Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALApC1 PDF
ALApC1 PDF
1
2 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES
queriendo decir que tratamos con una ecuación en donde la incógnita es la x, y las
letras a y b denotan datos numéricos que no deseamos especificar en ese momento.
La ecuación dada más arriba es un ejemplo concreto de este tipo. El calificativo
de lineal significa que en la ecuación la incógnita aparece sólo multiplicada por
un número y quizás con otros términos sumados a este producto. Por ejemplo, la
ecuación cuadrática
a x2 + b x + c = 0
no es una ecuación lineal en la incógnita x.
En general, se puede definir una ecuación en la que haya varias incógnitas,
que se suelen denotar* por la letra x con subı́ndices: x1 , x2 , . . . xn siendo n un
sı́mbolo que denota el número de incógnitas que consideramos ( ası́ podemos
también dejar sin concretar cuántas incógnitas tiene el problema )
Definición 1.1. Una ecuación lineal en las variables x1 , x2 . . . xn es una expresión
matemática de la forma
a1 x1 + a2 x2 + · · · an xn = b (1.2)
siendo b y a1 , . . . , an datos numéricos.
Una expresión que se puede, después de realizar operaciones aritméticas,
escribir de la forma (1.2) también se considera una ecuación lineal.
Definición 1.2. Un sistema de ecuaciones lineales en las variables x1 , x2 . . . xn es
una colección de m ecuaciones lineales en esas variables:
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
.. (1.3)
.
am1 x1 + am2 x2 + · · · + amn xn = bm
3x1 + 2x2 + x3 = 39
2x1 + 3x2 + x3 = 34 (1.4)
x1 + 2x2 + 3x3 = 26
x1 − 2x2 = −1 (1.5)
− x1 + 3x2 = 3 (1.6)
x1 = − 1 + 2x2
x1 = −1 + 2 · 2 = 3
x2 x2 − x1 + 3x2 = −1 + 3 ⇒ x2 = 2
3x1 − 6x2 = −3
− 2x1 + 6x2 = 6
a1 x1 + a2 x2 = b
a2 b
x2 = x1 +
a1 k1
La representación gráfica de una recta sobre el plano cartesiano se
ilustra en la figura 1.1.
x2
k
arctan m
x1
Figura 1.1: La gráfica de una recta x2 = mx1 + k.
2 solución
x1
3
Figura 1.2: La solución gráfica del sistema (1.5)–(1.6).
1 −2 1
0 2 −8
−4 5 9
y la matriz aumentada
1 −2 1 0
0 2 −8 8
−4 5 9 −9
La primera matriz tiene tres filas y tres columnas, y se dice que tiene unas
dimensiones de 3 por 3 (3 × 3). La segunda matriz es de 3 × 4, es decir, de tres
filas y cuatro columnas.
1 −2 1 0
0 2 −8 8
0 −3 13 −9
6 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES
x1 = 29
x2 = 16
x3 = 3
Dos matrices se dice que son equivalentes por filas si existe una sucesión de
operaciones elementales de fila que las relaciona. Esta definición tiene sentido
porque las operaciones elementales de fila son reversibles.
Ejercicio 1.5. Demostrad que las operaciones elementales de fila son reversibles,
escribiendo la inversa de cada una con la notación Pij , Li (α) y Lij (α).
Proposición 1.6. Si dos sistemas lineales tienen matrices aumentadas asociadas que
son equivalentes por filas, entonces estos sistemas son equivalentes, puesto que su
conjunto solución es el mismo.
Ejercicio 1.7. Demostrad que las operaciones elementales de filas no varı́an el
conjunto solución del sistema asociado.
x2 − 4x3 = 8
2x1 − 3x2 + 2x3 = 1
5x1 − 8x2 + 7x3 = 1
Definición 1.12. Una posición pivote es una posición de una matriz que correspon-
de a un elemento principal de la matriz escalonada reducida asociada. Una columna
pivote es aquella que contiene una posición pivote. Ambos objetos están únicamente
determinados para cada matriz.
0 −3 −6 4 9
−1 −2 −1 3 1
A =
−2 −3 0 3 −1
1 4 5 −9 −7
Ejemplo 1.14.
1 6 2 −5 −2 −4
0 0 2 −8 −1 3 .
0 0 0 0 1 7
Solución:
x1 = −6x2 − 3x4
x libre
2
x3 = 5 + 4x4
x4 libre
x = 7
5
y la suma
" # " # " #
2 v1 w1 v1 + w1
v, w ∈ R ⇒ v+w = + = (1.9)
v2 w2 v2 + w2
Combinaciones lineales.
Definición 1.19 (Combinación lineal). Una combinación lineal de los vectores v1 ,
v2 ,. . . , vp es un vector formado con la operación
y = c1 v1 + c2 v2 + · · · + cp vp
donde c1 , c2 ,. . . , cp son escalares cualesquiera.
Ejemplo 1.20. Sean
La ecuación vectorial
x1 a1 + x2 a2 + · · · + xp ap = b (1.10)
equivale al sistema lineal de matriz aumentada
h i
a1 a2 · · · ap b
x1
h i x2
Ax = a1 a2 · · · an .. = x1 a1 + x2 a2 + · · · + xm am .
.
xn
Como hemos visto, hay tres formas de ver un sistema de ecuaciones lineales:
como un sistema de ecuaciones sobre las variables escalares incógnitas, como una
ecuación vectorial sobre vectores columna, y como una ecuacion matricial.
Ejemplo 1.25. Si
1 3 4 b1
a1 = −4 , a2 = 2 , a3 = −6 y b = b2
−3 −2 −7 b3
1 3 4 b1
→ 0 14 10 4b1 + b2
0 0 0 b1 − 21 b2 + b3
Cálculo del producto Ax. Hemos definido el producto de una matriz A de m×n
por un vector columna x de n × 1 como la combinación lineal de las columnas
de A con los coeficientes dados por los correspondientes elementos de x. Este
procedimiento se denomina multiplicación de matrices por columnas. Hay una
manera equivalente de organizar la multiplicación, mediante lo que podemos
llamar regla fila-columna. Obsérvese cómo es el producto de una matriz de 1 × n
(denominada vector fila) por un un vector columna. Considerando que el vector
fila es una matriz cuyas columnas tienen un sólo elemento, la definición 1.23
implica que
x1
h i x2
a1 a2 · · · an .. = x1 a1 + x2 a2 + · · · + xn an = a1 x1 + a2 x2 + · · · + an xn .
.
xn
Más adelante veremos que esta expresión es el producto escalar del vector fila por
el vector columna. Es cierta entonces la siguiente proposición.
x1 = 34 x3
x2 = 0
x3 libre
Una solución ası́ escrita se dice que está en forma paramétrica vectorial. Es
decir, la solución es una combinación lineal de vectores c1 v1 + · · · + cp vp , siendo
los ci varables libres o escalares. Veamos otro ejemplo.
Ejemplo 1.33. El sistema lineal compuesto de una sola ecuación con tres
variables
10x1 − 3x2 − 2x3 = 0
se puede resolver directamente: las variables x2 y x3 son libres y x1
es la variable principal. Por tanto
3 1
x1 = 10 x2 + 5 x3 , x2 libre, x3 libre
* en sistemas homogéneos no escribimos la última columna, ya que es siempre el vector cero.
† casi no hace falta calcular para pasar de la matriz escalonada a la reducida.
20 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES
x = c1 v1 + c2 v2 + . . . + cp vp
donde todos los coeficientes ci son variables libres, y pueden tomar cualquier
valor. Es decir, x ∈ Gen{v1 , . . . , vp } y el conjunto solución de un sistema lineal
homogéneo es lo que más adelante denominaremos un subespacio lineal. Por
ejemplo, si p = 1 se trata de una recta que pasa por el origen, y si p = 2 de un
plano que contiene al origen.
3 5 −4 7 1 0 − 43 −1
−3 −2 4 −1
∼ 0 1 0 2
6 1 −8 −4 0 0 0 0
A(x − p) = Ax − Ap = b − b = 0.
A(p + vh ) = Ap + Avh = b + 0 = b
c1 v1 + c2 v2 + · · · + cp vp = 0
c1 = c2 = · · · = cp = 0.
x1 v1 + x2 v2 + · · · + xp vp = 0 (1.14)
x1 v1 + x2 v2 + x3 v3 = 0 (1.15)
1.6. INDEPENDECIA LINEAL 23
de matriz asociada
1 2 0 0 1 2 0 1 2 0
2 1 3 0 2 1 3 ∼ 0 −3 3
y
3 5 1 0 3 5 1 0 0 0
c1 cj−1 cj+1 cp
vj = − v1 − · · · − vj−1 − vj+1 − · · · − vp
cj cj cj cj
1.8. Resumen
Teorema (Unicidad de la forma escalo- Definición. Una combinación lineal de
nada). Toda matriz es equivalente a una los vectores v1 , v2 ,. . . , vp es un vector for-
y sólo una matriz escalonada reducida. mado con la operación
Teorema (S). Sea A de m × n. Las si- Teorema (I). Sea A de m × n. Las si-
guientes afirmaciones equivalen: guientes afirmaciones equivalen:
1. Para todo b la ecuación Ax = b 1. La única solución de la ecua-
tiene solución. ción Ax = 0 es la trivial.
2. Todos los vectores b ∈ Rm son 2. La única combinación lineal tal
combinaciones lineales de las co- que c1 a1 + c2 a2 + · · · + cn an = 0 es
lumnas de A. la trivial ( ai columnas de A )
3. Las columnas de A generan Rm . 3. Las columnas de A son linealmen-
te independientes.
4. Hay una posición pivote en cada 4. Hay una posición pivote en cada
fila de A. columna de A.