Sistemas de Ecuaciones Lineales

Para introducirnos al estudio de los sistemas de ecuaciones lineales podemos partir recordando qué es
una ecuación lineal. Una ecuación lineal es una igualdad de la forma:
a1 x1 + a2 x2 + a3 x3 + ... + an xn = b
en donde los términos ai xi están compuestos por una constante ai (un número real) y una variable xi y
b es el término independiente (una constante). Son ejemplo de ecuaciones lineales, ecuaciones como:
3x -1=0
x +y =4
a +b+c =d +1
Por otro lado, no son ecuaciones lineales, ecuaciones como:
x2 + y2 = 9
sen x = 1
e x-2 = 0
Resolver una ecuación lineal como a1 x1 + a2 x2 + a3 x3 + ... + an xn = b es determinar todas las posibles
tuplas (s1 , s2 , …, sn ) tales que al sustituir x1 por s1 , x2 por s2 y sucesivamente xn por sn se satisface la
igualdad.
Ejemplo 1: Determine todas las posibles soluciones enteras de la ecuación:
x +y +z =1
Para este caso una posible solución es la tripla (1, 1, -1) ya que si sustituimos x = 1, y = 1 y z = -1se
1 3
satisface la igualdad x + y + z = 1mientras que las triplas (1, 2, 3) y  4 , 4 , 0 no son soluciones puesto
que la primera no satisface la igualdad y la segunda, a pesar de que satisface la igualdad, no es un
1 3
elemento del conjunto de posibles soluciones, ya que tanto 4
como 4
no son números enteros. Si
deseamos determinar LA SOLUCIÓN de esta ecuación entonces debemos encontrar TODAS las posibles
triplas de números enteros que satisfagan tal ecuación. Haciendo z = 1 - x - y se tiene que toda posible
tripla es de la forma (x, y, 1 - x - y), dónde x , y ∈ ℤ, es decir, hay tantas soluciones como parejas de
números enteros (¡infinitas!).
Ejemplo 2: Determinar todas las posibles parejas (x , y) de números reales tales que:
3x -y =1
x +2y =7
Este caso es posible asociarlo con el problema de determinar la intersección de dos rectas en el plano,
puesto que debemos encontrar todas las parejas (x , y) ∈ ℝ 2 (puntos del plano) que satisfacen
simultáneamente las dos ecuaciones (puntos que están en ambas rectas). Para ello, existe una manera
de solucionar tal problema y es eliminando una variable mediante propiedades de las igualdades. Esto
es:
como 3 x - y = 1 entonces y = 3 x - 1 y sustituyendo en la otra ecuación se tiene que x + 2 (3 x - 1) = 7
5 5 8 5 8
de donde se deduce que x = 7
lo cual implica que y = 3  7  - 1 = 7 . Por lo tanto, la pareja  7 , 7  es la
ÚNICA que satisface las dos ecuaciones simultáneamente y geométricamente es el punto intersección
de las dos rectas representadas por tales ecuaciones. Como se puede ilustrar en el siguiente gráfico:
2 Sistemas de Ecuaciones Lineales.nb

In[ ]:= Plot3 x - 1, (7 - x)  2, {x, - 5, 5}, AxesLabel → {Eje X, Eje Y},
representación gráfica etiqueta de ejes
PlotLegends → "Expressions", PlotRange → {- 5, 5}
leyendas de representación rango de representación

Eje Y

2
3x -1
Out[ ]=
7-x
Eje X
-4 -2 2 4 2

-2

-4

Ejemplo 3: Determinar el conjunto de triplas (x , y, z ) de números reales que satisfacen simultánea-

mente las ecuaciones:
3x -y +z =1
-6 x + 2 y - 2 z = 1
Observe que si multiplicamos la primera ecuación por -2 y la sumamos a la segunda debemos obtener
una igualdad equivalente para cualquier valor de (x , y, z ) pero la igualdad que se obtiene es 0 = -1 lo
cual es falso para cualquier valor de (x , y, z ). Por lo tanto, el sistema no tiene solución. En este ejem-
plo cada ecuación corresponde a un plano en el espacio, tales planos deben ser paralelos dado que el
sistema no tiene solución (no hay puntos en común). En el siguiente gráfico se aprecia un bosquejo de
los dos planos.
 Sistemas de Ecuaciones Lineales.nb 3

In[ ]:= ContourPlot3D[{3 x - y + z == 1, - 6 x + 2 y - 2 z == 1}, {x, - 5, 5}, {y, - 5, 5},

representación 3D de contornos
{z, - 5, 5}, AxesLabel → {Eje X, Eje Y, Eje Z}, PlotLegends → "Expressions"]
etiqueta de ejes leyendas de representación

3x -y +z1
Out[ ]=
-6 x + 2 y - 2 z  1

Generalizando, se tiene que un sistema de ecuaciones lineales de tamaño m ×n (m ecuaciones con n

variables) tiene la siguiente forma:
a11 x1 + a12 x2 + a13 x3 + ... + a1 n xn = b1
a21 x1 + a22 x2 + a23 x3 + ... + a2 n xn = b2
a31 x1 + a32 x2 + a33 x3 + ... + a3 n xn = b3
⋮ ⋮ ⋮ ⋮ ⋮
am1 x1 + am2 x2 + am3 x3 + ... + amn xn = bm
Una solución al sistema de ecuaciones lineales es un vector s ∈ ℝ n , s = (s1 , s2 , ..., sn ) tal que al sustituir
x1 = s1 , x2 = s2 , x3 = s3 , ... , xn = sn se satisfacen las m ecuaciones simultáneamente. Por otro lado, la
solución del SEL es el conjunto:
S = {s ∈ ℝn s es una solución}
El conjunto S puede ser: Infinito, Unitario ó Vacío. Esta última afirmación se demostrará más adelante
haciendo uso de las propiedades de las operaciones entre matrices y de la lógica, reducción al absurdo.

Hasta este momento hemos utilizado una terminología que es preciso aclararla para apropiarnos de la
misma de manera correcta durante el curso. Por ejemplo:

1. Vector: Es un elemento de un espacio vectorial. Los siguientes objetos son ejemplos de vectores y
observe que no necesariamente tienen una magnitud y una dirección.
4 Sistemas de Ecuaciones Lineales.nb

1 2
A = -3 7 , Una matriz de tamaño 3x2.
9 0

f (x) = sen x, una función real.

2. Escalar: Es un elemento de un Campo. Ejemplos de campos tenemos a el Campo de los números
reales, el Campo de los números complejos y a ℤ2 = {0, 1} (Los posibles residuos al dividir un entero
entre 2). Formalmente, un Campo es una Estructura Algebraica, una tripla, compuesta por: (A,+,·)
donde + y · son dos operaciones que satisfacen las propiedades:
Propiedad Clausurativa
Propiedad Asociativa
Propiedad Conmutativa
Propiedad Modulativa
Propiedad invertiva

Propiedad Distributiva a(b+c)=ab+ac (Relaciona a las dos operaciones)

Todo conjunto que con dos operaciones cumpla las 11 propiedades anteriores se denomina Campo y a
sus elementos se les denomina escalares. El Álgebra lineal se puede estudiar desde diversos Campos,
por ejemplo, las entradas de una matriz pueden ser exclusivamente elementos de ℤ 2 y las operaciones
entre las mismas estar regidas a las operaciones del respectivo Campo. Para el caso de ℤ 2 se tienen las
siguientes operaciones binarias:
+ 0 1
0 0 1 Suma en ℤ2
1 1 0

. 0 1
0 0 0 Producto en ℤ2
1 0 1

y así, la suma de dos matrices con entradas en ℤ2 se haría de la siguiente manera:

0 1 1 0 1 1 0 0 0
Si A= 1 0 0 y B= 1 0 0 entonces A+B= 0 0 0
1 1 1 1 1 1 0 0 0
3. Conjunto infinito: Un conjunto cualquiera es infinito si y sólo si tiene un subconjunto propio del
mismo tamaño. Por ejemplo, el conjunto de números naturales: ℕ es infinito dado que tiene al menos
un subconjunto propio, por ejemplo los pares (2ℕ), tal que 2 ℕ ⊂ ℕ y además tienen la misma cantidad
de elementos. Para mostrar la veracidad de la anterior afirmación, basta con definir una función biyec-
tiva entre ambos conjuntos, la cual sería: f : ℕ → 2 ℕ, f (n) = 2 n.
Continuando con el tema de Sistemas de Ecuaciones Lineales, a continuación se proporciona un ejem-
plo de un SEL de tamaño 3x4 (3 ecuaciones con 4 variables):
2x +3y -5z +w =1
x - 5 y + 8 z + 3 w = 1/2
-3 x + 9 y - z = 5
 Sistemas de Ecuaciones Lineales.nb 5

El anterior SEL se puede codificar mediante la siguiente matriz

2 3 -5 1 1
1 -5 8 3 1/2
-3 9 -1 0 5

Note que lo que a la larga lo que identifica al SEL son los coeficientes de sus variables y sus términos
independientes, resolviendo computacionalmente se tiene que:
2 3 -5 1 1
In[ ]:= MatrixFormRowReduce 1 - 5 8 3 1  2 
forma de mat⋯ reduce filas -3 9 -1 0 5

Out[ ]//MatrixForm=
193 93
1 0 0
173 173
74 273
0 1 0
173 346
87 169
0 0 1
173 346

193 93 193 93 74 273 87 169

x+ 173
w= 173
⟹x = - 173 w + 173 , y = - 173 w + 346
, z = - 173 w + 346
Si hacemos w=t, t ∈ ℝ
74 273
y+ 173
w= 346
87 169
z+ 173
w= 346
193 93 74 273 87 169
S = {(- 173 t + 173 , - 173 t + 346 , - 173 t+ 346
, t) | t ∈ ℝ }

Antes de abordar el siguiente tipo de situaciones, es preciso aclarar que no existe una estrategia están-
dar o una “receta” que nos lleve directamente a la solución, el paso clave consiste en plantear las
ecuaciones que representan la situación, por tal motivo como sugerencia se recomienda que se haga
una buena lectura, se tome nota de lo más importante, se identifique lo que se está preguntando para
asociarlo con variables y dedicar algo de tiempo al planteamiento de las ecuaciones. Una vez se tengan
las ecuaciones se aplica un algoritmo que las resuelva simultáneamente y finalmente se analizan las
posibles soluciones a la situación planteada.

Ejercicio 1: Una refinería produce gasolina con azufre y sin azufre. Para producir cada tonelada de
gasolina sin azufre se necesitan 5 minutos en la planta mezcladora y 4 minutos en la planta de refi-
nación, mientras que cada tonelada de gasolina con azufre requiere 4 minutos en la planta mezcladora
y 2 minutos en la planta de refinación. Si la planta mezcladora está disponible 3 horas y la de refinación
2 horas, ¿cuántas toneladas de cada tipo de gasolina deben producirse de modo que las plantas operen
a toda su capacidad?
Parte de la información suministrada se puede organizar en la siguiente tabla o matriz:
Tipo de Gasolina\Planta Mezcladora Refinación
Con Azufre 4 min 2 min
Sin Azufre 5 min 4 min

De donde se puede deducir el siguiente SEL:

4 x + 5 y = 180
2 x + 4 y = 120
6 Sistemas de Ecuaciones Lineales.nb

En donde x denota el número de toneladas gasolina con azufre y y denota el número de toneladas de
gasolina sin azufre. Se realiza el computo:

In[ ]:= MatrixFormRowReduce 4 5 180 

2 4 120
forma de mat⋯ reduce filas

Out[ ]//MatrixForm=

 1 0 20 
0 1 20

Respuesta: Se pueden producir 20 toneladas de gasolina con azufre y 20 toneladas de gasolina sin
azufre de modo que las plantas operen a toda su capacidad.
El anterior problema se relaciona con el mundo real, aún así, es acotado, más adelante en su desem-
peño profesional es posible que estudie problemas reales que pueden involucrar un SEL de orden
mucho mayor.

Ejercicio 2: Un fabricante produce dos tipos de plásticos: regular y especial. La producción de cada
tonelada de plástico regular requiere dos horas en la planta A y 5 horas en la planta B; para producir
cada tonelada de plástico especial se necesitan 2 horas en la planta A y 3 horas en la planta B. Si la
planta A está disponible 8 horas diarias y la planta B 15 horas al día, ¿cuántas toneladas de cada tipo
de plástico pueden producirse diariamente de modo que ambas plantas se utilicen al máximo de su
capacidad?
Parte de la información suministrada se puede organizar en la siguiente tabla o matriz:
Tipo de plástico\Planta A B
Regular 2 horas 5 horas
Especial 2 horas 3 horas

De donde se puede deducir el siguiente SEL:

2x +2y =8
5 x + 3 y = 15
En donde x denota el número de toneladas de plástico regular y y denota el número de toneladas de
plástico especial. Se realiza el computo:

In[ ]:= MatrixFormRowReduce 2 2 8 

5 3 15
forma de mat⋯ reduce filas

Out[ ]//MatrixForm=
3
1 0
2
5
0 1
2

Respuesta: Se pueden producir 1,5 toneladas de plástico regular y 2,5 toneladas de plástico especial de
modo que las plantas utilicen el máximo de su capacidad.

Ejercicio 3: Un nutriólogo prepara una dieta que consiste en los alimentos A, B y C. Cada onza del
alimento A contiene 2 unidades de proteína, 3 unidades de grasa y 4 unidades de carbohidratos. Cada
onza del alimento B contiene 3 unidades de proteínas, 2 unidades de grasa y 1 unidad de carbo-
 Sistemas de Ecuaciones Lineales.nb 7

proteínas, grasa y
hidratos. Por su parte, cada onza del alimento C contiene 3 unidades de proteínas, 3 unidades de grasa
y 2 unidades de carbohidratos. Si la dieta debe proporcionar exactamente 25 unidades de proteínas, 24
unidades de grasa y 21 unidades de carbohidratos, ¿cuántas onzas de cada tipo de alimento deben
utilizarse?
Parte de la información suministrada se puede organizar en la siguiente tabla o matriz:
Alimentos\Unidades Proteína Grasa Carbohidratos
A 2 3 4
B 3 2 1
C 3 3 2

De donde se puede deducir el siguiente SEL:

2 x + 3 y + 3 z = 25
3 x + 2 y + 3 z = 24
4 x + y + 2 z = 21
En donde x denota el número de onzas del alimento A, y denota el número de onzas del alimento B y z
el número de onzas del alimento C. Se realiza el computo:
2 3 3 25
In[ ]:= MatrixFormRowReduce 3 2 3 24 
forma de mat⋯ reduce filas 4 1 2 21

Out[ ]//MatrixForm=
16
1 0 0
5
21
0 1 0
5
0 0 1 2
16 21
Respuesta: Se deben utilizar 5
onzas del alimento A, 5
onzas del alimento B y 2 onzas del alimento C
para la dieta.

Ejercicio 4: Un editor publica un posible éxito de librería en tres presentaciones distintas: libro de
bolsillo, edición para club de lectores y edición de lujo. Cada libro de bolsillo necesita un minuto para el
cosido y 2 para el pegado. Cada libro de la edición para el club de lectores necesita 2 minutos para el
cosido y 4 para el pegado. Cada libro en edición de lujo necesita 3 minutos para el cosido y 5 para el
pegado. Si la planta de cosido está disponible 6 horas diarias y la planta de pegado 11 horas, ¿cuántos
libros de cada presentación se pueden producir por día de modo que las plantas se aprovechen a toda
su capacidad?
Parte de la información suministrada se puede organizar en la siguiente tabla o matriz:
Tipo de libro\Planta Cosido Pegado
Bolsillo 1 min 2 min
Club de lectores 2 min 4 min
Edición de lujo 3 min 5 min

De donde se puede deducir el siguiente SEL:

8 Sistemas de Ecuaciones Lineales.nb

x + 2 y + 3 z = 360
2 x + 4 y + 5 z = 660
En donde x denota el número de libros de Bolsillo, y denota el número de libros de Club de lectores y z
el número de libros de Edición de lujo. Se realiza el computo:

In[ ]:= MatrixFormRowReduce 1 2 3 360 

2 4 5 660
forma de mat⋯ reduce filas

Out[ ]//MatrixForm=

 1 2 0 180 
0 0 1 60

Observe que el SEL tiene infinitas soluciones en donde z siempre es igual a 60 y las variables x y y
están relacionadas por la ecuación: x + 2 y = 180. Es decir, al hacer parametrizar y, haciendo y = t , el
conjunto solución está dado por:
S = {(180 - 2 t , t , 60) t ∈ ℝ}
Sin embargo, no todo elemento del conjunto S constituye una solución del problema inicial, puesto que
el parámetro t debe ser un número entero, dado que en este contexto t determina número de libros y
además debe cumplir que 0 ≤ t ⩽ 90. Por lo tanto, existen 91 soluciones posibles tales que las plantas se
aprovechan en toda su capacidad.

Ejercicio 5: Suponga que tres puntos (1,-5), (-1, 1) y (2, 7) están en una parábola
p(x) = a x 2 + b x + c .
(a) Determine un sistema lineal de tres ecuaciones con tres incógnitas que deba resolverse para determi-
nar a, b y c.
(b) Resuelva el sistema lineal que obtuvo en la parte (a) para a, b y c.
Dado que los puntos están en la parábola entonces satisfacen su ecuación. Por lo tanto, para el punto
(1, -5) se tiene que: p(1) = a (1)2 + b (1) + c = -5 lo cual implica que a + b + c = -5. Para el punto (-1, 1)
se tiene que: p(-1) = a (-1)2 + b (-1) + c = 1 y entonces a - b + c = 1. De manera análoga para el punto
(2, 7) se llega a que 4 a + 2 b + c = 7. El SEL es el siguiente:
a + b + c = -5
a -b+c =1
4a +2b +c =7
Ahora, se resuelve el SEL:
1 1 1 -5
In[ ]:= MatrixFormRowReduce 1 - 1 1 1 
forma de mat⋯ reduce filas 4 2 1 7

Out[ ]//MatrixForm=
1 0 0 5
0 1 0 -3
0 0 1 -7

Respuesta: La parábola que contiene a los puntos (1, -5), (-1, 1) y (2, 7) es la parábola cuya ecuación
es p(x) = 5 x 2 - 3 x - 7 y cuya representación en el plano se ve a continuación.
 Sistemas de Ecuaciones Lineales.nb 9

In[ ]:= ShowPlot5 x2 - 3 x - 7, {x, - 3, 3},

mues⋯ representación gráfica
ListPlot[{{- 1, 1}, {1, - 5}, {2, 7}}, PlotStyle → Red],
representación de lista estilo de repr⋯ rojo
AxesLabel → {Eje X, Eje Y}, PlotRange → {- 10, 10}
etiqueta de ejes rango de representación
Eje Y

10

Out[ ]=
Eje X
-3 -2 -1 1 2 3

-5

-10

El anterior problema es otro problema acotado, que más adelante se puede extrapolar al problema de
encontrar la curva que mejor se ajuste a un conjunto de puntos dados.

Ejercicios adicionales (SEL):

1. Resuelva los siguientes SEL aplicando el algoritmo de Gauss-Jordan.

1.1

Solución:

In[18]:=  RowReduce[{1,2,-4,3},{1,-2,3,-1},{2,3,-1,5},{4,3,-2,7},{5,2,-6,7}]

Input interpretation:

1 2 -4 3
1 -2 3 -1
row reduce 2 3 -1 5
4 3 -2 7
5 2 -6 7

Results: Hide steps

10 Sistemas de Ecuaciones Lineales.nb

1 0 0 1
0 1 0 1
0 0 1 0
0 0 0 0
0 0 0 0
Possible intermediate steps:
Do row reduction:
1 2 -4 3
1 -2 3 -1
2 3 -1 5
4 3 -2 7
5 2 -6 7

Subtract row 1 from row 2:

1 2 -4 3
0 -4 7 -4
2 3 -1 5
4 3 -2 7
5 2 -6 7

Subtract 2 × (row 1) from row 3:

1 2 -4 3
0 -4 7 -4
0 -1 7 -1
4 3 -2 7
5 2 -6 7

Subtract 4 × (row 1) from row 4:

1 2 -4 3
0 -4 7 -4
0 -1 7 -1
0 -5 14 -5
5 2 -6 7

Subtract 5 × (row 1) from row 5:

1 2 -4 3
0 -4 7 -4
0 -1 7 -1
0 -5 14 -5
0 -8 14 -8

Swap row 2 with row 3:

1 2 -4 3
0 -1 7 -1
0 -4 7 -4
0 -5 14 -5
0 -8 14 -8
 Sistemas de Ecuaciones Lineales.nb 11

Subtract 4 × (row 2) from row 3:

1 2 -4 3
0 -1 7 -1
0 0 -21 0
0 -5 14 -5
0 -8 14 -8

Subtract 5 × (row 2) from row 4:

1 2 -4 3
0 -1 7 -1
0 0 -21 0
0 0 -21 0
0 -8 14 -8

Subtract 8 × (row 2) from row 5:

1 2 -4 3
0 -1 7 -1
0 0 -21 0
0 0 -21 0
0 0 -42 0

Swap row 3 with row 5:

1 2 -4 3
0 -1 7 -1
0 0 -42 0
0 0 -21 0
0 0 -21 0

1
Subtract × (row 3) from row 4:
2
1 2 -4 3
0 -1 7 -1
0 0 -42 0
0 0 0 0
0 0 -21 0

1
Subtract × (row 3) from row 5:
2
1 2 -4 3
0 -1 7 -1
0 0 -42 0
0 0 0 0
0 0 0 0
12 Sistemas de Ecuaciones Lineales.nb

Divide row 3 by -42:

1 2 -4 3
0 -1 7 -1
0 0 1 0
0 0 0 0
0 0 0 0

Subtract 7 × (row 3) from row 2:

1 2 -4 3
0 -1 0 -1
0 0 1 0
0 0 0 0
0 0 0 0

Add 4 × (row 3) to row 1:

1 2 0 3
0 -1 0 -1
0 0 1 0
0 0 0 0
0 0 0 0

Multiply row 2 by -1:

1 2 0 3
0 1 0 1
0 0 1 0
0 0 0 0
0 0 0 0

Subtract 2 × (row 2) from row 1:

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

This matrix is now in reduced row echelon form.

All non-zero rows are above rows of all zeros:
1 0 0 1
0 1 0 1
0 0 1 0
0 0 0 0
0 0 0 0

Each pivot is 1 and is strictly to the right of every pivot above it:
1 0 0 1
 Sistemas de Ecuaciones Lineales.nb 13

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

Each pivot is the only non-zero entry in its column:

Answer:

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

Dimensions:

5 (rows) × 4 (columns)

Matrix plot:
1 2 3 4
1 1
2 2
3 3
4 4
5 5
1 2 3 4

Matrix rank: Step-by-step solution

Nullity: Step-by-step solution

Pseudoinverse: Approximate form

2 -1 0 0 0
1 -1 2 0 0 0
3 0 0 3 0 0
1 1 0 0 0

Del anterior procedimiento podemos concluir según la matriz reducida que la solución es:
S = {(1, 1, 0)} o x = 1, y = 1 y z = 0.
Es decir, el SEL tiene solución única.
14 Sistemas de Ecuaciones Lineales.nb

1.2

Es un SEL homogéneo (los términos independientes son todos iguales a cero) y siempre será consis-
tente, es decir, siempre tiene solución puesto que al menos, en este caso, la tripla (0,0,0) es solución
(la solución trivial). Por otro lado, puede que tenga infinitas soluciones (solución no trivial).

Solución:

In[19]:=  RowReduce[{1,1,1,0},{1,0,1,0},{2,1,-2,0},{1,5,5,0}]

Input interpretation:

1 1 1 0
1 0 1 0
row reduce
2 1 -2 0
1 5 5 0

Results: Hide steps

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0
Possible intermediate steps:
Do row reduction:
1 1 1 0
1 0 1 0
2 1 -2 0
1 5 5 0

Subtract row 1 from row 2:

1 1 1 0
0 -1 0 0
2 1 -2 0
1 5 5 0

Subtract 2 × (row 1) from row 3:

1 1 1 0
0 -1 0 0
0 -1 -4 0
1 5 5 0
 Sistemas de Ecuaciones Lineales.nb 15

Subtract row 1 from row 4:

1 1 1 0
0 -1 0 0
0 -1 -4 0
0 4 4 0

Subtract row 2 from row 3:

1 1 1 0
0 -1 0 0
0 0 -4 0
0 4 4 0

Add 4 × (row 2) to row 4:

1 1 1 0
0 -1 0 0
0 0 -4 0
0 0 4 0

Add row 3 to row 4:

1 1 1 0
0 -1 0 0
0 0 -4 0
0 0 0 0

Divide row 3 by -4:

1 1 1 0
0 -1 0 0
0 0 1 0
0 0 0 0

Subtract row 3 from row 1:

1 1 0 0
0 -1 0 0
0 0 1 0
0 0 0 0

Multiply row 2 by -1:

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

Subtract row 2 from row 1:

16 Sistemas de Ecuaciones Lineales.nb

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

This matrix is now in reduced row echelon form.

All non-zero rows are above rows of all zeros:
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0

Each pivot is 1 and is strictly to the right of every pivot above it:
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0

Each pivot is the only non-zero entry in its column:

Answer:

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

Dimensions:

4 (rows) × 4 (columns)

Matrix plot:
1 2 3 4
1 1
2 2
3 3
4 4
1 2 3 4

Property:

symmetric

Trace: Step-by-step solution

Determinant: Step by solution

 Sistemas de Ecuaciones Lineales.nb 17

Determinant: Step-by-step solution

Matrix rank: Step-by-step solution

Nullity: Step-by-step solution

Characteristic polynomial: Step-by-step solution

4 3 2
λ -3λ +3λ -λ
Characteristic polynomial »

Eigenvalues: Step-by-step solution

λ1  1
λ2  1
λ3  1
λ4  0

Eigenvectors: Step-by-step solution

v1  (0, 0, 1, 0)
v2  (0, 1, 0, 0)
v3  (1, 0, 0, 0)
v4  (0, 0, 0, 1)

Condition number:

Del anterior procedimiento podemos concluir según la matriz reducida que la solución es:
S = {(0, 0, 0)} o x = 0, y = 0 y z = 0.
Es decir, el SEL tiene solución única, la solución trivial.

1.3
18 Sistemas de Ecuaciones Lineales.nb

Solución:

In[20]:=  RowReduce[{2,1,1,-2,1},{3,-2,1,-6,-2},{1,1,-1,-1,-1},{6,0,1,-9,-2},{5,-1,2,-8,3}]

Input interpretation:

2 1 1 -2 1
3 -2 1 -6 -2
row reduce 1 1 -1 -1 -1
6 0 1 -9 -2
5 -1 2 -8 3

Results: Approximate form Hide steps

1 0 0 - 17
11
0
9
0 1 0 11
0
3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0
Possible intermediate steps:
Do row reduction:
2 1 1 -2 1
3 -2 1 -6 -2
1 1 -1 -1 -1
6 0 1 -9 -2
5 -1 2 -8 3

Swap row 1 with row 3:

1 1 -1 -1 -1
3 -2 1 -6 -2
2 1 1 -2 1
6 0 1 -9 -2
5 -1 2 -8 3

Subtract 3 × (row 1) from row 2:

1 1 -1 -1 -1
0 -5 4 -3 1
2 1 1 -2 1
6 0 1 -9 -2
5 -1 2 -8 3
 Sistemas de Ecuaciones Lineales.nb 19

Subtract 2 × (row 1) from row 3:

1 1 -1 -1 -1
0 -5 4 -3 1
0 -1 3 0 3
6 0 1 -9 -2
5 -1 2 -8 3

Subtract 6 × (row 1) from row 4:

1 1 -1 -1 -1
0 -5 4 -3 1
0 -1 3 0 3
0 -6 7 -3 4
5 -1 2 -8 3

Subtract 5 × (row 1) from row 5:

1 1 -1 -1 -1
0 -5 4 -3 1
0 -1 3 0 3
0 -6 7 -3 4
0 -6 7 -3 8

Swap row 2 with row 3:

1 1 -1 -1 -1
0 -1 3 0 3
0 -5 4 -3 1
0 -6 7 -3 4
0 -6 7 -3 8

Subtract 5 × (row 2) from row 3:

1 1 -1 -1 -1
0 -1 3 0 3
0 0 -11 -3 -14
0 -6 7 -3 4
0 -6 7 -3 8

Subtract 6 × (row 2) from row 4:

1 1 -1 -1 -1
0 -1 3 0 3
0 0 -11 -3 -14
0 0 -11 -3 -14
0 -6 7 -3 8

Subtract 6 × (row 2) from row 5:

1 1 -1 -1 -1
0 -1 3 0 3
20 Sistemas de Ecuaciones Lineales.nb

0 0 -11 -3 -14
0 0 -11 -3 -14
0 0 -11 -3 -10

Subtract row 3 from row 4:

1 1 -1 -1 -1
0 -1 3 0 3
0 0 -11 -3 -14
0 0 0 0 0
0 0 -11 -3 -10

Subtract row 3 from row 5:

1 1 -1 -1 -1
0 -1 3 0 3
0 0 -11 -3 -14
0 0 0 0 0
0 0 0 0 4

Swap row 4 with row 5:

1 1 -1 -1 -1
0 -1 3 0 3
0 0 -11 -3 -14
0 0 0 0 4
0 0 0 0 0

Divide row 4 by 4:
1 1 -1 -1 -1
0 -1 3 0 3
0 0 -11 -3 -14
0 0 0 0 1
0 0 0 0 0

Add 14 × (row 4) to row 3:

1 1 -1 -1 -1
0 -1 3 0 3
0 0 -11 -3 0
0 0 0 0 1
0 0 0 0 0

Subtract 3 × (row 4) from row 2:

1 1 -1 -1 -1
0 -1 3 0 0
0 0 -11 -3 0
0 0 0 0 1
0 0 0 0 0
 Sistemas de Ecuaciones Lineales.nb 21

Add row 4 to row 1:

1 1 -1 -1 0
0 -1 3 0 0
0 0 -11 -3 0
0 0 0 0 1
0 0 0 0 0

Divide row 3 by -11:

1 1 -1 -1 0
0 -1 3 0 0
3
0 0 1 11 0
0 0 0 0 1
0 0 0 0 0

Subtract 3 × (row 3) from row 2:

1 1 -1 -1 0
9
0 -1 0 - 11 0
3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0

Add row 3 to row 1:

8
1 1 0 - 11 0
9
0 -1 0 - 11 0
3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0

Multiply row 2 by -1:

8
1 1 0 - 11 0
9
0 1 0 11
0
3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0

Subtract row 2 from row 1:

1 0 0 - 17 11
0
9
0 1 0 11
0
3
0 0 1 11
0
0 0 0 0 1
22 Sistemas de Ecuaciones Lineales.nb

0 0 0 0 1
0 0 0 0 0

This matrix is now in reduced row echelon form.

All non-zero rows are above rows of all zeros:
1 0 0 - 17 11
0
9
0 1 0 11
0
3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0

Each pivot is 1 and is strictly to the right of every pivot above it:
1 0 0 - 17 11
0
9
0 1 0 11
0
3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0

Each pivot is the only non-zero entry in its column:

Answer:

1 0 0 - 17
11
0
9
0 1 0 11
0
3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0

Dimensions:

5 (rows) × 5 (columns)

Matrix plot:
1 2 3 4 5
1 1
2 2
3 3
4 4
5 5
1 2 3 4 5

Trace: Step-by-step solution

3
 Sistemas de Ecuaciones Lineales.nb 23

Determinant: Step-by-step solution

Matrix rank: Step-by-step solution

Nullity: Step-by-step solution

Characteristic polynomial: Step-by-step solution

-λ5 + 3 λ4 - 3 λ3 + λ2
Characteristic polynomial »

Eigenvalues: Step-by-step solution

λ1  1
λ2  1
λ3  1
λ4  0

Eigenvectors: Approximate forms Step-by-step solution

v1  (0, 0, 1, 0, 0)
v2  (0, 1, 0, 0, 0)
v3  (1, 0, 0, 0, 0)
17 9 3
v4  , - , - , 1, 0
11 11 11

Jordan decomposition: Approximate forms

-1
M  S.J.S
where

1 0 0 - 17
11
0
9
0 1 0 11
0
M 3
0 0 1 11
0
0 0 0 0 1
0 0 0 0 0
17 17
11 11
0 0 1
9 9
- 11 - 11 0 1 0
S 3 3
- 11 - 11 1 0 0
1 0 0 0 0
24 Sistemas de Ecuaciones Lineales.nb

0 1 0 0 0
0 1 0 0 0
0 0 0 0 0
J 0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
0 0 0 1 0
0 0 0 0 1
3 3
0 0 1
S-1  11 11
9 9
0 1 0 11 11
1 0 0 - 17
11
- 17
11

Condition number:

Del anterior procedimiento podemos concluir según la matriz reducida que el SEL no tiene solución
dado que se llegó a una fila que codifica la ecuación:
0x +0y +0z +0w =1
la cual nunca se podrá satisfacer dado que ninguna cuádrupla (x , y, z , w ) ∈ ℝ 4 cumplirá que 0 = 1, a lo
que denominamos una inconsistencia.

1.4

Solución:

In[21]:=  RowReduce[{1,2,3,-1,0},{2,1,-1,1,3},{1,-1,0,1,-2}]

Input interpretation:

1 2 3 -1 0
row reduce 2 1 -1 1 3
1 -1 0 1 -2

Results: Approximate form Hide steps

7 1
1 0 0 12
- 12
5 23
0 1 0 - 12 12
0 0 1 - 14 - 54
Possible intermediate steps
 Sistemas de Ecuaciones Lineales.nb 25

Possible intermediate steps:

Do row reduction:
1 2 3 -1 0
2 1 -1 1 3
1 -1 0 1 -2

Subtract 2 × (row 1) from row 2:

1 2 3 -1 0
0 -3 -7 3 3
1 -1 0 1 -2

Subtract row 1 from row 3:

1 2 3 -1 0
0 -3 -7 3 3
0 -3 -3 2 -2

Subtract row 2 from row 3:

1 2 3 -1 0
0 -3 -7 3 3
0 0 4 -1 -5

Divide row 3 by 4:
1 2 3 -1 0
0 -3 -7 3 3
0 0 1 - 4 - 541

Add 7 × (row 3) to row 2:

1 2 3 -1 0
0 -3 0 54 - 23 4
0 0 1 - 14 - 54

Subtract 3 × (row 3) from row 1:

1 2 0 - 14 15 4
5
0 -3 0 4
- 23
4
0 0 1 - 14 - 54

Divide row 2 by -3:

1 2 0 - 14 15 4
5 23
0 1 0 - 12 12
0 0 1 - 14 - 54
26 Sistemas de Ecuaciones Lineales.nb

Subtract 2 × (row 2) from row 1:

7 1
1 0 0 12 - 12
5 23
0 1 0 - 12 12
0 0 1 - 14 - 54

This matrix is now in reduced row echelon form.

All non-zero rows are above rows of all zeros (there are no rows of all zeros):
7 1
1 0 0 12 - 12
5 23
0 1 0 - 12 12
0 0 1 - 14 - 54

Each pivot is 1 and is strictly to the right of every pivot above it:
7 1
1 0 0 12 - 12
5 23
0 1 0 - 12 12
0 0 1 - 14 - 54

Each pivot is the only non-zero entry in its column:

Answer:
7 1
1 0 0 12
- 12
5 23
0 1 0 - 12 12
0 0 1 - 14 - 54

Dimensions:

3 (rows) × 5 (columns)

Matrix plot:
1 2 3 4 5
1 1
2 2
3 3
1 2 3 4 5

Matrix rank: Step-by-step solution

Nullity: Step-by-step solution

 Sistemas de Ecuaciones Lineales.nb 27

Nullity Step by step solution

Pseudoinverse: Exact form

0.781977 0.12064 0.117733
0.12064 0.369913 0.324855
0.117733 0.324855 0.666424
0.376453 -0.164971 -0.233285
0.0188953 0.292878 -0.220203

Del anterior procedimiento podemos concluir según la matriz reducida que el SEL tiene infinitas solu-
ciones y se pueden deducir tres ecuaciones:
Matriz reducida :

1 0 0
7
12
- 12
1
⟹ x+
7
12
1
w = - 12
5 23 5 23
0 1 0 - 12 12 y- w = 12
12
1 5 1 5
0 0 1 -4 -4 z- 4
w = -4

Por lo tanto, parametrizando la variable w (w = t , t ∈ ℝ), se obtiene el conjunto solución:

1 7 23 5 5 1
S = - 12 - 12
t, 12
+ 12
t, -4 + 4
t, t t ∈ ℝ

de infinitas cuadrúplas que satisfacen las tres ecuaciones simultáneamente.

Autor: Sergio Andrés Montoya Torres

Bibliografía: Kolman B. - Hill D. Álgebra Lineal. Octava Edición. Pearson. 2006.