá or-
sistema, cf. § 53, p. 60), y por A
den (n, m) (tantas filas como ecuaciones y tantas columnas como incógni-
tas); la segunda, orden (n, m + 1) (tiene una columna más, con los términos
independientes).
Denotemos por A una forma escalonada (no necesariamente reducida)
(también es habitual esta notación para una forma escalo-
de la matriz A
nada: se añade una “prima” a la letra de la matriz original). Sabemos que el
sistema cuya matriz ampliada es la matriz A es equivalente al sistema de

partida, con matriz ampliada A.
Consideraremos tres casos:
presenta un pivote en su última columna.
• La matriz A
no presenta un pivote en su última columna y la cantidad
• La matriz A
de sus pivotes coincide con la cantidad de incógnitas del sistema.
no presenta un pivote en su última columna y la cantidad
• La matriz A
de sus pivotes es menor que la cantidad de incógnitas del sistema.
t o
t ex
el
Id
l" tulo
ea í
in cap
82 ED L l
r U ge ar
Como veremos en los siguientes parágrafos, estos tres casos se correspon-

po e Á imin
den con los tres tipos de sistemas de ecuaciones lineales (en virtud de su
do d rel
solución) que ya conocemos: respectivamente, sistema incompatible, sis-

ita as p
tema compatible determinado y sistema compatible indeterminado.

ed m ión
Nota bene El número de pivotes de una matriz escalonada es menor o igual

rs
Ve
que el de columnas (cf. § 65, p. 68), y hay tantas columnas en la matriz de

e
coeficientes como incógnitas en el sistema, luego todo sistema de ecuaciones

"T
lineales está contemplado en uno (y solo en uno) de los casos anteriores.
Sistemas incompatibles
Sistema incompatible 80 Como en el § 79, consideramos un sistema de n ecuaciones lineales
y suponemos
y m incógnitas que queremos resolver, con matriz ampliada A,
de la matriz A
que existe una forma escalonada A con la característica de
presentar un pivote en su última columna.
en la que está el pivote de la última columna tiene
La fila de la matriz A
por términos los siguientes:
0 0 ... 0 a,

m ceros
donde a es un número que es no nulo, y la ecuación lineal que se corres-

ponde con esta fila es
0x1 + 0x2 + · · · + 0xm = a, con a ≠ 0.
Pero un sistema de ecuaciones lineales que incluye una ecuación de este tipo
es incompatible (cf. § 47, p. 55).
Es decir, el sistema cuya matriz ampliada es A es incompatible. El sis-
tema de partida (con matriz ampliada A ), que es equivalente a él, también
lo será.
Si una forma escalonada de la matriz ampliada de un sistema de ecua-

ciones lineales tiene un pivote en su última columna, entonces el sistema
no tiene solución: es un sistema incompatible.
Un ejemplo 81 Consideremos el siguiente sistema de ecuaciones lineales:

⎧
⎪
⎪ x1 + 2x2 + 4x3 = 1
⎪
⎨
x2 + 2x3 = −3 (29)
⎪
⎪
⎪
⎩ x + 3x + 6x = 2.
1 2 3
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 83
N bra de
r U ge ar
Su matriz ampliada es esta:

po e Á imin
⎛ ⎞
1 2 4 1
do d rel
=⎜
A ⎝0 1 2
⎟
−3 ⎠ .
ita as p
1 3 6 2
ed m ión
rs
Calculamos para ella una forma escalonada; por ejemplo, con el procedi-
Ve
miento descrito en el § 67 (cf. p. 70):

e
"T
⎛ ⎞ ⎛ ⎞
1 2 4 1 1 2 4 1
=⎜
A ⎝0 1 2
⎟ 3 3 1 ⎜
F ←F −F
−3 ⎠ →
⎝0 1 2
⎟
−3 ⎠
1 3 6 2 0 1 2 1
⎛ ⎞
1 2 4 1
F3 ←F3 −F2 ⎜ ⎟ .
→
⎝0 1 2 −3 ⎠ = A
0 0 0 4
, tiene un pivote en su última columna.

La matriz escalonada obtenida: A
De acuerdo con el resultado del § 80, el sistema (29) no admite solución: es
incompatible.
es la matriz ampliada
Comprobar lo afirmado es sencillo. La matriz A
de este sistema: ⎧
⎪
⎪ x1 + 2x2 + 4x3 = 1
⎪
⎨
x2 + 2x3 = −3
⎪
⎪
⎪
⎩ 0x + 0x + 0x = 4,
1 2 3
el cual no admite solución: no hay ninguna terna de números que satisfaga

su tercera ecuación.
Sistemas compatibles determinados
Sistema compatible 82 De nuevo como en el § 79, consideramos un sistema de n ecua-

determinado
ciones lineales y m incógnitas que deseamos resolver. Su matriz ampliada
y suponemos que una forma escalonada suya, denotada por A
es A, , es tal
que no presenta un pivote en su última columna y tiene tantos pivotes como
incógnitas hay en el sistema.
Nótese que una matriz escalo- Con el procedimiento descrito en el § 74 (cf. p. 75), podemos calcular
nada reducida tiene el mismo a partir de su forma escalo-
la forma escalonada reducida de la matriz A
número de pivotes que la ma- (para la forma escalonada
nada A . Denotamos la matriz obtenida por A
triz escalonada a partir de la
cual se ha calculado, y ambas reducida, es usual añadir una segunda “prima” a la letra que denota la ma-
matrices tienen los pivotes en ignoramos momentáneamente la última
triz original). Si en esta matriz A
las mismas columnas.
columna (la que figura a la derecha de la barra espaciadora, y que no tiene
t o
tex
el
Id
l" tulo
ea í
in cap
84 ED L l
r U ge ar
pivotes), tenemos una matriz de orden (n, m), también escalonada redu-
po e Á imin
Si en una matriz escalonada cida, y con tantos pivotes como columnas. En el § 77 (cf. p. 78) vimos cómo
do d rel
eliminamos la última colum- son estas matrices. De acuerdo con ello, y denotando por r el número de pi-
na (o las últimas columnas), (volvemos a considerarle la última
ita as p
votes, podemos afirmar que la matriz A

la matriz que se obtiene sigue
ed m ión
siendo escalonada. Lo mismo columna) será de una de las dos siguientes formas, según sea el número de
rs
acontece con matrices escalo- pivotes igual que el de filas (r = n) o menor (r < n), respectivamente:
nadas reducidas.
Ve
⎛ ⎞⎫
1 0 . . . 0 d1 ⎪ ⎪
e
⎜0 1 ... 0 d ⎟ ⎪ ⎪
"T
⎜ ⎪
2 ⎟ ⎬
⎛ ⎞⎫ ⎜ ⎟
1 0 . . . 0 d1 ⎪ ⎪ ⎜ . . . . . ⎟ r
⎜ ⎟⎪⎪ ⎜ .. .. . . .. .. ⎟ ⎪ ⎪
⎜ 0 1 . . . 0 d2 ⎟ ⎪ ⎬ ⎜ ⎟⎪⎪
⎪
⎜ ⎟ ⎜ ⎟⎭
⎜. . . .. ⎟ , ⎜ 0 0 . . . 1 dm ⎟ ⎫ , (30)
. . ...
r =n
⎜ .. .. ⎟ ⎪
⎪ ⎜ ⎟
⎝ . ⎠⎪⎪ ⎜ ⎟ ⎪
⎪
⎭ ⎜ 0 0 . . . 0 0 ⎟⎪⎪
⎬
0 0 . . . 1 dm ⎜. . . .. .. ⎟
⎜. . . ⎟ n−r
⎝ . . . . . ⎠ ⎪
⎪
r =m
⎪
⎭
0 0 ... 0 0

r =m
y donde d1 , d2 , . . . , dm pueden ser números cualesquiera (nulos o no). La

primera de las matrices escrita en (30) es la matriz ampliada de este sistema
de ecuaciones lineales:
⎧
⎪
⎪ x1 = d1
⎪
⎪
⎪
⎪
⎪
⎨ x2 = d2
.. .. (31)
⎪
⎪
⎪
⎪ . .
⎪
⎪
⎪
⎩ xm = dm .
La segunda de las matrices de (30) difiere de la primera solo en que tiene

filas nulas adicionales; como las filas nulas en la matriz ampliada de un sis-
tema se corresponden con ecuaciones nulas —que eliminadas de un sistema
nos dejan otro equivalente—, se tiene que el sistema cuya matriz ampliada
es la segunda matriz de (30) es equivalente al sistema (31).
En definitiva, el sistema de ecuaciones lineales (31) es el sistema que
tiene por matriz ampliada la matriz escalonada reducida A (o al menos
es equivalente a él). De acuerdo con la construcción de la matriz A , el
sistema (31) también será equivalente al que tiene por matriz ampliada la
matriz escalonada A , y lo que es más importante: será equivalente al que
tiene por matriz ampliada la matriz A. Es decir, el sistema (31) es equiva-
lente al sistema que originalmente queremos resolver.
El sistema de ecuaciones lineales (31) tiene solución única, la cual salta
a la vista: la m-upla (d1 , d2 , . . . , dm ). El sistema de partida es, pues, compa-
tible determinado.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 85
N bra de
r U ge ar
po e Á imin
Si una forma escalonada de la matriz ampliada de un sistema de ecua-

ciones lineales tiene tantos pivotes como incógnitas, y ninguno de los
do d rel
pivotes está en la última columna, entonces el sistema tiene una única

ita as p
solución: es un sistema compatible determinado.

ed m ión
rs
Un ejemplo 83 Consideremos el siguiente sistema de ecuaciones lineales:

Ve
⎧
⎪
e
⎪
⎪ x − 2x2 =2
⎨ 1
"T
2x2 + 3x3 = 0 (32)

⎪
⎪
⎪
⎩ x − 2x + 2x = 6.
1 2 3
y la llevamos a una
Escribimos su matriz ampliada, que denotamos por A,
forma escalonada; con una sola transformación elemental lo conseguimos:
⎛ ⎞ ⎛ ⎞
1 −2 0 2 1 −2 0 2
A=⎜⎝0
⎟ F3 ←F3 −F1 ⎜
2 3 0 ⎠ →
⎝0
⎟ .
2 3 0⎠ = A
1 −2 2 6 0 0 2 4
tiene tres pivotes, tantos como incógnitas, y ningu-

no de ellos figura en la última columna. De acuerdo con lo visto en el § 82,
el sistema (32) es compatible determinado: admite una única solución.
Acabamos de discutir el sistema (32). Ahora querríamos resolverlo, es
decir, encontrar efectivamente la única solución que ya sabemos tiene. Lo
visto en el mismo § 82 nos sugiere cómo buscar tal solución: calculamos la
forma escalonada reducida de la matriz ampliada del sistema y escribimos
el sistema que la tiene como matriz ampliada; este sistema será inmediato
de resolver, y su solución será la que buscamos.
podemos
Para encontrar la forma escalonada reducida de la matriz A,
seguir aplicando transformaciones elementales adecuadas a su forma esca-
lonada A (cf. § 74, p. 75):
⎛ ⎞ F ←(1/2)F ⎛ ⎞
1 −2 0 2 2 2 1 −2 0 2
= ⎜
A ⎝0 2 3
⎟ F3 ←(1/2)F3 ⎜
0 ⎠ →
⎝0 1 3/2 0⎠
⎟
0 0 2 4 0 0 1 2
⎛ ⎞
1 −2 0 2
F2 ←F2 −(3/2)F3 ⎜ ⎟
→
⎝0 1 0 −3 ⎠
0 0 1 2
⎛ ⎞
1 0 0 −4
F1 ←F1 +2F2 ⎜ ⎟ .
→
⎝0 1 0 −3 ⎠ = A
0 0 1 2
to
tex
el
Id
l" tulo
ea í
in cap
86 ED L l
r U ge ar
Ahora, el sistema de ecuaciones lineales cuya matriz ampliada es la matriz

po e Á imin
escalonada reducida A es este:

⎧
do d rel
⎪
⎪ = −4
⎪ x1
ita as p
⎨
Nótese que la solución única = −3
ed m ión
x2
(de un sistema compatible de- ⎪
⎪
⎪
⎩ x3 = 2.
rs
terminado) se puede leer, de

Ve
arriba abajo, en la última co-

Su solución es única, e inmediata: (−4, −3, 2). Esta terna es también la solu-
e
lumna de la forma escalona-

"T
da reducida A (eliminando

antes las filas nulas si las hay). ción única del sistema compatible determinado (32).
Continuación del ejemplo: 84 En el § 83, una vez discutido el sistema de ecuaciones lineales (32),
resolución alternativa con
lo hemos resuelto a partir de la forma escalonada reducida de su matriz
sustitución hacia atrás
ampliada. Pero podríamos haberlo resuelto de otra manera: por sustitución
hacia atrás (cf. p. 58) a partir de una forma escalonada (no necesariamente
reducida) de su matriz ampliada.
En el mismo § 83, obtuvimos esta forma escalonada de la matriz am-
pliada del sistema (32):
⎛ ⎞
1 −2 0 2
= ⎜
A ⎝0 2 3
⎟
0⎠.
0 0 2 4
El sistema de ecuaciones linales del cual es matriz ampliada es este:

⎧
⎪
⎪ x − 2x2 =2
⎪
⎨ 1
2x2 + 3x3 = 0 (33)
⎪
⎪
⎪
⎩ 2x3 = 4.
De la tercera ecuación se deduce: x3 = 4/2 = 2, que sustituido en la segunda

nos lleva a: 2x2 + 6 = 0, de donde: x3 = −6/2 = −3; y sustuido este valor
en la primera ecuación, obtenemos: x1 + 6 = 2, de donde: x1 = −4. Es decir,
la solución del sistema (33) es la terna (−4, −3, 2).
Como los sistemas (33) y (32) son equivalentes, vemos confirmada la
solución de este último que calculamos en el § 83.
Otro ejemplo 85 Discutamos, y resolvamos en su caso, el siguiente sistema de tres

ecuaciones y dos incógnitas:
⎧
⎪
⎪ x − 2y = 5
⎪
⎨
2x + y = 0 (34)
⎪
⎪
⎪
⎩ x + 3y = −5.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 87
N bra de
r U ge ar
Para discutir el sistema, escribimos su matriz ampliada:

po e Á imin
⎛ ⎞
1 −2 5
do d rel
⎜ ⎟
B = ⎝ 2 1 0⎠,
ita as p
1 3 −5
ed m ión
rs
y buscamos una forma escalonada de esta matriz ampliada:

Ve
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
e
1 −2 5 F2 ←F2 −2F1 1 −2 5 1 −2 5
"T
⎜ ⎟ F3 ←F3 −F1 ⎜ ⎟ F3 ←F3 −F2 ⎜ ⎟

⎝2 1 0 ⎠ →
⎝0 5 −10 ⎠ →
⎝0 5 −10 ⎠ .
1 3 −5 0 5 −10 0 0 0
La matriz escalonada obtenida, denotémosla B , tiene dos pivotes, tantos

como incógnitas, y ninguno de ellos figura en la última columna. El sistema
de ecuaciones lineales (34) es, pues, compatible determinado.
Para resolver el sistema, buscamos la forma escalonada reducida de su
matriz ampliada. Lo hacemos a partir de la forma escalonada B recién ob-
tenida en el párrafo anterior:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −2 5 1 −2 5 1 0 1
⎜ ⎟ 2
F ←(1/5)F 2 ⎜ ⎟ 1 1
F ←F +2F 2 ⎜ ⎟
⎝0 5 −10 ⎠ →
⎝0 1 −2 ⎠ →
⎝0 1 −2 ⎠ = B .
0 0 0 0 0 0 0 0 0
El sistema de ecuaciones cuya matriz ampliada es la matriz escalonada re-

ducida B que acabamos de deducir es este:
⎧
⎪
⎪ x = 1
⎪
⎨
y = −2
⎪
⎪
⎪
⎩ 0x + 0y = 0,
el cual es equivalente (quitando la ecuación nula) a:

⎧
⎨ x = 1
Como el sistema es compati- ⎩ y = −2,
ble determinado, la solución
única se puede leer en la úl-
sistema de solución evidente: (1, −2). En conclusión, el sistema de ecuacio-
tima columna de la matriz B ,
eliminando antes su tercera fi- nes lineales (34) es compatible determinado y su única solución es el par
la por ser nula. ordenado (1, −2).
Si en el sistema de matriz am- Es de observar que, para resolver el sistema (34), podríamos haber es-
pliada B quitamos la ecuación crito el sistema de ecuaciones lineales cuya matriz ampliada es la matriz es-
nula (que es la tercera), queda:
⎧ calonada B , y haber resuelto este sistema por sustitución hacia atrás (tras
⎨ x − 2y = 5
eliminar su tercera ecuación, que es nula). Dejamos al lector la tarea de
⎩ 5y = −10.
confirmar que con ello se obtiene la misma solución.
t o
tex
el
Id
l" tulo
ea í
in cap
88 ED L l
r U ge ar
Sistemas compatibles indeterminados

po e Á imin
Sistema compatible 86 De nuevo (por última vez) como en el § 79, consideramos un sis-
do d rel
indeterminado
tema de n ecuaciones lineales y m incógnitas que pretendemos resolver.
ita as p
y suponemos que existe una forma

Designamos su matriz ampliada por A,
ed m ión
de esta matriz ampliada con la siguiente propiedad: no pre-

escalonada A
rs
senta un pivote en su última columna y tiene una cantidad de pivotes menor

Ve
e
que la cantidad de incógnitas del sistema.

"T
A partir de la matriz escalonada A , calculamos la forma escalonada re-

ducida de la matriz A. Como es habitual, denotamos la matriz obtenida
. ¿Cómo es esta matriz escalonada reducida A
por A ? Denotemos el
número de sus pivotes por r , y supongamos adicionalmente que este nú-
mero de pivotes es menor que el de filas (r < n). Supongamos también
Recordemos que la última co-
no tiene pivotes.
lumna de A
que los pivotes están en las primeras columnas. De acuerdo con el § 77,
podemos afirmar que la matriz A tiene esta forma:
⎛ ⎞⎫
1 0 ... 0 b1(r +1) . . . b1m d1 ⎪ ⎪
⎜0 ⎪
⎪
En el § 77 escribimos pun- ⎜ 1 ... 0 b2(r +1) . . . b2m d2 ⎟ ⎟⎪⎬
tos: ‘•’; ahora escribimos los ⎜ ⎟ r
⎜ .. .. .. .. .. .. .. .. ⎟ ⎪
términos bij (1 i r y r + ⎜. . ⎟ ⎪
⎜ . . . . . . ⎟⎪⎪
1 j m) y los términos dk ⎜ ⎟⎪⎭
⎜0 0 ... 1 br (r +1) . . . br m dr ⎟ ⎫ (35)
(1 k r ). ⎜ ⎟
⎜0 0 ⎟ ⎪
⎜ 0 ... 0 0 ... 0 ⎟⎪⎪
⎬
⎜. .. .. .. .. .. ⎟
⎜. .. .. ⎟ n−r
⎝. . . . . . . . ⎠⎪⎪
⎪
0 0 ... 0 0 ... 0 0 ⎭

r m−r
donde todos los bij (1 i r y r + 1 j m) y todos los dk (1 k r )

pueden ser números cualesquiera (nulos o no).
El sistema de ecuaciones lineales cuya matriz ampliada es la matriz es-
crita en (35) es equivalente (tras eliminar las ecuaciones nulas) al siguiente:
⎧
⎪
⎪ x + b1(r +1) xr +1 + · · · + b1m xm = d1
⎪ 1
⎪
⎪
⎪
⎪
⎨ x2 + b2(r +1) xr +1 + · · · + b2m xm = d2
.. .. .. .. (36)
⎪
⎪
⎪
⎪ . . . .
⎪
⎪
⎪
⎩ xr + br (r +1) xr +1 + · · · + br m xm = dr .
De acuerdo con su construcción, este sistema es entonces equivalente al que

tiene por matriz ampliada la matriz escalonada A , y por ende también es
Esto es, el sistema
equivalente al que tiene por matriz ampliada la matriz A.
escrito en (36) es equivalente al sistema que originalmente pretendemos
resolver.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 89
N bra de
r U ge ar
Sistema compatible 87 ¿Qué solución, o soluciones, tiene el sistema de ecuaciones linea-

po e Á imin
indeterminado (continuación)
les (36)? A partir de él, podemos despejar las incógnitas x1 , x2 , . . . , xr en
do d rel
función de las restantes incógnitas xr +1 , . . . , xm :

⎧
ita as p
⎪
⎪ x1 = d1 − b1(r +1)xr +1 + · · · + b1m xm ,
ed m ión
⎪
⎪
⎪
⎪
⎨ x2 = d2 − b2(r +1)xr +1 + · · · + b2m xm ,
rs
(37)
⎪
⎪
Ve
⎪ ..............................................
⎪
⎪
⎩ x = d − b
⎪
e
r (r +1) xr +1 + · · · + br m xm .
"T
r r
Ahora, si sustituimos las letras xr +1 , . . . , xm por números concretos, por

ejemplo: xr +1 = . . . = xm = 0, de las igualdades anteriores podemos dedu-
cir: x1 = d1 , x2 = d2 , . . . , xr = dr . Una rápida comprobación nos confirma
que es solución del sistema (36) esta m-upla:

d1 , d2 , . . . , dr , 0, . . . , 0 .

m − r ceros
Pero hay más soluciones. Si sustituimos xr +1 , . . . , xm por otros números,

verbigracia: xm = −1 y los restantes nulos, el valor correspondiente para las
incógnitas x1 , x2 , . . . , xr que obtenemos a partir de las igualdades de (37)
nos configura otra solución:

d1 + b1m , d2 + b2m , . . . , dr + br m , 0, . . . , 0 , −1 .

m − r − 1 ceros
De hecho, hay infinitas soluciones: una por cada valor numérico que
demos a las incógnitas xr +1 , . . . , xm . Podemos afirmar: todas las soluciones
del sistema (36) son las m-uplas de la forma:

d1 − b1(r +1)xr +1 + · · · + b1m xm ,

d2 − b2(r +1) xr +1 + · · · + b2m xm , . . . ,

dr − br (r +1) xr +1 + · · · + br m xm , xr +1 , . . . , xm ,
Los números xr +1 , . . . , xm
pueden ser nulos o no, iguales donde xr +1 , . . . , xm son números cualesquiera. En particular, el sistema de
o distintos; enfatizamos: cua-
ecuaciones lineales (36) es compatible indeterminado.
lesquiera.
Si el número de pivotes de una forma escalonada de la matriz ampliada de

un sistema de ecuaciones lineales es menor que el número de incógnitas
del sistema, y ninguno de los pivotes está en la última columna, entonces
el sistema tiene infinitas soluciones: es un sistema compatible indetermi-
nado.
ot
t ex
el
Id
l" tulo
ea í
in cap
90 ED L l
r U ge ar
Algunas consideraciones 88 Antes de pasar a ver algunos ejemplos de resolución de sistemas

po e Á imin
sobre los desarrollos

compatibles indeterminados (como suponemos que el lector estará desean-
anteriores
do d rel
do que hagamos), debemos aclarar algunos puntos del desarrollo de los § 86

ita as p
y 87.
ed m ión
es
En primer lugar, supusimos que el número de pivotes de la matriz A
rs
menor que el número de filas: r < n, pero podría ser igual: r = n. En este
Ve
último caso, la matriz A estaría formada exclusivamente por las r primeras
e
sería la matriz de (35) sin las

"T
filas de la matriz escrita en (35) (es decir, A

filas nulas), pero el sistema de ecuaciones lineales con matriz ampliada la
matriz A sería justamente el sistema (36). También en este caso, pues,
obtendríamos la conclusión de sistema compatible indeterminado a la que
llegamos en el § 87.
están
En segundo lugar, admitimos que los r pivotes de la matriz A
situados en las primeras columnas. Según lo que vimos en el § 76 (cf. p. 77),
con intercambios adecuados de columnas, toda matriz escalonada reducida
se puede escribir de forma que sus pivotes estén en las primeras columnas.
Pero acontece lo siguiente: si una matriz en la que procedemos a intercam-
biar columnas es la matriz ampliada de un sistema de ecuaciones lineales
—, y ninguna de las columnas intercam-
—como es el caso de la matriz A
biadas es la última, tal intercambio de columnas se corresponde con una
reordenación de las incógnitas del sistema. Además, los sistemas antes y
después de la reordenación de incógnitas son de la misma clase en lo que a
su discusión se refiere: si, por ejemplo, uno es incompatible, el otro también
lo es, y lo mismo acontece con las otras dos clases.
Lo vemos mejor con un ejemplo. Fijémonos en esta matriz:

1 2 0 1
C=
0 0 1 2
(la cual, por cierto, es escalonada reducida, y en su última columna no figura

ningún pivote). La matriz C es la matriz ampliada de este sistema:
⎧
⎨ x1 + 2x2 =1
(38)
⎩ x3 = 2.
Por un lado, si intercambiamos en la matriz C las columnas segunda y ter-

cera (a fin, por ejemplo, de que figuren los dos pivotes en las dos primeras
columnas), nos queda:

1 0 2 1
D= .
0 1 0 2
o
t
t ex
el
Id
l" tulo
ea í
in cap
ED L l 91
N bra de
r U ge ar
Por otro lado, si reescribimos el sistema (38) considerando que el orden de

po e Á imin
las incógnitas es x1 , x3 y x2 (esto es, invirtiendo el orden original de las

do d rel
incógnitas segunda y tercera), ponemos:

⎧
ita as p
⎨ x1 + 2x2 = 1
ed m ión
(39)
⎩ x3 = 2.
rs
Ve
Apreciamos que este último sistema de ecuaciones lineales tiene por matriz
e
"T
ampliada precisamente la matriz D.

Podemos decir más: si comparamos los sistemas (38) y (39), vemos
Por ejemplo, la terna (1, 0, 2) que a partir de una terna que sea solución de uno se escribe una terna (y
es solución del sistema (38),
y la terna (1, 2, 0) es solución
exactamente una) que es solución del otro, sin más que intercambiar sus
del (39). Otro ejemplo lo tene- componentes segunda y tercera; es decir, si una terna (a, b, c) es solución
mos con las ternas (−1, 1, 2)
de uno, la terna (a, c, b) lo es del otro. Finalmente, acontece que ambos
y (−1, 2, 1).
sistemas son efectivamente de la misma clase: ambos son compatibles in-
determinados.
del § 86, pode-
En lo que concierne a la matriz escalonada reducida A
mos entonces considerar, sin pérdida de generalidad, que sus pivotes figu-
ran en las primeras columnas (si no es el caso, basta una reordenación ade-
cuada de las incógnitas, con la cual el sistema seguirá siendo de la misma
clase en lo que a su discusión se refiere). La conclusión de sistema compa-
tible indeterminado a la que hemos llegado finalmente en el § 87 es válida,
pues, aunque la forma escalonada reducida A no tenga originalmente to-
dos sus pivotes en las primeras columnas.
Un ejemplo 89 Discutamos y resolvamos el siguiente sistema de tres ecuaciones

lineales y cuatro incógnitas:
⎧
⎪
⎪ x1 + x2 + x3 + 2x4 = 1
⎪
⎨
x1 + 2x2 + 3x3 + 2x4 = 3 (40)
⎪
⎪
⎪
⎩ x + x + 2x + 6x = 1.
1 2 3 4
Para discutir el sistema, escribimos su matriz ampliada y buscamos una

forma escalonada de esta matriz ampliada. Tenemos:
⎛ ⎞ ⎛ ⎞
1 1 1 2 1 F2 ←F2 −F1 1 1 1 2 1
⎜ ⎟ F3 ←F3 −F1 ⎜ ⎟ .
A=⎝ 1 2 3 2 3 ⎠ →
⎝ 0 1 2 0 2⎠ = A
1 1 2 6 1 0 0 1 4 0
tiene menos pivotes que incógnitas (de estas hay

cuatro y de aquellos hay tres), y ninguno de los pivotes figura en la última
t o
t ex
el
Id
l" tulo
ea í
in cap
92 ED L l
r U ge ar
columna. De acuerdo con el resultado del § 87, el sistema de ecuaciones

po e Á imin
lineales (40) es compatible indeterminado.

do d rel
Para resolver el sistema, procedemos como se sugiere en los § 86 y 87:

(la ampliada del sis-
ita as p
calculamos la forma escalonada reducida de la matriz A

ed m ión
tema), y escribimos el sistema de ecuaciones lineales cuya matriz ampliada

rs
es justamente esta forma escalonada reducida. Como ya tenemos una forma

Ve
—la matriz A
escalonada de la matriz A —, seguimos a partir de ella:
e
⎛ ⎞ ⎛ ⎞
"T
1 1 1 2 1 1 0 −1 2 −1
= ⎜
A ⎝0 1 2 0
⎟ F1 ←F1 −F2 ⎜
2 ⎠ →
⎝0 1 2 0 2⎠
⎟
0 0 1 4 0 0 0 1 4 0
⎛ ⎞
F2 ←F2 −2F3 1 0 0 6 −1
F1 ←F1 +F3 ⎜ ⎟ .
→
⎝0 1 0 −8 2⎠ = A
0 0 1 4 0
Nótese que la matriz escalona-
da reducida A presenta sus Ahora, el sistema de ecuaciones lineales de matriz ampliada la matriz esca-
pivotes en las primeras colum- lonada reducida A es este:
nas. ⎧
⎪
⎪ x + 6x4 = −1
⎪
⎨ 1
x2 − 8x4 = 2 (41)
⎪
⎪
⎪
⎩ x + 4x = 0. 3 4
Despejando las incógnitas x1 , x2 y x3 en función de la incógnita x4 , obte-

nemos: ⎧
⎪
⎪ x1 = −1 − 6x4 ,
⎪
⎨
x2 = 2 + 8x4 , (42)
⎪
⎪
⎪
⎩ x3 = − 4x4 .
Si damos a la incógnita x4 algún valor numérico concreto, el valor corres-

pondiente de las incógnitas x1 , x2 y x3 dado por las tres igualdades de (42)
configura una solución del sistema. Por ejemplo, tomando x4 = 0, nos
queda x1 = −1, x2 = 2 y x3 = 0, y la cuaterna (−1, 2, 0, 0) es una solución
del sistema. Otro ejemplo: tomando x4 = 1, obtenemos como solución la
cuaterna (−7, 10, −4, 1).
Finalmente, podemos afirmar que todas las soluciones del sistema de
A modo de comprobación, en ecuaciones lineales (41), y por tanto las del sistema de ecuaciones linea-
el sistema (40), puede el lector
sustituir x1 por −1 − 6x4 , x2 les (40) (ambos son equivalentes), son todas las cuaternas de la forma:
por 2 + 8x4 y x3 por −4x4 . . .
−1 − 6x4 , 2 + 8x4 , −4x4 , x4 , donde x4 es un número cualquiera.
Incógnitas básicas e 90 En un sistema de ecuaciones lineales cuya matriz ampliada es es-

incógnitas libres
calonada reducida, las incógnitas que figuran en primer lugar en alguna
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 93
N bra de
r U ge ar
ecuación (y que por tanto son tales que su coeficiente es un pivote de la

po e Á imin
matriz y es igual a 1) se denominan incógnitas básicas o incógnitas princi-

do d rel
pales; las restantes se denominan incógnitas libres, o parámetros. Cuando

ita as p
buscamos escribir la solución del sistema, despejamos las incógnitas básicas

ed m ión
en función de las incógnitas libres.

rs
Por ejemplo, en el sistema de ecuaciones lineales (41), visto en el § 89,

Ve
y que tiene por matriz ampliada una matriz escalonada reducida, la incóg-
e
"T
nita x1 es la primera incógnita de la primera ecuación, con lo que es una

incógnita básica (o principal). También son incógnitas básicas las incógni-
tas x2 y x3 , primeras de las ecuaciones segunda y tercera, respectivamente.
La incógnita x4 , por el contrario, es una incógnita libre (o un parámetro).
Cuando hemos buscado la solución de este sistema, hemos despejado las
incógnitas básicas en función de la incógnita libre; esto es justamente lo que
está plasmado en las igualdades de (42).
Notación habitual para las 91 Cuando un sistema cuya matriz ampliada es escalonada reducida
incógnitas libres, con letras
admite solución y exhibe incógnitas libres o parámetros, en la expresión
griegas. Continuación del
ejemplo del § 89 final de la solución se suelen sustituir las incógnitas libres por otras letras,
habitualmente griegas, para distinguirlas en su notación de las incógnitas
principales.
Por ejemplo, para el sistema (41), y en definitiva para el (40) —que
Letra griega λ (léase “lamb- es equivalente a él—, si denotamos la incógnita libre x4 por λ, podemos
da”). concluir lo siguiente: todas las soluciones del sistema (40) son las cuater-
nas (x1 , x2 , x3 , x4 ) tales que:
⎧
⎪
⎪ x1 = −1 − 6λ,
⎪
⎪
⎪
⎪
⎨ x2 = 2 + 8λ,
donde λ es un número cualquiera;
⎪
⎪ x3 = − 4λ,
⎪
⎪
⎪
⎪
⎩x = λ,
4
o también: todas las soluciones del sistema (40) son las cuaternas de la
forma:

−1 − 6λ, 2 + 8λ, −4λ, λ , donde λ es un número cualquiera.
Sustitución hacia atrás en el 92 Volvamos al sistema de ecuaciones lineales (40). Una vez hemos
sistema del § 89 de su matriz ampliada —la cual nos ha
llegado a la forma escalonada A
permitido deducir que el sistema es compatible indeterminado—, podemos
: tal
escribir el sistema cuya matriz ampliada es esta matriz escalonada A
sistema es equivalente al (40) y puede ser resuelto por sustitución hacia
atrás (cf. § 50, p. 57). Veámoslo.
t o
t ex
el
Id
l" tulo
ea í
in cap
94 ED L l
r U ge ar
es el siguiente:
El sistema cuya matriz ampliada es la matriz A
po e Á imin
⎧
⎪
⎪ x1 + x2 + x3 + 2x4 = 1
⎪
do d rel
⎨
x2 + 2x3 =2
ita as p
⎪
⎪
⎪
⎩
ed m ión
x3 + 4x4 = 0.
rs
En la tercera ecuación despejamos x3 : x3 = −4x4 ; lo sustuimos en la se-

Ve
gunda ecuación y obtenemos que x2 − 8x4 = 2, de donde: x2 = 2 + 8x4 ;

e
"T
finalmente, en la primera ecuación sustituimos x2 y x3 por las expresiones

deducidas, y llegamos a x1 + 6x4 = 1, y así: x1 = 1 − 6x4 . En definitiva,
obtenemos justamente las igualdades escritas en (42). La solución a la que
llegamos para el sistema es, por supuesto, la misma; la recordamos: todas
las cuaternas de la forma:

−1 − 6x4 , 2 + 8x4 , −4x4 , x4 , donde x4 es un número cualquiera.
Otro ejemplo 93 Consideremos el siguiente sistema de ecuaciones lineales:

⎧
⎨ x1 + 2x2 = 4
(43)
⎩ −2x1 − 4x2 + x3 + x4 = −7.
Con el fin de discutir el sistema, escalonamos su matriz ampliada:

1 2 0 0 4 F2 ←F2 +2F1 1 2 0 0 4
=
A →
.
=A
−2 −4 1 1 −7 0 0 1 1 1
tiene dos pivotes, menos que el total de incógnitas

del sistema, y ninguno de ellos figura en la última columna. El sistema de
ecuaciones lineales (43) es, pues, compatible indeterminado.
Para resolver el sistema, fijémonos en que la matriz A ya es escalonada
reducida; de hecho, podemos escribir: A = A . Acontece también que la
no presenta sus pivotes en las primeras co-
matriz escalonada reducida A
lumnas. Para solventarlo, y así seguir directamente lo explicado en el § 87
(cf. p. 89), podríamos reordenar las incógnitas del sistema de manera simi-
lar a como hicimos en el ejemplo del § 88 (cf. p. 90), a fin de que sí queden
los pivotes en las primeras columnas (en concreto, podríamos considerar el
orden x1 , x3 , x2 y x4 ). Pero no vamos a proceder así.
es
El sistema cuya matriz ampliada es la matriz escalonada reducida A
este: ⎧
⎨ x1 + 2x2 =4
(44)
⎩ x3 + x4 = 1.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 95
N bra de
r U ge ar
De acuerdo con la nomenclatura introducida en el § 90, en el sistema (44)

po e Á imin
las incógnitas x1 y x3 son básicas (cada una es la primera de una ecuación),

do d rel
y las incógnitas x2 y x4 son libres. Despejamos las incógnitas básicas en

ita as p
función de las libres; obtenemos:

ed m ión
⎧
⎨ x1 = 4 − 2x2 ,
rs
⎩ x3 = 1
Ve
− x4 .
e
"T
Así vemos que, dando valores numéricos concretos a x2 y x4 , los valores

correpondientes de x1 y x3 obtenidos de las igualdades anteriores nos con-
figuran una solución del sistema. Por ejemplo, si x2 = 1 y x4 = 2, se obtiene
que x1 = 2 y x3 = −1, y la cuaterna (2, 1, −1, 2) es una solución del sistema.
Finalmente, si —como es usual— sustituimos las letras de las incógnitas
Letra griega μ (léase “mi”). libres por letras griegas —por ejemplo, x2 por λ y x4 por μ—, entonces
podemos concluir que todas las soluciones del sistema (44), y por tanto las
del (43), son las cuaternas (x1 , x2 , x3 , x4 ) tales que:
⎧
⎪
⎪ x1 = 4 − 2λ
⎪
⎪
⎪
⎪
⎨ x2 = λ
⎪
⎪ x3 =1 −μ
⎪
⎪
⎪
⎪
⎩x = μ,
4
o bien: tales soluciones son todas las cuaternas de la forma:

4 − 2λ, λ, 1 − μ, μ , donde λ y μ son números cualesquiera.
Más sobre la distinción entre 94 La nomenclatura que hemos introducido en el § 90, con la que dis-
incógnitas básicas e
tinguimos entre incógnitas básicas e incógnitas libres, es aplicable también
incógnitas libres
a sistemas de ecuaciones lineales compatibles determinados. Lo que acon-
tece con estos sistemas es que no presentan incógnitas libres: todas son
básicas.
Dado un sistema de ecuaciones lineales con matriz pivotes que incógnitas, y si hubiera menos, el sistema
ampliada escalonada, acontece lo siguiente: si el sis- sería compatible indeterminado. Si la matriz ampliada
tema es compatible determinado, la matriz ampliada del sistema, además de escalonada, es escalonada redu-
no presenta ningún pivote en su última columna y tiene cida, al haber un pivote por incógnita resulta que cada
tantos pivotes como incógnitas. ¿Por qué? Por un lado, incógnita es la primera de alguna ecuación, es decir,
si hubiera un pivote en la última columna, el sistema todas las incógnitas son básicas, y no hay incógnitas
sería incompatible; por otro lado, no puede haber más libres.
to
t ex
el
Id
l" tulo
ea í
in cap
96 ED L l
r U ge ar
Por otra parte, surge la pregunta de cuántas incógnitas libres (o paráme-

po e Á imin
tros) presenta finalmente en su solución un sistema de ecuaciones lineales.

do d rel
La respuesta es esta: tantas como marca la diferencia entre el número de

ita as p
incógnitas y el número de pivotes. Esta afirmación es válida para sistemas

ed m ión
tanto compatibles determinados como compatibles indeterminados (en el

rs
primer caso, la citada diferencia es nula). Animamos al lector a comprobar

Ve
la afirmación particularmente en los sistemas de ecuaciones lineales com-

e
"T
patibles indeterminados que hemos ido viendo en los últimas páginas.
2. Sistemas homogéneos
Este apartado está dedicado a un tipo particular de sistema de ecuaciones
lineales: los sistemas homogéneos.
Sistemas homogéneos 95 Un sistema de ecuaciones lineales homogéneo es un sistema en el

cual el término independiente de cada ecuación es nulo.
Por ejemplo, el siguiente es un sistema de ecuaciones lineales homogé-
neo: ⎧
⎨ x1 − 2x2 + x3 = 0
(45)
⎩ x1 − 2x3 = 0,
Si hacemos x1 = 0, x2 = 0 pues sus dos términos independientes son nulos. En este sistema vemos al
y x3 = 0 en el sistema, obte- menos una solución obvia: la terna (0, 0, 0) (o terna nula).
nemos una igualdad de cada
ecuación.
En general, un sistema homogéneo de n ecuaciones en las m incógni-
tas x1 , x2 , . . . , xm tiene esta forma:
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1m xm = 0
⎪
⎪
⎪
⎪
⎨ a21 x1 + a22 x2 + · · · + a2m xm = 0
⎪
⎪ ........................................
⎪
⎪
⎪
⎪
⎩ a x + a x + · · · + a x = 0.
n1 1 n2 2 nm m
Es claro que tiene al menos una solución: la llamada solución nula, dada
por x1 = x2 = . . . = xm = 0; es decir, esta m-upla:

0, 0, . . . , 0 .

m ceros
Nótese también que la última columna de la matriz ampliada de un sis-

tema homogéneo es nula; en particular, no puede dar lugar a un pivote al
escalonar la matriz, lo que vuelve a confirmar que el sistema no es incompa-
tible: admite al menos una solución.
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 97
N bra de
r U ge ar
Discusión de sistemas 96 Como todo sistema homogéneo admite al menos una solución: la
po e Á imin
homogéneos
nula, la discusión de un sistema homogéneo se reduce a determinar si ad-
do d rel
mite solamente esta solución nula (compatible determinado) o si admite más

ita as p
soluciones (compatible indeterminado). Dado que la última columna de la

ed m ión
Recordemos que esta última

columna es nula.
matriz ampliada de un sistema homogéneo no da lugar a ningún pivote, la
rs
forma de determinar la clase de sistema se puede reducir a escalonar sola-

Ve
mente la matriz de coeficientes del sistema y contar sus pivotes: si tiene tan-
e
"T
tos como incógnitas, el sistema es compatible determinado; si tiene menos

pivotes que incógnitas, el sistema es compatible indeterminado.
Los sistemas homogéneos, sin embargo, verifican esta propiedad:
Si un sistema de ecuaciones lineales homogéneo tiene más incógnitas que

ecuaciones, entonces es compatible indeterminado.
¿Por qué? Supongamos que ya tenemos una forma escalonada de la ma-

triz ampliada del sistema. Si hay más incógnitas que ecuaciones, entonces
hay más incógnitas en el sistema que filas en la forma escalonada (pues
hay tantas de estas como ecuaciones). Como en toda matriz escalonada el
número de pivotes es menor o igual que el de filas, en definitiva hay más
incógnitas en el sistema que pivotes en la forma escalonada de su matriz
ampliada, con lo que el sistema es compatible indeterminado.
Por ejemplo, el sistema homogéneo (45) tiene más incógnitas que ecua-
ciones, luego es compatible indeterminado.
Un ejemplo de resolución de 97 De acuerdo con lo visto en el § 96, el sistema de ecuaciones lineales

un sistema homogéneo
homogéneo (45) es compatible indeterminado. Pero, ¿cuáles son todas sus
soluciones?
En principio, los sistemas homogéneos compatibles indeterminados se
resuelven como hemos visto hasta ahora: de su matriz ampliada, se busca
la forma escalonada reducida, y se plantea el sistema que tiene esta forma
escalonada reducida como matriz ampliada. Pero puede haber una pequeña
salvedad en virtud de que se trata de un sistema homogéneo. La última
columna de la matriz ampliada es nula, y cualquier transformación elemen-
tal (por filas) que se le aplique seguirá dejando nula esta última columna; a
Como decíamos en el § 96 pa- fin de no arrastrar una columna nula a cada cálculo, en la práctica es más
ra la discusión de un sistema operativo escalonar solamente la matriz de coeficientes del sistema.
homogéneo: solo la matriz de
coeficientes. Con el sistema (45), empezamos escalonando su matriz de coeficientes:

1 −2 1 F2 ←F2 −F1 1 −2 1
A= →
= A .
1 0 −2 0 2 −3
t o
t ex
el
Id
l" tulo
ea í
in cap
98 ED L l
r U ge ar
Como la matriz escalonada A tiene dos pivotes, menos que incógnitas tiene
po e Á imin
el sistema, se ve confirmado lo que ya sabemos: que se trata de un sistema

do d rel
compatible indeterminado. Concluimos el cálculo de la forma escalonada

escalonada A :
ita as p
reducida de la matriz A a partir de esta forma

ed m ión
1 −2 1 F2 ←(1/2)F2 1 −2 1
A = →

rs
0 2 −3 0 1 −3/2
Ve

e
F1 ←F1 +2F2 1 0 −2
= A .
"T
→

0 1 −3/2
Ahora, el sistema homogéneo cuya matriz de coeficientes es la matriz esca-
lonada reducida A es este:
¡Que no se nos olviden los tér- ⎧
⎨ x1 − 2x3 = 0
minos independientes nulos!
⎩ x2 − (3/2)x3 = 0.
En este sistema, las incógnitas x1 y x2 son básicas, y la incógnita x3 es libre;

despejamos aquellas en función de esta:
3
x1 = 2x3
x3 . y x2 =
2
Denotando la incógnita libre por λ, concluimos que todas las soluciones del
sistema homogéneo (45) son las ternas (x1 , x2 , x3 ) tales que:
⎧
⎪
⎪ x = 2λ,
⎪ 1
⎪
⎪
⎨ 3
⎪ x2 = λ, donde λ es un número cualquiera;
⎪
⎪ 2
⎪
⎪
⎩
x3 = λ,
o bien: todas las ternas de la forma:
3
2λ, λ, λ , donde λ es un número cualquiera.
2
Otro ejemplo 98 El siguiente sistema de ecuaciones lineales es homogéneo:
⎧
⎨ 4x1 + 2x2 = 0
⎩ 2x1 − 3x2 = 0.
Resolvámoslo.
Escalonamos su matriz de coeficientes:

4 2 F2 ←F2 −(1/2)F1 4 2
A= →
= A .
2 −3 0 −4
Como la matriz escalonada A exhibe dos pivotes, tantos como incógni-
tas tiene el sistema, deducimos que el sistema es compatible determinado.
Sin más cálculos, concluimos que su única solución es el par ordenado nu-
lo: (0, 0).
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 99
N bra de
r U ge ar
3. Resultados adicionales importantes

po e Á imin
En este apartado probamos dos resultados que hemos citado a lo largo de

do d rel
las páginas anteriores: todas las formas escalonadas de una misma matriz
ita as p
tienen idéntico número de pivotes (y tienen estos en las mismas columnas),

ed m ión
y la unicidad de la forma escalonada reducida de una matriz.

rs
Ve
Invarianza del número de pivotes al escalonar una matriz

e
"T
Todas las formas escalonadas 99 Una matriz nula solamente tiene una forma escalonada: ella misma,
de una matriz tienen el
pero una matriz no nula admite infinitas formas escalonadas. Todas las
mismo número de pivotes
formas escalonadas de una matriz tienen el mismo número de pivotes, y en
todas ellas los pivotes están situados en las mismas columnas.
Consideremos una matriz A no nula (tiene, pues, forma escalonada de la matriz A que no tenga un pivote
un término no nulo al menos). en su última columna (si la hubiera, el sistema con ma-
En primer lugar, comprobamos este resultado: si triz ampliada A sería compatible determinado o com-
encontramos una forma escalonada de la matriz A con patible indeterminado). Todas las formas escalonadas
un pivote en la última columna, entonces cualquier otra de la matriz A presentan, pues, un pivote en su última
forma escalonada de A tiene también un pivote en su columna.
última columna. De acuerdo con lo probado, podemos afirmar lo si-
Si la matriz A solo tiene una columna (es decir, es guiente: o bien todas las formas escalonadas de la ma-
de orden (n, 1) para algún número n), para escalonarla triz A presentan un pivote en su última columna, o bien
procedemos así: se selecciona algún término no nulo no lo presenta ninguna.
de la matriz (de su única columna), se lleva a la pri- En segundo lugar, comprobamos este otro resul-
mera posición y se anulan los que están por debajo de tado: fijada una columna de la matriz A, digamos la
él; cualquier forma escalonada de A es, pues, de esta j-ésima (con j un número natural entre 1 y el número
forma: de columnas de A), si alguna forma escalonada de la
⎛ ⎞ matriz A presenta un pivote en su columna j-ésima, en-
a
⎜ ⎟ tonces cualquier otra forma escalonada de A presenta
⎜0⎟
⎜ ⎟
⎜ . ⎟, para algún número a no nulo, también un pivote en su columna j-ésima.
⎜ .⎟
⎝ .⎠
Si la j-ésima columna es la última, estamos ante el
0
primer resultado (probado en los párrafos anteriores).
y podemos afirmar que todas estas formas escalona- Si tal columna no es la última, podemos eliminar, tanto
das tienen un pivote en su última columna. Suponga- de la forma escalonada citada en el enunciado como
mos ahora que la matriz A tiene dos columnas o más, de la propia matriz A, las últimas columnas de forma
de forma que puede considerarse la matriz ampliada que la j-ésima quede como nueva última. La matriz
de un sistema de ecuaciones lineales. Como hay una obtenida al quitar estas columnas en la forma escalo-
forma escalonada de A con un pivote en su última co- nada de A es, a su vez, una forma escalonada de la ma-
lumna, tal sistema es incompatible, y cualquier sistema triz que queda al quitar tales columnas en la matriz A.
cuya matriz ampliada sea una forma escalonada de A Aplicando el primer resultado, concluimos el segundo.
será también incompatible. No puede haber, pues, una De esta forma, podemos afirmar lo siguiente: o bien
to
t ex
el
Id
l" tulo
ea í
in cap
100 ED L l
r U ge ar
todas las formas escalonadas de la matriz A presentan a lo más un pivote, podemos finalmente concluir que
po e Á imin
un pivote en la columna j-ésima, o bien no lo presenta todas las formas escalonadas de la matriz A tienen los
ninguna. pivotes en las mismas columnas; en particular, todas
do d rel
Como cada columna de una matriz escalonada tiene tienen el mismo número de pivotes.
ita as p
ed m ión
rs
Ve
Dada una matriz, todas sus formas escalonadas tienen el mismo número
e
de pivotes, y estos pivotes figuran en las mismas columnas.

"T
Nota bene El resultado anterior también es verificado por una matriz nula.
Unicidad de la forma escalonada reducida
La forma escalonada reducida 100 La forma escalonada reducida de una matriz es única. Es decir,
de una matriz es única
solo hay una matriz escalonada reducida que pueda obtenerse a partir de la
matriz dada con la aplicación de transformaciones elementales sucesivas.
Consideremos una matriz no nula A de or- Supondremos que la matriz A admite dos formas
den (n, m). Todas sus formas escalonadas (reducidas escalonadas reducidas, que denotaremos B y D, y com-
o no) tienen la misma cantidad de pivotes (cf. § 99); probaremos que B = D.
denotemos esta cantidad por r . Las matrices B y D tienen sus pivotes en las mis-
Si la cantidad de pivotes es igual a la de colum- mas columnas; sin pérdida de generalidad podemos
nas: r = m, cualquier posible forma escalonada redu- suponer que ambas los tienen en las primeras colum-
cida de la matriz A es una matriz de orden (n, m), es- nas (si no es el caso, una reordenación adecuada de las
calonada reducida, y con m pivotes. De acuerdo con columnas —la misma para ambas matrices— sitúa los
el § 77 (cf. p. 78), una matriz de estas características pivotes donde queremos). De nuevo de acuerdo con el
debe ser así: o bien es la matriz identidad de orden m, § 77 (cf. p. 78), la matriz B tiene esta forma:
⎛ ⎞⎫
o bien es la matriz resultante de “añadir filas nulas por 1 0 . . . 0 b1(r +1) . . . b1m ⎪ ⎪
⎜ ⎟⎪⎪
debajo” (tantas como señale la diferencia n−r ) a la ma- ⎜ 0 1 . . . 0 b2(r +1) . . . b2m ⎟ ⎪ ⎬
⎜ ⎟
triz identidad de orden m, y tenemos un caso u otro ⎜.
⎜. .. .. .. .. .. .. ⎟
⎟ ⎪
r =n ,
⎝. . . . . . . ⎠⎪⎪
⎪
según sea el número de pivotes igual al de filas (r = n) ⎪
⎭
0 0 . . . 1 br (r +1) . . . br m
o menor (r < n), respectivamente. En cualquiera de los

dos casos, la forma escalonada reducida de la matriz A r m−r
resulta ser única. para algunos números bij (1 i r y r + 1 j m);

A partir de ahora, supongamos que el número de y la matriz D también tiene la misma forma, pero en
pivotes es menor que el número de columnas: r < m. vez de los números bij tiene eventualmente otros, que
Por comodidad, pongámonos también en el caso en el denotamos por dij (1 i r y r + 1 j m).
que el número de pivotes es igual al de filas: r = n Ahora observamos que el sistema homogéneo con
(si r < n, el desarrollo sería el mismo, solo que con fi- matriz de coeficientes B es equivalente al sistema ho-
las nulas o ecuaciones nulas añadidas a las matrices o mogéneo con matriz de coeficientes D; toda solución,
a los sistemas, respectivamente, que consideramos). pues, del primero debe serlo del segundo, y viceversa.
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 101
N bra de
r U ge ar
El segundo sistema, verbigracia, toma este aspecto: cientes D), del que también es solución, obtenemos:
po e Á imin
⎧
⎪
⎪ x1 + d1(r +1)xr +1 + · · · + d1m xm = 0 ⎧
⎪ ⎪ b1m + d1m (−1) = 0,
do d rel
⎪
⎪ ⎪
⎪
⎪
⎪ + d2(r +1)xr +1 + · · · + d2m xm = 0 ⎪
⎪
⎪
⎨ x2 ⎪
⎨ b2m + d2m (−1) = 0,
ita as p
.. .. .. ..
ed m ión
⎪
⎪ ⎪
⎪ ......................
⎪
⎪ . . . . ⎪
⎪
⎪
⎪ ⎪
⎪
⎪
⎪ ⎩ br m + dr m (−1) = 0,
rs
⎩ xr + dr (r +1) xr +1 + · · · + dr m xm = 0.
Ve
e
La siguiente m-upla es una solución del primer sistema de donde: b1m = d1m , b2m = d2m , . . . , br m = dr m . Para
"T
(el de matriz de coeficientes B) : cada j tal que r + 1 j < m, procedemos de manera

análoga: consideramos la solución del sistema de ma-
b1m , b2m , . . . , br m , 0, . . . , 0 , −1 ,
triz de coeficientes B obtenida dando a las incógnitas
m − r − 1 ceros
libres estos valores: xj = −1 y nulas las demás, y la
“construida” tomando las incógnitas libres de esta ma- sustituimos en el sistema de matriz de coeficientes D;
nera: xm = −1 y nulas las demás. Al sustituir esta con ello obtenemos: b1j = d1j , b2j = d2j , . . . , br j = dr j .
m-upla en el segundo sistema (el de matriz de coefi- Las matrices B y D resultan, efectivamente, iguales.
Dada una matriz, su forma escalonada reducida es única.
4. Ejemplos de discusión y resolución de sistemas

En este apartado, consideramos varios ejemplos de sistemas de ecuaciones
lineales en los que figura algún parámetro, y los discutimos y resolvemos
Recordemos que también he-
mos empleado el vocablo pa-
según los valores del parámetro o parámetros que tengan. En este contexto,
rámetro como sinónimo de in- un parámetro es una variable que figura en algún coeficiente o término inde-
cógnita libre.
pendiente del sistema y puede tomar diferentes valores (si no se especifica
otra cosa, podrá tomar como valor cualquier número real); según los valores
de esta variable, el sistema puede ser de una clase u otra, o puede tener una
solución u otra.
Un ejemplo con dos 101 Discutamos y resolvamos, según los valores del parámetro a, el si-
incógnitas
guiente sistema de dos ecuaciones lineales y dos incógnitas:
⎧
⎨ x− y =2
(46)
⎩ 2x + ay = 1.
La matriz ampliada del sistema es esta:

1 −1 2
A= .
2 a 1
to
tex
el
Id
l" tulo
ea í
in cap
102 ED L l
r U ge ar
Tratemos de escalonarla con el procedimiento que conocemos:

po e Á imin

1 −1 2 F2 ←F2 −2F1 1 −1 2
do d rel
=
A →
.
=A
2 a 1 0 a+2 −3
ita as p
ed m ión
, ¿es escalonada? Sí. ¿Qué pivotes tiene? Sabemos

La matriz obtenida: A
rs
que su primer pivote es igual a 1 y que figura en la primera columna. ¿Y un

Ve
segundo pivote? Lo hay, pero no sabemos si figura en la segunda columna

e
"T
o en la tercera; ello dependerá del valor del parámetro a. La expresión a + 2

puede ser nula o no, según el valor de a. Si es no nula, entonces el segundo
pivote de la matriz está en la segunda columna (sería igual, justamente,
a a+2); si es nula, está en la tercera columna (sería igual a −3). Distingamos,
pues, ambos casos. Por un lado: a + 2 ≠ 0, es decir: a ≠ −2; por otro
lado: a + 2 = 0, esto es: a = −2.
toma la forma:
Primer caso: a ≠ −2. La forma escalonada de la matriz A
En vez de: A 1 .
, escribimos: A
1 −1 2
Añadimos subíndices para se- 1 =
A .
ñalar los distintos casos. 0 a+2 −3
Esta matriz, forma escalonada de la matriz ampliada del sistema (46) para
este caso, no presenta un pivote en su última columna, y el número de sus
pivotes es igual al número de incógnitas del sistema. En este caso, pues, el
sistema (46) es compatible determinado.
es ahora:
Segundo caso: a = −2. La forma escalonada de la matriz A

Un nuevo subíndice. 1 −1 2
2 =
A ,
0 0 −3
la cual presenta un pivote en su última columna. En este caso, entonces, el

sistema (46) es incompatible.
Una vez tenemos discutido el sistema en función de los valores del pa-
rámetro a, resolvámoslo. Para ello, solamente debemos seguir trabajando
en el primer caso —el de a ≠ −2—, pues el otro nos lleva a un sistema in-

compatible. Calculemos, pues, la forma escalonada reducida de la matriz A
en el caso en que a ≠ −2. Seguimos el procedimiento general ya conocido,
1 . Primero hacemos
y partimos de la forma escalonada recién calculada: A
unitarios los pivotes; para ello solo debemos multiplicar la segunda fila por
el inverso de a + 2:
⎛ ⎞
1 −1 2
1 −1 2 F2 ←[1/(a+2)]F2 ⎜ ⎟
1 =
A →
⎝ 3 ⎠.
0 a+2 −3 0 1 −
a+2
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 103
N bra de
r U ge ar
Y ahora anulamos el término que figura en la misma columna del segundo

po e Á imin
pivote:
⎛ ⎞
do d rel
⎛ ⎞ 3
Otra vez añadimos un subíndi- −1 ⎜1 0 2− ⎟
ita as p
1 2
ce para señalar los casos; es- ⎜ ⎟ F1 ←F1 +F2 ⎜ a+2 ⎟
⎝ ⎜
3 ⎠ → ⎟=A
ed m ión
, en vez de: A
. ⎝ ⎠ 1.
cribimos: A 1 0 1 − 3
a+2 0 1 −
rs
a+2
Ve

e
La matriz A 1 obtenida ya es ecalonada reducida. El sistema que la tiene por

"T
matriz ampliada es este:

⎧
3 2a + 1 ⎪
⎪ 2a + 1
2− = ⎪
⎨x =
a+2 a+2 a+2
⎪
⎪ 3
⎪
⎩ y =− ,
a+2
Nótese que podemos leer esta y su solución única salta a la vista: el par ordenado
solución única en la última co- 2a + 1 3

lumna de la matriz A 1. ,− .
a+2 a+2
Es esta la solución del sistema (46) en el caso en que a ≠ −2.
Resumimos lo obtenido tras el análisis del sistema de ecuaciones linea-
les (46):
• si a ≠ −2, el sistema es compatible determinado, y su única solución

es el par ordenado 2 − 3/(a + 2), −3/(a + 2) ;
• si a = −2, el sistema es incompatible.
Otro ejemplo con dos 102 Discutamos y resolvamos, según los valores del parámetro a, este
incógnitas
sistema de ecuaciones lineales:
⎧
⎨ x− y =2
(47)
⎩ 2x + ay = 4.
Escribimos la matriz ampliada del sistema:

1 −1 2
A= ,
2 a 4
y buscamos escalonarla:

1 −1 2 F2 ←F2 −2F1 1 −1 2

A= →
.
=A
2 a 4 0 a+2 0
obtenida es escalonada, pero es ambiguo el número de sus

La matriz A
pivotes si no tenemos información sobre el valor del parámero a. Más en
concreto, sabemos que la matriz tiene un primer pivote —igual a 1, y en su
t o
t ex
el
Id
l" tulo
ea í
in cap
104 ED L l
r U ge ar
primera columna—, pero podría tener otro más —en su segunda columna—,
po e Á imin
o no tener ninguno más: todo según sea la expresión a + 2 distinta de 0 o

do d rel
igual a 0, respectivamente.
toma la forma:
ita as p
Si a + 2 ≠ 0, es decir, si a ≠ −2, la matriz A

ed m ión

1 −1 2

A1 = .
rs
0 a+2 0
Ve
e
Se trata de una matriz con dos pivotes, tantos como incógnitas, y ninguno
"T
en la última columna: sistema compatible determinado.

resulta ser:
Si a + 2 = 0, es decir, si a = −2, la matriz A

1 −1 2
2 =
A .
0 0 0
Estamos ante un único pivote que no figura en la última columna: sistema

compatible indeterminado.
La discusión del sistema (47) nos ha llevado, pues, a dos posibilidades:
compatible determinado o compatible indeterminado, según sea a ≠ −2
o a = −2, respectivamente. Para la resolución del sistema, en ambos casos
buscamos llegar a la forma escalonada reducida correspondiente.
En el primer caso: a ≠ −2, tenemos:

1 −1 2 F2 ←[1/(a+2)]F2 1 −1 2
A1 =

→

0 a+2 0 0 1 0

F1 ←F1 +F2 1 0 2
La matriz A
1 es la matriz am- →

=A 1,
pliada de:
0 1 0
⎧
⎨x =2 y podemos leer la solución única correspondiente en la última columna de
⎩ y = 0.
esta matriz A 1 : el par ordenado (2, 0).
En el segundo caso: a = −2, la matriz escalonada A2 resulta ser ya es-

Podríamos escribir: A
2 = A2 . calonada reducida. En el sistema que la tiene como matriz ampliada, elimi-
namos la ecuación nula (correspondiente a la segunda fila de la matriz), y
obtenemos un sistema con una sola ecuación:

x − y = 2.
La incógnita x es la primera de Este sistema presenta una incógnita básica: la x, y una incógnita libre: la y.
la única ecuación del sistema. Expresamos la primera en función de la segunda: x = 2 + y, y sustitui-
mos la segunda —por ser incógnita libre— por la letra griega λ. Todas las
soluciones del sistema son, pues, los pares ordenados (x, y) de la forma:
⎧
⎨ x = 2 + λ,
donde λ es un número cualquiera.
⎩y = λ,
to
t ex
el
Id
l" tulo
ea í
in cap
ED L l 105
N bra de
r U ge ar
O lo que es lo mismo: las soluciones son todos los pares ordenados (2−λ, λ)
po e Á imin
con λ un número cualquiera.

do d rel
Recapitulamos el estudio del sistema de ecuaciones lineales (47):

ita as p
• si a ≠ −2, el sistema es compatible determinado, y su única solución

ed m ión
es el par ordenado (2, 0);

rs
• si a = −2, el sistema es compatible indeterminado, y sus soluciones

Ve
son los pares ordenados de la forma (2 − λ, λ) con λ un número cual-

e
"T
quiera.
Un ejemplo de discusión de 103 Discutamos, según los valores de los parámetros a y b, el siguiente
un sistema según el valor de
sistema de ecuaciones lineales:
dos parámetros
⎧
⎪
⎪ x + az = b + 2
⎪
⎨
2x + y + 2az = 2b + 3 (48)
⎪
⎪
⎪
⎩ −2x − y = − 3.
Como siempre, escribimos la matriz ampliada del sistema y la intenta-

mos escalonar:
⎛ ⎞ ⎛ ⎞
1 0 a b+2 F2 ←F2 −2F1 1 0 a b+2
=⎜
A ⎝ 2 1 2a
⎟ 3 3
F ←F +2F
2b + 3 ⎠ →
1 ⎜
⎝0 1 0 −1 ⎠
⎟
−2 −1 0 −3 0 −1 2a 2b + 1
⎛ ⎞
1 0 a b+2
F3 ←F3 +F2 ⎜ ⎟ .
→
⎝0 1 0 −1 ⎠ = A
0 0 2a 2b
La matriz obtenida es escalonada y exhibe al menos dos pivotes —en las

dos primeras columnas—, pero queda ambigua la existencia de un tercero.
Según sean nulos o no los parámetros a y b, podría haber o no un tercer
pivote, y en caso afirmativo estar este pivote en la tercera columna o en la
cuarta. Más en concreto, si a ≠ 0, entonces figura un tercer pivote en la
tercera columna; si a = 0 y b ≠ 0, entonces encontramos el tercer pivote en
la cuarta columna; y si a = b = 0, no hay tal tercer pivote. Examinemos más
detenidamente cada caso.
toma la forma:
Si a ≠ 0, la matriz A
⎛ ⎞
1 0 a b+2
1 = ⎜
A ⎝0 1 0
⎟
−1 ⎠ ,
0 0 2a 2b
Nótese que, si a ≠ 0, el sis-
tema es compatible determi-
con tantos pivotes como incógnitas y ninguno en la última columna: sistema
nado independientemente de
que b sea nulo o no. compatible determinado.
ot
t ex
el
Id
l" tulo
ea í
in cap
106 ED L l
r U ge ar
queda así:
Si a = 0 y b ≠ 0, la matriz A
po e Á imin
⎛ ⎞
1 0 0 b+2
do d rel
⎜ ⎟
A2 = ⎝ 0 1 0 −1 ⎠ ,
ita as p
0 0 0 2b
ed m ión
rs
con un pivote en la última columna: sistema incompatible.

Ve
resulta:
Finalmente, si a = b = 0, la matriz A
e
⎛ ⎞
"T
1 0 0 2
3 = ⎜
A ⎝0 1 0
⎟
−1 ⎠ ,
0 0 0 0
con menos pivotes que incógnitas, y ninguno en la última columna: sistema

compatible indeterminado.
Continuación del ejemplo 104 En el § 103, hemos discutido el sistema de ecuaciones (48) según
anterior
los valores de los parámetros a y b; ahora, resolvámoslo.
Si a ≠ 0, el sistema es compatible determinado; el cálculo de la forma
escalonada reducida de la matriz ampliada toma esta forma:
⎛ ⎞ ⎛ ⎞
1 0 a b+2 1 0 a b+2
1 = ⎜
A ⎝0 1 0
⎟ F3 ←[1/(2a)]F3 ⎜
−1 ⎠ →
⎝0 1 0
⎟
−1 ⎠
0 0 2a 2b 0 0 1 b/a
⎛ ⎞
1 0 0 2
F1 ←F1 −aF3 ⎜ ⎟
→
⎝0 1 0 −1 ⎠ = A 1.
0 0 1 b/a

Leyendo la última columna de la matriz A 1 , deducimos que la única solución
del sistema (48) en este caso es la terna (2, −1, b/a).
Si a = 0 y b ≠ 0, el sistema (48) es incompatible, y no hay nada más que
hacer.
Finalmente, si a = b = 0, el sistema es compatible indeterminado. La
3 , forma escalonada de la matriz A
matriz A en este caso, ya es escalonada
= A
Podríamos escribir: A . 3 se reduce a este
reducida. El sistema cuya matriz ampliada es la matriz A
3 3
Nótese que el sistema, con to- (eliminando la ecuación nula):

dos los coeficientes explicita- ⎧
dos, sería este: ⎨x = 2
⎧
⎪
⎪ x + 0y + 0z = 2 ⎩ y = −1,
⎪
⎨
0x + y + 0z = −1
⎪
⎪
⎪
⎩ 0x + 0y + 0z = 0. el cual debe ser considerado —no lo olvidemos— un sistema en las tres
incógnitas x, y y z. Las incógnitas x y y son básicas, y en este caso toman
un valor fijo; la incógnita z, aunque no figure, es libre. Haciendo uso de la
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 107
N bra de
r U ge ar
letra griega λ para designar la incógnita libre, podemos escribir que todas
po e Á imin
las soluciones del sistema son las ternas (x, y, z) tales que:
⎧
do d rel
⎪
⎪ x= 2 ,
⎪
⎨
ita as p
y = −1 , donde λ es un número cualquiera;

ed m ión
⎪
⎪
⎪
⎩z= λ,
rs
Ve
es decir: las ternas de la forma (2, −1, λ) con λ un número cualquiera.

e
Recapitulamos la discusión y resolución del sistema de ecuaciones linea-

"T
les (48):
• si a ≠ 0, el sistema es compatible determinado, y su única solución es
la terna (2, −1, b/a);
• si a = 0 y b ≠ 0, el sistema es incompatible;
• si a = b = 0, el sistema es compatible indeterminado, y sus soluciones
son las ternas de la forma (2, −1, λ) con λ un número cualquiera.
Ejemplo de un sistema en el 105 Discutamos y resolvamos, según los valores de los parámetros a, b
que figuran tres parámetros
y c, el siguiente sistema de ecuaciones lineales:
⎧
⎪
⎪ 2x1 − 3x3 + x4 = a
⎪
⎨
x2 − 6x3 + 2x4 = b (49)
⎪
⎪
⎪
⎩ 4x − x
1 = c.
2
Empezamos escalonando la matriz ampliada del sistema:

⎛ ⎞ ⎛ ⎞
2 0 −3 1 a 2 0 −3 1 a
=⎜
A ⎝0
⎟ F3 ←F3 −2F1 ⎜
1 −6 2 b ⎠ →
⎝0 1 −6 2 b ⎠
⎟
4 −1 0 0 c 0 −1 6 −2 c − 2a
⎛ ⎞
2 0 −3 1 a
F3 ←F3 +F2 ⎜ ⎟ .
→
⎝0 1 −6 2 b ⎠=A
0 0 0 0 c − 2a + b
exhibe al menos dos pivotes, y en sus dos primeras

columnas. Si c − 2a + b ≠ 0, hay un tercer pivote, justamente en la última
columna: el sistema es incompatible en este caso. Si c − 2a + b = 0, no hay
más pivotes, y el sistema resulta ser compatible indeterminado (dos pivotes
frente a cuatro incógnitas).
Resolvamos ahora el sistema en el caso en que hay solución, esto es, en
el caso en que c − 2a + b = 0. La forma escalonada reducida de la matriz A
toma la forma:
⎛ ⎞ ⎛ ⎞
2 0 −3 1 a 1 0 −3/2 1/2 a/2
⎜ ⎟ F1 ←(1/2)F1 ⎜ ⎟
⎝ 0 1 −6 2 b ⎠ →
⎝0 1 −6 2 b ⎠.
0 0 0 0 0 0 0 0 0 0
t o
t ex
el
Id
l" tulo
ea í
in cap
108 ED L l
r U ge ar
En el sistema cuya matriz ampliada es la matriz escalonada reducida ante-

po e Á imin
rior, eliminamos la tercera ecuación (que es nula), y obtenemos:

do d rel
⎧
⎪ 3 1 a
⎨ x1 − x3 + x4 =
ita as p
2 2 2
ed m ión
⎪
⎩
x2 − 6x3 + 2x4 = b .
rs
Ve
Las incógnitas x1 y x2 son básicas, y las incógnitas x3 y x4 son libres. Despe-

e
jando aquellas en función de estas, y escribiendo las letras griegas λ y μ en

"T
vez de x3 y x4 , respectivamente, podemos concluir que todas las soluciones

del sistema son las cuaternas (x1 , x2 , x3 , x4 ) tales que:
⎧
⎪
⎪ a 3 1
⎪ x1 = + λ − μ,
⎪
⎪
⎪ 2 2 2
⎪
⎪
⎪
⎨ x = b + 6λ − 2μ,
2
⎪
⎪
⎪
⎪ x3 = λ ,
⎪
⎪
⎪
⎪
⎪
⎩x =
4 μ,
o bien: todas las soluciones del sistema son las cuaternas de la forma:
a 3 1
+ λ − μ, b + 6λ − 2μ, λ, μ , con λ y μ números cualesquiera.
2 2 2
Resumamos el estudio del sistema de ecuaciones lineales (49):
Sobre este sistema podemos
afirmar que una condición ne- • si c − 2a + b ≠ 0, el sistema es incompatible;
cesaria y suficiente (cf. nota • si c − 2a + b = 0, el sistema es compatible indeterminado, y sus solu-
p. 164) para que admita solu-
ción es: c − 2a + b = 0. ciones son todas las cuaternas (a/2 + (3/2)λ − μ/2, b + 6λ − 2μ, λ, μ)
con λ y μ números cualesquiera.
o t
t ex
el
Id
l" tulo
ea í
in cap
ED L l 109
N bra de
r U ge ar
Ejercicios I.3
po e Á imin
1 Resolver este sistema de ecuaciones lineales: 7 Discutir y resolver, según los valores del paráme-
do d rel
⎧ tro p, el siguiente sistema de ecuaciones lineales:

⎪
⎪ x+ y+ z=1
ita as p
⎪
⎨ ⎧
⎪
ed m ión
2y − z = 2 ⎪
⎪ x1 − x2 + x3 =1
⎪
⎪ ⎨
⎪
⎩x − 3y + 3z = −3. x2 + x3 + x4 = 1
rs
⎪
⎪
⎪
⎩ 2x − 2x + px
Ve
1 2 3 = 2.
e
2 Resolver el sistema de ecuaciones lineales

⎧
"T
⎪
⎪ x1 + x2 − x3 − 2x4 = −1
⎪
⎨ 8 Discutir y resolver, según los valores de los pa-
2x1 − x2 + 2x3 = 4
⎪
⎪ rámetros a, b y c, el siguiente sistema de ecuaciones
⎪
⎩ 3x
1 + x − 2x = 3.
3 4 lineales:
⎧
⎪
⎪ x1 + x2 + x4 = a
3 Resolver el sistema de ecuaciones lineales homo- ⎪
⎨
x2 − x3 − x4 = b
géneo cuya matriz de coeficientes es ⎪
⎪
⎪
⎩ −x + x − x
⎛ ⎞ 1 2 = c.
3
1 0 1 −1
⎜ ⎟
⎝ −1 2 1 3⎠.
0 1 1 1 9 Discutir y resolver, según los valores de los pa-
rámetros a, b, r y s, el sistema de ecuaciones lineales
4 Resolver el sistema de ecuaciones lineales cuya cuya matriz ampliada es
matriz ampliada es
⎛ ⎞
1 1 0 2 1 a r
⎜ ⎟ .
⎜0
⎜ 1 1 2⎟⎟.
b 1 s
⎜1
⎝ 0 1 −1 ⎟
⎠
1 1 2 2
10 Discutir y resolver, según los valores de los pará-
metros p y m, el siguiente sistema de ecuaciones linea-
5 Nos dan el siguiente sistema de ecuaciones linea-
les:
les, en el que figuran tres parámetros, a, b y c: ⎧
⎧ ⎪
⎪ x + x3 = 2 − p
⎪ ⎪
⎨ 1
⎪
⎪ x − 3y = a
⎨ x1 + mx2 + x3 = p2
2x + y = b ⎪
⎪
⎪ ⎪
⎩x
⎪
⎪ 1 + (m + 2)x = 2. 3
⎩ 3x − 2y = c.
a) ¿Para qué valores de los parámetros a, b y c ad-

11 Siendo a un parámetro, nos dan la matriz:
mite solución?
⎛ ⎞
b) Resolver el sistema cuando los parámetros a, b 1 1 −1 3
⎜ ⎟
y c son tales que el sistema es compatible determinado. ⎝2 0 5 −1 ⎠ .
0 2 a 7
6 Discutir y resolver, según los valores de los pará-
metros a y m, este sistema de ecuaciones lineales: Si esta matriz es la de coeficientes de cierto sistema de
⎧ ecuaciones lineales, ¿para qué valores del parámtro a
⎨ x− y =2
podemos afirmar que tal sistema admite solución cua-
⎩ 2x + ay = m.
lesquiera que sean sus términos independientes?
to
t ex
el
Id
l" tulo
ea í
in cap
110 ED L l
r U ge ar
RECAPITULACIÓN I
po e Á imin
do d rel
Ecuaciones lineales Una ecuación lineal en admite infinitas soluciones, se dice que es compatible
ita as p
las m incógnitas (o variables) x1 , x2 , . . ., xm es una indeterminado; y si no admite solución, se dice que es

ed m ión
expresión de la forma: incompatible.

rs
Dado un sistema de ecuaciones lineales, o bien es

Ve
a1 x1 + a2 x2 + · · · + am xm = c, (i ) compatible determinado, o bien es compatible indeter-

e
"T
minafo, o bien es incompatible.

donde a1 , a2 , . . ., am son números reales, que se llaman
coeficientes de la ecuación, y c es otro número real, Dos sistemas de ecuaciones lineales son equivalen-
que se llama término independiente de la ecuación. tes si tienen las mismas soluciones; si dos sistemas en
las mismas incógnitas no admiten solución, también di-
Dada una m-upla (s1 , s2 , . . . , sm ) de números, se
remos que ambos son equivalentes.
dice que es una solución de la ecuación lineal (i ) si al
Si en un sistema de ecuaciones lineales intercam-
sustituir, en la ecuación, x1 por s1 , x2 por s2 , . . . , xm
biamos dos ecuaciones, o multiplicamos una ecuación
por sm , se obtiene una igualdad. Es decir, si se verifica:
por un número no nulo, o sumamos a una ecuación un
a1 s1 + a2 s2 + · · · + am sm = c. múltiplo de otra, obtenemos un sistema equivalente al
original.
Las ecuaciones lineales se pueden multiplicar por
Representación matricial de un sistema de ecuacio-
un número (decimos en este caso que hemos calculado
nes lineales Una matriz de orden (n, m) (o de
un múltiplo de la ecuación lineal) y se pueden sumar
orden n × m) es una disposición de n · m números
miembro a miembro. Si sumamos a una ecuación li-
(reales) en forma rectangular en n filas y m columnas.
neal un múltiplo de otra, cualquier solución común a
Los números que se escriben en una matriz se denomi-
las dos ecuaciones originales también será solución de
nan términos de la matriz.
la ecuación lineal obtenida como resultado.
Se denomina matriz de coeficientes, o matriz aso-
Sistemas de ecuaciones lineales Un sistema de ciada, del sistema de ecuaciones lineales (ii ) a esta ma-
ecuaciones lineales es una lista (finita) de ecuaciones triz de orden (n, m):
lineales consideradas simultáneamente, todas en las ⎛ ⎞
a11 a12 ... a1m
mismas incógnitas. La expresión general de un sis- ⎜ ⎟
⎜ a21 a22 ... a2m ⎟
⎜ ⎟
tema de n ecuaciones lineales en las m incógnitas x1 , ⎜ .
⎜ . .. .. .. ⎟
⎟
.
x2 , . . ., xm es: ⎝ . . . . ⎠
an1 an2 ... anm
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1m xm = c1
⎪
⎪ Los términos de la i-ésima fila son los coeficientes de
⎨
a21 x1 + a22 x2 + · · · + a2m xm = c2 la i-ésima ecuación del sistema, y los términos de la j-
(ii )
⎪
⎪ ........................................
⎪
⎪ ésima columna son los coeficientes que acompañan a la
⎩
an1 x1 + an2 x2 + · · · + anm xm = cn .
j-ésima incógnita en las ecuaciones del sistema.
Se llama solución de un sistema de n ecuaciones li- Se denomina matriz ampliada del sistema de ecua-
neales y m incógnitas a toda m-upla que sea solución, ciones lineales (ii ) a esta matriz de orden (n, m + 1):
⎛ ⎞
simultáneamente, de todas y cada una de las n ecua- a11 a12 . . . a1m c1
⎜ ⎟
ciones lineales del sistema. ⎜ a21 a22 . . . a2m c2 ⎟
⎜ ⎟
⎜ .
⎜ . .. .. .. .. ⎟
⎟
.
Si un sistema de ecuaciones lineales admite solu- ⎝ . . . . . ⎠
ción única, se dice que es compatible determinado; si an1 an2 . . . anm cn
t o
t ex
el
Id
l" tulo
ea í
in cap
ED L l 111
N bra de
RECAPITULACIÓN I
r U ge ar
Esta matriz se diferencia de la de coeficientes en que Una matriz escalonada reducida es una matriz es-
po e Á imin
tiene una columna más, cuyos términos son los térmi- calonada que satisface además estas dos condiciones:
nos independientes del sistema.
do d rel
todos sus pivotes (si los tiene) son iguales a 1 (son uni-
tarios), y en toda columna donde hay un pivote es este
ita as p
Se denominan transformaciones elementales por

el único término no nulo.
ed m ión
filas de una matriz, de tipo i, ii y iii, respectivamente,

Dada una matriz cualquiera, es posible obtener a
rs
a estos tres tipos de transformaciones que se ejecutan

partir de ella, mediante la aplicación de transformacio-
Ve
en matrices:
nes elementales sucesivas, una matriz escalonada re-
e
• intercambiar dos filas;

"T
ducida, de la que se dice que es la forma escalonada

reducida de la matriz original. La forma escalonada
reducida de una matriz es única.
Estas transformaciones son un correlato, en las ma-
trices ampliadas, de las operaciones en los sistemas Dada una matriz escalonada reducida de or-
de intercambio de ecuaciones, multiplicación de una den (n, m), con r pivotes, si suponemos que estos
ecuación por un número no nulo y suma a una ecuación ocupan las r primeras columnas (posiblemente tras la
de un múltiplo de otra, respectivamente. aplicación de intercambios de columnas adecuados), la
Si a la matriz ampliada de un sistema de ecuaciones matriz tiene esta forma:
lineales se le aplica una transformación elemental, la ⎛ ⎞ ⎫
1 0 ... 0 • ... • ⎪
⎪
⎜ ⎟ ⎪
⎪
matriz resultante es la matriz ampliada de un sistema ⎜0 1 ... 0 • ... •⎟ ⎪
⎬
⎜ ⎟
de ecuaciones lineales equivalente al original. ⎜.
⎜. .. . . . .. .. .. ⎟
⎟ ⎪
r
⎜. . . .. . . .⎟ ⎪
⎪
⎜ ⎟ ⎪
⎪
⎭
En una matriz, una fila nula es una fila con todos ⎜0 0 ... 1 •
⎜ ... •⎟ ⎟ .
⎜ ⎟ ⎫
sus términos nulos. Una matriz nula es una matriz con ⎜0 0 ... 0 0 ... 0⎟ ⎪
⎪
⎜ ⎟ ⎪
⎬
todos sus términos nulos. Dado un número natural k, ⎜. .. . . . .. .. .. ⎟
⎜ ..
⎝ . . .. . . .⎟ ⎠ ⎪
⎪
n−r
se dice que una fila no nula de una matriz tiene k ceros ⎪
⎭
0 0 ... 0 0 ... 0
iniciales si los k primeros términos de la fila son nulos

y el (k + 1)-ésimo no lo es. r m−r
Una matriz escalonada es una matriz que satisface Las puntos: ‘•’, señalan posiciones que pueden ser ocu-
esta condición: o bien es nula, o bien sus filas no nulas padas por cualquier número, nulo o no, y esta matriz
son las primeras, y cada una de ellas salvo la primera tiene tantas columnas con términos de este tipo como
tiene más ceros iniciales que su precedente. señala la diferencia m−r . También, la matriz tiene tan-
En una matriz escalonada, se llama pivote al pri- tas filas como indica la diferencia n − r . En esta matriz,
mer término no nulo de cada fila. En cualquier matriz, puede ocurrir que m − r = 0 o que n − r = 0 (o ambas
el número de pivotes es menor o igual que el número igualdades a la vez).
de filas y menor o igual que el número de columnas.
Dada una matriz cualquiera, es posible obtener a Un método para discutir y resolver un sistema de
partir de ella, mediante la aplicación de transformacio- ecuaciones lineales Por discutir un sistema de
nes elementales sucesivas, una matriz escalonada; de la ecuaciones lineales nos referimos a determinar de qué
matriz obtenida se dice que es una forma escalonada tipo es: incompatible, compatible determinado o com-
de la matriz dada; también se dice que se ha escalona- patible indeterminado. Por resolver un sistema nos
do la matriz original. referimos a encontrar efectivamente todas sus solu-
ciones (cuando las admite).
Cualquier matriz no nula admite infinitas formas
escalonadas (una matriz nula solo admite una: ella Dado un sistema de ecuaciones lineales (con n
misma). ecuaciones y m incógnitas), designemos por A su ma-
t o
t ex
el
Id
l" tulo
ea í
in cap
112 ED L l
r U ge ar
su matriz ampliada, y deno-

triz de coeficientes y por A número de incógnitas y el número de pivotes (ello tam-
po e Á imin
temos por A una forma escalonada (no necesariamente biuén es válido para sistemas compatibles determina-
Hay tres posibilidades:
reducida) de la matriz A.
do d rel
dos: para tales sistemas, la citada diferencia es nula).

• la matriz A presenta un pivote en su última co-
ita as p
lumna: sistema incompatible; Sistemas homogéneos Un sistema de ecuaciones

ed m ión
no presenta un pivote en su última

• la matriz A lineales homogéneo es un sistema en el que es nulo el
rs
columna y la cantidad de sus pivotes coincide con término independiente de cada ecuación. En general,
Ve
la cantidad de incógnitas del sistema: sistema un sistema homogéneo de n ecuaciones en las m in-
e
"T
compatible determinado; cógnitas x1 , x2 , . . . , xm tiene esta forma:

no presenta un pivote en su última
• la matriz A ⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1mxm = 0
⎪
⎪
columna y la cantidad de sus pivotes es menor ⎪
⎪
⎨ a21 x1 + a22 x2 + · · · + a2mxm = 0
que la cantidad de incógnitas del sistema: sis-
⎪
⎪ ........................................
tema compatible indeterminado. ⎪
⎪
⎪
⎪
⎩ an1 x1 + an2 x2 + · · · + anmxm = 0.
Un sistema del cual sabemos que admite solución
puede resolverse de alguna de estas dos formas:
Cualquier sistema homogéneo tiene al menos la
• Una. Se escribe el sistema cuya matriz ampliada
solución nula, dada por x1 = x2 = . . . = xm = 0; es
es una forma escalonada de la matriz ampliada
decir, esta m-upla: 0, 0, . . . , 0 .
del sistema; este nuevo sistema es equivalente al
m ceros
original y se puede resolver por sustitución hacia
La discusión de un sistema homogéneo se reduce a
atrás (se resuelve la última ecuación y el resul-
determinar si admite solamente la solución nula (com-
tado se sustituye en las demás, se resuelve a con-
patible determinado) o si admite más soluciones (com-
tinuación la penúltima y se sustituye de nuevo el
patible indeterminado). Para ello, basta escalonar so-
resultado en las restantes, y así sucesivamente).
lamente la matriz de coeficientes del sistema y contar
• Dos. Se escribe el sistema cuya matriz anpliada
sus pivotes: si tiene tantos como incógnitas, el sistema
es la forma escalonada reducida de la matriz am-
es compatible determinado; si tiene menos pivotes que
pliada del sistema; este nuevo sistema también
incógnitas, el sistema es compatible indeterminado.
es equivalente al original, y su resolución es in-
Si un sistema de ecuaciones lineales homogéneo
mediata (véase el párrafo siguiente).
tiene más incógnitas que ecuaciones, entonces es com-
En un sistema de ecuaciones lineales cuya matriz patible indeterminado.
ampliada es escalonada reducida, las incógnitas que fi-
guran en primer lugar en alguna ecuación se denomi- Discusión y resolución de sistemas de ecuaciones li-
nan incógnitas básicas (o incógnitas principales); las neales en los que figuran parámetros Conside-
restantes se denominan incógnitas libres (o paráme- ramos también sistemas de ecuaciones lineales en los
tros). Para escribir la solución del sistema, se despe- que figura algún parámetro, los cuales se discuten y
jan las incógnitas básicas en función de las incógnitas resuelven según los valores del parámetro o paráme-
libres. En la expresión final de la solución, se suelen tros que tengan. En este contexto, un parámetro es una
sustituir las incógnitas libres por letras griegas (para variable que figura en algún coeficiente o término inde-
distinguirlas en su notación de las básicas). pendiente del sistema y puede tomar diferentes valores
En general, las soluciones de un sistema de ecua- (habitualmente, cualquier número real); según los valo-
ciones lineales presentan tantas incógnitas libres (o res de esta variable, el sistema puede ser de una clase
tantos parámetros) como marca la diferencia entre el u otra, o puede tener una solución u otra.

ADE UNED Matematicas I Cap I PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ADE UNED Matematicas I Cap I PDF

Cargado por

Copyright:

Formatos disponibles

to

Extraído de “Temas de Álgebra Lineal para Administración y Dirección de

Presentación del capítulo Transformaciones elementales por filas de una

matriz, 61 • Matriz escalonada, 66 • Matriz esca-

lineales 17 Ejercicios I.2 . . . . . . . . . . . . . . . . 80

1. Repaso de los métodos escolares . . . . . 17

2. Métodos de eliminación de Gauss y de

PRESENTACIÓN DEL CAPÍTULO

Muchos modelos del mundo de la Economía y la Empresa (entendiendo por

tales descripciones simplificadas de ciertos aspectos de la realidad econó-

tudes estudiadas por el modelo están relacionadas entre sí por ecuaciones

cuando existen—). El método es esencialmente el de eliminación de Gauss–

Jordan) (introducido en la primera sección), llevado a cabo con ayuda de

las matrices que se definen a partir de un sistema. La sección incluye un

apartado dedicado a los sistemas homogéneos, y termina con ejemplos de

discusión y resolución de sistemas en los que figuran parámetros (es decir,

variables —diferentes de las incógnitas— que pueden tomar distintos valo-

una solución u otra).

I.1 INTRODUCCIÓN A LOS SISTEMAS DE

1. Repaso de los métodos escolares

A modo de punto de partida, en este apartado recordamos los métodos

escolares para resolver sistemas de dos ecuaciones y dos incógnitas: susti-

tución, reducción e igualación.

1 El lector habrá visto, en Educación Secundaria o en un nivel educa-

Y el lector recordará algunos detalles de nomenclatura relacionados con

2 ¿Qué buscamos a partir de un sistema de ecuaciones lineales como

Es decir, una igualdad a partir de la primera ecuación, pero no a partir de

buscados son x = 1 y y = −2. En efecto, si en el sistema de ecuaciones

lineales (1) sustituimos x y y por 1 y −2, respectivamente, obtenemos:

que ahora sí son igualdades, una a partir de cada ecuación.

3 Hemos afirmado que el par (1, −2) es la solución del sistema de

¿Ayuda? Se tiene: 4x −8 = 2y,

De la última ecuación obtenida resulta: 5x − 4 = 1, o bien: 5x = 5, de

donde: x = 5/5 = 1. Y ahora que ya sabemos que x es igual a 1, lo sustitui-

mos en la expresión despejada de y:

Hemos obtenido la solución que adelantamos en el parágrafo anterior: x = 1

4 Resolvamos ahora el sistema de ecuaciones lineales (1) con el méto-

(nótese que se multiplican por el número ambos miembros de la ecuación).

2. Métodos de eliminación de Gauss y de Gauss–

En este apartado mostramos cómo se pueden generalizar a sistemas de tres

ecuaciones y tres incógnitas los métodos de sustitución y reducción repasa-

dos en el apartado anterior. También se introduce el concepto de sistemas

Nuestro interés es resolver sistemas de ecuaciones lineales más

y sustituir esta igualdad en las otras dos ecuaciones:

Hemos llegado así a un sistema de ecuaciones lineales con una ecuación

de donde: z = −1. Ahora recordamos la igualdad en la que hemos despe-

y finalmente recordamos la igualdad en la que, al principio, hemos despe-

La solución que obtenemos para el sistema de ecuaciones lineales (2) es,

debemos fijarnos en los coeficientes de la incógnita x en ambas ecuaciones:

en la primera, tal coeficiente es igual a 1; en la segunda, igual a 2. Si multi-

plicamos la primera ecuación por −2 y sumamos el resultado a la segunda

ecuación, eliminaremos la incógnita x. El cálculo es este:

tiplicada por −2 es: −2x − 2y − 2z = 0

La ecuación obtenida: −y − 3z = 3, efectivamente no presenta incógnita x.

Hemos obtenido dos ecuaciones nuevas: −y + 3z = 3 y 3y + 2z = −2.

7 De acuerdo con los cálculos llevados a cabo en el parágrafo ante-

La primera ecuación es la misma en ambos sistemas, y las dos restantes

Por otra parte, la operación de sumar a una ecuación un múltiplo de

puede obtener sumando a la segunda ecuación del sistema (3) su primera

¿Puede comprobarlo el lector?

sistema (3) es a su vez solución del sistema (2). En consecuencia, ambos

1 Nótese que la equivalencia de sistemas de ecuaciones lineales es transitiva: si un sistema

cando por 3. Los cálculos son estos: