Notas

Capítulo 1
Sistemas de ecuaciones lineales y

matrices
1.1. Introducción
Un problema fundamental que aparece en matemáticas y en otras ciencias
es el análisis y resolución de m ecuaciones algebraicas con n incógnitas. El es-
tudio de un sistema de ecuaciones lineales simultáneas está íntimamente liga-
do al estudio de una matriz rectangular de números definida por los coeficien-
tes de las ecuaciones. Esta relación parece que se ha notado desde el momento
en que aparecieron estos problemas.
El primer análisis registrado de ecuaciones simultáneas lo encontramos en
el libro chino Jiu zhang Suan-shu ( Nueve Capítulos sobre las artes matemáti-
cas), escrito alrededor del 200 a.C. Al comienzo del capítulo VIII, aparece un
problema de la siguiente forma:
Tres gavillas de buen cereal, dos gavillas de cereal mediocre y una gavilla de
cereal malo se venden por 39 dou. Dos gavillas de bueno, tres mediocres y una
mala se venden por 34 dou. Y una buena, dos mediocres y tres malas se venden
por 26 dou. ¿Cuál es el precio recibido por cada gavilla de buen cereal, cada ga-
villa de cereal mediocre, y cada gavilla de cereal malo?
Hoy en día, este problema lo formularíamos como un sistema de tres ecua-

ciones con tres incógnitas:
3x1 + 2x2 + x3 = 39,
2x1 + 3x2 + x3 = 34,
x1 + 2x2 + 3x3 = 26,
donde x1 , x2 y x3 representan el precio de una gavilla de buen, mediocre y mal
cereal, respectivamente. Los chinos vieron el problema esencial. Colocaron los
1
Depto. de Álgebra
coeficientes de este sistema, representados por cañas de bambú de color, como

un cuadrado sobre un tablero de contar (similar a un ábaco), y manipulaban las
filas del cuadrado según ciertas reglas establecidas. Su tablero de contar y sus
reglas encontraron su camino hacia Japón y finalmente aparecieron en Europa,
con las cañas de color sustituidas por números y el tablero reemplazado por
tinta y papel.
Figura 1.1: Numerales chinos con cañas de bambú
En Europa, esta técnica llegó a ser conocida como eliminación gaussiana,

en honor del matemático alemán Carl F. Gauss.
Figura 1.2: C.F. Gauss (1777-1855)
El objetivo de este capítulo es conocer esta técnica de eliminación. Comen-

zamos con una descripción de los sistemas de ecuaciones y la notación que
emplearemos para tratarlos.
1.2. Equivalencia de sistemas

Nota 1.2.1. En lo que sigue consideraremos fijado un cuerpo K de coeficien-
tes. En el texto nos referiremos a los elementos del cuerpo como números o
2 Álgebra Lineal y Geometría

Depto. de Álgebra
escalares. El lector bien puede pensar que K es el cuerpo Q de los números ra-
cionales, R de los reales o incluso C de los complejos. Aunque debe tener en
cuenta que todo lo dicho sobre sistemas de ecuaciones lineales y matrices es
cierto en general para cualquier cuerpo K.
Ecuación lineal
Sea n ≥ 1 un número natural. Una ecuación lineal es una expresión de

la forma
a1 x1 + a2 x2 + · · · + an xn = b,
donde a1 , a2 , . . . , an y b son números conocidos y x1 x2 , . . . , xn son in-
cógnitas. Los números ai se denominan coeficientes de la ecuación,
mientras que b es el término independiente.
Una solución de la ecuación lineal anterior es una serie de números α1, α2 , . . . , αn

que la satisfacen, es decir, que verifican
a1 α1 + a2 α2 + · · · + an αn = b.
Diremos también que la solución se escribe como x1 = α1 , x2 = α2 , . . . , xn = αn ,

que también expresaremos como
 
α1
 α2 
.. .
 

 . 
αn
El carácter lineal se aplica porque las incógnitas aparecen con grado igual a 1.
Ejemplo 1.2.1.- La expresión 3x1 +2x2 = −1 es una ecuación lineal y x1 = 1, x2 =

−2 es una solución. La expresión 0 · x1 = 2 es una ecuación lineal, pero no tiene
solución.
Álgebra Lineal y Geometría 3

Depto. de Álgebra
Sistema lineal de ecuaciones
Sean m ≥ 1 y n ≥ 1 números naturales. Un sistema lineal de ecuaciones

es un conjunto de m ecuaciones lineales y n incógnitas de la forma
+ ... + b1 ,


 a11 x1 + a12 x2 a1n xn =
 a21 x1 + a22 x2 + ... + a2n xn = b2

S ≡ ..


 .
am1 x1 + am2 x2 + . . . + amn xn = b m ,

donde las xi son las incógnitas y los ai j , b i son números. Los núme-
ros ai j se denominan coeficientes del sistema, y el conjunto de los b i
términos independientes del sistema.
Una solución del sistema lineal anterior es una serie de números α1, α2 , . . . , αn
que satisface cada ecuación del sistema, es decir, que verifica
ai 1 α1 + ai 2 α2 + · · · + ai n αn = b i , para cada i = 1, . . . , n.
Para abreviar, hablaremos con frecuencia de un sistema de ecuaciones, elimi-

nando la palabra “lineal”, pues serán el objeto de cálculo habitual en el curso.
El problema es determinar si un sistema de ecuaciones tiene solución o no y, si
es posible, calcularlas todas. Ya con una ecuación a1 x1 = b 1 nos encontramos
con diferentes posibilidades.
Si a1 6= 0, entonces la ecuación tiene una única solución x1 = b 1 /a1 .
Si a1 = 0, b 1 6= 0, entonces no hay solución.
Si a1 = 0 = b 1 , entonces cualquier valor de x1 es solución.
En sistemas con más ecuaciones encontramos el mismo fenómeno.
Ejemplo 1.2.2.- Consideremos el sistema lineal planteado por el problema

chino de las gavillas de cereal visto en la página 1:
 3x1 + 2x2 + x3 = 39,


S ≡ 2x1 + 3x2 + x3 = 34, (1.2.1)

x1 + 2x2 + 3x3 = 26.


Depto. de Álgebra
Despejando en la tercera ecuación, x1 = 26 − 2x2 − 3x3 , y sustituyendo en las

otras ecuaciones tenemos
−4x2 − 8x3 = −39,

½
(1.2.2)
−x2 − 5x3 = −18.
Ahora, en la segunda ecuación, es x2 = 5x3 − 18. Sustituyendo en la otra ecua-

ción, se obtiene
12x3 = 33.
Luego debe ser x3 = 11/4. De la ecuación x2 = 5x3 − 18 se obtiene x2 = 17/4. Por
último, de x1 = 26 − 2x2 − 3x3 obtenemos x1 = 37/4.
Es decir, el sistema lineal S tiene como única solución
37/4
 
 17/4  .
11/4
Ejemplo 1.2.3.- Consideremos ahora el sistema lineal
 x1 + 2x2 − x3 = −3,

S ≡ x1 + x2 = 1, (1.2.3)
2x1 + x2 + x3 = 0.

Despejando en la segunda ecuación, x1 = 1 − x2 , y sustituyendo en las otras

obtenemos ½
x2 − x3 = −4,
(1.2.4)
−x2 + x3 = −2.
En la primera ecuación despejamos x2 = −4 + x3 . Sustituyendo en la otra ecua-
ción se obtiene
−(−4 + x3 ) + x3 = −2 ⇒ 4 − x3 + x3 = −2 de donde 4 = −2.
Como 4 6= −2, deducimos que no hay soluciones para el sistema lineal S .

Depto. de Álgebra
Los anteriores son ejemplos de sistemas de ecuaciones con solución única

o sin solución. El siguiente paso es estudiar qué ocurre con los sistemas lineales
que no están en ninguno de los casos anteriores, es decir, aquellos que tienen
más de una solución.
Veamos el siguiente ejemplo.
Ejemplo 1.2.4.- Vamos a calcular soluciones del sistema
 x1 + x2 + 2x3 = 3,

S ≡ 2x1 + 2x2 + x3 = 3, (1.2.5)

x1 + x2 − 3x3 = −2.

Como en los casos anteriores, resolveremos el sistema por el método de sus-

titución. Despejamos entonces x1 en la última ecuación, x1 = −2 − x2 + 3x3 .
Sustituyendo en las otras ecuaciones se tiene
5x3 = 5,
½
(1.2.6)
7x3 = 7.
Se trata de un sistema lineal con dos ecuaciones y una incógnita, cuya única
solución es x3 = 1. Respecto a x1 y x2 solamente podemos decir que
x1 = 1 − x2 .
Es decir, que para cada valor distinto de x2 se obtiene un valor distinto de x1 . El

conjunto de las soluciones del sistema lineal S es
1 − x2
 
 x2  donde x2 ∈ K.
1
En este caso el sistema lineal tiene tantas soluciones como elementos hay en el
cuerpo de escalares K.
Veremos que en los sistemas de ecuaciones en general se presentan las mis-

mas posibilidades que hemos visto en los ejemplos anteriores.

Depto. de Álgebra
Compatibilidad de sistemas lineales
Decimos que un sistema lineal S es
compatible determinado si tiene una única solución.
compatible indeterminado si tiene más de una solución.
incompatible si no tiene soluciones.
Sistema de ecuaciones equivalentes
Dos sistemas lineales con n incógnitas se dicen equivalentes si tienen

los mismos conjuntos de soluciones.
Ejemplo 1.2.5.- Veamos los siguientes casos con coeficientes en R.
1. Sistemas equivalentes con distinto número de ecuaciones. Considere-

mos los sistemas de ecuaciones
 3x1 + x2 = −1,

½
x1 = −1,
S1 : S 2 : 2x1 + x2 = 0,
x2 = 2.
5x1 + 2x2 = −1.

El conjunto de soluciones de ambos sistemas está formado por x1 = −1, x2 =

2.
2. Sistemas no equivalentes. Consideremos los sistemas en dos incógnitas

dados por
x1 = 1,
½
S 1 : {1 · x1 + 0 · x2 = 1, S 2 :
x2 = 0.
El conjunto de soluciones del primer sistema está formado por los va-
lores x1 = 1, x2 = β, para β ∈ R. Este conjunto contiene estrictamente al
conjunto de soluciones de S 2 .

Depto. de Álgebra
1.3. Adición y trasposición de matrices

Antes de continuar con el estudio de los sistemas de ecuaciones, introduci-
mos una notación que nos permitirá tratarlos de una manera más compacta.
Más adelante veremos que no es solamente una notación, sino que las opera-
ciones que nos permiten la resolución de un sistema de ecuaciones están muy
ligadas a las operaciones entre matrices.
El conjunto de m-uplas de números de un cuerpo K se notará por Km . Así,
Rm es el conjunto de m-uplas de números reales y Cm el de números complejos.
Análogamente, M (m ×n, K) denotará el conjunto de las matrices de orden m ×
n que contienen escalares en el cuerpo K.
Con respecto a la notación, usaremos letras mayúsculas para las matrices
y minúsculas con subíndice para las entradas individuales de la matriz. Así,
escribiremos
a11 a12 . . . a1n
 
 a21 a22 . . . a2n 
A= . .. .. ..  = (ai j ).
 
 .. . . . 
am1 am2 . . . amn
El primer subíndice de un elemento de la matriz indica la fila, y el segundo
subíndice denota la columna donde se encuentra. Por ejemplo, si
2 1 3 4
 
A =  8 6 5 −9  , entonces a11 = 2, a12 = 1, . . ., a34 = 7. (1.3.1)

−3 8 3 7
Una submatriz de una matriz dada A es una matriz que se obtiene seleccio-
nando un conjunto de filas y columnas de A. Por ejemplo,
2 4
µ ¶
B=
−3 7
es una submatriz de A porque B es el resultado de elegir los elementos de la

matriz A que se encuentran en la primera y tercera filas, junto a la primera y
cuarta columna.
Una matriz A se dice que tiene orden m ×n si A tiene exactamente m filas y
n columnas. La matriz A de (1.3.1) es una matriz 3×4. Por convenio, las matrices
1 × 1 se identifican con escalares, y al revés.
Para enfatizar que una matriz A es de orden m × n, usaremos la notación
A m×n . Cuando m = n, es decir, cuando el número de filas y columnas coincide,
diremos que la matriz es cuadrada. Para hablar de matrices en general, que no
sean necesariamente cuadradas, usaremos la expresión matriz rectangular.

Depto. de Álgebra
Las matrices que tienen una sola fila o una sola columna las llamaremos,
respectivamente, vectores fila o vectores columna. Los notaremos como u, v .
El símbolo A i ∗ se usa para denotar la fila i -ésima, y A ∗ j para la j -ésima
columna. Por ejemplo, si A es la matriz de (1.3.1), entonces
1
 
8 6 5 −9 y A ∗2 =  6  .
¡ ¢
A 2∗ =
8
La matriz de orden m × n con todas sus entradas nulas se denomina matriz

nula y la notaremos como Om×n . Cuando el contexto lo permita, eliminaremos
el orden para aliviar la notación.
Haremos uso de dos operaciones que generalizaremos al hablar de espacios
vectoriales. Dados dos vectores columna u, v del mismo orden, consideramos
su suma w = u + v como el vector columna del mismo orden y cuyas com-
ponentes w i son las sumas de las componentes respectivas u i + v i . De igual
forma, definimos w = αu como el vector columna del mismo orden que u y
con componentes w i = αu i . Podemos hacer algo análogo con las filas.
Dados u1 , u2 , . . . , us vectores del mismo orden, llamamos combinación li-
neal de estos vectores a una expresión de la forma
α1 u1 + α2 u2 + · · · + αs us ,
que es un vector formado por las operaciones anteriores.

Dos matrices A = (ai j ) y B = (b i j ) son iguales cuando A y B tienen el mismo
orden y las entradas correspondientes son iguales. Esta definición se aplica a
matrices como
1
 
u= 2  y v= 1 2 3 .
¡ ¢
Aunque podamos pensar que u y v describen el mismo punto en R3 , no pode-

mos decir que sean iguales como matrices, pues sus formas son diferentes.

Depto. de Álgebra
Suma de matrices
Si A y B son matrices de orden m × n, la suma de A y B se define como

la matriz de orden m × n notada por A + B, cuyas entradas verifican
A + B = (ai j + b i j ) para cada i , j.
La matriz −A, llamada opuesta de A, se define como
−A = (−ai j ).
La diferencia de A y B es
A − B = A + (−B).
Ejemplo 1.3.1.- Sean
2 −3 4 0 0 3
   
−4 −2
A =  1 −2 1 1  , B =  −3 1 −1 −2  .
0 0 0 0 −1 4 2 −1
Entonces
−2 3 −4 0 6 −1 4 −3
   
−2 −5 4 3
 
   
A+B =  −2 −1 0 −1  , −A = 
 −1 2 −1 −1  , A−B =  4 −3 2
  3 
.
−1 4 2 −1
0 0 0 0 1 −4 −2 1
Si
1
 
−1 −3 −2 −2
 
C =
 −3 −3 0 1 ,
−3 
1 −2 3 2 1
no podemos calcular A +C , pues A es de orden 3 × 4 y C es de orden 3 × 5.

Depto. de Álgebra
Propiedades de la suma de matrices
Sean A, B y C matrices de orden m × n. Se verifican las siguientes pro-

piedades:
A + B es una matriz de orden m × n.
(A + B) +C = A + (B +C ).
A + B = B + A.
A + O = O + A = A.
La matriz −A es de orden m × n y verifica A + (−A) = O.
P RUEBA : Las mismas propiedades se satisfacen para las suma de escalares.
El elemento (i , j ) de (A + B) + C es (ai j + b i j ) + ci j = ai j + (b i j + ci j ), que

es el elemento (i , j ) de A + (B +C ).
El elemento (i , j ) de A + B es ai j + b i j = b i j + ai j , que es el elemento (i , j )

de B + A.
Como la suma es conmutativa, sabemos que A + O = O + A. Además, la

entrada (i , j ) de A + O es ai j + 0 = ai j .
El elemento (i , j ) de A + (−A) es ai j + (−ai j ) = 0, por lo que es igual a la

matriz nula.
Multiplicación por un escalar
El producto de un escalar α por una matriz A de orden m × n, notada

por αA, se define como la matriz de orden m × n que verifica
αA = (αai j ).
Análogamente, Aα = (ai j α) = αA.

Depto. de Álgebra
Ejemplo 1.3.2.- Si
2 −3 4 0
 
 
A=
 1 −2 1 1 ,

0 0 0 0
entonces
−6 9 −12 0 0 0 0 0
   
   
 −3 6
(−3) · A =  −3 −3  , 0 · A  0 0 0 0 .
  
0 0 0 0 0 0 0 0
Propiedades de la multiplicación por un escalar
Sean A, B matrices de orden m × n, y α, β escalares.
αA es una matriz m × n.
(αβ)A = α(βA).
α(A + B) = αA + αB.
(α + β)A = αA + βA.
1 · A = A, 0 · A = O.
La demostración de estas propiedades se basa en que las mismas se verifi-

can para el producto de escalares del cuerpo K.
P RUEBA :
El elemento (i , j ) de (αβ)A es (αβ)ai j = α(βai j ), que es el elemento (i , j )

de α(βA).
El elemento (i , j ) de α(A + B) es α(ai j + b i j ) = αai j + αb i j , que es el ele-

mento (i , j ) de αA + αB.

Depto. de Álgebra
El elemento (i , j ) de (α+β)A es (α+β)ai j = αai j +βai j , que es el elemento

(i , j ) de α + βA.
El elemento (i , j ) de 1 · A es 1 · ai j = ai j , que es elemento (i , j ) de A. El

elemento (i , j ) de 0 · A es 0 · ai j = 0.
Trasposición
La traspuesta de una matriz A m×n es la matriz notada por A t de orden

n × m definida como
A t = (a j i ).
La matriz conjugada de una matriz A m×n es la matriz de orden m × n
notada por A definida como
A = (ai j ).
La matriz conjugada traspuesta de una matriz A m×n es la matriz de

orden n × m notada por A ∗ y definida como
A ∗ = (a j i ).
Ejemplo 1.3.3.- Sea

2 −3 4 0
 
 
A=
 1 −2 1 1 .

0 0 0 0
Entonces
2 1 0 2 1 0
   
 −3 −2 0 
 ∗  −3 −2 0 
   
 
t
A = , A =  .

 4 1 0   4 1 0 
   
0 1 0 0 1 0

Depto. de Álgebra
Para que haya alguna diferencia entre A t y A ∗ debemos emplear matrices con
entradas complejas. Por ejemplo, si
 
1
1−i
 
 , entonces u∗ = 1 1 + i 2 .
¡ ¢
u= −i
 
 i 
2
En el caso de matrices reales, A = A y A ∗ = A t .
Propiedades de la matriz traspuesta
Sean A y B matrices de la misma forma y α un escalar. Entonces
(A t )t = A, (A ∗ )∗ = A.
(A + B)t = A t + B t y (A + B)∗ = A ∗ + B ∗ .
(αA)t = αA t y (αA)∗ = αA ∗ .
P RUEBA :
El elemento (i , j ) de A t es a j i , por lo que el elemento (i , j ) de (A t )t es ai j .

Un razonamiento análogo se tiene para A ∗ .
El elemento (i , j ) de A + B es ai j + b i j , por lo que el elemento (i , j ) de

(A + B)t es a j i + b j i , que coincide con el elemento (i , j ) de A t + B t . De
manera similar se tiene la segunda parte.
El elemento (i , j ) de αA es αai j , por lo que el elemento (i , j ) de (αA)t es

αa j i , que coincide con el elemento (i , j ) de αA t . De manera similar se
tiene la segunda parte.

Depto. de Álgebra
Simetrías
Sea A = (ai j ) una matriz cuadrada.
Decimos que A es simétrica si A = A t , esto es, ai j = a j i .
Decimos que A es antisimétrica si A = −A t , esto es, ai j = −a j i .
Decimos que A es hermitiana si A = A ∗ , esto es, ai j = a j i .
Decimos que A es antihermitiana si A = −A ∗ , esto es, ai j = −a j i .
Ejemplo 1.3.4.- Sean
1 0 5 1 1 5
   
1 1+i
µ ¶
   
A= 0 −3 2  , B =  0 −3 2  ,C = .
    1−i 3
5 2 −3 5 2 −3
Entonces A es simétrica, B no es simétrica y C es hermitiana.
Un número asociado a una matriz cuadrada es la traza. Si A = (ai j ) es una

matriz cuadrada de orden n, entonces la traza de A es el número traza(A) =
a11 + a22 + · · · + ann = ni=1 ai i , es decir, la suma de sus elementos diagonales.
P
Por ejemplo, si
1 1 5
 
 
 1 −3
A= 2  , entonces traza(A) = 1 + (−3) + (−3) = −5.
5 2 −3
1.4. Multiplicación de matrices

La multiplicación de matrices no está definida para dos matrices cuales-
quiera; exigiremos que se satisfaga alguna condición entre las matrices a mul-
tiplicar.

Depto. de Álgebra
Matrices ajustadas para la multiplicación
Dos matrices A y B se dicen ajustadas para multiplicación en el orden

AB cuando el número de columnas de A es igual al número de filas de
B, esto es, si A es de orden m × p y B es de orden p × n.
Obsérvese que puede ocurrir que dos matrices A y B estén ajustadas para
la multiplicación en el orden AB pero no en el orden B A.
Ejemplo 1.4.1.- Las matrices
1 2 5
µ ¶ µ ¶
A= ,B= ,
3 4 6
están ajustadas para la multiplicación en el orden AB pero no en el orden B A.
Multiplicación de matrices
Sean A m×p y B p×n dos matrices ajustadas para multiplicación en el

orden AB. La matriz producto AB, de orden m × n, se define como
C = (ci j ), donde
p
X
ci j = ai 1 b 1j + ai 2 b 2j + . . . + ai p b p j = ai k bk j = A i ∗ B ∗ j .
k=1
El ejemplo anterior nos muestra que existe el producto AB, pero no B A.

Aunque existan ambos productos, estos no tienen por qué ser iguales y ni si-
quiera tienen que ser del mismo orden.
Considere lo que ocurre al tomar
3
µ ¶
1 2 ,B = ,
¡ ¢
A=
4

Depto. de Álgebra
y calcular AB y B A. Pero aunque fueran matrices cuadradas el producto no es

conmutativo en general. Por ejemplo, sean las matrices
2 1 1 1
µ ¶ µ ¶
C= ,D= .
0 −1 2 3
Entonces
4 5 2 0
Ã ! Ã !
CD = , DC = .
−2 −3 4 −1
Filas y columnas de un producto
Supongamos que A m×p = (ai j ) y B p×n = (b i j ).
[AB]i ∗ = A i ∗ B; esto es, la i -ésima fila de AB es la i -esima fila de

A multiplicada por B.
[AB]∗ j = AB ∗ j ; esto es, la j -ésima columna de AB es A multipli-

cada por la j -ésima columna de B.
Pp
[AB]i ∗ = ai 1 B 1∗ + ai 2 B 2∗ + · · · + ai p B p∗ = k=1 ai k B k∗ .
Pp
[AB]∗ j = A ∗1 b 1j + A ∗2 b 2j + · · · + A ∗p b p j = k=1
A ∗k b k j .
P RUEBA : Las dos primeras propiedades son inmediatas a partir de la defi-

nición. Para la tercera, se tiene
ci 1 ci 2 . . . ci n
¡ ¢
(AB)i ∗ =
¡ Pp Pp Pp
. . .
¢
= k=1
a i k b k1 k=1
a i k b k2 k=1
a i k b kn
p
X p
X
b k1 b k2 . . . b kn ai k B k∗ .
¡ ¢
= ai k =
k=1 k=1
La cuarta propiedad es análoga.
Las dos primeras igualdades se pueden escribir de manera más visual como
   
A 1∗ A 1∗ B
 A 2∗   A 2∗ B  ¡
 , A B ∗1 B ∗2 . . . B ∗n = AB ∗1 AB ∗2 . . . AB ∗n .
¢ ¡ ¢
.. B =  ..
   

 .   . 
A m∗ A m∗ B

Depto. de Álgebra
Las dos últimas ecuaciones indican que las filas de AB son combinación lineal
de las filas de B, y que las columnas de AB son combinación lineal de las co-
lumnas de A.
Otra forma muy usada para el producto de matrices es
 
B 1∗
 B 2∗ 
¢ 
AB = A ∗1 A ∗2 . . . A ∗p  . 
¡
 .. 
B p∗
= A ∗1 B 1∗ + A ∗2 B 2∗ + · · · + A ∗p B p∗ .
Observemos que la última expresión es una suma de matrices de orden m × n,

cada una de rango 1. Se denomina expansión mediante el producto exterior.
Nota 1.4.1. Todo sistema de m ecuaciones y n incógnitas
a11 x1 + a12 x2 + ··· + a1n xn = b1 ,

a21 x1 + a22 x2 + ··· + a2n xn = b2 ,
..
.
am1 x1 + am2 x2 + · · · + amn xn = b m ,
se puede escribir en forma matricial como A x = b, donde
a11 a12 . . . a1n

     
x1 b1
 a21 a22 . . . a2n   x2   b2 
A= . .. .. .. , x = .. , b = .. .
     
 .. .
   
. .   .   . 
am1 am2 . . . amn xn bm
Por otro lado, toda ecuación matricial A m×n xn×1 = bm×1 representa un sistema
lineal de m ecuaciones y n incógnitas.
Si el sistema tiene una solución u = (u i ), entonces podemos escribir
b = u 1 A ∗1 + u 2 A ∗2 + · · · + u n A ∗n ,
es decir, el vector b se expresa como combinación lineal de las columnas de A.
Ejemplo 1.4.2.- El sistema de ecuaciones
1,

 x3 +x4 =
−2x1 −4x2 +x3 = −1,
3x1 +6x2 −x3 +x4 = 2.


Depto. de Álgebra
se escribe como A x = b, donde

 
x1
0 0 1 1 1
   
x2
 
A = −2 −4 1 0 ,x =   , b =  −1  .
  
x3
3 6 −1 1 2
 
x4
Una solución del sistema es u = (−1, −1, 1, 0)t , de donde
1 0 0 1 1
         
 −1  = (−1)  −2  + (−1)  −4  + 1  1  + 0  0  .
2 3 6 −1 1
1.5. Propiedades de la multiplicación matricial
Propiedades distributiva y asociativa
Para matrices ajustadas se verifica
A(B +C ) = AB + AC .
(D + E )F = DF + E F .
A(BC ) = (AB)C .
P RUEBA :
Supongamos que A m×p , B p×n ,C p×n . Sea G = B +C y llamamos g i j = b i j +

ci j ; identificamos de forma análoga los elementos de las matrices H =
AG, Y = AB, Z = AC . Entonces
p
X p
X
hi j = ai k g k j = ai k (b k j + ck j )
k=1 k=1
Xp Xp
= ai k bk j + ai k ck j = y i j + zi j ,
k=1 k=1
o bien que H = Y + Z .

Depto. de Álgebra
Se prueba de manera similar a la anterior.
Supongamos que A m×p , B p×q ,C q×n y llamemos D = BC , E = AD, F = AB,G =

FC . Entonces
Ã !
p
X p
X q
X q
X p
X
ei j = ai k dk j = ai k b kl cl j = ai k b kl cl j
k=1 k=1 l =1 l =1 k=1
Xq
= f i l cl j = g i j ,
l =1
lo que es equivalente a decir que E = G.

Matriz identidad
La matriz de orden n × n con unos en la diagonal y ceros en el resto
1 0 ... 0
 
 0 1 ... 0 
In =  .. .. . . .. 
 
 . . . . 
0 0 ... 1
se denomina matriz identidad de orden n.
Para toda matriz A de orden m × n se verifica

AI n = A y I m A = A.
El subíndice de I n se elimina cuando el tamaño es obvio por el contexto. Las
columnas de I n se representan por los vectores e1 , e2 , . . . , en , es decir, el vector
ei es el vector de n componentes cuya componente i -ésima es igual a 1 y las
restantes iguales a cero. Observemos que la notación tiene la ambigüedad res-
pecto al tamaño del vector, y se deduce por los tamaños de las matrices que
intervengan en la expresión.
Trasposición y producto
Para matrices ajustadas A m×p y B p×n se verifica que
(AB)t = B t A t , y (AB)∗ = B ∗ A ∗ .

Depto. de Álgebra
P RUEBA : Probemos la primera propiedad. Sean C = AB = (ci j ), D = B t A t =

Pp Pp
(d i j ). Entonces C t = (c j i ) y c j i = k=1 a j k b ki . Por otro lado, d i j = k=1 b ki a j k ,
de donde C = D. La segunda propiedad es consecuencia de la anterior y del
hecho, fácil de demostrar, de que AB = A · B .
Ejemplo 1.5.1.- Para cada matriz A m×n
las matrices A A t y A t A son simétricas, y
las matrices A A ∗ y A ∗ A son hermitianas.
Ejemplo 1.5.2.- Para matrices A m×n y B n×m se verifica
traza(AB) = traza(B A).
De lo anterior se deduce que traza(ABC ) = traza(BC A) = traza(C AB), pero,

en general, traza(ABC ) 6= traza(B AC ).

Depto. de Álgebra
Multiplicación por bloques
Supongamos que A y B se particionan en submatrices, también llama-

dos bloques, como sigue:
... . . . B 1t
   
A 11 A 12 A 1r B 11 B 12
 A 21 A 22 ... A 2r   B 21 B 22 . . . B 2t 
A= .. .. .. .. ,B =  .. .. .. .. .
   
 . . . .   . . . . 
A s1 A s2 ... A sr Br 1 Br 2 . . . Br t
Si los pares (A i k , B k j ) son ajustados para el producto, entonces decimos

que A y B tienen una partición ajustada. Para tales matrices, el pro-
ducto AB se forma combinando los bloques exactamente de la misma
forma como se hace con los escalares en la multiplicación ordinaria.
Esto es, el bloque (i , j ) en AB es
A i 1 B 1j + A i 2 B 2j + · · · + A i r B r j .
Ejemplo 1.5.3.- Consideremos las matrices particionadas

   
1 2 1 0 1 0 0 0
 3 4 0 1  µ ¶  0 1 0 0  µ ¶
C I I O
A= = ,B =  = ,
   
 1 0 0 0  I O  1 2 1 2  C C
0 1 0 0 3 4 3 4
donde
1 0 1 2
µ ¶ µ ¶
I= y C= .
0 1 3 4
Mediante la multiplicación por bloques, el producto AB es fácil de obtener:
 
2 4 1 2
2C C  6 8 3 4 
µ ¶µ ¶ µ ¶ 
C I I O
AB = = =

I O C C I O  1 0 0 0 

0 1 0 0

Depto. de Álgebra
1.6. Eliminación gaussiana

La eliminación gaussiana es una herramienta que nos permitirá determinar
si un sistema tiene solución y, en tal caso, calcularlas todas. Es un algoritmo que
sistemáticamente transforma un sistema en otro más simple, pero equivalente.
La idea es llegar a un sistema lo más sencillo posible, eliminando variables, y
obtener al final un sistema que sea fácilmente resoluble.
Ejemplo 1.6.1.- El sistema
2x1 + 5x2 = −1,

½
S ≡
2x2 = 3,
se puede resolver fácilmente. La última ecuación nos permite despejar x2 = 3/2

y sustituir este valor en la primera ecuación para obtener
3 1 15 17
2x1 + 5 = −1, de donde x1 = (−1 − ) = − .
2 2 2 4
El proceso de eliminación descansa sobre tres operaciones simples que trans-

forman un sistema en otro equivalente. Para describir estas operaciones, sea E k
la k-ésima ecuación
E k : ak1 x1 + ak2 x2 + . . . + akn xn = b k
y escribamos el sistema como

 

 E1 

 E2
 

S ≡ . .
 ..





Em
 
Dado un sistema de ecuaciones S , cada una de las siguientes transformacio-

nes elementales produce un sistema equivalente S ′ .

Depto. de Álgebra
1. Intercambio de las ecuaciones i -ésima y j -ésima (1 ≤ i ≤ j ≤ m). Esto es,

si    
 E1    E1 
..  .. 

 
 
.  . 

 
 
 

  
 

   
E E
   

 i 
 
 j 

.. .. Ei j
   
′
S ≡ . , entonces S ≡ . → S ′.
,S −
   
Ej  Ei 

  
 
   
. .

 
 
 

. .
   
. .

 
 
 


 
 
 

   
Em Em
2. Reemplazo de la i -ésima ecuación por un múltiplo no nulo de ella. Esto

es,
 
 E1 
 ... 

 

 

 

′ αE i
S ≡ αE i , donde α 6= 0.S −→ S ′ .
 ... 

 

 

 

Em
 
3. Reemplazo de la j -ésima ecuación por la suma de ella misma con un

múltiplo de la i -ésima ecuación. Esto es,
 
 E1 
..

 

.

 


 

 
Ei

 

 
.. E j +αE i
 
′
S ≡ . .S −−−−→ S ′ .
 
E j + αE i

 

 
..

 

 
.

 


 

 
Em
Ejemplo 1.6.2.- Sea el sistema
2x1 − x2 − 2x3 + 3x4 − x5 1


 =
+ 2x2 + 2x5 0

x1 − x3 + x4 =

S ≡ . (1.6.1)

 3x1 + x2 + x3 + x4 + x5 = 0
2

−x1 + x2 − x3 + x4 − x5 =

Depto. de Álgebra
El intercambio de las ecuaciones (2) y (4) produce el sistema
2x1 − 2x3 + 3x4 1


 − x2 − x5 =
2

−x1 + x2 − x3 + x4 − x5 =

S′≡ (1.6.2)
 3x1
 + x2 + x3 + x4 + x5 = 0
+ 2x2 + 2x5 0

x1 − x3 + x4 =
E 24
→ S ′.
que notamos por S −
2x1 − x2 − 2x3 + 3x4 − x5 1


 =
+ 2x2 + 2x5 0

x1 − x3 + x4 =

S ≡ . (1.6.3)
 3x1
 + x2 + x3 + x4 + x5 = 0
2

−x1 + x2 − x3 + x4 − x5 =
La sustitución de la cuarta ecuación por el doble de ella misma produce el sis-

tema
2x1 − x2 − 2x3 + 3x4 − x5 = 1


+ 2x2 − x3 + x4 + 2x5 = 0

x1

S′≡ , (1.6.4)

 3x1 + x2 + x3 + x4 + x5 = 0
−2x1 + 2x2 − 2x3 + 2x4 − 2x5 = 4

2E 4
notado por S −→ S ′ .
2x1 − x2 − 2x3 + 3x4 − x5 1


 =
+ 2x2 + 2x5 0

x1 − x3 + x4 =

S ≡ . (1.6.5)

 3x1 + x2 + x3 + x4 + x5 = 0
2

−x1 + x2 − x3 + x4 − x5 =

Depto. de Álgebra
La sustitución de la tercera ecuación por la suma de ella más tres veces la cuarta
produce el sistema
2x1 − x2 − 2x3 + 3x4 1


 − x5 =
x1 + 2x2 + 2x5 0

− x3 + x4 =

S′≡ (1.6.6)

 4x2 − 2x3 + 4x4 − 2x5 = 0
2

−x1 + x2 − x3 + x4 − x5 =
E 3 +3E 4
expresado como S −−−−→ S ′ .
Sistemas equivalentes por transformaciones elementales
Si el sistema S ′ se obtiene a partir del sistema S por una concate-

nación de transformaciones elementales, entonces S ′ es un sistema
equivalente a S .
P RUEBA : Si S ′ se obtiene a partir de S mediante el intercambio de dos ecua-

ciones, transformación de tipo 1, es evidente que cualquier solución de S sa-
tisface las ecuaciones de S ′ y viceversa. Luego ambos sistemas son equivalen-
tes.
Si S ′ se obtiene de S mediante la sustitución de una ecuación por un múl-
tiplo no nulo de ella, transformación de tipo 2, es decir, si son
   
 E1   E1 
.. ..

 
 
 

 .  .

 
 
 

 
  

S ≡ Ei y S ′ ≡ αE i con α 6= 0,

 .. 
 
 .. 

. .

 
 
 


 
 
 

Em Em
   
entonces, las soluciones de la ecuación E i también lo son de la ecuación αE i .

Aquí no interviene el carácter no nulo de α. Recíprocamente, una solución de
αE i , con α 6= 0, es solución de E i . Por tanto, ambos sistemas son equivalentes.
Si S ′ se obtiene de S mediante la sustitución de una ecuación por la suma
de ella misma más un múltiplo de otra, transformación de tipo 3, es decir, si

Depto. de Álgebra
son    
 E1   E1 
.. ..

 
 
 

. .

 
 
 


 
 
 

   
 Ei Ei

 
 
 

   
.. ..
  
′
S ≡ . , yS ≡ . ,
   
E E j + αE i
   
j

 
 
 

.. ..

 
 
 

   
. .

 
 
 


 
 
 

   
Em Em
entonces una solución de S verifica todas las ecuaciones E i , por lo que tam-
bién verifica la expresión E j +αE i . Recíprocamente, una solución de S ′ verifica
todas sus ecuaciones, por lo que se cumple las expresiones E i y E j +αE i , por lo
que también verifica E j . En tal caso, es solución también de S .
El problema más común en la práctica es la resolución de un sistema con

n ecuaciones y n incógnitas, lo que se conoce como un sistema cuadrado, con
solución única. En este caso, la eliminación gaussiana es directa, y más tarde
estudiaremos las diferentes posibilidades. Lo que sigue es un ejemplo típico.
Ejemplo 1.6.5.- Consideremos el sistema

2x1 + x2 + x3 = 1,
6x1 + 2x2 + x3 = −1, (1.6.7)
−2x1 + 2x2 + x3 = 7.
En cada paso, la estrategia es centrarse en una posición, llamada posición pivo-
te, y eliminar todos los términos con esa incógnita en las siguientes ecuaciones
usando las tres operaciones elementales. Desde un punto de vista visual, ha-
blaremos de los términos por debajo de la posición pivote. El coeficiente en la
posición pivote se denomina pivote, mientras que la ecuación en donde se en-
cuentra el pivote se llama ecuación pivote. Solamente se permiten números no
nulos como pivotes. Si un coeficiente en una posición pivote es cero, entonces
la ecuación pivote se intercambia con una ecuación posterior para producir un
pivote no nulo. Esto siempre es posible para sistemas cuadrados con solución
única, como veremos más adelante. A menos que sea cero, el primer coeficiente
de la primera ecuación se toma como el primer pivote. Por ejemplo, el elemen-
to 2 del sistema es el pivote del primer paso:
2 x1 + x2 + x3 = 1,
6x1 + 2x2 + x3 = −1,
−2x1 + 2x2 + x3 = 7.

Depto. de Álgebra
Paso 1. Elimina todos los términos por debajo del pivote.
Resta tres veces la primera ecuación de la segunda para generar el sistema

equivalente
2 x1 + x2 + x3 = 1,
− x2 − 2x3 = −4, (E 2 − 3E 1)
−2x1 + 2x2 + x3 = 7.
Suma la primera ecuación a la tercera para formar el sistema equivalente
2 x1 + x2 + x3 = 1,
− x2 − 2x3 = −4,
3x2 + 2x3 = 8 (E 3 + E 1 ).
Paso 2. Selecciona un nuevo pivote.
De momento, seleccionamos un nuevo pivote buscando hacia abajo. Si

este coeficiente no es cero, entonces es nuestro pivote. En otro caso, in-
tercambiamos con una ecuación que esté por debajo de esta posición pa-
ra colocar el elemento no nulo en la posición pivote. En nuestro ejemplo,
−1 es el segundo pivote:
2x1 + x2 + x3 = 1,
(-1) x2 − 2x3 = −4,
3x2 + 2x3 = 8.
Paso 3. Elimina todos los términos por debajo del pivote.
Suma tres veces la segunda ecuación a la tercera para llegar al sistema

equivalente:
2x1 + x2 + x3 = 1,
(-1) x2 − 2x3 = −4,
− 4x3 = −4 (E 3 + 3E 2 ).
En general, en cada paso nos movemos abajo y consideramos la siguien-

te variable para seleccionar el nuevo pivote, y entonces eliminar todos
los términos por debajo de él hasta que ya no podamos seguir. En este
ejemplo, el tercer pivote es −4, pero como ya no hay nada por debajo que
eliminar, paramos el proceso.

Depto. de Álgebra
En este punto, decimos que hemos triangulado el sistema. Un sistema trian-

gular se resuelve muy fácilmente mediante el método de sustitución hacia atrás,
en el que la última ecuación se resuelve para la última incógnita y se sustituye
hacia atrás en la penúltima ecuación, la cual se vuelve a resolver para la penúlti-
ma incógnita, y continuamos así hasta llegar a la primera ecuación. En nuestro
ejemplo, de la última ecuación obtenemos
x3 = 1.
Sustituimos x3 = 1 en la segunda ecuación, y tenemos
x2 = 4 − 2x3 = 4 − 2(1) = 2.
Por último, sustituimos x3 = 1 y x2 = 2 en la primera ecuación para obtener
1 1
x1 = (1 − x2 − x3 ) = (1 − 2 − 1) = −1,
2 2
que completa la solución.
1.7. Notación sobre matrices

No hay razón para escribir los símbolos como x1 , x2 o x3 en cada paso, pues
lo único que manejamos son los coeficientes. Si descartamos los símbolos, en-
tonces el sistema de ecuaciones se reduce a una disposición rectangular de
números en la que cada fila representa una ecuación. Por ejemplo, el sistema
(1.6.7) se puede representar como una disposición de los números en la forma
2 1 1 1
 
 6 2 1 −1  (la barra indica dónde aparece el signo =).
−2 2 1 7
Esta disposición de números en filas y columnas es una matriz. Considere-

mos entonces un sistema de ecuaciones
a11 x1 + a12 x2 + . . . + a1n xn = b 1




 a21 x1 + a22 x2 + . . . + a2n xn = b 2

S ≡ ..


 .
am1 x1 + am2 x2 + . . . + amn xn = b m


Depto. de Álgebra
Matrices de un sistema de ecuaciones
Llamamos matriz de coeficientes del sistema lineal S a la matriz
a11 a12 . . . a1n

 
 a21 a22 . . . a2n 
A= . .. . ..  .
 
 . . . . . . 
am1 am2 . . . amn
Si aumentamos la matriz de coeficientes a la derecha con los términos

independientes tenemos la matriz ampliada del sistema:
...
 
a11 a12 a1n b1
 a21 a22 ... a2n b2 
(A|b) =  .. .. .. .. .
 
 . . . . 
am1 am2 . . . amn b m
Ejemplo 1.7.1.- En el sistema anterior, la matriz de coeficientes del sistema es
2 1 1
 
A= 6 2 1 
−2 2 1
y la matriz ampliada es
2 1 1 1
 
=  6 2 1 −1  .
¡ ¢
A b
−2 2 1 7
Recordemos que la multiplicación matricial permite escribir el sistema en

la forma compacta A x = b.

Depto. de Álgebra
1.8. Operaciones elementales sobre filas

La eliminación gaussiana se puede realizar sobre la matriz ampliada [A|b]
mediante operaciones elementales sobre las filas de [A|b]. Estas operaciones
elementales de filas se corresponden a las tres operaciones elementales que
hemos visto antes.
Para una matriz de orden m × n de la forma
M1∗
 
 .. 
 . 
 
 Mi ∗ 
 . 
 
M =  ..  ,
 
 Mj∗ 
 . 
 
 .. 
Mm∗
los tres tipos de operaciones elementales de filas sobre M son como sigue.
Operaciones elementales por fila
Tipo I Tipo II Tipo III

Intercambio Multiplicación por α 6= 0 Combinación lineal
M1∗ M1∗
   
 ..  
M1∗
 ..
 .  .
 
 

 Mj∗ 
 .. 
M

.
 
i ∗
   
 ..  ..
     
 .   αMi ∗ 
.
 
 
..
     
 Mi ∗     M j ∗ + αMi ∗ 
 . 
 .  ..
   
 ..  Mm∗
 
 . 
Mm∗ Mm∗
Fi j αFi F j +αFi
M−
→ M −→ M −−−−→
Dos matrices M y M ′ se dicen equivalentes por filas si puede transformarse

una en otra mediante una sucesión finita de operaciones elementales por filas.

Depto. de Álgebra
Por ejemplo, las matrices

1 1 −1 0 F12 2 0 1 1
µ ¶ µ ¶
−
→
2 0 1 1 1 1 −1 0
1 1 −1 0 F2 −2F1 1 1 −1 0
µ ¶ µ ¶
−−−−→ ,
2 0 1 1 0 −2 3 1
1 1 −1 0 12 F2 1 1 −1 0
µ ¶ µ ¶
−→
2 0 1 1 1 0 1/2 1/2
son equivalentes por filas. Usaremos esta notación para indicar las transforma-
ciones elementales.
Nota 1.8.1. Observemos que la relación entre matrices definida por la equiva-
lencia por filas es una relación de equivalencia. Es de señalar el carácter simé-
trico de la relación para cada una de las transformaciones. Para el tipo I (inter-
cambio), la misma operación transforma M ′ en M. Para el tipo II, la transfor-
1
α Fi
mación M ′ −→, que también es de tipo II, nos devuelve la matriz original. Para
F j −αFi
el tipo III, con M ′ −−−−→, que es de tipo III, retornamos a M.
Ejemplo 1.8.1.- Para resolver el sistema del ejemplo 1.6.5 mediante operacio-
nes elementales por fila, partimos de la matriz ampliada M = (A|b) y triangula-
mos la matriz de coeficientes A realizando la misma secuencia de operaciones
por fila que se corresponden a las operaciones elementales realizadas sobre las
ecuaciones.
 F2 − 3F1 
2 1 1 1 2 1 1 1
 
F3 + F1
 6 2 1 −1  −−−−−−−→  0 -1 −2 −4 
−2 2 1 7 0 3 2 8
2 1 1 1
 
F3 +3F2
−−−−→  0 −1 −2 −4 
0 0 −4 −4
La matriz final representa el sistema triangular
2x1 + x2 + x3 = 1,
− x2 − 2x3 = −4,
− 4x3 = −4.
que se resuelve por sustitución hacia atrás, como explicamos antes (ver ejem-
plo 1.6.5).

Depto. de Álgebra
En general, si un sistema cuadrado n × n se triangula a la forma
...
 
t 11 t12 t1n c1
 0 t22 ... t2n c2 
.. .. .. .. .. (1.8.1)
 
.
 
 . . . . 
0 0 . . . tnn cn
en donde cada ti i 6= 0 (no hay pivotes nulos), entonces el algoritmo general de

sustitución hacia atrás es como sigue.
Algoritmo de sustitución hacia atrás
La solución del sistema triangular se calcula mediante xn = cn /tnn y

procede de manera recursiva calculando
1
xi = (ci − ti ,i +1 xi +1 − ti ,i +2 xi +2 − . . . − ti n xn )
ti i
para i = n − 1, n − 2, . . ., 2, 1.
1.9. Forma escalonada por filas

Ya estamos preparados para analizar sistemas rectangulares con m ecua-
ciones y n incógnitas
a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2
..
.
am1 x1 + am2 x2 + . . . + amn xn = b m ,
donde m puede ser diferente de n. Si no sabemos con seguridad que m y n

son iguales, entonces decimos que el sistema es rectangular. El caso m = n
también queda comprendido en lo que digamos.
La primera tarea es extender la eliminación gaussiana de sistemas cuadra-
dos a sistemas rectangulares. Recordemos que un pivote debe ser siempre un
valor no nulo. En el caso de un sistema rectangular general, no siempre es po-
sible tener las posiciones pivote en la diagonal principal de la matriz de coefi-
cientes. Esto significa que el resultado final de la eliminación gaussiana no será

Depto. de Álgebra
una forma triangular. Por ejemplo, consideremos el siguiente sistema:
x1 + 2x2 + x3 + 3x4 + 3x5 = 5,

2x1 + 4x2 + 4x4 + 4x5 = 6,
x1 + 2x2 + 3x3 + 5x4 + 5x5 = 9,
2x1 + 4x2 + 4x4 + 7x5 = 9.
Fijemos nuestra atención en la matriz ampliada
 
1 2 1 3 3 5
2 4 0 4 4 6
 
, (1.9.1)
¡ ¢
B= A b =
 
 1 2 3 5 5 9 
2 4 0 4 7 9
Aplicamos eliminación gaussiana a B para obtener el siguiente resultado:
   
1 2 1 3 3 5 1 2 1 3 3 5
2 4 0 4 4 6 0 0 −2 −2 −2 −4
   
→ .
   
1 2 3 5 5 9 0 0 2 2 2 4

   
2 4 0 4 7 9 0 0 −2 −2 1 −1
En el proceso de eliminación básico, nos movemos abajo y a la derecha, a la

siguiente posición pivote. Si encontramos un cero en esta posición, se efectúa
un intercambio con una fila inferior para llevar un número no nulo a la posición
pivote. Sin embargo, en este ejemplo, es imposible llevar un elemento no nulo a
la posición (2, 2) mediante el intercambio de la segunda fila con una fila inferior.
Para manejar esta situación, debemos modificar el procedimiento de la eli-

minación gaussiana.

Depto. de Álgebra
Eliminación gaussiana modificada
Sea A m×n una matriz y supongamos que U es la matriz obtenida a par-

tir de A tras haber completado i − 1 pasos de eliminación gaussiana.
Para ejecutar el i -ésimo paso, procedemos como sigue:
De izquierda a derecha en U , localizamos la primera columna

que contiene un valor no nulo en o por debajo de la i -ésima po-
sición. Digamos que es U∗ j .
La posición pivote para el i -ésimo paso es la posición (i , j ).
Si es necesario, intercambiamos la i -ésima fila con una fila infe-

rior para llevar un número no nulo a la posición (i , j ), y entonces
anulamos todas las entradas por debajo de este pivote.
Si la fila Ui ∗ , así como todas las filas de U por debajo de Ui ∗

consisten en filas nulas, entonces el proceso de eliminación es-
tá completo.
Ilustremos lo anterior aplicando la versión modificada de la eliminación

gaussiana a la matriz dada en 1.9.1
Ejemplo 1.9.1.- Aplicamos la eliminación gaussiana modificada a la matriz

 
1 2 1 3 3 5
 2 4 0 4 4 6 
 
B = ,
 1 2 3 5 5 9 
2 4 0 4 7 9
y marcamos los elementos no nulos encontrados:

   
1 2 1 3 3 5 1 2 1 3 3 5
 2 4 0 4 4 6   0 0 -2 −2 −2 −4 
   
→
 1 2 3 5 5 9   0 0 2 2 2 4 
 
2 4 0 4 7 9 0 0 −2 −2 1 −1
   
1 2 1 3 3 5 1 2 1 3 3 5
 0 0 -2 −2 −2 −4   0 0 -2 −2 −2 −4 
   
→ → .
 0 0 0 0 0 0   0 0 0 0 3 3 
0 0 0 0 3 3 0 0 0 0 0 0

Depto. de Álgebra
Observemos que el resultado final de aplicar la eliminación gaussiana en el

ejemplo anterior no es una forma triangular exactamente, sino un tipo escalo-
nado de forma triangular. Por su importancia, le damos un nombre especial.
Forma escalonada por filas
Una matriz E de orden m × n con filas E i ∗ y columnas E ∗ j se dice que

está en forma escalonada por filas si verifica:
Si E i ∗ es una fila de ceros, entonces todas las filas por debajo de

E i ∗ son también nulas.
Si la primera entrada no nula de E i ∗ está en la j -ésima posición,

entonces todas las entradas por debajo de la i -ésima posición en
las columnas E ∗1, E ∗2 , . . . , E ∗ j son nulas.
El algoritmo de la eliminación gaussiana modificada nos proporciona el si-

guiente resultado:
Equivalencia con una forma escalonada
Toda matriz es equivalente por filas a una forma escalonada por filas.
Una estructura típica de una forma escalonada por filas, con los pivotes
marcados, es  
* ∗ ∗ ∗ ∗ ∗ ∗ ∗
 0 0 * ∗
 
∗ ∗ ∗ ∗ 
 
 0 0 0 * ∗ ∗ ∗ ∗ 
 
 0 0 0 0 0 0 * ∗
 

 0 0 0 0 0 0 0 0
 

0 0 0 0 0 0 0 0
Los pivotes son las primeras entradas no nulas en cada fila. Podemos tener tam-
bién columnas de ceros a la izquierda de la matriz.

Depto. de Álgebra
Como hay flexibilidad para elegir las operaciones por filas que reducen una
matriz A a una forma escalonada E , las entradas de E no están unívocamente
determinadas por A. Sin embargo, probaremos que las posiciones de los pivo-
tes son siempre las mismas.
Nota 1.9.1. Sean A m×n y B m×n matrices tales que B se ha obtenido de A me-
diante transformaciones elementales por filas. Supongamos que existe una re-
lación de la forma
n
X
A ∗k = α j A∗ j ,
j =1
que expresa la columna A ∗k como combinación lineal de otras columnas de la

matriz A. Entonces se tiene la misma relación en la matriz B, es decir,
n
X
B ∗k = α j B∗ j ,
j =1
con los mismos coeficientes. Es una comprobación muy sencilla para cada trans-
formación.
Por aplicación reiterada de este resultado, si E es una forma escalonada por
filas de A, las relaciones entre las columnas de E son las mismas que las rela-
ciones entre las columnas de A.
1.10. Forma escalonada reducida por filas

Se puede avanzar en la simplificación de una forma escalonada por filas.
Por ejemplo, mediante la multiplicación de una fila por un escalar no nulo
(transformación elemental), podemos conseguir que cada pivote sea igual a 1.
Además, se pueden anular las entradas que se encuentran por encima de cada
pivote. El siguiente ejemplo ilustra este proceso.
Ejemplo 1.10.1.- Obtenemos una forma escalonada de la matriz

 
1 2 1 3 3 5
2 4 0 4 4 6
 
 
1 2 3 5 5 9
 
 
2 4 0 4 7 9

Depto. de Álgebra
mediante transformaciones elementales y hacemos, en cada paso, los pivotes

iguales a 1, así como anular las entradas superiores a cada pivote.
     
1 2 1 3 3 5 1 2 1 3 3 5 1 2 1 3 3 5
2 4 0 4 4 6 0 0 -2 −2 −2 −4   0 0 1 1 1 2
     
→ →
   
1 2 3 5 5 9 0 0 2 2 2 4   0 0 2 2 2 4
 
   
2 4 0 4 7 9 0 0 −2 −2 1 −1 0 0 −2 −2 1 −1
     
1 2 0 2 2 3 1 2 0 2 2 3 1 2 0 2 2 3
0 0 1 1 1 2 0 0 1 1 1 2   0 0 1 1 1 2 
     
→ →
  
0 0 0 0 0 0 0 0 0 0 3 3   0 0 0 0 1 1 
 
  
0 0 0 0 3 3 0 0 0 0 0 0 0 0 0 0 0 0
 
1 2 0 2 0 1
0 0 1 1 0 1 
 
→ .

 0 0 0 0 1 1 
0 0 0 0 0 0
Este proceso es una extensión del conocido como método de Gauss-Jordan.

Comparamos este ejemplo con el resultado del ejemplo 1.9.1 (pág. 35), y vemos
que la forma de la matriz final es la misma en ambos casos, que tiene que ver
con la unicidad de las posiciones de los pivotes que hemos comentado ante-
riormente. La única diferencia es el valor numérico de algunas entradas. Por la
naturaleza de la eliminación, cada pivote es 1 y todas las entradas por encima
y por debajo son nulas. Por tanto, la forma escalonada por filas que produce
esta reducción contiene un número reducido de entradas no nulas. Esto nos
permite dar la siguiente definición.
Forma escalonada reducida por filas
Una matriz E m×n está en forma escalonada reducida por filas si se ve-
rifican las siguientes condiciones:
E está en forma escalonada por filas.
La primera entrada no nula de cada fila (el pivote) es 1.
Todas las entradas por encima del pivote son cero.

Depto. de Álgebra
Una estructura típica de una matriz en forma escalonada reducida por filas es
1 0 0 0
 
∗ ∗ ∗ ∗

 0 0 1 0 ∗ ∗ 0 ∗ 

0 0 0 1 ∗ ∗ 0 ∗
 
 
0 0 0 0 0 0 1
 

 ∗ 

 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0
Observemos que una columna que contenga un pivote no puede ser combina-
ción lineal de las anteriores. Lo mismo se aplica a una forma escalonada cual-
quiera. Como comentamos antes, si una matriz A se transforma en una for-
ma escalonada por filas mediante operaciones elementales por fila, entonces
la forma está unívocamente determinada por A, pero las entradas individua-
les de la forma no son únicas. Sin embargo, la forma escalonada reducida tiene
una propiedad especial.
Unicidad de la forma escalonada reducida por filas y pivotes
Toda matriz A es equivalente por filas a una única forma escalonada

reducida por filas E A . Además, toda forma escalonada de A tiene los
pivotes en las mismas posiciones.
P RUEBA : Sea A una matriz m × n. Probaremos el teorema por inducción

sobre n. Si la matriz A tiene una columna (caso n = 1), entonces tenemos dos
posibilidades para E A , : la entrada en la primera fila es cero o uno, y las restantes
componentes son nulas. En otras palabras,
0 1
   
 0   0 
EA =  ..  o bien E A =  .. .
   
 .   . 
0 0
Como toda operación por filas aplicada al primer caso la deja invariante, no
podemos usar estas operaciones para transformar la primera matriz en la se-
gunda, ni podemos cambiar la segunda en la primera, por el carácter reversi-
ble de las operaciones elementales. Esto significa que una matriz con una sola
columna es equivalente por filas a una de las matrices anteriores, pero no a
ambas.

Depto. de Álgebra
Supongamos ahora que n > 1 y que el teorema es cierto para matrices con
menos de n columnas. Si B y C son dos formas escalonadas reducidas por fi-
las obtenidas a partir de A, sean A ′ , B ′ y C ′ las matrices obtenidas mediante el
borrado de la última columna de A, B y C , respectivamente. Entonces B ′ y C ′
son equivalentes por filas a A ′ . Más aún, B ′ y C ′ están en forma escalonada re-
ducida por filas. Como A ′ tiene n − 1 columnas, la hipótesis de inducción nos
garantiza que B ′ = C ′ . Por tanto, B y C únicamente pueden ser diferentes en la
última columna. Vamos a distinguir dos posibilidades.
Si B y C no contienen un pivote en la última columnas, entonces B ∗n es
combinación lineal de las columnas anteriores con pivotes. Con C ∗n ocurre lo
mismo, y con los mismos coeficientes y columnas, pues C y B están relaciona-
das mediante transformaciones elementales. Esto implica que B = C .
Si B y C contienen un pivote en la última columna, entonces B ∗n tiene un 1
en la posición k y ceros en las restantes, y C ∗n tiene un 1 en la posición l y ceros
en las restantes. Como las n − 1 primeras columnas de B y C son iguales, la fila
k en la que aparece el pivote 1 de B ∗n coincide con la fila l en la que aparece
el pivote 1 en C ∗n : es la primera fila nula de la forma escalonada reducida por
filas de A ′ . Por tanto, k = l y B ∗n = C ∗n .
Para la segunda parte, supongamos que U es una forma escalonada por filas
obtenidas a partir de A. Para llegar de U a E A , hacemos los pivotes iguales a 1
y anulamos las entradas por encima de dicho pivote. Entonces las posiciones
pivote de U coinciden con las de E A .

Nota 1.10.1. Para una matriz A, el símbolo E A denotará la única forma escalo-
nada reducida por filas derivada de A mediante transformaciones elementales
por fila. También escribiremos
rref G-J
→ E A o bien A −
A− → E A,
porque el procedimiento anterior se conoce también como algoritmo de Gauss-

Jordan. El uso de !" responde a que es el comando que se usa en programas
como M ATLAB, O CTAVE o S CILAB para el cálculo de la forma escalonada redu-
cida por filas (reduced row echelon form).
Como las posiciones pivote son únicas, se sigue que el número de pivotes,
que es el mismo que el número de filas no nulas de E , también está unívoca-
mente determinado por A. Este número se denomina rango de A, y es uno de
los conceptos fundamentales del curso.

Depto. de Álgebra
Rango de una matriz
Supongamos que una matriz A de orden m × n se reduce mediante

operaciones elementales por filas a una forma escalonada E . El rango
de A es el número
rango(A) = número de pivotes

= número de filas no nulas de E
= número de columnas básicas de A,
donde las columnas básicas de A son aquellas columnas de A que con-

tienen las posiciones pivote.
Ejemplo 1.10.2.- Determinemos E A , calculemos rango(A) e identifiquemos

las columnas básicas de
 
1 2 2 3 1
 2 4 4 6 2
 
A= .

 3 6 6 9 6 
1 2 4 5 3
Identificamos los pivotes en cada paso.

     
1 2 2 3 1 1 2 2 3 1 1 2 2 3 1
 2 4 4 6 2   0 0 0 0 0   0 0 2 2 2 
     
→ →
 3 6 6 9 6   0 0 0 0 3   0 0 0 0 3 
 
1 2 4 5 3 0 0 2 2 2 0 0 0 0 0
   
1 2 2 3 1 1 2 0 1 −1
 0 0 1 1 1   0 0 1 1 1 
   
→ →
 0 0 0 0 3   0 0 0 0 3 

0 0 0 0 0 0 0 0 0 0
   
1 2 0 1 −1 1 2 0 1 0
 0 0 1 1 1   0 0 1 1 0 
   
→ →  = EA
 0 0 0 0 1   0 0 0 0 1 
0 0 0 0 0 0 0 0 0 0
Por tanto, rango(A) = 3, y {A ∗1 , A ∗3 , A ∗5 } son las tres columnas básicas.

Depto. de Álgebra
Ejemplo 1.10.3.- Determinemos el rango y columnas básicas de la matriz
1 2 1 1
 
A =  2 4 2 2 .
3 6 3 4
Reducimos A a forma escalonada por filas.

    
1 2 1 1 1 2 1 1 1 2 1 1

 2 4 2 2 →  0 0 0 0 → 0 0 0
 
1 =E

3 6 3 4 0 0 0 1 0 0 0 0
Por tanto, rango(A) = 2. Las posiciones pivote están en la primera y cuarta co-
lumna, por lo que las columnas básicas de A son A ∗1 y A ∗4 . Esto es,
 1 1 
   
Columnas básicas =  2  , 2  .

3 4
 
Es importante resaltar que las columnas básicas se extraen de A y no de la for-

ma escalonada E .
1.11. Compatibilidad de sistemas

Recordemos que un sistema de m ecuaciones y n incógnitas se dice com-
patible si posee al menos una solución. Si no tiene soluciones, decimos que el
sistema es incompatible.
Un sistema lineal compatible se dice determinado si tiene una única solución,
en otro caso se dice indeterminado.
El propósito de esta sección es determinar las condiciones bajo las que un
sistema es compatible. Establecer dichas condiciones para un sistema de dos o
tres incógnitas es fácil. Una ecuación lineal con dos incógnitas representa una
recta en el plano, y una ecuación lineal con tres incógnitas es un plano en el

Depto. de Álgebra
espacio de tres dimensiones. Por tanto, un sistema lineal de m ecuaciones con

dos incógnitas es compatible si y solamente si las m rectas definidas por las m
ecuaciones tienen al menos un punto común de intersección. Lo mismo ocurre
para m planos en el espacio. Sin embargo, para m grande, estas condiciones
geométricas pueden ser difíciles de verificar visualmente, y cuando n > 3 no es
posible esta representación tan visual.
Mejor que depender de la geometría para establecer la compatibilidad, usa-
remos la eliminación gaussiana. Si la matriz ampliada asociada [A|b] se reduce
mediante operaciones por filas a una forma escalonada por filas [E |c], enton-
ces la compatibilidad o no del sistema es evidente. Supongamos que en un mo-
mento del proceso de reducción de [A|b] a [E |c] llegamos a una situación en la
que la única entrada no nula de una fila aparece en la última columna, como
mostramos a continuación:
 
∗ ∗ ∗ ∗ ∗ ∗ ∗
 0 0 0 ∗ ∗ ∗ ∗ 
 
 0 0 0 0 ∗ ∗ ∗ 
 
Fila i →  0 0 0 0 0 0 α  ← α 6= 0.
 
... ... ... ... ... ... ...
Si esto ocurre en la i -ésima fila, entonces la i -ésima ecuación del sistema aso-
ciado es
0 · x1 + 0 · x2 + . . . + 0 · xn = α.
Para α 6= 0, esta ecuación no tiene solución, y el sistema original es incompa-
tible (recordemos que las operaciones por filas no alteran el conjunto de solu-
ciones). El recíproco también se verifica. Esto es, si el sistema es incompatible,
entonces en algún momento del proceso de eliminación llegamos a una fila de
la forma
0 0 . . . 0 α , α 6= 0. (1.11.1)
¡ ¢
En otro caso, la sustitución hacia atrás se podría realizar y obtener una solu-
ción. No hay incompatibilidad si se llega a una fila de la forma
0 0 ... 0 0 .
¡ ¢
Esta ecuación dice simplemente 0 = 0, y aunque no ayuda a determinar el valor

de ninguna incógnita, es verdadera.
Existen otras formas de caracterizar la compatibilidad (o incompatibilidad)
de un sistema. Una es observando que si la última columna b de la matriz am-
pliada [A|b] es una columna no básica, entonces no puede haber un pivote en
la última columna, y por tanto el sistema es compatible, porque la situación
1.11.1 no puede ocurrir. Observemos también que si el sistema es compatible,

Depto. de Álgebra
entonces la situación 1.11.1 no puede ocurrir, y en consecuencia la última co-

lumna no puede ser básica.
Por tanto,
[A|b] es compatible si y solamente si b no es columna básica.
Decir que b no es columna básica en [A|b] es equivalente a decir que todas

las columnas básicas de [A|b] están en la matriz de coeficientes A. Como el nú-
mero de columnas básicas es el rango, la compatibilidad puede ser caracteriza-
da diciendo que un sistema es compatible si y sólo si rango([A|b]) = rango(A).
Este enunciado en función del rango se conoce como teorema de Rouché-
Frobenius, del que más adelante daremos un anunciado algo más ampliado.
Resumimos todas estas condiciones.
Compatibilidad de un sistema
Cada uno de las siguientes enunciados es equivalente a que el sistema

lineal determinado por la matriz [A|b] es compatible.
En la reducción por filas de [A|b], nunca aparece una fila de la

forma
0 0 . . . 0 α , α 6= 0.
¡ ¢
b es una columna no básica de [A|b].
b es combinación lineal de las columnas básicas de A.
rango([A|b]) = rango(A).
Ejemplo 1.11.1.- Determinemos si el sistema
x1 + x2 + 2x3 + 2x4 + x5 = 1,
2x1 + 2x2 + 4x3 + 4x4 + 3x5 = 1,
2x1 + 2x2 + 4x3 + 4x4 + 2x5 = 2,
3x1 + 5x2 + 8x3 + 6x4 + 5x5 = 3,

Depto. de Álgebra
es compatible. Aplicamos eliminación gaussiana a la matriz ampliada [A|b].

   
1 1 2 2 1 1 1 1 2 2 1 1
2 2 4 4 3 1 0 0 0 0 1 −1 
   
 → 
  
2 2 4 4 2 2 0 0 0 0 0 0 
 
  
3 5 8 6 5 3 0 2 2 0 2 0
 
1 1 2 2 1 1
0 2 0 0 2 0
 
→  .
 
 0 0 0 0 1 −1 
0 0 0 0 0 0
Como no hay ninguna fila de la forma 0 0 . . . 0 α , con α 6= 0, el sistema

¡ ¢
es compatible. También observamos que b no es una columna básica en [A|b],

por lo que rango([A|b]) = rango(A).
Luego un sistema es compatible si y solamente si rango([A|b]) = rango(A).

El objetivo ahora es determinar cuándo es compatible determinado o indeter-
minado. Para ello, debemos estudiar antes un tipo especial de sistemas.
1.12. Sistemas homogéneos
Sistemas homogéneos
Un sistema de m ecuaciones y n incógnitas
a11 x1 + a12 x2 + ... + a1n xn = 0

a21 x1 + a22 x2 + ... + a2n xn = 0
..
.
am1 x1 + am2 x2 + . . . + amn xn = 0,
en el que el lado derecho contiene únicamente ceros se denomina ho-

mogéneo. Si al menos uno de los coeficientes de la derecha es no nulo,
decimos que es no homogéneo.
En esta sección vamos a examinar algunas de las propiedades más elemen-

tales de los sistemas homogéneos.

Depto. de Álgebra
La compatibilidad nunca es un problema con un sistema homogéneo, pues

x1 = x2 = . . . = xn = 0 siempre es una solución del sistema, independientemen-
te de los coeficientes. Esta solución se denomina solución trivial. La pregunta
es si hay otras soluciones además de la trivial, y cómo podemos describirlas.
Como antes, la eliminación gaussiana nos dará la respuesta.
Mientras reducimos la matriz ampliada [A|0] de un sistema homogéneo a
una forma escalonada mediante la eliminación gaussiana, la columna de ceros
de la derecha no se ve alterada por ninguna de las operaciones elementales.
Así, cualquier forma escalonada derivada de [A|0] tendrá la forma [E |0]. Esto
significa que la columna de ceros puede ser eliminada a la hora de efectuar
los cálculos. Simplemente reducimos la matriz A a una forma escalonada E , y
recordamos que el lado derecho es cero cuando procedamos a la sustitución
hacia atrás. El proceso se comprende mejor con un ejemplo.
Ejemplo 1.12.1.- Vamos a examinar las soluciones del sistema homogéneo
x1 + 2x2 + 2x3 + 3x4 = 0,

2x1 + 4x2 + x3 + 3x4 = 0, (1.12.1)
3x1 + 6x2 + x3 + 4x4 = 0.
Reducimos la matriz de coeficientes a una forma escalonada por filas:
1 2 2 3 1 2 2 3 1 2 2 3
     
A =  2 4 1 3  →  0 0 −3 −3  →  0 0 −3 −3  = E .
3 6 1 4 0 0 −5 −5 0 0 0 0
Entonces, el sistema homogéneo inicial es equivalente al sistema homogéneo
x1 + 2x2 + 2x3 + 3x4 = 0,

−3x3 − 3x4 = 0.
Como hay cuatro incógnitas, y solamente dos ecuaciones, es imposible extraer

una solución única para cada incógnita. Lo mejor que podemos hacer es elegir
dos incógnitas básicas, que llamaremos variables básicas, y resolver el sistema
en función de las otras dos, que llamaremos variables libres. Aunque hay dis-
tintas posibilidades para escoger las variables básicas, el convenio es resolver
las incógnitas que se encuentran en las posiciones pivote.
En este ejemplo, los pivotes, así como las columnas básicas, están en la pri-
mera y tercera posición, así que la estrategia es aplicar sustitución hacia atrás
en la resolución del sistema y expresar las variables básicas x1 y x3 en función
de las variables libres x2 y x4 .

Depto. de Álgebra
La segunda ecuación nos da
x3 = −x4
y la sustitución hacia atrás produce
x1 = −2x2 − 2x3 − 3x4

= −2x2 − 2(−x4 ) − 3x4
= −2x2 − x4 .
Las soluciones al sistema homogéneo original pueden ser descritas como
x1 = −2x2 − x4 ,
x2 = libre ,
x3 = −x4 ,
x4 = libre.
Como las variables libres x2 y x4 pueden tomar todos los valores posibles, las
expresiones anteriores describen todas las soluciones.
Mejor que describir las soluciones de esta forma, es más conveniente ex-
presarlas como
       
x1 −2x2 − x4 −2 −1
 x2   x2  1   0 
       
= = x + x ,

2 4
 x3   −x4  0   −1 
    

x4 x4 0 1
entendiendo que x2 y x4 son variables libres que pueden tomar cualquier valor.
Esta representación se denominará solución general del sistema homogéneo
y enfatiza que la solución general del sistema es combinación lineal de las dos
soluciones    
−2 −1
 1   0 
   
h1 =   y h2 =  .
 0   −1 
0 1
Consideremos ahora un sistema homogéneo general [A|0] de m ecuaciones

y n incógnitas. Si la matriz de coeficientes A es de rango r , entonces, por lo que
hemos visto antes, habrá r variables básicas, correspondientes a las posiciones

Depto. de Álgebra
de las columnas básicas de A, y n − r variables libres, que se corresponden con

las columnas no básicas de A. Mediante la reducción de A a una forma escalo-
nada por filas por eliminación gaussiana y sustitución hacia atrás, expresamos
las variables básicas en función de las variables libres y obtenemos la solución
general, de la forma
x = x f 1 h1 + x f 2 h2 + · · · + x f n−r hn−r ,
donde x f 1 , x f 2 , . . . , x f n−r son las variables libres, y h1 , h2 , . . . , hn−r son vectores

columna que representan soluciones particulares.
Observemos que el vector h1 tiene un 1 en la posición f 1 , y los restantes
vectores h j tienen un cero en esa posición. Lo mismo se aplica a todos los vec-
tores hi : tienen un valor 1 en la posición f i y los restantes vectores h j tienen
un cero en esa posición. Más adelante necesitaremos esta característica.
Si calculamos la forma escalonada reducida por filas del ejemplo, nos queda
1 2 2 3 1 2 0 1
   
A =  2 4 1 3  →  0 0 1 1  = E A,
3 6 1 4 0 0 0 0
y el sistema a resolver es
x1 + 2x2 + x4 = 0,
x3 + x4 = 0.
Si resolvemos x1 y x3 en función de x2 y x4 nos queda el mismo resultado que

antes. Por ello, y para evitar la sustitución hacia atrás, puede resultar más con-
veniente usar el procedimiento de Gauss-Jordan para calcular la forma escalo-
nada reducida por filas E A y construir directamente la solución general a partir
de las entradas de E A .
Consideremos ahora un sistema homogéneo general (A|0) de m ecuaciones
y n incógnitas.

Depto. de Álgebra
Solución general de un sistema homogéneo
Usamos eliminación gaussiana para reducir la matriz ampliada

(A|0) a una forma escalonada por filas (E |0).
Identificamos las variables básicas y libres. Si el rango es r , enton-

ces habrá r variables básicas, correspondientes a las posiciones
de las columnas básicas de (A|0), y n − r variables libres, que se
corresponden con las columnas no básicas de (A|0).
Mediante el procedimiento de sustitución hacia atrás, expresa-

mos las variables básicas en función de las variables libres.
Escribimos el resultado de la forma
x = x f 1 h1 + x f 2 h2 + · · · + x f n−r hn−r ,
donde x f 1 , x f 2 , . . . , x f n−r son las variables libres, y h1 , h2 , . . . , hn−r

son vectores columna que representan soluciones particulares.
Esta será la solución general del sistema homogéneo.
Ejemplo 1.12.2.- Calculemos la solución general del sistema

x1 + 2x2 + 2x3 = 0,
2x1 + 5x2 + 7x3 = 0,
3x1 + 6x2 + 6x3 = 0.
Se tiene que
1 2 2 1 2 2
   
A =  2 5 7  →  0 1 3  = E,
3 6 6 0 0 0
de donde rango(A) = 2 < n = 3. Como las columnas básicas están en las posi-
ciones uno y dos, x1 y x2 son las variables básicas, y x3 es libre. Mediante sus-
titución hacia atrás en [E |0], nos queda x2 = −3x3 y x1 = −2x2 − 2x3 = 4x3 , y la
solución general es
4
   
x1
 x2  = x3  −3  , donde x3 es libre.
x3 1

Depto. de Álgebra
Una última pregunta que nos planteamos es cuándo la solución trivial de

un sistema homogéneo es la única solución. Lo anterior nos muestra la res-
puesta. Si hay al menos una variable libre, entonces el sistema tendrá más de
una solución. Por tanto, la solución trivial será la única solución si y solamente
si no hay variables libres, esto es, n − r = 0. Podemos reformular esto diciendo
Sistemas homogéneos: solución única
Un sistema homogéneo de matriz A tiene únicamente la solución tri-

vial si y solamente si rango(A) = n.
Ejemplo 1.12.3.- El sistema homogéneo
x1 + 2x2 + 2x3 = 0,
2x1 + 5x2 + 7x3 = 0,
3x1 + 6x2 + 8x3 = 0,
tiene solamente la solución trivial porque
1 2 2 1 2 2
   
A= 2 5 7 → 0 1 3 =E

3 6 8 0 0 2
prueba que rango(A) = 3 = n. Se ve fácilmente que la aplicación de la sustitu-

ción hacia atrás desde [E |0] únicamente devuelve la solución trivial.
1.13. Sistemas no homogéneos

Recordemos que un sistema de m ecuaciones y n incógnitas
a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2
..
.
am1 x1 + am2 x2 + . . . + amn xn = b m ,

Depto. de Álgebra
es no homogéneo cuando b i 6= 0 para algún i . A diferencia de los sistemas ho-

mogéneos, los no homogéneos pueden ser incompatibles y ya hemos visto un
método para detectar cuándo no hay solución. Suponemos que los sistemas de
esta sección son compatibles y nuestro objetivo es describir el conjunto de to-
das las posibles soluciones; vamos a construir una solución general de la misma
forma que hicimos para los homogéneos.
Soluciones de un sistema compatible
Sea S un sistema lineal compatible de matriz ampliada (A|b) y sea S h

el sistema lineal homogéneo de matriz ampliada (A|0). Si p es una so-
lución particular de S entonces el conjunto de las soluciones de S es
n o
p + h | h es solución del sistema homogéneo S h .
P RUEBA : Supongamos que el sistema S está representado por la ecuación

matricial A m×n xn×1 = bm×1 , y llamemos S h al sistema homogéneo asociado.
Sea p una solución particular de S , lo que significa que A p = b. Si h es una
solución de S h , entonces
A(p + h) = A p + A h = b + 0 = b,
lo que implica que p + h también es solución de S . Recíprocamente, sea q una

solución del sistema S . Entonces
A(q − p) = A q − A p = b − b = 0,
por lo que existe h solución del sistema homogéneo S h tal que q − p = h, y

q = p + h. En consecuencia, ambos conjuntos son iguales.
Nota 1.13.1. Tenemos un método para calcular la forma general del conjunto
de soluciones del sistema homogéneo asociado S h , tal como vimos en la pá-
gina 49. El teorema anterior nos indica que si podemos calcular una solución
particular, tendremos la forma general de las soluciones del sistema compati-
ble A x = b.
Supongamos que [A|b] representa el sistema un sistema de m ecuaciones
y n incógnitas, donde rango(A) = r . La compatibilidad garantiza que b no es
una columna básica de [A|b], por lo que las columnas básicas de (A|b) están
en la misma posición que las columnas básicas de (A|0). Esto significa que el

Depto. de Álgebra
sistema no homogéneo y el sistema homogéneo asociado tienen exactamente

el mismo conjunto de variables básicas así como de libres. Además, no es difícil
ver que
E (A|0) = (E A |0) y E (A|b) = (E A |c),
donde c es una columna de la forma

 
ξ1

 ξ2 

 .. 

 . 

ξr
 
 
c= .. .
.
 
 
0
 
 
..
 
.
 
 
0
Resolvemos la i -ésima ecuación en el sistema homogéneo E A x = 0 para la i -

ésima variable básica xbi en función de las variables libres x f 1 , x f 2 , . . . , x f n−r para
dar
xbi = αi x f i + αi +1 x f i +1 + · · · + αn−r x f n−r .
Entonces la solución de la i -ésima variable básica en el sistema no homogéneo

reducido E A x = c debe tener la forma
xbi = ξi + αi x f i + αi +1 x f i +1 + · · · + αn−r x f n−r .
Esto es, las dos soluciones se diferencian únicamente en la presencia de la

constante ξi en la última. Si organizamos como columnas las expresiones ante-
riores, podemos decir que si la solución general del sistema homogéneo es de
la forma
h = x f 1 h1 + x f 2 h2 + · · · + x f n−r hn−r ,
entonces la solución general del sistema no homogéneo tiene la forma similar
x = p + x f 1 h1 + x f 2 h2 + · · · + x f n−r hn−r ,
donde la columna p contiene las constantes ξi junto con ceros. Tenemos así
que p es una solución particular del sistema de partida.
Lo anterior nos proporciona un método para resolver un sistema compati-

ble con matriz ampliada (A|b).

Depto. de Álgebra
Solución general de un sistema compatible
Usamos eliminación gaussiana para reducir la matriz ampliada

[A|b] a una forma escalonada por filas [E |c].
Identificamos las variables básicas y las libres.
Aplicamos sustitución hacia atrás a [E |c] y despejamos las varia-

bles básicas en función de las libres.
Escribimos el resultado en la forma
donde
• x f 1 , x f 2 , . . . , x f n−r son las variables libres, y

• p, h1 , h2 , . . . , hn−r son vectores columna de orden n.
Entonces p es una solución particular del sistema de matriz [A|b]

y
x f 1 h1 + x f 2 h2 + . . . + x f n−r hn−r
es la solución general del sistema homogéneo de matriz [A|0].
Esta será la solución general del sistema no homogéneo.
Como las variables libres x f i recorren todos los posibles valores, la solu-
ción general describe todas las posibles soluciones del sistema [A|b]. Como en
el caso homogéneo, podemos reducir completamente [A|b] a E [A|b] mediante
Gauss-Jordan, y evitamos la sustitución hacia atrás.
Ejemplo 1.13.1.- Consideremos el sistema no homogéneo
x1 + 2x2 + 2x3 + 3x4 = 4,

2x1 + 4x2 + x3 + 3x4 = 5,
3x1 + 6x2 + x3 + 4x4 = 7,
en el que la matriz de coeficientes es la misma que la matriz de coeficientes de

Depto. de Álgebra
(1.12.1). Si [A|b] se reduce por Gauss-Jordan a E [A|b] , tenemos
1 2 2 3 4 1 2 0 1 2
   
G-J
[A|b] =  2 4 1 3 5  −
→  0 0 1 1 1  = E [A|b] .
3 6 1 4 7 0 0 0 0 0
Nos queda el sistema equivalente
x1 + 2x2 + x4 = 2,
x3 + x4 = 1.
Resolvemos las variables básicas, x1 y x3 , en función de las libres, x2 y x4 y te-

nemos la expresión
x1 = 2 − 2x2 − x4 ,
x2 = x2 variable libre,
x3 = 1 − x4 ,
x4 = x4 variable libre.
La solución general la obtenemos escribiendo estas ecuaciones en la forma
         
x1 2 − x2 − x4 2 −2 −1
 x2   x2   0   1   0 
         
=  =   + x2   + x4  (1.13.1)
 x3   1 − x4   1   0   −1 
 
x4 x4 0 0 1
= p + x 2 h1 + x 4 h2 .
La columna  
2
0
 
p=
 
1

 
0
que aparece en (1.13.1) es una solución particular del sistema no homogéneo;
se tiene cuando x2 = 0, x4 = 0.
Además, la solución general del sistema homogéneo
x1 + 2x2 + 2x3 + 3x4 = 0,

2x1 + 4x2 + x3 + 3x4 = 0, (1.13.2)
3x1 + 6x2 + x3 + 4x4 = 0,
es      
x1 −2 −1
x2 1 0
     
 = x2   + x4  .
     
x3 0 −1

     
x4 0 1

Depto. de Álgebra
Así, la solución general del sistema homogéneo (1.13.2) es una parte de la solu-
ción general del sistema no homogéneo original (1.13.1).
Ejemplo 1.13.2.- Calculemos la solución general del sistema
x1 + x2 + 2x3 + 2x4 + x5 = 1,
2x1 + 2x2 + 4x3 + 4x4 + 3x5 = 1,
2x1 + 2x2 + 4x3 + 4x4 + 2x5 = 2,
3x1 + 5x2 + 8x3 + 6x4 + 5x5 = 3,
y la comparamos con la solución general del sistema homogéneo asociado.

En primer lugar, calculamos la forma escalonada reducida por filas de la
matriz ampliada [A|b].
   
1 1 2 2 1 1 1 1 2 2 1 1
 2 2 4 4 3 1   0 0 0 0 1 −1 
   
[A|b] =  → 
 2 2 4 4 2 2   0 0 0 0 0 0 
 
3 5 8 6 5 3 0 2 2 0 2 0
   
1 1 2 2 1 1 1 1 2 2 1 1
 0 2 2 0 2 0   0 1 1 0 1 0 
   
→   → 
 0 0 0 0 1 −1   0 0 0 0 1 −1 

0 0 0 0 0 0 0 0 0 0 0 0
   
1 0 1 2 0 1 1 0 1 2 0 1
 0 1 1 0 1 0   0 1 1 0 0 1 
   
→   →   = E [A|b] .
 0 0 0 0 1 −1   0 0 0 0 1 −1 
0 0 0 0 0 0 0 0 0 0 0 0
El sistema es compatible, pues la última columna es no básica. Resolvemos el

sistema reducido para las variables básicas x1 , x2 , x5 en función de las variables
libres x3 , x4 para obtener
x1 = 1 −x3 −2x4 ,
x2 = 1 −x3 ,
x3 = x3 (variable libre),
x4 = x4 (variable libre) ,
x5 = −1.

Depto. de Álgebra
La solución general del sistema no homogéneo es

   
x1 1 − x3 − 2x4
 x  
 2   1 − x3 

x =  x3  =  x3
   

 x4   x4
   

x5 −1
     
1 −1 −2
 1   −1   0 
     
=  0  + x 3  1  + x 4  0  = p + x 3 h1 + x 4 h2 .
     
 0   0   1 
     
−1 0 0
La solución general del sistema homogéneo asociado es

       
x1 −x3 − 2x4 −1 −2
 x   −x3   −1   0 
 2       
x =  x3  =  x3  = x3  1  + x4  0  .
       
 x4   x4  0   1 
       

x5 0 0 0
Ahora nos hacemos una pregunta análoga al caso homogéneo: ¿cuándo un

sistema compatible tiene solución única?. Sabemos que la solución general de
un sistema no homogéneo compatible de orden m × n, con rango r , es de la
forma
donde
x f 1 h1 + x f 2 h2 + · · · + x f n−r hn−r
es la solución general del sistema homogéneo asociado. Por tanto,
Sistemas no homogéneos: solución única
Un sistema compatible de matriz ampliada [A|b] tendrá una única so-

lución si y solamente si no hay variables libres, esto es, si y solamente
si rango(A) = n. Esto es lo mismo que decir que el sistema homogéneo
asociado [A|0] tiene únicamente la solución trivial.

Depto. de Álgebra
Ejemplo 1.13.3.- Consideremos el siguiente sistema no homogéneo:
2x1 + 4x2 + 6x3 = 2,

x1 + 2x2 + 3x3 = 1,
x1 + x3 = −3,
2x1 + 4x2 = 8.
La forma escalonada reducida por filas de [A|b] es

   
2 4 6 2 1 0 0 −2
 1 2 3 1   0 1 0 3 
   
[A|b] =  →  = E [A|b] .
 1 0 1 −3   0 0 1 −1 
2 4 0 8 0 0 0 0
El sistema es compatible porque la última columna no es básica, o bien por-

que rango(A) = 3 = número de incógnitas (no hay variables libres). El sistema
homogéneo asociado tiene únicamente la solución trivial, y la solución del sis-
tema original es
 
−2
p =  3 .
−1
Como resumen de todo lo anterior, hemos probado el siguiente teorema:
Teorema de Rouché-Frobenius
Dado un sistema lineal con m ecuaciones y n incógnitas y matriz am-

pliada [A|b], se tiene:
El sistema es incompatible si y solamente si rango(A) <

rango([A|b]).
El sistema es compatible determinado si y solamente si

rango(A) = rango([A|b]) = n.
El sistema es compatible indeterminado si y solamente si

rango(A) = rango([A|b]) < n.

Depto. de Álgebra

Notas

Cargado por

Información del documento

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

Notas

Cargado por

Copyright:

Formatos disponibles

Capítulo 1

Sistemas de ecuaciones lineales y

Hoy en día, este problema lo formularíamos como un sistema de tres ecua-

coeficientes de este sistema, representados por cañas de bambú de color, como

Figura 1.1: Numerales chinos con cañas de bambú

En Europa, esta técnica llegó a ser conocida como eliminación gaussiana,

Figura 1.2: C.F. Gauss (1777-1855)

El objetivo de este capítulo es conocer esta técnica de eliminación. Comen-

1.2. Equivalencia de sistemas

2 Álgebra Lineal y Geometría

Sea n ≥ 1 un número natural. Una ecuación lineal es una expresión de

Una solución de la ecuación lineal anterior es una serie de números α1, α2 , . . . , αn

Diremos también que la solución se escribe como x1 = α1 , x2 = α2 , . . . , xn = αn ,

Ejemplo 1.2.1.- La expresión 3x1 +2x2 = −1 es una ecuación lineal y x1 = 1, x2 =

Álgebra Lineal y Geometría 3

Sistema lineal de ecuaciones

Sean m ≥ 1 y n ≥ 1 números naturales. Un sistema lineal de ecuaciones

Para abreviar, hablaremos con frecuencia de un sistema de ecuaciones, elimi-

Si a1 6= 0, entonces la ecuación tiene una única solución x1 = b 1 /a1 .

Si a1 = 0, b 1 6= 0, entonces no hay solución.

Si a1 = 0 = b 1 , entonces cualquier valor de x1 es solución.

En sistemas con más ecuaciones encontramos el mismo fenómeno.

Ejemplo 1.2.2.- Consideremos el sistema lineal planteado por el problema

 3x1 + 2x2 + x3 = 39,

S ≡ 2x1 + 3x2 + x3 = 34, (1.2.1)

4 Álgebra Lineal y Geometría

Despejando en la tercera ecuación, x1 = 26 − 2x2 − 3x3 , y sustituyendo en las

−4x2 − 8x3 = −39,

Ahora, en la segunda ecuación, es x2 = 5x3 − 18. Sustituyendo en la otra ecua-

Ejemplo 1.2.3.- Consideremos ahora el sistema lineal

Despejando en la segunda ecuación, x1 = 1 − x2 , y sustituyendo en las otras

−(−4 + x3 ) + x3 = −2 ⇒ 4 − x3 + x3 = −2 de donde 4 = −2.

Como 4 6= −2, deducimos que no hay soluciones para el sistema lineal S .

Álgebra Lineal y Geometría 5

Los anteriores son ejemplos de sistemas de ecuaciones con solución única

Ejemplo 1.2.4.- Vamos a calcular soluciones del sistema

S ≡ 2x1 + 2x2 + x3 = 3, (1.2.5)

Como en los casos anteriores, resolveremos el sistema por el método de sus-

Es decir, que para cada valor distinto de x2 se obtiene un valor distinto de x1 . El

Veremos que en los sistemas de ecuaciones en general se presentan las mis-

6 Álgebra Lineal y Geometría

Compatibilidad de sistemas lineales

Decimos que un sistema lineal S es

compatible determinado si tiene una única solución.

compatible indeterminado si tiene más de una solución.

incompatible si no tiene soluciones.

Sistema de ecuaciones equivalentes

Dos sistemas lineales con n incógnitas se dicen equivalentes si tienen

Ejemplo 1.2.5.- Veamos los siguientes casos con coeficientes en R.

1. Sistemas equivalentes con distinto número de ecuaciones. Considere-

El conjunto de soluciones de ambos sistemas está formado por x1 = −1, x2 =

2. Sistemas no equivalentes. Consideremos los sistemas en dos incógnitas

Álgebra Lineal y Geometría 7

1.3. Adición y trasposición de matrices

A =  8 6 5 −9  , entonces a11 = 2, a12 = 1, . . ., a34 = 7. (1.3.1)

es una submatriz de A porque B es el resultado de elegir los elementos de la

8 Álgebra Lineal y Geometría

La matriz de orden m × n con todas sus entradas nulas se denomina matriz

que es un vector formado por las operaciones anteriores.

Aunque podamos pensar que u y v describen el mismo punto en R3 , no pode-

Álgebra Lineal y Geometría 9

Si A y B son matrices de orden m × n, la suma de A y B se define como

A + B = (ai j + b i j ) para cada i , j.

La matriz −A, llamada opuesta de A, se define como