Capítulo 1.

Resolución de Sistemas de Ecuaciones Lineales

Capítulo 1
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

1.1. Método de eliminación Gaussiana

Esta primera sección describe un método de búsqueda de las soluciones (si

existen) de un sistema de ecuaciones lineales: el método de eliminación Gaussiana.
Antes de abordar tal método se dan las nociones básicas sobre sistemas de ecuaciones
lineales y se ilustran con varios ejemplos las ideas fundamentales que se manejan en el
mismo. Posteriormente se introduce la noción de matriz como herramienta que
simplifica el manejo de sistemas de ecuaciones lineales, describiéndose tanto los
distintos tipos de matrices como las operaciones que pueden establecerse entre ellas.

1.1.1. Nociones básicas sobre sistemas de ecuaciones lineales

Un sistema de m ecuaciones lineales con n incógnitas x1 , x2 ,…, xn es todo

conjunto de relaciones del tipo:

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2 n xn = b2
(S)
am1 x1 + am 2 x2 + + amn xn = bm

donde aij y bi (1 ≤ i ≤ m, 1 ≤ j ≤ n) son elementos de un cuerpo cualquiera (en

nuestro caso, salvo que se diga lo contrario, serán números reales) a los que se
denominan, respectivamente, coeficientes del sistema y términos independientes del
sistema.

Una solución del sistema (S) es un conjunto de n números (α 1 , α 2 , …, α n ) que

verifican las m ecuaciones.

Se dirá que un sistema de ecuaciones lineales es compatible si tiene alguna

solución y que es incompatible si carece de ellas. Asimismo, entre los sistemas
compatibles se distinguen aquellos que admiten una única solución (sistemas
compatibles determinados) y los que tienen más de una (sistemas compatibles
indeterminados).

1.1.2. Sistemas equivalentes

Dos sistemas de ecuaciones lineales (con las mismas incógnitas) se dirán

equivalentes si tienen las mismas soluciones, es decir, si toda solución de uno lo es del
otro y viceversa.

A la hora de resolver un determinado sistema de ecuaciones lineales sería ideal

conocer un sistema equivalente al mismo cuya resolución resultase más sencilla. La
posibilidad de obtener ese nuevo sistema nos la ofrece la Propiedad fundamental de la
equivalencia de sistemas, la cual establece que:

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

“Un sistema de ecuaciones lineales es equivalente a cualquiera de los sistemas

que se obtienen de él mediante operaciones elementales, que son:

1. Intercambiar el orden de las ecuaciones del sistema.

2. Multiplicar una de las ecuaciones por un escalar no nulo.
3. Sumar una ecuación, multiplicada por un escalar, a otra.”

Demostración. Es evidente que las operaciones 1. y 2. transforman un sistema de

ecuaciones en otro con las mismas soluciones, y por tanto equivalente al de partida.
Necesitamos probar que la operación 3. también lo hace. Para ello, escribamos el
sistema (S) como:
e1 x = 0 di
e d xi = 0
2
(1)

e d xi = 0
m

b
donde x = x1 , …, xn g ()
y ek x = ak1 x1 + ak 2 x2 + l q
+ akn xn − bk para k ∈ 1, 2, … , m .

b g
Así, si α = α 1 , … , α n es solución del sistema (1) también lo será del sistema:
di
e1 x = 0

e d xi = 0
i

β ⋅ e d xi = 0
j

e d xi = 0
m

di di
puesto que al ser e j α = 0 también se tiene que β ⋅ e j α = 0 . Además, también se
tiene que:
e1 α = 0di
di di
ei α + β ⋅ e j α = 0

di
ej α = 0

e dα i = 0
m

lo cual significa que α también es solución del sistema:

di
e1 x = 0

di di
ei x + β ⋅ e j x = 0 (2)

di
ej x = 0

e d xi = 0
m

Recíprocamente, si α es solución del sistema (2) también es fácil probar que lo

es del sistema (1). Por tanto, queda probado que la operación 3. transforma un sistema
de ecuaciones lineales en otro sistema equivalente. g

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

1.1.3. Métodos de eliminación de Gauss y Gauss-Jordan.

Comenzaremos esta sección ilustrando con varios ejemplos cómo utilizar la

propiedad fundamental de la equivalencia para resolver sistemas de ecuaciones lineales,
procedimiento éste que conduce bien al método de eliminación de Gauss, bien al
método de eliminación de Gauss-Jordan.

Ejemplo 1. Resolver el sistema de ecuaciones lineales:

x+ 4 y+ z =0 (1)
3x − y+ 2z =1 ( 2)
2x − 5y + 2z =1 (3)
Solución.
Una forma sencilla de comenzar es intentar eliminar x de las dos últimas
ecuaciones. Para ello basta con sustituir la segunda ecuación por el resultado de hacer
[(2) – 3 x (1)] y la tercera por el resultado de [(3) – 2 x (1)], obteniéndose:

x+ 4 y+ z =0 (1' )
−13 y − z =1 ( 2' )
−13 y =1 (3' )

Cabe observar que, según la propiedad fundamental de la equivalencia de

sistemas, el sistema de partida y el que se acaba de obtener son equivalentes, lo cual
significa que comparten el mismo conjunto de soluciones.

Una vez eliminada la x de las dos últimas ecuaciones, ignoramos la primera

ecuación del sistema obtenido. Ahora las dos últimas sólo tienen incógnitas y, z; por lo
que podemos aplicar el mismo proceso de eliminación anterior, centrándonos en la
eliminación de y de la tercera ecuación. Para ello basta sustituir la tercera ecuación por
el resultado de hacer [(3’) - (2’)], obteniéndose:

x+ 4 y+ z =0 (1' ' )
−13 y − z =1 ( 2' ' )
z =0 (3' ' )

La resolución del sistema ya es inmediata, y el orden a seguir evidente. En

1
primer lugar z = 0, valor que se sustituye en la ecuación (2’’) para obtener y = − .
13
4
Llevando ahora los valores de z e y a la ecuación (1’’) se obtiene que x = . Este
13
último proceso de sustitución recibe el nombre de sustitución regresiva. Finalmente se
FG
4 1 IJ
tiene que la solución del sistema es
H ,− ,0 .
13 13 K
Cabe observar que en el método ilustrado (método de eliminación de Gauss),
aunque no es necesario, lo habitual es que en la ecuación (2’’) se divida por –(1/13) para
que el coeficiente de y se convierta en 1. Así se simplifica la sustitución regresiva.

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

Ejemplo 2. Resolver el sistema de ecuaciones lineales:

−2 x + 2 y − 4 z − 6t = −4
−3x + 6 y + 3z − 15t = −3
5x − 8 y − z + 17t =9
x+ y + 11z + 7t =7
Solución.
Comenzamos aplicando el mismo método del ejemplo anterior: el método de
eliminación de Gauss. Así, se utilizará la primera ecuación para eliminar x de las tres
ecuaciones posteriores. Previamente, tal y como se indicaba en el ejemplo anterior,
conviene multiplicar la primera ecuación adecuadamente para convertir el coeficiente de
x en 1. En este ejemplo se hace necesario multiplicar por –(1/2):

x − y + 2 z + 3t =2 (1)
−3x + 6 y + 3z − 15t = −3 ( 2)
5x − 8 y − z + 17t =9 (3)
x+ y + 11z + 7t =7 ( 4)

Para eliminar x de las tres últimas ecuaciones basta sustituir (2), (3) y (4) por
[(2) + 3 x (1)], [(3) - 5 x (1)] y [(4) - (1)], respectivamente:

x− y+ 2 z + 3t =2 (1')
3y + 9 z − 6t =3 (2')
−3 y − 11z + 2t = −1 (3')
2y + 9 z + 4t =5 (4')

Se repite el proceso, ahora olvidando la primera ecuación, intentando eliminar y

de las últimas dos ecuaciones. Previamente multiplicamos la segunda ecuación por
(1/3), y luego se sustituye (3’’) y (4’’) por [(3’’) + 3 x (2’’)] y [(4’’) - 2 x (2’’)],
respectivamente:
x− y+ 2 z + 3t =2 (1'') x− y + 2z + 3t =2 (1''')
y+ 3z − 2t =1 (2'') y + 3z − 2t =1 (2''')
−3 y − 11z + 2t = −1 (3'') −2 z − 4t =2 (3''')
2y + 9 z + 4t =5 (4'') 3z + 8t =3 (4''')

Trabajando en la misma idea, ahora con las dos últimas ecuaciones, intentamos
eliminar z de la última ecuación. Previamente multiplicamos (3’’’) por –(1/2) y luego se
sustituye (4 IV) por [(4IV) - 3 x (3IV)]:
x− y + 2 z + 3t =2 (1IV ) x− y + 2 z + 3t =2
y + 3z − 2t =1 (2 IV ) y + 3z − 2t =1
z + 2t = −1 (3IV ) z + 2t = −1
3z + 8t =3 (4 IV ) 2t =6

El último sistema obtenido se resuelve fácilmente por sustitución regresiva,

siendo t = 3, valor que sustituido en la tercera ecuación permite deducir que z = - 7. Así

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

sucesivamente se obtiene que y = 28 y x = 35. Por tanto, (35, 28, -7, 3) es la solución
del sistema de partida.
Un método alternativo para resolver el sistema de ecuaciones planteado en este
segundo ejemplo es el que a continuación ilustramos, que recibe el nombre de método
de eliminación de Gauss-Jordan. La nueva forma de proceder es análoga al método de
eliminación de Gauss, sólo que ahora se procede a la eliminación de las incógnitas en
todas las ecuaciones del sistema, tanto en las posteriores como en las anteriores.

El método alternativo al que hacemos referencia comienza igual que el anterior,

por lo que nos situamos justo en el paso en que se ha eliminado x y se ha convertido en
1 el coeficiente de la y:
x − y + 2 z + 3t = 2 (1'')
y + 3z − 2t =1 (2' ')
−3 y − 11z + 2t = −1 (3'' )
2 y + 9 z + 4t =5 (4' ')

A partir de ahora la situación varía respecto al método anterior. Ahora se trata de

utilizar la segunda ecuación para intentar eliminar y de las restantes ecuaciones (tanto
posteriores como anteriores). Para ello se sustituye la primera, tercera y cuarta
ecuaciones por [(1’’) + (2’’)], [(3’’) + 3 x (2’’)] y [(4’’) - 2 x (2’’)], respectivamente:

x+ 5z + t =3 (1''')
y + 3z − 2t =1 (2' '')
−2 z − 4t =2 (3'' ')
3z + 8t =3 (4' '')

Seguidamente se divide (3’’’) por –(1/2) y se sustituye la primera, segunda y

cuarta ecuaciones por [(1IV) - 5 x (3IV)], [(2IV) - 3 x (3IV)] y [(4IV) - 3 x (3IV)],
respectivamente:

x+ 5z + t =3 (1IV ) x− 9t =8 (1V )
y + 3z − 2t =1 (2 IV ) y− 8t =4 (2V )
z + 2t = −1 (3IV ) z+ 2t = −1 (3V )
3z + 8t =3 (4 IV ) 2t =6 (4V )

Utilizando la cuarta ecuación para eliminar t de las restantes ecuaciones se

procede como sigue: se divide la última ecuación por (1/2) y se sustituyen la primera,
segunda y tercera por [(1VI) + 9 x (4VI)], [(2VI) + 8 x (4VI)] y [(3VI) - 2 x (4VI)],
respectivamente:
VI
x− 9t = 8 (1 ) x = 35
y− 8t = 4 VI
(2 ) y = 28
z + 2t = −1 (3VI ) z = −7
t = 3 (4VI ) t =3

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

Se observa que este proceso conduce directamente a la solución del sistema, la

cual evidentemente coincide con la obtenida anteriormente con el método de
eliminación de Gauss.

Tal y como se ha indicado anteriormente, el primer procedimiento seguido para

solucionar estos ejemplos recibe el nombre de método de eliminación de Gauss,
mientras que el segundo de ellos se denomina método de eliminación de Gauss-
Jordan.

Cabe decir que en el método de eliminación de Gauss-Jordan la sustitución

regresiva se va realizando conforme se avanza, en lugar de esperar al final.

Antes de seguir adelante conviene resumir lo que se hizo en estos ejemplos. En

primer lugar, para el caso del método de eliminación de Gauss se procedió como sigue:

1. Se dividió la primera ecuación para que el coeficiente de x fuese 1, y se

eliminaron los términos en x de las restantes ecuaciones.

2. Se dividió la segunda (tercera, cuarta) ecuación para que el coeficiente de y

(respectivamente, z, t) fuese 1, y se utilizó la segunda (tercera) ecuación para
eliminar los términos en y (respectivamente, en z) de las ecuaciones
posteriores.

3. Se despejó el valor de la última incógnita y después se utilizó la sustitución

regresiva para despejar el valor de las restantes.

En cuanto al método de eliminación de Gauss-Jordan, el modo de proceder fue el

siguiente:

1. Se dividió la primera ecuación para que el coeficiente de x fuese 1.

2. Se eliminaron los términos en x de todas las ecuaciones, salvo la primera.

3. Se dividió la segunda (tercera, cuarta) ecuación para que el coeficiente de y

(respectivamente, z, t) fuese 1, y se utilizó tal ecuación para eliminar los
términos en y (respectivamente, z, t) de las restantes ecuaciones.

4. La solución es inmediata.

Cabe destacar que, en cada paso, se obtuvieron sistemas que eran equivalentes al
de partida, por lo que todos y cada uno de tales sistemas tienen el mismo conjunto de
soluciones.

Es fácil entender cómo podemos extender la idea de eliminación de Gauss a m

ecuaciones con n incógnitas, sin importar lo grande que sea el sistema. En el primer
paso utilizamos múltiplos de la primera ecuación para eliminar la primera incógnita del
resto de ecuaciones, en el segundo paso se utiliza la segunda ecuación para eliminar la
segunda incógnita de las ecuaciones posteriores; y así sucesivamente. Finalmente, la
última ecuación permite conocer la última incógnita. La sustitución regresiva permite ir
conociendo las restantes, de la penúltima a la primera.

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

En forma análoga se generalizaría la idea de eliminación de Gauss-Jordan,

teniendo en cuenta las particularidades de este otro método.

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

1.1.4 Notación matricial

La forma de realizar los procesos de eliminación vista en los ejemplos anteriores

es poco manejable. Con la intención de simplificar dichos procesos de eliminación
introducimos la siguiente notación matricial:

Consideremos el sistema (S) de m ecuaciones con n incógnitas dado al principio

de este capítulo. En él se llamará matriz de los coeficientes a la siguiente colección de
escalares:
Fa11 a12 a1n I
A=
GG
a21 a22 a2 n JJ
GG JJ
Ha m1 am 2 amn K
matriz de los términos independientes a:
Fb I
Gb J
1

B=G J
2

GG JJ
Hb K m

y matriz del sistema o matriz ampliada a:

Fa a12 a1n b1I

Ga JJ
11

AB = G
21 a22 a2 n b2
GG JJ
Ha m1 am 2 amn b K
m

Utilizando estas matrices puede expresarse el sistema (S), por ahora de forma
simbólica, en notación matricial como A ⋅ X = B, donde:

Fx I
Gx J
1

X=G J
2

GG JJ
Hx K n
es la denominada matriz de las incógnitas.

Más adelante profundizaremos en el estudio de matrices, introduciendo los

distintos tipos y operaciones que pueden realizarse con ellas. Por ahora nos basta con
saber que una matriz A es una colección de mxn escalares dispuestos en m filas y n
columnas. La fila i-ésima de A es la formada por los escalares: ai1 , …, ain y la columna
j-ésima de A es la formada por los escalares a1 j , …, amj que aparecen dispuestos
verticalmente.

Si se conoce la matriz de un sistema, éste también es conocido. La ventaja ahora

es que la notación matricial simplifica el manejo del sistema y la resolución del mismo.

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

En este sentido, es conveniente formular la Propiedad fundamental de la equivalencia

de sistemas en lenguaje matricial:

“Un sistema de ecuaciones lineales A ⋅ X = B es equivalente a cualquiera de los

que se obtienen de realizar operaciones elementales en las filas de la matriz AB. Son
operaciones elementales las siguientes:

1. Intercambiar el orden con el que figuran dos filas en AB.

2. Multiplicar una fila por un escalar no nulo.
3. Sumar una fila, multiplicada por un escalar, a otra.”

Además de los ejemplos anteriores, que pueden ser tratados ahora desde esta
nueva perspectiva, planteamos la resolución del siguiente sistema de ecuaciones lineales
utilizando notación matricial:

Ejemplo 3. Resolver el sistema de ecuaciones lineales:

−2 x +4 y −2 z −6t = 4
3 x −6 y +6 z +10t = −1
−2 x +6 y − z +t = 1
2 x −5 y +4 z +8t = −3
Solución.
Utilizaremos notación matricial y el método de eliminación de Gauss para
encontrar la solución de este sistema de ecuaciones. En cada paso se indicará las
diferentes operaciones elementales que se realizarán con las filas, partiendo de la matriz
ampliada asociada al sistema de partida.

En notación matricial, utilizar el método de eliminación de Gauss para eliminar

la x se traduce en hacer ceros todos los elementos de la primera columna salvo a11 .
Análogamente, en el caso de y se trataría de hacer ceros todos los elementos de la
segunda columna a partir del elemento a22 hacia abajo, y en el caso de z se trataría de
hacer ceros todos los elementos de la tercera columna a partir del a33 hacia abajo.

En nuestro ejemplo en particular se toma la matriz ampliada AB y se procede

como sigue:

F −2 4 −2 − 6 4 I F1 −2 1 3 −2 I
GG 3 −6 6 10 −1 JJ GG 3 −6 6 10 −1 JJ f 2 − 3 × f1 → f 2

GG −2 6 −1 1 1 JJ e j
f1 × − 12 → f1
GG −2 6 −1 1 1 JJ f 3 + 2 × f1 → f 3
f 4 − 2 × f1 → f 4
H2 −5 4 8 −3 K H2 −5 4 8 −3 K
F1 −2 1 3 −2I F1 −2 1 3 −2I
GG 0 0 3 1 5J
J GG 0 1 −2 −2 −1J
J
f 2 ↔ f 4 × ( −1) f3 − 2 × f2 → f3
GG 0 2 1 7 −3J GG 0 2 1 7 −3J
H0 −1 2 2 1 JK H0 0 3 1 5 JK

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

⎛ 1 −2 1 3 −2 ⎞ ⎛ 1 −2 1 3 −2 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 1 −2 −2 −1 ⎟ ⎜ 0 1 −2 −2 −1 ⎟
⎜ 0 0 5 11 −1 ⎟ ( 5) ↔ f
f3 × 1 3 ⎜ 0 0 1 11 −1 ⎟ f 4 − 3 × f3 ↔ f 4
⎜⎜ ⎟⎟ ⎜ 5 5⎟
⎝0 0 3 1 5 ⎠ ⎜0 0 3 5 ⎟⎠
⎝ 1

⎛ 1 −2 1 3 −2 ⎞ ⎛ 1 −2 1 3 −2 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 1 −2 −2 −1 ⎟
⎛ −5 ⎞ ⎜ 0 1 −2 −2 −1 ⎟
⎜ 0 0 1 11 −1 ⎟ f4 ↔ f4 × ⎜ ⎟ ⎜
⎜ 5 5⎟ ⎝ 28 ⎠ ⎜ 0 0 1 115 −1 5 ⎟⎟
⎜⎜ 0 0 0 −28 28 ⎟⎟ ⎜0 0 0
⎝ 1 −1 ⎟⎠
⎝ 5 5⎠

Así se obtiene que t = −1 , y, por sustitución regresiva, se concluye que la

solución es (1,1, 2, −1) .

De igual forma, podría haberse solucionado el problema con el método de

eliminación de Gauss-Jordan. En tal caso la diferencia estriba en que, una vez se elige
un coeficiente para hacer ceros en una columna, habría que hacer ceros tanto por debajo
como por encima del coeficiente elegido.

Ejemplo 4. Un departamento de Diseño suministra tres tipos de piezas a la marca de

antenas “La mejor señal” que fabrica tres modelos diferentes (bad wave, good wave y
super wave). Semanalmente se necesitan:

• Para cada antena modelo bad wave una unidad de la pieza 1, una unidad de la pieza
2 y dos unidades de la pieza 3.
• Para cada antena modelo good wave tres unidades de la pieza 1, cuatro unidades de
la pieza 2 y cinco unidades de la pieza 3.
• Para cada antena modelo super wave dos unidades de la pieza 1, una unidad de la
pieza 2 y cinco unidades de la pieza 3.

Cada semana se proporcionan a la fabrica 25.000 unidades de la pieza 1, 20.000

unidades de la pieza 2 y 55.000 unidades de la pieza 3. Si se supone que se consumen
todas las piezas, ¿cuántos antenas de cada modelo pueden fabricarse por semana?.

Solución.
Si denotamos por x1 , x2 , x3 el número de antenas del modelo bad wave, good
wave y super wave, respectivamente, que se fabrican por semana; y teniendo en cuenta
los datos dados por el problema, se obtiene el siguiente sistema de tres ecuaciones
lineales con tres incógnitas:
x1 + 3x2 + 2 x3 = 25000
x1 + 4 x2 + x3 = 20000
2 x1 + 5x2 + 5x3 = 55000

al cual aplicamos el método de eliminación de Gauss para solucionarlo:

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

⎛ 1 3 2 25000 ⎞ ⎛ 1 3 2 25000 ⎞ ⎛ 1 3 2 25000 ⎞

⎜ ⎟ f 2 − f1 ↔ f 2 ⎜ ⎟ ⎜ ⎟
⎜ 1 4 1 20000 ⎟ f − 2 × f ↔ f ⎜ 0 1 −1 −5000 ⎟ f3 + f 2 ↔ f 3 ⎜ 0 1 −1 −5000 ⎟
⎜ 2 5 5 55000 ⎟ 3 3 ⎜ ⎟ ⎜0 0 0 0 ⎟⎠
⎝ 0 −1 1 5000 ⎠
1
⎝ ⎠ ⎝

Así, se tiene que x3 puede tomarse como un parámetro, es decir, si se elige

arbitrariamente x3 se obtienen un número infinito de soluciones para el sistema, dadas
por:
b40000 − 5x3 , x3 − 5000, x3g
l q
Ahora bien, teniendo en cuenta que xi ≥ 0 para i ∈ 1, 2, 3 se deduce que
x3 ≥ 5000 y x3 ≤ 8000 . Por tanto, la cantidad de antenas que pueden fabricarse por
semana está condicionada por las siguientes relaciones:

x1 = 40000 − 5x3
x2 = x3 − 5000
5000 ≤ x3 ≤ 8000

Así, una posible solución al sistema es que se fabriquen 7000 antenas modelo
super wave ( x3 =7000), 2000 modelo good wave ( x2 =7000-5000) y 5000 modelo bad
wave (pues x1 =40000-5 ⋅ 7000). Además se debe observar que, aunque en principio el
sistema admite infinitas soluciones, en nuestro caso x3 sólo puede admitir 3001 valores
posibles, por lo que sólo existen 3001 soluciones al problema planteado.

1.1.5 Matrices y sistemas escalonados por filas. Rango por filas de una
matriz.

Si A es una matriz, se dice que A es una matriz escalonada por filas si:

1. Todas las filas de A (si las hay) cuyos elementos son todos nulos aparecen en
la parte inferior de la matriz.
2. El primer número no nulo (comenzando por la izquierda) en cualquier fila no
nula de A es un 1 y recibe el nombre de pivote de esa fila.
3. Cada fila de A (exceptuando, por lo general, a la primera) comienza con una
sucesión de ceros, de manera que siempre contiene (al menos) un cero más
que la fila anterior. En otras palabras, el pivote en cualquier fila está a la
derecha del pivote de la fila anterior.

Asimismo, se dirá que la matriz A es una matriz escalonada reducida por filas
si A es una matriz escalonada por filas que además verifica que:

4. En las columnas en las que se ubican los pivotes todos los demás elementos
son nulos.

Un sistema de ecuaciones lineales se dirá que es un sistema escalonado por

filas (respectivamente, escalonado reducido por filas) si su matriz de coeficientes es
escalonada por filas (respectivamente, escalonada reducida por filas).

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

Ejemplo 5. Los siguientes sistemas de ecuaciones y sus correspondientes matrices se

encuentran en forma escalonada reducida por filas, el primero, y en forma escalonada
por filas, el segundo:

R|x + 3z − v = 2 F1 0 3 0 −1 2 I
• S| y + 5z = 7 ; AB = GG 0 1 5 0 0 7 JJ
T u + 2v = −1 GH 0 0 0 1 2 −1 JK
R|x + −3z + 5t − u = 2 F1 0 −3 5 −1 2 I
• S| y + 6t = 7 ; AB = GG 0 1 0 6 0 7 JJ
T z + 2t = −1 GH 0 0 1 2 0 −1 JK
Observación: Generalmente, cuando se utilizan operaciones elementales se pueden
obtener diferentes matrices escalonadas por filas equivalentes a la de partida. Es decir,
no existe una única matriz escalonada por filas asociada a una matriz A. Sin embargo, sí
que se tiene que la matriz escalonada reducida por filas que se obtiene de A mediante
operaciones elementales es única, tal y como se prueba en el siguiente teorema.

Teorema. La matriz escalonada reducida por filas, que se obtiene de una matriz A por
operaciones elementales, existe y es única.

Demostración. Partiendo de una matriz cualquiera A, con m filas y n columnas,

probaremos que existe una matriz escalonada reducida por filas Ar asociada a ella, y
posteriormente que dicha matriz Ar es única.

Existencia: Sea j1 la primera columna no nula de A. En ella seleccionamos un elemento

no nulo e intercambiamos la primera fila de A y la fila a la que pertenece dicho
elemento. A continuación normalizamos la nueva primera fila (es decir, dividimos dicha
fila por el elemento no nulo elegido), obteniéndose un pivote que permitirá hacer ceros
todos los elementos de la columna j1 que se sitúan por debajo de él. Se logra así una
matriz A1.

Se repite el proceso para la matriz A1, cuyas filas segunda, tercera, ... , m-ésima
forman una matriz A’1. Si j2 es la primera columna no nula de A’1, se elige en ella un
elemento no nulo y se intercambian entre sí la primera fila de A’1 y la fila donde se
encuentra dicho elemento no nulo. Seguidamente se normaliza la nueva primera fila,
apareciendo un pivote que permitirá formar ceros por debajo y por encima de sí mismo.
Se logra así una matriz A2.

El proceso se repite análogamente hasta obtener la matriz Ar en la que las filas

(r+1), ..., m son nulas. Precisamente Ar es la matriz escalonada reducida por filas
asociada a la matriz A.

Unicidad: Supongamos que existen dos matrices escalonadas reducidas por filas
distintas asociadas a la matriz A, pongamos:

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

F1 0 0 c1 r +1 I
c1 n F1 0 0 c'1 r +1 I
c'1 n
GG 0 JJ GG 0 JJ
G 0 J G 0 J
C = G0 0 1 cr r +1 c J C '= G0 0 1 c ' r r +1 c' J
GG 0 0J
rn y
GG 0 0J
rn

JJ
GG JJ GG
H0 0K
J H0 0K
J
Suponiendo también que A es la matriz de los coeficientes de un sistema de
ecuaciones A ⋅ X = B, y afectando a los términos independientes de dicho sistema de las
correspondientes operaciones elementales realizadas para llegar desde A hasta C y C’,
se obtienen H y H’ como nuevas matrices de términos independientes, respectivamente.
Además, las soluciones de los sistemas:
C ⋅ X = H y C '⋅ X = H '
coinciden con las soluciones del sistema de partida, es decir, ambos sistemas son
equivalentes.

Así, si H = (h1 , h2 , … , hm ) , H ' = ( h'1 , h'2 , … , h'm ) y X = ( x1 , x2 , … , xn ) se

deduce que para cualquier valor de k ∈ 1, 2, …, r : k p
d
xk = hk − ck r +1 xr +1 + i d
+ ck n xn = h' k − c' k r +1 xr +1 + + c' k n xn i
De esta relación se sigue que:

ch − h' h + edc'
k k k r +1 i
− ck r +1 xr +1 + d i j
+ c' k n − ck n xn = 0

Por tanto, tomando xr +1 = xr + 2 = = xn = 0 se deduce que hk = h' k , para todo

k
k ∈ 1, 2, …, r . p
Por otra parte, si tomamos xr +1 = 1 y xr + 2 = = xn = 0 se tiene que ck r +1 = c' k r +1 ,
k p
para k ∈ 1, 2, …, r . Análogamente, tomando x r + j = 1 y x r +1 = = x n = 0 ( salvo x r + j ) ,
se deduce que ck r + j = c' k r + j , para j ∈ 2, …, n . k p
En definitiva, se tiene que ck l = c' k l para todo valor k ∈ 1, 2, …, r y todo valor k p
k p
l ∈ r + 1, r + 2, …, n . Es decir, C = C’. En otras palabras, la matriz escalonada reducida
por filas asociada a una matriz A es única. g

Rango por filas de una matriz

Teniendo en cuenta la unicidad de la matriz escalonada reducida por filas que se

obtiene de una matriz A por operaciones elementales, se establece la siguiente
definición:

Definición. Se denomina rango por filas de una matriz A al número de filas no nulas
que contiene la matriz escalonada reducida por filas asociada a A, y se denota por
rang(A).

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

Observaciones.

1. En primer lugar, cabe decir que el rango por filas de una matriz A coincide con el
número de pivotes de la matriz escalonada reducida por filas asociada a A,
pudiéndose definir éste también como el número de pivotes de dicha matriz
escalonada.

2. Por otra parte, a efectos prácticos, conviene señalar que el rango por filas de una
matriz A coincide con el número de filas no nulas que contiene cualquiera de las
matrices escalonadas por filas que se obtienen de A por operaciones elementales. De
hecho, el número de pivotes de cualquiera de las matrices escalonadas por filas que
se obtienen de A coincide con el número de pivotes de la matriz escalonada reducida
por filas asociada a A.

1.1.6 Discusión de los sistemas escalonados reducidos por filas

Teorema. Sea A ⋅ X = B un sistema de ecuaciones escalonado reducido por filas de m

ecuaciones con n incógnitas. Si r denota al número de filas no nulas de la matriz A, se
tiene que:
1. A ⋅ X = B es compatible si, y sólo si, los últimos (m-r) términos
independientes son todos nulos.
2. Si el sistema es compatible, será compatible determinado si r = n e
indeterminado si r < n.

Demostración. Consideremos un sistema escalonado reducido por filas cuya matriz

ampliada esquematizamos como sigue:

0 0 1 * 0 0* * 0 * *0 * * b1
0 0 0 0 1 0* * 0 * *0 * * b2
0 0 0 1* * 0 * *0 * * b3
r 0 0 0 1 * *0 * * b4
m
0 0 0 0 * *1 * * br

0 bm

donde * representa a un número cualquiera. La discusión del sistema será más sencilla
si alteramos el orden de las incógnitas x1 , x2 , …, xn que pasaremos a llamar
x' 1 , x' 2 , …, x' n , del modo que se indica a continuación:

Si los pivotes de las sucesivas filas de la matriz A se ubican en las posiciones

(1, 3), (2, 5), (3, 6), (4, k), ....., (r, l), entonces llamamos:

x' 1 = x3 , x' 2 = x5 , x' 3 = x6 , x' 4 = xk ,…, x' r = xl

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

De esta manera se consigue que en la matriz ampliada del sistema de partida los
pivotes se ubiquen en las r primeras columnas, pudiéndose escribir dicho sistema como
sigue:
R| d
x1' = b1 − c1 r +1 xr' +1 + + c1 n xn' i
||x = b − dc
'
2 2 2 r +1 x '
r +1 + + c2 n x i
'
n

|S x = b − c
|| 0 = b d xr' +1 + + cr n xn' i
'
r r r r +1

r +1

||
T0 = b m

donde cij son determinados escalares que forman parte de la matriz A. A la vista de esta
última forma de expresar el sistema A ⋅ X = B resultan evidentes las afirmaciones del
teorema. g

Utilizando el concepto de rango por filas de una matriz puede expresarse el

teorema anterior en los siguientes términos:

Corolario. Sea A ⋅ X = B un sistema de ecuaciones escalonado reducido por filas de m

ecuaciones con n incógnitas. Si rang(A) = r, se tiene que:

1. A ⋅ X = B es compatible si, y sólo si, rang(A) = rang(AB) = r .

2. Si el sistema es compatible, será compatible determinado si r = n e
indeterminado si r < n.

1.1.7 Discusión de un sistema de ecuaciones lineales cualquiera

Una vez establecidas las nociones básicas sobre matrices y sistemas escalonados
por filas, se pueden entender los métodos de eliminación de Gauss y Gauss-Jordan en
los siguientes términos:

1. El método de eliminación de Gauss consiste en reducir la matriz de los coeficientes

hasta obtener una matriz escalonada por filas asociada a ésta, usando operaciones
elementales.
2. El método de eliminación de Gauss-Jordan consiste en reducir la matriz de los
coeficientes hasta obtener la matriz escalonada reducida por filas asociada a ésta,
usando operaciones elementales.

En ambos casos, el sistema de partida y el sistema escalonado (o escalonado

reducido) por filas obtenido son equivalentes, esto es, tienen las mismas soluciones. Por
tanto, podemos enunciar el siguiente teorema, cuya demostración es evidente teniendo
en cuenta las definiciones y resultados anteriores.

Teorema. Sea A ⋅ X = B un sistema de m ecuaciones con n incógnitas. Se tiene que:

1. A ⋅ X = B es compatible si, y sólo si, rang(A)= rang(AB)

2. Si el sistema es compatible, será compatible determinado si r = n e
indeterminado si r < n.

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

1.1.8 Sistemas homogéneos

Se dice que un sistema de ecuaciones lineales de m ecuaciones con n incógnitas

es homogéneo si todos los términos independientes son cero, es decir, si el sistema es de
la forma:

a11 x1 + a12 x2 + + a1n x n = 0

a21 x1 + a22 x2 + + a2 n xn = 0
(SH)
am1 x1 + am 2 x2 + + amn xn = 0

Todo sistema de ecuaciones lineales homogéneo presenta la particularidad de

n
ser siempre compatible, pues (0, 0, …, 0) es solución de cualquiera de ellos.

Así, para sistemas homogéneos, sólo pueden darse dos posibilidades: que sean
compatibles determinados o compatibles indeterminados. En el primer caso la única
n
solución es (0, 0, …, 0), la cual recibe el nombre de solución trivial. En el segundo
caso existen infinitas soluciones además de la trivial.

Teorema. El sistema homogéneo (SH) tiene un número infinito de soluciones si n > m.

Demostración. Utilizaremos el método de demostración por reducción al absurdo.

Supongamos que n > m y que el sistema sólo admite la solución trivial. En tal caso, al
aplicar el método de eliminación de Gauss-Jordan a dicho sistema se obtendría un
sistema equivalente de la forma:

x1 =0
x2 =0

xn =0

0
en el que se observa claramente que el número de ecuaciones (m) es como mínimo igual
al número de incógnitas (n), es decir, m ≥ n. Este resultado es absurdo, pues contradice
la suposición de la que partíamos. Por tanto, debemos concluir que si n > m
necesariamente el sistema homogéneo tiene infinitas soluciones (como establece el
enunciado del teorema). g

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

EJERCICIOS

1. Resolver los siguientes sistemas de ecuaciones:

R|2 x −5y +3z +t = 5 R|3x +4 y +z +2 t +3 = 0

a.
|S3x −7 y +3z −t = −1 d. S
|3 x +5 y +3z +5t +6 = 0
||5x −9 y +6z +2t = 7 ||6x +8 y + z +5t +8 = 0
T4 x −6 y +3z +t = 8 T3 x +5 y +3z +7t +8 = 0

R| x + y −6z −4t = 6 R| 2 x −3 y +3z +2 t −3 = 0

b.
|S3x − y −6z −4t = 2 e. S
| 6x +9 y −2 z − t +4 = 0
||2 x +3y +9z +2t = 6 ||10x +3 y −3z −2t −3 = 0
T3x +2 y +3z +8t = −7 T 8x +6 y + z +3t +7 = 0

R| x +3y − z +t = 1 R| x −2 z + t = 6
c. S|−2 x + y +2z = 7 f. S2 x
|T9 x
−y + z −3t = 0
T y −t = 0 −3 y − z − 7 t = 4

R|x +y +z +t +u = 15

|xx +2 y +3z +4t +5u = 35

g. S| +3 y +6z +10t +15u = 70

||xx +4 y +10z +20t +35u = 126

T +5 y +15z +35t +70u = 210

2. Discutir, en función del parámetro λ , los siguientes sistemas de ecuaciones.

Resolverlos cuando sean compatibles.

R| x +y −z = 1 R|λx +y +z = 1
a. S|3x + λ y + λz = 5 c. S| x + λy +z = λ
T4 x + λy = 5 Tx +y + λz = λ2

R|x +y −z = 2 R|λx +y +z = 1
b. S|x +2 y +z = 3 d. S| x + λy +z = 1
Tx +y + ( λ − 5) z = λ
2
Tx +y + λz = 1

3. Calcular el rango por filas de las siguientes matrices:

F 25 31 17 I
43 F1 1 −1 1 −2 −1 I
G 75
A=G
94 53 132J
J G4
A=G
−5 7 −2 −4 −6J
J
a.
GG 75 94 54 134J
J
c.
GG 2 5 −8 4 −3 1 J
J
H 25 32 20 48 K H3 −3 4 −1 −3 −4 K

Juan Rocha Martín y Kishin Sadarangani

 Álgebra Lineal. Curso 2005/06.

F 47 −67 35 201 155 I F 1 i 3i 3 I

b. A = G 26 98 23 −294 86 JJ A = G 2+i 1 + 2i 4 + i JJ
GH 16 428 1 1284 52 K
d.
GH −1 + i 1
1+ i 1+ i −1 + i K

F 17 −28 45 11 I39
GG 24 −37 61 13 50 J
J
e. A = G 25 −7 32 −18 −11J
GG 31 12 19 −43 −55J
J
H 42 13 29 −55 −68K

4. Hallar los valores de λ para los cuáles la siguiente matriz tiene rango por filas
mínimo. ¿Cuánto vale el rango por filas para los valores obtenidos de λ ?, ¿y para
los demás valores?.
F
3 1 1 4 I
A=
GG
λ 4 10 1 JJ
GG
1 7 17 3 JJ
2 2 4 3 H K
5. Calcular el rango por filas de la siguiente matriz para los distintos valores de λ :

F1 λ −1 2 I
A = G2 −1 λ 5 JJ
GH 1 10 −6 1K

6. Hallar el rango por filas de la siguiente matriz. ¿Parar qué valores de α y β es dicho
rango lo más pequeño posible?.

F1 3 −2 −1 4 I
GG −2 1 1 2 −3J
J
A=G 3 −4 3 1 −2J
GG 3 3 0 α 3J
J
H3 2 −3 −3 βK

7. Si en el ejemplo 4 (desarrollado en estos apuntes) se supone que cada semana se

proporcionan a la fabrica de antenas “La mejor señal” 15.000 unidades de la pieza
1, 10.000 unidades de la pieza 2 y 35.000 de la pieza 3, y que además se consumen
todas esas piezas, ¿qué cantidad de antenas de cada modelo pueden fabricarse por
semana?.
8. Un agente secreto (el agente 0069) sabe que 60 equipos de diseño de alta tecnología,
que consisten en ordenadores y robots, están siendo fabricados en cierto laboratorio
secreto. El agente 0069 quiere determinar cuántos de los 60 equipos son
ordenadores y cuántos son robots. Existe un tipo de chip que llevan ambos equipos
de diseño; el robot lleva 6 de ellos y el ordenador sólo 2. El agente 0069 averigua

Juan Rocha Martín y Kishin Sadarangani

 Capítulo 1. Resolución de Sistemas de Ecuaciones Lineales

que se requieren 250 chips para poner en funcionamiento todos los equipos del
laboratorio. Aún más, mediante escuchas ilegales consigue saber que se fabricarán
el doble de robots que de ordenadores. La pregunta que hace el agente secreto a los
alumnos de Álgebra Lineal de primer curso de Telecomunicaciones (por supuesto de
forma confidencial) es: ¿se podrá determinar el número de ordenadores y robots que
hay en el laboratorio secreto o es incorrecta la información que he obtenido?.

Juan Rocha Martín y Kishin Sadarangani