Capitulo 2 Algebra Lineal Ejercicios

Captulo 2
Sistemas de ecuaciones lineales

2.1
Definiciones
Definici
on 2.1 Una ecuaci
on lineal en x1 , x2 , . . ., xn es una ecuaci
on que se puede
escribir de la forma
a1 x1 + a2 x2 + . . . + an xn = b,
siendo b y los coeficientes ai elementos de un cuerpo IK (cuerpo IR o cuerpo C), cuyos
valores se suelen conocer de antemano.
Definici
on 2.2 Consideremos un sistema de m ecuaciones lineales con n inc
ognitas x1 , x2 , . . . xn ,
de la forma
a11 x1 + a12 x2 + . . . + a1n xn = b1
a x + a x + ... + a x = b
21 1
22 2
2n n
2
[1]
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1 x1 + am2 x2 + . . . + amn xn = bm

en el cual, todos los coeficientes de las inc
ognitas aij y los terminos independientes bi
pertenecen a un cuerpo IK.
Se llama soluci
on del sistema de ecuaciones lineales (o sistema lineal, abreviado como
SL) en IK a todo conjunto de valores de las inc
ognitas {x1 , x2 , . . . , xn } pertenecientes a IK,
que satisfaga simult
aneamente las m ecuaciones dadas. Si el SL tiene soluci
on se denomina compatible; en caso contrario incompatible. Un SL compatible puede tener una
soluci
on, en cuyo caso se denomina compatible determinado o infinitas soluciones,
denomin
andose entonces compatible indeterminado. Cuando el SL es compatible indeterminado se denomina soluci
on general a la expresi
on de soluci
on que incluye las
infinitas soluciones posibles.
Podemos expresar la solucion del sistema como un vector x = (x1 , x2 , . . . , xn ), llamado
vector soluci
on. El n
umero de entradas del vector solucion es igual al n
umero de
incognitas del sistema. Un vector a su vez se considera en Algebra

como una matriz
columna, es decir, x Mn1 . Entonces,
x1
x2
x = (x1 , x2 , . . . , xn ) o x = ..
.
xn
Tambien se puede expresar x IR n
54
CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES
55
Decimos que un SL es homog

eneo si bi = 0 i = 1, ..., n.
a11 x1 + a12 x2 + . . . + a1n xn = 0
a x + a x + ... + a x = 0
21 1
22 2
2n n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1 x1 + am2 x2 + . . . + amn xn = 0
Un sistema homogeneo siempre tiene al menos la solucion x = 0, que se conoce como

solucion nula o soluci
on trivial, por tanto siempre es compatible. Los casos que se dan
respecto de la solucion son compatible determinado y compatible indeterminado.
Si existe alg
un bi = 0, entonces el SL se dice que es no homog
eneo o completo.
RESUMEN
Incompatible {
Compatible
Determinado
Indeterminado
Expresi
on de la soluci
on:
Determinado:
x = p
Indeterminado: x = p + 1v1 + ... + lvl , siendo i IK los denominados par

ametros
libres y los vi vectores linealmente independientes.
En ambos casos p = 0 si y solo si el sistema es homogeneo.
La expresion p + 1v1 + ... + lvl dene lo que se conoce como variedad afn, que estudiaremos mas adelante. Para el caso particular en que p = 0 la variedad afn es ademas
variedad lineal.
2x1 + x2 + x3 = 6
x1 + x2
= 4
Es un sistema de ecuaciones lineales con tres inc
ognitas, x1 , x2 y x3 .
Ejemplo 2.1
2x1 + ex2 = 3
2x1 2x2
= 2
No es un sistema de ecuaciones lineales, porque la primera ecuaci
on no es lineal.
Ejemplo 2.2
2x1 + 3(x2 )2 = 2
x1 x2
= 1
No es un sistema de ecuaciones lineales, porque la primera ecuaci
on no es lineal.
Ejemplo 2.3
2.2
56
Matrices correspondientes a los elementos de un SL
a11
a21
A=
...
am1
Matriz de coeficientes:
a12
a22
...
am2
. . . a1n
. . . a2n
... ...
. . . amn
Otra notacion: A = [ a1 a2 ... an ]

Los vectores ai son las columnas de la matriz A:
a1i
a2i
ai = ..
.
ani
Vector de t
erminos independientes: b =
b1
b2
..
.
bm
x1
x2
Vector de inc
ognitas o vector de soluci
on: x = ..
.
xn
A = [ A | b ] = [ a1 a2 ... an | b ]
Matriz ampliada del SL:
2.3
Representaci
on del SL mediante la ec. matricial Ax = b
Consideremos el sistema de m ecuaciones lineales con n incognitas x1 , x2 , . . . xn , de la

forma:
a11 x1 + a12 x2 + . . . + a1n xn = b1
a x + a x + ... + a x = b
21 1
22 2
2n n
2
[1]
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1 x1 + am2 x2 + . . . + amn xn = bm

xi , aij y bi son elementos del cuerpo IK.
xn1 es solucion del sistema lineal xn1 es solucion de la ecuacion matricial Ax = b,
siendo Amn la matriz de coecientes y bm1 el vector de terminos independientes.
Demostraci
on:
a11
a21
...
am1
a12
a22
...
am2
A
2.4
. . . a1n
. . . a2n
... ...
. . . amn
x1
a11 x1 + a12 x2 + . . .
x2 a x + a x + . . .
21 1
22 2
.. =
.
............
am1 x1 + am2 x2 + . . .
xn
+a1n xn
+a2n xn
+amn xn
b1
b2
..
.
bm
b
Representaci
on de un SL mediante una ec. vectorial
Consideremos la igualdad de la seccion anterior:

b
1
a11 x1 + a12 x2 + . . . + a1n xn
b
a21 x1 + a22 x2 + . . . + a2n xn
2
=
.
.
............
.
am1 x1 + am2 x2 + . . . + amn xn
bm
57
descomponiendo el vector de la izquierda en n sumandos, y sacando factor com

un las x1
y x2 . . . xn , obtenemos:
a11
a21
..
.
x1
+ x2
a12
a22
..
.
+ . . . + xn
am2
am1
a1n
a2n
..
.
b1
b2
..
.
bm
amn
, que es la ecuacion vectorial correspondiente, y que podemos expresar, de forma mas

sencilla como:
x1a1 + x2a2 + xnan = b, siendo a1 . . . an las columnas de A.
x es solucion del SL x es solucion de la ecuacion vectorial x1a1 + x2a2 + xnan = b.
Expresado de otra forma, la ecuacion Ax = b tiene solucion si y solo si b es una combinaci
on
lineal de las columnas de A. En este caso cada conjunto de coecientes de la combinaci
on
lineal es una solucion posible del SL.
{
Ejemplo 2.4 El sistema

[ ]
x1
x1 + 2x2 x3 = 4
5x2 + 3x3 = 1
]
se puede expresar de la forma:
[ ]
1
2
1
4
+ x2
+ x3
=
0
5
3
1
(ec. vectorial o comb. lineal)
b aparece expresado como combinaci

on lineal de las columnas de A con coeficientes x1 , x2 ,
x3 .
o como:
[
2.5
1
0
2
5
[ ]
x
1 1
4
x2 =
3
1
x3
(ec. matricial o prod. matriz-vector)
El producto matriz-vector
Sea A una matriz m n, con columnas a1 , a2 , . . . , an , y sea x un vector de n entradas,

xn1 = (x1 , x2 , . . . , xn ), entonces el producto Ax, es la suma de las columnas de A, pesando
cada una de ellas con las entradas de x.
x1
x2
Ax = [ a1 a2 . . . an ] .. = x1a1 + x2a2 + . . . + xnan

.
xn
Expresado de otra forma, el producto Ax es la combinacion lineal de las columnas de A
usando como coecientes o pesos las entradas de x.
Ejemplo 2.5 Calcula el siguiente producto matriz-vector:
[
1
0
2
5
[ ]
[
]
[
] [ ] [
] [
] [ ]
4
1
1
2
1
4
6
7
3
+3
+7
=
+
+
=
3 =4
3
0
5
3
0
15
21
6
7
Aplicando las reglas del producto de matrices lo habramos calculado as :

[
1
0
[
] [ ]
] 4
14+2317
3
1
3 =
=
0453+37
6
3
7
23 31
21
2
5
58
Propiedades del producto matriz-vector

1) A(u + v ) = Au + Av
2) A(u) = (Au)
El producto matriz-vector es un caso particular de producto de matrices. En el Captulo
1 habamos enunciado que para toda terna de matrices A, B, C y para todo escalar del
cuerpo IK, se cumplan las propiedades:
A (B + C) = A B + A C
A (B) = (A B)
Demostraremos las propiedades 1 y 2 arriba mencionadas para el caso particular de una
matriz A de tres columnas: A = [ a1 a2 a3 ]
Para multiplicar A por u el n
umero de entradas de u debe ser igual al n
umero de columnas
de A, y por tanto 3.
u1
u = u2 ,
u3
v1
v = v2 ,
v3
u1 + v1
u + v = u2 + v2 ,
u3 + v3
u1
u = u2
u3
u1 + v1
1. A(u + v ) = [ a1 a2 a3 ] u2 + v2 = (u1 + v1 )a1 + (u2 + v2 )a2 + (u3 + v3 )a3 =

u3 + v3
(u1a1 + u2a2 + u3a3 ) + (v1a1 + v2a2 + v3a3 ) = Au + Av
u1
2. A(u) = [ a1 a2 a3 ] u2 = (u1 )a1 + (u2 )a2 + (u3 )a3 =
u3
(u1a1 + u2a2 + u3a3 ) = (Au)
Ejemplo 2.6 Dados v1 , v2 , v3 escribe el vector 3v1 5v2 + 7v3 como producto de una
matriz por un vector.
3
3
3v1 5v2 + 7v3 = [ v1 v2 v3 ] 5 = Ax ;
A = [ v1 v2 v3 ], x = 5
7
7
2.6
Sistemas equivalentes
Definici
on 2.3 Dos sistemas de ecuaciones lineales sobre el mismo cuerpo IK, de igual
n
umero de inc
ognitas, se dice que son sistemas equivalentes cuando tienen el mismo
conjunto soluci
on.
Se puede demostrar de forma sencilla que efectuando transformaciones del sistema [1] de
los tipos siguientes, se obtiene un sistema equivalente al primero.
1. Intercambio de dos ecuaciones entre s
2. Multiplicacion de una ecuacion por un escalar distinto de cero
3. Suma a una ecuacion de un m
ultiplo de otra
Para determinar si un SL tiene soluci
on y obtener esta, si existe, un procedimiento posible
es sustituir inicialmente el SL dado por otro equivalente de resoluci
on m
as sencilla.

{
Ejemplo 2.7 Consideremos el sistema
59
2x1 + 2x2 = 6
x1 + x2 = 4
Son ejemplos de sistemas equivalentes al anterior:

{
x1 + x2 = 4
,
2x1 + 2x2 = 6
x1 + x2 = 3
,
x1 + x2 = 4
x1 + x2 = 3
2x2 = 7
Notese como en el u
ltimo SL podemos despejar facilmente x2 en la segunda ecuacion, y a
continuacion despejar x1 en la 1a sustituyendo x2 por el valor calculado.
2.7
Resoluci
on de SL con m
etodos de eliminaci
on gaussiana
Consideremos el SL con n incognitas:
a11 x1 + a12 x2 + . . . + a1n xn = b1
a x + a x + ... + a x = b
21 1
22 2
2n n
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1 x1 + am2 x2 + . . . + amn xn = bm
[1]
Hemos visto que el SL que se obtiene a partir de [1] realizando transformaciones como
intercambiar el orden de dos ecuaciones, multiplicar una ecuacion por un escalar no nulo
o sumar a una ecuacion un m
ultiplo de otra, es equivalente al primero, o dicho de otra
forma, tiene la misma solucion.
Utilizando la notacion matricial, estas transformaciones de las ecuaciones se corresponderan con las operaciones elementales por las (vistas en el Captulo 1, y que son permutacion de las, multiplicacion de una la por un factor no nulo, y suma a una la
de un m
ultiplo de otra), realizadas sobre la denominada matriz ampliada del sistema
a11 a12 . . . a1n b1

a21 a22 . . . a2n b2
A = [ A | b ] =
...
... ... ... ...
am1 am2 . . . amn bn
Cada la de la matriz ampliada corresponde a una ecuacion.
Ejemplo 2.8 Escribe los sistemas de ecuaciones representados por las matrices ampliadas
siguientes:
M =
1
4
2
1
La respuesta ser
a:
3
2
N = [ 1
M
0]
x1 + 2x2 = 3
4x1 + x2 = 2
N : x1 + 2x2 = 0
Una matriz ampliada A representa un SL y todas las matrices equivalentes por las a A
corresponden a sistemas lineales equivalentes al original.
Los metodos de resolucion de sistemas lineales basados en la transformacion de A a una
forma escalonada por las se denominan metodos de Eliminacion Gaussiana. Los que
usan la transformacion a la forma canonica por las (o reducida por las) se denominan
metodos de Gauss-Jordan.
{
x1 x2 = 3
Veamos un ejemplo sencillo. Resolver el SL:
2x1 + x2 = 3
A
1
=
2
1 | 3
1 1 | 3
1 1 | 3
1 | 3
0
3 |3
0
1 |1
60
A partir de la nueva matriz ampliada equivalente por las obtenemos el SL sencillo:

{
x1 x2 = 3
x2 = 1
incognitas.
con el que voy despejando, de la u

ltima a la primera, todas las
x2 = 1,
x1 = 3 + x2 = 3 1 = 2
Para resolverlo mediante el metodo de Gauss-Jordan tendramos que haber llegado hasta
la forma reducida por las.
A
1
=
2
1 | 3
1
1 |3
0
1
3
| 3
1
|3
0
1 | 3
1 0
1 |1
0 1
| 2
|1
En este caso hemos llegado a tal grado de simplicacion del SL que directamente leemos
la solucion:
x1 = 2,
x2 = 1
En la seccion 2.9 estudiaremos ambos metodos, aplicandolos a varios ejemplos que incluyen los tres casos de sistemas incompatible, compatible indeterminado y compatible
determinado.
2.8
Caracterizaci
on de un SL respecto de su soluci
on
Sist. incompat. rgA = rgA + 1

Ya que la inclusion de la columna b a
nade un pivote, la forma escalonada por las
de la matriz A tendra una la de la forma
[ 0 ... 0 |
]
con
= 0
Es decir, una ecuacion de la forma

0x1 + 0x2 + . . . + 0xn = 0, que no tendra solucion.
De forma general se puede decir que un sistema de ecuaciones es compatible si y
solo si al obtener una forma escalonada por las de A , no existe ninguna la de la
forma
[ 0 ... 0
] con
= 0
Un SL homogeneo tiene b = 0 por tanto siempre es compatible.
Sist. compat. determinado rgA = rgA = n
incognitas)
(recordamos que n=n

umero de
En la forma escalonada por las tenemos n ecuaciones, cada una con su pivote, que
nos permiten despejar las n incognitas.
Sist. compat. indeterminado rgA = rgA < n
El n
umero de ecuaciones en la forma escalonada por las, es decir n
umero de ecuaciones con pivote, es insuciente para despejar las n incognitas, por lo que existen
parametros libres.
rgA = n
umero de incognitas principales
n - rgA = n
umero de parametros libres
61
Algunas propiedades para un SL con matriz de coecientes Amn

Si rgA = m el SL es compatible (pues en este caso rgA = rgA = m)
Si rgA = n el SL es incompatible o compatible determinado (por ejemplo si m = 3
y n = 2 el SL es incompatible si rgA = 3 y compatible si rgA = 2).
y la conclusion de las dos anteriores:
Si rgA = m = n el SL es compatible determinado
2.9
Ejemplos de resoluci
on de sistemas lineales
Ejemplo 2.9 Resolver el sistema siguiente:
x2 4x3 = 8
0
1 4 | 8
2x1 3x2 + 2x3 = 8
A = 2 3
2 | 8
5x 8x + 7x = 1
5
8
7 | 1
1
2
3
Para eliminar los ceros de la primera columna tenemos que hacer primero una permutaci
on. Hacemos por ejemplo la permutaci
on de la fila 1 con la fila 2.
2
0
5
3
1
8
2
4
7
| 8
2
| 8 0
| 1
0
3
1
1/2
2
4
2
|
|
3
1
0
8
2
8 0
| 19
0
2x1 3x2 + 2x3 = 8
Esta matriz representa el sistema
2
4
0
|
|
8
8
| 15
x2 4x3 = 8
0 = 15
La u
ltima ecuaci
on expresa 0x1 +0x2 +0x3 = 15. Esta ecuaci
on nunca ser
a cierta. No
hay valores de x1 , x2 , x3 que satisfagan la ecuaci
on. Por tanto el sistema es incompatible.
O visto de otra forma, el sistema es incompatible porque rg A = rgA + 1 (rgA = 3 y
rgA=2).
Ejemplo 2.10 Resolver los sistemas siguientes 1 :
3x2 6x3 + 6x4 + 4x5 = 5
I : 3x1 7x2 + 8x3 5x4 + 8x5 = 9
3x1 9x2 + 12x3 9x4 + 6x5 = 15
3x2 6x3 + 6x4 + 4x5 = 0
II : 3x1 7x2 + 8x3 5x4 + 8x5 = 0
3x1 9x2 + 12x3 9x4 + 6x5 = 0

Comenzamos con el sistema lineal I:

3
0
3 6
6 4 | 5
8 5 8 | 9 0
A = 3 7
3
3 9 12 9 6 | 15
3
0
0
7
3
2
8
6
4
5
6
4
8
4
2
3
| 9
| 5 0
0
| 6
3
0
0
7
3
0
8
6
0
5
6
0
8
4
1/3
| 9
| 5
| 4/3
7
3
1
7
3
9
8
6
12
8
6
2
El nuevo sistema es:

1
El SL II se dice que es el correspondiente homogeneo del SL I
5
6
2
5
6
9
8
4
1
8
4
6
| 9
| 5
| 15
| 9
| 5
| 3
62
3x1 7x2 + 8x3 5x4 + 8x5 = 9
3x2 6x3 + 6x4 + 4x5 = 5

1/3x5 = 4/3
Las inc
ognitas x1 , x2 y x5 , que corresponden a columnas pivotales, las consideraremos
como inc
ognitas principales. Las otras dos inc
ognitas, x3 y x4 , las consideraremos como
par
ametros libres.
Se da la soluci
on expresando las inc
ognitas principales como funci
on de los par
ametros
libres. Decir que x3 y x4 son par
ametros libres significa que podremos escoger cualquier
valor para x3 y x4 . Una vez que lo hagamos, quedar
a fijado el valor de las inc
ognitas
principales.
1
3 x5
4
3
x5 = 4
3x2 6x3 + 6x4 + 4x5 = 5 x2 =
5+6x3 6x4 44
3
5+6x3 6x4 16
3
= 7 + 2x3 2x4
3x1 7x2 + 8x3 5x4 + 8x5 = 9

3x1 = 9 + 7x2 8x3 + 5x4 8 4 = 9 + 7(7 + 2x3 2x4 ) 8x3 + 5x4 32 = 23 49 +
14x3 14x4 8x3 + 5x4 = 72 + 6x3 9x4
x1 = 24 + 2x3 3x4
La soluci
on general del sistema, que incluye todas las soluciones es:
x
=
24 + 2x3 3x4
1
x2 = 7 + 2x3 2x4
x3 = x3
x3 , x4 IR son los par
ametros
x4 = x4
x5 = 4
Son las ecuaciones parametricas de la soluci
on.
La soluci
on anterior se expresa vectorialmente como:
x1
24
2
3
x 7
2
2
2
x = x3 = 0 + x3 1 + x4 0

x4 0
0
1
x5
4
0
0
x3 , x4 IR son los par

ametros
Las expresi
on anterior es la soluci
on en forma vectorial parametrica. Podramos haber
considerado otras dos inc
ognitas, por ejemplo x1 y x3 , como par
ametros libres. Lo importante es que cualquier soluci
on general tendr
a siempre el mismo n
umero de par
ametros
libres.
Se trata de un sistema compatible indeterminado ya que tenemos menos columnas pivotales
que inc
ognitas.
3 = rg A = rg A < n = 5
n
umero de par
ametros libres n rgA = 2.
24
7
Denotando p = 0 ,
0
4
2
2

u = 1

0
0
3
2
v = 0
1
0
x = p + x3 u + x4v
x, p, u, v son vectores de IR 5 y x3 , x4 son elementos cualesquiera de IR
La soluci
on x es la suma de p y cualquier combinaci
on lineal de los vectores u y v .
63
Observese como p, u y v son linealmente independientes entre s . Vemos adem

as que
p es soluci
on del sistema (para el caso x3 = x4 = 0). A p se le denomina por ello soluci
on
particular del sistema.
Soluci
on = variedad afn en IR 5 .
Empleando c
alculos similares para el sistema lineal II obtenemos:
0
A = 3
3
3
7
9
6
8
12
6
5
9
4
8
6
|0
3
| 0 ... 0
|0
0
7
3
0
8
6
0
5
6
0
8
4
1/3
|0
| 0
|0
El nuevo sistema es:
3x1 7x2 + 8x3 5x4 + 8x5 = 0

3x2 6x3 + 6x4 + 4x5 = 0
1/3x5 = 0
La soluci
on general del sistema, que incluye todas las soluciones es:
x1 = 2x3 3x4
x2 = 2x3 2x4
x3 = x3
x4 = x4
x5 = 0
La soluci
on en forma vectorial parametrica es la siguiente:
x1
2
3
x
2
2
2

x = x3 = x3 1 + x4 0

x4
0
1
x5
0
0
x3 , x4 IR
x = x3 u + x4v
La soluci
on x es la combinaci
on lineal de los vectores u y v , siendo estos vectores los
mismos que los del SL I.
Soluci
on = variedad afn en IR 5 con p = 0 y por tanto adem
as variedad lineal.
Una variedad afn es una variedad lineal trasladada: xno
hom
= xh + p
on general
Teorema 2.1 En un SL homogeneo e indeterminado, Amn x = 0, la soluci
tiene la forma x = c1v1 + c2v2 + . . . + ckvk , donde los vectores v1 , . . ., vk son linealmente
independientes y k = n rgA.
Teorema 2.2 En un SL no homogeneo, Amn x = b con b = 0, compatible e indeterminado, la soluci
on general tiene la forma x = p + c1v1 + c2v2 + . . . + ckvk , donde los vectores
v1 , . . ., vk son linealmente independientes, con k = n rgA. p es soluci
on particular del
sistema no homogeneo y c1v1 + c2v2 + . . . + ckvk es la soluci
on general del correspondiente
homogeneo.
64
x1 2x2 + x3 = 0
2x2 8x3 = 8
4x + 5x + 9x = 9
1
2
3
1
0
0
1
0
0
2
2
5
1
0
4
1
0
0
| 0
| 8 [1]
|9
1
8
9
2
2
3
1
8
13
| 0
| 8 [2]
|9
2
1
3
1
4
13
| 0
| 4 [3]
|9
2
1
0
1
4
1
| 0
| 4 [4]
| 3
x1 2x2 + x3 = 0
2x2 8x3 = 8
4x + 5x + 9x = 9
1
2
3
x1 2x2 + x3 = 0
2x2 8x3 = 8
3x2 + 13x3 = 9
x1 2x2 + x3 =
x2 4x3 = 4
3x2 + 13x3 = 9
x1 2x2 + x3 = 0
x2 4x3 = 4
x3 = 3
Ya tenemos la matriz ampliada en una forma escalonada por filas y el sistema de ecuaciones correspondiente. Ahora podremos determinar la soluci
on, yendo de la u
ltima ecuaci
on
de este sistema, hacia arriba.
De la tercera ecuaci
on: x3 = 3
Sustiyendo x3 en la segunda ecuaci
on: x2 = 4 + 4x3 = 4 + 12 = 16
Sustiyendo x3 y x2 en la primera ecuaci
on: x1 = 0 + 2x2 x3 = 32 3 = 29
Hemos obtenido la soluci
on mediante Eliminaci
on Gaussiana. La soluci
on es x1 = 29,
x2 = 16 y x3 = 3, que podemos escribir en la forma x = (29, 16, 3) o
29
x = 16
3
Podramos tambien haber continuado obteniendo sistemas equivalentes (matrices equivalentes por filas) hasta llegar a la forma can
onica por filas (o reducida por filas). Realicemos
este proceso, partiendo de la matriz ampliada [4].
1
0
0
1
0
0
2
1
0
0
0
1
|3
| 16 [5]
| 3
0
1
0
0
0
1
| 29
| 16 [6]
| 3
x1 2x2
x2
x1 = 29
= 3
= 16
x3 = 3
x = 16
3
x =
3
Ya tenemos la matriz ampliada en la forma can

onica por filas, y podemos determinar
directamente la soluci
on. La soluci
on es x1 = 29, x2 = 16 y x3 = 3. Este es el metodo de
Gauss-Jordan.
Se trata de un sistema compatible determinado.
rg A = rg A = n
N
umero de inc
ognitas = N
umero de columnas pivotales de A
Soluci
on = un vector de IR 3

2x1 + 3x2 + x3 = 3
2x 2x + 3x = 1
1
2
3
x
+
x
2
3 = 4
6x1 + 4x2 + 5x3 = 7
2
A =
0
6
2
0
0
0
3
5
0
0
7x3 = 18,
|
|
|
|
3
2
1
4
1
3
1
5
1
2
7/5
0
| 3
| 2
| 18/5
| 0
x3 =
3
2
0
1
4 0
7
0
3
5
1
5
| 3
| 2
| 4
|2
1
2
1
2
2x1 + 3x2 + x3 = 3
5x2 + 2x3 = 2
18
7
5 x3 = 5
18
7
1436
7
5x2 + 2x3 = 2,
5x2 = 2 2
2x1 + 3x2 + x3 = 3,
2x1 = 3 3x2 x3 = 3
27
x1 = 14
x1 = 27
14
65
x2 =
10
7
x3 =
18
7
18
7
30
7
50
7 ,
18
7
x2 =
213018
7
50
35
= 27
7 ,
rg A = rg A = n
Ejemplo 2.13 Determinar las soluciones generales de los siguientes
3x1 + 5x2 4x3 = 7

3x1 + 5x2 4x3 =
I: 3x1 2x2 + 4x3 = 1
II: 3x1 2x2 + 4x3 =
6x1 + x2 8x3 = 4
6x1 + x2 8x3 =
3
3
6
I:
3
0
0
0
1
0
5
2
1
4
4
8
4
0
0
|3
| 2
| 0
10
7
27/14
x = 10/7
18/7
Es un sistema compatible determinado.
| 7
3
|1 0
|4
0
4
0
0
5
3
9
| 7
3
| 6 0
| 18
0
5
1
0
sistemas:
0
0
0
4
0
0
|7
| 2
|0
rg A = rg A = 2 < 3 = n
umero de inc
ognitas, por tanto
3x1
4x3 = 3
x2
= 2
0 + 0 + 0 = 0
Ax = b es compatible indeterminado.
Resolvemos para las inc

ognitas principales y obtenemos:
x1 = 1 + 4/3 x3 , x2 = 2 y x3 par
ametro libre. En notaci
on vectorial, la soluci
on general
de Ax = b tiene la forma:
4
1 + 43 x3
x1
1
3
= 2 + x3 0
x = x2 =
2
x3
0
x3
1
p
v
La soluci
on general tiene la forma x = p + x3v
vectorial parametrica.
x = p + t v (t IR) en la forma
66
Geometricamente el conjunto de soluciones es una recta en IR 3 que pasa por p y que

contiene la direcci
on v . Se puede observar que la soluci
on del sistema no homogeneo es la
suma de un vector constante no nulo, p, y una parte parametrica expresada por el termino
tv .
Tomando x3 = 0 (o t = 0) observamos que p es una soluci
on particular del SL Ax = b.
II: Realizando las mismas operaciones
obtenemos:
3
5 4 | 0
3
3 2
4 | 0 ... 0
6
1 8 | 0
0
elementales por filas que en el apartado anterior

0
1
0
4
0
0
|0
| 0
|0
3x1
4x3 = 0
x2
=0
0 + 0 + 0 = 0
x1 = 4/3 x3 , x2 = 0 y x3 par
ametro libre. En notaci
on vectorial, la soluci
on general de
4
4
Ax = 0 tiene la forma:
x1
3 x3
3
3
x = x2 = 0 = x3 0 = x3v con v = 0
x3
1
1
x3
La soluci
on general del sistema homogeneo Ax = 0, con la misma matriz de coeficientes A,
que el SL I es x = tv (t IR), con el mismo vector v . Puesto que A es la misma matriz,
ya sabamos a priori que la dependencia parametrica iba a ser igual a la del apartado I.
La ecuaci
on x = x3v o x = tv (con t IR), es la ecuaci
on vectorial parametrica.
Geometricamente el conjunto de soluciones es una recta en IR 3 que pasa por 0 y que
contiene la direcci
on v . La soluci
on trivial se obtiene para x3 = 0
Hemos mostrado que la soluci
on del sistema compatible Ax = b se obtiene a
nadiendo al
vector p, que es una soluci

on particular de Ax = b, la soluci
on general del sistema Ax = 0.
En la figura siguiente se describen geometricamente los lugares ocupados por las soluciones
de los sistemas Ax = b y Ax = 0. No hay ninguna soluci
on com
un a ambos. La soluci
on
de Ax = b es igual a la recta soluci
on de Ax = 0, trasladada por el vector p, siendo p
cualquier soluci
on particular de Ax = b.
p + t v

r

p

r

r

t
v

*

v

r

0

Ax = b
Ax = 0
67
Ejemplo 2.14 Determina y describe geometricamente la soluci

on de los sistemas:
10x1 3x2 2x3 = a
[I]:
10x1 3x2 2x3 = 0
[II]:
[I] Es un sistema con una sola ecuaci

on y tres inc
ognitas. No hace falta utilizar la notaci
on
matricial. Tomando x1 como inc
ognita principal, y x2 , x3 como par
ametros libres
a + 3x2 + 2x3
x1 =
10
por tanto, x1 = a/10 + 0.3x2 + 0.2x3 ,
y x2 , x3 par
ametros libres.
La soluci
on general expresada como vector es:
x1
0.1a + 0.3x2 + 0.2x3
0.1a
0.3x2
0.2x3
x = x2 =
x2
=
0
+
x2
+
0 =
x3
x3
0
0
x3
0.2
0.3
0.1a
0 + x2 1 + x3 0
0
1
0
u
(con x2 y x3 par
ametros libres)
Cualquier soluci
on del sistema se puede escribir como la suma de (0.1a, 0, 0) a cualquier
combinaci
on lineal de los vectores u y v . Como u y v no son proporcionales el conjunto
de soluciones es un plano. El plano s
olo contiene el punto (0, 0, 0) si a = 0.
x = p + tu + sv
[Ib]
con p = (0.1a, 0, 0), u = (0.3, 1, 0) y v = (0.2, 0, 1).
La soluci
on del sistema [II] es:
y v = (0.2, 0, 1).
x = tu+sv [IIb], con los mismos vectores u = (0.3, 1, 0)
Cada una de las ecuaciones [I] y [II] es la ecuaci

on de un plano en forma implcita. Las
ecuaciones [Ib] y [IIb] son las ecuaciones de los mismos planos en forma vectorial parametrica.
Enlazando con la terminologa utilizada anteriormente, las soluciones de [I] y [II] son
respectivamente una variedad afn (para a = 0) y una variedad lineal.
2.10
Resoluci
on de SL con matriz de coeficientes inversible
2.10.1
Utilizando la inversa
Si A inversible estamos hablando de A cuadrada, es decir, de un sistema con igual n

umero
de ecuaciones que de incognitas.
Sea el sistema An xn1 = bn1 , con A inversible, entonces
A1 Ax = A1b,
por tanto
x = A1b
Tenemos una u
nica solucion, que vendra dada por la expresion anterior. Por tanto el SL
Ax = b es compatible determinado para cualquier b.
68
Se cumple el siguiente resultado general:

Teorema 2.3 Sea An una matriz cuadrada de orden n, entonces A tiene inversa Ax =
b es compatible determinado.
Demostraci
on:
An inversible An x = b es comp. determ. (visto arriba)
An x = b comp. determ. rg An = n (visto en apartado 2.8) An tiene inversa (Captulo
1)
2.10.2
M
etodo de Cramer
Consideremos el mismo sistema Ax = b, con A inversible de orden n, y siendo por tanto

el SL compatible determinado.
Dados A y b denotamos
Ai = [ a1 . . . b . . . an ]
Col. i
Ai es la matriz que tiene en la columna i el vector b y las demas columnas como en A.
a11
a21
A = ..
.
a12
a22
..
.
...
...
a1i
a2i
..
.
...
...
a1n
a2n
..
.
an1
an2
...
ani
...
ann
a11
a21
Ai (b) = ..
.
a12
a22
..
.
...
...
an1
an2
...
b1
b2
..
.
...
...
bn . . .
Col. i
La solucion u
nica x del sistema Ax = b puede obtenerse como:
xi =
Demostracion:
Ax = b
A1 Ax = A1b
|Ai |
|A|
x =
adj(At )
b
|A|
Desarrollandolo tenemos:
x1
x2
..
.
A11
A12
...
= 1
x
A
|A|
i
1i
.
...
..
A1n
xn
xi =
xi =
1
|A|
A21
A22
...
A2i
...
A2n
b1
. . . An1
b2
. . . An2
..
... ...
.

. . . Ani
bi
. . . . . . ...
. . . Ann
b
n
1
(A1i b1 + A2i b2 + . . . + Ani bn )
|A|
desarrollo del determinante de Ai por adjuntos de la columna i.

xi =
|Ai |
|A|
a1n
a2n
..
.
ann
69
Ejemplo 2.15 Resolver el siguiente sistema por el metodo de Cramer.
x1 2x2 + x3 = 0
2x2 8x3 = 8
4x + 5x + 9x = 9
1
2
3

1

|A| = 0
4

1

|Ax2 | = 0
4
x1 =
2
2
5
0
8
9
1
8 = 2
9

1
8 = 32
9
|Ax1 |
58
=
= 29
|A|
2

0

|Ax1 | = 8
9
2
2
5

1

|Ax3 | = 0
4
x2 =
1
8 = 58
9
2
2
5
|Ax2 |
32
=
= 16
|A|
2
0
8 = 6
9
x3 =
|Ax3 |
6
= =3
|A|
2
2.11
70
Ejercicios
Ejercicio 2.1 Discutir y resolver si es posible los siguientes sistemas:
x + 2y 3z + t = 2
2x y z t = 1
x y + z = 2
3x + 2y 2z = 1
a)
b)
x + y + 2z t = 0
x + 3y z = 2
3x + 2y 4z 3t = 1
x + 2y 3z 16t =
4
y + 2z 3t = 6
c)
x y + z + 9t = 2
x y
d)
+ 2z t = 0
2x + 3y 4z + 2t = 0
3x + z t = 0
Ejercicio 2.2 Discutir y resolver, si es posible, el siguiente sistema, seg

un los distintos
valores del par
ametro a:
x + y + z + t = 1
ax
+ y + z + t = 2
x ay + z + t = 3
x + y az + t = 4
x + y + z at = 5
un los valores de m, el siguiente sistema.
Ejercicio 2.3 Discutir y resolver, seg
6x + 18y 2mz = 0
7x 2y 4z = 0
4x + 10y 6z = 0
Ejercicio 2.4 Discutir y resolver si es posible, el siguiente sistema, seg
un los valores de
k.
(k + 5)x + (2k 1)y z = 0

x + (k 2)y z = 0
3x +
2y + z = 0
Ejercicio 2.5 Calcular los valores de m y k para que el sistema sea compatible e indeterminado.
3x + y + kz = 0
x y z = 0
mx + y + z = 0
x + my z = 0
Ejercicio 2.6 Calcular a para que sea compatible el siguiente sistema y resolverlo.
x + y = a
x y = 5
2x y = 8
3x + 4y = 1
Ejercicio 2.7 Calcular a para que el siguiente sistema admita soluci
on distinta de la
trivial y resolverlo.
(1 + a)x + y + z = 0
x + y + z = 0
2x y az = 0
Ejercicio 2.8 Resolver por el metodo de eliminaci

on gaussiana el siguiente sistema:
2x 3.5y + z = 22.35
5x + 3y + 3.3z = 9.08
12x + 7.8y + 4.6z = 21.38
71
Ejercicio 2.9 Resolver por el metodo de eliminaci

on gaussiana los siguientes sistemas.
N
otese como los tres sistemas tienen la misma matriz de coeficientes A.
x + y + z + t = 7
x + y + z + t = 0
x + y
x + y
+ 2t = 0
+ 2t = 8
a)
b)
2x + 2y + 3z
= 0
2x + 2y + 3z
= 10
x y 2z + 2t = 0
x y 2z + 2t = 0
x + y + z + t = 7
x + y
+ 2t = 5
c)
2x
+
2y
+
3z
= 10
x y 2z + 2t = 0
Ejercicio 2.10 Determinar a y b para que el vector (1, 0, a, b) pueda expresarse como
combinaci
on lineal de (1, 4, 5, 2) y (1, 2, 3, 1).
Ejercicio 2.11 Determina si las siguientes rectas tienen un punto de intersecci
on com
un:
2x1 + 3x2 = 1, 6x1 + 5x2 = 0 y 2x1 5x2 = 7. En caso afirmativo obten las coordenadas
de dicho punto.
Ejercicio 2.12 Determina si las siguientes rectas tienen un punto de intersecci
on com
un:
x1 4x2 = 1, 2x1 x2 = 3 y x1 3x2 = 4. En caso afirmativo obten las coordenadas
de dicho punto.
Ejercicio 2.13 En R3 se consideran los planos 1 : 2x 2y + az = 0 y 2 : 3x + 3y +
3z = 0, donde a es un par
ametro. Determina el lugar geometrico de la intersecci
on de los
mismos en funci
on del par
ametro a.
Ejercicio 2.14 Se desea construir modularmente un edificio. El reparto de viviendas en
cada planta se escoger
a de uno de los tres planes posibles. Cada planta del Plan A tiene
3 viviendas de 3 habitaciones, 7 de dos habitaciones y 8 de una habitaci
on. Cada planta
del Plan B tiene 4 viviendas de 3 habitaciones, 4 de 2 habitaciones y 8 de una habitaci
on.
Cada planta del Plan C tiene 5 viviendas de 3 habitaciones, 3 de 2 habitaciones y 9 de
una habitaci
on.

3
a) Que interpretaci
on daras al vector x = 7 ?
8
b) Escribe una combinaci
on lineal de vectores que exprese el total de viviendas de 3, 2 y 1
habitaciones del edificio.
c) Es posible dise
nar un edificio con exactamente 66 viviendas de 3 habitaciones, 74 de
dos habitaciones y 136 de una habitaci
on?. En caso afirmativo, hay m
as de una forma?.
Explica la respuesta.
Ejercicio 2.15 Resuelve
4x1 9x2 + 2x3

2x 4x2 + 6x3
1
x1 x2 + 3x3
Ejercicio 2.16
con la siguiente
2
A = 4
6
por
=
=
=
el metodo de Gauss-Jordan y por el metodo de Cramer.

5
3
4
Encuentra una relaci

on entre b1 , b2 y b3 que haga compatible el sistema
matriz ampliada:
5 3 | b1
7 4 | b2
3
1 | b3
Ejercicio 2.17 Sup

on que la matriz de coeficientes de un SL es de orden 3 5 y tiene 3
columnas pivotales. Explica por que el sistema es compatible.
72
Ejercicio 2.18 Contin

ua la frase: Si un sistema lineal es compatible, entonces la soluci
on
es u
nica si y s
olo si .....................................
Ejercicio 2.19 Sup
on un conjunto de datos experimentales que puedan representarse
como puntos en un plano. Un polinomio interpolador de los datos es un polinomio
cuyo gr
afico pasa por todos los puntos. En trabajos cientficos un polinomio de este tipo
puede usarse, por ejemplo, para estimar valores entre puntos conocidos. Otro uso es para
crear curvas para gr
aficos de ordenador. Un metodo para encontrar un polinomio interpolador es resolver un sistema lineal.
Encuentra el polinomio interpolador p(t) = a0 + a1 t + a2 t2 para los datos (1,12), (2,15),
(3,16). Es decir, encuentra a0 , a1 , a2 , tales que:
a0 + a1 1 + a2 12 = 12
a0 + a1 2 + a2 22 = 15
a0 + a1 3 + a2 32 = 16
Demuestra que la matriz
1
A = 1
1
x1
x2
x3
x1 2
x2 2 , con x1 = x2 = x3 tiene rango 3.
x3 2
1 3
Ejercicio 2.20 Dada la matriz A = 2 6 , encuentra a simple vista una soluci

on de
3 9
Ax = 0 que no sea la soluci
on 0. (Pista: Que una combinaci
on lineal de las dos columnas
produzca el vector nulo).
Ejercicio 2.21 Determina la corriente en las mallas de la red de la Figura, sabiendo que
el sistema lineal correspondiente es:
11I1 3I2 = 30
3I1 + 6I2 I3 = 5
I2 + 3I3 = 25
30 V

>
>4
>
>
I1
6

>
>4
>
>
>
>1
>
>
I2
6

5V
>
>1
>
>
>
>1
>
>
I3
6

20 V
>
>1
>
>
73
Ejercicio
2.22 Estudiar el tipo de soluci
on en funci
on del par
ametro a
x1 + x2 x3 = 1
x1 + a x2 + 3x3 = 2
2 x1 + 3 x2 + a x3 = 3
Ejercicio
2.23 Estudiar el tipo de soluci
on en funci
on del par
ametro
x 1 + x2 + x3 = 2
x1 + x2 + x 3 =
x1 + x2 + 2 x3 = 2
Ejercicio 2.24 Clasifica los sistemas lineales con las matrices ampliadas siguientes como
compatible determinado, compatible indeterminado o incompatible, en funci
on de los par
ametros
a y b. Cuando un caso no se pueda dar escribe nunca. Cuando un caso se de siempre,
independientemente del valor de a y b escribe siempre. Para los casos en los que obtengas
varios valores de par
ametros, u
nelos explcitamente utilizando la conjugaci
on pertinente
y u o (las comas no valen).
[
1
0
1
0
0
1
0
0
[
2
0
3 |
2b |
4
1
0
4
0
4
0
1
0
0
1
0
0
1
3
1
a
3
b
0
Compatible determinado........................
6 |
a |
b1 |
2
2
b1
3 |
4 |
a 2|
2
a1
0
2
0
5
b1
|
|
5
b
|
|
5
b
|
|
|
1
2
3
Compatible indeterminado.....................
Incompatible...........................................
Incompatible...........................................
Incompatible...........................................
Incompatible...........................................
4
2
a
Incompatible...........................................
Incompatible...........................................
Ejercicio 2.25 Resolver el siguiente sistema.
4x1 x2
= 1
x + 4x x
= 1
1
2
3
x2 + 4x3 x4 = 1
x3 + 4x4 = 1
74
Ejercicio 2.26 Un problema importante en el estudio de la transferencia de calor es el

de determinar la distribuci
on de temperatura en estado estacionario de una placa delgada
cuando se conoce la temperatura en el borde. Sup
ongase que la placa de la figura representa una secci
on transversal de una barra met
alica, con flujo de calor despreciable en
la direcci
on perpendicular a la placa. Denotemos T1 , T2 , . . . , T6 las temperaturas de los 6
nodos interiores de la red de la figura. La temperatura en un nodo es aproximadamente
igual a la media de la temperatura de los 4 nodos m
as cercanos, a la izda, encima, a la
derecha y por debajo. Por ejemplo:
(10 + 20 + T2 + T4 )
o 4T1 T2 T4 = 30
4
a) Escribe el sistema cuya soluci
on nos permite conocer las temperaturas.
b) Resuelve el sistema por eliminaci
on gaussiana.
T1 =
20 20 20
10
40
10
40
20 20 20
2.12
75
Soluciones
1
a) (x, y, z, t) = (2, 1, 1, 1)
b) (x, y, z) = (1, 2, 3)
c)
x + 2y 3z 16t =
4
y + 2z 3t = 6
x y + z + 9t = 2
1
2 3
0
1
2
1 1
1
1
0
0
2
1
0
16
3
9
3
2
4
| 4
| 6
|2
1
0
0
16 | 4
3 | 6
4 |4
2
1
1
1
0
0
x + 2y 3z 16t =
3
2
2
16 | 4
3 | 6
7 | 2
3
2
1
2
1
0
16
3
1
| 4
| 6
| 1
4
y + 2z 3t = 6
z + t = 1
z =1t
y = 6 + 3t 2z = 6 + 3t 2(1 t) = 4 + 5t
x = 4 + 16t + 3z 2y = 4 + 16t + 3(1 t) 2(4 + 5t) =
4 + 16t + 3 3t 8 10t = 1 + 3t

x = 1 + 3t
x
1
3
y 4
5
=
z 1 + t 1
t
0
1
y = 4 + 5t
z = 1t
t=t
t IR
La solucion tambien se puede expresar as :

{ (1 + 3t , 4 + 5t , 1 t , t) / t IR }
Sistema compatible e indeterminado.
Rango A = Rango A* = 3 < 4 = n
umero de incognitas
Realizar la comprobacion sustituyendo la solucion en el sistema inicial.
d)
x y + 2z t =
2x + 3y
3x + z
1
2
3
0
4z + 2t = 0
t =0
1
2 1 | 0
3 4
2 | 0
0
1 1 | 0
1 1
2 1
0
5 8
4
0
3 5
2
|
|
|
0
0
0
1 1
2 1
0
5 8
4
3
0
1 1
1
0
0
1
15
15
|
|
|
0
0
0
2
1
24 12
25
10
|
|
|
0
0
0
1 1
0 15
0
0
2
24
1
1 | 0
12 | 0
2 | 0
1 1
0
5
0
0
76
2
8
1
1
4
2
|0
| 0
|0
x y + 2z t = 0
5y 8z + 4t = 0
z 2t = 0
z = 2t
4t + 8z
4t 16t
20t
y=
=
=
= 4t
5
5
5
x = t 2z + y = t + 4t 4t = t
x
1
4
y
= t
z
2 t IR
t
1
La solucion tambien se puede expresar as : { (t , 4t , 2t , t) / t IR }

Sistema compatible e indeterminado.
Rango A = Rango A* = 3 < 4 = n
umero de incognitas
Realizar la comprobacion sustituyendo la solucion en el sistema inicial.
2 a = 11 compatible determinado, solucion: (1/10, 1/5, 3/10, 2/5); a = 11 incompatible
3 m = 5 compatible indeterminado, m = 5 compatible determinado.
4 k = 2 comp. indeterminado; k = 2 comp. indeterminado; k = 2 y k = 2 comp.
determinado. Para k = 2 la solucion es x = (1, 2, 1), con IR. Para k = 2 la
solucion es x = (1, 2, 7), con IR.
5 Comp. indeterminado m = 1.
6 El sistema es compatible a = 1. La solucion es (3, 2).
7 a = 1 comp. indeterminado; a = 0 comp. indeterminado; a = 0 y a = 1 comp.
determinado. Falta resolver.
8 (x, y, z) = (2.5, 3.7, 4.4)
9
a) Compatible indeterminado. La solucion es x = (1, 1, 0, 0) / IR.
b) Compatible indeterminado. La solucion es x = (2, 0, 2, 3) + (1, 1, 0, 0) / IR.
c) Incompatible.
10 a = 11, b = 4
11 No existe ning
un punto com
un
12 El punto com
un es (13/7, 5/7)
14 En el apartado c hay dos soluciones que son (2, 15, 0) y (6, 2, 8), siendo las tres componentes de los vectores los n
umeros de pisos de los planes A, B y C, respectivamente.
77
15 (x1 , x2 , x3 ) = (6.95, 2.5, 0.15)

5b1 4b2 b3 = 0
16
17
A=
P ivote1
0
0
P ivote2
0
P ivote3

35
Si A tiene 3 pivotes, hay un elemento pivote en la tercera la, y por tanto no hay ninguna
la del tipo [ 0 0 0 0 0 b ] con b = 0 en A .
18 Si un sistema lineal es compatible, entonces la solucion es u
nica si y solo si el rango
de la matriz de coecientes es igual al n
umero de incognitas.
a0 + a1 1 + a2 1 = 12
19
a0 + a1 2 + a2 4 = 15
a0 + a1 3 + a2 9 = 16
La solucion del sistema es (a0 , a1 , a2 ) = (7, 6, 1). El polinomio interpolador es p(t) =

7 + 6t t2
A= 1
1
1 x1
0 1
0 0
20
(3, 1)

x1
x2
x3
1
x1
x1 2
2
0 x2 x1
x2
0 x3 x1
x3 2
x1 2
1 x1
x2 + x1 0 1
x3 x2
0 0

x1 2
x2 + x1
1
1
3
0
3 2 + 1 6 = 0
3
9
0
21
11I1 3I2
= 30
3I1 + 6I2 I3 = 5
I2 + 3I3 = 25
(I1 , I2 , I3 ) = (3, 1, 8) Amperios

26
a) Escribir el sistema de ecuaciones
T4 = T1 ;
T5 = T2 ;
T1 =
20 + 10 + T2 + T4
4
T2 =
20 + T1 + T3 + T5
4
T3 =
20 + 40 + T2 + T6
4
T6 = T3
1 x1
x1 2
2
2
0 1
x2 x1
0 1
x3 2 x1 2
x1 2
x2 + x1
x3 + x1
3T1 T2
= 30
T1 + 3T2 T3 = 20
T2 + 3T3 = 60
b) Eliminacion gaussiana
T1 = 17.1429
T2 = 21.4286
T3 = 27.1429
T1 =
20 + 10 + T2 + T1
4
T2 =
20 + T1 + T3 + T2
4
T3 =
20 + 40 + T2 + T3
4
78

Capitulo 2 Algebra Lineal Ejercicios

Cargado por

Información del documento

Título original

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

Capitulo 2 Algebra Lineal Ejercicios

Cargado por

Copyright:

Formatos disponibles

Captulo 2

Sistemas de ecuaciones lineales

a11 x1 + a12 x2 + . . . + a1n xn = b1

am1 x1 + am2 x2 + . . . + amn xn = bm

incognitas del sistema. Un vector a su vez se considera en Algebra

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

Decimos que un SL es homog

a11 x1 + a12 x2 + . . . + a1n xn = 0

am1 x1 + am2 x2 + . . . + amn xn = 0

Un sistema homogeneo siempre tiene al menos la solucion x = 0, que se conoce como

Indeterminado: x = p + 1v1 + ... + lvl , siendo i IK los denominados par

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

Matrices correspondientes a los elementos de un SL

Otra notacion: A = [ a1 a2 ... an ]

Matriz ampliada del SL:

Consideremos el sistema de m ecuaciones lineales con n incognitas x1 , x2 , . . . xn , de la

a11 x1 + a12 x2 + . . . + a1n xn = b1

am1 x1 + am2 x2 + . . . + amn xn = bm

Consideremos la igualdad de la seccion anterior:

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

descomponiendo el vector de la izquierda en n sumandos, y sacando factor com

, que es la ecuacion vectorial correspondiente, y que podemos expresar, de forma mas

Ejemplo 2.4 El sistema

se puede expresar de la forma:

(ec. vectorial o comb. lineal)

b aparece expresado como combinaci

(ec. matricial o prod. matriz-vector)

Sea A una matriz m n, con columnas a1 , a2 , . . . , an , y sea x un vector de n entradas,

Ax = [ a1 a2 . . . an ] .. = x1a1 + x2a2 + . . . + xnan

Aplicando las reglas del producto de matrices lo habramos calculado as :

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

Propiedades del producto matriz-vector

1. A(u + v ) = [ a1 a2 a3 ] u2 + v2 = (u1 + v1 )a1 + (u2 + v2 )a2 + (u3 + v3 )a3 =

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

Ejemplo 2.7 Consideremos el sistema

Son ejemplos de sistemas equivalentes al anterior:

Consideremos el SL con n incognitas:

a11 x1 + a12 x2 + . . . + a1n xn = b1

am1 x1 + am2 x2 + . . . + amn xn = bm

a11 a12 . . . a1n b1

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

A partir de la nueva matriz ampliada equivalente por las obtenemos el SL sencillo:

con el que voy despejando, de la u

Sist. incompat. rgA = rgA + 1

Es decir, una ecuacion de la forma

(recordamos que n=n

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

Algunas propiedades para un SL con matriz de coecientes Amn

Ejemplo 2.9 Resolver el sistema siguiente:

2x1 3x2 + 2x3 = 8

Esta matriz representa el sistema

3x2 6x3 + 6x4 + 4x5 = 5

I : 3x1 7x2 + 8x3 5x4 + 8x5 = 9

3x1 9x2 + 12x3 9x4 + 6x5 = 15

3x2 6x3 + 6x4 + 4x5 = 0

II : 3x1 7x2 + 8x3 5x4 + 8x5 = 0

3x1 9x2 + 12x3 9x4 + 6x5 = 0

El nuevo sistema es:

El SL II se dice que es el correspondiente homogeneo del SL I

CAPITULO 2. SISTEMAS DE ECUACIONES LINEALES

3x1 7x2 + 8x3 5x4 + 8x5 = 9

3x2 6x3 + 6x4 + 4x5 = 5

3x2 6x3 + 6x4 + 4x5 = 5 x2 =