Sistemas de

ecuaciones lineales

Miguel Ángel Muñoz

Semana 2
2019
 1

2.1 Sistemas de Ecuaciones lineales

En esta sección se desarrollarán los conceptos más relevantes, asociados a la resolución de
sistemas de ecuaciones lineales y como las operaciones elementales y el concepto de rango
permiten analizar la naturaleza de la solución de un sistema lineal.
Definición 2.1
Todo sistema de la forma:
a11 x1 + a12 x2 + ......... + a1n xn = b1
a21 x1 + a22 x2 + ......... + a2n xn = b2
: :
am1 x1 + am2 x2 + ......... + amn xn = bm

Se denomina sistema lineal con n-variables, m-ecuaciones y m-requerimientos.

Observación. Todo sistema lineal es equivalente al sistema matricial:

     
a11 a12 .... .... a1n x1 b1
 a21 a22 .... .... a2n   x2   b2 
 · = 
 : : :   :   : 
am1 am2 .... .... amn xn bm

El cual es equivalente a:

A·X =b

Donde A ∈ Mm×n , X ∈ Mn×1 , y b ∈ Mm×1 .

Observación. Antes de resolver sistemas lineales, es importante mencionar que:

1 Un sistema AX = b se denomina homogéneo si y sólo si b = 0.

2 Un sistema AX = b se denomina no homogéneo si y sólo si b 6= 0.

3 Dos sistemas de ecuaciones A1 X = b1 y A2 X = b2 , se denominan equivalentes si y sólo

si admiten la misma solución.

4 A se denomina matriz asociada al sistema.

5 (A|b) se denomina matriz ampliada asociada al sistema y se construye agregando la

matriz columna b a la matriz A.
 2

Ejemplo. 2.1.1

x + y + 2z = 0
Considere el sistema lineal homogéneo 3x + 4y + z = 0 . Entonces el sistema es
2x + 3y + z = 0
equivalente al sistema matricial:
    
1 1 2 x 0
 3 4 1  y  =  0 
2 3 1 z 0
 
1 1 2
Por lo tanto, la matriz asociada al sistema es A = 3 4 1 , mientras que la matriz
 2 3 1
1 1 2 0
ampliada asociada al sistema es (A|b) =  3 4 1 0 
2 3 1 0

Observación. Todo sistema de ecuaciones lineales homogéneo admite solución, de hecho

basta considerar la solución trivial x1 = x2 = ... = xn = 0.

Por lo tanto, una de las interrogantes a resolver es: ¿bajo que condiciones un sistema
homogéneo admite solución única? o ¿bajo que condiciones un sistema homogéneo admite
infinitas soluciones?

Definición 2.2
Método de Eliminación Gaussiana. Dado un sistema matricial AX = b tal que A ∈
Mm×n , X ∈ Mn×1 y b ∈ Mm×1. Entonces, el método de Eliminación Gaussiana consiste
esencialmente en realizar los siguientes pasos:

1 Se realizan operaciones filas a la matriz ampliada asociada al sistema hasta obtener

una matriz escalonada.

2 Se estudian los rangos de A y (A : b) teniendo presente que:

? Si ρ(A) = ρ(A : b) = n, n: número de variables entonces el sistema admite

solución única.
? Si ρ(A) = ρ(A : b) < n . Entonces, el sistema admite infinitas soluciones, con
grado de libertad L = n − ρ(A).
? Si ρ(A) 6= ρ(A : b). Entonces, el sistema no admite solución y se denomina
inconsistente
 3

Ejemplo. 2.1.2

x + y + 2z = 20
Resuelva el sistema lineal 3x + 4y + z = 80
2x + 3y + z = 100
Solución. Observe que el sistema lineal es equivalente al sistema matricial:
    
1 1 2 x 20
 3 4 1   y  =  80 
2 3 1 z 100
Al aplicar operaciones elementales a la matriz ampliada asociada se obtiene:
 
1 1 2 : 20
(A : b) =  3 4 1 : 80  [f2 − 3f1 → f2 ]
2 3 1 : 100
 
1 1 2 : 20
 0 1 −5 : 20  [f3 − 2f1 → f3 ]
2 3 1 : 100
 
1 1 2 : 20
 0 1 −5 : 20  [f3 − f2 → f3 ]
0 1 −3 : 60
 
1 1 2 : 20
 0 1 −5 : 20  [f3 (1/2) → f3 ]
0 0 2 : 40
 
1 1 2 : 20
 0 1 −5 : 20  [f2 + 5f3 → f2 ]
0 0 1 : 20
 
1 1 2 : 20
 0 1 0 : 120  [f1 − 2f3 → f1 ]
[f1 − f2 → f1 ]
0 0 1 : 20
 
1 0 0 : −140
 0 1 0 : 120 
0 0 1 : 20

Luego ρ(A) = ρ(A : b) = 3, entonces el sistema admite solución única z = 20, y = 120
y x = −140.
 4

Ejemplo. 2.1.3

Determine si los siguientes sistemas de ecuaciones lineales admiten solución.

x + y + z = 35 x + y + z = 45
1 3x + y + 2z = 65 2 3x + y + 2z = 100
2x + 4y + 2z = 100 2x + 4y + 2z = 110

Solución. Observe que ambos sistemas lineales admiten la misma matriz asociada
 
1 1 1
A= 3 1 2 
2 4 2

Por lo tanto, es posible resolver simultáneamente ambos sistemas. En efecto, considere

la matriz:  
1 1 1 : 35 45
(A : b1 b2 ) =  3 1 2 : 65 100 
2 4 2 : 100 110
 
1 1 1 : 35 45
 0 −2 −1 : −40 −35 
0 2 0 : 30 20
 
1 1 1 : 35 45
 0 −2 −1 : −40 −35 
0 0 −1 : −10 −15
 
1 1 1 : 35 45
 0 −2 −1 : −40 −35 
0 0 1 : 10 15
 
1 1 0 : 25 30
 0 −2 0 : −30 −20 
0 0 1 : 10 15
 
1 0 0 : 10 20
 0 1 0 : 15 10 
0 0 1 : 10 15
Por lo tanto, ambos sistemas admiten solución única, las cuales son respectivamente:
   
10 20
Xs1 =  15  Xs2 =  10 
10 15
 5

Ejemplo. 2.1.4

Determine la naturaleza de la solución del siguiente sistema lineal en términos de β.

x + y + βz = 0
3x + 4y + 2z = 2β
3x + 5y + β 2 z = 3β + 1
Solución. Observe que el sistema lineal es equivalente al sistema lineal:
     
1 1 β x 0
 3 4 2  ·  y  =  2β 
3 5 β2 z 3β + 1
Así, la matriz ampliada asociada al sistema es:
 
1 1 β : 0
(A : b) =  3 4 2 : 2β 
3 5 β2 : 3β + 1
 
1 1 β : 0
 0 1 2 − 3β : 2β 
0 2 β 2 − 3β : 3β + 1
 
1 1 β : 0
 0 1 2 − 3β : 2β 
2
0 0 β + 3β − 4 : 1 − β
Así, el sistema admite solución única si:

β2 + 3β − 4 6= 0
es decir, el sistema admite solución única si:

β ∈ R − {1, −4}
Por lo otro lado:

a El sistema no tiene solución si β = −4.

b El sistema admite infinitas soluciones si β = 1

 6

Ejemplo. 2.1.5

Un proceso de mezclado combina tres componentes para crear una mezcla final de
60000 galones. Los tres componentes cuestan US$2.00, US$1.50 y US$1.25 por
galón, respectivamente. El costo total de los componentes debe ser igual a US$90000.
Otro requerimiento de la mezcla es que el número de galones usados del componente 1
debe ser el doble de la cantidad utilizada del componente 3. Determine si se puede
producir al mes una combinación de los tres productos que lleve a una mezcla final
de 60000 galones con un costo de US$90 000 y que satisfaga las restricciones de
mezclado.
Solución. Considere x, y, z el total de galones de los tres componentes, que se utilizan
para obtener los 60000 galones de mezcla. Así del enunciado se obtiene el siguiente
sistema lineal:
x + y + z = 60000
3 5
2x + y + z = 90000
2 4
x = 2z
Observe que la matriz ampliada asociada es:
 
1 1 1 60000
(A|b) =  8 6 5 360000 
1 0 −2 0
 
1 1 1 60000
 0 −2 −3 −120000 
0 −1 −3 −60000
 
1 1 1 60000
 0 1 3 60000 
0 2 3 120000
 
1 1 1 60000
 0 1 3 60000 
0 0 −3 0
 
1 0 0 0
 0 1 0 60000 
0 0 1 0

De lo anterior, se deduce que:

y = 60000 ∧ x = z = 0

Por lo tanto, no es posible producir un compuesto que contenga los tres componentes
y que cumpla las condiciones dadas.
 7

Observación. El concepto de matriz invertible, permite resolver sistemas de ecuaciones

lineales cuadrados si la matriz asociada al sistema es invertible. El siguiente ejemplo ilustra
lo expuesto.
Ejemplo. 2.1.6

Un dueña de casa adquirió en el mercado ciertas cantidades de papas, manzanas y

naranjas a un precio de 100, 120 y 150 pesos /kg, respectivamente. El importe total de
la compra fueron 1.160 pesos. El peso total de la misma 9 kg Además, compró 1 kg.
más de naranjas que de manzanas.

1 Plantee un sistema lineal identificando la matriz asociada al sistema.

Solución. Considere x, y, z, al número de kg. comprados de papas, manzanas y
naranjas, respectivamente. Así del enunciado es posible establecer que el sistema
asociado es:
x+y+z =9
y+1 =z
100x + 120y + 150z = 1160
 
1 1 1
Con matriz asociada A =  0 1 −1 .
100 120 150

2 Determine la inversa de la matriz asociada al sistema:

Solución. Observe:
   
1 1 1 1 0 0 1 1 1 1 0 0
(A : I3 ) =  0 1 −1 0 1 0   0 1 −1 0 1 0 
100 120 150 0 0 1 0 20 50 −100 0 1
 
1 1 1 1 0 0
 0 1 −1 0 1 0 
0 0 70 −100 −20 1
 
1 1 1 1 0 0
 0 1 −1 0 1 0 
0 0 1 −10/7 −2/7 1/70
 
1 1 0 17/7 2/7 1/70
 0 1 0 −10/7 5/7 1/70 
0 0 1 −10/7 −2/7 1/70
 
1 0 0 27/7 −3/7 2/70
 0 1 0 −10/7 5/7 1/70 
0 0 1 −10/7 −2/7 1/70
 8

Continuación.

Por lo tanto, la matriz asociada a la sistema es invertible con inversa:

 
27/7 −3/7 2/70
A−1 =  −10/7 5/7 1/70 
−10/7 −2/7 1/70

3 Utilice la inversa de A−1 para determinar la solución del sistema.

Solución. Observe que el sistema lineal es asociado al sistema matricial:
    
1 1 1 x 9
 0 1 −1   y  =  −1 
100 120 150 z 1160

Por lo tanto:
   −1  
x 1 1 1 9
 y  = 0 1 −1   −1 
z 100 120 150 1160
    
27/7 −3/7 2/70 9 2
= −10/7
 5/7 1/70   −1 = 3 
 
−10/7 −2/7 1/70 1160 4

De lo anterior se deduce que la dueña de casa compró 2 kilos de papas; 3 kilos de

manzanas y 4 kilos de naranjas.

Observación. Otro de los conceptos de utilidad en la resolución de sistemas de ecuaciones

lineales cuadrados, con matriz asociada invertible, es el concepto de determinante. En
esta sección, se estudiará el concepto de determinantes y cómo se utiliza este concepto para
resolver sistemas de ecuaciones lineales. A continuación, se se define el concepto de
determinante y se desarrollan algunos ejemplos que permiten comprender de mejor manera
las propiedades y utilidades de los determinantes.
Definición 2.3
Considere A ∈ Mn (R), se definen las submatrices asociadas a la matriz A por:

Aij

Donde Aij es una matriz de orden n − 1 que se obtiene a partir de A eliminando la fila
i y la columna j
 9

Ejemplo. 2.1.7
 
1 3 0
Considere M =  2 1 −1 , entonces:
4 2 1
     
1 −1 2 −1 2 1
M11 = M12 = M13 =
2 1 4 1 4 2
     
3 0 1 0 1 3
M21 = M22 = M23 =
2 1 4 1 4 2
     
3 0 1 0 1 3
M31 = M32 = M33 =
1 −1 2 −1 2 1

Definición 2.4
Se define el determinante de la matriz A = (aij ) ∈ Mn (R) por:


 a11 , si A = [a11 ]


det(A) = Xn



 (−1)i+j aij det(Mij ) , para n > 1
j=1

Esta definición se denomina desarrollo de Laplace.

Observe que de la definición de determinante es posible establecer:

? Si n = 1 entonces
|[a11 ]| = a11

? Si n = 2 entonces
 
 a b 
  = ad − bc
 c d 
 10

Ejemplo. 2.1.8
 
1 2 0
Dada A =  1 3 4 , es posible determinar |A|, eligiendo i = 1. Así:
2 1 3
P3 i+j
det(A) = j=1 (−1) aij det(Mij )
     
 a a
= a11  22 23  − a12  a21 a23  + a13  a21 a22
    

a32 a33   a31 a33   a31 a32 

Es decir:
     
 3 4
 − 2 1 4  + 0 1 3
    
det(A) =   = 5 + 10 = 15
1 3   2 3   2 1 

Observación. Para Matrices de orden tres es posible determinar su determinante aplicando

la ley de Sarrus, la cual se puede obtener siguiendo los siguientes pasos:
? Se escriben las dos primeras columnas a continuación de la matriz.
? Se desarrollan los productos triples según los signos de las flechas del siguiente diagrama:

 + + +
 a11 a12 a13  a11 a12
 
 a21 a22 a23  a21 a22
 
 a31 a32 a33  a31 a32
− − −

y se suman los productos, obteniendo así el determinante de la matriz.

Ejemplo. 2.1.9
 
1 2 3
Considere A =  4 5 6 . Entonces:
7 8 9
 
 1 2 3  1 2 3 1 2
 
|A| =  4 5 6 = 4 5 6 4 5

 7 8 9  7 8 9 7 8

= (1)(5)(9) + (2)(6)(7) + (3)(4)(8) − (7)(5)(3) − (8)(6)(1) − (9)(4)(2) = 0

 
 1 2 3 
 
Por lo tanto,  4 5 6  = 0
 7 8 9 
 11

Observación. Considere A, B ∈ Mn (R) y c ∈ R. Entonces las siguientes propiedades son

válidas:
1 det(A) = det(At ).
2 Si la matriz B se obtiene a partir de la matriz A por un intercambio de filas (o columnas),
entonces det(B) = − det(A).
3 Si A tiene dos filas (columnas) iguales o una fila o columna nula entonces det(A) = 0.
4 Si B se obtiene a partir de la matriz A al multiplicar una fila (columna) por un escalar
c, entonces det(B) = c det(A).
5 Si B se obtiene a partir de la matriz A al intercambiar la fila (columna) i por la suma
de la fila (columna) i mas c veces la fila(columna) j entonces det(B) = det(A).
6 Si A = [aij ] es triangular o diagonal entonces det(A) = a11 a12 · · · ann .
7 A es regular si y sólo si det(A) 6= 0.
8 det(AB) = det(A) det(B).

Ejemplo. 2.1.10
 
6 −2 2
Si A =  −2 5 0 , resuelva la ecuación det(A − xI3 ) = 0, donde x es una variable
2 0 7
real.

Solución. Observe que:

     
6 −2 2 1 0 0 6 − x −2 2
A − xI3 =  −2 5 0  − x  0 1 0  =  −2 5 − x 0 
2 0 7 0 0 1 2 0 7−x
Así:
6 − x −2 2
det(A − xI3 ) = −2 5 − x 0
2 0 7−x

= −x3 + 18x2 − 99x + 162

= − (x − 3) (x − 6) (x − 9)
Por lo tanto:
det(A − xI3 ) = 0 ⇔ − (x − 3) (x − 6) (x − 9) = 0

⇔x=3∨x=6∨x=9
 12

Ejemplo. 2.1.11
 
1 0 3
Dada la matriz A =  2 1 0 , determine, si existen, valores de k ∈ R para los cuales
1 0 1
|A − kI| = 0.
Solución. Observe que:
     
1 0 3 1 0 0 1−k 0 3
A − kI3 =  2 1 0  − k  0 1 0  =  2 1−k 0 
1 0 1 0 0 1 1 0 1−k
Así:
1−k 0 3
det(A − xI3 ) = 2 1−k 0
1 0 1−k

= −k 3 + 3k 2 − 2 = − (k − 1) (k 2 − 2k − 2)
Por lo tanto:
det(A − kI3 ) = 0 ⇔ − (k − 1) (k 2 − 2k − 2) = 0

⇔ k = 1 ∨ k 2 − 2k − 2 = 0
√ √
⇔k =1∨k =1+ 3∨k =1− 3

Ejemplo. 2.1.12
   
 x y z   x−1 1 2 
  
Si  1 2 3  = 1, determinar el valor de  y − 1 2 2 .
 1 1 1   z−1 3 2 
Solución. Observe que:
     
 x−1 1 2   x−1 y−1 z−1   x−1 y−1 z−1 
     
 y−1 2 2  = 1 2 3  = 2 1 2 3 
     
 z−1 3 2   2 2 2   1 1 1 
 
 x y z 
 
= 2  1 2 3 =2

 1 1 1 
 

 x − 1 1 2 
Por lo tanto,  y − 1 2 2  = 2
 z−1 3 2 
 13

Ejemplo. 2.1.13

Demuestre sólo usando propiedades de determinantes, que:

 
 x−y−z 2x 2x 
 
 2y y−z−x 2y  = (x + y + z)3 .
 
 2z 2z z−x−y 

Solución. Observe que:

   
 x−y−z 2x 2x   x+y+z x+y+z x+y+z 
   

 2y y−z−x 2y  =
  2y y−z−x 2y 

 2z 2z z−x−y   2z 2z z−x−y 
 
 1 1 1 
 
= (x + y + z)  2y y − z − x 2y 

 2z 2z z−x−y 
 
 1 1 1 
 
= (x + y + z)  0 −y − z − x
 2y 

 0 0 −z − x − y 

= (x + y + z)3

Por lo tanto, la afirmación dada es verdadera.

Observación. Una de las aplicaciones del concepto de determinante tiene relación con la
resolución de sistemas lineales cuadrados con solución única.
Definición 2.5
Método de Cramer. Considere el sistema lineal de la forma:

AX = b
donde X ∈ Mn×1(R), A ∈ Mn(R) es una matriz invertible y b ∈ Mn×1(R). Entonces, el
sistema lineal admite solución única , la cual está dada por:
 
x1
 x2 
X=
 
.. 
 . 
xn
Donde:
|Ai |
xi =
|A|
y Ai es la matriz que se obtiene al intercambiar la columna i por la matriz columna b.
 14

Ejemplo. 2.1.14

2x + 3y − 4z = 1
Determine la solución del sistema lineal −3x + 5y = 2 .
−2y + 7z = 5
Solución. Observe que, el sistema lineal es equivalente al sistema matricial:
    
2 3 −4 x 1
 −3 5 0   y = 2 
0 −2 7 z 5
Así, la matriz asociada al sistema es:
 
2 3 −4
A =  −3 5 0 
0 −2 7

Por otro lado:  

 2
 3 −4 

|A| =  −3 5 6 0
0  = 109 =
 0 −2 7 
Por lo tanto, es posible aplicar el método de Cramer obteniendo:
 
 1
 3 −4 
 2 5 0 

 5 −2 7  109
x = = =1
 2
 3 −4   109
 −3 5 0 

 0 −2 7 
 
 2 1 −4 
 
 −3 2 0 

 0 5 7  109
y = = =1
 2
 3 −4   109
 −3 5 0 

 0 −2 7 
 
 2 3 1 

 −3 5 2 

 0 −2 5  109
z = = =1
 2
 3 −4  109
 −3 5 0 

 0 −2 7 
Así, de lo anterior se deduce que a solución del sistema es x = y = z = 1
 15

Ejemplo. 2.1.15

Un Broker internacional necesita, en promedio, cantidades acciones de commodities,

renta fija, y divisas para cada uno de sus negocios. Este hará tres transacciones.
La primera vez se pronostica un total de $1268 a la siguiente paridad: 6
commodities, 2 renta fija y 4 divisas por dólar. La segunda vez, se pronostica un
total de 1264 con las siguientes tasas: 6 commodities, 4 renta fija, y 2 divisas por
dólar. La tercera vez pretende $2124 en total, a $12 commodities, 4 renta fija, y 4
divisas por dólar. ¿Qué cantidades de commodities, renta fija y divisas comprará cada
vez?
Solución. Se define a la cantidad de commodities como x, renta fija como y y divisas
como z. Formulando el sistema de ecuaciones:
6x + 2y + 4z = 1268
6x + 4y + 2z = 1264
12x + 4y + 4z = 2124

Observe que la matriz asociada al sistema

 es: 
6 2 4
A= 6 4 2 
12 4 4
la cual es invertible ya que:
 
 6 2 4 
 
|A| =  6 4 2  = −48

 12 4 4 
Así, aplicando el método de Cramer se obtiene:
 
 1268 2 4 
 
 1264 4 2 
 
|Ax |  2124 4 4  5232
x = = = = 109
|A|  −48  48
 6 1268 4 
 
 6 1264 2 
 
|Ay |  12 2124 4  4848
y = = = = 101
|A|  −48  48
 6 2 1268 
 
 6 4 1264 
 
|Az |  12 4 2124  4944
z = = = = 103
|A| −48 48
de lo anterior, se deduce que el número de acciones es: 109 commodities, 101 renta
fija y 103 en divisas.