Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 1
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
e d xi = 0
m
b
donde x = x1 , …, xn g ()
y ek x = ak1 x1 + ak 2 x2 + l q
+ akn xn − bk para k ∈ 1, 2, … , m .
b g
Así, si α = α 1 , … , α n es solución del sistema (1) también lo será del sistema:
di
e1 x = 0
e d xi = 0
i
β ⋅ e d xi = 0
j
e d xi = 0
m
di di
puesto que al ser e j α = 0 también se tiene que β ⋅ e j α = 0 . Además, también se
tiene que:
e1 α = 0di
di di
ei α + β ⋅ e j α = 0
di
ej α = 0
e dα i = 0
m
di di
ei x + β ⋅ e j x = 0 (2)
di
ej x = 0
e d xi = 0
m
x+ 4 y+ z =0 (1)
3x − y+ 2z =1 ( 2)
2x − 5y + 2z =1 (3)
Solución.
Una forma sencilla de comenzar es intentar eliminar x de las dos últimas
ecuaciones. Para ello basta con sustituir la segunda ecuación por el resultado de hacer
[(2) – 3 x (1)] y la tercera por el resultado de [(3) – 2 x (1)], obteniéndose:
x+ 4 y+ z =0 (1' )
−13 y − z =1 ( 2' )
−13 y =1 (3' )
x+ 4 y+ z =0 (1' ' )
−13 y − z =1 ( 2' ' )
z =0 (3' ' )
−2 x + 2 y − 4 z − 6t = −4
−3x + 6 y + 3z − 15t = −3
5x − 8 y − z + 17t =9
x+ y + 11z + 7t =7
Solución.
Comenzamos aplicando el mismo método del ejemplo anterior: el método de
eliminación de Gauss. Así, se utilizará la primera ecuación para eliminar x de las tres
ecuaciones posteriores. Previamente, tal y como se indicaba en el ejemplo anterior,
conviene multiplicar la primera ecuación adecuadamente para convertir el coeficiente de
x en 1. En este ejemplo se hace necesario multiplicar por –(1/2):
x − y + 2 z + 3t =2 (1)
−3x + 6 y + 3z − 15t = −3 ( 2)
5x − 8 y − z + 17t =9 (3)
x+ y + 11z + 7t =7 ( 4)
Para eliminar x de las tres últimas ecuaciones basta sustituir (2), (3) y (4) por
[(2) + 3 x (1)], [(3) - 5 x (1)] y [(4) - (1)], respectivamente:
x− y+ 2 z + 3t =2 (1')
3y + 9 z − 6t =3 (2')
−3 y − 11z + 2t = −1 (3')
2y + 9 z + 4t =5 (4')
Trabajando en la misma idea, ahora con las dos últimas ecuaciones, intentamos
eliminar z de la última ecuación. Previamente multiplicamos (3’’’) por –(1/2) y luego se
sustituye (4 IV) por [(4IV) - 3 x (3IV)]:
x− y + 2 z + 3t =2 (1IV ) x− y + 2 z + 3t =2
y + 3z − 2t =1 (2 IV ) y + 3z − 2t =1
z + 2t = −1 (3IV ) z + 2t = −1
3z + 8t =3 (4 IV ) 2t =6
sucesivamente se obtiene que y = 28 y x = 35. Por tanto, (35, 28, -7, 3) es la solución
del sistema de partida.
Un método alternativo para resolver el sistema de ecuaciones planteado en este
segundo ejemplo es el que a continuación ilustramos, que recibe el nombre de método
de eliminación de Gauss-Jordan. La nueva forma de proceder es análoga al método de
eliminación de Gauss, sólo que ahora se procede a la eliminación de las incógnitas en
todas las ecuaciones del sistema, tanto en las posteriores como en las anteriores.
x+ 5z + t =3 (1''')
y + 3z − 2t =1 (2' '')
−2 z − 4t =2 (3'' ')
3z + 8t =3 (4' '')
x+ 5z + t =3 (1IV ) x− 9t =8 (1V )
y + 3z − 2t =1 (2 IV ) y− 8t =4 (2V )
z + 2t = −1 (3IV ) z+ 2t = −1 (3V )
3z + 8t =3 (4 IV ) 2t =6 (4V )
4. La solución es inmediata.
Cabe destacar que, en cada paso, se obtuvieron sistemas que eran equivalentes al
de partida, por lo que todos y cada uno de tales sistemas tienen el mismo conjunto de
soluciones.
B=G J
2
GG JJ
Hb K m
AB = G
21 a22 a2 n b2
GG JJ
Ha m1 am 2 amn b K
m
Utilizando estas matrices puede expresarse el sistema (S), por ahora de forma
simbólica, en notación matricial como A ⋅ X = B, donde:
Fx I
Gx J
1
X=G J
2
GG JJ
Hx K n
es la denominada matriz de las incógnitas.
Además de los ejemplos anteriores, que pueden ser tratados ahora desde esta
nueva perspectiva, planteamos la resolución del siguiente sistema de ecuaciones lineales
utilizando notación matricial:
−2 x +4 y −2 z −6t = 4
3 x −6 y +6 z +10t = −1
−2 x +6 y − z +t = 1
2 x −5 y +4 z +8t = −3
Solución.
Utilizaremos notación matricial y el método de eliminación de Gauss para
encontrar la solución de este sistema de ecuaciones. En cada paso se indicará las
diferentes operaciones elementales que se realizarán con las filas, partiendo de la matriz
ampliada asociada al sistema de partida.
F −2 4 −2 − 6 4 I F1 −2 1 3 −2 I
GG 3 −6 6 10 −1 JJ GG 3 −6 6 10 −1 JJ f 2 − 3 × f1 → f 2
GG −2 6 −1 1 1 JJ e j
f1 × − 12 → f1
GG −2 6 −1 1 1 JJ f 3 + 2 × f1 → f 3
f 4 − 2 × f1 → f 4
H2 −5 4 8 −3 K H2 −5 4 8 −3 K
F1 −2 1 3 −2I F1 −2 1 3 −2I
GG 0 0 3 1 5J
J GG 0 1 −2 −2 −1J
J
f 2 ↔ f 4 × ( −1) f3 − 2 × f2 → f3
GG 0 2 1 7 −3J GG 0 2 1 7 −3J
H0 −1 2 2 1 JK H0 0 3 1 5 JK
⎛ 1 −2 1 3 −2 ⎞ ⎛ 1 −2 1 3 −2 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 1 −2 −2 −1 ⎟ ⎜ 0 1 −2 −2 −1 ⎟
⎜ 0 0 5 11 −1 ⎟ ( 5) ↔ f
f3 × 1 3 ⎜ 0 0 1 11 −1 ⎟ f 4 − 3 × f3 ↔ f 4
⎜⎜ ⎟⎟ ⎜ 5 5⎟
⎝0 0 3 1 5 ⎠ ⎜0 0 3 5 ⎟⎠
⎝ 1
⎛ 1 −2 1 3 −2 ⎞ ⎛ 1 −2 1 3 −2 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 1 −2 −2 −1 ⎟
⎛ −5 ⎞ ⎜ 0 1 −2 −2 −1 ⎟
⎜ 0 0 1 11 −1 ⎟ f4 ↔ f4 × ⎜ ⎟ ⎜
⎜ 5 5⎟ ⎝ 28 ⎠ ⎜ 0 0 1 115 −1 5 ⎟⎟
⎜⎜ 0 0 0 −28 28 ⎟⎟ ⎜0 0 0
⎝ 1 −1 ⎟⎠
⎝ 5 5⎠
• Para cada antena modelo bad wave una unidad de la pieza 1, una unidad de la pieza
2 y dos unidades de la pieza 3.
• Para cada antena modelo good wave tres unidades de la pieza 1, cuatro unidades de
la pieza 2 y cinco unidades de la pieza 3.
• Para cada antena modelo super wave dos unidades de la pieza 1, una unidad de la
pieza 2 y cinco unidades de la pieza 3.
Solución.
Si denotamos por x1 , x2 , x3 el número de antenas del modelo bad wave, good
wave y super wave, respectivamente, que se fabrican por semana; y teniendo en cuenta
los datos dados por el problema, se obtiene el siguiente sistema de tres ecuaciones
lineales con tres incógnitas:
x1 + 3x2 + 2 x3 = 25000
x1 + 4 x2 + x3 = 20000
2 x1 + 5x2 + 5x3 = 55000
x1 = 40000 − 5x3
x2 = x3 − 5000
5000 ≤ x3 ≤ 8000
Así, una posible solución al sistema es que se fabriquen 7000 antenas modelo
super wave ( x3 =7000), 2000 modelo good wave ( x2 =7000-5000) y 5000 modelo bad
wave (pues x1 =40000-5 ⋅ 7000). Además se debe observar que, aunque en principio el
sistema admite infinitas soluciones, en nuestro caso x3 sólo puede admitir 3001 valores
posibles, por lo que sólo existen 3001 soluciones al problema planteado.
1.1.5 Matrices y sistemas escalonados por filas. Rango por filas de una
matriz.
Si A es una matriz, se dice que A es una matriz escalonada por filas si:
1. Todas las filas de A (si las hay) cuyos elementos son todos nulos aparecen en
la parte inferior de la matriz.
2. El primer número no nulo (comenzando por la izquierda) en cualquier fila no
nula de A es un 1 y recibe el nombre de pivote de esa fila.
3. Cada fila de A (exceptuando, por lo general, a la primera) comienza con una
sucesión de ceros, de manera que siempre contiene (al menos) un cero más
que la fila anterior. En otras palabras, el pivote en cualquier fila está a la
derecha del pivote de la fila anterior.
Asimismo, se dirá que la matriz A es una matriz escalonada reducida por filas
si A es una matriz escalonada por filas que además verifica que:
4. En las columnas en las que se ubican los pivotes todos los demás elementos
son nulos.
R|x + 3z − v = 2 F1 0 3 0 −1 2 I
• S| y + 5z = 7 ; AB = GG 0 1 5 0 0 7 JJ
T u + 2v = −1 GH 0 0 0 1 2 −1 JK
R|x + −3z + 5t − u = 2 F1 0 −3 5 −1 2 I
• S| y + 6t = 7 ; AB = GG 0 1 0 6 0 7 JJ
T z + 2t = −1 GH 0 0 1 2 0 −1 JK
Observación: Generalmente, cuando se utilizan operaciones elementales se pueden
obtener diferentes matrices escalonadas por filas equivalentes a la de partida. Es decir,
no existe una única matriz escalonada por filas asociada a una matriz A. Sin embargo, sí
que se tiene que la matriz escalonada reducida por filas que se obtiene de A mediante
operaciones elementales es única, tal y como se prueba en el siguiente teorema.
Teorema. La matriz escalonada reducida por filas, que se obtiene de una matriz A por
operaciones elementales, existe y es única.
Se repite el proceso para la matriz A1, cuyas filas segunda, tercera, ... , m-ésima
forman una matriz A’1. Si j2 es la primera columna no nula de A’1, se elige en ella un
elemento no nulo y se intercambian entre sí la primera fila de A’1 y la fila donde se
encuentra dicho elemento no nulo. Seguidamente se normaliza la nueva primera fila,
apareciendo un pivote que permitirá formar ceros por debajo y por encima de sí mismo.
Se logra así una matriz A2.
Unicidad: Supongamos que existen dos matrices escalonadas reducidas por filas
distintas asociadas a la matriz A, pongamos:
F1 0 0 c1 r +1 I
c1 n F1 0 0 c'1 r +1 I
c'1 n
GG 0 JJ GG 0 JJ
G 0 J G 0 J
C = G0 0 1 cr r +1 c J C '= G0 0 1 c ' r r +1 c' J
GG 0 0J
rn y
GG 0 0J
rn
JJ
GG JJ GG
H0 0K
J H0 0K
J
Suponiendo también que A es la matriz de los coeficientes de un sistema de
ecuaciones A ⋅ X = B, y afectando a los términos independientes de dicho sistema de las
correspondientes operaciones elementales realizadas para llegar desde A hasta C y C’,
se obtienen H y H’ como nuevas matrices de términos independientes, respectivamente.
Además, las soluciones de los sistemas:
C ⋅ X = H y C '⋅ X = H '
coinciden con las soluciones del sistema de partida, es decir, ambos sistemas son
equivalentes.
ch − h' h + edc'
k k k r +1 i
− ck r +1 xr +1 + d i j
+ c' k n − ck n xn = 0
Definición. Se denomina rango por filas de una matriz A al número de filas no nulas
que contiene la matriz escalonada reducida por filas asociada a A, y se denota por
rang(A).
Observaciones.
1. En primer lugar, cabe decir que el rango por filas de una matriz A coincide con el
número de pivotes de la matriz escalonada reducida por filas asociada a A,
pudiéndose definir éste también como el número de pivotes de dicha matriz
escalonada.
2. Por otra parte, a efectos prácticos, conviene señalar que el rango por filas de una
matriz A coincide con el número de filas no nulas que contiene cualquiera de las
matrices escalonadas por filas que se obtienen de A por operaciones elementales. De
hecho, el número de pivotes de cualquiera de las matrices escalonadas por filas que
se obtienen de A coincide con el número de pivotes de la matriz escalonada reducida
por filas asociada a A.
0 0 1 * 0 0* * 0 * *0 * * b1
0 0 0 0 1 0* * 0 * *0 * * b2
0 0 0 1* * 0 * *0 * * b3
r 0 0 0 1 * *0 * * b4
m
0 0 0 0 * *1 * * br
0 bm
donde * representa a un número cualquiera. La discusión del sistema será más sencilla
si alteramos el orden de las incógnitas x1 , x2 , …, xn que pasaremos a llamar
x' 1 , x' 2 , …, x' n , del modo que se indica a continuación:
De esta manera se consigue que en la matriz ampliada del sistema de partida los
pivotes se ubiquen en las r primeras columnas, pudiéndose escribir dicho sistema como
sigue:
R| d
x1' = b1 − c1 r +1 xr' +1 + + c1 n xn' i
||x = b − dc
'
2 2 2 r +1 x '
r +1 + + c2 n x i
'
n
|S x = b − c
|| 0 = b d xr' +1 + + cr n xn' i
'
r r r r +1
r +1
||
T0 = b m
donde cij son determinados escalares que forman parte de la matriz A. A la vista de esta
última forma de expresar el sistema A ⋅ X = B resultan evidentes las afirmaciones del
teorema. g
Una vez establecidas las nociones básicas sobre matrices y sistemas escalonados
por filas, se pueden entender los métodos de eliminación de Gauss y Gauss-Jordan en
los siguientes términos:
Así, para sistemas homogéneos, sólo pueden darse dos posibilidades: que sean
compatibles determinados o compatibles indeterminados. En el primer caso la única
n
solución es (0, 0, …, 0), la cual recibe el nombre de solución trivial. En el segundo
caso existen infinitas soluciones además de la trivial.
x1 =0
x2 =0
xn =0
0
en el que se observa claramente que el número de ecuaciones (m) es como mínimo igual
al número de incógnitas (n), es decir, m ≥ n. Este resultado es absurdo, pues contradice
la suposición de la que partíamos. Por tanto, debemos concluir que si n > m
necesariamente el sistema homogéneo tiene infinitas soluciones (como establece el
enunciado del teorema). g
EJERCICIOS
a.
|S3x −7 y +3z −t = −1 d. S
|3 x +5 y +3z +5t +6 = 0
||5x −9 y +6z +2t = 7 ||6x +8 y + z +5t +8 = 0
T4 x −6 y +3z +t = 8 T3 x +5 y +3z +7t +8 = 0
b.
|S3x − y −6z −4t = 2 e. S
| 6x +9 y −2 z − t +4 = 0
||2 x +3y +9z +2t = 6 ||10x +3 y −3z −2t −3 = 0
T3x +2 y +3z +8t = −7 T 8x +6 y + z +3t +7 = 0
R| x +3y − z +t = 1 R| x −2 z + t = 6
c. S|−2 x + y +2z = 7 f. S2 x
|T9 x
−y + z −3t = 0
T y −t = 0 −3 y − z − 7 t = 4
R|x +y +z +t +u = 15
R| x +y −z = 1 R|λx +y +z = 1
a. S|3x + λ y + λz = 5 c. S| x + λy +z = λ
T4 x + λy = 5 Tx +y + λz = λ2
R|x +y −z = 2 R|λx +y +z = 1
b. S|x +2 y +z = 3 d. S| x + λy +z = 1
Tx +y + ( λ − 5) z = λ
2
Tx +y + λz = 1
F 25 31 17 I
43 F1 1 −1 1 −2 −1 I
G 75
A=G
94 53 132J
J G4
A=G
−5 7 −2 −4 −6J
J
a.
GG 75 94 54 134J
J
c.
GG 2 5 −8 4 −3 1 J
J
H 25 32 20 48 K H3 −3 4 −1 −3 −4 K
F 17 −28 45 11 I39
GG 24 −37 61 13 50 J
J
e. A = G 25 −7 32 −18 −11J
GG 31 12 19 −43 −55J
J
H 42 13 29 −55 −68K
4. Hallar los valores de λ para los cuáles la siguiente matriz tiene rango por filas
mínimo. ¿Cuánto vale el rango por filas para los valores obtenidos de λ ?, ¿y para
los demás valores?.
F
3 1 1 4 I
A=
GG
λ 4 10 1 JJ
GG
1 7 17 3 JJ
2 2 4 3 H K
5. Calcular el rango por filas de la siguiente matriz para los distintos valores de λ :
F1 λ −1 2 I
A = G2 −1 λ 5 JJ
GH 1 10 −6 1K
6. Hallar el rango por filas de la siguiente matriz. ¿Parar qué valores de α y β es dicho
rango lo más pequeño posible?.
F1 3 −2 −1 4 I
GG −2 1 1 2 −3J
J
A=G 3 −4 3 1 −2J
GG 3 3 0 α 3J
J
H3 2 −3 −3 βK
que se requieren 250 chips para poner en funcionamiento todos los equipos del
laboratorio. Aún más, mediante escuchas ilegales consigue saber que se fabricarán
el doble de robots que de ordenadores. La pregunta que hace el agente secreto a los
alumnos de Álgebra Lineal de primer curso de Telecomunicaciones (por supuesto de
forma confidencial) es: ¿se podrá determinar el número de ordenadores y robots que
hay en el laboratorio secreto o es incorrecta la información que he obtenido?.