22 de Febrero del 2021

Clase No. 1 Campos y Matrices

Definición. Un campo es un conjunto K dotado con dos operaciones binarias.
Suma +: K x K → K
(a, b)↦ a+b
Y
Multiplicación ∙: K x K → K
(a, b) ↦ a∙b
Las cuales tienen las siguientes propiedades:
1) La suma es conmutativa.
Esto significa que: a + b = b + a, ∀ a, b∈ K
2) La suma es asociativa.
Esto significa que: (a + b)+c = a + (b + c), ∀ a, b, c ∈ K
3) Existe un elemento en K, llamado elemento neutro para la suma o cero, este elemento
se representa con el símbolo 0 y satisface la siguiente condición:
a + 0 = a, ∀ a ∈ K
4) Para cada b ∈ K existe un elemento en K, llamado inverso aditivo de b, este elemento se
representa con el símbolo -b (se lee ‘’menos b’’) y satisface la siguiente condición:
b + (-b) = 0
5) La multiplicación es conmutativa.
Esto significa que: a ∙ b = b ∙ a, ∀ a, b∈ K
6) La multiplicación es asociativa.
Esto significa que: (a ∙ b) ∙c = a ∙ (b ∙ c), ∀ a, b, c ∈ K
7) Existe un elemento en K llamado elemento identidad para la multiplicación o uno, este
elemento se representa con el símbolo 1 y satisface las siguientes condiciones:
1≠0 y a ∙ 1 = a, ∀ a ∈ K
8)La multiplicación distribuye a la suma.
Esto significa que: a∙ (b + c) = a∙ b + a∙ c, ∀ a, b, c ∈ K
9) Para cada b∈ K \ {0} existe un elemento en K llamado inverso multiplicativo de b, este
elemento se representa con el símbolo b-1 y satisface la siguiente condición:
b ∙ b-1 = 1

Convenciones: Si a, b y c ∈ K
1) Al elemento b + (-a) lo escribiremos como b – a (se lee ‘’b menos a’’).
2) Al elemento a ∙ b lo representaremos también con el símbolo ab
3) Al elemento a + (b+ c)= (a+ b) + c lo representaremos con el símbolo a + b + c
Nota. En álgebra lineal a los elementos de un campo K se les llama escalares.
Ejemplo:
Los conjuntos C, R y Q dotados con sus operaciones usuales constituyen ejemplos de
campos.

Definición. Sea K un campo.

Si existe un entero positivo m tal que m b = 0, ∀ b ∈ K, definimos la característica de K,
denotada por Car (K) como sigue: Car (K) = Mín {n ∈Z+: n b = 0,∀ b ∈ K }
En caso de que no exista un entero positivo m tal que m b = 0, ∀ b ∈ K entonces se define
la característica de K como cero.
Ejercicio 1: Demuestre que Car (C) = Car (R) = Car (Q) = 0
Ejercicio 2: Sea Z2= { ∆, ! }
Sobre este conjunto definimos las operaciones:

+ ∆ !
! ! ∆
∆ ∆ !

∙ ∆ !
! ∆ !
∆ ∆ ∆
a) Demuestre que Z2 constituye un campo con las operaciones definidas con anterioridad.
b) Determine Car (Z2).
Definición. Sean m y n enteros positivos fijados de antemano, una matriz de orden m x n
con entradas en un campo K, es una función B: {1, 2,…, m} x {1, 2,…, n} → K
(i, j) ↦ B i j
Al elemento B i j∈K lo llamaremos entrada i, j de la matriz B.
¿Cuántas entradas tiene la matriz B?
Nota. En lo sucesivo asumiremos que K es un campo y que todas las matrices tienen
entradas en K
Convención: A la matriz B la representaremos con el arreglo rectangular
B11 B12 ⋯ B1n−1 B1n
B21 B22 ⋯ B2n−1 B2n
B=[ ⋱ ]
⋮ ⋮ ⋮ ⋮
Bm1 Bm2 ⋯ Bmn−1 Bmn

y en forma compacta escribiremos B= [Bij ]

Sea i ∈{1,2,…, m} arbitrario pero fijo, a las entradas Bi 1, Bi 2,…, B i n (respetando el orden)
las llamaremos renglón i-ésimo de la matriz B.
Sea j∈{1,2,…, n} arbitrario pero fijo, a las entradas B1 j, B2 j,…, B m j (respetando el orden) las
llamaremos columna j-ésima de la matriz B.
Ejercicio 3: ¿Cuándo se dice que dos matrices A y B son iguales?
Solución:
Dos matrices A y B son iguales si se cumplen las siguientes condiciones:
1) Las matrices tienen igual orden.
2) Cada entrada de la matriz A coincide con la entrada correspondiente de la matriz B.
Nota. Si se quiere demostrar que dos matrices de orden m x n son iguales, elegimos
i∈{1,2,…, m}, j∈{1,2,…, n} arbitrarios y los fijamos, a continuación debemos probar que
A ij = B ij
Definición. Sean m y n enteros positivos fijados de antemano, al conjunto de todas las
matrices de orden m x n con entradas en un campo K lo representaremos con el símbolo
Mm x n (K).
Definición. Se dice que una matriz A es cuadrada si, el número de filas y el número de
columnas de A son iguales.
Definición. Sea n un número entero positivo fijado de antemano, definimos la matriz
1 𝑠𝑖 𝑖 = 𝑗
identidad de orden n x n como sigue: In = [I𝑖𝑗 ] en donde I𝑖𝑗 = {
0 𝑠𝑖 𝑖 ≠ 𝑗
Definición. Sean m y n enteros positivos, la matriz cero de orden m x n se define como
aquella matriz de orden m x n en la que todas sus entradas son iguales a 0.
A esta matriz la representaremos con el símbolo 0

Definición. Se dice que una matriz cuadrada B= [𝐵𝑖𝑗 ] de orden n x n es una matriz
diagonal si B i j = 0, ∀ i, j ∈{1, 2,…, n} con i≠j.

Definición. Sea B= [𝐵𝑖𝑗 ] una matriz cuadrada de orden n x n a las entradas:

B 1 1, B 2 2,…, B n n
Las llamaremos diagonal principal de la matriz B.

Definición. Sea B= [𝐵𝑖𝑗 ] una matriz cuadrada de orden n x n.

Al elemento B 1 1 + B 2 2 +…+ B n n ∈ K lo llamaremos traza de B y lo denotaremos con el

símbolo Tr (B).

Definición. Se dice que una matriz cuadrada B= [𝐵𝑖𝑗 ] de orden n x n es:

a) Triangular Superior si B i j = 0 ∀ i, j ∈ {1, 2,…, n} con i > j

b) Triangular Inferior si B i j = 0 ∀ i, j ∈ {1, 2,…, n} con i < j
c) Triangular si B es triangular superior o triangular inferior.

Definición. Dada una matriz B= [𝐵𝑖𝑗 ] de orden m x n, definimos la matriz transpuesta de B,

denotada por B t = [B i jt] como la matriz de orden n x m cuyas entradas están dadas por
B i jt = B j i, ∀ i=1,…, n y ∀ j =1,…, m

Ejercicio 4: Si B= [Bij ] es una matriz de orden m x n demuestre que (B t) t = B.

Definición. Sean A = [Aij ], B = [Bij ] ∈ M m x n (K) definimos la matriz suma de A y B,

denotada por A + B como sigue A + B = [(A+B) i j] en donde (A+B) i j = A i j + B i j,
∀ i = 1,2,…, m y ∀ j = 1,2,…, n

Definición. Sean A = [Aij ] ∈ M m x n (K) y c ∈ K, definimos la multiplicación escalar de c por

A, denotada por c ∙ A o simplemente c A, como la matriz de orden m x n: c ∙ A = [(c ∙ A) i j]
en donde (c ∙ A) i j = c∙ A i j, ∀ i = 1,2,…, m y ∀ j = 1,2,…, n

Definición. Sean A = [Aij ] ∈ M m x n (K) y B = [Bij ] ∈ M n x r (K), definimos el producto de A

y B denotado por A ∙ B o simplemente AB, como la matriz de orden m x r: A ∙ B = [(A ∙B) i j]
en donde (A ∙B) i j = ∑np=1 Aip Bpj , ∀ i = 1,2,…, m y ∀ j = 1,2,…, r
Teorema 1. Sean A = [Aij ] ∈ M m x n (K), B = [Bij ], C = [Cij ] ∈ M n x r (K), D= [Dij ], E = [Eij ] ∈
M t x m (K) se verifica lo siguiente:
i) A (B + C) = AB + AC
ii) (D + E) A = D A + E A
iii) b (AB) = (b A) B =A (b B), ∀b∈ K
iv) I m A = A
v) A In = A
Demostración: Sólo se demostrará el inciso (iv) y los demás se dejan como ejercicio.
iv) Claramente la matriz I m A tiene orden m x n.
Por otra parte sean i∈{1,2,…, m} y j ∈{1,2,…, n} arbitrarios pero fijos.
Notemos que:
(I m A) i j = ∑m
p=1(Im )ip Apj = Aij

Como i, j son arbitrario, podemos concluir que I m A = A.

Observación: Si A es una matriz cuadrada de orden n x n entonces A I n = I n A = A

Ejercicio 5:

Si A = [Aij ] ∈ M m x n (K), B = [Bij ] ∈ M n x p (K) y C = [Cij ] ∈ M p x q (K) entonces se verifica

que A (B C) = (A B) C
Ejercicio 6: Falso o Verdadero
Si A y B son matrices tales que A B = 0 entonces A = 0 o B = 0

Ejercicio 7: Si A = [Aij ], 𝐵 = [Bij ] ∈ M m x n (K) demuestre que (A+ B) t = At + B t

Ejercicio 8: Sea D una matriz cuadrada de orden n x n tal que D A = A D, ∀A ∈ M n x n (C)

Determine de qué forma es D.
Definición. Se dice que una matriz cuadrada A es:
a) Simétrica si At = A
b) Antisimétrica si At = - A
Ejercicio 9. Demuestre que toda matriz cuadrada se puede escribir como la suma de una
matriz simétrica y una matriz antisimétrica.

Ejercicio 10: A = [𝐴𝑖𝑗 ] ∈ M m x n (K), B = [𝐵𝑖𝑗 ] ∈ M n x r (K) demuestre que:

(AB) t = B t A t
Definición. Se dice que una matriz cuadrada A de orden n x n es invertible o no singular
si, existe una matriz cuadrada B de orden n x n que satisface las siguientes condiciones:
A B = In y B A = In
En este caso se dice que B es matriz inversa de A y que A es matriz inversa de B.
Ejercicio 11. Dar un ejemplo de matrices A y B tales que A B = In para algún n∈ Z+ pero que
B A ≠ In
a b
Ejercicio 12. Sea A = [ ] ∈ M2 x 2 (C). Demuestre que A es invertible si y sólo si a d - b c
c d
≠0
Teorema 2. Si A es una matriz cuadrada de orden n x n y A es invertible entonces su
inversa es única.
Demostración: Supongamos que B y C son matrices inversas de A entonces se cumple lo
siguiente:
A B = In y B A = In -------------- (*)
A C = In y C A = In -------------- (**)
Notemos que:
B = B In esto se cumple por el Teorema 1(v)
= B (AC) esto se sigue de la primera igualdad de (**)
= (BA) C esto se cumple por el ejercicio (5)
= In C esto se cumple por la segunda igualdad de (*)
=C Teorema 1(iv)
Notación. Si A es una matriz invertible a su inversa la denotaremos con el símbolo A -1
Teorema 3. Si A y B son matrices cuadradas de orden n x n é invertibles entonces se
cumple que:
1) (A-1)-1 = A
2) (A B) -1 = B-1 A-1
Demostración:
Sólo se demostrará el inciso (2) y el otro inciso se deja como ejercicio.
Observemos que:
(A B) (B-1 A-1) = ((AB) B-1) A-1 por el ejercicio (5)
= (A (B B-1)) A-1 por el ejercicio (5)
= (A I n) A-1 por la definición de matriz inversa
= A A-1 Teorema 1 (v)
=In por la definición de matriz inversa
Por otra parte (B-1 A-1) (A B) = B-1 (A-1 (AB)) por el ejercicio (5)
= B-1 ((A-1 A) B) por el ejercicio (5)
= B-1 (I n B) por la definición de matriz inversa
= B-1 B Teorema 1(iv)
=In por la definición de matriz inversa

Es decir B-1 A-1 es matriz inversa de AB y como la inversa de AB es única, resulta que:
(AB)-1 = B-1 A-1

Ejercicio 13: Sea A una matriz cuadrada é invertible demuestre que (At) -1 = (A-1) t

ECUACIONES LINEALES
Definición. Una ecuación lineal en las incógnitas x1, x2,…, x n en forma convencional es una
ecuación de la forma a1 x1 + a2 x2 +…+ a n x n = b en donde a1, a2,…, a n, b ∈ K.
Para cada i = 1,…, n el elemento a i se llama coeficiente de xi y b se llama término
constante de la ecuación.
Notación. Al conjunto K x K x…x K (n copias de K) lo representaremos con el símbolo K n
Definición. Una solución en K n de la ecuación a1 x1 + a2 x2 +…+ a n x n = b es un conjunto
de valores de las incógnitas digamos x1 = c 1, x2= c2,…, x n = c n o una n - a d a
(c1, c2,…, c n) ∈K n tal que: a1 c1 + a2 c2 +…+ a n c n = b
Al conjunto de todas las soluciones en K n de la ecuación a1 x1 + a2 x2 +…+ a n x n = b lo
llamaremos conjunto solución o solución general de la ecuación.
Definición. Se dice que una ecuación lineal en las incógnitas x1, x2,…, x n es degenerada si
tiene la forma 0 x1 + 0 x2 +…+ 0 x n = b.
Teorema 4. La ecuación degenerada 0 x1 + 0 x2 +…+ 0 x n = b.
1) No tiene solución si b ≠ 0
2) Tiene como conjunto solución a K n si b = 0
Demostración: Sólo demostraremos el inciso (2), el otro inciso se deja como ejercicio

2) Sea (a1, a2,…, a n) un elemento arbitrario pero fijo de K n, observemos que:

0 a1 + 0 a2 +…+ 0 a n = 0 = b
Como (a1, a2,…, a n) es un elemento arbitrario de K n, se sigue que K n está contenido en el
conjunto solución de la ecuación.
Por otra parte como toda solución de la ecuación, es un elemento de K n.
Podemos concluir que el conjunto solución de esta ecuación es K n

Teorema 5. Sean a, b ∈ K, la ecuación lineal a x = b

b
1) Tiene solución única si a ≠ 0 y la solución es x = a

2) No tiene solución si a = 0 y b≠0

3) Todo elemento de K es una solución si a = 0 y b = 0
Definición. Sea a1 x1 + a2 x2 +…+ a n x n = b una ecuación lineal no degenerada, decimos que
x p es la primer incógnita de esta ecuación si a j = 0 ∀ j ∈ {1,2,…, n} con j < p y a p ≠ 0.

Teorema 6. Sean a1 x1 + a2 x2 +…+ a n x n = b una ecuación lineal no degenerada y x p la

primera incógnita de esta ecuación.
Cualquier asignación de valores a las variables x j con j ≠p da una solución única de la
ecuación.

Definición. Sean a1 x1 + a2 x2 +…+ a n x n = b una ecuación lineal no degenerada y x p la

primera incógnita de esta ecuación. A las variables x 1,…, x p-1, x p+1,…, x n las llamaremos
variables libres (porque les podemos asignar cualquier valor en K para obtener una
solución de esta ecuación).

Sistemas de Ecuaciones Lineales

Definición. Sean m y n números enteros positivos fijados de antemano.
Consideremos m ecuaciones lineales con n incógnitas x1, x2,…, x n en forma convencional.
A 11x1+ A 12x2+…+ A 1nxn = B1
A 21x1+ A 22x2+…+ A 2nxn = B2 (*)

⋮ ⋮ ⋮ ⋮
A m1x1+ A m2x2+…+ A m n x n = B m
En donde A i j, B i ∈K, ∀ i ∈{1,2,…, m}, ∀j∈{1,2,…, n}.
A estas ecuaciones las llamaremos sistema de m de ecuaciones lineales en las incógnitas
x1, x2,…, x n.
Una solución de este sistema de ecuaciones es una n – ada (c1, c2,…, c n) ∈Kn que es
solución de cada una de las ecuaciones del sistema.
El conjunto solución de este sistema de ecuaciones es {(c1, c2,…, c n) ∈Kn: (c1, c2,…, c n) es
solución del sistema de ecuaciones}.
Definición. Dado un sistema de ecuaciones lineales (*), definimos:
a) La matriz de coeficientes del sistema (*) como:
 A11 A12 ⋯ A1n
A21 A22 ⋯ A2n
A=[ ⋱ ]
⋮ ⋮ ⋮
Am1 Am2 ⋯ Amn
b1
b2
b) Matriz de Términos Constantes del sistema (*), B = [ ]
⋮
bm
x1
x2
c) Matriz de incógnitas, X = [ ]
⋮
xn
d) La matriz ampliada del sistema (*) como:
A11 A12 ⋯ A1n B1
A A22 ⋯ A2n B2
[ 21 ⋱ ]
⋮ ⋮ ⋮ ⋮
Am1 Am2 ⋯ Amn Bm
A esta matriz la escribiremos en forma abreviada como [A, B].
Observación: El sistema de ecuaciones lineales se puede escribir en forma matricial como:
AX = B

Operaciones Elementales por Renglones

A11 A12 ⋯ A1n
A21 A22 ⋯ A2n
Sea A = [ ⋱ ] una matriz de orden m x n con entradas en K.
⋮ ⋮ ⋮
Am1 Am2 ⋯ Amn
R1
R
En esta sección representaremos a la matriz A en la forma A = [ 2 ] en donde R1, R2,…, R m
⋮
Rm
son los renglones de A.
Definición. Una operación elemental por renglones es una función de M m x n (K) en
M m x n (K) de alguno de los siguientes tipos que a continuación se indican:
Dada una matriz A ∈ M m x n (K)
1) Sean i, j ∈{1,2,…, m}, arbitrarios pero fijos con i ≠ j, definimos R i ↔ R j como la función
que intercambia el renglón i de A con el renglón j de A y los demás renglones permanecen
igual.
 R1 R1
⋮ ⋮
Ri Rj
Más explícitamente: A = ⋮ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
Ri ↔ Rj ⋮
Rj Ri
⋮ ⋮
[R m ] [ R m]

2) Sea i ∈{1,2,…, m}, arbitrario pero fijo y sea c ∈K con c≠0, definimos c R i como la
función que multiplica al renglón i –ésimo de A por el escalar c, los demás renglones
permanecen sin cambio.
R1 R1
⋮ ⋮
A = R i ⃗⃗⃗⃗⃗⃗
cR i cR i
⋮ ⋮
[R m ] [R m ]
3) Sean i, j ∈{1,2,…, m}, arbitrarios pero fijos con i ≠ j y c ∈K\{0}, definimos c R i + R j como
la función que multiplica por c el renglón i de A y el resultado se lo suma al renglón j de A y
los demás renglones permanecen igual(el único renglón que se modifica es el renglón j).
R1 R1
⋮ ⋮
Ri Ri
Más explícitamente: A = ⋮ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
cR i + R j ⋮
Rj cR i + R j
⋮ ⋮
[R m ] [ Rm ]

Ejercicio. Demuestre que las operaciones por renglones son, funciones biyectivas y que la
inversa de cada una de estas operaciones es una operación del mismo tipo.
Teorema 7. Consideremos dos ecuaciones lineales:
A i 1x1+ A i 2 x2+…+ A i n x n = B i y A j 1x1+ A j 2 x2+…+ A j n x n = B j, i ≠j, c∈K\ {0}
Se verifica lo siguiente:
(c1, c2,…, c n)∈Kn es solución de A i 1x1+ A i 2 x2+…+ A i n x n =B i y A j 1x1+ A j 2 x2+…+ A j n x n= B j
si y sólo si (c1, c2,…, c n) es solución de las ecuaciones: A i 1x1+ A i 2 x2+…+ A i n x n =B i y
(c A i 1 + A j 1)x1+ (c A i 2 + A j 2 )x2+…+ (c A i n + A j n ) x n = c B i + B j
Demostración:
(c1, c2,…, c n)∈Kn es solución de A i 1x1+ A i 2 x2+…+ A i n x n =B i y A j 1x1+ A j 2 x2+…+ A j n x n= B j
si y sólo si A i 1c1+ A i 2 c2+…+ A i n c n =B i y A j 1c1+ A j 2 c2+…+ A j n c n= B j
si y sólo si c A i 1c1+ c A i 2 c2+…+ c A i n c n =c B i y A j 1c1+ A j 2 c2+…+ A j n c n= B j
si y sólo si A i 1c1+ A i 2 c2+…+ A i n c n =B i y
(c A i 1c1+ c A i 2 c2+…+ c A i n c n) + (A j 1c1+ A j 2 c2+…+ A j n c n) = c B i + B j
Si y sólo si (c1, c2,…, c n) es solución de las ecuaciones: A i 1x1+ A i 2 x2+…+ A i n x n =B i y
(c A i 1 + A j 1) x1+ (c A i 2 + A j 2 )x2+…+ (c A i n + A j n ) x n = c B i + B j
Corolario 1. (c1, c2,…, c n)∈Kn es solución de A i 1x1+ A i 2 x2+…+ A i n x n =B i si y sólo si
(c1, c2,…, c n) es solución de c A i 1x1+ c A i 2 x2+…+ c A i n x n = c B i
Corolario 2. Sea [A, B] la matriz ampliada asociada con el sistema de ecuaciones AX= B.
Supongamos que [A’, B’] es la matriz que se obtiene después de aplicar una operación
elemental por renglones a [A, B].
Se verifica lo siguiente:
(c1, c2,…, c n)∈Kn es solución de AX = B si y sólo si (c1, c2,…, c n)∈Kn es solución de A’X = B’.

Definición. Sean A, B ∈ M m x n (K), decimos que B es equivalente por renglones a A si, B se

obtiene a partir de A aplicándole una sucesión finita de operaciones elementales por
renglones.
Definición. Un sistema de n ecuaciones lineales está en forma triangular si el número de
ecuaciones es igual al número de incógnitas y si x k es la primera incógnita de la k-ésima
ecuación k =1,2,…, n
Definición. Un sistema de ecuaciones lineales está en forma escalonada si ninguna
ecuación es degenerada y la primera incógnita de cada ecuación se encuentra ubicada a
la derecha de la primera incógnita de la ecuación anterior.
Más explícitamente:
Un sistema de ecuaciones lineales está en forma escalonada si es de la forma:
A 11x1+ A 12x2+ A 13 x 3 + A 1 4 x4+…+ A 1nxn = B1
A2j2 xj2 + A2j2+1 xj2 +1+…+ A2n xn = B2 (**)

⋮ ⋮ ⋮ ⋮
Arjr xjr + Arjr +1 xjr +1 +…+ Arn xn = Bn
1<j2<…<j r y donde A 11 ≠ 0, A2j2 ≠ 0,…, Arjr ≠ 0

Teorema 8. Considere un sistema de ecuaciones lineales en forma escalonada (**)

Se verifica lo siguiente:
1) r≤ n
2) Si r = n entonces el sistema (**) tiene solución única.
3) Si r < n entonces tenemos n-r variables libres, consecuentemente si K = C, R o Q existe
una infinidad de soluciones del sistema (**).
Demostración:
1) Claramente x1 , xj2 ,…, xjr son primeras incógnitas, si r > n el número de incógnitas del
sistema sería mayor que n, pero el sistema sólo tiene n incógnitas.
Así pues r≤ n.
2) Supongamos que r = n.
El sistema (**) se puede escribir en la forma:
A 11x1+ A 12x2+ A 13 x 3 + A 1 4 x4+…+ A 1nxn = B1
A22 x2 + A23 x3 + A24x4+…+ A2n xn = B2
⋮ ⋮ ⋮ ⋮
An−1n−1 xn−1 + An−1n xn = Bn-1
Ann x n = B n
El procedimiento que aplicaremos para obtener una solución de este sistema se llama
sustitución hacia atrás.
𝐵
En la última ecuación del sistema resolvemos para x n y obtenemos: x n = 𝐴 𝑛
𝑛𝑛

En la ecuación n-1 sustituimos el valor obtenido para x n y resolvemos para x n-1:

B
Bn−1 −An−1 n ( n )
Ann
x n-1 = An−1 n−1

En la ecuación n-2 sustituimos los valores obtenidos para x n y xn-1 y resolvemos para x n-2
Bn
B Bn−1 −An−1 n ( )
Ann
Bn−2 −An−2 n ( n )−An−2 n−1 ( )
Ann An−1 n−1
x n-2 = An−2 n−2

Continuando con este proceso obtenemos el resto de las variables y el proceso termina
cuando determinamos el valor de x1.
Así pues, con el procedimiento aplicado, obtenemos una solución del sistema (**)
Ahora bien, por el Teorema 6 sabemos que cada una de las n ecuaciones que forman al
sistema (**) tiene solución única.
Por lo tanto, la solución obtenida es única.
3) Supongamos ahora que r < n.
En el sistema de ecuaciones (**):
A 11x1+ A 12x2+ A 13 x 3 + A 1 4 x4+…+ A 1nxn = B1
A2j2 xj2 + A2j2+1 xj2 +1+…+ A2n xn = B2

⋮ ⋮ ⋮ ⋮
Arjr xjr + Arjr +1 xjr +1 +…+ Arn xn = Bn

1<j2<…<j r y donde A 11 ≠ 0, A2j2 ≠ 0,…, Arjr ≠ 0

Lo cual implica que x1, xj2,…, x j r son primeras incógnitas, de sus respectivas ecuaciones.
Ahora bien de las desigualdades: 1<j2<…<j r se sigue que todas las variables distintas a las
primeras incógnitas son variables libres, es decir, hay n-r variables libres.
Aplicando el procedimiento de sustitución hacia atrás, podemos encontrar una infinidad
de soluciones para el sistema, pues los campos C, R y Q son infinitos y en cada ecuación
hay al menos una variable libre.
Definición. Se dice que un renglón de una matriz A ∈ M m x n (K) es un renglón nulo si,
todas las entradas del renglón son iguales a 0.
Definición. Sea R un renglón no nulo de una matriz A ∈ M m x n (K), la entrada principal
de este renglón es la primer entrada distinta de cero de R.
Definición. Se dice que una matriz A ∈ M m x n (K) es reducida por filas o por renglones si:
1) La entrada principal de cada renglón no nulo de A es igual a 1.
2) Cada columna de A que contenga una entrada principal de algún renglón de A tiene sus
demás entradas iguales a cero.
Ejemplos:
1) La matriz I n es reducida por filas
1 0 0 0
2) ¿La matriz A = [0 1 −1 0] es reducida por filas?
0 0 1 0
 0 0 1 1
3) ¿La matriz A = [0 1 0 2] es reducida por filas?
1 0 0 3
Teorema 9. Cada matriz de orden m x n es equivalente por filas a una matriz reducida por
filas.
Demostración:
Sea A∈ M m x n (K).
Si el primer renglón de A es nulo, no hacemos algo al renglón y continuamos con el
renglón 2.
En caso de que el primer renglón de A sea no nulo, sea A 1 r la entrada principal de este
renglón, aplicamos a la matriz A la siguiente sucesión finita de operaciones elementales
1
por fila: R1 → -A 2 r R 1 + R 2 → - A 3 r R 1 + R3 → ⋯ → - A m r R 1 + R m -------- (i)
𝐴1 𝑟

Con estas operaciones elementales logramos que:

1) La entrada principal de R1 sea igual a 1.
2) Todas las demás entradas de la columna r de A sean iguales a cero.
Sea B la matriz que se obtiene después de aplicar la sucesión finita de operaciones
elementales por fila (i) a la matriz A.
Si el renglón 2 de la matriz B es nulo, no hacemos algo al renglón y continuamos con el
tercer renglón.
En caso de que el renglón 2 de la matriz B no sea nulo, sea B 2 t la entrada principal de este
renglón, aplicamos a la matriz B la siguiente sucesión finita de operaciones elementales
1
por fila: R2 → -B 1tR 2 + R 1 → - B 3 t R 2 + R3 → ⋯ → - B m t R 2 + R m -------- (ii)
𝐵2 𝑡

Con estas operaciones elementales logramos que:

1) La entrada principal de R2 sea igual a 1.
2) Todas las demás entradas de la columna t de B sean iguales a cero.
Observe que la sucesión finita de operaciones elementales (ii) no altera el valor de las
entradas de la columna r, obtenidas después de aplicar la sucesión finita de operaciones
elementales (i).
Trabajando con un renglón a la vez como lo hicimos anteriormente, después de un
número finito de pasos obtenemos una matriz reducida por filas.
Definición. Se dice que una matriz A ∈ M m x n (K) es escalonada reducida por filas si:
1) A es una matriz reducida por filas.
2) Si A tiene renglones nulos, los renglones nulos de A aparecen en la parte inferior de la
matriz, debajo de todos los renglones no nulos de A.
3) Sean R 1, R2,…, R t los renglones no nulos de A, si 𝐴1𝑗1 , 𝐴2𝑗2 , … , 𝐴𝑡𝑗𝑡 son las entradas
principales de cada uno de estos renglones, respectivamente, entonces se verifica que
j 1<j 2<…<j t
Ejemplos:
1 0 0 −1
1) ¿La matriz A = [0 1 0 −2] es escalonada reducida por filas?
0 0 1 −3
1 0 0 0
2) ¿La matriz A = [0 0 1 0] es escalonada reducida por filas?
0 0 0 1
1 0 5 −1
3) ¿La matriz A = [0 1 6 2 ] es escalonada reducida por filas?
0 0 0 1
Teorema 10. Toda matriz de orden m x n es equivalente por filas a una matriz escalonada
reducida por filas.
Demostración. Sea A ∈ M m x n (K), por el Teorema 9 sabemos que A es equivalente por
filas a una matriz B reducida por filas.
Si B tiene renglones nulos aplicamos operaciones elementales por renglones del tipo
R i ↔ R j para hacer que los renglones nulos de B queden debajo de todos los renglones no
nulos de B.
Posteriormente volvemos a aplicar operaciones del tipo R i ↔ R j para hacer que las
entradas principales de B cumplan con la condición (3) de la definición de matriz
escalonada reducida por filas.
Teorema 11. Si A ∈ M m x n (K) y m < n entonces el sistema de ecuaciones lineales AX = 0
tiene al menos una solución no trivial (es decir, una solución distinta de cero).
Demostración:
Por el Teorema 10 sabemos que A es equivalente por filas a una matriz escalonada
reducida por filas B.
Por el Corolario 2 del Teorema 7 sabemos que los sistemas de ecuaciones lineales:
AX = 0 y BX = 0 tienen los mismos conjuntos solución
Sea r el número de renglones no nulos de la matriz B, tenemos r ≤ m < n.
Si B tiene todos sus renglones nulos, claramente el sistema de ecuaciones lineales BX=0
tiene al menos una solución no trivial.
Si B tiene al menos un renglón no nulo, por el Teorema 8 (3) sabemos que el sistema BX= 0
Tiene al menos una solución no trivial.
Ejercicio:
1) Demuestre que el sistema de ecuaciones:
x – 2y+z + 2w = 1
x+y–z+ w=2
x + 7y – 5z – w = 3
No tiene solución.
2) Encuentre el conjunto solución del sistema de ecuaciones:
1
x + 2y -6z = 0
3

-4x +5z= 0
-3x+6y-13z = 0
−1 8
x + 2y - 3z =0
3

Matrices Elementales