CAPı́TULO 1

SISTEMAS LINEALES DE ECUACIONES Y

MATRICES

1.1. Introducción

Gran parte de lo que estudiaremos en este curso y en su continuación

en el segundo semestre se vincula con los sistemas de ecuaciones lineales
por lo tanto vale la pena dedicar algún tiempo a presentarlos, discutir sus
propiedades y ciertas estrategias para resolverlos. Quienes ya conozcan estos
temas tendrán en todo caso una oportunidad para repasarlos.
Un sistema lineal de m ecuaciones con n incógnitas x1 , x2 , . . . , xn
es un problema del tipo:


 a11 x1 + a12 x2 + . . . + a1n xn = b1


 a21 x1 + a22 x2 + . . . + a2n xn = b2
(S) = . ..
 ..

 .


am1 x1 + am2 x2 + . . . + amn xn = bm
donde aij con i = 1, . . . , m y j = 1, . . . , n (los coeficientes del sistema) y
bj con j = 1, . . . , m (los términos independientes) son números1 Diremos
que el sistema es m × n indicando siempre el primer número la cantidad de
ecuaciones y el segundo la de incógnitas.
Una solución del sistema (S) es una sucesión de n números (α1 , α2 , . . . , αn )
tales que si se sustituye x1 = α1 , x2 = α2 , . . . , xn = αn se verifican si-
multáneamente las m ecuaciones.

1
En nuestro cursos los números que consideraremos pertenecen al cuerpo de los reales
o de los complejos

19
20 1. ECUACIONES LINEALES Y MATRICES

Llamaremos conjunto solución del sistema (S) y lo notaremos Sol(S)

al conjunto de todas las soluciones de (S). Resolver un sistema es determinar
su conjunto solución.2
Clasificaremos los sistemas de acuerdo a número de soluciones que tenga.
Si A es un conjunto escribiremos card(A) para representa su cardinal.
Si el conjunto es finito card(A) indica el número de elementos e infinito en
otro caso. Diremos entonces que un sistema es compatible determinado
si card(Sol(S)) = 1 (tiene solución única), compatible indeterminado
si card(Sol(S)) > 1 (tiene solución pero no es única)3 e incompatible si
card(Sol(S)) = 0 (no tiene ninguna solución).

EJEMPLO 1.1. El ejemplo más sencillo de un sistema lineal es el 1 × 1

ax = b

en pocos renglones podemos discutir completamente como es el conjunto

solución. Si a 6= 0 entonces el sistema es compatible determinado y su única
solución es x = ab = a−1 b. Si en cambio a = 0 hay dos posibilidades: si b 6= 0
el sistema es incompatible y si b = 0 trivialmente el sistema es compatible
indeterminado y cualquier número es solución del mismo.
Naturalmente este problema es extremadamente sencillo pero como acon-
tece muchas veces las ideas que aquı́ se utilizan convenientemente adaptadas
resultaran útiles en casos más generales y complicados. 

EJEMPLO 1.2. 

 x=1
(S) y = 3


z=2
es un sistema 3 × 3. Trivialmente se observa que Sol(S) = {(1, 2, 3)}.

2
En general, salvo que se indique lo contrario, las soluciones se consideraran en el
mismo conjunto de números que los coeficientes
3
Veremos más adelante que si un sistema lineal admite más de una solución entonces
necesariamente debe admitir infinitas
 1.1. INTRODUCCIÓN 21

EJEMPLO 1.3. 

 x + y + 2z = 8
(S) 2y + z = 8


z=2
es también un sistema 3 × 3. Aquı́ con algo más de trabajo también se puede
deducir fácilmente el conjunto solución. Para esto basta observar que de
abajo hacia arriba cada ecuación tiene exactamente una incógnita más que
la siguiente, por este motivo se dice que el sistema esta “escalerizado”. De
la última ecuación se despeja
z=2
Con este valor de z sustituimos en al segunda ecuación y tenemos

2y + 2 = 8 =⇒ 2y = 6 =⇒ y=3

Finalmente con los valores de y y z hallados “subimos” a la primera ecuación

y sustituyendo se tiene que

x + 3 + 2(2) = 8 =⇒ x=1

En consecuencia Sol(S) = {(1, 3, 2)}.

Este procedimiento de despejar una incógnita en una ecuación y sustituirla
en otra de arriba se denomina sustitución hacia atrás 

Observemos que en los ejemplos 1.2 y 1.3 los conjuntos solución son
iguales, cuando esto ocurra diremos que los respectivos sistemas son equi-
valentes.

EJEMPLO 1.4. 

 x + y + 2z = 8
(S) x−y+z =0


x+y+z =6
Las cosas aquı́ no son tan claras. Una estrategia para resolverlo, inspirada
en los ejemplos anteriores podrı́a ser, la de sustituir el sistema (S) por otro,
(S ′ ) equivalente y “escalerizado” de modo de poder resolver (S ′ ) (y por
ende (S) ya que al ser equivalentes los conjuntos solución de ambos sistemas
22 1. ECUACIONES LINEALES Y MATRICES

coinciden) con el procedimiento utilizado en el ejemplo 1.3. Analicemos un

poco estas ideas antes de retomar la resolución concreta del ejemplo. 

La pregunta que naturalmente surge es ¿cómo hacer para sustituir un

sistema por otro que resulte equivalente?. Para responderla introducimos la
siguiente

DEFINICIÓN 1.1. Llamaremos transformaciones elementales a cual-

quiera de las siguientes operaciones efectuadas a las ecuaciones de un sistema
lineal:
1. Intercambiar de lugar dos ecuaciones. (Fi ↔ Fj )
2. Multiplicar una ecuación por un número α 6= 0. (αFi )
3. Sumar a una ecuación un múltiplo de otra. (Fi + αFj )
Entre paréntesis se indica la notación que utilizaremos para especificar cada
operación en los ejemplos. La ecuación i-esima será notada con Fi .

La siguiente proposición responde la pregunta formulada arriba.

PROPOSICIÓN 1.1. Si en un sistema lineal de ecuaciones se efectúan

una transformación elemental el sistema resultante es equivalente al ori-
ginal.

Demostración. La demostración es muy sencilla y la haremos sólo en el

caso que la transformación elemental sea del tipo 3. El resto queda a cargo
del lector.
Supongamos que el sistema original sea


 a11 x1 + a12 x2 + · · · + a1n xn = b1

 ..



 .



 ai1 x1 + ai2 x2 + · · · + ain xn = bi

..
(S) .



 aj1 x1 + aj2 x2 + · · · + ajn xn = bj



 ..

 .



am1 x1 + am2 x2 + · · · + amn xn = bm
 1.1. INTRODUCCIÓN 23

Supongamos que sumamos a la ecuación i un múltiplo de la ecuación j. El

sistema resultante es


 a11 x1 + a12 x2 + · · · + a1n xn = b1

 ..



 .



 (ai1 x1 + ai2 x2 + · · · + ain xn ) + β(aj1 x1 + aj2 x2 + · · · + ajn xn ) = bi + βbj

′ ..
(S ) .



 aj1 x1 + aj2 x2 + · · · + ajn xn = bj



 ..

 .



am1 x1 + am2 x2 + · · · + amn xn = bm
Para probar que ambos son equivalentes deberemos ver que Sol(S) = Sol(S ′ ).
Como se trata de mostrar la igualdad de dos conjuntos tendremos que de-
mostrar que están mutuamente incluidos.
Veamos primero que Sol(S) ⊂ Sol(S ′ ). Sea (α1 , α2 , · · · , αn ) ∈ Sol(S) es
claro que (α1 , α2 , · · · , αn ) satisface todas las ecuaciones de (S ′ ) (pues son
las mismas que las de (S)) salvo tal vez la i-esima. Como (α1 , α2 , · · · , αn )
debe verificar la i-esima y j-esima ecuación de (S) se tiene que

ai1 α1 + ai2 α2 + · · · + αin xn = bi y aj1 α1 + aj2 α2 + · · · + ajn αn = bj

por lo tanto

(ai1 α1 + ai2 α2 + · · · + ain αn ) + β(aj1 α1 + aj2 α2 + · · · + ajn αn ) = bi + βbj

de donde (α1 , α2 , . . . , αn ) ∈ Sol(S ′ ).

Finalmente probemos que Sol(S ′ ) ⊂ Sol(S). Consideremos ahora

(α1 , α2 , . . . , αn ) ∈ Sol(S ′ ).

Igual que antes es claro (α1 , α2 , . . . , αn ) debe verificar todas las ecuaciones
de (S) salvo tal vez la i-esima pero como

(ai1 α1 + ai2 α2 + · · · + ain αn ) + β(aj1 α1 + aj2 α2 + · · · + ajn αn ) = bi + βbj

y
aj1 α1 + aj2 α2 + · · · + ajn αn = bj
24 1. ECUACIONES LINEALES Y MATRICES

se deduce que
ai1 α1 + ai2 α2 + · · · + ain αn = bi

con lo cual (α1 , α2 , . . . , αn ) ∈ Sol(S) y la prueba esta concluida.

Naturalmente las cuestiones que se imponen ahora son las de saber si cual-
quier sistema puede ser “escalerizado” mediante transformaciones elemen-
tales y en caso afirmativo determinar un método o algoritmo que permita
hacerlo. Volvamos a analizar el ejemplo 1.4.

EJEMPLO 1.4 (continuación). Para que el sistema quede “escalerizado

en la segunda y tercera ecuación no debe aparecer la incógnita x entonces
dejemos la primera ecuación igual y realicemos transformaciones elementales
en la segunda y tercera. La idea es combinar ambas con la primera de modo
que los coeficientes de la incógnita x se anulen. Como el coeficiente de x en
las tres ecuaciones es 1 basta en ambos casos restar la primera.
 

 x + y + 2z = 8 
 x + y + 2z = 8
x−y+z =0 ∼ −2y − z = −8 ←− F2 − F1

 

x+y+z =6 −z = −2 ←− F3 − F1

El sistema esta ya “escalerizado”, si multiplicamos las dos últimas ecuaciones

por −1 se obtiene el sistema del ejemplo 1.3 por lo cual Sol(S) = {(1, 3, 2)}


1.2. Matrices

Al trabajar con un sistema de ecuaciones la representación de las in-

cógnitas (x, y, z o x1 , . . . , xn , etc.) no juega ningún papel y puede usarse
cualquiera; de hecho para determinar un sistema es suficiente con conocer los
coeficientes y el término independiente del mismo. Naturalmente no alcanza
con conocer los valores de estos números sino que es necesario mantener el
orden que ocupan (a qué ecuación pertenecen y a qué incógnita multiplican).
Por esto resulta conveniente dar la siguiente
 1.2. MATRICES 25

DEFINICIÓN 1.2. Llamaremos matriz A de m filas por n columnas

(m × n) de entradas aij a un ordenamiento rectangular de números

 
a11 a12 ... a1n
 
 a21 a22 ... a2n 
A=
 .. .. .. .. 

 . . . . 
am1 am2 . . . amn

Notación: En general la matriz A con entradas aij la indicaremos por

A = ((aij ))i=1,...,m
j=1,...,n o más brevemente A = ((aij )) cuando las dimensiones
estén claras. El primer ı́ndice i indica la fila y el segundo j la columna a la
que pertenece la entrada.
El conjunto de todas las matrices m × n lo indicaremos como Mm×n .
Llamaremos matriz columna (fila) a una matriz X ∈ Mm×1 (M1×n ).
Diremos que dos matrices son iguales si tienen el mismo tamaño y los
mismas entradas en las mismas posiciones. Dicho de otro mondo si A y B son
dos matrices m × n entonces A = B ⇔ aij = bij ∀i = 1, . . . , m, j = 1, . . . , n

EJEMPLO 1.5. Sea

! !
1 2 2 1
A= √ yB= √
2 1 2 1

Entonces A 6= B pues a11 = 1 6= b11 = 2 

OBSERVACIÓN 1.2. El lector atento notará que nuestra definición de

matriz si bien es clara no es del todo formal. La frase “ordenamiento rectangular.es
intuitiva pero no está definida con precisión, una definición formal serı́a:
Una matriz A de m filas por n columnas es una función A : {1, . . . , m}×
{1, . . . , n} → R.
El lector verificará que esta definición es coherente, chequeando por ejemplo,
el criterio de igualdad de matrices.
26 1. ECUACIONES LINEALES Y MATRICES

DEFINICIÓN 1.3. Dado un sistema lineal de ecuaciones



 a11 x1 + a12 x2 + . . . + a1n xn = b1


 a21 x1 + a22 x2 + . . . + a2n xn = b2
 .
.. ..

 .


am1 x1 + am2 x2 + . . . + amn xn = bm
llamaremos matriz del sistema a la matriz m × n A de coeficientes del
mismo, esto es:  
a11 a12 . . . a1n
 
 a21 a22 . . . a2n 
A= . .. .. 
.. 
 .. . . . 
am1 am2 . . . amn
Llamaremos, matriz ampliada del sistema a la matriz m × (n + 1)
 
a11 a12 . . . a1n b1
 
 a21 a22 . . . a2n b2 
(A|b) = 
 .. .. .. .. .. 

 . . . . . 
am1 am2 . . . amn bm
Diremos que dos matrices son equivalente si los respectivos sistemas lo son

La definición anterior introduce una notación más compacta (matricial)

para un sistema de ecuaciones. Veamos algunos ejemplos.

EJEMPLO 1.6. Consideremos el sistema



 x + y + 2z = 9
(S) 3x + 6y − 5z = 0


2x + 4y − 3z = 1
entonces la matriz del sistema y la matriz ampliada son:
   
1 1 2 1 1 2 9
   
A = 3 6 −5 y A|b =  3 6 −5 0 
2 4 −3 2 4 −3 1

 1.3. EL MÉTODO DE ESCALERIZACIÓN 27

1.3. El método de escalerización

Resulta natural ahora analizar , cómo se aplica el procedimiento de “es-

calerización” del ejemplo 1.4 a la matriz ampliada de un sistema. Las trans-
formaciones elementales deben aplicarse sobre las filas de la matriz.

EJEMPLO 1.7. Intentemos “escalerizar.el sistema del ejemplo 1.6

   
1 1 2 9 1 1 2 9
   
 3 6 −5 0  ∼  0 3 −11 −27  ←− F2 − 3F1 ∼
2 4 −3 1 0 2 −7 −17 ←− F3 − 2F1
 
1 1 2 9
 
 0 3 −11 −27  ∼
1 2
0 0 3 1 ←− F3 − 3 F2
 
1 1 2 9
 
 0 3 −11 −27 
0 0 1 3 ←− 3F3
Por lo tanto el sistema (S) es equivalente al sistema


 x + y + 2z = 9
3y − 11z = −27


z=3
Ahora podemos proceder a realizar sustitución hacia atrás. De la última
ecuación se tiene
z=3
Con este valor sustituimos en la segunda y tenemos

3y − 33 = −27 =⇒ 3y = 6 =⇒ y=2

y finalmente sustituyendo en la primera

x + 2 + 6 = 9 =⇒ x=1

En consecuencia el sistema es compatible determinado y su única solución

es la 3-upla (1, 2, 3). 
28 1. ECUACIONES LINEALES Y MATRICES

Hasta ahora no hemos sido precisos para definir a que le llamamos un

sistema o matriz escalerizada

DEFINICIÓN 1.4. Llamaremos matriz escalerizada a una matriz que

cumpla las siguientes condiciones
1. Todas las filas, salvo quizás la primera comienzan con una sucesión
de ceros.
2. Cada fila tiene al principio por lo menos un cero más que la fila
inmediata superior.
Llamaremos matriz escalerizada reducida a una matriz escalerizada que
además cumple las siguientes condiciones:
1. La primera entrada no nula de una fila es 1.
2. La columna correspondiente a la primera entrada no nula de una fila
tiene el resto de las entradas todas nulas.
Diremos que un sistema está escalerizado si su matriz ampliada lo está.
Escalerizar un sistema (o matriz) es encontrar un sistema (matriz)
escalerizado equivalente. Si A es una matriz y E es una matriz escalerizada
equivalente a A diremos que E es una forma escalerizada de A

EJEMPLO 1.8.
   
2 1 0 1 2 1 0 1
 0 3 2 1   0 0 3 1 
   
(1.8.a)   (1.8.b)  
 0 0 2 1   0 0 0 2 
0 0 0 4 0 0 0 0

   
1 0 4 0 1 1 0 1 0
 0 1 2 0   0 0 1 2 0 
   
(1.8.c)   (1.8.d)  
 0 0 0 1   0 0 0 0 1 
0 0 0 0 0 0 0 0 0

Los ejemplos a y b son matrices escalerizadas y los ejemplos c y d son

escalerizadas reducidas. 
 1.3. EL MÉTODO DE ESCALERIZACIÓN 29

En el ejemplo 1.6 se aprecia que una vez obtenida la forma escalerizada el

método de sustitución hacia atrás permite resolver el sistema. Cabe entonces
preguntarse el motivo para introducir la definición de matriz escalerizada
reducida. En el siguiente ejemplo se aclara en parte esto.

EJEMPLO 1.9. Resolver el sistema:



 2x + 4y + 2z = −2
(S) x + y + 2z = 0


−x + y − 2z = 2
La matriz ampliada del sistema es:
 
2 4 2 −2
 
 1 1 2 0 
−1 1 −2 2
Procedamos a escalerizarla, para esto en primer lugar obtengamos una ma-
triz equivalente pero con ceros en la segunda y tercera posición de la primera
columna. Dejamos la primera fila fija y la utilizamos como “pivot” para com-
binar con las otras dos.
   
2 4 2 −2 2 4 2 −2
   
 1 1 2 0  ∼  0 −1 1 1  ←− F2 − 12 F1
−1 1 −2 2 0 3 −1 1 ←− F3 + 12 F1
Ahora la primera y segunda fila tiene el aspecto adecuado. El segundo paso
consiste en sustituir la tercera fila por otra con dos ceros en los primeros
lugares. Para esto combinamos convenientemente tercera con la segunda fila.
   
2 4 2 −2 2 4 2 −2
   
(1.1)  0 −1 1 1  ∼  0 −1 1 1 
0 3 −1 1 0 0 2 4 ←− F3 + 3F2
Nótese que al dar el segundo paso la primera fila ya no interviene y se procede
de manera análoga al primer paso pero utilizado la segunda fila como fila
“pivot”.
Ahora que obtuvimos una forma escalerizada de la matriz original podrı́-
amos proceder con la sustitución hacia atrás pero en lugar de esto intentemos
30 1. ECUACIONES LINEALES Y MATRICES

obtener la forma reducida para esto fijamos la tercera fila como “pivot” y
la combinamos con la primera y segunda de modo que las entradas en las
posiciones 1, 3 y 2, 3 se anulen
   
2 4 2 −2 2 4 0 −6 ←− F1 − F3
   
 0 −1 1 1  ∼  0 −1 0 −1  ←− F2 − 12 F3
0 0 2 4 0 0 2 4
Combinando la segunda fila con la primera obtenemos un cero en la posición
1, 2
   
2 4 0 −6 2 0 0 −10 ←− F1 + 4F2
   
 0 −1 0 −1  ∼  0 −1 0 −1 
0 0 2 4 0 0 2 4
Para obtener la forma reducida solo resta obtener unos en las entradas no
nulas de cada fila
   
2 0 0 −10 1 0 0 −5 ←− 12 F1
   
 0 −1 0 −1  ∼  0 1 0 1  ←− −F2
0 0 2 4 0 0 1 2 ←− 12 F3
El sistema resultante, equivalente a (S) es


 x = −5
′
(S ) y=1


z=2
y por lo tanto el sistema es compatible determinado con Sol(S) = {(−5, 1, 2)}.
Obsérvese que en 1.1 la escalera que se obtuvo tiene todos sus “escalones”
de ancho una columna. Esto implica que en el correspondiente sistema cada
ecuación tenga exactamente una incógnita más que la inmediata inferior. 

El proceso de obtener la forma reducida sustituye entonces al algoritmo

de sustitución hacia atrás, además el lector puede observar que la forma
escalerizada de una matriz no es única (para obtener otra basta sustituir
una fila por una combinación de ella con una fila inferior) pero la reducida
si lo es.
 1.3. EL MÉTODO DE ESCALERIZACIÓN 31

EJEMPLO 1.10. Resolver el sistema:



 2x + 4y + 2z = −2
(S) x + y + 2z = 0


−x + y − 4z = 2

La matriz ampliada del sistema es:

 
2 4 2 −2
 
 1 1 2 0 
−1 1 −4 2

Procedamos como en el ejemplo anterior

   
2 4 2 −2 2 4 2 −2
   
 1 1 2 0  ∼  0 −1 1 1  ←− F2 − 12 F1 ∼
−1 1 −4 2 0 3 −3 1 ←− F3 + 12 F1
 
2 4 2 −2
 
 0 −1 1 1 
0 0 0 4 ←− F3 + 3F2

A diferencia del ejemplo precedente la forma escalerizada de la matriz am-

pliada tiene un escalón más que la de la matriz del sistema, por lo tanto la
última ecuación del sistema escalerizado es

0=4

y consecuentemente el sistema resulta incompatible pues ningún valor de x,

y y z la satisface. 

EJEMPLO 1.11. Resolver el sistema:



 x1 + 2x2 + x3 + x5 + x6 = 1




 −x1 − 2x2 + x3 + x4 − x6 = 0
(S) x1 + 2x2 + x3 + 2x4 + 5x5 + 3x6 = 1



 x1 + 2x2 + x3 + x5 + 3x6 = 3


 x + 2x + x + 4x + 9x + 3x = 1
1 2 3 4 5 6
32 1. ECUACIONES LINEALES Y MATRICES

La matriz del sistema ampliada es:

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

Como antes el proceso comienza fijando la primera fila como pivot y utili-
zando su primera entrada para lograr anular el resto de la primera columna.

 
1 2 1 0 1 1 1
 
 −1 −2 1 1 0 −1 0 
 
 1 
 1 2 1 2 5 3 ∼
 
 1 2 1 0 1 3 3 
1 2 1 4 9 3 −1
 
1 2 1 0 1 1 1
 
 0 0 2 1 1 0 1  ←− F2 + F1
 
∼ 0 0 2 −1 −3 −2 1 
 ←− F3 + 2F1
 
 0 0 2 1 1 −2 −1  ←− F4 − F1
0 0 0 4 8 2 0 ←− F5 − F1

En los ejemplos anteriores en el segundo paso, se utilizaba la entrada 2, 2

para conseguir ceros en el resto de la columna, aquı́ esto no es posible pues
la segunda columna ya tiene todas sus entradas (salvo la primera) nulas en
consecuencia el segundo escalón deberá estar en la tercera columna. Utiliza-
mos entonces la entrada de la posición 2, 3 para generar ceros en el resto de
la columna tres.
 1.3. EL MÉTODO DE ESCALERIZACIÓN 33

 
1 2 1 0 1 1 1
 
 0 0 2 1 1 0 1 
 
(1.2)  0 0 2 −1 −3 −2 1 ∼
 
 
 0 0 2 1 1 −2 −1 
0 0 0 4 8 2 0
 
1 2 1 0 1 1 1
 
 0 0 2 1 1 0 1 
 
∼
 0 0 0 −2 −4 −2 0  ←− F3 − F2

 
 0 0 0 0 0 −2 −2  ←− F4 − F2
0 0 0 4 8 2 0 ←− F5

En el tercer paso escalerizaremos la columna siguiente (la cuarta)

 
1 2 1 0 1 1 1
 
 0 0 2 1 1 0 1 
 
 0 0 0 −2 −4 −2 0 ∼
 
 
 0 0 0 0 0 −2 −2 
0 0 0 4 8 2 0
 
1 2 1 0 1 1 1
 
 0 0 2 1 1 0 1 
 
∼ 0 0 0 −2 −4 −2 0 

 
 0 0 0 0 0 −2 −2 
0 0 0 0 0 0 0 ←− F5 + 2F3
34 1. ECUACIONES LINEALES Y MATRICES

Ya tenemos la forma escalerizada, pero como en el ejemplo 1.9 continuemos

hasta obtener la forma reducida

 
1 2 1 0 1 1 1
 
 0 0 2 1 1 0 1 
 
 0 
 0 0 0 −2 −4 −2 ∼
 
 0 0 0 0 0 −2 −2 
0 0 0 0 0 0 0
 
1 2 1 0 1 0 0 ←− F1 − 12 F4
 
 0 0 2 1 1 0 1 
 
∼ 0 0 0 −2 −4 0 2  ←− F3 − 2F4 ∼

 
 0 0 0 0 0 −2 −2 
0 0 0 0 0 0 0
 
1 2 1 0 1 0 0
 
 0 0 2 0 −1 0 2  ←− F2 + 12 F3
 
∼
 0 0 0 −2 −4 0 2 
 ∼
 
 0 0 0 0 0 −2 −2 
0 0 0 0 0 0 0

 
3
1 2 0 0 2 0 −1 ←− F1 − 12 F2
 
 0 0 2 0 −1 0 2 
 
(1.3) ∼
 0 0 0 −2 −4 0 2 
 ∼
 
 0 0 0 0 0 −2 −2 
0 0 0 0 0 0 0
 
3
1 2 0 0 2 0 −1
 
 0 0 1 0 − 12 0 1  ←− 12 F2
 
∼ 0 0 0 1 2 0 −1  1
 ←− − 2 F3
 
 0 0 0 0 0 1 1  ←− − 12 F4
0 0 0 0 0 0 0
 1.3. EL MÉTODO DE ESCALERIZACIÓN 35

El sistema de ecuaciones asociado queda entonces



 x1 + 2x2 + 32 x5 = −1

 x3 − 12 x5 = 1
(S ′ )

 x4 + 2x5 = −1


x6 = 1

Despejando se tiene


 x1 = −2x2 − 32 x5 − 1

 x
3 = − 12 x5 + 1

 x4 = −2x5 − 1


x6 =1
Las incógnitas x2 y x5 no pueden determinarse, las otras se obtienen como
función de ellas. Cada valor real elegido libremente de x2 y x5 determina una
solución del sistema (S) Por ejemplo si x2 = 1 y x5 = 0 se obtiene la solución


(−3, 1, 1, −1, 0, 1). Si x2 = 0 y x5 = 1 se tiene la solución − 52 , 0, 12 , −3, 1, 1 .
El sistema es entonces compatible indeterminado y en virtud de que dos de
sus incógnitas pueden elegirse libremente diremos que tiene dos grados de
libertad. El conjunto solución es
  
3 1
−2x2 − x5 − 1, x2 , − x5 + 1, −2x5 − 1, x5 , 1 , x2 ∈ R, x5 ∈ R
2 2
Vale la pena observar que al igual que en el ejemplo 1.9 el número de esca-
lones de la matriz ampliada y el de la matriz del sistema coinciden. Por esta
razón el sistema resulta compatible. Sin embargo, aquı́ la “escalera” pre-
senta “descansos” o escalones largos (el primero y el tercero). Esto implica
que en el sistema escalerizado algunas ecuaciones tienen por lo menos dos
incógnitas más que la ecuación inmediata inferior, por esto resulta imposible
determinar todas las incógnitas. 

Los ejemplos anteriores parecen indicar que cualquier matriz y por ende
cualquier sistema puede ser escalerizado. Establezcamos este hecho en el
siguiente resultado
36 1. ECUACIONES LINEALES Y MATRICES

PROPOSICIÓN 1.3. Toda matriz puede ser transformada en una ma-

triz escalerizada (o escalerizada reducida) mediante una cantidad finita de
transformaciones elementales

Demostración. La prueba es algorı́tmica4 . Indicaremos esquemáticamen-

te el procedimiento, los detalles quedan a cargo del lector.
Sea A = ((aij )) una matriz m×n cualquiera. Indiquemos por Ai = (ai1 , ai2 , . . . , ain )
su fila i-esima.
El objetivo del primer paso es obtener una matriz con una primera columna
que tenga nulas todas sus entradas excepto la primera. Si toda la primera
columna es nula se pasa a la segunda y ası́ sucesivamente hasta tener una
primera columna con alguna entrada distinta de cero. La idea para anular
el resto de las entradas de la columna es ubicar la entrada no nula (a la que
llamremos pivot) en la primera fila y utilizar esta para combinar convenien-
temente con cada fila a los efectos de lograr ceros en todas las posiciones.
Para simplificar la notación aquı́ supondremos que ya la primera columna
tiene alguna entrada no nula. Con la suposición indicada comenzamos re-
conociendo si a11 6= 0. Si a11 = 0 cambiamos la primera fila por otra cuya
primera entrada sea no nula.5 Una vez que el pivot esta ubicado realizamos

4
Un algoritmo es, groseramente hablando, un conjunto de acciones expresadas en un
lenguaje formal y sin ambigüedades que pueden ser comprendidos y ejecutados por una
persona o una máquina.
Este algoritmo es conocido con el nombre de Método de Gauss.
5
Por razones numéricas y para evitar errores de redondeo al resolver sistemas con
ayuda de la computadora resulta muchas veces importante, aún cuando a11 6= 0 cambiar
la primera fila por la fila que tenga la primera entrada mayor, este procedimiento se conoce
como pivoteo.
 1.3. EL MÉTODO DE ESCALERIZACIÓN 37

el primer paso de la escalerización:

   
A1 A1
 A2   A′2  ←− A − a21 A
    2 a11 1
 .. ..   .. ..  ..
 . .   . .  .
   
 ∼ 
 Ai   A′i  ←− Ai − aai1 A1
    11
 .. ..   .. ..  ..
 . .   . .  .
Am A′m ←− Am − aam111
A1

La matriz que obtuvimos tiene el siguiente aspecto:

 
a11 a12 ... a1n
 
 0 a′22 ... a′2n 
 .. .. .. 
 .. 
 . . . . 
0 a′m2 . . . a′mn

En el segundo paso el objetivo es obtener una nueva matriz que tenga las
entradas de la segunda columna todas nulas salvo tal vez las dos primeras.
Para eso repetimos el procedimiento del paso uno a la sub-matriz que apa-
rece recuadrada.
De nuevo el primer paso es determinar el segundo pivot para esto chequea-
mos que a′22 6= 0 de lo contrario cambiamos la segunda fila por otra (de
abajo) con segunda entrada no nula. Podrı́a ocurrir que todas las entradas
de la segunda fila fuesen nulas en ese caso la segunda columna ya tiene el
aspecto adecuado por lo cual el procedimiento se continúa ubicando un pi-
vot en al posición 2, 3 (ver (1.2)en el ejemplo 1.11). Supongamos, para fijar
38 1. ECUACIONES LINEALES Y MATRICES

ideas, que a′22 6= 0 entonces el segundo paso de la escalerización es:

   
A1 A1
 ′   ′ 
 A2   A2 
   
 A ′   A ′′  ←− A′ − a32 A′
 3   3  3 a22 2
 . ..   . ..  ..
 ..   . 
 . ∼ . .  .
 ′   ′′  ′ ai2 ′
 Ai   Ai  ←− Ai − a22 A2
 . .   . .  .
 . ..   . ..  ..
 .   . 
A′m A′′m ←− A′m − aam2 22
A′2

La matriz obtenida en el paso dos tiene entonces el aspecto:

 
a11 a12 a13 . . . a1n
 0 a′22 a′23 . . . a′2n 
 
 
 0 0 a′′33 . . . a′′3n 
 
 . . .
.. .. . . .. 
 . . . . 
0 0 ′′
am3 . . . amn′′

Repetimos nuevamente los pasos previos aplicados a la sub-matriz del re-

cuadro. El procedimiento culmina cuando se llega a la última fila o columna.
Para obtener la matriz escalerizada reducida a partir de la escalerizada,
basta con repetir el procedimiento pero tomando como pivots la entrada que
ocupa el lugar inferior derecho de la matriz y yendo hacia arriba.

COROLARIO 1.4. Todo sistema lineal es equivalente a uno escalerizado.

1.4. Teorema de Rouche-Frobenius

En las discusiones que realizamos de los ejemplos 1.9, 1.10 y 1.11 se apre-
ciaba cierta relación entre el número de escalones de la forma escalerizada
y la cantidad de soluciones del sistema, en esta sección establecemos con
precisión esta relación describiendo completamente el conjunto solución de
un sistema lineal de ecuaciones en termino de la cantidad de “escalones” del
mismo.
 1.4. TEOREMA DE ROUCHE-FROBENIUS 39

DEFINICIÓN 1.5. Si E es una matriz escalerizada el número de esca-

lones de E es la cantidad de filas no nulas.

OBSERVACIÓN 1.5. Si E es una matriz escalerizada y E ′ es una matriz

reducida equivalente el número de escalones de ambas es el mismo.

OBSERVACIÓN 1.6. Ya hemos observado que la forma escalonada de

una matriz no es única sin embargo (aunque no lo hemos probado todavı́a)
la forma reducida si lo es. De este hecho y de la observación precedente se
deduce que la cantidad de escalones de todas las formas escalerizadas de una
misma matriz coinciden.

TEOREMA 1.7 (Rouche-Frobenius). Sea (S) un sistema lineal de m

ecuaciones con n incógnitas con matriz ampliada A|b. Sea p el número de
escalones de A y p′ el número de escalones de A|b entonces

1. (S) es compatible si y solo si p = p′

2. Si (S) es compatible entonces
a) (S) es determinado si y solo si p = n.
b) (S) es indeterminado si y solo si p < n.

Demostración. Comencemos probando los recı́procos de las tres afirma-

ciones. Observemos en primer lugar que como A tiene n columnas y cada
escalón ocupa por lo menos una columna deducimos que para cualquier sis-
temas se cumple que

(1.4) p≤n

Supongamos que p = p′ . De (1.4) se deduce que hay dos posibilidades p′ =

p = n o p′ = p < n. Analicemos el primer caso. La forma reducida debe
40 1. ECUACIONES LINEALES Y MATRICES

tener tantos escalones como columnas por lo tanto debe ser:

 
1 0 0 ... ... 0 c1
 0 1 0 ... ... 0 c2 
 
 .. .. .. 
 0 0 1 . . . 
 
 . . . .. . . .. .. 
 .. .. .. . . . . 
 
 . . .. . 
 .. .. . 1 0 .. 
 
 
 0 0 ... ... 0 1 cn 
0 0 ... ... 0 0 0

Donde la columna de entradas ci representa el termino independiente luego

de efectuado el proceso de escalerización. El sistema correspondiente es



 x1 = c1


 x2 = c2
 .. ..

 . .


xn = cn

el cual es compatible determinado.

Veamos ahora el segundo caso, p′ = p < n. Como la forma escalerizada

tiene más columnas que escalones necesariamente algún escalón debe tener
“descanso” y por lo tanto la forma reducida debe ser
 1.4. TEOREMA DE ROUCHE-FROBENIUS 41

 
1 0 ⋆ ... ⋆ 0 ... 0 0⋆ ... ⋆ 0 . . . 0 c1
 
 0 1 ⋆ ... ⋆ 0 ... 0 0⋆ ... ⋆ 0 . . . 0 c2 
 
 .. . .. .. . . . . 
 . 0
... ... 0 1 . . . .. . . . . . .. ... . . .. .. 
 
 .. .. . .. .. .. .. . . . . 
 . . . . . . . ..
. . . 0 . . . . . .. ... . . .. .. 
 
 .. .. . .. . . . . . 
 . . . . . . . ..
. ... . 1 0 .. . . . .. ... . . .. .. 
 
 .. .. . . 
 . . . . . . . ..
. ... ... 0 1 ⋆ . . . ⋆ 0 . . . .. cs 
 
 . . . 
 0 0 . . . . . . .. ... . . . .. 0 0 . . . 0 1 . . . .. cs+1 
 
 .. .. . . .. .. . . .. . 

 . . . . . . . . .. ... . . . .. . . . . . .. .. . 0 .. 

 . 

 0 0 ... ... 0 ... . . . . . . .. 0 . . . 0 0 . . . 1 cp 

 . 

 0 0 ... ... 0 ... . . . . . . .. 0 . . . 0 0 . . . 0 0 

 .. .. .. .. .. . .. .. . . . . 

 . . . . . ... . . . .. . . . . . .. .. . . . .. .. 

.
0 0 ... ... 0 ... . . . . . . .. 0 . . . 0 0 . . . 0 0
donde las zonas de estrellas representan submatrices con entradas arbitra-
rias.
Para analizar la solución de este sistema intentemos aplicar el algoritmo de
sustitución hacia atrás. Supongamos que s es la primera fila (comenzando
desde abajo) con descanso (escalón de ancho mayor que una columna). Las
ecuaciones s + 1, s + 2, . . . , p son entonces
xs+1 = cs+1
xs+2 = cs+2
..
.
xp = cp
la ecuación s es
xh + as h+1 xh+1 + . . . + ass xs = cs
despejando se tiene
xh = cs − (as h+1 xh+1 + . . . + ass xs )
42 1. ECUACIONES LINEALES Y MATRICES

La incógnita xh no puede entonces determinarse sino en función de los va-

lores de xh+1 , . . . , xs . Fijemos valores arbitrarios para estas últimas s − h
incógnitas, xh quedará determinado y con estos valores podemos ahora sus-
tituir en las ecuación s − 1, . . . , 1 y continuar el proceso de sustitución hacia
atrás. Esto demuestra que el sistema es compatible, pues hay soluciones pero
si cambiamos la elección hecha para los valores de xh+1 , . . . , xs se obtiene
otro valor para xh y consecuentemente otra solución con lo cual el sistema
resulta compatible indeterminado. De hecho como las variables xh+1 , . . . , xs
se pueden elegir arbitrariamente se obtienen infinitas soluciones. Obsérvese
que estas elecciones arbitrarias se pueden hacer sólo en los descansos y que
el número de variables que pueden elegirse libremente es n − p (la suma
de los anchos de los descansos es igual al número de columnas menos el de
escalones).
Demostremos ahora que si (S) compatible entonces p′ = p. Para probarlo
demostraremos su contra recı́proco6 y para esto basta con ver que p < p′
implica (S) incompatible pues en cualquier sistema A|b tiene una columna
más que A y por lo tanto se cumple que p ≤ p′
Si p < p′ , la última columna de la forma reducida de la matriz ampliada
debe tener un escalón por lo tanto la forma es:
 
1 0 ⋆ ... ⋆ 0 ... 0 ⋆ ⋆ 0
 
 0 1 ⋆ ... ⋆ 0 ... 0 ⋆ ⋆ 0 
 
 0 0 0 ... 0 1 ... 0 ⋆ ⋆ 0 
 
 .. .. .. . . . .. .. .. .. 
 . . . . . . .. . . . . . 
 
 0 0 0 ... 0 0 ... 1 ⋆ ⋆ 0 
 
 
 0 0 0 . . . 0 0 . . . 0 0 0 1 
0 0 0 ... 0 0 ... 0 0 0 0

En consecuencia la ultima ecuación del sistema es

0=1
6
Recordemos que un resultado de lógica elemental establece que A ⇒ B si y solo si
negación de B ⇒ negación de A
 1.5. SISTEMAS HOMOGÉNEOS 43

de donde resulta que (S) debe ser incompatible.

Si S es compatible determinado debe ser p = n pues si p < n ya hemos visto
que (S) resultarı́a indeterminado.
De manera análoga se razona para probar que S compatible indeterminado
implica p < n

En el transcurso de la demostración se observo que si p = p′ < n el sistema

es indeterminado y se pueden elegir n − p variables libremente quedando
las otras determinadas por estas. Por este motivo diremos que el sistema es
indeterminado con n − p grados de libertad.

1.5. Sistemas homogéneos

Un sistema con todas las entradas del término independiente nulas se

denomina sistema homogéneo. En virtud del importante rol que estos
sistemas desempeñan vale la pena discutir alguna de sus propiedades.

PROPOSICIÓN 1.8. Un sistema lineal homogéneo es siempre compatible.

Demostración. En efecto como el término independiente de un sistema

homogéneo tiene todas sus entradas nulas debe ser p = p′ y por lo tanto el
teorema de Rouche-Frobenius asegura la compatibilidad.

Otra manera más directa de probar la afirmación anterior es observar que

la solución x1 = 0, . . . , xn = 0 a la que llamaremos solución trivial verifica
cualquier sistema homogéneo. Naturalmente los sistemas homogéneos deter-
minados únicamente admiten solución trivial. Veamos con un ejemplo que
ocurre en el caso de un sistema homogéneo indeterminado

EJEMPLO 1.12. Resolver el sistema



 x+y−z =0
x + y − 2z = 0


2x + 2y − 3z = 0
44 1. ECUACIONES LINEALES Y MATRICES

La matriz ampliada es:

 
1 1 −1 0
 
 1 1 −2 0 
2 2 −3 0
Al escalerizarla se obtiene la matriz
 
1 1 −1 0
 
(S)  0 1 −1 0  ,
0 0 0 0
en consecuencia el sistema asociado es
(
x+y−z =0
y−z =0
La solución es entonces

Sol(S) = {(0, z, z) con z ∈ R} = {z(0, 1, 1) con z ∈ R}.

Se puede observar que todas las soluciones se pueden obtener como combi-
nación lineal de ciertas soluciones fijas. 

OBSERVACIÓN 1.9. Sea A una matriz m × n con n > m, el sistema

homogéneo asociado tiene más incógnitas que ecuaciones y resulta indeter-
minado. En efecto, si E es una forma escalerizada asociada a A, es evidente
que a lo sumo puede tener m escalones y por lo tanto el teorema de Rouche-
Frobenius implica la afirmación.

1.6. Una interpretación geométrica

El lector ha estudiado en el curso de Geometrı́a Analı́tica la ecuación

ax + by = c.

Si a y b no se anulan simultáneamente los puntos del plano de coordenadas

x, y que la verifican pertenecen a una recta. Por lo tanto en el sistema
(
ax + by = c
(S)
a′ x + b′ y = c
 1.6. UNA INTERPRETACIÓN GEOMÉTRICA 45

cada ecuación representa una recta y su solución no es otra cosa que las
coordenadas de los puntos que pertenecen a la intersección de ambas. De
ese modo un sistema 2 × 2 compatible determinado (una única solución)
se corresponde con dos rectas que se cortan en un único punto (ver figura
1.13), un sistema indeterminado (infinitas soluciones) se corresponde con
dos rectas coincidentes y un sistema incompatible con dos rectas paralelas
distintas (ver figuras 1.14 y 1.15 respectivamente).

EJEMPLO 1.13. El sistema

(
2x + y = 2
x+y =2

es compatible determinado con única solución (0, 2) 

2
x+y =2
1
2x + y = 2
1 2

Figura 1

EJEMPLO 1.14. El sistema

(
2x + 2y = 4
x+y = 2

es compatible indeterminado con solución {(x, 2 − x) x ∈ R} 

46 1. ECUACIONES LINEALES Y MATRICES

2
x+y =2
1 2x + 2y = 4

1 2

Figura 2

EJEMPLO 1.15. El sistema

(
x+y =1
x+y =2
es incompatible 

2
x+y =1 x+y =2
1

1 2

Figura 3

Esta interpretación geométrica de los sistemas 2 × 2 puede también ex-

tenderse a los sistemas de tres incógnitas salvo que, como veremos en el
próximo capı́tulo, las ecuaciones representan planos en el espacio y la solu-
ción sus intersecciones.
 1.6. UNA INTERPRETACIÓN GEOMÉTRICA 47

En cierta medida la teorı́a que desarrollaremos en capı́tulos posteriores

nos permitirá extender también la interpretación geométrica para sistemas
de mayor tamaño.
48 1. ECUACIONES LINEALES Y MATRICES