Universitat Politècnica de València

Departament de Matemàtica Aplicada

Unitat Docent de l’ETS d’Enginyeria Informàtica

Materiales docentes de Álgebra

Tema 1: Resolución de sistemas de ecuaciones lineales utilizando operaciones elementales.
Matrices escalonadas

Última actualización: 26 de enero de 2012

Unidad temática 2: Sistemas de ecuaciones

lineales
Índice
1. Sesión teórica: Ecuaciones y sistemas lineales 2
1.1. Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1. Clasificación de los sistemas lineales atendiendo al número de soluciones 11
1.3. Ejercicios básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2. Seminario 1: Matrices y sistemas lineales 13

2.1. Formas vectorial y matricial de un sistema de ecuaciones lineales.
Matrices asociadas al sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Método de reducción de Gauss-Jordan (primera aproximación) . . . . . . . . . . 15

3. Seminario 2: Matrices escalonadas y matrices elementales 19

3.1. Matrices escalonadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. Operaciones elementales.
La matriz identidad y las matrices elementales . . . . . . . . . . . . . . . . . . . . 20
3.2.1. La matriz identidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2.2. Las matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3. Discusión y resolución de los sistemas lineales . . . . . . . . . . . . . . . . . . . . 27

1
1. Sesión teórica: Ecuaciones y sistemas lineales
Leed este documento antes de la sesión teórica correspondiente a la unidad
temática, asegurandoos que lo entendéis. Los contenidos de esta unidad son muy
simples y ya los conocéis de vuestros estudios anteriores; a pesar de eso es muy
importante que los estudiéis con mucha atención porque en estos contenidos se
encuentran las claves principales del Álgebra Lineal.

1.1. Ecuaciones lineales

Comenzaremos con una sola ecuación lineal con dos incógnitas:
Ejemplo 1
Estudio de la ecuación
x1 + 2x2 = 3 (1)

Esta ecuación es lineal porque las únicas operaciones que hacemos con las incógnitas con-
sisten en multiplicarlas por una constante y sumar los resultados. Cualquier ecuación que
requiera otro tipo de operación no es lineal.1 En gran medida, el Álgebra Lineal es el estudio de
las ecuaciones lineales.
Es evidente que la ecuación (1) tiene muchas soluciones, como ésta: x1 = 3, x2 = 0; o esta
otra: x1 = 0, x2 = 3/2 (simplemente sustituyendo los valores de x1 y x2 dados se comprueba en
seguida que efectivamente son soluciones de la ecuación).
De hecho, esta ecuación tiene infinitas soluciones, que podemos encontrar fácilmente: des-
pejando en (1) la primera incógnita tendremos
x1 = 3 − 2x2 (2)
de manera que dando a x2 cualquier valor podemos calcular el valor adecuado de x1 para obtener
la solución. Por ejemplo, para x2 = 0 obtendremos x1 = 3 − 2 · 0 = 3, así encontramos nuestra
primera solución: x1 = 3, x2 = 0; en cambio, si partimos de x2 = 1 obtendremos x1 = 3 − 2 · 1 = 1
y podemos asegurar que x1 = 1, x2 = 1 es otra solución.
Dado que cada solución de la ecuación (1) es un par de números, x1 , x2 , resulta muy
conveniente ver esta solución como el vector (x1 , x2 ) ∈ R2 .
De acuerdo con esta notación, las tres soluciones particulares de la ecuación (1) que ya
conocemos son éstas: " # " # " #
3 0 1
, ,
0 3/2 1
Llamamos particulares a estas soluciones por el hecho de que hay muchas otras. Llamaremos
solución general a una expresión que representa todas las soluciones particulares; para obtenerla,
regresamos a la fórmula (2). Si λ representa cualquier número, entonces podemos reescribir esta
fórmula de la manera siguiente,
x1 = 3 − 2λ
x2 = λ
de manera que el conjunto de todas las soluciones de la ecuación (1) es
(" # )
3 − 2λ
S= : λ∈R
λ
así que llamaremos solución general de la ecuación al vector genérico (3 − 2λ, λ). Como aquí
λ representa un número cualquiera, diremos que λ es un parámetro y que hemos expresado la
solución general de la ecuación (1) en forma paramétrica.
1
Per ejemplo, x1 x2 = 1 o x1 + cos x2 = 0 no son ecuaciones lineales.

2
 Por simple que parezca, el hecho de interpretar las soluciones de las ecuaciones lineales como
vectores es un de los pilares del Álgebra Lineal. La primera consecuencia de esta interpretación
es que podemos utilizar el cálculo vectorial para trabajar con las soluciones; por ejemplo, la
solución general de la ecuación se puede expresar como
" # " # " #
x1 3 −2
= +λ
x2 0 1

o, mejor, el conjunto de todas las soluciones de esta ecuación es

(" # " # )
3 −2
S= +λ : λ∈R (3)
0 1

Para visualizar gráficamente las soluciones de la ecuación (1), como sabemos que x1 +2x2 = 3
es la ecuación de una recta en el plano y ya conocemos diferentes soluciones, podemos marcar
un par de soluciones y dibujar la recta que las contiene.

2 "0#
3 " #
2 1
1 1
" #
3
0
−3 −2 −1 1 2 3 4x + 2x = 3
1 2
−1

−2

Las soluciones de la ecuación se corresponden con todos los puntos de esta recta.
Que la solución general sea " # " #
3 −2
~
x= +λ
0 1
significa que cualquier solución de la ecuación es la suma del vector (3, 0) con un múltiplo de
(−2, 1). El significado geométrico de este hecho se ve en el gráfico siguiente:

" # " # 2
3 −2 " # " #
+2 3 −2
0 1 +
1 0 1
" #
3
0
−3 −2
" # " #
−1 1 2 3 43 1 −2
−2
−1 0 1

−2

3
 Así concluye el estudio del ecuación (1). Ahora trabajaremos con una ecuación con tres
incógnitas.
Ejemplo 2
Soluciones e interpretación gráfica de la ecuación

2x1 + 2x2 − x3 = 1 (4)

Esta ecuación también tiene infinitas soluciones. Si despejamos la primera incógnita tendre-
mos
x1 = 1/2 − x2 + (1/2)x3 (5)
así que ahora aún parece que tenemos más libertad para encontrar soluciones: podemos dar
cualquier valor a x2 y a x3 y, entonces, calcular el valor adecuado de x1 para obtener una
solución. Por ejemplo, si ponemos x2 = x3 = 0 deberá ser x1 = 1/2, de manera que (1/2, 0, 0) es
una solución del ecuación (4). Otras elecciones de x2 y x3 nos proporcionan estas otras soluciones
particulares:        
 0  1 1 0
1/2 , 0 , 1 , 1
       
       
0 1 3 1
Para determinar el conjunto de todas las soluciones, asignaremos un par de parámetros a las
variables x2 y x3 , como x2 = λ1 , x3 = λ2 , y obtendremos x1 = 1/2−x2 +(1/2)x3 = 1/2−λ1 +(1/2)λ2 ,
de manera que el conjunto de las soluciones es :

1/2 − λ1 + (1/2)λ2 
  

 

S= λ λ , λ

  
: ∈

 1 
 1 2 R 
λ2

   

  

o bien,       

 1/2 −1 1/2 

S= + λ + λ λ , λ
 
0 1 0
     
: ∈ (6)

 
 
 1 




 2 




 1 2 R 

 0
   
0
 
1
 


y diremos que la solución general de esta ecuación es

     
1/2 −1 1/2
 0  + λ1  1  + λ2  0 
     
     
0 0 1

Así como en el ejemplo anterior el conjunto de todas las soluciones se podría interpretar como
una recta en el plano, ahora el ecuación (4) representa un plano en el espacio tridimensional.
Todos los vectores de posición de los puntos de este plano se pueden obtener sumando el vector
(1/2, 0, 0) con un múltiplo del vector (−1, 1, 0) y un múltiplo de (1/2, 0, 1).

4
 −1
 
1/2
   
1/2
  + (1/4)   + (2/3)  0 
 0   1   
0 0 1
     

 
1/2
 0 
 
0

Parece claro que cualquier ecuación lineal se puede resolver de la misma manera, por
muchas incógnitas que tenga. Únicamente puede haber algún problema cuando los coeficientes
(los números que multiplican las incógnitas) sean cero. Por ejemplo, en la ecuación

0x1 + 2x2 + 3x3 = 5

no podemos despejar la primera incógnita (de hecho, esta incógnita puede ser invisible, si
escribimos la ecuación como 2x2 + 3x3 = 5), pero si la segunda,

5 3
x2 = − x3
2 2
de manera que ahora son x1 y x3 las incógnitas a las que daremos valores arbitrarios y las
soluciones se pueden expresar como x1 = λ1 , x2 = 5/2 − (3/2)λ2 , x3 = λ2 . Así que el conjunto de
todas las soluciones es
      

  0  1  0  

S= + λ 0 + λ −3/2 : λ , λ ∈ R

5/2
  
   1   2   1 2 

 0
   
0
 
1
 


Así, pues, para resolver una ecuación lineal lo único que debemos hacer es despejar una
incógnita cuyo coeficiente no sea cero y sustituir todas las otras incógnitas por parámetros. A
pesar de todo, hay un par de casos patológicos:

1. En la ecuación
0x1 + 0x2 = 0
no se puede despejar ninguna incógnita. Pero a pesar de ello, es evidente que cualquier
vector de R2 es solución, es decir, que la solución es x1 = λ1 , x2 = λ2 .

2. Y tampoco podemos despejar ninguna incógnita en la ecuación

0x1 + 0x2 = a, (a , 0)

Pero en este caso la ecuación no tiene ninguna solución.

5
1.2. Sistemas de ecuaciones lineales
Ahora nos ocuparemos de los sistemas de ecuaciones lineales. Se trata de encontrar las
soluciones comunes a dos o más ecuaciones.
Ejemplo 3
Estudio del sistema de ecuaciones lineales
x1 + 2x2 = 3
(7)
x1 − x2 = −3

El sistema se puede resolver fácilmente sin más que hacer una sencilla operación de elimina-
ción: si a la segunda ecuación le restamos la primera obtendremos un nuevo sistema que es
equivalente al (7) pero en el que la segunda ecuación sólo tiene una incógnita:
x1 + 2x2 = 3
−3x2 = −6
así que dividiendo la segunda ecuación entre −3 obtendremos el valor de la segunda incógnita,
x2 = 2, y el sistema se convierte en
x1 + 2x2 = 3
x2 = 2
Posteriormente, podemos sustituir x2 = 2 en la primera ecuación y obtendremos x1 = 3 − 2 · 2 =
−1. En definitiva, el sistema (7) tiene una solución única: (x1 , x2 ) = (−1, 2). Siempre que se
resuelve un problema hay que comprobar los resultados; aquí conviene que nos aseguremos de
que la solución es correcta sustituyendo x1 = −1, x2 = 2 en la ecuación original:
x1 + 2x2 = −1 + 2 · 2 = 3
x1 − x2 = −1 − 2 = −3
(En los materiales de estudio no siempre comprobaremos los resultados, porque eso sólo serviría
para hacerlos más tediosos, pero siempre que resolváis un problema debéis comprobar que los
resultados son correctos).
Haremos dos interpretaciones gráficas. En primer lugar, puesto que la solución general cada
una de estas ecuaciones representa una recta, resulta que la única solución común a las dos
ecuaciones es la intersección de estas dos rectas.

3 x1 − x2 = −3

" # 2
−1
2
1

−4 −3 −2 −1 1 2 3 4x + 2x = 3
1 2
−1

−2

Para visualizar geométricamente la solución desde otro punto de vista, nos interesa observar
que el sistema
x1 + 2x2 = 3
x1 − x2 = −3

6
es equivalente a la ecuación vectorial
" # " # " #
1 2 3
x1 + x2 =
1 −1 −3
así que encontrar una solución del sistema lineal es equivalente a escribir el vector (3, −3) como combi-
nación lineal de los vectores (1, 1) y (2, −1).

2
" #
1
1 ~1 =
u
1

−4 −3 −2 −1 1 2 "3 # 4 5 6 7
2
−1 ~2 =
u
u1
−~ −1

−2 u2
2~

" #
−3 3
~1 + 2 u
−1 u ~2 =
−3
−4

−5

Si tratamos de generalizar el resultado que hemos encontrado en este ejemplo, parece

que un sistema de dos ecuaciones lineales con dos incógnitas debe tener una solución única,
dado que la solución de cada ecuación es una recta y, en consecuencia, el punto intersección
de las dos rectos es la solución del sistema; o bien, mirandolo desde el punto de vista de las
combinaciones lineales de los vectores, parece que cualquier vector de R2 se debe poder escribir
como combinación lineal de dos vectores dados. Pues bien, eso es cierto casi siempre, pero hay
un par de casos especiales en los que no es así. En los siguientes ejemplos analizaremos este
hecho.
Ejemplo 4
Estudio del sistema de ecuaciones lineales
x1 + 2x2 = 3
(8)
3x1 + 6x2 = 9

Repitiendo la estrategia de eliminación, deberemos restar a la segunda ecuación el triple de

la primera, para eliminar la incógnita x1 . Entonces obtenemos el siguiente sistema:
x1 + 2x2 = 3
0=0
Y la segunda ecuación ha desaparecido (porque 3x1 − 3x1 = 0, 6x2 − 3(2x2 ) = 0 y 9 − 3 · 3 = 0),
de manera que el sistema ha quedado reducido a una sola ecuación (nuestra bien conocida
ecuación del ejemplo 1), cuya solución general es (x1 , x2 ) = (3, 0) + λ(−2, 1). En definitiva, el
sistema (8) tiene infinitas soluciones.
Evidentemente, eso pasa porque la segunda ecuación es exactamente el triple de la primera,
de manera que en realidad no supone ninguna restricción nueva a las incógnitas. Gráficamente,
si cada ecuación representa una recta, lo que pasa es que las dos ecuaciones representan la
misma recta.

7
 3

−3 −2 −1 1 2 3 4 x1 + 2x2 = 3
−1 3x1 + 6x2 = 9

−2

Para ver qué pasa con la interpretación vectorial del problema, escribimos el sistema en
forma vectorial:
x1 + 2x2 = 3
) " # " # " #
1 2 3
⇐⇒ x1 + x2 =
3x1 + 6x2 = 9 3 6 9
así que se trata de escribir el vector (3, 9) como combinación
lineal de los vectores (1, 3) y (2, 6), pero eso se puede hacer 9 9
de muchas maneras: por ejemplo, (1, 3) + (2, 6) = (3, 9); pero 8 " #
1
8
también 7 3 7 " #
6 6 2
3(1, 3) + 0(2, 6) = (3, 9) 5 " # 5 6
1
(1, 3) + (2, 6) = (3, 9) 4 3 4
0(1, 3) + (3/2)(2, 6) = (3, 9) 3 3
2(1, 3) + (1/2)(2, 6) = (3, 9) . . . 2 2
" # " #
1 1
1 3 1 3

" #1 2" #3 " # 1" #2 "3 #

3 1 3 1 2
=3 = +
9 3 9 3 6
Ejemplo 5
Estudio del sistema de ecuaciones lineales
x1 + 2x2 = 3
(9)
3x1 + 6x2 = 1

Restamos a la segunda ecuación el triple de la primera, para eliminar la primera incógnita,

x1 + 2x2 = 3
0 = −8

Y lo que pasa ahora es que la segunda ecuación no puede tener ninguna solución, así que el
sistema tampoco tiene soluciones.
Si cada ecuación representa una recta, el problema es que las dos ecuaciones de nuestro
ejemplo corresponden a rectas paralelas, así que no tienen ningun punto en común:

8
 3

−3 −2 −1 1 2 3 4x + 2x = 3
1 2
−1

−2 3x1 + 6x2 = 1

9
En este caso, la forma vectorial del sistema es esta: 8
" # " # " # 7
1 2 3
+ x2 =
" #
x1 6 2
3 6 1
5 6
y el problema consiste en expresar el vector (3, 1) como combinación 4 " #
lineal de los vectores (1, 3) y (2, 6). Pero como el vector (2, 6) es pro- 3 1
porcional a (1, 3), resulta que los dos determinan la misma recta, y 2 3
" #
sólo los vectores que se encuentran sobre esta recta (que son los de 1 3
la forma λ(1, 3)) se pueden expresar como combinaciones lineales de 1
los dos vectores anteriores. −3 −2 −1 1 2 3
−1
En otras palabras, las combinaciones lineales del vectores −2
" # " # −3
1 2
~1 =
u ~2 =
u −4
3 6
−5
son los vectores proporcionales a u ~1 . Como el vector u ~ = (3, 1) no −6
~1 , entonces la ecuación x1 u
es un múltiplo de u ~ 1 + x2 u
~2 = u
~ no tiene −7
ninguna solución. −8
−9
El hecho de que (2, 6) sea un múltiplo de (1, 3) hace que algunas ecuaciones (como la del
ejemplo 4) tengan infinitas soluciones y en cambio otras (como la del ejemplo 5) no tengan
ninguna.
Acabaremos estudiando un sistema de dos ecuaciones con tres incógnitas.
Ejemplo 6
Resolución del sistema lineal

2x1 + 2x2 − x3 = 1
x1 − x2 + x3 = 0

En primer lugar, eliminaremos x1 de la segunda ecuación restando la mitad de la primera,

2x1 + 2x2 − x3 = 1
−2x2 + (3/2)x3 = −1/2
y también eliminaremos x2 en la primera ecuación, sumando la segunda ecuación:
2x1 + (1/2)x3 = 1/2
−2x2 + (3/2)x3 = −1/2

9
de manera que las dos ecuaciones se pueden resolver despejando x1 y x2 y asignando a x3
un valor arbitrario. Si dividimos la primera ecuación por 2 y la segunda por −2 aún será más
sencillo obtener la solución:

x1 + (1/4)x3 = 1/4
x2 − (3/4)x3 = 1/4

Así que, x1 = 1/4 − (1/4)x3 , x2 = 1/4 + (3/4)x3 ; por lo tanto la solución general de este sistema es
     
x1  1/4 −1/4
x2  = 1/4 + λ  3/4 
     
     
x3 0 1

Gráficamente, cada ecuación de este sistema representa un plano, de manera que la solución
del sistema es la recta intersección de los dos planos.

2x1 + 2x2 − x3 = 1 x1 − x2 + x3 = 0

 
1/4
1/4
 
0
 

Desde otro punto de vista, el hecho de que este sistema tenga muchas soluciones quiere
decir que hay muchas maneras de expresar el vector (1, 0) como combinación lineal de los tres
vectores (2, 1), (2, −1) y (1, −1). La figura siguiente muestra un par de ellas.
2 2

" # " # " # " #

−1 1 2 −1 1 2
1 1 1 1
" # " #
1 1
0 0
−2 −1 1 2 −2 −1 1 2

" # " #
−1 2 −1 2
−1 −1

−2 −2
" # " # " # " # " # " #
1 1 2 1 2 1 2 −1
=4 +4 = +
0 1 −1 0 −1 1

10
1.2.1. Clasificación de los sistemas lineales atendiendo al número de soluciones
Los últimos ejemplos muestran que hay sistemas de ecuaciones lineales que tienen una
solución única, otros que tienen más de una y otros que no tienen ninguna. En consecuencia,
podemos clasificar los sistemas en las siguientes categorías:
Definiciones 1
1. Un sistema de ecuaciones lineales es incompatible (o también, inconsistente) cuando
no tiene ninguna solución.

2. En caso de que el sistema tenga alguna solución, entonces decimos que es compatible
(o consistente).
Los sistemas compatibles pueden ser

a) Determinados, cuando tienen sólo una solución.

b) Indeterminados, cuando tienen más de una.

11
1.3. Ejercicios básicos
Estos ejercicios son muy simples, pero los debéis resolver con todo detalle —
antes del próximo seminario— para aseguraros que comprendéis correctamente la
materia.

1. Considera la ecuación 5x1 + 2x2 = 10.

a) Encuentra unas cuantas soluciones particulares

b) Encuentra la solución general
c) Haz una representación gráfica.

~ = (1, 2, −1).
2. Encuentra el conjunto de todos los vectores que son ortogonales al vector u

~1 =
3. Encuentra el conjunto de todos los vectores que son ortogonales a los dos vectores u
~2 = (2, 4, 1).
(1, 2, −1) y u

4. Encuentra la solución general del sistema

x1 + 2x2 − x3 = −3
2x1 + 4x2 + x3 = 0

5. Encuentra alguna relación entre las soluciones de los ejercicios 3 y 4.

12
2. Seminario 1: Matrices y sistemas lineales
En este seminario identificaremos los sistemas de ecuaciones lineales con cier-
tas ecuaciones vectoriales y matriciales e introduciremos el algoritmo de reducción
de Gauss-Jordan, que nos permite discutir y resolver cualquier sistema lineal, pero
que tendrá muchas otras aplicaciones en el curso.

2.1. Formas vectorial y matricial de un sistema de ecuaciones lineales.

Matrices asociadas al sistema
En la sesión teórica hemos visto que cualquier sistema de ecuaciones lineales es equivalente
a una ecuación vectorial. Por ejemplo, el sistema

x1 + 2x2 = 3
(10)
x1 − x2 = −3

es equivalente a la ecuación " # " # " #

1 2 3
x1 + x2 = (11)
1 −1 −3
Esta ecuación es la forma vectorial del sistema (10). Por otro lado, como
" # " # " #" #
1 2 1 2 x1
x1 + x2 =
1 −1 1 −1 x2

nuestro sistema lineal también puede escribirse de esta otra manera:

" #" # " #
1 2 x1 3
= (12)
1 −1 x2 −3

que llamaremos forma

" matricial
# del sistema.
1 2
La matriz A = es la matriz de coeficientes del sistema, el vector de términos independientes
1 −1
" # " #
~ 3 x
es b = y el vector incógnita es ~ x = 1 . Con estas notaciones, el sistema lineal se puede
−3 x2
escribir abreviadamente como
A~x = ~b
Por último, llamaremos matriu ampliada a la matriz que se obtiene añadiendo el vector
columna ~b a la matriz A. " #
1 2 3
A ~b =
h i
1 −1 −3
Esta matriz contiene toda la información necesaria acerca del sistema (10).2

Ejercicio 2.1. Escribe el sistema lineal

a11 x1 + a12 x2 + a13 x3 = b1

a21 x1 + a22 x2 + a23 x3 = b2

en forma vectorial y en forma matricial. Di cuál es la matriz de coeficientes y cuál la matriz

ampliada.

La raya vertical entre las matrices A y ~b no tiene significado matemático; únicamente nos sirve para separar los
2

vectores de coeficientes del vector de términos independientes. Como en muchas aplicaciones ~b será una matriz en
lugar de un vector, esta raya nos será muy útil.

13
 La forma vectorial de este sistema es
" # " # " # " #
a11 a12 a b
x1 + x2 + x3 13 = 1
a21 a22 a23 b2

y la forma matricial, " # " #

a11 a12 a13 b
x= 1
~
a21 a22 a23 b2
La matriz de coeficientes es " #
a11 a12 a13
A=
a21 a22 a23
y la matriz ampliada " #
h
~
i a11 a12 a13 b1
A b =
a21 a22 a23 b2

Ejercicio 2.2. Haz lo mismo con el sistema genérico

a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
···
am1 x1 + am2 x2 + · · · + amn xn = bm

La forma vectorial de este sistema es

       
 a11   a12   a1n   b1 
a  a  a  b 
       
x1  21  + x2  22  + · · · + xn  2n  =  2 
 · · ·   · · ·   · · ·  · · ·
am1 am2 amn bm
       

y la forma matricial,
 a11 a12 . . .
   
a1n   b1 
 a21 a22 . . . a2n 

 b2 
 

 . . .  ~ x = . . .
 
 
am1 am2 . . .
  
amn bm


La matriz de coeficientes es
 a11 a12 · · · a1n 
 
 a
 21 a22 · · · a2n 

A = . . . . . . . . . . . . . . . . . . . .
 

. . . . . . . . . . . . . . . . . . . .
 
am1 am2 · · · amn
y la matriz ampliada
 a11 a12 · · · a1n b1 
 

i  a21 a22 · · · a2n b2 

 
A ~b = . . . . . . . . . . . . . . . . . . . . . . . . .
h

. . . . . . . . . . . . . . . . . . . . . . . . .
 
am1 am2 · · · amn bm
 

14
2.2. Método de reducción de Gauss-Jordan (primera aproximación)
Hasta ahora, hemos resuelto sólo sistemas de dos ecuaciones. Pero la estrategia de elimi-
nación (sumar o restar a una ecuación un múltiplo adecuado de otra) nos puede servir para
resolver muchos otros sistemas de ecuaciones lineales. De hecho, todos los sistemas lineales se
pueden discutir, y resolver en caso de que tengan solución, mediante un método general muy
simple, el método de eliminación (o, mejor, de reducción) de Gauss-Jordan.
La idea básica del método de Gauss-Jordan es eliminar x1 de todas las ecuaciones excepto
de la primera; acto seguido eliminamos x2 de todas las ecuaciones salvo de la segunda, y así
sucesivamente: En el mejor caso, eso conducirá a la separación de las incógnitas, de manera que
cada ecuación se podrá resolver independientemente de las otras.
En lugar de trabajar directamente sobre el sistema lineal lo haremos con la matriz ampliada.
Ahora bien, en los primeros ejemplos, para que se entienda perfectamente el proceso, lo haremos
en paralelo con el sistema lineal y la matriz ampliada.
Ejemplo 7
Discusión y resolución del sistema lineal

x1 + x2 − x3 = 1
x1 − x2 + x3 = 0
2x1 + 4x2 + 4x3 = 3

La matriz asociada a este sistema es

 
 1 1 −1 1 
A ~b
h i
=  1 −1 1 0 
 
2 4 4 3
 

El primer paso consiste en sumar (o restar) un múltiplo adecuado de la primera ecuación a

la segunda de tal manera que desaparezca x1 de la segunda ecuación. Eso se puede lograr, en
este sistema, restando a la segunda ecuación la primera (o restando la primera fila de la matriz
ampliada a la segunda fila):
x1 + x2 − x3 = 1 
 1 1 −1 1 


−2x2 + 2x3 = −1  0 −2 2 −1 

 
 
2x1 + 4x2 + 4x3 = 3 2 4 4 3

Para eliminar x1 de la tercera ecuación (fila), restamos el doble de la primera:

x1 + x2 − x3 = 1 
 1 1 −1 1 


−2x2 + 2x3 = −1  0 −2 2 −1 

 
 
2x2 + 6x3 = 1 0 2 6 1

El siguiente paso consiste en eliminar x2 de las ecuaciones primera y tercera: a la primera

ecuación le sumaremos la mitad de la segunda,
x1 = 1/2 
 1 0 0 1/2 


−2x2 + 2x3 = −1  0 −2 2 −1 

 
 
2x2 + 6x3 = 1 0 2 6 1

y a la tercera ecuación le sumaremos la segunda

x1 = 1/2 
 1 0 0 1/2 


−2x2 + 2x3 = −1  0 −2 2 −1 

 
 
8x3 = 0 0 0 8 0

15
 Como x3 ya se ha eliminado en la primera ecuación, nada más debemos eliminar esta
incógnita en la segunda: a la segunda ecuación le restaremos la tercera dividida entre cuatro:
x1 = 1/2 
 1 0 0 1/2 


−2x2 = −1  0 −2 0 −1 

 
8x3 = 0 0 0 8 0
 

Ahora cada ecuación contiene una sola incógnita, así que la solución se obtiene dividiendo
la segunda ecuación entre −2 y la tercera entre 8:
x1 = 1/2 
 1 0 0 1/2 


x2 = 1/2  0 1 0 1/2 

 
 
x3 = 0 0 0 1 0
x1 + x2 − x3 = 1 x1 − x2 + x3 = 0

El sistema es compatible determina-

do y la solución general es
   
x1  1/2
x2  = 1/2
   
   
x3 0

Las tres ecuaciones representan tres

planos, de manera que la intersección
de cada dos de estos planos es una
 
recta. 1/2
1/2
El sistema es compatible determina-  
do porque las tres rectas se cortan en 0
un punto.
2x1 + 4x2 + 4x3 = 3

Ejemplo 8
Discusión y resolución del sistema lineal

3x2 + 3x3 = 1
x1 − x2 − x3 = 0
x1 + 2x2 + 2x3 = 1

Repetimos la misma estrategia. La matriz ampliada es

 
 0 3 3 1 
 1 −1 −1 0 
 
1 2 2 1
 

Este sistema presenta un problema que aún no habíamos encontrado: se supone que hemos
de eliminar x1 en todas las ecuaciones excepto la primera, pero resulta que el coeficiente de x1
en la primera ecuación es cero. Para resolver este problema intercambiaremos las dos primeras
ecuaciones (filas).
x1 − x2 − x3 = 0 
 1 −1 −1 0 


3x2 + 3x3 = 1  0 3 3 1 

 

x1 + 2x2 + 2x3 = 1 1 2 2 1


16
Eliminamos x1 de la tercera ecuación, restando la primera,

x1 − x2 − x3 = 0 
 1 −1 −1 0 


3x2 + 3x3 = 1  0 3 3 1 

 

3x2 + 3x3 = 1 0 3 3 1


Sumamos a la primera ecuación un tercio de la segunda,

x1 = 1/3 
 1 0 0 1/3 


3x2 + 3x3 = 1  0 3 3 1 

 
 
3x2 + 3x3 = 1 0 3 3 1

Restamos la segunda ecuación a la tercera.

x1 = 1/3 
 1 0 0 1/3 


3x2 + 3x3 = 1  0 3 3 1 

 
 
0=0 0 0 0 0

a continuación, dividimos la segunda ecuación entre 3.

x1 = 1/3 
 1 0 0 1/3 


x2 + x3 = 1/3  0 1 1 1/3 

 
 
0=0 0 0 0 0

El sistema:

x1 = 1/3
x2 + x3 = 1/3
0=0

se resuelve dando a x3 un valor arbitrario:

x1 = 1/3, x3 = λ, x2 = 1/3 − x3 = 1/3 − λ

El sistema es compatible indeterminado y la solución general, en forma vectorial, es ésta:

     
x1  1/3  0 
x2  = 1/3 + λ −1
     
     
x3 0 1

Ejemplo 9
Discusión y soluciones del sistema lineal

x1 + x2 + x3 = 1
x1 − x2 − x3 = 0
x1 − 3x2 − 3x3 = 3

La matriz ampliada es ésta:  

 1 1 1 1 
 1 −1 −1 0
 

 
1 −3 −3 3

17
Primer paso: a la segunda y a la tercera filas los restamos la primera.
 
 1 1 1 1 
 0 −2 −2 −1 
 
0 −4 −4 2
 

Segundo paso: a la primera fila le sumamos la mitad de la segunda y a la tercera le restamos el

doble de la segunda.  
 1 0 0 1/2 
 0 −2 −2 −1 
 
0 0 0 4
 

Esta es la matriz ampliada del sistema

x1 = 1/2
−2x2 − 2x3 = −1
0=4

Y como la tercera ecuación es absurda podemos concluir que el sistema es incompatible.

Remarcamos que en los tres ejemplos de este apartado, para eliminar las variables, hemos
hecho siempre el mismo tipo de transformación del sistema: utilizar una fila de la matriz para
modificar las otras. Este es el tipo de operación elemental más importante. En la fase final, si
el sistema es compatible, únicamente debemos dividir cada ecuación por el primer coeficiente
para encontrar el valor de la incógnita correspondiente. Además, en alguna ocasión hemos
necesitado permutar dos filas de la matriz. Éstas también serán operaciones elementales. En el
seminario próximo definiremos definitivamente las operaciones elementales y describiremos
adecuadamente el algoritmo de Gauss-Jordan.

Ejercicio 2.3. Discute y resuelve, en caso de que sean compatibles, los sistemas lineales si-
guientes. Utiliza el algoritmo de Gauss-Jordan.

3x1 + 2x2 + x3 = 10 3x1 + 2x2 + x3 = 10 3x1 + 2x2 + x3 = 10

(a) 2x1 + x2 =4 (b) 2x1 + x2 =4 (c) 2x1 + x2 =4
x1 − x3 = −2 x1 − x3 = 0 x1 + x2 − x3 = 0

18
3. Seminario 2: Matrices escalonadas y matrices elementales
En este apartado estudiaremos las matrices escalonadas y las matrices ele-
mentales, que nos permiten interpretar las operaciones elementales como produc-
tos de matrices.
Además, las matrices escalonadas nos ayudan a resolver definitivamente el pro-
blema de decidir si un sistema lineal es compatible (utilizando el teorema de Rou-
ché) y, en este caso, a encontrar la solución.

3.1. Matrices escalonadas

Definición 2
Una matriz es escalonada si

1. Las filas nulas, si tiene alguna, están por abajo de las no nulas, y

2. El primer elemento no nulo (por la izquierda) de cada fila se encuentra más a la

derecha que el primer elemento no nulo de la fila anterior (en otras palabras, por
debajo del primer elemento no nulo de cada fila sólo hay ceros). Este primer elemento
no nulo es un elemento principal o pivote de la matriz.

Una matriz es escalonada principal si, además de ser escalonada,

3. Todos sus pivotes son 1.

Una matriz es escalonada reducida si es escalonada principal y

4. Todos los elementos situados por encima de los unos principales son ceros.

Ejemplo 10
Las matrices siguientes son, respectivamente, escalonada (no principal), escalonada prin-
cipal (no reducida) y escalonada reducida:
     
0 1 2 3 0 1 2 3 0 1 0 3
0 0 −2 3 0 0 1 3 0 0 1 3
     
     
0 0 0 0 0 0 0 0 0 0 0 0

Ejercicio 3.1. Determinar si cada una de estas matrices es escalonada, escalonada principal,
escalonada reducida o si no es escalonada.
 
0 1 0 3 " #
1 0 0 0
(a) 1 0 1 3
 
No escalonada (b) Escalonada reducida
0 0 1 0
0 0 0 0
 
 
1 2 0 0 " #
1 2 0 0
(c) 0 2 0 0
 
Escalonada (d) Escalonada principal
0 1 0 1
0 0 2 1
 
 
" # 0 2 0 0
1 2 0 0
(f) 0 1 2 1
 
(e) Escalonada No escalonada
0 0 2 1
0 0 0 0
 
" # " #
0 0 0 0 1 0 2 5
(g) Escalonada reducida (h) Escalonada reducida
0 0 0 0 0 1 3 −3

19
En las matrices escalonadas llamamos columnas principales (o columnas pivote) a las que contienen
un elemento principal.

3.2. Operaciones elementales.

La matriz identidad y las matrices elementales
El objetivo del algoritmo de Gauss-Jordan es transformar una matriz cualquiera en una que
sea escalonada reducida mediante las transformaciones que se llaman operaciones elementales.

Una operación elemental es una transformación matricial de uno de estos tres tipos:

Operación de reducción: Sumar a una fila un múltiplo adecuado de otra fila. Es decir,
sustitución de una fila por el resultado de sumar un múltiplo de otra fila.

Escalamiento de una fila: Multiplicación de una fila por un número no nulo.

Permutación de dos filas: Intercambiar el orden entre dos filas.

Sólo hay estos tres tipos de operaciones elementales. A menudo, se puede es-
calonar un sistema utilizando otras transformaciones, semejantes a éstas, pero que
no son estrictamente operaciones elementales; nosotros utilizaremos sólo opera-
ciones elementales.
En particular, hay que remarcar que las operaciones más importantes —las de
reducción— consisten en cambiar una fila de la matriz por el resultado de sumar a
esta fila un múltiplo de otra: por ejemplo, podemos cambiar la primera fila, f1 , por
f1 − (1/2) f2 (la primera menos la mitad de la segunda), pero no por el doble de la
primera menos la segunda: cambiar f1 por 2 f1 − f2 no es una operación elemental.
Definiciones 3
1. Dos matrices A y B son equivalentes por filas si podemos transformar A en B mediante
un número finito de operaciones elementales.

2. Si la matriz escalonada S es equivalente a A diremos que S es una forma escalonada

de A.

3. Si la matriz escalonada reducida R es equivalente a A diremos que R es la forma

escalonada reducida de A.

Una matriz tiene muchas formas escalonadas, pero la forma escalonada reducida es única,
es decir, que para cualquier matriz A hay una sola matriz escalonada reducida que es equivalente por
filas a A.
El hecho más importante acerca de las operaciones elementales es que estas operaciones
se pueden interpretar como multiplicaciones matriciales: cada operación elemental sobre la matriz
A es el producto de una matriz especial por la matriz A. Este hecho será muy importante y tendrá
muchas aplicaciones, especialmente en el tema siguiente, pero también en el resto del curso.
A estas matrices especiales las llamaremos matrices elementales y nuestro objetivo inmediato
es el de investigar cómo deben ser las matrices elementales. Algunos ejercicios lo aclararán.

20
Ejemplo 11
Encuentra una matriz  
e11 e12 e13 
e21 e22 e23 
 
 
e31 e32 e33
de manera que, al multiplicarla por
 
0 0 −2 0
A = 2 4 −10 6
 
2 4 −5 6
 

permuta las dos primeras filas de A. Es decir, que

    
e11 e12 e13  0 0 −2 0 2 4 −10 6
e21 e22 e23  2 4 −10 6 = 0 0 −2 0
    
     
e31 e32 e33 2 4 −5 6 2 4 −5 6

Para construirla, notemos que las filas del producto son combinaciones lineales de las filas de
la segunda matriz:
– La primera fila de este producto es
e11 (fila 1 de A) + e12 (fila 2 de A) + e13 (fila 3 de A)
así que para que el resultado sea la segunda fila de A conviene poner
0(fila 1 de A) + 1(fila 2 de A) + 0(fila 3 de A)
    
0 1 0 0 0 −2 0 2 4 −10 6
  2 4 −10 6 =  
     
2 4 −5 6
    

– La segunda fila debe ser

1(fila 1 de A) + 0(fila 2 de A) + 0(fila 3 de A)
    
0 1 0 0 0 −2 0 2 4 −10 6
1 0 0 2 4 −10 6 = 0 0 −2 0
     
     
2 4 −5 6
– A continuación, como la tercera fila del producto queremos que sea la misma que la tercera
fila de A, ponemos
0(fila 1 de A) + 0(fila 2 de A) + 1(fila 3 de A)
    
0 1 0 0 0 −2 0 2 4 −10 6
1 0 0 2 4 −10 6 = 0 0 −2 0
     
     
0 0 1 2 4 −5 6 2 4 −5 6
 
0 1 0
La matriz que buscamos es E1,2 = 1 0 0.
 
0 0 1
 
 
0 1 0
La matriz E1,2 = 1 0 0 es una matriz elemental del tipo permutación. Los subíndice 1, 2
 
0 0 1
 
hacen referencia a las filas que se permutan al realizar el producto E1,2 A.

21
Ejemplo 12
Encontrar una matriz  
e11 e12 e13 
e21 e22 e23 
 
 
e31 e32 e33
de manera que, al multiplicarla por
 
0 0 −2 0
A = 2 4 −10 6
 
2 4 −5 6
 

divide entre 2 la segunda fila de A. Es decir, que

    
e11 e12 e13  0 0 −2 0 2 4 −10 6
 21 e22 e23  2 4 −10 6 = 1 2 −5 3
e     
e31 e32 e33 2 4 −5 6 2 4 −5 6
    

Para que la primera fila del producto coincida con la primera fila de A debemos poner

1(fila 1 de A) + 0(fila 2 de A) + 0(fila 3 de A)

    
1 0 0 0 0 −2 0 0 0 −2 0
 2 4 −10 6 = 
     
 
     
2 4 −5 6
La segunda fila debe ser

0(fila 1 de A) + (1/2)(fila 2 de A) + 0(fila 3 de A)

    
1 0 0 0 0 −2 0 0 0 −2 0
0 1/2 0 2 4 −10 6 = 1 2 −5 3
     
2 4 −5 6
    

Posteriormente, como la tercera fila del producto queremos que sea la misma que la tercera fila
de A, ponemos
0(fila 1 de A) + 0(fila 2 de A) + 1(fila 3 de A)
    
1 0 0 0 0 −2 0 0 0 −2 0
0 1/2 0 2 4 −10 6 = 1 2 −5 3
    
     
0 0 1 2 4 −5 6 2 4 −5 6
 
1 0 0
La matriz que buscábamos es esta: E2 (1/2) = 0 1/2 0.
 
0 0 1
 
 
1 0 0
La matriz E2 (1/2) = 0 1/2 0 es una matriz elemental del tipo escalado. El subíndice 2 y el
 
0 0 1
 
número 1/2 hacen referencia a la fila de la matriz A que cambia de escala (la segunda) y al
factor de escala (un medio).

22
Ejemplo 13
Encontrar una matriz  
e11 e12 e13 
e21 e22 e23 
 
 
e31 e32 e33
de manera que, al multiplicarla por
 
0 0 −2 0
A = 1 1 −5 6
 
2 4 −5 6
 

resta 2 veces la fila segunda a la fila tercera, es decir, que

    
e11 e12 e13  0 0 −2 0 0 0 −2 0 
e21 e22 e23  1 1 −5 6 = 1 1 −5 6 
    
     
e31 e32 e33 2 4 −5 6 0 2 5 −6

Para que la primera fila no cambie debemos poner

1(fila 1 de A) + 0(fila 2 de A) + 0(fila 3 de A)

    
1 0 0 0 0 −2 0 0 0 −2 0
 1 1 −5 6 = 
     
 
     
2 4 −5 6
Para la segunda fila,
0(fila 1 de A) + 1(fila 2 de A) + 0(fila 3 de A)
    
1 0 0 0 0 −2 0 0 0 −2 0
0 1 0 1 1 −5 6 = 1 1 −5 6
    
     
2 4 −5 6
a continuación, la tercera fila debe ser

0(fila 1 de A) − 2(fila 2 de A) + 1(fila 3 de A)

    
1 0 0 0 0 −2 0 0 0 −2 0 
0 1 0 1 1 −5 6 = 1 1 −5 6 
     
0 −2 1 2 4 −5 6 0 2 5 −6
    
 
1 0 0
Así que la matriz que buscamos es E3,2 (−2) = 0 1 0.
 
0 −2 1
 
 
1 0 0
La matriz E3,2 (−2) = 0 1 0 es una matriz elemental del tipo reducción. Los subíndice 3, 2
 
0 −2 1
 
y el número −2 (entre paréntesis) hacen referencia al hecho de que sumamos a la fila 3 la
fila 2 multiplicada por −2.
Observamos que la entrada (3, 2) de esta matriz es precisamente el número −2.

23
3.2.1. La matriz identidad
La matriz identidad de orden n es la matriz cuadrada n × n

1 0 . . . 0
 
0 1 . . . 0
 
I = . . . . . . . . . . . . .
 

. . . . . . . . . . . . .
 
0 0 ... 1

(los unos ocupan toda la diagonal principal de la matriz y todas las otras entradas son
ceros)

Esta matriz es el elemento neutro de la multiplicación de matrices, porque siempre que se

multiplica a la izquierda o a la derecha por una matriz A el resultado es la misma matriz A.

3.2.2. Las matrices elementales

Las matrices elementales que hemos ido introduciendo en los ejemplos anteriores se pueden
ver como pequeñas modificaciones de la matriz identidad; así como la identidad no modifica
las matrices cuando se multiplica, las matrices elementales introducen pequeñas variaciones
(que llamamos operaciones elementales). Hay tres tipos de matrices elementales:
La matriz elemental de tipo permutación Ei, j es la matriz que resulta de intercambiar las filas i
y j de la matriz identidad.

Por ejemplo, si trabajamos con matrices 4 × 4,

   
1 0 0 0 0 0 0 1
0 0 1 0 0 1 0 0
   
E2,3 =   E4,1 =  
0 1 0 0 0
 0 1 0
0 0 0 1 1 0 0 0
  

Multiplicar la matriz Ei, j por una matriz A es equivalente a intercambiar las filas i y j de A.
Por ejemplo, " # " #" # " #
4 2 0 1 4 2 2 3
E1,2 = =
2 3 1 0 2 3 4 2
La matriz elemental Ei (α) es la matriz que resulta de sustituir en la matriz identidad el
elemento que se encuentra en la posición (i, i) por α.

Por ejemplo, si trabajamos con matrices 4 × 4,

   
1 0 0 0 1 0 0 0 
0 3/2 0 0 0 1 0 0 
   
E2 (3/2) =    E4 (−2) =  
0 0 1 0 
 0 0 1 0 
0 0 0 1 0 0 0 −2
   

Multiplicar la matriz Ei (α) por una matriz A es equivalente a multiplicar la fila i de A por α.
Por ejemplo, " # " #" # " #
4 2 −3 0 4 2 −12 −6
E1 (−3) = =
2 3 0 1 2 3 2 3
La matriz elemental de tipo eliminación Ei, j (α) es la matriz que resulta de cambiar la entrada
(i, j) de la matriz identidad por α.

24
 Por ejemplo, si trabajamos con matrices 4 × 4,
   
1 0 0 0  1 0 0 0
0 1 4 0 0 1 0 0
   
E2,3 (4) =   E4,1 (−2) =  
0 0 1 0  0 0 1 0
0 0 0 1 −2 0 0 1
   

Multiplicar la matriz Ei, j (α) por una matriz A es equivalente a sumar a la fila i de A α veces
la fila j. Por ejemplo, " # " #" # " #
4 2 1 −1 4 2 2 −1
E1,2 (−1) = =
2 3 0 1 2 3 2 3

Ejercicio 3.2. En cada apartado explica cuál es el efecto de la multiplicación indicada.

1. E4 (−2)A
La cuarta fila de la matriz A se multiplica por −2.

2. E2,4 (3)A
A la segunda fila de la matriz A se le suma el triple de la cuarta fila.

3. E4,1 A
Se permutan las filas primera y cuarta de A.

4. E2,1 (3)E3,1 (1)E4,1 (−1/2)A

A la segunda fila se le suma el triple de la primera, a la tercera se le suma la primera y a
la cuarta se le resta un medio de la primera.

25
Ejercicio 3.3. Calcula la forma escalonada reducida de la matriz
 
0 0 −2 7 
A = 2 4 −10 12 
 
2 4 −5 −5
 

siguiendo los pasos indicados: en cada paso haz las operaciones elementales correspondientes
a las matrices que hay por encima de la flecha.

     
0 0 −2 7  E1,2 2 4 −10 12  E3,1 (−1) 2 4 −10 12 
2 4 −10 12 
 −−→ 0 0 −2 7  −−−−−→ 0 0 −2 7 
  

2 4 −5 −5 2 4 −5 −5 0 0 5 −17
     
   
1 2 −5 6  E (5/2)E (−5/2) 1 2 0 −23/2
E1 (1/2) 

  3,2 1,2
−−−−→ 0 0 −2 7  −−−−−−−−−−−−→ 0 0 −2 7 

0 0 5 −17 0 0 0 1/2
   
     
E2 (−1/2) 
1 2 0 −23/2 E2,3 (7)E1,3 (23) 1 2 0 0  E (2) 1 2 0 0
 3 
−−−−−→ 0 0 1 −7/2  −−−−−−−−−→ 0 0 1 0  −−−→ 0 0 1 0
  
0 0 0 1/2 0 0 0 1/2 0 0 0 1
     

 
1 2 0 1
Ejercicio 3.4. Encuentra la forma escalonada reducida de la matriz 3 6 1 6. Discute y
 
1 2 2 7
 
resuelve el sistema lineal
x1 + 2x2 =1
3x1 + 6x2 + x3 = 6
x1 + 2x2 + 2x3 = 7
     
1 2 0 1 E3,1 (−1)E2,1 (−3) 1 2 0 1 E3,2 (−2) 1 2 0 1
3 6 1 6
 −−−−−−−−−−→ 0 0 1 3 −−−−−→ 0 0 1 3
   

1 2 2 7 0 0 2 6 0 0 0 0
     

El sistema es compatible indeterminado y la solución general es

     
x1  1 −2
 2  =   + λ  1 
x  0  
x3 3 0
     

26
3.3. Discusión y resolución de los sistemas lineales
Supongamos que queremos estudiar la compatibilidad de un sistema lineal cualquiera y, en
caso de que sea compatible, resolverlo. Antes que nada aplicamos el algoritmo de Gauss-Jordan
para obtener la forma escalonada de la matriz ampliada del sistema.
Entonces llamaremos variables principales (o incógnitas principales) a aquellas incógnitas que
en alguna ecuación aparecen multiplicadas por un elemento principal, y variables (o incógnitas)
libres a las que no son principales.
Entonces,
– Si la columna de los términos independientes tiene algún pivote, entonces el sistema
es incompatible, porque la fila correspondiente a este pivote representa la ecuación

0x1 + 0x2 + · · · + 0xn = 1

– En caso contrario, el sistema es compatible y la solución se puede obtener despejando

en cada ecuación su elemento principal y sustituyendo todas las variables libres por
parámetros. Por lo tanto,

• Si todas las variables son principales, el sistema es compatible determinado.

• Si hay alguna variable libre, el sistema es compatible indeterminado, y tiene un
conjunto infinito de soluciones que se puede expresar con tantos parámetros
como variables libres tiene el sistema.

Podemos formalizar este razonamiento introduciendo el concepto de rango de una matriz.

Definición 4
El rango de la matriz A, rang A, es el número de unos principales de su forma escalonada
reducida (o, equivalentemente, el número de filas no nulas de cualquiera de sus formas
escalonadas).

Con esta definición, el teorema siguiente es inmediato.

Teorema 1 (Teorema de Rouché)
Consideramos el sistema lineal A~ x = ~b.

– El sistema es compatible si y sólo si rang A = rang A ~b

h i

– Si el sistema es compatible, entonces el número de variables principales es rang A y

el de variables libres n − rang A

– Si el sistema es compatible, entonces es determinado si y sólo si rang A = n

Demostración: La prueba se basa en el razonamiento del recuadro anterior: el sistema es compatible si

y sólo si en la forma escalonada reducida de la matriz ampliada no hay ningun uno principal, es decir,
si y sólo si el rango de la matriz de coeficientes y el de la matriz ampliada coinciden. 

27
 Este teorema nos permite decidir el carácter de cualquier sistema lineal sin más que reducirlo
a una forma escalonada.
Ejemplo 14
Discusión y cálculo de las soluciones del sistema

− 2x3 + 7x5 = 12
2x1 + 4x2 − 10x3 + 6x4 + 12x5 = 28
2x1 + 4x2 − 5x3 + 6x4 − 5x5 = −1

La matriz ampliada del sistema es

 
 0 0 −2 0 7 12 
 2 4 −10 6 12 28
 

 
2 4 −5 6 −5 −1

Y la forma escalonada reducida de esta matriz es

 
 1 2 0 3 0 7 
 0 0 1 0 0 1 
 
 
0 0 0 0 1 2

de manera que el rango de la matriz de coeficientes y el de la matriz ampliada son, los dos,
iguales a 3. El sistema es compatible indeterminado.
Las variables x1 , x3 , x5 son principales y x2 , x4 son libres. El sistema lineal es equivalente a
éste:

x1 + 2x2 + 3x4 = 7
x3 = 1
x5 = 2

Así que, despejando en cada ecuación su elemento principal, resulta

x1 = 7 − 2x2 − 3x4
x3 = 1
x5 = 2

y la solución general se obtiene cambiando las dos variables libres por parámetros:

7 −2 −3

     
0  1   0 
     
~
x = 1 + λ1  0  + λ2  0 
     

0  0   1 

     
 
2 0 0

28
 " # " #
1 2 u
Ejercicio 3.5. (Una matriz inversa) Si A = ~= 1 ,
yu
2 3 u2

1. Resuelve la ecuación matricial

~ =u
AX ~
La ecuación es equivalente al sistema lineal

x1 + 2x2 = u1
2x1 + 3x2 = u2

Para resolverlo eliminamos x2 de la segunda ecuación, restándole el doble de la primera:

x1 + 2x2 = u1
−x2 = −2u1 + u2

y la solución es x2 = 2u1 − u2 , x1 = u1 − 2x2 = −3u1 + 2u2 , es decir,

−3u1 + 2u2
" #
X=
2u1 − u2

2. Observa que la solución del apartado anterior se puede escribir así:

" #
−3 2
~
x= ~
u
2 −1
" #
−3 2
y llamemos B a la matriz . Calcula AB y BA.
2 −1
" #" # " # " #" # " #
1 2 −3 2 1 0 −3 2 1 2 1 0
AB = = BA = =
2 3 2 −1 0 1 2 −1 2 3 0 1

29