Tema 2

Matrices y Sistemas de Ecuaciones

Lineales

2.1 Forma escalonada de una Matriz

2.1.1 Definición
Dada una matriz A, a la primera entrada no nula en una fila r de dicha matriz, se le denomina
entrada principal o cabecera de r. Si la fila r no tiene entrada principal, es decir, si toda
entrada de dicha fila es 0, la fila r es una fila nula .

2.1.2 Definición
Dada una matriz A, decimos que es una matriz escalonada1 , si se verifican las siguientes
condiciones:

1. Todas las filas nulas, si las hay, se encuentran en la parte inferior de la matriz.

2. Cada entrada principal de una fila se encuentra a la derecha de la entrada principal de la

fila precedente2 .

Ejemplo : Las siguientes matrices son escalonadas:

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

2.1.3 Definición
Llamamos matriz escalonada reducida a la matriz escalonada que además verifica las
siguientes propiedades:

3. Cada entrada principal es un uno.

4. En las columnas en las que están ubicadas las entradas principales de las filas, todos los
demás elementos son nulos.
1
también llamada matriz escalonada por filas
2
A veces, bajo la definición de matriz escalonada se añade la condición de que cada entrada principal sea un
uno
2 Tema 2: Matrices y Sistemas de Ecuaciones Lineales

Ejemplo : Las siguientes matrices son escalonadas reducidas:

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

2.1.4 Definición
Llamamos matriz escalonada por columnas a la matriz traspuesta de una matriz esca-
lonada.

Ejemplo : Las siguientes matrices son escalonadas por columnas:

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

siendo además la segunda reducida.

Veamos ahora que toda matriz puede ser transformada en una matriz en forma escalonada
por filas (o columnas), o en una matriz en forma escalonada reducida por filas (o columnas), sin
más que realizar ciertas operaciones entre filas y columnas.

2.1.5 Definición
Dada una matriz A de orden m × n, llamamos transformación elemental sobre filas
(columnas) a una cualquiera de las siguientes operaciones:

1. Intercambiar la fila (columna) i-ésima por la la fila (columna) j-ésima:

Fi ↔ Fj

2. Multiplicar la fila (columna)i-ésima por un escalar c $= 0:

Fi → cFi

3. Sustituir la fila (columna)i-ésima por ella más c veces la fila (columna) j-ésima, con i $= j:

Fi → Fi + cFj

2.1.6 Definición
Decimos que una matriz A de orden m × n es equivalente por filas (columnas) a una
matriz B de orden m × n, si obtenemos B a partir de A mediante una sucesión finita de
transformaciones elementales sobre filas (columnas).

Eje : La matriz  
1 0 −1 2 3
A= 0 3 2 1 5 
−1 2 −2 −1 −3
 Tema 2: Matrices y Sistemas de Ecuaciones Lineales 3

es equivalente por filas a la matriz

 
0 2 −3 1 5
B =  0 5 −1 2 5 
2 5 −3 6 11

2.1.7 Teorema
La relación de equivalencia por filas (columnas) entre matrices del mismo orden, es una re-
lación de equivalencia.

Demostración: Sean A, B y C tres matrices de orden m × n. Entonces se verifica que:

1. A es equivalente por filas (columnas) a si misma.

2. Si A es equivalente por filas (columnas) a B, entonces B es equivalente por filas (columnas)

a A.

3. Si A es equivalente por filas (columnas) a B y B es equivalente por filas (columnas) a C,

entonces A es equivalente por filas (columnas) a C.

Se deja como ejercicio completar los detalles de 1, 2 y 3.

2.1.8 Teorema (Método de Gauss)

Toda matriz A de orden m × n distinta de cero, es equivalente por filas (columnas) a una
matriz en forma escalonada por filas (columnas). Además, esta puede ser elegida de forma que
las entradas principales sean unos.

Veremos posteriormente como este método se utiliza en la resolución de sistemas de ecuacio-

nes.
Demostración: Lo que tenemos que demostrar es que dada cualquier matriz, realizando
transformaciones elementales sobre filas (columnas) obtenemos una matriz escalonada por filas
(columnas). El método que vamos a emplear consta de los siguientes pasos:
4 Tema 2: Matrices y Sistemas de Ecuaciones Lineales

1. Dada la matriz A = (aij ), buscamos la primera columna con una entrada no nula. Su-
pongamos que dicha columna es la j1 , y que dicha entrada no nula se encuentra en la fila
i1 .

2. Intercambiamos las filas 1 e i1 , de forma que aparezca una entrada no nula en la primera
fila de la columna j1 , obteniendo la matriz B = (bij ) donde b1j1 $= 0.

3. Hacemos cero en todos los elementos no nulos de la columna j1 de la matriz B, pues a cada
bij1
fila i > 1 le sumamos − b1j veces la fila 1, es decir, efectuamos la siguiente transformación
1
sobre filas:
bij
Fi → Fi − 1 F1
b1j1

4. Repetimos los pasos 1,2,3 y 4 con la submatriz formada por todas las filas, excluyendo la
primera.

5. Continuamos el proceso anterior hasta obtener una matriz en forma escalonada por filas
(columnas), que es equivalente por filas (columnas) a la matriz A.

Ej :  
0 1 3 4 2
 3 6 9 3 −6 
A=
 0

3 −2 5 3 
2 5 3 2 1
 Tema 2: Matrices y Sistemas de Ecuaciones Lineales 5

2.1.9 Teorema (Método de Gauss-Jordan)

Toda matriz A de orden m × n distinta de cero, es equivalente por filas (columnas) a una
matriz en forma escalonada reducida por filas (columnas).

Más adelante comprobaremos cómo este método nos proporciona un medio aún más sencillo
para la resolución de sistemas de ecuaciones.
Demostración: Por el teorema anterior, sabemos que la matriz A es equivalente por filas a
una matriz B escalonada por filas de forma que B puede ser elegida de manera que las entradas
principales sean unos. Por tanto, bastarı́a con demostrar que B es equivalente por filas a una
matriz C escalonada reducida por filas. El método que vamos a emplear consta de los siguientes
pasos:

1. Dada la matriz B que está en forma escalonada, tomamos la segunda fila y buscamos
su entrada principal, y hacemos ceros por encima de dicha entrada principal realizando
transformaciones elementales sobre filas.

2. Repetimos el paso anterior para todas las restantes filas no nulas, con lo cual obtendremos
una matriz C en forma escalonada reducida por filas que es equivalente por filas a la matriz
B, y por tanto a la matriz A.

Nota: La forma escalonada de una matriz no es evidentemente, única. Sin embargo, puede
demostrarse que la forma escalonada reducida sı́ es única para una matriz dada.

Ejemplo : Dada la matriz del ejemplo anterior

 
0 1 3 4 2
 3 6 9 3 −6 
A=
 0

3 −2 5 3 
2 5 3 2 1
6 Tema 2: Matrices y Sistemas de Ecuaciones Lineales

sabemos que su matriz escalonada por filas, consiguiendo que además las entradas princi-
pales sean unos, es  
1 2 3 1 −2
 
 0 1 3 4 2 
 
E= 7 3 

 0 0 1
 11 11 
0 0 0 1 − 51
2

Sumando -2 veces la segunda fila a la primera fila, obtenemos la matriz

 
1 0 −3 −7 −6
 
 0 1 3 4 2 
 
F = 7

3 
 0 0 1 11
 11 
0 0 0 1 − 512

Sumando -3 veces la tercera fila a la segunda, y sumando 3 veces la tercera fila a la primera
fila, obtenemos la matriz
 
1 0 0 − 56 11 − 57
11 

 0 1 0 23 13 
 11 11 
G= 7

3 
 0 0 1
 11 11 
0 0 0 1 − 51
2

7
Sumando − 11 veces la cuarta fila a la tercera fila , sumando - 23
11 veces la cuarta fila a la
56
segunda fila , y sumando 11 veces la cuarta fila a la primera fila obtenemos la matriz
 
1 0 0 0 −135
 
 0 1 0 0 1199 
 22 
H= 
 0 0 1 0 363 
 22 
0 0 0 1 − 51 2

que es escalonada reducida por filas.

2.2 Matrices Elementales. Algoritmo para el cálculo de la in-

versa de una matriz
2.2.1 Definición
Llamamos matriz elemental a toda matriz obtenida al aplicar una transformación elemen-
tal sobre la matriz unidad In .

Ejemplo : Las siguientes matrices son elementales

     
1 0 0 1 0 4 1 0 0
E1 =  0 0 1  E2 =  0 1 0  E3 =  −7 0 1 
0 1 0 0 0 3 0 2 0
donde la matriz E1 se obtiene intercambiando las filas segunda y tercera ; la matriz E2 se
obtiene sumándole a la primera fila 4 veces la tercera, y multiplicando la tercera fila por
3 ; y la matriz E3 se obtiene multiplicando la segunda fila por 2, sumándole -7 veces la
primera fila a la tercera, y por último, intercambiando las filas segunda y tercera.
 Tema 2: Matrices y Sistemas de Ecuaciones Lineales 7

2.2.2 Teorema
Sea A una matriz de orden m × n. Entonces:
1. La matriz B de orden m × n que se obtiene al realizar una transformación elemental sobre
filas de la matriz A, coincide con la matriz obtenida al multiplicar por la izquierda la matriz
A por la matriz elemental F de orden m obtenida al realizar sobre Im la correspondiente
transformación sobre filas, es decir:
B = FA

2. La matriz B de orden m × n que se obtiene al realizar una transformación elemental

sobre columnas de la matriz A, coincide con la matriz obtenida al multiplicar por la
derecha la matriz A por la matriz elemental C de orden n obtenida al realizar sobre In la
correspondiente transformación sobre columnas, es decir:

B = AC

Demostración: Se deja como ejercicio.

Ejemplo : Consideremos la matriz

 
7 6 4
 1 0 2 
A=
 2

2 1 
2 1 4
y sea B la matriz obtenida al sumar -3 veces la tercera fila de A a la primera fila de A, es
decir  
1 0 1
 1 0 2 
B=  2

2 1 
2 1 4
Sea F la matriz obtenida de I4 al sumar -3 veces la tercera fila de I4 a la primera fila de
I4 , es decir  
1 0 −3 0
 0 1 0 0 
F = 0 0

1 0 
0 0 0 1
Entonces es facil comprobar que B = F A, es decir,
    
1 0 1 1 0 −3 0 7 6 4
 1 0 2   0 1 0 0   1 0 2 
 =  
 2 2 1   0 0 1 0  2 2 1 
2 1 4 0 0 0 1 2 1 4

Análogamente, si D es la matriz obtenida al sumar -1 vez la segunda columna de A a la

primera columna de A, es decir
 
1 6 4
 1 0 2 
D=  0

2 1 
1 1 4
8 Tema 2: Matrices y Sistemas de Ecuaciones Lineales

Y C es la matriz obtenida de I3 al sumar -1 vez la segunda columna de I3 a la primera

columna de I3 , es decir  
1 0 0
C =  −1 1 0 
0 0 1
Entonces es facil comprobar que D = AC, es decir,
   
1 6 4 7 6 4  
 1 0 2   1 0 2  1 0 0
=
  2 2 1  −1 1 0
  
 0 2 1
0 0 1
1 1 4 2 1 4

2.2.3 Algoritmo para calcular la inversa de una matriz:

Observar que si hallamos una serie de transformaciones elementales por filas que aplicadas
a la matriz A nos den la identidad, es decir:
(F1 · F2 · · · Fk )A = I
Entonces:
[(F1 · F2 · · · Fk )A]−1 = A−1 (F1 · F2 · · · Fk )−1 = I −1 = I
A−1 = I(F1 · F2 · · · Fk ) = (F1 · F2 · · · Fk ) = (F1 · F2 · · · Fk )I
de donde deducimos que dichas transformaciones elementales aplicadas a la matriz identidad nos
dan la inversa de A. Hemos obtenido un algoritmo que, o bien nos permite calcular la inversa
de una matriz cuadrada A, o bien nos permite asegurar que A no es inversible. Sus pasos son
los siguientes:

.
1. Construimos la matriz (por bloques) M = (A..I) de orden n × 2n.
2. Reducimos por filas la matriz A de M a forma escalonada, donde todo lo que hagamos en
una fila de A lo hacemos también en la correspondiente fila de In . Si el proceso genera
una fila nula en la matriz A de M , hemos terminado, pues A no serı́a inversible. En caso
contrario, la matriz A adoptará forma triangular.
.
3. Reducimos la matriz A de M a la matriz identidad, obteniendo (I ..B) donde I ha reem-
plazado a la matriz A.
4. Tomamos A−1 = B.
 
1 0 3
Ejemplo : Dada la matriz A =  3 1 5  veamos si posee inversa. Para ello construimos
2 3 7
la matriz  
..
..  1 0 3 . 1 0 0 

M = (A.I3 ) =  3 1 5 .. 
 . 0 1 0 

..
2 3 7 . 0 0 1
Si a la segunda fila le sumamos -3 veces la primera fila, y a la tercera fila le sumamos -2
veces la primera fila, obtenemos
 
..
 1 0 3 . 1 0 0 
 .. 
 0 1 −4 . −3 1 0 
 
..
0 3 1 . −2 0 1
 Tema 2: Matrices y Sistemas de Ecuaciones Lineales 9

Si a la tercera fila le sumamos -3 veces la segunda, obtenemos

 
..
 1 0 3 . 1 0 0 
 .. 
 0 1 −4 . −3 1 0 
 
..
0 0 13 . 7 −3 1
4
Por último, a la segunda fila le sumamos la tercera multiplicada por 13 , y a la primera fila
3
le sumamos la tercera multiplicada por − 13 , con lo que obtenemos
 
.. 8 9 3
 1 0 0 . − 13 13 − 13 
 .. 11 1

4 
 0 1 0 . −
 13 13 13 
.
0 0 1 .. 7
13 − 3
13
1
13

Por tanto, tenemos que la inversa de la matriz A es

 
8 9 3
− 13 13 − 13
 
A−1 =  − 11
 1 4 

 13 13 13 
7 3 1
13 − 13 13

 
2 4 6
Eje : Dada la matriz A =  1 3 4  veamos si posee inversa.
3 12 15
10 Tema 2: Matrices y Sistemas de Ecuaciones Lineales

2.2.4 Teorema
Si A y B son matrices de orden n tales que AB = In , entonces BA = In , y por consiguiente
B = A−1 .

2.3 Matrices equivalentes

2.3.1 Definición
Si A y B son matrices de orden m×n, entonces A es equivalente a B si podemos obtener B a
partir de A mediante una sucesión finita de transformaciones elementales sobre filas y columnas.
Esto equivale a decir que A y B son equivalentes si y sólo si existen dos matrices inversibles
P y Q de órdenes m y n respectivamente tales que B = P AQ (donde P es la matriz resultante
de multiplicar las matrices elementales que reflejan las transformaciones elementales por filas y
Q el resultado análogo por columnas).

2.3.2 Teorema
La equivalencia de matrices es una relación binaria de equivalencia, es decir, si A, B y C son
tres matrices de orden m × n, entonces se verifica que:

1. Toda matriz A es equivalente a si misma.

2. Si A es equivalente a B, entonces B es equivalente a A.

3. Si A es equivalente a B y B es equivalente a C, entonces A es equivalente a C.

Demostración:

1. Como A = Im AIn siendo Im e In inversibles, tenemos que A es equivalente a A.

2. Si A es equivalente a B, entonces B = P AQ siendo P y Q inversibles. Por tanto obtenemos

que A = P −1 BQ−1 siendo P −1 y Q−1 inversibles. Por tanto B es equivalente a A.

3. Si A es equivalente a B y B es equivalente a C, entonces tenemos que B = P1 AQ1 y

C = P2 BQ2 , donde P1 ,Q1 ,P2 ,Q2 son inversibles. Por tanto, tenemos que:

C = P2 BQ2 = P2 P1 AQ1 Q2 = (P2 P1 )A(Q1 Q2 )

siendo (P2 P1 ) y (Q1 Q2 ) inversibles. Por tanto hemos demostrado que A es equivalente a
C.

A partir de la definición de matrices equivalentes podemos introducir los conceptos de seme-

janza y congruencia que serán estudiados más adelante con más detenimiento.

2.3.3 Definición
Decimos que una matriz cuadrada B es semejante a una matriz cuadrada A, si la matriz
A es equivalente a la matriz B con Q = P −1 , es decir, si:

B = P AP −1
 Tema 2: Matrices y Sistemas de Ecuaciones Lineales 11

2.3.4 Definición
Decimos que una matriz cuadrada B es congruente a una matriz cuadrada A, si existe una
matriz inversible P tal que
B = P T AP

2.3.5 Proposición
Las relaciones de semejanza y congruencia de matrices, son relaciones de equivalencia.
Demostración: Se deja como ejercicio.

2.4 Sistemas de ecuaciones Lineales

Un sistema de ecuaciones lineales (S.E.L.) de m ecuaciones con n incógnitas es un conjunto
simultáneo de ecuaciones:

a11 x1 + a12 x2 + · · · + a1n xn = b1

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

donde aij y bi son elementos de un cuerpo cualquiera dado. Dichas ecuaciones pueden tambien
escribirse de la siguiente forma (expresión matricial de un sistema de ecuaciones):
    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
    
 .. .. .. ..   ..  =  ..  ; A X = B
 . . . .   .   . 
am1 am2 · · · amn xn bm
Diremos que bi es el término independiente de la ecuación i, y que aij es el coeficiente para
la incognita i en la ecuación j. Si se verifica bi = 0, , ∀i = 1 . . . m, tendremos un sistema
homogéneo.
Observemos que el vector (x1 , x2 , · · · , xn ) será una solución del sistema si verifica todas las
ecuaciones. Dependiendo de la forma del conjunto de soluciones podemos clasificar los sistemas
en:
• Incompatibles: no existe solución.
• Compatibles: existe al menos una solución. En el caso de que dicha solución sea única
diremos que tenemos un sistema determinado, y en el caso de que tengamos mas de una
solución diremos que nos encontramos ante un sistema indeterminado.

2.4.1 Definición
Dado un S.E.L. escrito en forma matricial, llamaremos Matriz aumentada de un sistema
de ecuaciones a la matriz [A|B], es decir:
 
a11 a12 · · · a1n b1
 a 
 21 a22 · · · a2n b2 
 . .. .. .. 
 . 
 . . . . 
am1 am2 · · · amn bm
12 Tema 2: Matrices y Sistemas de Ecuaciones Lineales

2.5 Resolución de un S.E.L.

2.5.1 Teorema
Sean A X = B, C X = D dos sistemas de ecuaciones lineales, cada uno con m ecuaciones
y n incógnitas. Si sus matrices aumentadas, [A|B], y [C|D] son equivalentes por filas, entonces
los sistemas son equivalentes, es decir que tienen las mismas soluciones.

2.5.2 Método de resolución de Gauss:

Dado el S.E.L. A X = B, formamos la matriz aumentada [A|B], obtenemos la matriz esca-
lonada por filas equivalente por filas a la anterior, a la que llamaremos [C|D] y resolvemos el
S.E.L. asociado a dicha matriz (sustitución recursiva).
Observar que, según nos indica el teorema anterior, los S.E.L. asociados a dichas matrices
tienen las mismas soluciones .
Ejemplo 1 : Supongamos un S.E.L. con matriz aumentada [A|B], cuya forma escalonada por
filas tras una serie de transformaciones elementales nos queda:
 
1 2 3 4 5 | 6
 0 1 2 3 −1 | 6 
[C|D] = 
 0 0 1 2 3 | 7 


0 0 0 1 2 | 9
Puesto que tenemos 5 incógnitas y 4 ecuaciones independientes, decimos que el sistema
posee un grado de libertad, es decir que la solución va a depender de un parámetro λ.
Tomamos por ejemplo, x5 = λ, y vamos obteniendo de forma recursiva la solución del
sistema: x4 + 2x5 = 9; x4 = 9 − 2λ
x3 + 2x4 + 3x5 = 7; x3 = 7 − 3λ − 2(9 − 2λ) = λ − 11
x2 + 2x3 + 3x4 − x5 = 7; x2 = 2 + 5λ
x1 + 2x2 + 3x3 + 4x4 + 5x5 = 6; x1 = −1 − 10λ
Ejemplo 2 : Supongamos un S.E.L. con matriz aumentada [A|B], cuya forma escalonada por
filas tras una serie de transformaciones elementales nos queda:
 
1 2 3 4 | 6
[C|D] =  0 1 2 3 | 6 
0 0 0 0 | 7

Evidentemente deducimos que dicho sistema no tiene solución, pues es imposible satisfacer
la ecuación que nos indica la última fila de [C|D], esto es 0 = 7.

2.5.3 Método de resolución de Gauss-Jordan

Consiste en, una vez aplicado el Método de Gauss y obtenida la forma escalonada, seguir
realizando transformaciones elementales por filas hasta obtener la forma escalonada reducida,
que nos proporciona directamente la solución del sistema.

Ejemplo 1 : Supongamos que una vez aplicadas las transformaciones necesarias a la matriz
ampliada de un S.E.L. dado hemos obtenido la siguiente forma escalonada reducida:
 
1 0 0 0 | 5
 0 1 0 0 | 6 
[C|D] = 
 0 0 1 0 | 7 


0 0 0 1 | 8
 Tema 2: Matrices y Sistemas de Ecuaciones Lineales 13

Dicha matriz nos indica que el sistema posee una solución única:
x1 = 5, x2 = 6, x3 = 7, x4 = 8,

Ejemplo 2 : Supongamos que una vez aplicadas las transformaciones necesarias a la matriz
ampliada de un S.E.L. dado hemos obtenido la siguiente forma escalonada reducida:
 
1 1 2 0 −5 | 3
[C|D] =  0 0 0 1 4 | 8 
0 0 0 0 0 | 0

Puesto que tenemos 5 incógnitas y 2 ecuaciones independientes el sistema tiene 5-2=3

grados de libertad, es decir que la solución dependerá de tres parámetros.
Como la última ecuación es x4 + 4x5 = 8, tomando por ejemplo, x5 = t nos queda:
x4 = 8 − 4t. Tomando como los otros dos parámetros, por ejemplo x3 = s, x2 = r, de
la primera ecuación se obtiene: x1 = 3 + 5t − 2s − r, lo que completa ya la solución del
sistema.
Observando en los ejemplos propuestos los casos posibles al llegar a la forma escalonada
puede deducirse fácilmente el siguiente teorema:

2.6 Teorema de Rouché-Frobenius

Dado un S.E.L. con m ecuaciones y n incógnitas, con matriz de coeficientes A y matriz
ampliada A|B, se tienen los siguientes resultados:
1. Un sistema es incompatible si y solo si rg(A) $= rg (A|B)
2. Un sistema es compatible determinado si y solo si rg (A) = rg (A|B) = n
3. Un sistema es compatible indeterminado si y solo si rg (A) = rg(A|B) < n

2.6.1 Definición
Un S.E.L. AX = B se dice que es un sistema de Cramer si su matriz de coeficientes A es
cuadrada e inversible (o regular).Es decir si el sistema tiene tantas ecuaciones como incógnitas
y el determinante de A es no nulo.

2.6.2 Teorema: Regla de Cramer

Todo sistema de Cramer tiene una y sólo una solución, que puede obtenerse en la forma:
|A1 | |A2 | |An |
x1 = ; x2 = ; . . . xn =
|A| |A| |A|
donde Ai es la matriz obtenida a partir de A sustituyendo la columna i por B.
Ejemplo 1 : Sea el sistema de ecuaciones:
    
−2 3 −1 x1 1
 1 2 −1   x2  =  4 
−2 −1 −1 x3 −3
Calculamos el determinante de A, obteniendo: |A| = 2. Por tanto, la solución será:
' ' ' ' ' '
' 1 3 −1 '' ' −2 1 −1 ' ' −2 3 1 ''
1 '' 1 ' ' 1 '
x1 = ' 4 2 −1 '' ; x2 = '' 1 4 −1 '' ; x3 = '' 1 2 4 '' ;
2' 2' 2'
−3 −1 −1 ' −2 −3 −1 ' −2 −1 −3 '
14 Tema 2: Matrices y Sistemas de Ecuaciones Lineales

Notas:

• Observemos que si tenemos un sistema de ecuaciones AX = B con el mismo número de

incógnitas que de ecuaciones n, es decir que su matriz de coeficientes es A ∈ Mn , entonces
si A es regular, es decir si |A| "= 0, puesto que existe la inversa de A, podemos operar en
la forma:
A−1 (AX) = A−1 B
Obteniendo de esta forma la solución única del sistema: X = A−1 B

• Si consideramos en el caso anterior B = O, es decir que tenemos el sistema homogéneo

AX = O, observemos que si |A| "= 0, puesto que A serı́a inversible nos queda: X = A−1 B =
A−1 O = O, lo que indica que existirı́a una única solución que es la trivial. Por tanto para
que un sistema homogéneo tenga alguna solución distinta de la solución nula necesitamos
que |A| = 0.
Observemos que llegamos al mismo resultado mediante el Teorema de Rouché Frobenius,
(teniendo en cuenta que en este caso por ser B = O, tendremos siempre rg(A) = rg (A|B)),
pues se obtiene que si rg(A) = n, existe solución única (que hemos visto es la trivial) y si
rg (A) < n obtendrı́a infinitas soluciones.
Tema 2: Matrices y Sistemas de Ecuaciones Lineales 14