Mate 1 - Unidad 2 - 2023

Notas de Cátedra – Unidad 2 2023
Materia: Matemática I
Unidad 2: Sistemas de Ecuaciones Lineales
Sección 1: Conceptualización
Comisión: Noche – Prof. Carlos Trucchi
1. introducción
Uno de los problemas prácticos que con frecuencia aparece en casi todos los campos de
estudio, tales como la matemática, la física, la economía, la química, la ingeniería, las ciencias
sociales, etc., es resolver un sistema de ecuaciones lineales. En la unidad se estudian los
sistemas de ecuaciones lineales no homogéneos y homogéneos. Y luego de enunciar el
Teorema Fundamental de Equivalencia y demostrar el Teorema de Rouche-Frôbenius, se
desarrolla el procedimiento de resolución directa por los métodos de Gauss-Jordan, el
método de la matriz inversa, y la Regla de Cramer. Analizando luego el caso de sistemas
indeterminados y la obtención de soluciones Básicas.
2. Ecuación Lineal o Ecuación de Primer Grado

Se llama ecuación lineal, a una ecuación que relaciona a ciertas constantes, con uno o más
variables o incógnitas, que aparecen elevadas a la primera potencia, siempre que estas
variables no se encuentren multiplicadas entre sí en un mismo término. En símbolos:
a1.x1 + a 2 .x 2 +...+ a m .x m = b
Se llama solución de la ecuación lineal, a todo conjunto de valores numéricos que satisfaga
dicha ecuación. Este conjunto numérico lo simbolizaremos de la siguiente forma:
x*1, x*2 , ... , x*m  de forma tal que: a1.x*1 + a 2 .x*2 +...+ a m .x*m = b
Estos valores de las variables a los que simbolizaremos con un supra asterisco, se denominan
raíces o soluciones de la ecuación, razón por la cual se dice que se trata de una igualdad
condicionada.
Ejemplo N°1: Solución de una ecuación
13 - 3
5.x1 + 3 = 13  x1 =  x*1  2 Solución
5
Es importante destacar la diferencia que existe entre una ecuación y una identidad. Esta
última se define como una igualdad que combina constantes y variables, que se verifica
siempre independientemente del valor numérico de las variables. Son por ejemplos las
identidades o equivalencias:
(x + y)2 = x 2 + 2.x.y + y2 Cuadrado de un binomio es igual al trinomio cuadrado perfecto.
PBI = C + I + G + X - M Producto Bruto Interno, como suma del gasto agregado.

Activo - Pasivo = Patrimonio Neto Ecuación Patrimonial.
Estos son ejemplos de los que se pueden encontrar como identidades. Nosotros vamos a ver
en esta unidad las ecuaciones lineales y algunas de sus aplicaciones.
1 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

3. Transformaciones de una ecuación

Resolver una ecuación, es decir encontrar el valor numérico de las variables que verifican la
igualdad significa transformar a una ecuación original en sucesivas ecuaciones equivalentes
entendiéndose por tales, a aquellas estructuras más simples con las mismas raíces o
soluciones, para lo cual se pueden efectuar sobre una ecuación original las siguientes
transformaciones:
a) Pasaje de Términos: Sumar o restar a ambos miembros de una ecuación un número real.
b) Pasaje de Factores: Multiplicación de ambos miembros de una ecuación por una
constante distinta de cero.
c) Intercambio de Términos: Conmutar el orden de ubicación de los términos en un mismo
miembro de la ecuación o igualdad.
4. Sistema de Ecuaciones Lineales (S.E.L)

Se denomina sistema de ecuaciones lineales a un conjunto simultáneo de ecuaciones lineales
que para resolverlo implica determinar el valor numérico de todas las incógnitas de las
ecuaciones el sistema que verifiquen simultáneamente a todas las igualdades expresadas en
el mismo. En general se lo representa encerrando a las ecuaciones con una llave.
Ejemplo N°2: Sistemas de Ecuaciones Lineales
2 x1  3x2  4 x3  5 x4  50
 2 x  4 y  3z  120  x  7 x  3x  4 x  90
2 x  4 y  10   1
b) 3x  y  4 z  74
2 3 4
a)  c) 
 3x  y  6 2 x  6 y  8 z  100  x1  2 x2  5 x3  x4  30
  3x2  9 x3 = 20
a) Es un sistema de dos ecuaciones con dos incógnitas

b) Es un sistema de tres ecuaciones con tres incógnitas
c) Es un sistema de cuatro ecuaciones con cuatro incógnitas
5. Distintas formas de Presentación de un Sistema de Ecuaciones Lineales
A) Expresión o Forma General

Se llama sistema de n ecuaciones con m incógnitas a un conjunto de n ecuaciones de la
forma:
 a11x1  a12 x 2  a13x 3 ... a1m x m  b1 Se llama solución de un sistema de

a x  a x  a x ... a x  b ecuaciones lineales, al conjunto de valores
 21 1 22 2 23 3 2m m 2
que asumen las “m” incógnitas
 31 1
a x  a x  a x ... a x  b
32 2 33 3 3m m 3
y satisfacen a
 .....................................................
 todas las “n” ecuaciones del sistema
a n1x1  a n2 x 2  a n3x 3 ... a nm x m  b n simultáneamente.

B) Expresión o Forma Vectorial
El Sistema Expresado en Forma Vectorial:
 a11   a12   a13   a1m   b1 

a  a  a  a  b 
 21   22   23   2m   2
a 31  . x1  a 32  . x 2  a 33  . x 3  ...  a 3m  . x m   b 3 
         
 ...   ...   ...   ...   ... 
a n1  a n2  a n3  a nm  b n 
m
A1. x1  A 2 . x 2  A 3 . x 3  ...  A m . x m  B  A
i 1
i xi  B
En donde cada matriz columna formada por los coeficientes asociados a cada incógnita
xi podemos denominarla vector A i es una matriz columna de orden (nx1), formado por
los coeficientes asociados a la variable xi, y a la matriz columna B, podemos
denominarla Vector de términos independientes B, de orden (nx1) es una matriz
columna cuyos elementos son los coeficientes no asociados a ninguna variable.
La notación vectorial nos permitirá expresar un sistema mediante una sumatoria de

productos entre las columnas formadas por coeficientes asociadas a cada variable, y
multiplicadas por la variable.
C) Expresión o Forma Matricial
El Sistema Expresado en Forma Matricial:
 a11 a12 a13 ... a1m   x1   b1 

a a a ... a 2m   x  b 
 21 22 23  2   2
a 31 a 32 a 33 ... a 3m   x 3    b3 
     
 ... ... ... ... ...   ...   ... 
a n1 a n2 a n3 ... a nm   x m  b n 
A = Matriz de los Coeficientes de orden (nxm)

X = Vector Columna de Indeterminadas o Incógnitas de orden (mx1)
B = Vector Columna de Términos Independientes de orden (nx1)
El vector X, representa un vector columna de incógnitas, cada elemento del vector está
representado por las últimas letras del alfabeto o bien por la x con un subíndice indicando el
orden de las incógnitas.
La matriz de coeficientes simbolizada por A, contendrá tantas filas como ecuaciones, y

tantas columnas como incógnitas, si la cantidad de ecuaciones es igual a la cantidad de
incógnitas la matriz de coeficientes es cuadrada, en caso contrario será una matriz
rectangular. El orden de la matriz de coeficientes nos permitirá clasificar a los sistemas en
sistemas de ecuaciones cuadrados o rectangulares.

El vector de Términos independientes B, puede estar formada por una matriz columna nula
o por una matriz columna con elementos no nulos, y si el vector B es el nulo, el sistema es
homogéneo, en el caso que el vector B, no sea el nulo, el sistema de ecuaciones es no
homogéneo.
6. La Matriz Ampliada
Dado un Sistema de Ecuaciones Lineales expresado en forma matricial A. X = B, donde la
matriz de coeficientes es de orden (n x m) y el vector de términos independientes es de
orden (n x 1). La matriz ampliada es una nueva matriz de orden [n x (m+1)], a la cual
simbolizamos por A0, y se obtiene de la siguiente manera:
 a11 a12 a13 ... a1m b1 

a a a ... a 2m b 2 
 21 22 23
A  a 31 a 32 a 33
0
... a 3m b3   A B 
 
 ... ... ... ... ... ... 
a n1 a n2 a n3 ... a nm b n 
La simbología A =  A B son equivalentes, en el segundo caso hace referencia a una

matriz particionada en dos sub-matrices A y B. Nosotros trabajaremos usualmente con A
7. Solución del Sistema de Ecuaciones Lineales
El vector X* (matriz columna) se denomina solución del sistema de ecuaciones, es un vector

cuyos elementos son valores numéricos asociados a cada una de las incógnitas, que
satisfacen absolutamente a todas las ecuaciones del sistema simultáneamente. Si el vector
X* existe, existirá solución del sistema se dirá que el Sistema es Compatible, en caso de no
hallar solución numérica para todas las incógnitas el vector X* no existe y el sistema será
Incompatible.
 x1* 
 *
x
Sea A. X  B  A. X*  B donde  X* =  2  es la solución del S.E.L
 
 *
 xm 
Si existe una única solución, es decir un único conjunto de valores que satisface el sistema,
el mismo se denomina Compatible determinado.
Si existen infinitas soluciones, es decir distintas formas de asignar valores a las incógnitas que
satisfagan al sistema, el mismo se denomina Compatible Indeterminado.
8. Clasificaciones de Sistemas de Ecuaciones
Un Sistema de Ecuaciones lineales expresado de una u otra forma nos provee una notación
alternativa que al observar de manera esquemática los datos provistos por los coeficientes
de las ecuaciones en una matriz de coeficientes y en el vector de términos independientes y

nos permitirán clasificar a los sistemas de ecuaciones teniendo en cuenta la estructura

matricial.
En resumen, expresamos esta clasificación de la siguiente manera:
a) Clasificación según el orden de la matriz A
El Sistema de Ecuaciones Lineales es Cuadrado cuando

El Sistema de Ecuaciones Lineales es Rectangular cuando
b) Clasificación según los elementos del vector B
El Sistema de Ecuaciones Lineales es No Homogéneo cuando

El Sistema de Ecuaciones Lineales es Homogéneo cuando
c) Clasificación según la solución
El Sistema de Ecuaciones Lineales es Compatible cuando

Compatible Determinado si la solución es única
Compatible Indeterminado si existen infinitas soluciones
El Sistema de Ecuaciones Lineales es Incompatible cuando
Ejemplo N°3: Dado los siguientes sistemas de ecuaciones lineales:
 2 x  4 y  3z  120
2 x  4 y  0 
a)  b) 3x  y  4 z  74
 3x  y  0 2 x  6 y  8 z  100

Se solicita para cada uno de ellos:
a) Indicar la cantidad de ecuaciones e incógnitas del mismo

b) Expresar el sistema en forma Vectorial
c) Expresar el sistema en forma Matricial
d) Clasificar el sistema según el orden de la matriz de coeficientes y el vector B
e) Expresar la matriz ampliada del sistema
Respuesta:
Sistema (a)
a) Sistema tiene dos ecuaciones y dos incógnitas

b) Expresado en su forma vectorial
 2 4 0
A1 . x  A 2 . y = B   3 . x  -1 . y  0
     

c) Expresado en su forma matricial
 2 4   x  0
A.X=B   .     
 3 -1  y  0
d) El sistema es un sistema Cuadrado porque A es de orden (2x2) y Un sistema
Homogéneo porque B = 
e) La matriz Ampliada del sistema es
2 4 0
A =  A B =  
 3 -1 0
Sistema (b)
a) Sistema tiene tres ecuaciones y tres incógnitas

b) Expresado en su forma vectorial
2 4  -3 120

A1 . x  A 2 . y  A3 . z = B   3  . x  -1 . y   4  . z   74 
       
-2 6  -8 100
c) Expresado en su forma matricial
 2 4 -3  x  120
A . X = B   3 -1 4  .  y   74 
   
-2 6 -8  z  100
d) El sistema es un sistema Cuadrado porque A es de orden (3x3) y Un sistema NO

Homogéneo porque B  
e) La matriz Ampliada del sistema es
 2 4 -3 120
A =  A B =  3 -1 4 74 
-2 6 -8 100
Actividad de Clase Nº1: Sea el sistema de ecuaciones lineales, se pide:
  y  9 z  15  w

4 x  y  2 w  4 z
 z  6 y  6 x  12


Se solicita:
a) Indicar la cantidad de ecuaciones e incógnitas del mismo

b) Expresar el sistema en forma Vectorial
c) Expresar el sistema en forma Matricial
d) Clasificar el sistema según el orden de la matriz de coeficientes y el vector B
e) Expresar la matriz ampliada del sistema
9. Geometría Analítica en R2
Las ecuaciones lineales se pueden representar gráficamente en el espacio n-dimensional. Si

bien no podremos visualizar las mismas en más de tres dimensiones, será nuestra intención
abordar el desarrollo analítico y gráfico en el espacio R 2 y más adelante en otra sección
analizaremos el espacio tridimensional R 3 mediante algunos ejemplos con el objetivo de
poder realizar una introducción al estudio de la geometría analítica, sin poder abordar todos
los contenidos de la disciplina pero que a modo intuitiva el estudiante pueda interpolar el
análisis algebraico y gráfico al espacio n-dimensional R n .
En los siguientes apartados analizamos un conjunto de ecuaciones representadas

gráficamente en R 2 . Primero viendo la posición relativa en sistemas de orden (2x2) y luego
en sistemas de orden (3x2) y estaremos representando dichos sistemas de ecuaciones en el
plano o espacio bidimensional R 2
a) Posiciones relativas entre dos rectas en el plano
Entendemos por posición relativa de dos rectas en el plano a la representación gráfica de las
mismas en un espacio bidimensional, que puede estar referido o no en un sistema de
referencia, como por ejemplo representadas en un sistema de ejes cartesianos.
Dos rectas pueden representarse mediante un sistema de ecuaciones lineales de la forma:
 a11x1 + a12 x 2 = b1  a11 a12   x1   b1 

 y en Forma Matricial   = 
a 21x1 + a 22 x 2 = b2 a 21 a 22   x 2   b2 
Las mismas se pueden representar gráficamente mediante dos rectas “r1” y “r2” en un plano
de forma tal que las mismas presenten una de estas tres situaciones.
y r1 y y
r1 r2
r2 r1
r2
x x x
Rectas Secantes Rectas Paralelas Rectas Coincidentes

La relación que existe entre la proporcionalidad de los coeficientes de la matriz ampliada nos
brindará una relación entre el álgebra y la geometría.
La proporcionalidad la calcularemos como cociente entre los coeficientes correspondientes

de las filas de la matriz ampliada. O indistintamente observando el sistema en forma general.
 a11x1 + a12 x 2 = b1 a a b
 A° =  11 12 1 
a 21x1 + a 22 x 2 = b2  a21 a22 b2 
De forma tal que:

a11 a12
 Si se cumple que  Las rectas son secantes
a21 a22
a a b
 Si se cumple que 11  12  1 Las rectas son paralelas
a21 a22 b2
a a b
 Si se cumple que 11  12  1 Las rectas son coincidentes
a21 a22 b2
Ejemplo N°4: Rectas Secantes
6 x1 + 9 x 2 = 21 6 9   x1   21
Sea  y en Forma Matricial   = 
2 x1 + 4 x 2 = 8  2 4  x 2   8 
6 9 21 6 9
La matriz Ampliada A° =   por lo tanto: 
 2 4 8  2 4
En este caso las dos ecuaciones se corresponden con dos rectas en el plano que son
secantes y en tal caso existe un único punto de encuentro, el par ordenado, (x1,x2) que
satisface ambas ecuaciones simultáneamente y sus componentes asumen valores
perfectamente determinadas, simbolizándolo por (x*1,x*2) y por ende tiene una única
solución. El sistema es Compatible Determinado.
En forma gráfica:
y
Rectas Secantes
6 x1 + 9 x 2 = 21

2 x1 + 4 x 2 = 8
(2,1)

Ejemplo N°5: Rectas Paralelas
6 x1 + 9 x 2 = 21 6 9  x1   21
2 x1 + 3 x 2 = 8  2 3  x 2   8 
6 9 21 6 9 21
La matriz Ampliada A° =   por lo tanto:  
2 3 8  2 3 8
paralelas, y en tal caso no existirá un punto de encuentro entre las rectas, no existe
ningún par ordenado, (x1,x2) que satisfaga a ambas ecuaciones simultáneamente, y por
ende el sistema es Incompatible.
En forma gráfica:
y
Rectas Paralelas
6 x1 + 9 x 2 = 21

2 x1 + 3 x 2 = 8
No existe punto de encuentro
Ejemplo N°6: Rectas Coincidentes
6 x1 + 9 x 2 = 21 6 9  x1   21
2 x1 + 3 x 2 = 7  2 3  x 2   7 
6 9 21 6 9 21
La matriz Ampliada A° =   por lo tanto:   3
2 3 7  2 3 7
coincidentes, y en tal caso existen infinitos puntos, pares ordenados, (x 1,x2) que
satisfacen ambas ecuaciones, y por ende son solución del sistema. El sistema es
Compatible indeterminado.

En forma gráfica:
y
Rectas Coincidentes
6 x1 + 9 x 2 = 21

2 x1 + 3 x 2 = 7
Existen infinitos puntos de encuentro
b) Posiciones relativas entre tres o más rectas en el plano
Al igual que en el punto anterior, entendemos por posición relativa de tres o más rectas en
el plano a su posición en el plano. El análisis algebraico en este caso se referirá a sistemas
con más de dos ecuaciones y solo dos incógnitas. Analizaremos de manera gráfica sólo el caso
de tres rectas en el plano visualizando algunos ejemplos. Sin pérdida de generalidad
podemos luego del análisis intuir el comportamiento de sistemas con más de tres ecuaciones
lineales.
Tres rectas pueden representarse mediante un sistema de ecuaciones lineales de la forma:
 a11x1 + a12 x 2 = b1  a11 a12   b1 

    x1   
a 21x1 + a 22 x 2 = b 2 y en Forma Matricial a 21 a 22   = b2
  x  
a x + a x  b
 31 1 32 2 3 a 31 a 32   2   b3 
Las mismas se pueden representar gráficamente mediante dos rectas “r1”, “r2” y “r3” en un
plano de forma tal que las mismas presenten algunas de las siguientes situaciones:
Ejemplo N°7: Rectas Secantes – Las tres rectas se cortan en un único punto
y Rectas Secantes
6 x1 + 9 x 2 = 21

 2 x1 + 4 x 2 = 8
4 x + 5 x  13
 1 2 Punto de Encuentro (2,1)

En el ejemplo hemos utilizado el programa Geogebra para realizar el gráfico. El estudiante

podrá graficar las ecuaciones de la recta en un sistema de ejes cartesianos para visualizar la
posición relativa de las tres rectas que se desprenden del sistema de ecuaciones.
Podemos expresar el sistema de la forma matricial y su matriz ampliada de la forma:
6 x1 + 9 x 2 = 21 6 9   21 6 9 21
  
2 4 =   y A° =  2 4 8 
x 1
Sea 2 x1 + 4 x 2 = 8 y AX= B
   x  8 
4 x + 5 x  13
 1 2
 4 5   2  13  4 5 13 
Si calculamos los cocientes entre los coeficientes para analizar su proporcionalidad.

6 9 21
Entre la 1° ecuación y la 2° ecuación:   No son proporcionales
2 4 8
6 9 21
4 5 13
2 4 8
4 5 13
Conclusión: Los coeficientes entre las tres filas de la matriz A del sistema, que se
corresponden con las ecuaciones, no son proporcionales entre sí. Y si observamos los
coeficientes de la matriz ampliada tampoco son proporcionales. Indica que las rectas son
secantes. El sistema es Compatible Determinado.
Ejemplo N°8: Rectas Paralelas – Las tres rectas no se cortan
y Rectas Paralelas
6 x1 + 9 x 2 = 21

 2 x1 + 3 x 2 = 8
4 x + 6 x  12
 1 2
6 x1 + 9 x 2 = 21 6 9  21 6 9 21

Sea 2 x1 + 3 x 2 = 8 y AX= B  2 3   x1  = 8  y A° =  2 3 8 
  x     
4 x + 6 x  12
 1 2
 4 6   2  12   4 6 12 

6 9 21
Entre la 1° ecuación y la 2° ecuación: Proporcionales   3 pero 3
2 3 8
6 9 21
Entre la 1° ecuación y la 3° ecuación: Proporcionales   1,5 pero  1,5
4 6 12
2 3 8
Entre la 2° ecuación y la 3° ecuación: Proporcionales   0,5 pero  0,5
4 6 12
corresponden con las ecuaciones, si son proporcionales entre sí. Y si observamos los
coeficientes de la matriz ampliada no son proporcionales. Indicaría que las rectas son
paralelas. El sistema es Incompatible.
Ejemplo N°9: Rectas Coincidentes – Las tres rectas se superponen entre sí
y Rectas Coincidentes
6 x1 + 9 x 2 = 21

 2 x1 + 3 x 2 = 7
4 x + 6 x  14
 1 2
Existen infinitos puntos de encuentros
6 x1 + 9 x 2 = 21 6 9  21 6 9 21

Sea 2 x1 + 3 x 2 = 7 y AX= B  2 3   x1  =  7  y A° =  2 3 7 
  x     
4 x + 6 x  14
 1 2
 4 6   2  14   4 6 14 
6 9 21
Entre la 1° ecuación y la 2° ecuación:   3 Son proporcionales
2 3 7
6 9 21
Entre la 1° ecuación y la 3° ecuación:    1,5 Son proporcionales
4 6 14
2 3 8
Entre la 2° ecuación y la 3° ecuación:    0,5 Son proporcionales
4 6 14
corresponden con las ecuaciones, si son proporcionales entre sí. Y si observamos los
coeficientes de la matriz ampliada también son proporcionales. Indicaría que las rectas son
paralelas y coincidentes entre sí. El sistema es Compatible Indeterminado.
Los casos analizados precedentemente no son los únicos casos que pueden presentarse
cuando representamos tres rectas en un plano, o cuando se resuelven sistemas de tres
ecuaciones con dos incógnitas. Pudiendo presentarse otros casos como se muestran a
continuación de manera geométrica pero el análisis algebraico lo veremos cuando en
próximas secciones se estudien los métodos de resolución de sistemas de ecuaciones lineales
y su representación gráfica en el plano y en espacio.
Ejemplo N°10: Algunos ejemplos gráficos.
(a) Sistema Incompatible
y
Dos rectas paralelas y otra las corta
 6 x1 + 9 x 2 = 21

2 x1 + 3 x 2 =12 No existe punto de encuentro
- 4 x + 6 x  10
 1 2 común entre las rectas
(b) Sistema Incompatible
y Las rectas se cortan, pero no en un único punto
 2 x1 + 9 x 2 = 21
 No existe punto de encuentro
2 x1 + 2 x 2 =12
- 4 x + 6 x  10 común entre las rectas
 1 2

(c) Sistema Incompatible
y Tres rectas paralelas, dos coincidentes
- 2 x1 + 3 x 2 = 5

- 2 x1 + 3 x 2 =12
- 4 x + 6 x  10
 1 2
(d) Sistema Compatible
y Dos rectas coincidentes y otra recta las corta
- 2 x1 + 3 x 2 = 5

2 x1 + 2 x 2 =12
- 4 x + 6 x  10 Si existe punto de encuentro
 1 2
Actividad de Clase Nº2: Sean los sistemas de ecuaciones lineales, para cada uno de ellos
 6x + 4y  20
 - x + 5y  20 
(1)  (2) 3x + 2y  10
- 2x + 3y  12 15x + 10y  50

Se pide:
a) Exprese el sistema en forma matricial AX=B
b) Exprese la matriz ampliada
c) Clasifique el sistema según los coeficientes de A y B
d) Resuelva el sistema mediante algún método conocido
e) Represente gráficamente las ecuaciones en un sistema de ejes cartesianos
f) Clasifique el sistema según su solución
g) Justifique analíticamente la solución del sistema según el valor de los
coeficientes de la matriz A y de la matriz Ampliada.

Sección 2: Sistemas Equivalentes
1. introducción
En la sección anterior hemos expresado a los sistemas de ecuaciones y analizado de manera

inductiva algunos casos de posiciones relativas de las rectas en el plano. Notamos la
importancia de los coeficientes en una matriz del sistema y en la matriz ampliada que nos
permiten caracterizar a los Sistemas de ecuaciones. No obstante, el estudio de la
proporcionalidad de los coeficientes uno por uno resulta bastante tedioso, Será nuestro
interés abordar en esta sección un mecanismo que permita obtener la compatibilidad de los
sistemas utilizando los conceptos vistos anteriormente referidas a matrices. Por lo tanto, será
de muchísima utilidad reforzar los conceptos de operaciones elementales aplicadas sobre las
filas de una matriz, ya que las filas de la matriz ampliada representan las ecuaciones de
nuestro sistema donde las filas linealmente independientes están estrechamente vinculadas
con el rango de la matriz del sistema y el rango de la matriz ampliada.
2. Teorema: Vector B como Combinación Lineal de las líneas de A
En la primera unidad hemos mencionado que una línea (fila o columna) de una matriz puede
ser expresada como combinación lineal de las restantes. De aquí desprendimos un concepto
de rango de una matriz A, cuando las líneas de la matriz son linealmente independientes.
En este punto trabajaremos con un teorema muy importante.
Dado un Sistema de ecuaciones Lineales A.X = B, donde A es la matriz de coeficientes

de orden (nxm) donde n representa las ecuaciones del sistema y m las incógnitas, y
donde B representa el vector de términos independientes.
Si la Matriz A está formada por “r” columnas linealmente independientes, Si el vector

B puede expresarse como una combinación lineal de las “r” columnas de A,
A = C1 , C2 , C3 , ... , Cr  , dicha combinación lineal es única. Pudiendo expresar:
r
B=   .C =  .C + .C + ... + .C
i 1
i i 1 1 2 2 r r 1
Demostración:
El Teorema indica que si el vector B, se puede expresar como combinación lineal de un

conjunto linealmente independiente, existe un único grupo o conjunto de escalares
  1 , 2 ,..., r  que satisfacen esa combinación lineal. Es decir, existe para cada
escalar un número real asociado a cada columna, que luego de multiplicar ese escalar con el
vector correspondiente y sumar todos los productos dan por resultado el vector B.

Para demostrar debemos recurrir a lo que la matemática llama, demostración por

contradicción, es decir, vamos a suponer momentáneamente que existe otro grupo de
escalares también que verificarían poder expresar a B, como combinación lineal. Y llegaremos
a la conclusión de que ese supuesto es falso, dejando ver que por más que supongamos otro
grupo de escalares, terminan siendo los mismos valores. Y concluiremos que la combinación
lineal es única.
Proponemos un conjunto de escalares ahora llamados con la letra griega

β  β1 , β2 ,..., βr  la que permite expresar a B de la siguiente manera:
r
B=   .C =  .C + .C + ... + .C
i 1
i i 1 1 2 2 r r 2
Como se observa hay dos igualdades 1 y 2 cuyos primeros miembros son iguales,
por lo tanto, los segundos miembros también lo serán, es decir que se verificará lo siguiente:
r r
 i .Ci =
i 1
  .C
i 1
i i Igualando las dos Combinaciones Lineales
r r
  .C -   .C
i 1
i i
i 1
i i 
r
 (  .C
i 1
i i - i .Ci )   Realizamos la Resta y Sacamos Factor Común C i
( 
i 1
i -  i ) . Ci  
Si desarrollamos la suma:
 (
i 1
i  i ).Ci = (1  1 ).C1 + ( 2   2 ).C2 + ... + ( r   r ).C r = 
Siendo las columnas un conjunto linealmente independiente, para que se verifique la igualdad
los escalares deben anularse:
i  i  0 despejando i  i i
Conclusión Final: De donde se desprende que cada  i es igual a i con lo que concluimos
que al ser los escalares iguales existe una única forma de expresar al vector B, como
Combinación Lineal de las columnas independientes de A, dado que se corresponde con el
rango columna y es el mismo valor que el rango fila, también podemos indicar que el vector B,
también se puede expresar de una única forma como combinación lineal de las filas
independientes de la matriz A.

3. Teorema Rouché-Frôbenius
También se lo conoce como la Condición Necesaria y Suficiente de Compatibilidad de

Sistemas de Ecuaciones Lineales.
Sea un sistema de n ecuaciones lineales con m incógnitas:
a
k 1
ik . x k  bi ; i= 1,2,3,...,n  A. X  B
Será compatible, es decir existe solución si y solo sí, se cumple la siguiente condición:
La Condición Necesaria y Suficiente para que el sistema sea compatible y al menos una
solución, que el rango de la matriz de los coeficientes sea igual al rango de la matriz ampliada.
En símbolos:
Sea A . X* = B ;  solución X*  r (A)  r (A) = r
Incluso, si el rango r, de las dos matrices es igual al número m de incógnitas, la solución es

única y el sistema de ecuaciones resulta compatible y determinado. Si por el contrario, el
rango r, es menor a m, (r <m), existen múltiples soluciones y el sistema de ecuaciones resulta
compatible e indeterminado. En símbolos:
r = m X* es única solución
r < m  infinitas soluciones Xi *
Demostración:
Partiendo de la hipótesis de que el sistema A.X=B es compatible, significa que existe por lo
menos un vector al que denominaremos X* de m componentes numéricas tal que se verifica
lo siguiente:
A . X* = B
Expresamos el sistema en forma vectorial:

m
A1. x*1  A 2 . x*2  A3 . x*3  ...  A m . x*m  B  A
i 1
i x*i  B
Se observa que B, es una combinación lineal de los vectores columna A i de la matriz de

coeficientes. Siendo los coeficientes (escalares) de dicha combinación lineal los valores xi* que
pertenecen al vector solución X*.
Si la matriz de coeficientes A, tiene rango al que simbolizamos por r(A) y como el mismo
representa la cantidad de líneas (columnas) linealmente independientes de la matriz, podemos
comparar este rango con el rango de la matriz ampliada dado por r(Aᵒ).

Si el r(A) indica la cantidad máxima de columnas LI de la matriz A
Si el r(A0) indica la cantidad máxima de columnas LI de la matriz [A|B]
Observando lo siguiente:
 a11 a12 a13 ... a1m   a11 a12 a13 ... a1m b1 
a a 22 a 23 ... a 2m  a a 22 a 23 ... a 2m b 2 
 21  21
A=  a 31 a 32 a 33 ... a 3m  A   a 31
0
a 32 a 33 ... a 3m b3 
   
 ... ... ... ... ...   ... ... ... ... ... ... 
a n1 a n2 a n3 ... a nm  a n1 a n2 a n3 ... a nm b n 
A=  A1 A2 A3 Am  A =  A1 A2 A3 Am B
Dado que el vector B se puede expresar como combinación lineal de los restantes. El rango de
A, no cambia si se considera a las columnas de A más el vector B, lo que indica que el rango de
la matriz de coeficientes es igual al rango de la matriz ampliada.
Por lo tanto, hemos demostrado que si existe solución X* el r(A)= r(A 0), o en forma simbólica
la condición necesaria y suficiente:
Sea A . X* = B ;  solución X*  r (A)  r (A) = r
Una segunda parte o también denominado corolario del teorema indica que si el rango r, es
igual al número de incógnitas la solución es única, y en el caso que r sea menor al número de
incógnitas existen infinitas soluciones. Lo cual demostramos de la siguiente manera.
Pueden presentarse dos situaciones:
(1) Que r (A)  r (A) = r = m El sistema tendrá una única solución X*

(2) Que r (A)  r (A) = r < m El sistema tendrá infinitas soluciones
1) Que el rango r sea igual al número de incógnitas m. [ r = m ]
En este caso el sistema es compatible determinado. O sea que admite una única solución
y esto se debe a que al ser el rango igual a r para la matriz A y la matriz A 0, e igual al número
de columnas de la matriz de los coeficientes, significa que todas las columnas de la matriz
A, son Linealmente Independientes.
A=  A1 A2 A3 Am  Todas las columnas de A, son L.I. r(A)= r=m
A =  A1 A2 A3 Am B B es CL de las columnas de A, son L.I. r(A0) = r=m
Por teorema mencionado en el punto 2 de esta unidad. Si el vector B puede expresarse

como combinación lineal de las columnas de A, esa combinación lineal es única, siendo el
conjunto de escalares el conjunto de los valores que asumen las incógnitas para expresar a
B. Estos valores conforman el vector de soluciones y dicho vector X* es único. El sistema es
compatible determinado.

2) Que el rango r sea menor al número de incógnitas m. [ r < m ]
En este caso se dice que el sistema es compatible indeterminado. Es decir que admite
infinitas soluciones, y esto se debe a que existirán en el sistema algunas columnas (m-r)
linealmente dependientes que son generadas por las restantes r columnas linealmente
independientes.
A=  A1 A2 A3 Ar Ar1 Am  Como m-r es un número positivo
r son L.I m-r 0 < m-r  r < m
Hemos supuesto que las primeras columnas son LI, pero podríamos haber tomado
cualquier grupo de columnas siempre que sean r independientes, como hay muchas
formas de usar r columnas de A. Existen por lo tanto infinitas formas de expresar al vector
B como Combinación Lineal de las columnas de A, dependiendo de estas formas de los
valores arbitrarios que asuman los escalares que acompañan a las (m-r) columnas. Por lo
tanto, existirán Xi* soluciones, el sistema es Compatible Indeterminado cuando r < m.
Ejemplo N°11: Si se conoce el sistema en forma matricial, obtenga la matriz ampliada e

interprete el Teorema de Rouché-Frobenius
1 0 0   x   5  1 0 0 5 
A.X= B 
0 1 0   y   8  
; A°  0 1 0 8

      
0 0 1   z  7  0 0 1 7 
Respuesta:
Expresamos el sistema en forma general:
x  0 y  0z  5 x 5 5 La solución es única

  8 
0 x  y  0 z  8   y  8  X* =   Sistema de Ecuaciones Lineales
0 x  0 y  z  7 
z 7 7 
Compatible Determinado

Vemos que la matriz de coeficientes es una matriz I, su rango es igual al orden de dicha matriz
r(A)=3, además conocemos que es igual a la cantidad de columnas LI de A.
Si A0 es la matriz ampliada el vector B, puede expresarse siempre como C.L de las columnas
unitarias de la matriz A, r(A0)=3. Por lo tanto, el sistema tiene solución. Debido a que m=3,
la cantidad de incógnitas coincide con el rango, Es decir r = m = 3. El sistema es Compatible
Determinado.


1 0 0   x   5  1 0 0 5 
A.X= B 
 0 1 0   y   8  
; A°  0 1 0 8

      
0 0 0   z  0 0 0 0 0
Respuesta:
Expresemos el sistema en forma General:
 x  0 y  0z  5 x 5 5
   8  z*  Infinitas soluciones
 0 x  y  0 z  8   y  8  X* =   Compatible Indeterminado
0 x  0 y  0 z  0 
 0  0  z *
El sistema se verifica para todo valor z, por lo tanto, sigue quedando como variable
Vemos que la matriz que tiene la tercera fila nula, su rango es igual al orden r(A)=2, además
conocemos que es igual a la cantidad de columnas LI de A.
Si A0 es la matriz ampliada, la misma contiene una fila nula, y se puede comprobar que el
rango de la matriz ampliada es igual a r(A0)=2. Por lo tanto, el Sistema tiene solución porque
el rango de A es igual al rango de la matriz ampliada.
Debido a que m=3, la cantidad de incógnitas m no coincide con el rango r. El sistema es
Compatible Indeterminado (2<3) o (r<m)

1 0 0   x   5  1 0 0 5 
A.X= B 
0 1 0   y   8  
; A°  0 1 0 8

      
0 0 0   z  7  0 0 0 7 
Respuesta:
Expresemos el sistema en forma General:
 x  0 y  0z  5 x  5
  No existe solución
 0 x  y  0 z  8   y  8   X* Compatible Incompatible
0 x  0 y  0 z  7 0  7
 
Vemos que la matriz A es una matriz que tiene la tercera fila nula, sus filas no nulas son dos,
su rango es igual al orden r(A)=2, además conocemos que es igual a la cantidad de columnas
LI de A.
Si A0 es la matriz ampliada, la misma contiene una columna nula, y se puede comprobar que
el rango columna de la matriz ampliada es igual a r(A0)=3. El rango de A no es igual al rango
de la matriz ampliada. Se observa, (2<3) o r(A) < r(A0). Por lo tanto, si los rangos no son
iguales El sistema es Incompatible.

Ejemplo N°14: Si se conoce el sistema en forma matricial, interprete el Teorema de Rouché-

Frobenius en cada uno de los casos.
1 0 0   x   2  1 0 0   x   3 
a) 0 1 0  y   -3 b) 0 1 0  y    2
0 0 0  z   6  0 0 1   z   4
n=3 ym=3 n=3 ym=3

r (A)  2  r (A)  3 
 r(A) < r(Aº)  r(A) = r(Aº) = m
r (A) = 3 r (A) = 3
SEL Incompatible X * SEL C. Determinado X * única
1 0 0   x   0  1 0 0   x   5 
c) 0 1 0   y   0 d ) 0 1 0  y   5
0 0 1   z  0 0 0 0  z  0
n=3 ym=3 n=3 ym=3

r (A)  3  r (A)  2 
 r(A) = r(Aº) = m  r(A) = r(Aº) < m
r (A) = 3 r (A) = 2 
SEL C. Determinado X * única SEL C. Indeterminado Infinitas X i *
Actividad de Clase Nº 3: Si se conoce el sistema en forma matricial, obtenga la matriz

ampliada e interprete el Teorema de Rouché-Frobenius en cada uno de los casos.
 x  7  1 0 0   x  1 
1 0 0    
a)    y   -2 b) 0 0 0   y   6
0 1 0   z   4  0 0 0  z  8 
   
x
1 0 0   x   4  1 0 0 0     0 
c) 0 1 0  y    3 d ) 0 1 0 0      2 
y
 w
0 0 0  z  0  0 0 0 0    0 
z
1 0
 x   3 1 0   x   5 
e) 0 1       f)      
0 0     0 1   y   4 
y 4

4. Condiciones del Teorema de Rouché-Frobenius en Sistemas de

Ecuaciones Homogéneos
Los Sistemas Homogéneos son aquellos Sistemas de Ecuaciones Lineales en los cuales el
vector de términos independientes está dado por una matriz columna cuyos elementos son
nulos, también denominado vector nulo y simbolizado por  . Los expresamos en su forma
matricial de la siguiente manera:
Los Sistemas Homogéneos SIEMPRE SON COMPATIBLES, ya que la condición necesaria y

suficiente de equivalencia, o el teorema de Rouché Frobenius que hemos visto, se verifica
siempre, donde el rango de la matriz de coeficientes es igual al rango de la matriz ampliada.
Estos sistemas siempre admiten solución. Pudiendo ser un sistema Compatible Determinado
o Compatible Indeterminado:
 Si el sistema homogéneo es compatible determinado, admite una única solución, y

el valor que asume cada incógnita es nulo, es la solución X* =  conocida con el
nombre de SOLUCIÓN TRIVIAL, formada por una matriz columna cuyas
componentes son todas nulas, conocida con el nombre de vector nulo. En forma
simbólica:
Sea A . X* =  ;  solución X* =   r (A)  r (A) = r = m
 Si el sistema homogéneo es compatible indeterminado, admite infinitas soluciones,

se observará que el rango [r(A) = r(A0) = r] sea menor al número de incógnitas r< m,
una de esas infinitas soluciones es una solución trivial
Ejemplo N°15: Sistemas Homogéneos
 x + 2y = 0 1 2   x   0  1 2 0
(a)   A.X=          ; Aº =  
 4y = 0 0 4  y  0 0 4 0
Es un sistema con dos incógnitas y dos ecuaciones, ambas ecuaciones son Linealmente
independientes, se puede ver ya que la misma se encuentra escalonada por filas y siendo el
rango r(A) =2 y observamos también que el rango de la matriz ampliada r(A0) = 2. Los rangos
son iguales y el sistema es compatible. Por ser m=2, el sistema será compatible determinado
y admitirá una única solución. La solución Trivial.
x + 2 z = 0 1 0 2   x  0  1 0 2 0 
(b)   A.X=    
     ; Aº =  
 y - 3 z =0 0 1 -3  y  0  0 1 -3 0 
Es un sistema con tres incógnitas y dos ecuaciones, ambas ecuaciones son Linealmente
independientes, se encuentra escalonada por filas los rangos de la matriz A y de la matriz
ampliada son iguales r(A) = r(A0) = 2, no obstante, es menor a m=3, el sistema es compatible
indeterminado. Admite infinitas soluciones.

Respuesta:
La solución del sistema (a) utilizando un método de sustitución conocido. De la segunda

ecuación despejamos y = 0 y sustituimos en la primera ecuación, donde se desprende x =0
 x + 2y = 0 x = 0  x *  0 
   ; X* =      Solución Trivial
 4y = 0 y = 0  y * 0 
En forma gráfica se corresponde con un punto de encuentro en el plano entre dos rectas
que se intersecan en el centro del origen del sistema.
y
La solución del sistema (b) utilizando un método de sustitución conocido. De la primera y

segunda ecuación despejamos x e y, y observamos que ambas dependen de la otra variable
z, por lo tanto, el vector solución X*, queda expresado en función de los infinitos valores z
que pueda asumir.
 x *  - 2 z 
x + 2 z = 0 x  - 2 z  y *   3 z   z  R
   ; Xi * =
 y - 3 z =0 y  3 z    
 z *   z 
Si quisiésemos obtener algunas de las infinitas soluciones, podríamos asignar valores reales
a la variable z de forma tal que, por ejemplo: si proponemos z=0, z=1, z=-2
 x *  0 
Si z = 0 X 0 * =  y *  0 
   
 z *  0 
 x *  - 2 
Si z = 1 X1* =  y *   3 
   
 z *   1 
 x *  4 
Si z =-2 X 2 * =  y *  - 6
   
 z *  - 2
Estas son algunas de las infinitas soluciones de un sistema homogéneo compatible

indeterminado. Observemos que una de ellas es una solución trivial. Aclaración: Por tratarse
de un sistema de tres incógnitas, el mismo se puede representar como un plano en el espacio
que pasa por el origen. Veremos estas gráficas en próximos puntos.

5. Sistemas Equivalentes
Dado un sistema de n ecuaciones y m incógnitas, que puede ser expresado en forma matricial
como A.X= B cuando es no homogéneo o bien como A.X = ø cuando es homogéneo. Tal que
de él puede obtenerse la matriz ampliada A° = (A|B) del sistema. Podemos realizar sobre
dicha matriz un número finito de operaciones elementales. Cada matriz resultante será una
nueva matriz ampliada equivalente a la anterior, y por ende obtendremos un sistema
equivalente del sistema A.X=B
Los sistemas equivalentes tienen la misma caracterización:
 Si el sistema original es compatible determinado, el sistema equivalente también

será compatible determinado y admitirá la misma solución X* como un conjunto de
valores determinados.
 Si el sistema original es compatible indeterminado, el sistema equivalente también
será indeterminado, y admitirá las mismas infinitas soluciones X i* del sistema
original.
 Si el sistema original no tiene solución, tampoco tendrá solución el sistema
equivalente.
Definición: Sea A.X= B un sistema de ecuaciones lineales de n ecuaciones y m incógnitas,

diremos que otro sistema que puede obtenerse realizando un número finito de operaciones
elementales del sistema original, será un sistema equivalente del primero y equivalente
también a todos los sistemas equivalentes del primero. En conclusión, tendrán la misma
caracterización.
Si en el sistema equivalente R.X=H denominamos a la matriz ampliada (R|H) siendo ella la

matriz reducida y escalonada de la matriz ampliada de (A|B) tendremos un sistema
equivalente reducido y escalonado. Tal que nos permitirá de la manera más simple, analizar
la caracterización del sistema aplicando el Teorema de Rouché-Frobenius. También hallar la
solución y por lo tanto será también solución del sistema original.
Si el vector solución X k * es solución de los sistemas:
Sistema (1) A .X k * = B
Son Sistemas Equivalentes
Sistema (2) R .X k * = H
Ejemplo N°16: Comprobar que la solución del sistema A.X= B también es solución del sistema
R.X= H donde (R|H) es la matriz reducida y escalonada de la matriz ampliada original del
sistema.
 2 4 -4  x   -2  1 0 0   x   3 
1) A . X = B  5 -3 2   y  = 17  2) R . X = H  0 1 0  y    2
 3 5 -5  z   -1  0 0 1   z   4

Respuesta: Expresamos el sistema en forma general y comprobamos la solución
2x + 4y - 4z = - 2 1 x + 0y + 0z = 3
 
1) 5x - 3y + 2z = 17 2) 0x + 1 y + 0z = 2
3x + 5y - 5z = - 1 0x + 0y + 1 z = 4
 
Del sistema (2) puede obtenerse de manera sencilla el valor que asume cada variable y
sustituir dichos valores en el sistema (1) para comprobar si dicha solución es también
solución del mismo.
 x *  3  2.(3) + 4.(2) - 4.(4) = - 2


2) X* =  y *   2 sustituimos: 1) 5.(3) - 3.(2) + 2.(4) = 17 se verifica
 z *  4 3.(3) + 5.(2) - 5.(4) = - 1

Por lo tanto, los sistemas son equivalentes y las matrices son equivalentes (A|B) ~ (R|H)
2 4 - 4 - 2 1 0 0 3 
5 - 3 2 17  0 1 0 2 
   
 3 5 - 5 - 1 0 0 1 4
En conclusión: La matriz (R|H) puede obtenerse realizando operaciones elementales en filas

sobre la matriz ampliada (A|B). En la próxima sección de esta unidad veremos el método de
Gauss Jordan para resolver sistemas de ecuaciones que se sustenta en esta explicación.
6. Teorema Fundamental de Equivalencia
Si a un sistema de n ecuaciones lineales con m incógnitas se le agrega o suprime una ecuación

que sea una combinación lineal de las restantes, se obtiene otro sistema equivalente al
anterior.
El teorema indica que dado un Sistema de Ecuaciones Lineales con n ecuaciones y m

incógnitas si en él se aplica un número finito de operaciones elementales en filas
obtendremos un sistema de ecuaciones lineales equivalente. Es necesario aclarar que las
operaciones elementales se realicen en filas, ya que de esta manera estaremos trabajando
con operaciones elementales sobre las ecuaciones del sistema, y por lo tanto, con los
coeficientes asociados a las mismas variables.
Recordamos las Operaciones Elementales en Filas
 Intercambio entre dos filas de la matriz A°

 Multiplicar a una fila de la matriz A° por un escalar no nulo
 Sumarle a una fila de la matriz A°, otra fila previamente multiplicada por un escalar.
El objetivo es hallar mediante operaciones elementales en filas, un nuevo sistema que

tenga una matriz Escalonada y Reducida a la que denominaremos (R|H) equivalente a la
matriz ampliada del sistema original (A|B). Podremos caracterizar el sistema, recurriendo
al Teorema de Rouché-Frobenius.

7. Matriz Reducida y Escalonada de un Sistema de Ecuaciones Lineales
Hemos mencionado que realizando operaciones elementales en filas sobre la matriz (A|B)
una nueva matriz. Para indicar que la matriz que hallemos sea la matriz reducida y escalonada
y denominada (R|H) deberá cumplir con los siguientes requisitos.
 Que la matriz esté escalonada por filas.

 Si hay filas nulas estas deben ser las últimas filas de la matriz.
 Que cada fila tenga su primer elemento no nulo igual a (1), elemento principal.
 Los números que preceden en ubicación al uno deben ser nulos.
 Que cada columna que contenga el elemento principal (1), todos los demás
elementos de la columna sean nulos.
Ejemplo N°17: Distinguir entre Matrices Reducidas, Escalonadas y Reducidas-Escalonadas

1 4 - 4 - 2

(a) 0 1 2 17  Es una Matriz Escalonada

0 0 0 0 
1 4 - 4 - 2

(b) 0 0 0 0  Es una Matriz No Escalonada

0 1 3 8 
1 4 - 4 - 2

(c) 0 3 2 17  Es una Matriz No Escalonada

0 2 0 0 
1 0 - 4 - 2

(d) 0 1 2 17  Es una Matriz Reducida y Escalonada

0 0 0 0 
1 0 - 4 - 2 
 
(e) 0 0 1 17 Es una Matriz Escalonada
 
0 0 0 1 
1 0 0 - 2 
 
(f) 0 0 1 17 Es una Matriz Reducida y Escalonada
 
0 0 0 0 
Comentarios:
 En el (a) está escalonada, pero no reducida, para que así fuese debería el (4) ubicado
encima del (1 principal) de la segunda fila ser cero.
 En el (b) la fila nula debería estar ubicada como última fila de la matriz.
 En el (c) debería el 3 ser un (1) para estar escalonada y debajo de dicho número
debería ser cero.
 En el (d) Antes de cada (1) principal o no hay elemento o es nulo. Y la última fila es
nula.
 En el (e) Está escalonada pero no reducida, ya que todos los restantes números a los
(1) principales de la segunda y tercera fila deberían ser nulos.

Actividad de Clase Nº 4: Encontrar la matriz Reducida y Escalonada por Filas de la matriz A
1 3 0 4 6 
2 6 0 8 12 
A= 
0 -1 -1 -5 -3 
 
0 1 1 5 4 
8. Teorema Fundamental de Existencia y Unicidad
Sea A.X= B un sistema de ecuaciones con n ecuaciones y m incógnitas. Existe una matriz
Reducida y Escalonada del Sistema, si es posible hallar un Sistema Reducido y Escalonado
por filas, realizando operaciones elementales sobre las filas de la matriz ampliada (A|B) del
sistema. Dicha matriz podemos denominarla (R|H) y es única.
 Si una matriz ampliada (A|B) es la matriz de un sistema de ecuaciones lineales no

homogéneo, existirán infinitas matrices reducidas por filas del sistema equivalentes
entre sí, y equivalentes a (A|B). Sin embargo, todas ellas se corresponden con una
única transformación o matriz reducida y escalonada por filas.
 Si una matriz ampliada (A|ø) es la matriz de un sistema de ecuaciones lineales

homogéneo, existirán infinitas matrices reducidas por filas del sistema equivalentes
entre sí, y equivalentes a (A|ø). Sin embargo, todas ellas se corresponden con una
única transformación o matriz reducida y escalonada por filas.
Actividad de Clase Nº 5: En cada uno de los sistemas propuestos. Se pide hallar la matriz
ampliada del sistema. Indicar si la misma se encuentra escalonada, reducida o si la matriz
ampliada está en forma reducida y escalonada por filas.
 x + 3z = 2  x + 3z = 5  x =6  x + 3z = 1
   
1)  - y + 2z = 1 2)  y + 7z = 4 3)  y = 1 4)  y + 7z = 7
 5y = 3  5z = 2  z =9  w =2
   
Actividad de Clase Nº 6: En cada uno de los sistemas propuestos. Realice un análisis mediante
el Teorema de Rouché-Frobenius para caracterizarlos y en el caso de existir solución expresar
la solución del sistema.
 x + 3z = 2  x + 3z = 5  x =6  x + 3z = 1
   
1)  - y + 2z = 1 2)  y + 7z = 4 3)  y = 1 4)  y + 7z = 7
 5y = 3  5z = 2  z =9  w =2
   

Sección 3: Métodos de Resolución
1. introducción
Existen varios métodos para resolver sistemas de ecuaciones lineales, en cursos

introductorios de matemática como en la unidad de repaso de álgebra y geometría elemental
hemos resuelto sistemas de ecuaciones, recurriendo al método de sustitución o el método
de igualación de ecuaciones. Ahora abordaremos otros métodos de resolución en base al
conocimiento de matrices, determinantes y matriz inversa que serán de mucha utilidad.
Abordaremos el método de Triangulación de Gauss muy útil en programación, como el
método de Gauss-Jordan que permite hallar no solo la solución de un sistema de ecuaciones
lineales, sino que permitirá en esta como en la unidad siguiente profundizar en el estudio de
espacios vectoriales y sus aplicaciones en ciencias económicas.
2. Método de la Inversa de la Matriz de Coeficientes

Dado un sistema de n ecuaciones, con n incógnitas, el sistema es cuadrado, y sea la matriz
de coeficientes una matriz regular, es decir cuyo determinante es distinto de cero. El vector
X* solución, puede hallarse mediante el producto matricial entre la matriz inversa de la
matriz de coeficientes y el vector de términos independientes. En símbolos:
Demostración:
A.X = B El sistema planteado en forma matricial

A 1.A.X =A 1.B Premultiplicamos en ambos miembros por la inversa de A
1
I.X= A .B Por definición de inversa
X*= A 1.B Toda matriz multiplicada por la Identidad es igual a dicha matriz
Observación: El método de la inversa de la matriz de coeficientes sólo puede aplicarse en

sistemas de ecuaciones lineales cuadrados, siempre que A una matriz regular.
Para obtener la matriz inversa de A se puede utilizar cualquier método visto
con anterioridad. Se podrá invertir a la matriz A, por el método de los adjuntos
o bien por el método de Gauss-Jordan.
Ejemplo N°18: Resolver el sistema por el método de la Inversa y gráfique su solución.
 3x  2 y  30

4 x  3 y  20
Respuesta: Expresamos el sistema en forma Matricial
 3 -2   x  30 
A.X= B         Un sistema cuadrado
-4 3   y   20

Calculamos el determinante de A:
3 -2
A=  A =(3)(3)  (4)(2)  9  8  1 A  0 Matriz Regular
-4 3
Calculamos la Inversa por el método de los adjuntos
 3 -2 3 4
A=    Matriz de Cofactores =  2 3
-4 3   
Calculamos la Matriz Adjunta
 3 2
Adj (A) =   la traspuesta de la matriz de cofactores
 4 3
Calculamos la Matriz Inversa
Adj (A) 1  3 2  3 2
A 1 = =    A 1 = 4 3
A 1 4 3  
Resolvemos el sistema por el método de la Matriz Inversa
 3 2 30  (3)(30)  (2)(20)   90  40 

X*= A 1.B X*=       
 4 3  20 (4)(30)  (3)(20)  120  60
130
X*=   Solución del Sistema
180
Observación: El sistema tiene una única solución, por lo tanto, es un sistema compatible
determinado. Puede utilizar algunos cálculos sobre la gráfica de rectas o bien
un programa para graficar el sistema.
Actividad de Clase Nº7: Dado el sistema de ecuaciones lineales con dos incógnitas:
1x  2 y 10

 x  4y  5
Se pide: Resolver el sistema por el método de la Inversa, exprese su solución

3. Método o Regla de Cramer
Dado un sistema de ecuaciones lineales cuadrado, n ecuaciones, n incógnitas. Con matriz de

coeficientes regular, es decir con determinante de la matriz de coeficientes distinto de cero.
Podemos hallar el vector solución de la siguiente manera:
Adj (A)
Conociendo que la matriz inversa es igual a A1 = y reemplazando en la igualdad
A
1 Adj(A)
Realizando el producto X* =A .B = .B , obtenemos un vector solución con la
A
siguiente estructura:
 x1* 
 *
 x2  Ai
X*=  x3*  ; donde cada xi* se obtiene como xi* 
  A
 
 x* 
 m
Cada solución se obtiene de realizar un cociente entre dos determinantes: En el denominador

es el determinante de la matriz de coeficientes. En el numerador es el determinante de una
nueva matriz que resulta de sustituir por el vector de términos independientes a la columna
asociada a la variable que se desea calcular.
Demostración:
Adj(A)
El vector solución se obtiene a partir de la fórmula X* = .B
A
Desarrollamos en sus elementos:
 x1*   A11 A21 A31 An1   b1 
 * A
 x2  A22 A32 An 2  b2 
1 
12
X*=  x3*  = .  A13 A23 A33 An3  b3 

  A   
    
 x*   A1n A2 n A3n Ann  bn 
 n
 x1*   A11b1  A21b2  A31b3  ...  An1bn   A1 A

 *  A b  A b  A b  ...  A b   A A

 x2  1 
12 1 22 2 32 3 n2 n   2
X*=  x3  =
*
.  A13b1  A23b2  A33b3  ...  An 3bn    A 3 A
  A    
     
 x*    A 
 n  A1nb1  A2 nb2  A3nb3  ...  Annbn   A n

Cada componente
Ai
xi*  en donde Ai = C1 C2 Ci 1 B Ci 1 Cn 
A
Supongamos por ejemplo para mayor comprensión, si quisiésemos calcular el valor para la
variable x2* la nueva matriz A 2 donde se sustituye la segunda columna por B, sería:
 a11 b1 a 31 a n1 
a a n 2 
 12 b2 a 32
A 2 =  a13 b3 a 33 a n3  obsérvese que la 2° columna es ahora el vector B
 
 
a1n bn a 3n a nn 
Ejemplo Nº19: Resolver el sistema por la Regla de Cramer.
1x  2 y 10

 x  4y  5
Respuesta: Expresamos el sistema en forma Matricial
-1 2   x  10
A.X= B         Un sistema cuadrado
 1 -4  y   5 
-1 2
A=  A =(1)(4)  (1)(2)  4  2  2 A  0 Matriz Regular
1 -4
Calculamos las matrices asociadas a cada variable, y su correspondiente determinante
10 2  10 2
A1 =    A1   (10)(4)  (5)(2)  40  10  50
 5 -4 5 -4
-1 10 -1 10
A2 =    A2   (1)(5)  (1)(10)  5  10  15
1 5  1 5
Calculamos el valor para cada incógnita
A1 50 A 2 15 7
x*    25 y*   
A 2 A 2 2
Expresamos el vector X* solución
 x *  -25 
X*=      Solución del Sistema
 y * -7 2 

Actividad de Clase Nº8: Resolver el sistema por la Regla de Cramer. Compruebe que la
solución obtenida por el método de la Inversa es la misma que por este
método.
 3x  2 y  30

4 x  3 y  20
4. Estudio de la existencia de solución en Sistemas cuadrados

Si A.X=B es un sistema cuadrado, donde la matriz de coeficientes es de orden (nxn)
podremos utilizar el cálculo del determinante para caracterizar al sistema y analizar si el
mismo presentará o no una solución.
Los sistemas cuadrados presentan una matriz de coeficientes cuadrada, por lo tanto,
podemos calcular el determinante de A.
Si el Determinante de A es distinto de cero. Diremos que la matriz de coeficientes es una

matriz regular. Ello indica que todas sus líneas paralelas (filas o columnas) son linealmente
independientes. Analizando el sistema por medio del teorema de Rouché Frobenius, el
rango de la matriz A será igual al rango de la matriz ampliada del sistema A°. Por lo tanto,
el sistema es Compatible.
Si el Determinante de A es igual a cero. Diremos que la matriz de coeficientes es una matriz

no regular. Ello indica que algunas sus líneas paralelas (filas o columnas) son linealmente
dependientes. Analizando el sistema por medio del teorema de Rouché-Frobenius, el rango
de la matriz A será menor al rango de la matriz ampliada del sistema A°. Por lo tanto, el
sistema es Incompatible.
Ejemplo Nº20: Hallar el valor de “k” para que el sistema sea compatible
6x + 3y = 4

 - x + ky = 6
Expresamos el sistema en forma matricial A.X=B y calculamos el determinante de A
 6 3   x   4 6 3
A . X= B    .      Por lo tanto, A =  6k+3
 1 k   y   6  1 k
Si el sistema es Compatible el determinante de la matriz A debe ser no nulo. Planteamos la

ecuación que dio el cálculo del determinante distinto de cero y despejamos el valor de k:
6 k +3 0
6k  -3
k  - 1/2
Para todo k es distinto de (-1/2), el determinante de la matriz es no nulo. Ello indica que la
matriz A, sería regular, admitiendo inversa. Y podremos obtener una solución compatible
determinada para el sistema que se plantee. Incluso podría aplicarse la regla de Cramer para
resolver el sistema y encontrar la solución determinada.

Ejemplo Nº21: Hallar el valor de “k” para que el sistema sea incompatible o indeterminado
6x + 3y = 4

 - x + ky = 6
Expresamos el sistema en forma matricial A.X=B y calculamos el determinante de A
 6 3   x   4 6 3
A . X= B   . 
     Por lo tanto, A =  6k+3
 1 k   y   6  1 k
Si el sistema es Compatible el determinante de la matriz A debe ser nulo. Planteamos la

ecuación que dio el cálculo del determinante igualado de cero y despejamos el valor de k:
6k+3=0
6 k = -3
k = - 1/2
Para k igual a (-1/2), el determinante de la matriz es nulo. Ello indica que la matriz A, sería no
regular, no admitiendo inversa. Y no podremos hallar una solución determinada, pudiendo
ser el sistema de ecuaciones incompatible o compatible indeterminado. La diferencia entre
que sea un caso u otro, debemos sustituir el valor de k en el sistema y resolverlo.
 6x + 3y = 4 6 3   x   4
 En forma matricial A . X= B   .    
- x - 1/2y = 6  1 1/ 2  y  6 
La solución debemos hallarla mediante otro método conocido, ya que las filas de A no son
Linealmente Independientes. Por ejemplo, resolvemos por sustitución:
-x - 1/2y = 6
6x + 3y = 4
-x - 1/2 (4/3 - 2 x) = 6
3y = 4 - 6x y Sustituimos en la segunda ecuación
-x - 2/3 + x = 6
y = 4/3 - 2x
- 2/3  6
El sistema es incompatible ya que no se verifica la igualdad
Actividad de Clase Nº9: Hallar el valor de la constante k, para que el sistema sea compatible
y el conjunto de valores para que el sistema sea incompatible
5x - 11y + 9z = 4

 3x - 7y + 7z = k
 x - y - 3z
 = -1

5. Método de Triangulación de Gauss
El método es válido para matrices de orden (nxm) consiste en expresar el sistema en forma
matricial y trabajar con la matriz ampliada del sistema.
El objetivo es escalonar a la matriz ampliada mediante operaciones elementales
únicamente en filas. El sistema hallado será un sistema equivalente al sistema original, en
donde habremos encontrado ecuaciones más simples, que luego nos permitan realizar una
sustitución hacia atrás.
La sustitución hacia atrás consiste en una vez hallado el valor de una de las incógnitas (al
observar la última fila de la matriz ampliada) esta se sustituye en la penúltima ecuación del
sistema para hallar otra variable y así sucesivamente hasta sustituir todas las variables
halladas en la primera de las ecuaciones. Hallando el valor para todas las incógnitas.
Las operaciones elementales en filas son:
 Intercambiar dos filas entre sí

 Multiplicar a una fila por un escalar distinto de cero
 Sumarle a una fila otra fila multiplicada por un escalar
Las operaciones elementales mencionadas, son las mismas estudiadas anteriormente y

pueden simbolizarse de la misma manera. Proponemos un cuadro que de manera didáctica
facilita el procedimiento, no obstante, no es necesario hacer esta tabla.
MÉTODO DE TRIANGULACIÓN DE GAUSS
El método Consiste en Realizar Operaciones Elementales En filas sobre la matriz a

Escalonar. Previamente a realizar las operaciones elementales, se elabora una
Tabla en la cual podemos anexar una Columna de Control, quien se conforma con
la suma de los elementos de cada fila con sus respectivos signos.

Ejemplo Nº22: Resolver el sistema por Triangulación
 x + 3y + 2z = 5

2x + 7y + 5z =8
 5y + 4z  -7

Respuesta: Expresamos el sistema en Forma Matricial y la Matriz Ampliada
1 3 2   x   5  1 3 2 5 
A.X=B   2 7 5   y  =  8  ; A° =  2 7 5 8 
0 5 4  z  -7  0 5 4 -7 
Trabajamos con operaciones elementales en fila, escalonando la matriz en filas
A B C Operaciones
1 3 2 5 11 F1 pivotal
2 7 5 8 22 F2
0 5 4 -7 2 F3
1 3 2 5 11 F1 igual
0 1 1 -2 0 F2 + F1.(-2)
0 5 4 -7 2 F3 igual
1 3 2 5 11 F1 igual
0 1 1 -2 0 F2 pivotal
0 0 -1 3 2 F3 + F2 .(-5)
Expresamos el ultimo sistema equivalente
 x + 3y + 2z = 5

 y + z = -2 Es más sencillo y resolvemos por sustitución hacia atrás
 - z 3

De la tercera ecuación obtenemos el valor de z, que luego en la segunda ecuación
sustituimos para hallar y, por último en la primera ecuación sustituimos y, z para hallar x.
-z=3 y + z = -2 x + 3y + 2z = 5
z = -3 y +(- 3) = -2 x + 3(1)+2(-3)= 5
y = -2 + 3 x+3-6=5
y=1 x=5+3
x=8
La solución es:
 x *  8 
X* =  y * =  1 
 z * -3

6. Método de Gauss-Jordan
Es un método totalmente amplio en cuenta a su posible aplicación, ya que no tiene ningún
tipo de restricción respecto al orden de la matriz de coeficientes o con respecto al vector de
términos independientes. Se debe su nombre a que trabajaremos mediante las operaciones
elementales del método de triangulación de Gauss, y encontraremos una matriz escalonada
y reducida.
Hallar una matriz reducida y escalonada por filas, cosiste no solo escalonarla como hemos
visto anteriormente, sino que también debe ser reducida. Ello implica tener presente lo
siguiente:
 Si una fila no consta completamente de ceros, entonces el primer número diferente

de cero en la fila es un uno, a este (1) se lo denomina (1 principal).
 Si existen filas que consten completamente de ceros, entonces se agrupan en la parte
inferior de la matriz (las ultimas filas).
 Si dos filas sucesivas no constan completamente de ceros, el 1 principal de la fila
inferior se presenta más a la derecha que el 1 principal de la fila superior.
 Cada columna que contenga un (1) principal tiene ceros en todas las demás
posiciones de dicha columna.
El método de Gauss-Jordan permite transformar un sistema de ecuaciones lineales en

otro sistema de ecuaciones lineales equivalente, mediante la aplicación de un cierto
número finito de operaciones elementales únicamente en filas. Recordando que las
mismas son:
a) Intercambio de dos filas paralelas entre sí

b) Multiplicar a una fila por un escalar distinto de cero
c) Adicionar a una fila, otra fila paralela previamente multiplicada por un escalar
distinto de cero.
El procedimiento es idéntico al método que vimos como Triangulación de Gauss, que

consistía en elaborar un cuadro y anexar una columna de control, realizando operaciones
elementales en filas buscábamos escalonar la matriz. El método de Gauss Jordan, permite
trabajando en filas, usar el pivote de cada fila pivotal, no solo para anular los elementos que
se encuentran debajo del (1) en cada columna, sino también los que se encuentran por
encima. Por lo tanto, podemos hallar un sistema equivalente. En forma práctica puede
prescindirse de la columna de control.
Ejemplo Nº23: Indicar cuales de las siguientes matrices están en la forma escalonada y
reducida.
0 0 1 0  0 0 1 3 0 2 1 3 5 2
a)   b)   c)   d)   e)  
0 0 0 0 0 1  0 0 1 4  0 0 1 0 
1 0
1 0 0  1 1 0  1 0 4 6 0 1 3 0 9  5
        1 
f) 0 1 0 g) 0 1 0 h) 0 1 7 0 i) 0 0 0 1 5 j) 
        0 0
0 0 1  0 0 0  0 0 0 0 0 0 0 0 0   
0 0
Respuesta: Las matrices escalonadas y reducidas son: (a), (b), (d), (f), (g), (i)

(A) Método de Gauss Jordan para resolver SEL No Homogéneos
En este método aplicamos únicamente operaciones elementales en filas. El procedimiento

consiste en plantear la equivalencia entre un sistema y otro cuya matriz de coeficientes no
necesariamente es cuadrada es decir de orden (nxm). Se elabora un cuadro donde se ubica
a la matriz A y al vector B, opcionalmente se puede agregar una columna de Control
Nos valemos de un esquema en forma de tabla o cuadro:
Matriz A Vector B Control

... ... ... Se realizan las
... ... ... operaciones elementales
... ... ... únicamente en filas
Sistema Equivalente Control
El objetivo del procedimiento es hallar la matriz escalonada y reducida de A, a la que

denominaremos por R y usando cada pivote no solo para anular los elementos debajo del
mismo sino también los que se encuentran por encima.
Ejemplo N°24: Resolver por el método de Gauss-Jordan el siguiente sistema
 x  2y  5 1 2  x  5 
 Expresamos A.X= B       
3x  7 y 16 3 7   y  16
Matriz A
B Control
x y
1 2 5 8
3 7 16 26
1 2 5 8 1F Pivote
0 1 1 2 2F+1F(-3)
1 0 3 4 1F+2F(-2)
0 1 1 2 2F Pivote
r(A)=2 Control
El sistema de Ecuaciones Lineales es Compatible determinado ya que:

r(A) = r(Aº) = m = 2
Expresamos la solución del sistema equivalente que también es solución del sistema
1 0  x  3  x * 3
A.X= B         X*       Solución
0 1   y  1   y * 1 
Ejemplo N°25: Resolver por el método de Gauss Jordan el siguiente sistema
 x  2y  5 1 2  x  5 
 Expresamos A.X= B       
3x  6 y  22 3 6   y   22

Matriz A
B Control
x y
1 2 5 8
3 6 22 31
1 2 5 8 1F Pivote
0 0 7 7 2F+1F(-3)
r(A)=1 Control
r(Aº)=2
El sistema de Ecuaciones Lineales es Compatible indeterminado ya que:
r(A) = 1 y r(Aº) = 2  r(A) < r(Aº)
 1 2   x  5 
A.X= B         X * No existe Solución
0 0   y  7 
Ejemplo N°26: Resolver por el método de Gauss-Jordan el siguiente sistema
 x  2y  5 1 2  x  5 
 Expresamos A.X= B       
3 x  6 y 15 3 6   y  15
Matriz A
B Control
x y
1 2 5 8
3 6 15 24
1 2 5 8 1F Pivote
0 0 0 0 2F+1F(-3)
r(A)=1 Control
r(Aº)=1
El sistema de Ecuaciones Lineales es Compatible indeterminado ya que:
r(A) = r(Aº) = 1 y m =2  [r(A) = r(Aº)] < m
 1 2   x  5   x *  5  2 y 
A.X= B          X*       y  Infinitas Soluciones
0 0   y  0  y *  y 

Observación: Podemos hallar algunas de las infinitas soluciones de un sistema que es

compatible indeterminado, para ello solo debemos asignar un valor real a la variable “y” por
lo tanto podemos dar algunos ejemplos:
 x * 5  2 y   1 
a) Si y = 2  X*       
 y *  y   2
 x *  5  2 y   7 
b) Si y = -1  X*       
 y *  y  -1
 x *  5  2 y   5 
c) Si y = 0  X*       
 y *  y  0
De todas las infinitas soluciones de un sistema de ecuaciones indeterminado, algunas son de
mucho interés, principalmente aquellas cuando a la variable “y” se le asigna el valor cero, en
este caso se llama solución básica. Tema que desarrollaremos al finalizar la unidad.
Actividad de Clase N°10: Resolver por el método de Gauss Jordan el siguiente sistema
 x  2 y  3z  1

 2x  5 y  2
 3 y  19 z  3

(B) Método de Gauss-Jordan para resolver SEL Homogéneos
En este método también se puede aplicar cuando el sistema es homogéneo, se aplica de la

misma manera que cuando el sistema es no homogéneo. Estos sistemas homogéneos siempre
son compatibles pudiendo ser determinados o indeterminados.
 x  2y 0 1 2   x  0
 Expresamos A.X= B       
5 x  11 y  0 5 11  y  0
Matriz A
B Control
x y
1 2 0 3
5 11 0 16
1 2 0 3 1F Pivote
0 1 0 1 2F+1F(-5)
1 0 0 1 1F+2F(-2)
0 1 0 1 2F Pivote
r(A)=2 Control

El sistema de Ecuaciones Lineales es Compatible Determinado ya que:
r(A) = r(Aº) = 2 y m =2  [r(A) = r(Aº)] = m
1 0   x   0   x *  0 
A.X= B   
     X*   y *  0 Solución Trivial
0 1   y  0    
 x
 x  2 y  3z  0 1 2 3    0 
 Expresamos A.X= B    y  
 y  4z  0 0 1 4   0
z 
Matriz A
B Control
x y
1 2 3 0 2 1F Pivote
0 1 4 0 5 2F(=)
1 0 11 0 12 1F+2F(2)
0 1 4 0 5 2F Pivote
r(A)=2
r(Aº)=2 Control
El sistema de Ecuaciones Lineales es Compatible Indeterminado ya que:
r(A) = r(Aº) = 2 y m =3  [r(A) = r(Aº)] < m
 x  x  -11 z
1 0 11   0   x  11z  0 
A.X= B    y     y  - 4 z
0 1 4    0   y  4z  0 z  z
z  
 x *  11 z 
X*   y *   4 z  Infinitas Soluciones
   
 z *   z 
Podemos también hallar una de las infinitas soluciones. Por ejemplo, la solución cuando z= 1
 x * - 11 z  -11
Si z = 1  X*   y *   - 4 z    - 4 
     
 z *   z   1 

Actividad de Clase N°11: Resolver por el método de Gauss Jordan el siguiente sistema
 x  2 y  5z  0 1 2 5  x  0 
    
 y  3z 0 y Expresado A.X= B  0 1 3  y   0
    
2 x  4 y  9 z  0  2 4 9  z  0

(C) Discusión de un Sistema de Ecuaciones Lineales con un parámetro
Dado un sistema A.X=B de n ecuaciones y m incógnitas en donde la matriz de coeficientes A

o el vector de términos independientes B, pueden presentar una o más coeficientes
paramétricos indeterminados a los que simbolizamos con una letra “k”. Trabajaremos en el
caso que solo haya un valor k paramétrico y será de interés hallar el valor de dicho parámetro
para que el sistema pueda ser caracterizado de una manera específica.
Puede proponerse que el sistema admita una única solución y solicitarle que valor debe
asumir el parámetro “k” para que se cumpla dicho requisito. Pudiéndose solicitar que el
sistema sea compatible determinado, compatible indeterminado o incompatible.
El procedimiento de cálculo mediante el método de Gauss-Jordan es idéntico estudiado

anteriormente, mediante la aplicación de operaciones elementales en filas, Se buscará
encontrar la matriz reducida y escalonada por filas. Luego mediante el teorema de Rouché-
Frobenius podremos caracterizar al sistema y encontrar según se solicite el valor o valores
que debe asumir el parámetro k
Ejemplo N°29: Resolver por el método de Gauss Jordan y encontrar el valor de k, para que el
sistema sea:
a) Un sistema Incompatible
b) Un sistema compatible
 x + 3z = 5

2x - 2y + 6z =10
4x + y + kz =18

Trabajamos con operaciones elementales en fila, escalonando la matriz en filas
A B Operaciones
1 0 3 5 F1 pivotal
2 -2 6 10 F2 + F1.(-2)
4 1 k 18 F3 + F1.(-4)
1 0 3 5 F1 igual
0 -2 0 0 F2
0 1 k -12 - 2 F3 + F2 .(-1)
1 0 3 5 F1 igual
0 1 0 0 F2 .(-1/2)
0 0 k -12 - 2 F3 + F2 .(-1)

(a) Encontrar el valor de k, para que el sistema sea Incompatible
Tendremos en cuenta la matriz reducida y escalonada que propone el último de los

cuadros del método de Gauss-Jordan
1 0 3 5  x + 3z = 5

0 1 0 0 Expresado en forma general y =0
0 0 k  12 2 (k - 12)z = -2

Recordando el Teorema de Rouché-Frobenius sabemos que si el r(A) < r(A°) el sistema
será incompatible. En la última ecuación si k-12 se anula, el rango de la matriz de
coeficientes será menor que el rango de la ampliada. Por lo tanto, igualamos a cero y
despejamos el valor de k:
k - 12 = 0
k  12
(b) Encontrar el valor de k, para que el sistema sea Compatible
Del mismo análisis del último cuadro del método de Gauss-Jordan podemos ver que para
otro valor que no sea k=12, el sistema tendrá solución ya que el r(A)=r(A°)= 3 y también
por ser m=3, la solución será única y el sistema de ecuaciones lineales compatible
determinado.
Actividad de Clase N°12: Discutir el valor que debe asumir k para caracterizar al Sistema de
Ecuaciones Lineales
k x + y - z = 8

 x + y + z =0
 2 x + z =k

Actividad de Clase N°13: Discutir el valor que debe asumir k para caracterizar al Sistema de
Ecuaciones Lineales
k x + y - z = 8

 x + y + z =0
 2 x + z =k


7. Geometría Analítica en R3
Los sistemas de ecuaciones en los que intervienen tres variables, pueden visualizarse en un
sistema de ejes cartesianos de tres dimensiones. Las ecuaciones representarán planos en el
espacio. De forma tal que aquellas ecuaciones con las que hemos venido trabajando de la
forma:
a1i x1 + a 2i x 2 + a 3i x 3 = bi es un plano en el espacio R3
z
El sistema de ejes cartesianos Tres ejes perpendiculares
y x
La ecuación:
 a1 x + 0 y + 0 z = bi se corresponde con un plano paralelo al eje (XZ)

 0 x + a 2 y + 0 z = bi se corresponde con un plano paralelo al eje (YZ)
 0 x + 0 y + a 3 z = bi se corresponde con un plano paralelo al eje (XY)
En forma gráfica:
Un Sistema de ecuaciones lineales de n ecuaciones y 3 incógnitas se graficará como un

conjunto de n planos en el espacio R3.
Con la finalidad de poder mostrar algunas posiciones relativas referida a las soluciones
posibles de un sistema con dos ecuaciones y tres incógnitas de la forma:
 a11 x + a12 y + a13 z  b1


a 21 x + a 22 y + a 23 z  b2
Si suponemos que al menos uno de los coeficientes es distinto de cero, en cada ecuación, las
ecuaciones representarán el conjunto de todas las ternas (x,y,z) tales que formen un plano.

El sistema de ecuaciones presentará alguna de las siguientes situaciones:
a) Que los planos se intersecan entre sí formando una recta. De forma tal que tienen
infinitos puntos en común que se corresponden a una recta en el espacio R3
b) Que los planos no se intersecan entre sí. De forma tal que ambos planos son
paralelos, no existirá ningún punto en común.
c) Que los planos se intersecan entre sí formando un plano. De forma tal que tienen
infinitos puntos en común que se corresponden a todo el plano, por lo tanto, ambos
planos se denominan planos coincidentes.
Caso (a)
Planos Secantes
Dos planos se intersecan en una recta
Caso (b)
Planos Paralelos
Dos planos no se intersecan
Caso (c)
Planos Coincidentes
Dos planos se superponen
Realizando un análisis algebraico de estos tres casos podremos observar que se realiza un
estudio de posiciones relativas entre dos planos de manera análoga a lo que se vio cuando
expusimos la posición relativa de dos rectas en el plano.
En forma teórica cuando tenemos un sistema de dos ecuaciones y tres incógnitas:
 a11 x + a12 y + a13 z  b1 a11 a12 a13 b1 

 ; Luego A° = 
a 21 x + a 22 y + a 23 z  b2 a 21 a 22 a 23 b2 

Estudiamos la proporcionalidad de los coeficientes. Dando origen a las siguientes relaciones:
a11 a12 a13

Caso (a) Si:   Existe independencia lineal entre las filas de A
a 21 a 22 a 23
a11 a12 a13

Si   Existe independencia lineal entre las filas de A
a 21 a 22 a 23
En este caso, los coeficientes no son todos proporcionales, las filas de la

matriz de coeficientes son Linealmente Independientes, por lo tanto, el
rango de A es igual a r(A)=2 los planos se intersecan en una recta. Son
planos secantes. Independientemente de si existe o no proporcionalidad
entre los términos independientes de las ecuaciones.
a11 a12 a13 b13

Caso (b) Si:   
a 21 a 22 a 23 b 23
En este caso, los coeficientes son todos proporcionales, las filas de la matriz
de coeficientes son Linealmente Dependientes, por lo tanto, el rango de A
es igual a r(A)=1. Observamos que no hay proporcionalidad entre los
términos independientes de las ecuaciones, entonces, el r(A°)=2, Vemos que
el sistema es incompatible por Teorema de Rouche-Frobenius, por lo tanto,
Son planos son paralelos y no coincidentes.
a11 a12 a13 b13

Caso (c) Si:   
a 21 a 22 a 23 b 23
En este caso, los coeficientes son todos proporcionales, las filas de la matriz
de coeficientes son Linealmente Dependientes, por lo tanto, el rango de A
es igual a r(A)=1. Observamos que también hay proporcionalidad entre los
términos independientes de las ecuaciones, entonces, el r(A°)=1, Vemos que
el sistema es Compatible por Teorema de Rouche-Frobenius, pero
observamos también que son tres incógnitas, m=3, es un sistema
indeterminado, donde se trata de dos planos idénticos. Son planos son
paralelos coincidentes.
Para que el tema esté visto por completo, es necesario aclarar que ocurre cuando los
coeficientes del sistema son nulos, Es un caso adicional a los casos vistos anteriormente. El
sistema si admitirá solución y es una solución trivial donde todas las variables asumirán valor
cero, y en forma gráfica se correspondería con un único punto ubicado en el origen del
sistema.
Vemos algunos ejemplos que permiten analizar las posiciones relativas de los planos en el
espacio R3, con una ventaja que hemos logrado en el estudio de la materia. Ya no será
necesario realizar cálculos de proporcionalidad, por haber visto operaciones elementales y
calcular la matriz escalonada y reducida nos facilitará el análisis algebraico.

Ejemplo N°30: Dos Planos Secantes: Cuando se intersecan en una recta
 x
 x + 3 z 7 1 0 3    7 
Sea  Expresado en forma matricial 0 1 2  y   8 
 y + 2 z8   z  
 
Analicemos en la matriz ampliada el rango de A y de A°:
1 0 3 7 
A° =   por Teorema de Rouché- Frobenius  r ( A)  r ( A)  2  3  m
0 1 2 8 
El Sistema es Compatible Indeterminado. Puede observarse que el rango r(A)= 2, se
corresponde con dos planos no paralelos, planos secantes. En forma gráfica puede
observarse la solución del sistema, representado por los infinitos puntos ubicados sobre la
recta.
Ejemplo N°31: Dos Planos Paralelos, no coincidentes: Cuando no se intersecan
 x
 2x + 3y + 5 z  12  2 3 5    12 
Sea  Expresado en forma matricial    y   
 4x + 6y + 10 z  20  4 6 10  z   20
 
 2 3 5 12 
A° =  
 4 6 10 20 
Antes de realizar el análisis debemos obtener la matriz R f, matriz reducida y escalonada de
A°, para poder analizar los rangos. Realizamos operaciones elementales en filas sobre A°
 2 4 8 12  F1 (1/ 2) 1 2 4 6  F1 pivote 1 2 4 6 
 4 8 16 20 F igual  4 8 16 20 F  F (- 4) 0 0 0 - 4   R f
  2   2 1  
En la matriz Rf , por Teorema de Rouché- Frobenius r ( A)  1  r ( A)  2

El Sistema es Incompatible. Puede observarse que el rango r(A)= 1 y el r(A°)=2, son dos
planos que tienen la misma inclinación respecto a las variables, pero se diferencian en el
término independiente, es decir en la posición en el espacio. Son planos paralelos no
coincidentes. En forma gráfica puede observarse la solución del sistema, representado por
los infinitos puntos ubicados sobre la recta.
Ejemplo N°32: Dos Planos Paralelos Coincidentes: Cuando se superponen
 x
 2x + 3y + 5 z  12  2 3 5    12 
Sea  Expresado en forma matricial    y   
 4x + 6y + 10 z  24  4 6 10  z   24
 
 2 3 5 12 
A° =  
 4 6 10 24 
Antes de realizar el análisis debemos obtener la matriz R f, matriz reducida y escalonada de
A°, para poder analizar los rangos. Realizamos operaciones elementales en filas sobre A°
 2 4 8 12  F1 (1/ 2) 1 2 4 6  F1 pivote 1 2 4 6 
 4 8 16 24 F igual  4 8 16 24 F  F (- 4) 0 0 0 0   R f
  2   2 1  
En la matriz Rf , por Teorema de Rouché- Frobenius  r ( A)  r ( A)  1  3  m
El Sistema es Compatible Indeterminado. Puede observarse que el rango r(A)= 1, termina

siendo un único plano, por ser dos planos coincidentes. En forma gráfica puede observarse
la solución del sistema, representado por los infinitos puntos ubicados sobre la recta.

Hay muchas formas de estudiar las posiciones relativas, si se trata de un sistema de tres
ecuaciones con tres incógnitas. Algunas son más elegantes que otras, no obstante, por
simplicidad no abordaremos en el análisis de todos los casos, pero dejamos expresados
algunos gráficos que permitirán observar cuando estemos en presencia de tres ecuaciones
en R3. Tal que, como puede intuirse estaremos visualizando casos de intersección entre tres
planos.
 a11 x + a12 y + a13 z = b1 a11 a12 a13 b1 

 
a 21 x + a 22 y + a 23 z = b 2 ; Luego A° = a 21 a 22 a 23 b 2 
a x + a y + a z = b a 31 a 32 b3 
 31 32 33 3 a 33
Análisis (1) En este caso analizaremos cuando las dos primeras ecuaciones corresponden a
dos planos secantes, que dan origen a una recta. El tercer plano podrá estar en relación a
dicha recta en tres posiciones alternativas.
Caso (a) Que la recta atraviese al plano. Por lo tanto, la recta y el plano se cortan en un
único punto. Se corresponde entonces con tres planos que se cortan en un único
punto. El sistema es Compatible Determinado
Caso (b) Que la recta sea paralela al plano. Por lo tanto, no habrá punto de encuentro
entre la recta y el plano.
Caso (c) Que la recta pertenezca al plano, en este caso si la recta está contenida en el plano,
la intersección de los tres planos se da en una única recta.

Estos casos son muy sencillos de ver si Analizamos la matriz reducida y escalonada de A°
a11 a12 a13 b1 

A° = a 21 a 22 a 23 b 2 
a 31 a 32 a 33 b3 
Caso (a): Tres planos que se cortan entre sí en un único punto
1 0 0 h1 
R f = 0 1 0 h2 
0 0 1 h3 
r ( A)  r ( A)  m
3 = 3 = 3
Sistema Compatible Determinado
Caso (b): Dos planos paralelos, y otro plano los corta
1 0 a13 h1 
R f = 0 1 a23 h2 
0 0 0 h3 
r ( A)  r ( A)
2 < 3
Sistema Incompatible
Caso (c): Tres planos paralelos no paralelos se intersecan en una única recta en común
1 0 a13 h1 
R f = 0 1 a23 h2 
0 0 0 0 
r ( A)  r ( A)  m
2 = 2 < 3
Sistema Compatible Indeterminado
Observación: No olvide que este análisis ya se basa en que hay una intersección entre dos
planos que da origen a la recta, y la tercera ecuación se corresponde con un plano. Pero no
es el único caso, por eso realizamos a continuación otro análisis, aquí sin el requisito de que
dos planos se corten si o si en una recta.

Análisis (2) En este caso analizaremos cuando las tres ecuaciones se corresponden a tres
planos, sin la restricción de que dos de ellos den origen a una recta. El análisis podemos
abordarlo desde una casuística de las diferentes alternativas que existirán entre el rango de
A y el rango de A°.
 a11 x + a12 y + a13 z = b1 a11 a12 a13 b1 

 
a 21 x + a 22 y + a 23 z = b 2 ; Luego A° = a 21 a 22 a 23 b 2 
a x + a y + a z = b a 31 a 32 b3 
 31 32 33 3 a 33
Los casos posibles serán si analizamos mediante el Teorema de Rouché-Frobenius
Caso r(A) r(A°) Sistema

(a) 1 1 Comp. Indeterminado
(b) 1 2 Incompatible
(c) 2 2 Comp. Indeterminado
(d) 2 3 Incompatible
(e) 3 3 Comp. Determinado
En forma gráfica podemos visualizar los tres planos de la siguiente manera:
Caso (a) Compatible Indeterminado: Los tres planos son coincidentes. Al igual que vimos
cuando dos planos son coincidentes, si ahora los tres son coincidentes se trata de tres planos
superpuestos.
Caso (b) Pueden presentarse dos situaciones que los tres planos sean paralelos, o que dos de
ellos sean coincidentes y un tercero paralelo sin ser coincidente. Para distinguir entre estas
dos situaciones hay que hacer un análisis de proporcionalidad dos a dos.

Caso (c) Pueden presentarse dos situaciones que los tres planos se intersecan en una única
recta siendo los tres planos no coincidentes, o que se intersecan en una recta siendo dos
coincidentes y otro no. También si se desea distinguir estas dos situaciones será necesario
realizar un análisis de proporcionalidad dos a dos.
Caso (d) Pueden presentarse dos situaciones que los tres planos se intersecan entre sí, pero
no tienen en común ninguna recta ni punto. O que dos planos sean coincidentes y el otro
plano corta a los planos coincidentes, por lo que no tendrá solución el sistema. Para distinguir
estas situaciones se deberá hacer un análisis de proporcionalidad dos a dos.
Caso (e) Los tres planos no paralelos, se cortan entre sí, en un único punto. El sistema es
compatible determinado.

Sección 4: Soluciones Básicas de Sistemas Indeterminados
1. introducción
Los Sistemas de ecuaciones lineales indeterminados, como hemos visto durante la materia,
se corresponden con los sistemas de ecuaciones que presentan infinitas soluciones. Entre
dichas soluciones se encuentra la solución trivial, no obstante, existen otras posibles
soluciones que tienen mucha importancia, conocidas como Soluciones Básicas del sistema
Indeterminado que será materia de estudio en esta sección.
2. Sistemas Indeterminados
Como hemos visto, los sistemas indeterminados con n ecuaciones y m incógnitas, donde se
cumple que n < m admiten infinitas soluciones, es nuestro objetivo con el desarrollo de este
tema, comprender la estructura de la solución en estos casos. Recordando que se presenta
cuando en el sistema, estando expresado en forma matricial, las columnas de la matriz A, no
son todas linealmente independientes. Nuestro objetivo es hallar una solución separando las
columnas independientes de las que no son independientes en la matriz A, de un sistema de
n ecuaciones. Con el supuesto de que las n primeras columnas sean las independientes.
 a11 a12 a13 ... a1n a1m   x1   b1 

a a 22 a 23 ... a1n a 2m   x2   b 2 
 21
A.X=B  a 31 a 32 a 33 ... a1n a 3m  .  x3    b3 
     
 ... ... ... ... a1n ...     
a n1 a n2 a n3 ... a1n a nm   xm   b n 
Las n columnas son L.I.
Ejemplos:
4 x  2 y  3z  w  42 Ecuaciones n= 2
a) 
 2 x  3 y  4w  10 Incógnitas m=4
3x  2 y  4 z  w  s  32
 Ecuaciones n= 3
b)  6 x  7 y  4 w  t 18 Incógnitas m=6
 8 z  w  2 x  5 y  25

Tanto el sistema (a) como en el (b) se puede observar que hay más incógnitas que
ecuaciones, característica de los sistemas de ecuaciones indeterminados.

Actividad de Clase N°14: Dado el Sistema de Ecuaciones Indeterminado
3x  2 y  4 z  12

 z  4x  3y  2  w
Se pide:
a) Identifique la cantidad de ecuaciones e incógnitas del sistema
b) Exprese el sistema en forma matricial
c) Exprese la matriz ampliada del sistema
3. Soluciones Básicas
A) Demostración de la Estructura de la solución un Sistema de Ecuaciones Lineales

Indeterminado
Dado un sistema de n ecuaciones lineales con m incógnitas, compatible indeterminado,

siendo el rango de la matriz de los coeficientes igual al rango de la matriz ampliada e igual al
número de ecuaciones. Todo eso menor al número de incógnitas m, cuya forma matricial
está dada por:
Podemos escribir a la matriz de coeficientes en forma particionada de tal forma que la vamos
a subdividir en dos sub-matrices A1 y A 2 , de forma tal que A1 sea una matriz cuadrada de
orden (nxn) y cuyas columnas son linealmente independiente.
Por lo tanto, la forma matricial del sistema será:
 X1 
A.X = B   A1 A 2 .    B
X2 
Donde sub-vector X1 contiene las variables asociadas a las columnas de la matriz A1 , y el
sub-vector X 2 contiene las variables asociadas a las columnas de la matriz A 2 tal que el
producto puede efectuarse:
A1.X1  A2 .X2  B
Despejamos el primer término A1.X1  B - A 2 .X2
Si suponemos que X 2   A1.X1  B
Resolvemos el sistema cuadrado, ya que A es de orden (nxn) y como sabemos que las
columnas de A1 son LI, entonces la matriz es regular, y admite inversa, por lo tanto,
resolvemos por el método de la inversa:
A1.X1  B
A11A1.X1  A11.B
I .X1  A11.B
X1*  A11 .B

Como X* depende de X1 y X 2 siendo X 2   , la solución del sistema estará dado por la

siguiente estructura:
 X1   A1-1.B
X*       Estructura de la Solución
 X 2    
B) Definición de Solución Básica
Dado un sistema de n ecuaciones con m incógnitas compatible indeterminado con r(A)= r(Aᵒ)
e igual el número de ecuaciones r(A)=r(Aᵒ)=n, y menor a m, número de incógnitas.
Se denomina Vector de Soluciones Básicas, a un vector de m componentes en la cual (m-n)

componentes se les asigna el valor cero, y las restantes n variables están unívocamente
determinadas y surgen de resolver el sistema cuadrado que se general al asignarle valores
ceros a las (m-n) variables.
 x1 
x 
 2
  n variables
 
 X1   A1 .B  xn 
-1
X*        m variables
X
  
2    0
 
0
  (m-n) variables
 
 0 
En otras palabras, para hallar una solución básica, se deben anular una cierta cantidad de
variables, es decir (m-n) variables deben anularse, éstas que se anulan se llaman Variables
NO BÁSICAS. Las que no se anulan, serán n variables y se denominan Variables BÁSICAS.
El objetivo es luego de anular (m-n) variables se resuelve un sistema cuadrado de orden (nxn)
y se obtiene la solución de este sistema mediante algún método que hemos visto.
Ejemplo N°33: Dos Planos Paralelos Coincidentes: Cuando se superponen
Ejemplo:
4 x  2 y  3z  w  42 Ecuaciones n= 2
 Incógnitas m=4
 2 x  3 y  4w  10
En este caso de 2 ecuaciones, deberá tener 2 incógnitas seleccionadas para que quede un
sistema cuadrado. Es decir, si son 4 incógnitas debemos anular 2 incógnitas y trabajar con
otras 2.
m=4 incógnitas
n=2 ecuaciones
Las variables seleccionadas se llaman variables básicas
m-n = 2 se deben anular

Casos:
Variables Variables Vector

Básica No Básicas Solución Básica
x* , y* z  0,w  0 X1*  [ x * , y * , 0 , 0]
x* , z* y  0,w  0 X*2  [ x * , 0 , z * , 0]
x * , w* y  0,z  0 X*3  [ x * , 0 , 0 , w*]
y* , z* x  0,w  0 X*4  [0 , y * , z * , 0]
y * , w* x  0,z  0 X*5  [0 , y * , 0 , w*]
z * , w* x  0,y  0 X*6  [0 , 0 , z * , w*]
Podemos observar que existen seis formas posibles de combinar 4 incógnitas anulando
dos de ellas y otras dos dejarlas seleccionadas como variables básicas. De esta manera
para hallar el valor de cada una de éstas posibles soluciones se deberán resolver los seis
sistemas cuadrados.
A modo de ejemplo resolvemos el primero de ellos.
4 x  2 y  3z  w  42
Sea  en donde z  0 , w  0
 2 x  3 y  4w  10
El sistema quedará expresado de la siguiente manera en forma general y en forma

vectorial:
 4 x  2 y  42  4 -2  x 
 Luego A.X= B       10
2 x  3 y  10 -2 3   y 
Un sistema cuadrado que podemos resolver por la Regla de Cramer
4 -2
A=  A =(4)(3)  (2)(2)  12  4  8 A  0 Matriz Regular
-2 3
Calculamos las matrices asociadas a cada variable y su determinante
 42 -2 42 -2
A1 =    A1  (42)(3)  (10)(2)  126  20  146
10 3  10 3
 4 42 4 42
A2 =    A2   (4)(10)  (2)(42)  40  84  124
-2 10  -2 10

Calculamos el valor para cada incógnita
A1 146 A 2 124
x*    18, 25 y*    15,5
A 8 A 8
Expresamos el vector X* solución
 x * 18, 25
X*=      Solución del Sistema cuadrado
 y *  15,5 
La solución Básica X1*  [ x * , y * , 0 , 0]  [18, 25 , 15,5 , 0 , 0 ]
Si deseamos calcular las otras soluciones básicas debemos resolver cada uno de los casos, es
importante destacar que no todas las combinaciones, serán soluciones básicas, ya que una
solución básica existirá solo si existe solución del sistema, por lo tanto, si resolvemos un
sistema cuadrado luego de haber seleccionado variables básicas. Si el sistema cuadrado no
tiene solución, tampoco existirá una solución básica.
C) Cantidad Máxima de Soluciones Básicas Posibles
Si deseamos conocer la cantidad máxima de soluciones básicas posibles que admite un

sistema de ecuaciones indeterminado podemos recurrir a una fórmula que nos permite
combinar elementos de un conjunto. Denominado Combinatorio de m elementos agrupados
de a n. Es decir:
Ecuaciones n
Incógnitas m
Esta fórmula se lee, combinatorio de m incógnitas agrupadas de a n incógnitas
Símbolo (!) se denomina FACTORIAL DE UN NÚMERO
Observación: A modo de recordatorio, el factorial de un número es el producto de los

factores expresados de la siguiente manera:
n! = n . (n-1) . (n-2) . (n-3) . ... . 1
En el caso que se presente 0! el resultado es igual a (1) por definición: 0!=1
Ejemplos de Factoriales:
Calcular el número 6!  6! = 6 . 5. 4. 3. 2. 1= 720
Calcular el número 4!  4! = 4. 3. 2. 1= 24

Ejemplo N°34: Calcular la Cantidad máxima de Soluciones Básicas Posibles
4 x  2 y  3z  w  42
 n=2 ecuaciones, m=4 incógnitas
 2 x  3 y  4w  10
Podemos conocer sin resolver la cantidad máxima de soluciones básicas posibles utilizando
la formula anterior.
4! 4.3.2.1 24
C 24 =    6 Son las combinaciones posibles que hemos visto
(4-2)! . 2! 2.1 2.1 4
Ejemplo N°35: Calcular la Cantidad máxima de Soluciones Básicas Posibles
3x  2 y  4 z  w  s  32
 Ecuaciones n= 3
 6 x  7 y  4w  t 18 Incógnitas m=6
 8 z  w  2 x  5 y  25

6! 6.5.4.3.2.1
C 36 =   20 Recuerde que se puede simplificar
(6-3)! . 3! 3.2.1 3.2.1
D) Clasificación de las Soluciones Básicas
Toda solución Básica X* en la cual intervienen variables básicas, se clasifican según se anulen
o no las variables básicas seleccionadas. Por lo tanto:
 La Solución Básica es Degenerada: Si se anula al menos una de las Variables Básicas

 La Solución Básica es No Degenerada: Si no se anula ninguna Variable Básica
E) Observaciones sobre Soluciones Básicas
1. El máximo de soluciones básicas posibles no se presentará cuando exista

dependencia lineal entre las columnas de la matriz de coeficientes
2. La solución básica existirá, pero será degenerada cuando exista dependencia lineal
entre alguna columna de la matriz de los coeficientes y el vector de los términos
independientes.
3. Se demuestra que la condición necesaria y suficiente para que existan todas las
soluciones básicas posibles y sean no degeneradas están dadas por la independencia
lineal de todo grupo de n columnas de la matriz ampliada.
Actividad de Clase N°15: Dado el Sistema de Ecuaciones Indeterminado. Se pide:
2x  3 y  z  6

4 x  y  2 z  2
a) Expresar al sistema en forma matricial
b) Calcular la cantidad máxima de soluciones básicas posibles
c) Encontrar cada una de ellas y clasificarlas en cada caso.

Mate 1 - Unidad 2 - 2023

Cargado por

Copyright:

Formatos disponibles

Mate 1 - Unidad 2 - 2023

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mate 1 - Unidad 2 - 2023

Cargado por

Copyright:

Formatos disponibles

Notas de Cátedra – Unidad 2 2023

2. Ecuación Lineal o Ecuación de Primer Grado

Ejemplo N°1: Solución de una ecuación

(x + y)2 = x 2 + 2.x.y + y2 Cuadrado de un binomio es igual al trinomio cuadrado perfecto.

PBI = C + I + G + X - M Producto Bruto Interno, como suma del gasto agregado.

1 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

3. Transformaciones de una ecuación

4. Sistema de Ecuaciones Lineales (S.E.L)

Ejemplo N°2: Sistemas de Ecuaciones Lineales

a) Es un sistema de dos ecuaciones con dos incógnitas

5. Distintas formas de Presentación de un Sistema de Ecuaciones Lineales

A) Expresión o Forma General

 a11x1  a12 x 2  a13x 3 ... a1m x m  b1 Se llama solución de un sistema de

2 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

B) Expresión o Forma Vectorial

El Sistema Expresado en Forma Vectorial:

 a11   a12   a13   a1m   b1 

La notación vectorial nos permitirá expresar un sistema mediante una sumatoria de

C) Expresión o Forma Matricial

El Sistema Expresado en Forma Matricial:

 a11 a12 a13 ... a1m   x1   b1 

A = Matriz de los Coeficientes de orden (nxm)

La matriz de coeficientes simbolizada por A, contendrá tantas filas como ecuaciones, y

3 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

 a11 a12 a13 ... a1m b1 

La simbología A =  A B son equivalentes, en el segundo caso hace referencia a una

7. Solución del Sistema de Ecuaciones Lineales

El vector X* (matriz columna) se denomina solución del sistema de ecuaciones, es un vector

8. Clasificaciones de Sistemas de Ecuaciones

4 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

nos permitirán clasificar a los sistemas de ecuaciones teniendo en cuenta la estructura

En resumen, expresamos esta clasificación de la siguiente manera:

a) Clasificación según el orden de la matriz A

El Sistema de Ecuaciones Lineales es Cuadrado cuando

b) Clasificación según los elementos del vector B

El Sistema de Ecuaciones Lineales es No Homogéneo cuando

c) Clasificación según la solución

El Sistema de Ecuaciones Lineales es Compatible cuando

Ejemplo N°3: Dado los siguientes sistemas de ecuaciones lineales:

a) Indicar la cantidad de ecuaciones e incógnitas del mismo

a) Sistema tiene dos ecuaciones y dos incógnitas

5 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

c) Expresado en su forma matricial

e) La matriz Ampliada del sistema es

a) Sistema tiene tres ecuaciones y tres incógnitas

2 4  -3 120

c) Expresado en su forma matricial

d) El sistema es un sistema Cuadrado porque A es de orden (3x3) y Un sistema NO

e) La matriz Ampliada del sistema es

Actividad de Clase Nº1: Sea el sistema de ecuaciones lineales, se pide:

6 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

a) Indicar la cantidad de ecuaciones e incógnitas del mismo

Las ecuaciones lineales se pueden representar gráficamente en el espacio n-dimensional. Si

En los siguientes apartados analizamos un conjunto de ecuaciones representadas

a) Posiciones relativas entre dos rectas en el plano

Dos rectas pueden representarse mediante un sistema de ecuaciones lineales de la forma:

 a11x1 + a12 x 2 = b1  a11 a12   x1   b1 

Rectas Secantes Rectas Paralelas Rectas Coincidentes

7 Matemática I – Unidad 2 – Programa 2023 – Prof. Carlos Trucchi

La proporcionalidad la calcularemos como cociente entre los coeficientes correspondientes