UNIDAD 4: SISTEMAS DE ECUACIONES LINEALES

Seguramente en el nivel medio ya han estudiado sistemas de dos ecuaciones lineales con dos incógnitas.
Debemos ahora generalizar el concepto, considerando sistemas de “m” ecuaciones lineales con “n” incógnitas.
Para introducirnos al estudio de este tipo de sistemas de ecuaciones, lo primero que vamos a hacer, es exponer
en forma general un sistema de m ecuaciones lineales con n incógnitas

𝑎11 ∙ 𝑥1 + 𝑎12 ∙ 𝑥1 + ⋯ + 𝑎1𝑛 ∙ 𝑥𝑛 = 𝑏1

𝑎21 ∙ 𝑥1 + 𝑎22 ∙ 𝑥2 + ⋯ + 𝑎2𝑛 ∙ 𝑥𝑛 = 𝑏2
{
⋮
𝑎𝑚1 ∙ 𝑥1 + 𝑎𝑚2 ∙ 𝑥2 + ⋯ + 𝑎𝑚𝑛 ∙ 𝑥𝑛 = 𝑏𝑚

Si observamos el sistema de ecuaciones podemos distinguir tres conjuntos ordenados de elementos. Ellos son:
el conjunto de los coeficientes de las incógnitas; el conjunto de las incógnitas y el conjunto de los términos
independientes. Si son conjuntos ordenados podemos expresarlos por medio de matrices. Así:

 a11 a12 a1 n   x1   b1 
     
a 21 a 22 a2 n x2 b2
A=  X =  B= 
     
     
 a m1 am 2 a mn   xn   bm 

A la matriz A se la denomina matriz de los coeficientes de las incógnitas

A la matriz X se la denomina matriz de las incógnitas
A la matriz B se la denomina matriz de los términos independientes
Seguramente podrán observar que haciendo operaciones con estas matrices podemos obtener el sistema de
ecuaciones presentado.
Así:
𝑨∙𝑿=𝑩
Otra forma de abreviar un sistema de ecuaciones es la siguiente

 a11 a12 a1 n b1 
 
a a 22 a2 n b2
 21 
 
 
 a m1 am 2 am n bm 
A*

La matriz formada por 𝑎𝑖𝑗 es la matriz A formada por los coeficientes de las incógnitas. La matriz 𝐴∗ es la
matriz de los coeficientes de las incógnitas ampliada con los términos independientes. Por ese motivo, se la
denomina matriz ampliada
Presentados ya los sistemas de ecuaciones que vamos a estudiar y viendo como se expresan matricialmente,
debemos ahora estudiar: como clasificar los sistemas de ecuaciones y métodos para resolver dichos sistemas.
Antes daremos algunas definiciones

Una solución del sistema es toda n – upla (𝒙𝟏 ; 𝒙𝟐 ; ⋯ ; 𝒙𝒏 ) que satisface todas las
ecuaciones del sistema

El conjunto solución es el conjunto formado por todas las soluciones del sistema
Lic. Lazzari Rosana
Para clasificar los sistemas de ecuaciones, recordemos que significado geométrico presenta resolver un
sistema de dos ecuaciones lineales con dos incógnitas.
Así observemos el siguiente sistema

𝑥−𝑦 =7
{
𝑥+𝑦 =5
Es fácil observar que cada una de las ecuaciones representan las ecuaciones de dos rectas en el plano.

Podemos ver que las dos rectas se cortan en un punto. Por lo tanto, el sistema de ecuaciones tiene una solución
𝑆 = {(6; −1)}

Segunda situación:
𝑥−𝑦 =7
{
2𝑥 − 2𝑦 = 14

En este caso podemos observar que una ecuación es el doble de la otra. Al graficar ambas rectas en el plano
quedan superpuestas. En este caso, la intersección de ambas rectas es infinitos puntos. Es decir, el conjunto
solución es infinito. Podemos expresarlo de la siguiente manera
𝑆 = {(𝑥; 𝑥 − 7)}

Lic. Lazzari Rosana

Última situación
𝑥−𝑦 =7
{
2𝑥 − 2𝑦 = 13

Podrán observar en este caso las rectas no se cortan (son paralelas). Esta situación nos indica que el conjunto
solución es vacío.
𝑆=∅

Claro está que no vamos a trabajar con este tipo de sistemas de ecuaciones, pero quise recordar esta
interpretación geométrica. Si consideramos sistemas de tres ecuaciones lineales con tres incógnitas, las
ecuaciones representan planos en el espacio. Estos planos podrán: cortarse en un punto; cortarse en infinitos
puntos o bien no cortarse (ser paralelos)
La gráfica de estas situaciones son las siguientes:

Lic. Lazzari Rosana

Lic. Lazzari Rosana
En el caso de tener ecuaciones con más incógnitas, no es posible la representación, pero de todo lo expuesto
debe quedar en claro que:

DETERMINADOS
única solución
COMPATIBLES
Sistemas de INDETERMINADOS
ecuaciones INCOMPATIBLES infinitas soluciones
Solución vacía

Podemos clasificar un sistema de ecuaciones antes de hallar su solución. Este proceso nos permite saber de
antemano como será el sistema y a partir de allí tomar la decisión de que método conviene aplicar para su
resolución. Antes de exponer el análisis del sistema, aclaro que este proceso es muy laborioso. Por tal razón,
en general, se utiliza para resolver el sistema de ecuaciones el método más general que es el tercero que
veremos en esta unidad. El motivo del por qué es laborioso, es que debemos calcular el rango de la matriz de
los coeficientes de las incógnitas y el rango de la matriz de las incógnitas ampliada con los términos
independientes. Para que el trabajo tenga sentido, deberíamos aplicar la primera definición de rango y esto
nos conduce a muchos cálculos y, por ende, una pérdida de tiempo. Debido a que todavía no sabemos más
sobre el tema, por más que quiera explicar la no conveniencia de esta clasificación previa al cálculo, no se
entenderá. Por tal motivo, a medida que avancemos con el tema, seguiré ahondando en el concepto

Lic. Lazzari Rosana

 TEOREMA DE ROUCHE – FROBENIUS1
La condición necesaria y suficiente para que un sistema de ecuaciones lineales sea compatible, es que el rango
de la matriz A de los coeficientes de las incógnitas sea igual al rango de la matriz de las incógnitas ampliada
con los términos independientes 𝐴∗.
Si además el rango de A es igual al rango de 𝐴∗ e igual al número de incógnitas el sistema es Compatible
determinado
Si el rango de A es igual al rango de 𝐴∗ pero menor al número de incógnitas el sistema es Compatible
Indeterminado.
Si los rangos son distintos el sistema es Incompatible.

Primer método de resolución de sistemas de ecuaciones

Método matricial ó Método de la matriz inversa

Recordemos que en forma general un sistema de ecuaciones lineales puede expresarse en forma matricial:

𝐴∙𝑋 = 𝐵
Puesto que la intención es despajar X y la división de matrices no está definida, sólo nos queda pre multiplicar
miembro a miembro por la inversa de la matriz A

⏟−1 ∙ 𝐴 ∙ 𝑋 = 𝐴−1 ∙ 𝐵
𝐴
𝐼

𝐼 ∙ 𝑋 = 𝐴−1 ∙ 𝐵

𝑿 = 𝑨−𝟏 ∙ 𝑩
En conclusión, para hallar el conjunto solución debemos multiplicar la matriz inversa de la matriz de los
coeficientes de las incógnitas por la matriz de los términos independientes.
Recordando la fórmula de cálculo de la matriz inversa y de la condición necesaria y suficiente para su
existencia, se deduce que este método sólo es aplicable si el sistema es cuadrado (igual número de ecuaciones
que incógnitas) y si el determinante de la matriz A es distinto de cero. Además, aunque se pueda aplicar este
procedimiento, reconozco que cuanto más grande es el sistema más complicado es el método.
Ejemplo:
2𝑥1 − 𝑥2 + 𝑥3 = 6 2 −1 1
{ 3𝑥1 − 2𝑥 3 = 8 𝐴 = [3 0 −2]
𝑥1 − 3𝑥2 + 5𝑥3 = 6 1 −3 5

Lo primero que hacemos es calcular el determinante de A

|𝐴| = (0 − 9 + 2) − (0 + 12 − 15) = −4

Luego se calcula la matriz cofactor para obtener la matriz adjunta de la matriz A.

−6 −17 −9 −6 2 2
𝑐𝑜𝑓(𝐴) = [ 2 9 5] 𝑎𝑑𝑗(𝐴) = [−17 9 7]
2 7 3 −9 5 3

1
Frobenius Matemático alemán nacido en Berlín muy conocido por sus trabajos sobre teoría de grupos. Se doctoró en la Universidad
de Berlín en 1870 donde trabajó con Weierstrass
Rouché, Eugene. (1832-1910) nació en Sommières al sur de Francia, fue un famoso matemático francés. Es conocido por ser el
autor del Teorema de Rouché sobre análisis complejo y coautor del Teorema de Rouché – Frobenius
Lic. Lazzari Rosana
Calculamos la matriz inversa
3 1 1
− −
2 2 2
−1
1 −1
1 −6 2 2 17 9 7
𝐴 = ∙ 𝑎𝑑𝑗(𝐴) 𝐴 = − ∙ [−17 9 7] 𝐴−1 = − −
|𝐴 | 4 4 4 4
−9 5 3
9 5 3
[4 − −
4 4]
3 1 1
− −
𝑥1 2 2 2 𝑥1
17 9 7 6 2
[𝑥2 ] = − − ∙ [8 ] [𝑥2 ] = [ −3 ] 𝑆 = {(2; −3; −1)}
𝑥3 4 4 4 6 𝑥3 −1
9 5 3
[4 − − ]
4 4

Segundo método de resolución de sistemas de ecuaciones lineales

Método de Cramer2

Hemos visto en el método anterior que

𝑋 = 𝐴−1 ∙ 𝐵

1
𝑋= ∙ 𝑎𝑑𝑗(𝐴) ∙ 𝐵
|𝐴 |

1
𝑋= ∙ [𝑐𝑜𝑓(𝐴)]𝑡 ∙ 𝐵
|𝐴|

 C11 C 21 C n1   b1 
   
1  C12 C 22 C n 2  b2
X =   
A    
   
 C1n C2n C nn   bn 

 b1  C11 b2  C 21 bn  C n 1 
 
1  b1  C12 b 2  C 22 b n  Cn2 
X = 
A  
 
 b1  C 1n b2  C 2 n bn  C nn 

Debemos analizar el resultado obtenido. En los elementos de la matriz podemos observar la sumatoria de los
productos de cada elemento independiente por cofactores. Es decir, cada sumatoria representa el cálculo de
un determinante, desarrollado por la regla de Laplace, considerando las columnas del determinante. Sin
embargo, en vez de ver los elementos de las columnas multiplicado por sus respectivos cofactores, dichos
elementos han sido reemplazados por los términos independientes.
Podemos afirmar, entonces, que la regla de Cramer consiste en calcular cada incógnita a través del cociente
de dos determinantes. El determinante del numerador, es lo que se denomina determinante de cada incógnita,
y se obtiene sustituyendo los elementos de la columna de la incógnita a calcular, por los términos

2
Cramer, Gabriel: 1704 – 1756: Matemático suizo, publicó la regla en 1750 en su Introduction to the Analysis of lines of Algebraic
Curvs. Se supone que Mc. Laurin ya conocía la regla en 1729. Esta regla fue de gran importancia en su tiempo en la enseñanza del
álgebra y la teoría de ecuaciones.
Lic. Lazzari Rosana
independientes. El determinante del denominador, es el determinante de la matriz de los coeficientes de las
incógnitas.

En general:
∆𝒙𝒊
𝒙𝒊 =
∆
Ejemplo:
3𝑥 + 𝑦 + 𝑧 = 1
{ 𝑥−𝑧= 5
𝑦 − 𝑧 = −5

3 1 1
∆= |1 0 −1| = (0 + 1 + 0) − (0 − 3 − 1) = 5
0 1 −1
𝟏 1 1
∆𝑥1 = | 𝟓 0 −1| = (0 + 5 + 5) − (−1 − 5) = 16
−𝟓 1 −1

3 𝟏 1
∆𝑥2 = |1 𝟓 −1| = (−15 − 5 + 0) − (0 + 15 − 1) = −34
0 −𝟓 −1
3 1 𝟏
∆𝑥3 = |1 0 𝟓 | = (0 + 1 + 0) − (0 + 15 − 5) = −9
0 1 −𝟓
16 34 9
𝑥1 = 𝑥2 = − 𝑥3 = −
5 5 5

16 34 9
𝑆 = {( ; − ; − )}
5 5 5

Es evidente que este método es limitado. Puede aplicarse sólo si el sistema es cuadrado y si el determinante
del sistema (determinante de la matriz de los coeficientes de las incógnitas) es distinto de cero.
Podemos tener información, con este método si, sólo el determinante del denominador es igual a cero, entonces
el sistema será incompatible (pues no es posible dividir por cero). Si todos los determinantes, los del
numerador y el del denominador, son iguales a cero, el sistema será compatible indeterminado (infinitas
soluciones). Sin embargo, el método de Cramer no me permitirá encontrar las infinitas soluciones del sistema.
Por lo que estamos observando, debemos analizar un método más general y aplicable a todos los sistemas de
ecuaciones.
Para ello vamos a hacer algunas consideraciones previas.

Comparemos los siguientes sistemas de ecuaciones

−𝑥 + 𝑦 = −1 −𝑥 + 𝑦 = −1
{ {
𝑥 + 2𝑦 = 10 3𝑦 = 9

Si resuelven ambos sistemas podrán observar que el conjunto solución de ambas es

𝑆 = {(4; 3)}

Esta observación nos permite dar la siguiente definición

Lic. Lazzari Rosana

 Dos sistemas de ecuaciones lineales son equivalentes si
y solo si tienen el mismo conjunto solución

¿cómo puede obtenerse sistemas de ecuaciones equivalentes a partir de un sistema de ecuaciones dado?
• Si se permutan ecuaciones
• Si se suman dos ecuaciones
• Si se multiplica miembro a miembro de una ecuación por un escalar distinto de cero
• Si se suma a una ecuación el múltiplo de otra ecuación.

Expresemos en forma matricial los dos sistemas de ecuaciones dados

 −1 1 − 1  −1 1 − 1
   
1 2 10  0 3 9
Mirando las matrices podemos observar que del primer sistema podemos pasar al segundo, sumando E1 más
E2. Este proceso es importante pues nos permite eliminar incógnitas de tal manera que en la última ecuación
quede una sola incógnita y de esta manera poder hallar su valor. El método que estamos explicando se
denomina
Método de eliminación gaussiana
Este método tiene por objetivo escalonar el sistema de ecuaciones. Esto significa provocar ceros en orden
creciente. Es decir, un cero en la segunda ecuación, dos ceros en la tercera ecuación, y así sucesivamente,
hasta que en la última ecuación nos quede una sola incógnita. De esta manera podemos hallar su valor. Con
este valor, podremos sustituirlo en la ecuación anterior y obtener el valor de la otra incógnita y así
sucesivamente hasta poder hallar el valor de todas las incógnitas.
También este método nos dará rápidamente la clasificación del sistema pues es el mismo proceso que usamos
para calcular el rango de las matrices (visto en la última parte de la unidad anterior) y aplicando el teorema de
Roché – Frobenius visto al comienzo de esta unidad.
Veremos un ejemplo
𝑥−𝑧 =2
{ 2𝑥 + 3𝑦 + 𝑧 = 3
3𝑥 + 3𝑦 + 2𝑧 = 5
1 0 −1 2 1 0 −1 2 1 0 −1 2
     
2 3 1 3 0 3 3 −1 0 3 3 −1
     
 3 3 2 5   0 3 5 − 1  0 0 2 0 
Las operaciones que se realizaron para pasar del primer sistema al segundo son las siguientes:
𝐸1 × (−2) + 𝐸2 𝐸1 × (−3) + 𝐸3
Las operaciones que se realizaron para pasar del segundo sistema al tercero son
𝐸2 × +𝐸3
Si observamos la matriz de los coeficientes de las incógnitas, luego de haber escalonado la matriz, se observa
que su rango es 3. Y si observamos toda la matriz (la matriz de los coeficientes de las incógnitas ampliada con
los términos independientes) también su rango es 3
Esto indica que los rangos de las matrices son iguales e iguales al número de incógnitas. Por lo tanto, el sistema
es compatible determinado.
Si a partir de la tercera matriz rearmamos el sistema no quedará
𝑥−𝑧 =2
{3𝑦 + 3𝑧 = −1
2𝑧 = 0
𝑧 = 0: 2 𝑧 = 0
Lic. Lazzari Rosana
 1
3𝑦 + 3 ∙ 0 = −1 𝑦=−
3
𝟏
𝑥−0= 2 𝑥=2 𝑺 = {(𝟐; − ; 𝟎)}
𝟑

otro ejemplo
2𝑥1 + 𝑥2 − 2𝑥3 = 10
{3𝑥1 + 2𝑥2 + 2𝑥3 = 1
5𝑥1 + 4𝑥2 + 3𝑥3 = 4
 1 
1 −1 5
2 1 −2 10  2
   

3 2 2 1
 3 2 2 1 E1 : 2
 5 4 3 4  5 4 3 4
 
 
 1 
1 −1 5 
2
 
0 1
5 − 14  E1  ( − 2)+E2 E1  ( − 5)+E3
 2 
 
3
0 8 − 21 
 2 
 1 
1 −1 5 
2
 
0 1
5 − 14  E2  ( − 3)+E3
 2 
 
0 0 −7 21
 
 

Rango de la matriz A = Rango de la matriz 𝐴∗ = número de incógnitas. SCD

Rearmamos el sistema
1
𝑥1 + 𝑥2 − 𝑥3 = 5
2
1
𝑥 + 5𝑥3 = −14
2 2
{ −7𝑥3 = 21

𝑥3 = 21 ∶ (−7) 𝑥3 = −3

1 1 1
𝑥 + 5 × (−3) = −14 𝑥 = −14 + 15 𝑥2 = 1 ∶ 𝑥2 = 2
2 2 2 2 2
1
𝑥1 + ∙ 2 − (−3) = 5 𝑥1 + 1 + 3 = 5 𝑥1 = 1
2

𝑆 = {(1; 2; −3)}

Lic. Lazzari Rosana

 𝑥 + 2𝑦 + 3𝑧 = 2
𝑥−𝑦+𝑧 =0
{
𝑥 + 3𝑦 − 𝑧 = −2
3𝑥 + 4𝑦 + 3𝑧 = 0
1 2 3 2 1 2 3 2
   
1 −1 1 0 0 −3 −2 −2
    E1  ( − 1)+E2 E1  ( − 1)+E3 E1  ( − 3)+E4
1 3 −1 −2  0 1 −4 −4 
   
3 4 3 0  0 −2 −6 −6 
1 2 3 2
 
0 1 −4 −4
  E2 E3 E3 : 2
0 −3 −2 −2 
 
0 −1 −3 −3 
1 2 3 2 
 
0 1 −4 −4
  E2  3+E3 E2 +E4
0 0 − 14 − 14 
 
0 0 −7 −7 
1 2 3 2 
 
0 1 −4 −4  1
  E3   −  + E4
0 0 − 14 − 14   2
 
0 0 0 0 
Rango de la matriz A = Rango de la matriz 𝐴∗ = número de incógnitas = 3 SCD
𝑥 + 2𝑦 + 3𝑧 = 2
{ 𝑦 − 4𝑧 = −4
−14𝑧 = −14

𝑧 = −14 ∶ (−14) 𝑧=1

𝑦 − 4 ∙ 1 = −4 𝑦=0
𝑥+2∙0+3∙1 = 2 𝑥 = −1 𝑺 = {(−𝟏; 𝟎; 𝟏)}

Otro ejemplo
𝑥 + 2𝑦 + 𝑧 = 0
{ 3𝑥 + 3𝑦 + 𝑧 = 1
2𝑥 − 2𝑦 − 2𝑧 = −1

1 2 1 0 1 2 1 0
   
3 3 1 1 0 −3 −2 1 E1  ( − 3)+E2 E1  ( − 2)+E3
   
 2 −2 −2 − 1  0 −6 −4 − 1
1 2 1 0
 
0 −3 −2 1 E2  ( − 2)+E3
 
 0 0 0 − 3 

Si calculamos los rangos de las matrices en este caso podemos observar que
Rango de A ≠ Rango de 𝐴∗ por lo tanto, el sistema es Incompatible
Es lógico pues si rearmamos el sistema, en la última ecuación nos queda
0 × 𝑧 = −3 0 = −3 lo que constituye un absurdo.

Lic. Lazzari Rosana

Otro ejemplo
−𝑥1 + 16𝑥2 − 14𝑥3 = −3
{ 𝑥1 + 2𝑥2 − 2𝑥3 = 3
2𝑥1 − 5𝑥2 + 4𝑥3 = 6
 − 1 16 − 14 −3  − 1 16 − 14 −3
   
1 2 −2 3 0 18 − 16 0 E1+E2 E1  2 + E3
   
 2 − 5 4 6   0 27 − 24 0 
 − 1 16 − 14 −3
 
0 9 −8 0 E2 : 2
 
 0 27 − 24 0 
 − 1 16 − 14 −3
 
0 9 −8 0 E2  ( − 2)+E3
 
 0 0 0 0 
Observemos en este caso que si bien los rangos de ambas matrices son iguales (iguales a 2) son menores al
número de incógnitas. Esto nos indica que el sistema es compatible indeterminado, es decir infinitas
soluciones.
Debemos presentar las infinitas soluciones. Esto es tratar de despejar algunas incógnitas en función de otras.
Para poder guiarnos podemos decir que en todo sistema de ecuaciones que sea compatible indeterminado,
vamos a encontrar ecuaciones e incógnitas principales y secundarias
Las ecuaciones secundarias son aquellas que se anulan en el proceso de escalonar la matriz. Las restantes, las
que no se anulan, son las ecuaciones principales.
Las incógnitas principales son las que vamos a despejar en función de otras incógnitas que serán las incógnitas
secundarias. Obviamente, cada uno decide cuales serán, a su criterio, las incógnitas secundarias y principales.
Puede ser que sus resultados de los ejercicios difieran de las respuestas de la práctica en este sentido.
Si denominamos con n al número de incógnitas y con m al número de ecuaciones y con r al rango de las
matrices podremos entonces decir
“h” indicará el número de incógnitas y de ecuaciones principales que tendrá el sistema de ecuaciones
“m – h” indicará el número de ecuaciones secundarias
“m − h” indicará el número de incógnitas secundarias
Entonces nuestro sistema presenta dos incógnitas y dos ecuaciones principales y una incógnita y una ecuación
secundaria (lo que vemos que es cierto pues se nos ha anulado solo una ecuación)
La elección de quien será la incógnita secundaria queda a decisión de ustedes.

−𝑥 + 16𝑥2 − 14𝑥3 = −3
{ 1
9𝑥2 − 8𝑥3 = 0

8
9𝑥2 = 8𝑥3 ⇒ 𝑥2 = 𝑥
9 3
8 128
−𝑥1 + 16 ∙ 𝑥3 − 14𝑥3 = −3 ⇒ −𝑥1 + 𝑥 − 14𝑥3 = −3
9 9 3
2 2
−𝑥1 = −3 − 𝑥3 ⇒ 𝑥1 = 3 + 𝑥3
9 9
2 8
𝑆 = {(3 + 𝑥3 ; 𝑥3 ; 𝑥3 ) 𝑥3 ∈ ℝ}
9 9

Lic. Lazzari Rosana

Otro ejemplo
𝑥1 − 𝑥3 + 𝑥4 = 5
{2𝑥1 + 6𝑥2 − 4𝑥3 + 2𝑥4 = 4
−3𝑥1 + 2𝑥2 − 2𝑥3 = −2

1 0 −1 1 5 
 
2 6 −4 2 4
 
 − 3 2 −2 0 − 2 
1 0 −1 1 5 
 
0 6 −2 0 −6
 
 0 2 −5 3 13 
1 0 −1 1 5 
 
0 2 −5 3 13 E 2 E3
 
 0 6 −2 0 − 6 
1 0 −1 1 5 
 
0 2 −5 3 13
 
 0 0 13 −9 − 45 
Las operaciones que se hicieron de la primera matriz a la segunda fueron
𝐸1 × (−2) + 𝐸2 𝐸1 × 3 + 𝐸3
Luego en el tercer paso se intercambió ecuación dos por ecuación 3
De la tercera matriz a la cuarta se realizó
𝐸2 × (−3) + 𝐸3
El rango de la matriz A es 3 y el rango de la matriz ampliada también es tres. El número de incógnitas es 4.
Por lo tanto, los rangos son iguales y menores al número de incógnitas entonces el sistema es compatible
indeterminado.
El sistema tendrá 3 ecuaciones principales y ninguna secundaria
El sistema tendrá 3 incógnitas principales y una secundaria
𝑥1 − 𝑥3 + 𝑥4 = 5
{2𝑥2 − 5𝑥3 + 3𝑥4 = 13
13𝑥3 − 9𝑥4 = −45

13
13𝑥3 − 9𝑥4 = −45 − 9𝑥4 = −45 − 13𝑥3 𝑥4 = 5 + 𝑥
9 3
13
2𝑥2 − 5𝑥3 + 3𝑥4 = 13 2𝑥2 − 5𝑥3 + 3 ∙ (5 + 𝑥 ) = 13
9 3

13 2 1
2𝑥2 − 5𝑥3 + 15 + 𝑥 = 13 2 𝑥2 = −2 + 𝑥3 𝑥2 = −1 + 𝑥3
3 3 3 3
13 4
𝑥1 − 𝑥3 + 5 + 𝑥 =5 𝑥1 = − 𝑥3
9 3 9
4 1 13
𝑆 = {(− 𝑥3 ; −1 + 𝑥3 ; 𝑥3 ; 5 + 𝑥3 ) 𝑥3 ∈ ℝ}
9 3 9

Lic. Lazzari Rosana

 Sistemas de ecuaciones lineales homogéneos
Ya hemos explicado que un sistema de ecuaciones lineales puede expresarse en forma simplificada de la
siguiente manera
𝐴∙𝑋 = 𝐵

Ahora si la matriz B es la matriz nula (lo que indica que todas las ecuaciones están igualadas a cero), este
sistema se denomina sistema de ecuaciones lineales homogéneos.

𝐴∙𝑋 = 𝕆

Estos sistemas de ecuaciones tienen la propiedad de ser siempre compatibles, es decir, o son compatibles
determinados (única solución llamada trivial pues todas las incógnitas serán iguales a cero) o bien son
compatibles indeterminados (infinitas soluciones)

Ejemplo 1

𝑥 + 𝑦 + 3𝑧 = 0
{ 4𝑥 + 𝑦 − 𝑧 = 0
2𝑥 − 𝑦 + 3𝑧 = 0

1 1 3 0
 
4 1 −1 0 E1  ( − 4) + E 2 E1  ( − 2) + E 3
 
 2 −1 3 0 
1 1 3 0
 
0 −3 − 13 0 E 2  ( − 1) + E 3
 
 0 −3 −3 0 
1 1 3 0
 
0 −3 − 13 0
 
 0 0 10 0 

𝑥 + 𝑦 + 3𝑧 = 0
{−3𝑦 − 13𝑧 = 0
10𝑧 = 0

𝑧=0 − 3𝑦 − 0 = 0 𝑦=0 𝑥+0+0 = 0 𝑥=0

𝑆 = {(0; 0; 0)}

Otro ejemplo

𝑥+𝑦−𝑧 = 0
{4𝑥 − 𝑦 + 5𝑧 = 0
6𝑥 + 𝑦 + 3𝑧 = 0

Lic. Lazzari Rosana

1 1 −1 0
 
4 −1 5 0 E1  ( − 4) + E 2 E1  ( − 6) + E 3
 
 6 1 3 0 
1 1 −1 0
 
0 −5 9 0 E 2  ( − 1) + E 3
 
 0 −5 9 0 
1 1 −1 0
 
0 −5 9 0
 
 0 0 0 0 

𝑥+𝑦−𝑧= 0
{
−5𝑦 + 9𝑧 = 0

9 9 4
𝑦= 𝑧 𝑥+ 𝑧−𝑧= 0 𝑥=− 𝑧
5 5 5
4 9
𝑆 = {(− 𝑧; 𝑧; 𝑧) 𝑧 ∈ ℝ}
5 5

Otra forma de calcular la matriz inversa

1 2 3
Sea calcular la matriz inversa de la matriz 𝐴 = [1 1 2]
0 1 2

Sabemos que por definición de matriz inversa debe suceder

1 2 3 𝑎11 𝑎12 𝑎13 1 0 0

[1 1 2] ∙ [𝑎21 𝑎22 𝑎23 ] = [0 1 0]
0 1 2 𝑎31 𝑎32 𝑎33 0 0 1

Este producto e igualdad de matrices nos conduce a tres sistemas de ecuaciones simultáneos

𝑎11 + 2𝑎21 + 3𝑎31 = 1 𝑎12 + 2𝑎22 + 3𝑎32 = 0 𝑎13 + 2𝑎23 + 3𝑎33 = 0

{ 𝑎11 + 𝑎22 + 2𝑎31 = 0 { 𝑎12 + 𝑎22 + 2𝑎32 = 1 { 𝑎13 + 𝑎23 + 2𝑎33 = 0
𝑎21 + 2𝑎31 = 0 𝑎22 + 2𝑎32 = 0 𝑎23 + 2𝑎33 = 1

Lic. Lazzari Rosana

1 2 3 1 0 0
 
1 1 2 0 1 0 E1  ( − 1) + E 2
 
 0 1 2 0 0 1 
1 2 3 1 0 0
 
0 −1 −1 −1 1 0 E 2  ( − 1)
 
 0 1 2 0 0 1 
1 2 3 1 0
0
 
0 1 1 1 −1 0 E 2  ( − 1) + E 3
 
 0 1 2 0 0 1 
1 2 3 1 0 0
 
0 1 1 1 − 1 0 E 3  ( − 1) + E 2 E 3  ( − 3) + E1
 
 0 0 1 −1 1 1 
1 2 0 4 −3 −3
 
0 1 0 2 −2 − 1 E 2  ( − 2) + E1
 
 0 0 1 −1 1 1 
1 0 0 0 1 − 1
 
0 1 0 2 −2 −1
 
 0 0 1 −1 1 1 

0 1 −1
−1
𝐴 = [ 2 −2 −1]
−1 1 1

Lic. Lazzari Rosana