Está en la página 1de 28

Sistemas de ecuaciones lineales

Versin Agosto de 2010


Pontificia Universidad Catlica de Chile

ndice
1. Conceptos bsicos
1.1. Sistemas equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3. Notacin matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
3
4
6

2. Eliminacin de Gauss
2.1. Algoritmo de eliminacin de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8
9

3. Solucin general de un sistema lineal


3.1. Aplicaciones de los sistemas de ecuaciones . . . . .
3.1.1. Sistemas simultneos . . . . . . . . . . . . .
3.1.2. Combinaciones lineales y el producto Ax . .
3.1.3. Sistemas homogneos e independencia lineal

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

10
13
13
14
18

1. Conceptos bsicos
Definicin: Una ecuacin lineal con n incgnitas es una expresin de la forma
a1 x1 + a2 x2 + + an xn = b,
donde a1 , a2 , . . . , an son constantes reales que se conocen con coeficientes de la ecuacin y x1 , x2 , . . . , xn son las
variables o incgnitas de la ecuacin. La constante b se conoce como coeficiente libre o resultado de la ecuacin.
Nota: Recordemos que un hiperplano en Rn es el conjunto de todos los vectores de Rn perpendiculares a un vector

fijo (conocido como el vector normal al hiperplano), es decir, dado un vector


n = (a1 , a2 , . . . , an ), podemos definir el

hiperplano con normal n por

H = {
x Rn :
n (
x
p ) = 0}

donde
p es el vector de posicin de un punto P contenido en el hiperplano. Usando componentes:
x = (x1 , x2 , . . . , xn )

y p = (p , p , . . . , p ), tendremos que
1

H = {
x Rn : a1 x1 + a2 x2 + + an xn = b},

p . De esta manera, toda ecuacin lineal con n incgnitas representa un


con b = a1 p1 + a2 p2 + + an pn =
n
hiperplano en Rn .
Definicin: Un sistema de ecuaciones lineales con m ecuaciones y n incgnitas tiene la forma:

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2


..

am1 x1 + am2 x2 + + amn xn = bm


donde ai j , bi R para 1 i m y 1 j n.

Resolver el sistema de ecuaciones antes planteado consiste en determinar n nmeros reales x1 , x2 , . . . , xn que
satisfagan simultneamente las m ecuaciones del sistema. Cada n-tupla que satisface todas las ecuaciones del sistema
ser una solucin del sistema. A lo largo de este captulo desarrollaremos mtodos sistemticos para determinar el
conjunto de todas las soluciones de un sistema de ecuaciones lineales cualquiera.
Notemos, adems, que geomtricamente hablando, resolver el sistema de ecuaciones equivale a determinar la
interseccin de los hiperplanos determinados por cada una de las ecuaciones.
Ejemplos:
Los ejemplos ms familiares de sistemas de ecuaciones se desarrollan en R2 y en R3 . En estos casos podemos
visualizar las soluciones, al ser intersecciones de rectas (hiperplanos en R2 ) y de planos (hiperplanos en R3 ).
4

1. Consideremos el sistema de 3 ecuaciones y 2 incgnitas:

5x + 2y = 1
7x + 4y =
1

3x + y =
5
que puede resolverse geomtricamente, graficando
las 3 rectas en R2 (Ver figura).

3
2
1
0
-1
-2
-2

-1

Segn el grfico, existe una nica solucin del sistema que corresponde al punto de interseccin de las tres
rectas: (1, 2). Resolviendo analticamente el sistema, deberamos obtener la misma solucin. De hecho, al
despejar de la tercera ecuacin la incgnita y, tendremos que y = 3x + 5 y, al reemplazar esta expresin en la
primera ecuacin, obtendremos
5x + 2y = 1 = 5x + 2(3x + 5) = 1 = 11x = 11 = x = 1
Y, por tanto, y = 3x + 5 = 3 (1) + 5 = 3 + 5 = 2. As, los valores x = 1 e y = 2, satisfacen tanto la primera
ecuacin como la tercera ecuacin, pues de ellas hemos obtenidos estos nmeros. Para comprobar que se trata
de una solucin del sistema completo, debemos reemplazar los valores en la segunda ecuacin:
7x + 4y = 7 (1) + 4 2 = 7 + 8 = 1 = (1, 2) satisface la segunda ecuacin.
As, hemos comprobado analticamente que (x, y) = (1, 2) es solucin del sistema. Por el procedimiento
seguido, es claro que estos valores son la nica solucin posible.
2. Consideremos ahora el sistema

5x + 2y

7x + 4y
3x
+y

4x 2y

= 1
=
1
=
5
=
5

que coincide en sus primeras tres ecuaciones con el sistema del ejemplo anterior. Luego, como sabemos que las
primeras tres rectas slo se intersectan en el punto (1, 2), la nica posibilidad para que el nuevo sistema tenga
solucin es que la cuarta recta tambin pase por este punto, es decir, la cuarta ecuacin debe ser satisfecha por
los valores x = 1 e y = 2:
4x 2y = 4 (1) 2 2 = 4 4 = 8 6= 5
Por tanto, este nuevo sistema no tiene ninguna solucin.
3. Por ltimo, consideremos sistemas en R3 (buscamos, entonces, intersecciones de planos). Primero, tomemos el
sistema de tres ecuaciones y tres incgnitas

5x + 2y + z = 1
3x + 4y 2z =
1

8x + 6y z =
2

Segn cun hbiles seamos dibujando, podramos intentar resolver el sistema geomtricamente (Cules son
las posibilidades para las posiciones relativas de los planos?).
Pero ya con tres variables comienza a vislumbrarse la dificultad de resolver geomtricamente sistemas de ecuaciones lineales y la inminente necesidad de desarrollar mtodos analticos. En este caso, intentaremos reducir
el problema eliminando una de las incgnitas. Para esto, despejamos de la tercera ecuacin la variable z:
z = 8x + 6y 2
y al reemplazar esta expresin para z en las primeras dos ecuaciones, obtendremos un sistema de dos ecuaciones
y dos incgnitas:


5x + 2y + (8x + 6y 2) = 1
13x + 8y =
1
=
3x + 4y 2(8x + 6y 2) =
1
13x 8y = 3
y, ahora es claro que este sistema no tiene solucin (pues, sumando ambas ecuaciones obtendremos que 0 = 2,
una contradiccin), por lo que el sistema original tampoco tendr soluciones. En lenguaje geomtrico, tenemos
que los tres planos del sistema no se intersectan en ningn punto los tres al mismo tiempo.
La siguiente figura presenta las posiciones relativas que deben tener estos planos en R3 : considerndolos a
pares, se intersectan en una recta, pero no existen puntos que pertenezcan a los tres planos al mismo tiempo.
2

Si ahora consideramos nicamente las primeras dos ecuaciones del sistema anterior:

5x + 2y + z = 1
3x + 4y 2z =
1
podemos concluir geomtricamente que este sistema tiene solucin y, de hecho, tiene infinitas soluciones (una

recta de soluciones), pues los vectores normales a estos planos son


n1 = (5, 2, 1) y
n2 = (3, 4, 2) respecti

vamente. Y, claramente, los vectores n1 y n2 no son paralelos. Por tanto, los planos no son paralelos y deben
intersectarse en una recta. Para obtener la ecuacin vectorial de esta recta interseccin, notamos que su vector

n1 y a
n2 , luego, podemos decir que
direccin d es ortogonal a

d = (8, 13, 14).


Y para determinar un punto de posicin de la recta, buscamos algn punto (x, y, z) que satisfaga las dos ecuaciones del sistema. Por ejemplo:

1
3
2y + z = 1
= y = , z = .
Si asumimos que x = 0, entonces
4y 2z = 1
8
4
Luego, la recta interseccin tiene ecuacin:


1 3

+ (8, 13, 14)


x = 0, ,
8 4

1.1. Sistemas equivalentes


Con los anteriores ejemplos podemos comenzar a comprender las dificultades que implica resolver sistemas de
ecuaciones lineales sin establecer una estrategia sistemtica para enfrentar el problema. Cuando trabajamos con sistemas de dos o tres variables y de tres o cuatro ecuaciones, el problema es an manejable, pero cmo manejaremos
la situacin si nuestro sistema de ecuaciones tiene 100 variables y 80 ecuaciones o si el sistema tiene 10.000 variables
y 10.000 ecuaciones?
En esta seccin, comenzaremos a desarrollar la teora necesaria para resolver sistemas de ecuaciones lineales, sin
importar cuntas variables ni cuntas ecuaciones tengan.
Definicin: Dos sistemas de ecuaciones se dicen sistemas equivalentes si los conjuntos de soluciones de cada sistema
coinciden.
3

Ejemplo: Los sistemas de ecuaciones

x+y+z = 4

2x + y z = 7

4x 5y 12z = 18

4x + 4y z = 11
x 8y = 11

x+y+z = 4

4
x+y+z =
y + z = 1

z =
1

son equivalentes, pues al resolver cada uno de ellos se llega a que x = 5, y = 2 y z = 1 conforman la nica solucin
de cada uno de los sistemas. Al resolver cada uno de los sistemas, notamos rpidamente que los dos primeros sistemas
requieren mucho ms trabajo que el tercero.
Tambin podemos decir que cada uno de los sistemas anteriores es equivalente al simplsimo sistema:

5
x =
y = 2

z =
1

Al considerar este ejemplo, podemos establecer las lneas generales de nuestro mtodo para resolver sistemas de
ecuaciones lineales: para resolver un sistema buscaremos una cadena de sistemas equivalentes al original, cada uno
ms simple de resolver que el anterior.
Para encontrar estos sistemas equivalentes ms simples, utilizaremos esencialmente tres tipos de pasos que
combinarn las ecuaciones originales en nuevas ecuaciones. Para que el sistema formado por estas nuevas ecuaciones
sea equivalente al original, debemos asegurarnos de que estos pasos sean reversibles.

1.2. Operaciones elementales


Los pasos bsicos que nos permitirn obtener cadenas de sistemas equivalentes se conocen como operaciones
elementales con ecuaciones. Como ya dijimos, existen tres tipos de operaciones elementales:
1. Operaciones de permutacin: consisten en el intercambio en el orden en que se escriben dos ecuaciones.
Claramente, el sistema resultante es idntico al original, salvo que dos de sus ecuaciones estn escritas en un
nuevo orden. Para indicar que estamos realizando una operacin de permutacin, intercambiando la ecuacin
i-sima con la ecuacin j-sima, usaremos la notacin:
Ei E j
2. Operaciones de escalamiento: consisten en la multiplicacin de una ecuacin por una constante c. Por ejemplo,
cuando multiplicamos una ecuacin por 2, estamos realizando una operacin de escalamiento. Para asegurarnos
de que esta operacin sea reversible, debemos asegurarnos de que c 6= 0 (pues para deshacer esta operacin
deberemos dividir la ecuacin por la misma constante). Para indicar que estamos realizando una operacin de
escalamiento, multiplicando la ecuacin i-sima por c 6= 0, usaremos la notacin:
c Ei Ei

(c 6= 0)

3. Operaciones de eliminacin: consisten en la combinacin de dos ecuaciones, especficamente, se realiza


sumando el mltiplo de una ecuacin a otra. Por ejemplo, si a la ecuacin 2 le restamos la ecuacin 3 multiplicada por 5, estaremos realizando una operacin de eliminacin. En general, nuestra intencin al combinar
las dos ecuaciones ser obtener una nueva ecuacin en la que una variable ya no aparezca (eliminamos esta
variable de la ecuacin). La notacin que indicar la realizacin de una operacin de eliminacin ser:
Ei + c E j Ei
Aqu le estamos sumando c veces la ecuacin j-sima a la ecuacin i-sima, obteniendo una nueva ecuacin
i-sima.
4

Veamos cmo usar estas operaciones elementales para resolver un sistema de ecuaciones.
Ejemplos:
1. Para resolver el sistema

x
+

x + y +
x + y +

x + y +

3z
8z
9z
9z

+
+
+
+

4t
6t
8t
9t

=
=
=
=

2
3
3
2

construiremos una cadena de sistemas equivalentes realizando distintas operaciones elementales:

x
+
3z
+
4t
=
2
+
3z + 4t =

E
2
1
2
x + y + 8z + 6t = 3
y + 5z + 2t =
E3 E1 E3
x
+
y
+
9z
+
8t
=
3
y
+ 6z + 4t =

E4 E1 E4

x + y + 9z + 9t = 2
y + 6z + 5t =

+
3z + 4t =
x

y
+
5z
+ 2t =
E3 E2 E3
E4 E2 E4
z + 2t =

z + 3t =

x
+
3z + 4t =

y + 5z + 2t =
E4 E3 E4
z + 2t =

t =

2
1
1
0
2
1
0
1
2
1
0
1

A travs de estas operaciones hemos logrado obtener un sistema de ecuaciones equivalente (con las mismas
soluciones) al sistema original, pero mucho ms fcil de resolver, pues partiendo por la ltima ecuacin obtenemos directamente que:
t = 1 = 0 = z + 2t = z 2 = z = 2
= 1 = y + 5z + 2t = y + 10 2 = y + 8 = y = 7
= 2 = x + 3z + 4t = x + 6 4 = x + 2 = x = 0
Y la nica solucin del sistema es el punto (0, 7, 2, 1).
2. Ahora, resolvamos el sistema

usando operaciones elementales:

x + 2y z +

+
2x + 5y
4x + 8y 4z +

2x + 4y 2z +

3x + 7y z +

x +

2x
+

4x +

2x +

3x +
t
2t
5t
3t
3t

=
=
=
=
=

0
1
2
2
1

2y
5y
8y
4y
7y

z +
+
4z +
2z +
z +

t
2t
5t
3t
3t

E2 2E1 E2
E3 4E1 E3
E4 2E1 E4
E5 3E1 E5

=
=
=
=
=

0
1
2
2
1

x + 2y z + t =

y + 2z
=

t =

t =

y + 2z
=

0
1
2
2
1


x + 2y z + t


y + 2z

E4 E3 E4
t
E5 E2 E5

=
=
=
=
=

0
1
2
0
0

El ltimo sistema (que es el equivalente al sistema original) es bastante ms simple de resolver, pues por
la tercera ecuacin tenemos que t = 2, de la segunda ecuacin obtenemos y = 1 2z y reemplazando estas
expresiones en la primera ecuacin, tendremos:
0 = x + 2y z + t = x + 2(1 2z) z + 2 = x + 2 4z z + 2 = x 5z + 4 = x = 5z 4
Ahora, z no queda determinada por ninguna de las ecuaciones. Diremos que z es una variable libre, es decir,
puede tomar cualquier valor real y para cada valor que le demos a z obtendremos una solucin distinta de este
sistema. Este es un ejemplo de un sistema de ecuaciones lineales que tiene infinitas soluciones. Pero podemos
caracterizar ms especficamente cmo se distribuyen estas infinitas soluciones en R4 .
De hecho, un punto (x, y, z,t) ser solucin del sistema si y slo si
(x, y, z,t) = (5z 4, 1 2z, z, 2) = (4, 1, 0, 2) + z(5, 2, 1, 0)
Por tanto, geomtricamente tendremos que la interseccin de estos hiperplanos es una recta en R4 .

1.3. Notacin matricial


Para aumentar la eficiencia del proceso de resolucin de un sistema de ecuaciones lineales, comenzaremos a usar
una notacin abreviada, en la cual conservaremos los elementos esenciales del sistema.
Definicin: Una matriz A de m n es un conjunto ordenado de nmeros que se arreglan en m filas y n columnas:

a11 a12 a13 a1n


Fila 1
a21 a22 a23 a2n Fila 2

a31 a32 a33 a3n Fila 3


A=

..
..
..
.. ..
..
.
.
.
.
. .
am1 am2 am3 amn Fila m

Col 1

Col 2

Col 3

Col n

Asociaremos tres matrices a cada sistema. Por ejemplo, para el sistema

x
+ 3z + 4t = 2

x + y + 8z + 6t = 3
x + y + 9z + 8t = 3

x + y + 9z + 9t = 2

consideraremos:

La matriz de los coeficientes

1
1
A=
1
1

0
1
1
1

3
8
9
9

4
6

8
9

que contiene en cada fila los coeficientes de la ecuacin correspondiente. Las columnas, entonces, contienen
los coeficientes de cada una de las variables. El cero que est en la fila 1 y columna 2 de esta matriz est
representando el hecho de que en la primera ecuacin no aparece la variable y.
6

La columna de resultados


2
3

b=
3
2

que contiene los coeficientes libres o resultados de las ecuaciones.


La matriz ampliada del sistema

1
1

1
1

0
1
1
1

3
8
9
9

4
6
8
9

2
3

3
2

que contiene toda la informacin esencial del sistema (tanto los coeficientes como los resultados). Para facilitar
la lectura de esta matriz, generalmente vamos a separar la columna de resultados de la matriz de coeficientes en
la matriz ampliada y anotaremos:

1 0 3 4 2
1 1 8 6 3

(A|b) =
1 1 9 8 3
1 1 9 9 2

La idea es usar la notacin matricial cuando construimos la cadena de sistemas equivalentes para ahorrar escritura.
Las operaciones elementales que antes realizbamos con las ecuaciones, ahora se realizarn en las filas de la matriz
ampliada, por lo que tambin comenzaremos a usar una nueva notacin para estas operaciones elementales:
1. Operaciones de permutacin: Pasan de anotarse Ei E j (operacin entre ecuaciones) a anotarse Fi Fj
(operacin entre filas).
2. Operaciones de escalamiento: Pasan de anotarse c Ei Ei a anotarse cFi Fi o simplemente cFi (recordar
que c 6= 0).

3. Operaciones de eliminacin: Pasan de anotarse Ei + cE j Ei a anotarse Fi + cFj Fi o simplemente Fi + cFj .


Resolveremos el siguiente sistema (que ya fue resuelto en el ejemplo 2 de la seccin anterior) usando la notacin
matricial.
El primer paso es traspasar el sistema a su matriz ampliada

x + 2y z + t = 0
1 2 1 1 0

2 5

+ 2t = 1
0 2 1
2x + 5y

4x + 8y 4z + 5t = 2 =
4 8 4 5 2

2 4 2 3 2
2x
+
4y

2z
+
3t
=
2

3x + 7y z + 3t = 1
3 7 1 3 1
Ahora, realizaremos a la matriz ampliada las mismas operaciones que antes se aplicaron al sistema para resolverlo:

1 2 1 1 0
1 2 1 1 0
1 2 1 1 0
0 1
0 1
2 5
0 2 1
2 0 1
2 0 1
F2 2F1

4 8 4 5 2 F3 4F1 0 0

0
1
0
0
0
1
2
2

0 0

2 4 2 3 2 F4 2F1
F4 F3
0 1 2
0 0
0 0 0
F5 3F1
F5 F2
3 7 1 3 1
0 1
2 0 1
0 0
0 0 0
Volvemos a la notacin de sistemas desde la ltima matriz:

x + 2y z +

y + 2z

t =
=
t =
0 =
0 =

0
1
2
0
0

Y terminamos de resolver tal como antes:


t = 2 y y = 1 2z = x = 5z 4

2. Eliminacin de Gauss
Ahora que conocemos la notacin matricial, estamos en condiciones de describir mediante un algoritmo general el
mtodo que hemos estado usando para resolver sistemas de ecuaciones (determinando un sistema equivalente mucho
ms simple que el original a travs del uso de operaciones elementales). Este algoritmo puede ser aplicado a cualquier
matriz y no slo cuando consideramos la matriz ampliada de un sistema de ecuaciones lineales.
Vamos a definir dos tipos de matrices especiales.
Definicin: Una matriz est en forma escalonada si cumple las siguientes caractersticas:
1. Las filas de la matriz compuestas slo por ceros (filas nulas) estn abajo de todas las filas no nulas.
2. En cada fila no nula, avanzando de izquierda a derecha, hay un primer elemento distinto de cero que llamaremos pivote. El pivote de una fila est siempre en una columna ms a la derecha que los pivotes de las filas que
estn ms arriba.
3. En cada columna que contiene alguno de los pivotes se tiene que todos los elementos que estn bajo el pivote
son cero.

Ejemplo: La matriz

2
0

0
0

1 4 1 0
0 3 1 1
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0

est en forma escalonada. Los pivotes estn marcados en rojo.

0
5
12
5

0
0
0

1
0
0
0
0
0

8
9

0
0

Definicin: Una matriz est en forma escalonada reducida si cumple las siguientes caractersticas:
1. La matriz est en forma escalonada (cumple las condiciones 1,2 y 3).
2. Todos los pivotes de la matriz son iguales a 1.
3. En cada columna que contiene alguno de los pivotes, el nico elemento distinto de cero es el pivote.

Ejemplo: La matriz

1
0
0
0
0
0

8
0
0
0
0
0

0 1
1 0
1 0
1 1 1 0
2 0

0
0
0 1 5 0

0
0
0 0
0 1

0
0
0 0
0 0
0
0
0 0
0 0

est en forma escalonada reducida. Nuevamente los pivotes estn en rojo.

2.1. Algoritmo de eliminacin de Gauss


Este algoritmo llevar cualquier matriz a una matriz equivalente que est en forma escalonada.
Sea A una matriz de m filas por n columnas:

a11
a12
a13
a21
a22
a23

a31
a
a
32
33

A = ..
..
..
.
.
.

a(m1)1 a(m1)2 a(m1)3


am1
am2
am3

..
.

a1n
a2n
a3n
..
.

a(m1)n

amn

Paso 1 Asumiremos que la primera columna de A no es nula. Si lo fuera, todo el proceso se realiza con la primera
columna de A que no es nula.
Nos ubicamos en la primera columna de A y buscamos algn elemento de la columna distinto de cero.
Si este elemento no est en la primera posicin (en la fila 1 y en la columna 1), sino que est en la fila
i-sima, partimos realizando una operacin de permutacin, intercambiando la fila 1 con la fila i.
Considerando el punto anterior, podemos asumir que a11 es distinto de cero. Este elemento ser el pivote
de la fila 1 y se usar para eliminar elementos de la columna 1.
Paso 2 Transformamos todos los elementos bajo el pivote en cero, realizando operaciones de eliminacin del tipo
Fi

ai1
F1
a11

Paso 3 La matriz equivalente que se obtiene es

a11
a12
a13
0
0
0
a
a
22
23

0
0
0
a
a
32
33

..
..
..
.
.
.

0
0 a0
a
(m1)2
(m1)3
0
a0m2
a0m3

..
.

a1n
a02n
a03n
..
.

a0(m1)n

a0mn

Ahora nos concentramos en la submatriz

a012
a022
a032
..
.

a013
a023
a033
..
.

..
.

a01n
a02n
a03n
..
.

B=

0
a(m1)2 a0(m1)3 a0(m1)n
a0m2
a0m3

a0mn

y volvemos al Paso 1 para escalonar esta matriz.

Nota: Recuerde que no todas las columnas tendrn un pivote. Al terminar de escalonar se tendr SIEMPRE una
matriz en forma escalonada que es equivalente a la matriz original. Tambin nos referimos a este algoritmo como el
pivoteode la matriz A.
9

Ejemplo: Vamos a pivotear la siguiente matriz hasta llevarla a su forma escalonada FE(A) y a su forma escalonada
reducida FER(A).

A=

0 3 6 4
9
1 2 1 3
1

F F1
2 3 0
3 1 4
1
4
5 9 7

Intercambiamos filas para tener el pivote en la


primera fila (Elegimos el 1 de la Fila 4 como
pivote porque esto hace ms simples las operaciones de eliminacin que se hacen a continuacin).

1
4
5 9 7
1 2 1 3
1
F2 + F1

2 3 0
3 1 F3 + 2F1
0 3 6 4
9

1 4
5
9 7
0 2
4
6 6


0 5 10 15 15 F3 5 F2
2
0 3 6
4
9
F4 + 23 F2

1 4 5 9 7
0 2 4 6 6
F F3

0 0 0 0
0 4
0 0 0 5 0

1
0

0
0

4
2
0
0

1
0

0
0

1
0

0
0

1
0

0
0

Realizamos el Paso 2 para la primera columna


El pivote de la segunda fila est en la Columna
2. El pivote es igual a 2. Realizamos el Paso
2 para la segunda columna (primera columna
de la submatriz)
Intercambiamos las filas 3 y 4 para dejar la
fila nula al final
Hemos obtenido una matriz que est en forma
escalonada y es equivalente a A. La llamamos
FE(A).
Para encontrar la forma escalonada reducida
de A debemos transformar los pivotes en unos, haciendo operaciones de escalamiento.

5 9 7
1
4 6 6
2 F12

0 5 0
5 F3
0 0
0
4
1
0
0
4
1
0
0
0
1
0
0

5 9 7 F1 + 9F3
2 3 3
F2 + 3F3
0 1
0
0 0
0

5 0 7 F1 4F2
2 0 3

0 1 0
0 0 0

3 0 5
F1 4F2

2 0 3
0 1 0
0 0 0

Comenzamos a eliminar los elementos sobre los pivotes. Para resto, debemos comenzar
con el pivote que est ms a la derecha.

Ahora eliminamos los elementos sobre el siguiente pivote (hacia la izquierda).

Finalmente, hemos obtenido una matriz en


forma escalonada reducida que es equivalente
a A. La llamamos FER(A).

3. Solucin general de un sistema lineal


Definicin: Sea A una matriz y FE(A) una matriz que est en forma escalonada y que es equivalente a A. Se define el
rango gaussiano de A (o simplemente el rango de A) como el nmero de pivotes de FE(A). Denotamos este nmero
por r(A).
10

Usaremos el rango para decidir cuntas soluciones (si es que existen) tiene un sistema lineal. La siguiente es una
propiedad bsica de los sistemas de ecuaciones lineales que an no hemos demostrado:
Teorema. Si S es el conjunto de soluciones de un sistema de ecuaciones lineales, entonces:
S = #S = 1 #S =

Es decir, todo sistema de ecuaciones lineales o bien no tiene solucin o bien tiene solucin nica o bien tiene
infinitas soluciones. Probaremos este teorema en la siguiente seccin. Por ahora lo asumiremos cierto.
A continuacin, clasificamos los sistemas segn el nmero de soluciones que tienen.
Definicin:
Un sistema lineal que no tiene solucin se dir incompatible (o inconsistente).
Un sistema lineal que tiene una nica solucin se dir compatible determinado.
Un sistema lineal que tiene infinitas soluciones se dir compatible indeterminado. En este caso, algunas variables del sistema no quedarn determinadas por las ecuaciones. Estas variables se conocern como variables
libres.
Para decidir si un sistema es compatible o incompatible, se debe hacer un estudio de los rangos de la matriz de
coeficientes y de la matriz ampliada del sistema.
Si r(A) 6= r(A|b), entonces el sistema ser incompatible
Cundo tendremos que r(A) 6= r(A|b)? Veamos un ejemplo:
Si tenemos que la matriz ampliada de un sistema se lleva a la forma escalonada

2
1 2
2
5
(A|b) 0
0 3 0
0
0
0 32

tendremos que r(A|b) = 3, pues FE(A|b) tiene tres pivotes: 1, 3 y 23 . Pero tambin tenemos que

2
1 2
5
A 0
0 3
0
0
0

Luego, r(A) = 2, pues la ltima fila de FE(A) es nula y no tiene pivote.


sta ser la situacin en general: cuando r(A|b) 6= r(A) siempre tendremos una fila en la forma escalonada de
(A|b) de la forma

0 0 0 0 | bi
donde bi 6= 0. Cuando esto ocurre, tendremos en el sistema final una ecuacin de la forma
0 x1 + 0 x2 + 0 x3 + + 0 xn = bi
lo que implica que el sistema completo no tiene solucin (no podemos encontrar valores de x1 , x2 , x3 , . . . , xn
que hagan cierto que 0 = bi ).

11

Si r(A|b) = r(A) = nmero de variables, entonces el sistema es compatible determinado


La forma escalonada de (A|b) ser de la forma

p1

0 p2

0 0 p3
.
..
.. . .
..
.
.
.
.
.
.

0 0 0 pn

0 0 0 0

0 0 0 0

..
..
..
..
.
.
.
.
0 0 0 0

be1
be2
be3
..
.
e
bn
0
0
..
.
0

(los asteriscos representan los distintos nmeros que se ubicarn sobre los pivotes)
Comenzando a resolver el sistema desde la ltima fila no nula hacia arriba (mtodo de sustitucin en reversa")
obtendremos el nico valor posible de cada variable.

Notemos que para que un sistema de ecuaciones lineales con n variables tenga solucin nica, deber tener, al
menos, n ecuaciones (Cuidado! NO estamos diciendo que todos los sistemas con n variables y n ecuaciones
tienen solucin nica).
Si r (A|b) = r(A) < nmero de variables, entonces el sistema tiene infinitas soluciones. Adems, se tiene
que
nmero de variables libres = nmero de variables r(A)
Como r(A|b) = r(A), la columna de resultados no contiene pivotes y el sistema tiene soluciones (no hay ecuaciones que lleven a una contradiccin del tipo 0 = 1). Pero como el nmero de pivotes es menor que el nmero
de variables, en la forma escalonada de (A|b) tendremos menos ecuaciones que variables (las dems ecuaciones
se volvern nulas durante el proceso de eliminacin gaussiana). Esto llevar a que no todas las variables queden
definidas de forma nica, es decir, tendremos al menos una variable libre. Por ejemplo, supongamos que la
siguiente matriz es la forma escalonada reducida de la matriz ampliada de un sistema de ecuaciones lineales:

(A|b)

1
0
0
0
0
0
0

3
0
0
0
0
0
0

0
1
0
0
0
0
0

0
0
1
0
0
0
0

0
0
0
1
0
0
0

0 3 1
0 5 0

0 0 4

1 1 1

0 0 0

0 0 0
0 0 0

Las variables libres sern aqullas cuyas columnas no contienen pivotes. En este caso, las variables x2 , x6 y x7
sern libres. Las dems variables se obtienen despejndolas desde la ltima ecuacin hacia arriba:
x5 + x6 x7 = 1 = x5 = 1 x6 + x7
x4 = 4
x3 + 5x7 = 0 = x3 = 5x7
x1 + 3x2 3x7 = 1 = x1 = 1 3x2 + 3x7

12

Si escribimos las soluciones con notacin de vectores, nos queda:







x1
1 3x2 + 3x7
1
0
3
3
x2

x
0
0
1
2



0

x3

5x7

0
0
5
0
x4 =
= 4 + x2 0 + x6 0 + x7 0
4





x5 1 x6 + x7 1
1
1
0





x6

x6
0
1
0
x7
x7
0
0
0
1
(Recordemos que los vectores pueden escribirse tanto horizontal como verticalmente. Al escribirlos como
columnas, nos es ms fcil visualizar los valores correspondientes de cada componente).

3.1. Aplicaciones de los sistemas de ecuaciones


3.1.1.

Sistemas simultneos

Cuando se utilizan sistemas lineales para modelar fenmenos reales, a menudo las relaciones entre las diferentes
variables se mantienen pero los resultados obtenidos de la experimentacin cambian. As, se obtienen una multiplicidad de sistemas que tienen la misma matriz de coeficientes, pero distintas columnas de resultados. Es decir, estamos
considerando el caso en que tenemos matrices ampliadas del tipo
(A|b1 ) (A|b2 ) (A|b3 ) (A|b p )
Aplicar el algoritmo de eliminacin gaussiana a cada matriz ampliada por separado sera extremadamente ineficiente, pues las operaciones elementales que se realizarn estn guiadas por los coeficientes de la matriz A y estaramos
haciendo el mismo trabajo una y otra vez. Entonces, el procedimiento estndar es construir una matriz ampliada que
contenga la informacin de todos los sistemas y se pivotea esta matriz hasta llevarla a su forma escalonada reducida
(as evitamos realizar la sustitucin en reversa para cada sistema por separado). De esta manera estaremos resolviendo
todos los sistemas simultneamente.
Ejemplo: Resolvamos simultneamente los sistemas

x y + 3z + t = a

2x y + 4z 2t = b
x + 2y 4z t = c

2x
+ 3z 2t = d
Partimos construyendo la matriz ampliada:



a
8
0
3
1
b 11 1 3 2


con
c = 11 , 2 , 4 , 3
d
8
0
0
2

8 0
3 1
1 1
3
1
2 1
4 2
11 1
3
2

(A|b1 |b2 |b3 |b4 ) =


1
3
2 4 1 11 2 4
8 0
2
0
2
0
3 2

Ahora la pivotearemos:

1 1
3
1
8 0
3 1
2 1
4 2
11 1
3
2

F2 2F1
1
2 4 1 11 2 4
3 F3 + F1
8 0
2
0
F4 2F1
2
0
3 2

1 1
3
1
8
0
3 1
0
1 2 4 5
1 3
4

2
1
2 2
0
0
1
4
0
0
1
4
2 2
2 6
F4 F3

1
0

0
0

1
0

0
0

1
1
1
2

3
2
1
3

1
4
0
4

8
5
3
8

0
1
2
0

1
1
0
0

3
2
1
0

1
4
4
0

8
5
2
0

0
1
1
3

3
3
1
4
3
3
2
0

1
4

2 F3 F2
2
F4 2F2

1
4

2
4

Hemos llegado a la forma escalonada de la matriz (A|b1 |b2 |b3 |b4 ) y aqu podemos analizar la existencia de soluciones de cada sistema. As tenemos que:
13

El sistema (A|b1 ) es compatible indeterminado, pues r(A|b1 ) = r(A) = 3 y tiene una variable libre, pues
nmero de variables = 4.
El sistema (A|b2 ) es incompatible, pues 4 = r(A|b2 ) 6= r(A) = 3.
El sistema (A|b3 ) es compatible indeterminado, pues r(A|b3 ) = r(A) = 3 y tiene una variable libre.
El sistema (A|b4 ) es incompatible, pues 4 = r(A|b4 ) 6= r(A) = 3.
Terminaremos de resolver slo los sistemas compatibles:

1
0
FE(A|b1 |b3 ) =
0
0

1
1
0
0

3
2
1
0

1
4
4
0

8
5
2
0

F1 3F3
3
3
F2 + 2F3
2
0

1
0

0
0

1
0

0
0

Entonces, obtenemos las soluciones de los dos sistemas compatibles:

1
1
0
0
0
1
0
0

0
0
1
0
0
0
1
0

11
4
4
0
7
4
4
0

1
1
2
0

F1 + F2
3
1

2
0

2
1
= FER(A|b1 |b3 )
2
0

2
1
2
0

Las soluciones del sistema (A|b1 ) estn dadas por: z = 2 4t, y = 1 4t, x = 1 + 7t. Escritas en vectores:


x
1 + 7t
1
7
y 1 4t 1 4
=

z 2 4t = 2 + t 4
t
t
0
1
Las soluciones del sistema (A|b3 ) estn dadas por: z0 = 2 4t 0 , y0 = 1 4t 0 , x0 = 2 + 7t 0 . En vectores


0
7
2
2 + 7t 0
x
y0 1 4t 0 1 0 4


=
z0 2 4t 0 = 2 + t 4
0
1
t0
t0
Cmo se relacionan las soluciones de ambos sistemas?Qu sentido geomtrico tiene tal relacin?

3.1.2.

Combinaciones lineales y el producto Ax

Estudiaremos, ahora, la relacin entre la compatibilidad de un sistema y las combinaciones lineales de ciertos
vectores. Plantearemos el asunto desde un caso concreto:





1
1
1
1
0
1
1
1
1
0








Consideremos los vectores u1 =
0, u2 = 1, u3 = 1, u4 = 1 y u5 = 0.
0
0
1
1
1
0
0
0
1
1
Responderemos
dos
preguntas:

1
1

1. Es v =
0 combinacin lineal de los vectores u1 , u2 , u3 , u4 , u5 ?
1
2
14


a
b

2. En general, qu debe cumplir un vector w =


c para pertenecer a h{u1 , u2 , u3 , u4 , u5 }i?
d
e
Para responder la pregunta 1, debemos determinar si existen constantes c1 , c2 , c3 , c4 , c5 R tales que:







c1 + c2 + c3 + c4
0
1
1
1
1
1
0 c1 + c2 + c3 + c4
1
1
1
1
1







0 = c1 0 + c2 1 + c3 1 + c4 1 + c5 0 = c2 + c3 + c4







1 c3 + c4 + c5
1
1
0
0
1
1
c4 + c5
1
0
0
0
2
Igualando los vectores componente a componente, tendremos que

c1 + c2 + c3 + c4 =

c1 + c2 + c3 + c4 =
c2 + c3 + c4 =
()

c3 + c4 + c5 =

c4 + c5 =

1
1
0
1
2

Tenemos, entonces, que el vector v es c.l. de los vectores u1 , u2 , u3 , u4 , u5 si y slo si el sistema () es compatible.
Estudiemos el sistema. Para esto, escribimos la matriz ampliada correspondiente:

1 1 1 1 0 1
1 1 1 1 0 1

0 1 1 1 0 0

0 0 1 1 1 1
0 0 0 1 1 2

Antes de pivotear la matriz, notemos que las columnas de A coinciden con los vectores u1 , u2 , u3 , u4 , u5 y la
columna de resultados es el vector v.
Ahora pivoteamos:

(A|b) =

1
1
0
0
0

1
1
1
0
0

1
1
1
1
0

1
1
1
1
1

0
0
0
1
1

1
1
0
1
2

1
0
0
0
0

1
0
1
0
0

1
0
1
1
0

1
0
1
1
1

0
0
0
1
1

1
0
0
1
2

1
0
0
0
0

1
1
0
0
0

1
1
1
0
0

1
1
1
1
0

0
0
1
1
0

1
0
1
2
0

Luego, el sistema () es compatible pues r(A|b) = r(A) = 4 y, por tanto, el vector v es c.l. de los vectores
u1 , u2 , u3 , u4 , u5 . Adems sabemos que el sistema tiene infinitas soluciones, lo que significa que v puede escribirse de
infinitas maneras como una c.l. de u1 , u2 , u3 , u4 , u5 .
Ahora, queremos responder la segunda pregunta. Bueno, ya sabemos que w ser c.l. de los vectores u1 , u2 , u3 , u4 , u5
si y slo si el sistema de ecuaciones con matriz ampliada (A|w) es compatible (las columnas de la matriz A son los
vectores u1 , u2 , u3 , u4 , u5 ). Pivoteamos esta matriz:

(A|w) =

1
1
0
0
0

1
1
1
0
0

1
1
1
1
0

1
1
1
1
1

0
0
0
1
1

a
b
c
d
e

1
0
0
0
0

1
0
1
0
0

1
0
1
1
0

1
0
1
1
1

0
0
0
1
1

a
ba
c
d
e

1
0
0
0
0

1
1
0
0
0

1
1
1
0
0

1
1
1
1
0

0
0
1
1
0

a
c
d
e
ba

y vemos que el sistema ser compatible si y slo si b a = 0 (Si b a 6= 0, entonces r(A|w) = 5 6= 4 = r(A)). De
esta forma, tenemos que w es c.l. de u1 , u2 , u3 , u4 , u5 si y slo si a = b.
Realizaremos una definicin que nos permitir formalizar nuestras observaciones de este ejemplo.

15

Definicin: Sea
x = (x1 , x2 , . . . , xn ) un vector de Rn y sea A una matriz cuyas n columnas son los vectores
v1 ,
v2 ,

. . . , vn . Se define el producto de la matriz A por el vector x por



x1

i x2
h

v1 + x2
v2 + + xn
vn
vn . = x1
A
x =
v2
v1
..
xn

As, el producto de una matriz por un vector da como resultado un nuevo vector que es una c.l. de las columnas
de A cuyos coeficientes son las componentes del vector.
Con esta definicin, podemos escribir todos los sistemas de ecuaciones lineales como una ecuacin vectorial de la

forma A
x = b (o simplemente Ax = b, pues slo usaremos flechas sobre los vectores cuando sea necesario aclarar
que estamos hablando de vectores).
Ejemplos:

1 1 3
5
1. Sean A = 2 8
0 1 y u = (1, 2, 3, 4) (recordemos que el vector debe tener el mismo nmero de
0 6 1 1
componentes que las columnas de A). Entonces,





1

1
3
1
5
28
1 1 3
5
2

0 1 = 1 2 + 2 8 + 3 0 + 4 1 = 14
Au = 2 8
3
0
6
13
1
1
0 6 1 1
4

Ahora, en general, si
x = (x, y, z,t), tendremos que

x


1 1 3
5
1
3
1
5
x y + 3z + 5t
y


2x + 8y t

A
x = 2 8
0 1
z = x 2 + y 8 + z 0 + t 1 =
0 6 1 1
0
6
1
1
6y z + t
t

Entonces, la ecuacin vectorial Ax = b con b = (3, 2, 1) (la columna de resultados debe tener tantos componentes
como filas tiene A) representar al sistema de ecuaciones

x y + 3z + 5t = 3
2x + 8y t = 2

6y z + t = 1

2. El sistema de ecuaciones

7x1 + x2 + x3 x4 9x5

x1 8x2 + 3x3 2x5

3x1 9x2 + 2x3 3x4


x1 + 2x2 + 3x3 x4 + x5

x1 + x5

3x1 + x2 + x3 + x4 x5

=
=
=
=
=
=

3
0
1
6
12
1

se escribir como la ecuacin vectorial


7 1 1 1 9
3
1 8 3 0 2
0


3 9 2 3 0
1


x
=
1 2 3 1 1
6


1 0 0 0

12
1
1
3 1 1 1 1
16


donde
x = (x1 , x2 , x3 , x4 , x5 ).
3. La ecuacin vectorial

corresponde al sistema

1
3

6
9


2  
2
1
2
x

=
3
0 y
1
5

x + 2y
3x + 2y
6x

9x + 5y

=
=
=
=

2
1
3
1

La definicin del producto Ax nos permite establecer el siguiente resultado:


Teorema. Un sistema de ecuaciones con matriz ampliada (A|b) es compatible si y slo si el vector b es combinacin
lineal de las columnas de A.
Demostracin: Un sistema de ecuaciones lineales con matriz ampliada es (A|b) es equivalente a la ecuacin vectorial
Ax = b. As,
El sistema es compatible existen valores de x1 , x2 , . . . , xn que satisfacen todas las ecuaciones
del sistema
el vector x = (x1 , x2 , . . . , xn ) es una solucin de la ecuacin vectorial
Ax = b
b = x1 v1 + x2 v2 + + xn vn , donde A = [v1 |v2 | |vn ].
Propiedades del producto Ax
Sean A una matriz con n columnas, x e y dos vectores de Rn y una constante real. Entonces:
1. A(x + y) = Ax + Ay
2. A( x) = Ax
La demostracin de estas propiedades es directa de las propiedades de la suma y ponderacin de vectores y de
la definicin del producto Ax. Con ellas estamos en condiciones de probar el teorema que planteamos en la seccin
anterior:
Teorema. Si S es el conjunto de soluciones de un sistema de ecuaciones lineales, entonces:
S = #S = 1 #S =

Demostracin: Supongamos que S es el conjunto de soluciones de un sistema de ecuaciones Ax = b. Es decir, un


vector x0 pertenece a S si y slo si Ax0 = b.
Si S = o si S tiene slo un elemento, no tenemos nada que probar. Entonces podemos suponer que S tiene al menos
dos elementos distintos: x1 y x2 . Debemos demostrar que S contiene infinitos elementos.
Esto es simple, pues si tomamos cualquier vector que est en la recta que une x1 con x2 , es decir, cualquier vector x
tal que
x = x1 + (x2 x1 ), con R,
tendremos que


Ax = A x1 + (x2 x1 ) = Ax1 + A(x2 x1 ) = b + Ax2 Ax1 = b + (b b) = b + 0 = b

As, para cada R tenemos una solucin distinta del sistema Ax = b, es decir, S tiene infinitos elementos. Lo que
completa la demostracin.
17

3.1.3.

Sistemas homogneos e independencia lineal

En esta seccin estudiaremos un tipo especial de sistemas de ecuaciones lineales que juegan un papel especial en
uno de los conceptos ms importantes del lgebra Lineal: la independencia lineal.
Definicin: Un sistema de ecuaciones se dir homogneo si la columna de resultados es el vector 0.
Claramente, todo sistema homogneo ser representado por una ecuacin vectorial del tipo Ax = 0. Adems,
podemos garantizar que todo sistema homogneo ser compatible, pues x = 0 siempre ser una solucin del sistema
Ax = 0 (x = 0 se conoce como la solucin trivial de Ax = 0). Por tanto, el siguiente resultado es evidente.
Teorema. Un sistema homogneo Ax = 0 es compatible determinado si y slo si
r(A) = nmero de variables.
Definicin: Dado un sistema no homogneo Ax = b, con b 6= 0, su sistema homogneo asociado ser Ax = 0 (sistema
homogneo que tiene la misma matriz de coeficientes).
Existe una clara relacin entre las soluciones de un sistema Ax = b y las soluciones de su sistema homogneo
asociado.
Teorema. Si S0 es el conjunto de soluciones del sistema Ax = 0 y x p es una solucin particular conocida del sistema
Ax = b, entonces el conjunto de todas las soluciones del sistema Ax = b est dado por
S = x p + S0 = {x : x = x p + x0 con x0 S0 }

Demostracin: Primero probaremos que al tomar la suma de x p con una solucin del sistema Ax = 0 obtenemos una
solucin del sistema Ax = b. Pero esto es directo, pues si x0 es una solucin de Ax = 0, entonces
Ax p = b y Ax0 = 0 = A(x p + x0 ) = Ax p + Ax0 = b + 0 = b,
es decir, x p + x0 es solucin de Ax = b. Con esto probamos que x p + S0 S.
Ahora, probaremos que cualquier solucin de Ax = b se escribe como la suma de x p y un elemento de S0 . Para esto
consideremos un vector xe que es solucin de Ax = b. Entonces:

Ae
x=b
= A(e
x x p ) = Ae
x Ax p = b b = 0
Ax p = b
As, tenemos que xe x p es una solucin del sistema Ax = 0, luego xe x p = x0 S0 . As,
xe = x p + x0 x p + S0 .

Con esto probamos que S x p + S0 y obtenemos la igualdad de los conjuntos.

1
5 2 0
7

Ejemplo: Consideremos el sistema Ax = b con A = 3 1


9 5 y b = 9 .
4 8 1 7
0

Resolveremos simultneamente los sistemas Ax = b y Ax = 0, pivoteando la matriz ampliada (A|b).

18

1
5 2
0 7
(A|b) = 3
9 F2 + 3F1
1
9 5
4 8 1
7
0
F3 4F1

1 5 2
0 7
3 5 12
0 16
0 4 1 1 4
F3 F2

Entonces las soluciones del sistema Ax = b son:

1
5 2
0 7
16
3 5 12
0

0 28
7
7
28
F3 71

1 5 2
0 7
0 4 1 1 4
0 16
3 5 12
F3 4F2

1 5 2
0 7
0 4 1 1 4
4
0 0
7 1

7z t = 4 = t = 7z 4
4y z t = 4 = 4y z 7z + 4 = 4 = 4y = 6z 8 = y =

3z 4
2

15
(3z 4)
+ 2z 7 = z + 10 + 2z 7
2
2
11
= x = 3 z
2

x + 5y 2z = 7 = x = 5y + 2z 7 = 5

As, vectorialmente, tenemos que

De esta manera, tenemos que

11

3 11
2


2 z
3
x

3
2 + 23 z
2
y

2
=

=
z
0 + z

1
z
t
4
7
4 + 7z

11
2

3
* 3 +

2
2
+
S=

0
1

4
7

11
2

3
* 3 +

2
2
es una solucin particular y el conjunto S0 =
El vector x p =
es el conjunto de soluciones del

0
1

4
7
sistema homogneo asociado (Comprubelo!).
Nuestra intencin a continuacin es contestar la siguiente pregunta:
Dado un conjunto de vectores {u1 , u2 , . . . , un }, de cuntas maneras distintas puede escribirse el vector 0 como combinacin lineal de los vectores
u1 , u2 , . . . , un ?

19

Como ya vimos, escribir 0 como c.l. de los vectores u1 , u2 , . . . , un equivale a resolver el sistema homogneo
Ax =0, donde la matrizde coeficientes del sistema tiene a los vectores u1 , u2 , . . . , un como columnas, es decir, donde
A = u1 | u2 | . . . | un . Entonces, cuando el sistema Ax = 0 es compatible determinado, slo tenemos la solucin
trivial x = 0, que en lenguaje de combinaciones lineales nos dice que la nica forma de escribir 0 como c.l. de
u1 , u2 , . . . , un es
0 = 0 u1 + 0 u2 + + 0 un
()
Cuando el sistema Ax = 0 tiene infinitas soluciones, tendremos que 0 se puede escribir de infinitas maneras
distintas como combinacin lineal de los vectores u1 , u2 , . . . , un y claramente hay una c.l. distinta de la trivial ().
Daremos nombre a ambas situaciones:
Definicin:
Los vectores u1 , u2 , . . . , un se dirn linealmente independientes cuando la nica forma de escribir 0 como c.l. de
u1 , u2 , . . . , un es la trivial (). Es decir, los vectores u1 , u2 , . . . , un son linealmente independientes si se cumple
la siguiente implicacin:

1 u1 + 2 u2 + + n un = 0 = 1 = 0, 2 = 0, . . . , n = 0.
Los vectores u1 , u2 , . . . , un se dirn linealmente dependientes si no son linealmente independientes. Es decir, los
vectores u1 , u2 , . . . , un se dirn linealmente dependientes si el vector 0 se puede escribir de infinitas maneras
distintas como c.l. de u1 , u2 , . . . , un y, por tanto, existen constantes 1 , 2 , . . . , n no todas iguales a cero tales
que
0 = 1 u1 + 2 u2 + + n un .
Abreviaremos frecuentemente linealmente independiente por li y linealmente dependiente por ld. A continuacin, ahondaremos un poco en el concepto de ld.
Supongamos que los vectores u1 , u2 , . . . , un son ld, entonces existen constantes 1 , 2 , . . . , n no todas iguales a
cero tales que
0 = 1 u1 + 2 u2 + + n un .
Entonces existe i {1, 2, . . . , n} tal que i 6= 0 y podemos asumir que i = 1 (podemos ubicar los vectores en otro
orden, si es necesario), luego 1 6= 0 y
0 = 1 u1 + 2 u2 + + n un = 1 u1 = 2 u2 n un
= u1 =

. 1

2
3
n
u2
u3
un
1
1
1

As, tenemos que u1 es combinacin lineal de los otros vectores. Diremos que u1 depende linealmente de
u2 , . . . , un . De aqu que decimos que los vectores u1 , u2 , . . . , un son linealmente dependientes.
Este procedimiento de despejar algunos vectores en funcin de los otros no podr realizarse en el caso en que los
vectores u1 , u2 , . . . , un sean li.

20

Ejemplos:
1. Decidamos si los vectores u1 = (1, 2, 3), u2 = (4, 5, 6) y u3 = (2, 1, 0) son li o ld. Para esto, formamos la matriz
A que tiene estos vectores como columnas y decidimos si el sistema Ax = 0 es determinado (los vectores son li)
o indeterminado (los vectores son ld).

1 4 2
1 4
2
1 4
2
A = 2 5 1 F2 2F1 0 3 3
0 3 3
3 6 0 F3 3F1
0 6 6 F3 2F2
0 0
0
y como r(A) = 2 < 3 =nmero de variables, tenemos que el sistema tiene infinitas soluciones y, por tanto, los
vectores u1 , u2 , u3 son l.d.
Si resolvemos el sistema, nos queda que y = z, que x = 4y 2z = 4z 2z = 2z y que z es libre, es decir, el
conjunto de soluciones es
* 2 +
S0 = 1
1
Qu significa esto en cunto a la dependencia lineal de los vectores u1 , u2 , u3 ?


x
0
1 4 2

y = 0 escrito en lenguaje de combinaciones lineales es equivalente a


Bueno, el sistema 2 5 1
0
3 6 0
z



1
4
2
0
x 2 + y 5 + z 1 = 0
3
6
0
0

Reemplazando los valores x = 2z, y = z, z = z, tendremos que





1
4
2
0

2z 2 z 5 + z 1 = 0
3
6
0
0

y asumiendo z 6= 0 (considerando una solucin distinta de la trivial), podemos dividir por z y tendremos que
2u1 u2 + u3 = 0 = u3 = u2 2u1
Claramente, tambin podemos despejar u2 en funcin de u1 y u3 , y tambin podemos poner u1 en trminos de
u2 y u3 .
Tambin notemos que si eliminamos u3 (la columna de A sin pivote) del conjunto {u1 , u2 , u3 }, obtenemos el
conjunto de vectores li {u1 , u2 }. En general, cuando tenemos un conjunto de vectores ld y eliminamos aquellos
vectores que quedan sin pivotes, obtendremos un conjunto de vectores li.
Por ltimo, con todo lo anterior es fcil probar que h{u1 , u2 , u3 }i = h{u1 , u2 }i (Es decir, que como u3 es c.l.
de u1 , u2 , tendremos que todo vectores que es c.l. de u1 , u2 , u3 puede ser escrito como c.l. de u1 , u2 solamente).
Demuestre esta afirmacin con todo detalle.





0
1
1
1
1
0
1
1
1
1








2. Consideremos nuevamente los vectores u1 =
0, u2 = 1, u3 = 1, u4 = 1 y u5 = 0.
1
1
1
0
0
1
1
0
0
0
21

Ya vimos que estos vectores son ld, pues escalonamos en su momento la matriz A que los tiene como columnas
y obtuvimos que

1 1 1 1 0
1 1 1 1 0
1 1 1 1 0
1 1 1 1 0 0 0 0 0 0 0 1 1 1 0



A=
0 1 1 1 0 0 1 1 1 0 0 0 1 1 1
0 0 1 1 1 0 0 1 1 1 0 0 0 1 1
0 0 0 0 0
0 0 0 1 1
0 0 0 1 1
As, tenemos que u5 depende linealmente de u1 , u2 , u3 , u4 . Ya sabemos cmo encontrar la relacin de dependencia resolviendo el sistema. Pero la matriz A tambin nos permite determinar un nuevo vector u6 que sea li con
u1 , u2 , u3 , u4 .
Analicemos el problema: para que u6 sea li con u1 , u2 , u3 , u4 necesitamos ubicarlo como la quinta columna
de A y debemos tener que al final del escalonamiento esta columna tenga un pivote. Si nos fijamos, la primera
operacin elemental, que es F2 F1 F2 , hace cero la segunda fila y el resto de las operaciones slo intercambia
filas para llevar esta fila nula hasta abajo en la matriz. Entonces, lo que queremos es que esta fila no se anule
completamente, de modo que al llevarla al final de la matriz, nos quede un pivote. As, podemos tomar el vector
u6 = (0, 1, 0, 0, 0) o cualquier otro vector u6 cuya componentes 1 y 2 sean distintas (para que al restar las filas
1 y 2 obtengamos un nmero distinto de cero). Vuelva al comienzo de la seccin 3.1.2 y reflexione sobre la
relacin entre encontrar este vector u6 y la respuesta que obtuvimos para la pregunta 2 en ese momento.
3. Con lo que ya sabemos, estamos en condiciones de demostrar la siguiente afirmacin:
Consideramos el conjunto {v1 , v2 , . . . , vp } de vectores de Rn . Si p > n, entonces los vectores v1 , v2 , . . . , vp son ld.


Al considerar la matriz A = v1 | v2 | | v p , sabemos que tiene p columnas (el sistema tiene p variables) y
como todas las columnas son vectores de Rn , tambin sabemos que A tiene n filas. Entonces, r(A) n (pues
slo hay un pivote por fila no nula, entonces en el mejor de los casos podramos tener un pivote en cada fila de
FE(A)).
Si tenemos que p > n, entonces, r(A) < nmero de variables y el sistema Ax = 0 es indeterminado, es decir,
los vectores v1 , v2 , . . . , v p son ld.
Nota: Si p n, no podemos saber si los vectores v1 , v2 , . . . , v p son li o ld.

22

MAT1203 LGEBRA L INEAL


G UA N 2 S ISTEMAS DE ECUACIONES LINEALES

1. Determine, si existen, las soluciones del siguiente sistema de ecuaciones lineales:



2a + b c =
7
a
+ 3c = 4
a) Qu sucede si se agrega la ecuacin a + b + c = 1 al sistema?
b) Qu valor debe tomar p para que al agregar la ecuacin 2a b + 13c = p al sistema original, ste sea
compatible?
2. Determine la interseccin de los hiperplanos indicados en cada caso.

2x +5y +7z = 2
2x +5y

x +2y +3z = 1
x +2y
(a)
(a)
y
+z
=
0
y

3x
+3z = 3
3x

x y +z 3t +4u =
8
x y

y 3z
u =
1
y

(b)
2x
z +3t 3u =
3
(b)
2x

3x
3z
= 12
3x

x +y 2z +6t 7u = 5
x +y

x +3y z
+v =
1
x +3y

2x +3y
+2t u
= 5
2x +3y
(c)
(c)
3x +6y z +2t u +v = 4
3x +6y

4x +9y 2z +2t u +2v = 3


4x +9y

+7z
+3z
+z
+3z

=0
=0
=0
=0

+z 3t +4u = 0
3z
u = 0
z +3t 3u = 0
3z
=0
2z +6t 7u = 0
z

+v
+2t u
z +2t u +v
2z +2t u +2v

=0
=0
=0
=0

De acuerdo con los resultados, cmo se relacionan (a) y (a), (b) y (b), (c) y (c)? D una interpretacin
geomtrica de estas relaciones.

3. Escriba el vector v = (1, 2, 3, 4) como combinacin lineal de los vectores v1 = (1, 1, 1, 1), v2 = (1, 2, 1, 1),
v3 = (1, 1, 2, 1).
4. Considere el plano P = {(x, y, z) : 2x 3y + z = 0} en R3 y la matriz

1 1 2
A= 2
0 1 .
1
1 1
a) Determine dos vectores l.i. u y v tales que P = h{u, v}i.

b) Determine la ecuacin del plano P 0 = h{Au, Av}i.


5. Sea un escalar distinto de cero. Demuestre que el vector u = (2, 2, + 1) pertenece al conjunto
U = h{(1, 1, 1), ( , 1, 2 1), (1, , 2 2 )}i
sin importar el valor de . Escriba u como c.l. de los generadores de U para el caso en que = 1.
6. Determine todos los valores de para los cuales el vector u = (1, + 1, + 3, + 2) no pertenece al conjunto
h{(1, 1, 1, 2), (3, + 4, 3, + 7), (2, + 3, 3 4 2 + 2, + 5)}i
23

7. Determine el rango gaussiano de las matrices, llevndolas a su forma escalonada.

2
2
1

8
5 3 4 2
2 2 3 3 1
11 5

3 4 5

1
2 0 4 2 1
4 13
3

A=
B=
C=
4 4 3
2
8 2 11 7 3
9
0 3

2
6 2 13 3
1 10 3 9 2
2
0
4
0
0

4
1
1
2
1
D = 12 1 4 4 1
4 3
3
0 4

8. Considere el sistema

0 1 2
0 4
0 11 3
E = 2
0 0 3
5 1
8 5
8 2 4 12 28
4 54 14

3z = a
5x +4y
x +3y
2z = b

3x +10y (7 )z = c

Determine condiciones para a, b, c y , de modo que:


a) la interseccin de los planos sea una recta.
b) los tres planos no se intersecten.
c) los tres planos se intersecten en un punto.

9. Determine e interprete geomtricamente la interseccin de los siguientes hiperplanos para los distintos valores
del parmetro real a:

x
y +
z +
2t =
3

ax
ay
+
2at =
a

x +
ay + a2 z + 2(a + 2)t =
3
(i)

(2 + a)x (2 + a)y + 2z + (6 + 2a)t = 6 a

ax
2ay +
3az = 1 4a

2ax + (1 3a)y +
(8a + 2)z = 3 5a
(ii)
ax + (1 a)y + (a2 + 5a + 1)z = 4 3a

2ax +

4ax
2ax +
(iii)

5y
3y
3y
2y

+ (1 a2 )z
+ 3(a2 1)z
+ (1 a2 )z
+ (a2 1)z

+ 2t =
6a
t = 10a + 5
+ t = 5a 1
+ t =
a+3

ax +

ax

y
= 1
ay + z = 1
(a + 1)y + 2z =
1
(iv)

x +
ay az = 2a

10. Determine una matriz A tal que el sistema Ax =

S=

0
1



24

tiene conjunto solucin




: R

11. Sea A una matriz con tres filas y tres columnas tal que su tercera fila es igual a la suma de las dos primeras.

1
3

a) Existe un vector x en R tal que Ax =


0 ?
0

b1
b) Determine todos los vectores b = b2 R3 para los cuales el sistema Ax = b tiene al menos una
b3
solucin.
12. Suponga que el conjunto solucin del sistema

es

1
1

Ax =
2
1

1
*

0
+

S=
0

a) Decida si S es un hiperplano de R4 .



2
1
0

2 0 0
,
,
0 1 3
0
0
1

b) Determine la matriz A.
c) Encuentre el conjunto de todos los vectores b R4 para los cuales el sistema Ax = b tiene al menos una
solucin.



5
4
3

10
4

4
3



13. Sea A una matriz de tres filas y cinco columnas tal que A
0 = 5 , A 0 = 28 , A 3 =
0

0
0
0
0
0
0
0


1
2

1
2
4
2
3


27 , A 2 = 20 y A 1 = 10 . Determine la matriz A.


1
2
3
2
3
1
0

14. En cada caso, considere los distintos valores que puede tomar y
a) decida si los vectores columna de A son l.i. o l.d.

b) determine si el vector b pertenece al espacio columna de la matriz A.

25

1
1 1
1
1

1
yb= 1
(i) A =


1
0
1

1
yb= 0
(ii) A =
1
1
2

(iii) A = 2 1 2 y b = 0
1 3

1
1
5
1

(iv) A = 3
5
1 y b =
4
3 2
3

2
1
1
2

1
y b = 2
(v) A =
3

3
0
1
1
1

15. Estudie el nmero de soluciones del sistema Ax = b y resulvalo, cuando sea posible, para los distintos valores
que pueden tomar y .

1
1

1
2
1
c) A = 1 1 y b =
a) A = 1
1 3 y b = 2
1
1
2 +1
1

0
1 1
b) A = 3 1 y b = 0

16. Estudie el nmero de soluciones del sistema Ax = b y resulvalo, cuando sea posible, para los distintos valores
que pueden tomar , y .

0
1 2
a) A = 1 2 y b = 0 .
1 2
0

1
1 1 1
b) A = 1 y b = 1 .
2 2 2
1

17. Resuelva simultneamente los sistemas de ecuaciones Ax1 = b1 y Ax2 = b2 donde

18. Considere el conjunto

1
2 1 3
A= 4
9 3 10
1 2
0 3

1
b1 = 2
3

0
b2 = 4
8

5
0
15

2
2
14

V=
u1 = 1 , u2 = 3 , u3 = 15

5
1
11

3
1
11

a) Los generadores de V son linealmente dependientes. Elimine del conjunto de generadores de V todos los
vectores que sea necesario de modo que el conjunto generador sea l.i.
b) Determine cul o cules de los vectores del conjunto A presentado a continuacin pertenecen a V .
c) Escriba aquellos vectores de A que pertenezcan a V como c.l. de los generadores l.i. de V encontrados en
la parte (a).

26

25
0
35

24 2 1 34


A=
22 , 3 , 4 41 ,

13
1
30

27
0
26

{z
}|
| {z } | {z } |
v1

v2

v3

5
6
11
9
1
{z
v4

1
20
10
1 2 12

, 0 ,

5

, 14 ,
1 23 6
9
10
1
} | {z } | {z } | {z } |
v5

v6

v7

15
2

8
9
5
7
{z
v8

, 0 ,

14

} | {z }

v9

R ESPUESTAS :
1. S0 = (4, 15, 0) + h{(3, 7, 1)}i. a) S1 = {(2, 1, 2)}. b) p = 23.
2.a) S = (1, 0, 0) + h{(1, 1, 1)}i. a) S0 = h{(1, 1, 1)}i
b) S = (1, 14, 5, 0, 0) + h{(3, 9, 3, 1, 0), (3, 10, 3, 0, 1)}i. b) S0 = h{(3, 9, 3, 1, 0), (3, 10, 3, 0, 1)}i.
c) S = (1, 0, 0, 0, 7, 0) + h{(3, 1, 0, 0, 3, 0), (1, 0, 1, 0, 2, 0), (0, 0, 0, 1, 2, 0), (1, 0, 0, 0, 2, 1)}i.
c) S0 = h{(3, 1, 0, 0, 3, 0), (1, 0, 1, 0, 2, 0), (0, 0, 0, 1, 2, 0), (1, 0, 0, 0, 2, 1)}i.
3. v no es c.l. de v1 , v2 , v3 . 4.a) P = h{(1, 0, 2), (0, 1, 3)}i. b) P 0 = {(x, y, z) : 3x + 2y 3z = 0}. 5. Si = 1,
u = 2(1, 1, 1). 6. {1, 0, 4}. 7. r(A) = 4, r(B) = 4, r(C) = 3, r(D) = 3, r(E) = 2.
8.a) = 0 y c a 2b = 0. b) = 0 y c a 2b 6= 0. c) 6= 0, para todo a, b, c R.
9.(i) Si a = 1, S = (1, 0, 4, 0) + h(1, 1, 0, 0)i. Si a = 0, S = (3, 0, 0, 0) + h(0, 1, 1, 0)i. Si a 6= 0, 1, S = {(3
4a,
a = 1, S = . Si a = 1, S = (1, 2, 0) + h(7, 2,
 42 4a, 4, 0)}. (ii) Si a = 0 
 1)i. Si 6= 1, 0, 1, S =
2a + 13a + 1 3a + 5
1
2
,
,
, 1, 0, 0 + h(0, 0, 1, 0)i. Si
. (iii) Si a = 0 a = 1, S = . Si a = 1, S =
a(a + 1)
a+1
a+1
2


2
1
, a,
, a + 1 . (iv) Para todo a R, S = .
a 6= 1, 0, 1, S =
2
a1

1 1
1 3


1
0 0
1 1
3
.
10. A =
. 11.a) No. b) b h(1, 0, 1), (0, 1, 1)i. 12.a) S. b) A =

1 0
2 2
2 6
1 1
1 3

2 1 0 0
3
c) b h(1, 1, 2, 1)i. 13. A = 1
8 2 1
0 .
0
0 1 0 4
17. S1 = (7, 2, 4, 0) + h(11, 4, 6, 1)i y S1 = (32, 12, 8, 0) + h(11, 4, 6, 1)i. 18.a) {u1 , u2 } es un conjunto
generador l.i. de V . b) y c) v1 = 7u1 5u2 , v3 = 54 u1 3u2 , v4 = u1 + 4u2 , v6 = 4u1 3u2 , v7 = 2u1 + 4u2 ,
v8 = 23 u1 + 52 u2 son elementos de V y v2 , v5 , v9
/ V.

27