Álgebra Lineal Parte 2

Algebra Lineal
Sistema de Ecuaciones Lineales
César Barraza
17 de diciembre de 2022
ÍNDICE GENERAL
1. Sistema de ecuaciones lineales 1

1.1. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Sistema de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1. Forma matricial de un sistema de ecuaciones . . . . . . . . . . . . . 10
1.3. Sistemas de ecuaciones equivalentes . . . . . . . . . . . . . . . . . . . . . . 12
1.4. Método de la factorización LU . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.4.1. Factorización LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.4.2. Factorizacion P A = LU . . . . . . . . . . . . . . . . . . . . . . . . 35
1.5. Problemas de la sección . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
i
CAPÍTULO 1
SISTEMA DE ECUACIONES LINEALES
Motivación
Se utilizó un sistema de ecuaciones lineales para analizar el flujo de tráfico para una
red de cuatro calles de un solo sentido en Kumasi, Ghana. El trabajo pionero realizado
por Gareth Williams el flujo de tráfico [11] ha llevado a una mayor comprensión de esta
investigación. Las variables x, y, z y w representar el flujo del tráfico entre los cuatro
intersecciones en la red. Los datos se obtuvieron contando el número de vehı́culos que
viajaban alrededor de las cuatro calles de un solo sentido entre las horas de las 6 a las
22:00 y 14:00-18:00. A mediados de la semana, en horas de máxima afluencia. Las flechas
en el diagrama indican la dirección del flujo de tráfico dentro y fuera de la red que es
medido en términos del número de vehı́culos por hora (VPH). El diagrama de la Figura
1 describen las cuatro calles de un solo sentido en Kumasi en estudio, en el modelo:
Figura 1.1: Diagrama de tráfico
El problema es determinar el número de vehı́culo que se debe premitir transitar con el fin
de reducir la congestión del tráfico
Fuente: Application of System of Linear Equations to Traffic Flow for a Network of Four
One-Way Streets in Kumasi, Ghana. Autor:Isaac Kwasi Adu
En esta sección determinaremos la solución de un sistema de ecuaciones ası́ como se
determinará cuando un sistema de ecuaciones tiene solución. Para ello haremos unas
definiciones previas
1
CAPÍTULO 1. SISTEMA DE ECUACIONES LINEALES
1.1. Rango de una matriz

El rango de una matriz es un concepto que esta relacionado con la inversa de una matriz
y con los sistemas de ecuaciones y es tratado mas ampliamente en los espacios vectoriales.
Definicion 1.1
El rango de una matriz A de orden m × n denotado como rank (A) o R (A) , es definido
como el orden (tamaño) de la submatriz no-singular de A de mas alto orden
Ejemplo 1.1
Sea la matriz
 
1 −1 1
 
 1 1 0 
A= 

 2 0 1 

−1 −1 0
Notemos que la submatriz de mayor tamaño es de orden 3 × 3, estas submatrices y sus
determinantes son:
   
1 −1 1 1 −1 1
det  1 1 0  = 0 det  1 1 0 =0
   
2 0 1 −1 −1 0
   
1 −1 1 1 1 0
det  2 0 1  = 0 det  2 0 1 =0
   
−1 −1 0 −1 −1 0
por tanto el rango no puede ser tres.
Consideremos la submatriz cuadrada de orden 2

" #
1 −1
M=
1 1
su determinante es igual a 2, como su determinante es diferente de cero, entonces esta

matriz es no singular luego el rango de A es 2, esto es, R (A) = 2
Ejercicio 1.1
Considere la matriz
 
0 2 −1 0 1 1
 
 0 0 0 1 2 1 
A= 

 0 0 0 0 4 −1 

0 0 0 0 0 0
determine el rango
Msc. Julio César Barraza Bernaola 2 Universidad Nacional de Ingenieria

Solucion
Como debemos determinar la submatriz no singular de mayor orden, esta no puede ser
cuatro, pues habrı́a una fila nula.
Considerando las tres primeras filas y las columnas 2,4 y 5, tenemos la submatriz
 
2 0 1
 0 1 2 
 
0 0 4
la cual es no singular, por tanto el rango de la matriz A es igual a 3.
Esta forma de hallar el rango es muy costoso, mas adelante veremos otra manera de
encontrar dicho rango.
Proposicion 1.1
El rango de una matriz A de orden m × n es siempre menor o igual que el mı́nimo entre
m y n, esto es
R (A) ≤ mı́n {m, n}
Prueba. Considerando que la matriz es de orden m×n, el orden de la submatriz cuadrada

de mayor orden que se puede obtener es el mı́nimo entre m y n.
Por tanto R (A) ≤ mı́n {m, n}
Teorema 1.1
Sea A una matriz de orden m × n y E una matriz elemental por filas de orden m. Si A es
una matriz que esta en su forma escalonada, entonces el rango de EA es igual al rango
de A.
Prueba. Sea A la matriz con r filas no nulas

" #
Q
A=
0
donde Q es de orden r × n y la matriz nula de orden (m − r) × n.

c1 , c2 , · · · , cr las columnas donde se encuentran los pivotes de la matriz A.
Q {c1 , c2 , · · · , cr } denota la submatriz de Q cuyas columnas son c1 , c2 , · · · , cr
Q la matriz por bloques  
q1
 q2 
 
Q=  .. 

 . 
qr
Entonces
det (Q {c1 , c2 , · · · , cr }) = 1

Caso 1. E es la matriz elemental por el intercambio de las filas i y j

Dado que es un intercambio de filas se tiene que R (EA) ≤ R (A) pues el número de filas
no nulas sigue siendo r.
Si i, j ∈ {r + 1, · · · , m} entonces
EA = A
luego R (EA) = R (A) .

Si i ∈ {1, · · · , r} y j ∈ {r + 1, · · · , m}, elegimos la submatriz de EA cuyas filas son
1, 2, · · · , i − 1, i + 1, · · · , r, j
esto es  
q1
 .. 

 . 

qi−1 
 

 
P =
 qi+1  
 .. 

 . 
qr 
 

qi
luego
det P = (−1)r−i det Q ̸= 0
por tanto R (EA) = R (A)

Si i, j ∈ {1, · · · , r} entonces " #
Q1
EA =
0
donde Q es la matriz que se obtiene por el intercambio de dos filas de Q.
De donde
det (Q1 {c1 , c2 , · · · , cr }) = − det (Q {c1 , c2 , · · · , cr }) = −1
por lo tanto R (EA) = R (A)

Caso 2. E es la matriz elemental que se obtiene al multiplicar la fila i por una constante
k diferente de cero.
Si i > r, entonces EA = A.
Luego R(EA) = R(A)
Si i ≤ r entonces " #
P
EA =
0

donde  
q1
 . 
 .. 
 
P =  rqi 
 
 . 
 . 
 . 
qr
luego
det (P {c1 , c2 , · · · , cr }) = r det (Q {c1 , c2 , · · · , cr }) ̸= 0
por tanto R (EA) = R (A)

Caso 3. Si E es la matriz elemental obtenido por la operación elemental fi → fi + kfj
Si i, j > r es evidente R (EA) = R (A)
Si i ≤ r y j > r entonces EA = A, de donde R(EA) = R(A)
Si i, j ≤ r entonces " #
P
EA =
0
donde  
q1
 .. 

 . 
P = qi + kqj 
 
 .. 
. 
 

qr
luego det (P {c1 , c2 , · · · , cr }) = det (Q {c1 , c2 , · · · , cr }) de donde R (EA) = R (A)
Si i > r y j ≤ r entonces la submatriz de EA tiene r + 1 filas no nulas.
Dado que la fila i de EA es un múltiplo de la fila j de EA entonces la submatriz cuadrada
de orden r + 1 tiene determinante igual a cero.
Por tanto la submatriz de EA
Q {c1 , c2 , · · · , cr }
es la de mas alto orden talque det (Q {c1 , c2 , · · · , cr }) ̸= 0. Por tanto R(EA) = r(A)
De este modo hemos probado que una operación elemental no altera el rango de una
matriz que se encuentra en su forma escalonada.
El siguiente corolario es importante para el calculo del rango de una matriz, el cual es
una consecuencia del teorema anterior.
Proposicion 1.2
El rango de una matriz es igual al rango de su matriz escalonada.
Esta proposición nos indica que para calcular el rango de una matriz, debemos llevarla a
su forma escalonada.

Ejemplo 1.2
Calcular el rango de la matriz A definida por
 
0 1 1 1 0 0
 

 1 0 −1 −1 1 0 

 1 1 0 0 1 0 
A=
 


 0 0 1 0 0 1 


 0 0 0 1 0 0 

1 1 0 0 1 0
mediante operaciones elementales A es llevada a su forma escalonada

 
1 0 0 0 1 1
 

 0 1 0 0 0 −1 

 0 0 1 0 0 1 
EA = 
 


 0 0 0 1 0 0 


 0 0 0 0 0 0 

0 0 0 0 0 0
Podemos observar que el orden mas alto de la submatriz cuya determinante es diferente
de cero es igual a 4.
Ejercicio 1.2
Establezca condiciones para que la matriz A dada por
 
1 1 0
A= x 1 1 
 
2 2 1
tenga
a) rango igual a 3
b) rango igual a 2
Solucion
LLevando la matriz A su forma escalonada, obtenemos
 
1 1 0
EA =  0 1 − x 1 
 
0 0 1
a) Para que tenga rango 3, la matriz escalonada debe tener determinante diferente de
cero, entonces
det (EA ) = 1 − x ̸= 0

esto es x ̸= 1
b) Para x = 1, tenemos

1 1 0
EA =  0 0 1 
 
0 0 1
la cual no esta en su forma escalonada, llevandola obtenemos
 
1 1 0
 0 0 1 
 
0 0 0
de donde tiene rango igual a 2. Por tanto, para A tenga rango igual a 2, se da
cuando x = 1
Proposicion 1.3 (rango de una matriz)
El rango de una matriz es igual al numero de filas no nulas de su forma escalonada por
filas.
Prueba. Sea r el número de filas no nulas de la matriz escalonada EA de la matriz A,

entonces la matriz EA tiene r pivotes. Supongamos que los pivotes se encuentran en las
columnas
c1 , c2 , · · · , cr
El rango de EA no puede ser r+1, pues la submatriz tendrı́a una fila nula y su determinante
es cero.
Consideremos la submatriz S obtenida por las r primeras filas y las columnas c1 , c2 , · · · , cr
de EA . Luego la submatriz S es de la forma
 
1 ∗ ···
∗

 0 1 .. 
. 
S=
 
 0 0 ... ∗ 

 
0 0 ··· 1
como det (S) = 1, entonces el R(A) = r

Ejemplo 1.3
Dada la matriz A, la cual esta en su forma escalonada
 
1 0 2 0
 

 0 0 1 0 


 0 0 0 0 

0 0 0 0

si elige la submatriz de A que consiste de las filas no nulas y las columnas donde se
encuentran los pivotes, tenemos una matriz triangular superior
" #
1 2
0 1
entonces su determinante es igual a uno, por tanto su rango es 2 y es igual al número de

filas no nulas de su forma escalonada.
Problema 1.1
Determine el rango de la matriz
 
1 2 3
A= 2 1 0 
 
4 5 6
Solucion
LLevando a su forma semi-escalonada
     
1 2 3 1 2 3 1 2 3
 f2 → f2 − 2f1 
 2 1 0   0 −3 −6  f3 → f3 − f2  0 −3 −6 
   
f3 → f3 − 4f1
4 5 6 0 −3 −6 0 0 0
De donde r (A) = 2
1.2. Sistema de ecuaciones lineales

Una de las principales motivaciones del algebra lineal es resolver un sistema de ecuaciones
lineales.
Un sistema de m ecuaciones lineales con n incognitas presenta la siguiente forma


 a11 x1 + a12 x2 + · · · a1n xn = b1

 a21 x1 + a22 x2 + · · · a2n xn = b2

.. (1.1)


 .

am1 x1 + am2 x2 + · · · amn xn = bm

donde aij , bi denotan las constantes (reales o complejos) y x1 , x2 , · · · , xn son las incognitas
Ejemplo 1.4
El sistema de ecuaciones

 x1 + 3x2 + x3 = 0

2x1 − x2 − x3 = 1

−x1 + x2 + x3 = 1


es un sistema de tres ecuaciones con tres incógnitas
Ejemplo 1.5

 x1 + 3x2 + x3 − x4 = 0

−x2 − x3 = 1

−x1 − x3 + x4 = 1

es un sistema de tres ecuaciones con cuatro incógnitas
Definicion 1.2
Una sucesión de números (s1 , s2 , · · · , sn ) es llamada solución del sistema si x1 = s1 , x2 =
s2 , · · · , xn = sn satisface cada ecuación simultaneamente.
Ejemplo 1.6
−2x2 + 2x3 − 2x4 = 0
−x1 − x2 + 2x4 = 4
−x1 + x2 − x3 + 2x4 = 1
tiene como una solución a la sucesión (1, −1, 1, 2) . (Compruebelo)
Definicion 1.3 (Solución Trivial)

Cuando el conjunto x1 = 0, x2 = 0, · · · , xn = 0 satisface el sistema de ecuaciones, se le
llama solución trivial.
Ejemplo 1.7
−x1 + 2x3 + x4 = 0
x2 − x3 + 2x4 = 0
−x1 + x2 − x3 + 2x4 = 0
tiene a la sucesión (0, 0, 0, 0) como una solución del sistema de ecuaciones
Nuestro interes esta centrado en determinar cuando un sistema de ecuaciones tiene solu-
ción o no lo tiene y encontrar la (las) solución (soluciones) si es que lo tiene.
El siguiente ejemplo, muestra que ciertos sistemas de ecuaciones son sencillos de resolver
Ejemplo 1.8
Resuelva el sistema de ecuaciones mostrado
x − y + 2z = 10
2y − 4z = 12
2z = 4

Solucion
De la tercera ecuación 2z = 4 → z = 2
Reemplazando en la segunda ecuación, se tiene que y = 10
Finalmente, en la primera ecuación, se tiene que x = 16
Luego la sucesión (16, 10, 2) es la solución del sistema de ecuaciones.
1.2.1. Forma matricial de un sistema de ecuaciones

Todo sistema de ecuaciones como el sistema (1.1) puede ser representado matricialmente,
para ello es suficiente definir las matrices A y los vectores b, x como sigue
 
a11 a12 ··· a1n
a21 a22 ··· a2n
 
 
A =  .. .. ... .. 
. . .
 
 
am1 am2 · · · amn
   
b1 x1
b2   x2 
   

b =  .. 
 x= . 

.   .. 
 

bm xm
entonces el sistema (1.1) es escrito en forma matricial como
Ax = b (1.2)
Donde:
A es llamado la matriz de coeficientes
b el vector de constantes
x el vector incognita
Ejemplo 1.9
La forma matricial del sistema de ecuaciones
x1 − x2 + x3 = 10
2x1 + x2 − x3 = 2
−x1 + x2 + 2x3 = 5
es dado por     
1 −1 1 x1 10
 2 1 −1   x2  =  2 
    
−1 1 2 x3 5

donde la matriz de coeficientes A es

 
1 −1 1
A= 2 1 −1 
 
−1 1 2
el vector de constantes b es  
10
b= 2 
 
5
y el vector de incógnitas x es  
x1
x =  x2 
 
x3
Definicion 1.4 (Sistema Consistente)

El sistema (1.2) se dice que es consistente cuando tiene al menos una solución
Ejemplo 1.10
Se verifiac que el sistema de ecuaciones
2x + 5y = 7
x − 2y = −1
3x + y = 4
admite a (1, 1) como solución. Por tanto es un sistema de ecuaciones consistente
Definicion 1.5 (Sistema Incosistente)

El sistema (1.2) se dice que es inconsistente si no tiene solución
Ejemplo 1.11
El sistema
x−y = 2
2x − 2y = 6
no tiene solución, pues la segunda ecuación es equivalente a x − y = 3

Luego tenemos que 2 = 3, lo cual es absurdo.
Sistema de ecuaciones homogéneo y no-homogéneo

Los sistemas de ecuaciones que tenemos son los sistemas de ecuaciones homogéneo y
no-homogéneo que es determinado por el valor que toma el vector de constantes b.

Definicion 1.6
Si b ̸= 0 se dice que el sistema (1.2), es un sistema no-homogéneo.
Ejemplo 1.12
    
0 1 0 x 1
 2 −1 1   y  =  1 
    
0 −1 0 z 0
Definicion 1.7 (Sistema homogéneo)

Si b = 0 se dice que el sistema (1.2), es un sistema homogéneo.
Ejemplo 1.13
Se muestra dos sistemas de ecuaciones homogéneo
   
−1 2 1 x1 0
 0 1 −2   x2  =  0 
    
3 −1 −1 x3 0
 
  x1  
−1 0 −1 −3   0
  x2 
 1 −3 1 −3    = 
 0 
 
 x 
 3
2 3 3 3 0

x4
Proposicion 1.4
Todo sistema homogéneo tiene al menos una solución, es decir es un sistema consistente.
Prueba. Del sistema homogéneo

Ax = 0
vemos claramente que x = 0 satisface el sistema, por tanto el sistema homogéneo admite
al menos una solución la cuál es la solución trivial.
Ahora la pregunta es ¿Cuando un sistema homogéneo tiene solución no trivial? y ¿Cual
es?
Ahora vamos a desarrollar un método sistematico para encontrar todas las soluciones del
sistema.
1.3. Sistemas de ecuaciones equivalentes

Definicion 1.8
Dos sistemas de ecuaciones
Ax = b (1.3)
Ãx = b̃ (1.4)

se dice que son sistemas equivalentes si solo si toda solución de el sistema (1.3) es solución
del sistema (1.4) y toda solución de el sistema (1.4) es solución del sistema (1.3).
Esta equivalencia de sistemas nos sugiere que partiendo de un sistema como Ax = b,

transformarlo a otro sistema equivalente la cuál resulta ser mas conveniente para hallar
su (sus) soluciones, si es que lo tiene.
Las operaciones que permiten llevar un sistema de ecuaciones a otro equivalente por filas,
son las operaciones elementales por fila.
Ejemplo 1.14
Resolver el sistema
3x + 9y + 6z = 18
x + 3y − z = 3
x−z = 0
Si dividimos la primera ecuación entre 3 la solución no se altera como resultado tenemos

el sistema resultante
x + 3y + 2z = 6
x + 3y − z = 3
x−z = 0
ahora a la segunda y tercera ecuación le restamos la primera, entonces
x + 3y + 2z = 6
−3z = −3
−3y − 3z = −6
intercambiamos la segunda con la tercera ecuación
x + 3y + 2z = 6
−3y − 3z = −6
−3z = −3
este sistema y los anteriores son sistemas equivalentes, pero la última tiene una forma
muy particular, una forma triangular, que resulta comodo para hallar la solución.
Resolviendo el último sistema tenemos que x = 1, y = 1, z = 1 es solución de este sistema
y por ser un sistema equivalente es solución del sistema original.
Como habrá notado solo los coeficientes del sistema son involucrados en los calculos y no

las variables o incognitas y el signo de igualdad, esto nos sugiere que podemos formar una
matriz sobre el cual reaizaremos operaciones, la cual llamamos matriz aumentada.
Definicion 1.9
Sea el sistema matricial Ax = b, donde A = [aij ] es de orden m × n, x es de orden n × 1
y b = [bi ] es de orden n × 1, la matriz aumentada de A, denotada como Aa es dado por
 
a11 a12 ··· a1n b1
a21 a22 ··· a2n b2
 
 
Aa =  .. .. .. .. .. 

 . . . . .


am1 am2 · · · amn bm
Nota
En términos de matrices por bloque la matriz aumentada es dado por

..
Aa = A.b
La matriz aumentada representa el sistema matricial, donde una operación elemental entre
sus filas es equivalente a una operación elemental entre ecuaciones.
Ejemplo 1.15
Si la matriz
 
1 −1 1 0 2
 0 1 0 1 2 
 
0 0 0 1 4
es la matriz aumentada de un sistema de ecuaciones, determine el sistema de ecuaciones
que representa.
Solucion
La matriz de coeficientes es de orden 3 × 4 y el vector de incognitas es de orden 4 × 1,
luego el sistema en su forma matricial es
 
  x1  
1 −1 1 0   2
 x2   
= 2 
 0 1 0 1 

 x3 
0 0 0 1 4
 
x4
y en su forma algebraica es
x1 − x2 + x3 = 2
x2 + x4 = 0
x4 = 4

Proposicion 1.5
Dos matrices aumentadas representan a dos sistemas equivalentes si uno puede ser trans-
formada al otro mediante un conjunto finito de operaciones elementales por filas.
Prueba. Basta probar que si a una matriz aumentada se le aplica una operación elemental
por fila, entonces lanueva
matrizaumentada,
representa a un sistema equivalente
. e...eb
Denotaremos Aa = A..b , A ea = A
Sea la matriz aumentada  
A1 b1
 . ..
 ..

 . 

A a =  A i bi
 

 . .. 
 .
 . .


Am bm
Realizando un intercambio de filas (fi ⇆ fj ), entonces tenemos

   
A1 b1 A1 b1
 .. ..   .. .. 
 . .   . . 
   
 A bi   A bj 
 i   j 
 . ..  ea =  ... .. 

Aa =  . fi ⇆ fj A
 . .   .  
   
 Aj bj   Ai bi 
 .. ..   .. .. 
   
 . .   . . 
Am bm Am bm
h iT
Sea x = x1 · · · xn una solución de Ax = b, entonces
   
A1 A1 x
 ..   .. 
 .   . 
   
 A   Ax 
 j   j 
e =  ...  x =  ... 
   
Ax    
   
 Ai   Ai x 
 ..   .. 
   
 .   . 
Am Am x

como x es solución de Ax = b
  
A1 b1
 ..   .. 
 .   . 
   
 A   bj 
 j   
 .   .. 
e =  ..  x = 
Ax . =b
e
  
   
 Ai   bi 
 ..  .. 
   
 .  . 


Am bm
por tanto x es solución del sistema Ax

e = eb
Sea x solución del sistema Ax

e = eb, luego
     
A1 A1 x b1
 ..   ..   .. 
 .   .   . 
     
 A   Ax   b 
 i   i   i 
 .   .   . 
.
Ax =  .  x =  .   . 
 . = . =b
 
     
 Aj   Aj x   bj 
 ..   ..   .. 
     
 .   .   . 
Am Am x bm
por tanto las matrices aumentadas Aa y A

ea representan a sistemas equivalentes.
Al multiplicar a la fila i por una constante k diferente de cero
   
A1 b1 A 1 b1
 . ..  . .. 
 ..  ..

 . 
  . 

A a =  A i bi fi → kfi A
ea =  kAi kbi 
  
 
 . ..   . . 
 .  . .
 . . . .
 
  
Am bm Am bm
Sea x una solución del sistema Ax = b, luego
   
A1 A1 x
 .  ..
 .. 
 
 

 . 

Ax
e =  kAi  x =  (kAi ) x
   

 .   .. 
 . 
 .  .
 
 
Am Am x

como Ai x = bi , entonces  
b1
 . 
 .. 
 
Ax =  kbi  = eb
e  
 . 
 . 
 . 
bm
Sea x solución del sistema Ax

e = eb, luego
   
A1 A1 x
 .   . 
 ..   .. 
   
Ax =  Ai  x =  Ai x 
   
 .   . 
 .   . 
 .   . 
Am Am x
e = eb, tenemos que Ak x = bk para k ̸= i y además kAi x = kbi de

del sistema Ax
donde Ai x = bi
Reemplazando
Ax = b
por tanto x es solución de Ax = b, luego los sistemas son equivalentes
A la fila i le sumamos k veces la fila j (¡Ejercicio para el estudiante!)
Ejemplo 1.16
Resolver el siguiente sistema de ecuaciones
x1 − x2 = 4
x1 − 2x2 + x3 = 6
2x1 − 2x2 + 4x3 = 12
Solucion
Escribiendo en su forma matricial
    
1 −1 0 x1 4
 1 −2 1   x2  =  6 
    
2 −2 4 x3 12

Formamos la matriz aumentada

 
1 −1 0 4
 1 −2 1 6 
 
2 −2 4 12
Realizando operaciones elementales

   
1 −1 0 4 1 −1 0 4
 f2 → f2 − f1 
 1 −2 1 6   0 −1 1 2 
 
f3 → f3 − 2f1
2 −2 4 12 0 0 4 8
El sistema equivalente es
    
1 −1 0 x1 4 x1 − x2 = 4
 0 −1 1   x2  =  2  → −x2 + x3 = 2
    
0 0 4 x3 8 4x3 = 4
de donde se obtiene x3 = 1, x2 = −1, x1 = 3, esto es,

 
3
x =  −1 
 
Ejercicio 1.3
Determine el conjunto solución del sistema de ecuaciones del siguiente sistema de ecua-
ciones homogéneo     
1 1 −1 x 0
 2 1 2  y  =  0 
    
3 3 −3 z 0
Solucion
Formando la matriz aumentada y llevandola a su forma escalonada
   
1 1 −1 0 1 1 −1 0
 2 1 2 0  → EAa =  0 −1 4 0 
   
3 3 −4 0 0 0 0 0
El nuevo sistema equivalente viene dado por
x+y−z = 0
−y + 4z = 0

de donde
y = 4z
x = −3z
entonces el conjunto solución viene dado por

  
 x
 

3
CS =  y  ∈ R : y = 4z, x = −3z
 
 
z
 
Ejercicio 1.4
Considere el sistema de ecuaciones
    
1 −1 1 x1 1
 2 −1 2   x2  =  1 
    
1 0 1 x3 0
y encuentre el conjunto solución
Solucion
formando la matriz aumentada y llevandola a su forma escalonada
     
1 −1 1 1 1 −1 1 1 1 −1 1 1
 f2 − 2f1 
 2 −1 2 1   0 1 0 −1  f3 − f2  0 1 0 −1 
   
f3 − f1
1 0 1 0 0 1 0 −1 0 0 0 0
de donde se tiene el sistema equivalente
x1 − x2 + x3 = 1 (1.5)
x2 = −1 (1.6)
Reemplazando (1.6) en (1.5)

x1 = x3
de donde se tiene el conjunto solución

  

 x 1 

CS =  x2  : x2 = −1, x1 = x3
 
 
x3
 

Variables básicas y variables libres

Definicion 1.10 (Variable básica)
Sea Aa la matriz aumentada de A que se encuentra en su forma escalonada por filas. Las
variables en el sistema de ecuaciones, correspondientes a las columnas pivote de la matriz
A, son llamados variables básicas
Ejemplo 1.17
Supongamos que tenemos el sistema de ecuaciones
    
1 0 0 x1 0
 0 0 1   x2  =  2 
    
0 0 0 x3 0
La matriz aumentada es dada por

 
1 0 3 0
Aa =  0 0 1 2 
 
0 0 0 0
La cual se encuentra en su forma escalonada por filas, Los pivotes se encuentran en la

columna 1 y 3, luego de la definición, las variables x1 y x3 son las variables básicas.
Definicion 1.11
Las variables del sistema de ecuaciones que no son básicas son llamadas variables libres.
Ejemplo 1.18
En el sistema anterior dado que x1 y x3 son las variables básicas entonces la variable x2
es la variable libre.
Nota
respecto a las variables se cumple
# variables del sistema = # variables libres + # variables básicas
Métodos de Solución de Ecuaciones Lineales

A continuación presentamos dos métodos clásicos de solución de sistemas de ecuaciones
lineales
Eliminación gaussiana
Factorizacion LU

Eliminación gaussiana
El método de eliminación Gaussiana, es uno de los metodos mas utilizados para resolver
sistemas de ecuaciones matriciales y esta basado en operaciones elementales.
Procedimiento
Determine la matriz aumentada Aa asociado al sistema de ecuaciones Ax = b
Llevar la matriz aumentada Aa a su forma escalonada por filas A

ea
Resolver el sistema de ecuaciones equivalente Ax

e = eb
Ejemplo 1.19
Resolver el sistema
2x1 + 4x2 + 6x3 = 18

4x1 + 5x2 + 6x3 = 24
3x1 + x2 − 6x3 = 17
Formamos la matriz aumentada

 
2 4 6 18
Aa =  4 5 6 24 
 
3 1 −6 17
llevando a su casi forma escalonada por filas

   
2 4 6 18 2 4 6 18
 f2 → f2 − 2f1 
Aa =  4 5 6 24   0 −3 −6 −12 
 
3
f3 → f3 − f1
3 1 −6 17 2 0 −5 −15 −10
 
2 4 6 18
5 
f3 → f3 − f2  0 −3 −6 −12 

3
0 0 −5 10
de aqui el sistema de ecuaciones es
2x1 + 4x2 + 6x3 = 18

−3x2 − 6x3 = −12
−5x3 = 10
x1 = −1, x2 = 8, x3 = −2

de donde el vector solución es  

−1
x= 8 
 
−2
Nota
Cuando se resuelve un sistema de ecuaciones, frecuentemente el sistema equivalente a
resolver no está en su forma escalonada, pues el pivote no siempre es uno.
Ejercicio 1.5
Determine el conjunto solución del sistema de ecuaciones
 
  x1  
1 2 1 −1   4
 x2   
= 3 
 2 3 2 1 

 x3 
3 5 3 0 7
 
x4
Solucion
Formando la matriz aumenta y llevandola a su forma escalonada
   
1 2 1 −1 4 1 2 1 −1 4
 2 3 2 1 3  → EAa =  0 −1 0 3 −5 
   
3 5 3 0 7 0 0 0 0 0
El nuevo sistema equivalente es
x1 + 2x2 + x3 − x4 = 4
−x2 + 3x4 = −5
Despejando las variables básicas
x2 = 5 + 3x4
x1 = −6 − x3 − 5x4

de donde el conjunto solución es dado por

    


 x 1 −6 − x3 − 5x4 



    
 x2   5 + 3x4  
CS =  , donde x3 , x4 ∈ R
 x =
  


  3   x3 
 



 x 
4 x4 
        


 x 1 −6 −1 −5 



        
 x2   5   0   3  
CS =  , donde x3 , x4 ∈ R
 x =
    + x3   + x4 


  3   0 

 1 
 
 0 
  



 x 
4 0 0 1 
Determinación si un sistema tiene solución
Ahora que conocemos una técnica para resolver un sistema, vamos a pasar a determinar
cuando un sistema es consistente y cuando no lo es.
Sabemos hasta el momento que el sistema homogéneo siempre es consistente, pero no
hemos dicho nada acerca de su número de soluciones.
De acuerdo a la proposición (1.3) el rango de una matriz es igual al número de filas no
nulas de su forma escalonada, esta proposición nos da una herramienta muy útil para
hallar el rango de una matriz, y es de mucha importancia para determinar si un sistema
es consistente o no lo es.
Proposicion 1.6
Dado el sistema de m ecuaciones lineales con n incógnitas


 a11 x1 + a12 x2 + · · · a1n xn = b1

 a21 x1 + a22 x2 + · · · a2n xn = b2

..


 .

am1 x1 + am2 x2 + · · · amn xn = bm

la cual expresado en su forma matricial viene dado por:
Ax = b
y su matriz aumentada definida por

.
Aa = A..b
entonces
1. Si el rango de A es igual al rango de Aa , entonces, el sistema es consistente, esto
es
R (A) = R (Aa )

si además,
a)
R (A) = R (Aa ) = n
entonces, el sistema de ecuaciones tiene solución única

b)
R (A) = R (Aa ) < n
entonces, el sistema de ecuaciones tiene infinitas soluciones
2. Si el rango de A es menor que el rango de Aa , esto es
R (A) < R (Aa )
entonces el sistema es inconsistente.

Ejemplo 1.20
Sea el sistema de ecuaciones
x − y = −1
x−y = 0
llevandolo a su forma matricial tenemos

" #" # " #
1 −1 x −1
=
1 −1 y 0
luego su matriz aumentada viene dado por

" #
1 −1 −1
Aa =
1 −1 0
llevandolo a su forma escalonada obtenemos

" #
1 −1 −1
0 0 1
de aqui podemos deducir que el R (A) = 1 y que el rango de R (Aa ) = 2, entonces
R(A) < R (Aa )
lo cual corresponde al caso que no tiene solución.

Notar que este caso corresponde a tratar de hallar la intersección de 2 rectas, las cuales
son paralelas
Figura 1.2: Sistema consistente determinado
Ejemplo 1.21
x+y = 1
x−y = 0

" #" # " #
1 1 x 1
=
1 −1 y 0
luego su matriz aumentada viene dado por

" #
1 1 1
Aa =
1 −1 0

" #
1 1 1
0 −2 −1
de aqui podemos deducir que el R (A) = 2 y que el rango de R (Aa ) = 2, entonces
R(A) = R (Aa )
lo cual corresponde al caso que tiene solución. Ademas como
R(A) = R (Aa ) = 2 (# variables)

entonces tiene solución única y la solución es x = 12 , y = 1

2
Debemos notar que este caso corresponde a tratar de hallar la intersección de 2 rectas,
las cuales que se intersectan en un único punto
Figura 1.3: Sistema consistente determinado
Ejemplo 1.22
x − y = −1
2x − 2y = −2

" #" # " #
1 −1 x −1
=
2 −2 y −2
luego su matriz aumentada viene dada por

" #
1 −1 −1
Aa =
2 −2 −2

" #
1 1 1
0 0 0
podemos deducir que el R (A) = 1 y que el rango de R (Aa ) = 1, entonces
R(A) = R (Aa ) = 1

lo cual corresponde al caso que tiene solución. Ademas como
R(A) = R (Aa ) = 1 < 2 (# variables)
entonces tiene infinitas soluciones
notar que este caso corresponde a tratar de hallar la intersección de 2 rectas, las cuales
son rectas coincidentes. x − y = −1
Figura 1.4: Sistema consistente indeterminado
Ahora lo que nos queda por tratar es como expresar las soluciones cuando un sistema
tiene infinitas soluciones.
Proposicion 1.7
Si Ax = b es un sistema consistente de m ecuaciones con n incógnitas, entonces, el
número de variables libres es igual al número de variables menos el rango de la matriz A
(o Aa ), esto es,
# variables libres = n − R (A)
Prueba. Sea r = R(A), como el rango es igual al número de filas no nulas de la forma
escalonada e igual al número de pivotes de la matriz aumentada de A, entonces r es igual
al número de variables básicas, de donde
n = # variables libres + r
de donde
# variables libres = n − R (A)

Ejemplo 1.23
Determine la solución del siguiente sistema
x1 + 3x2 − 2x3 =3
2x1 + 6x2 − 2x3 + 4x4 = 18
x2 + x3 + 3x4 = 10
Solucion
Llevandolo a su forma matricial tenemos
 
  x1  
1 3 −2 0   3
 x2  
 2 6 −2 4    =  18 


 x3 
0 1 1 3 10
 
x4
formando la matriz aumentada obtenemos

 
1 3 −2 0 3
Aa =  2 6 −2 4 18 
 
0 1 1 3 10
ahora lo llevamos a su forma escalonada y obtenemos

 
1 0 0 1 3
 0 1 0 1 4 
 
0 0 1 2 6
de donde R(A) = R(Aa ) = 3 < n = 4, entonces, estamos en el caso de un sistema

consistente con infinitas soluciones.
Recordemos que el número de variables libres viene dado por:
# variables libres = 4 − 3 = 1
y el número de variables básicas es 3. Identificamos las 3 variables básicas en la matriz
x1 x2 x3 x4
1 0 0 1 3
0 1 0 1 4
0 0 1 2 6
Como los pivotes se encuentran en las columnas 1, 2 y 3, entonces x1 , x2 y x3 son las

variables básicas, por tanto la variable libre viene dado por x4 .

Ahora llevamos nuestro sistema matricial equivalente

 
  x1  
1 0 0 1   3
 x2   
= 4 
 0 1 0 1 

 x3 
0 0 1 2 6
 
x4
a su forma de sistema de ecuaciones
x1 + x4 = 3
x2 + x4 = 4
x3 + 2x4 = 6
Procedemos a despejar las variables básicas en términos de las variables libres, entonces
de la tercera ecuación
x3 + 2x4 = 6 → x3 = 6 − 2x4
Reemplazando en la segunda ecuación
x2 + x4 = 4 → x2 = 4 − x4
Por último reemplazando en la primera ecuación
x1 + x4 = 3 → x1 = 3 − x4
luego formamos el vector solución

       
x1 3 − x4 3 −1
       

 x2  
= 4 − x4  
= 4  
 + x4  −1 
 con x4 ∈ R

 x3  
  6 − 2x4  
  6 


 −2 

x4 x4 0 1
Nota
Las variables libres toman todos los valores, por eso su denominación de variable libre.
Ejercicio 1.6
Determine para que valor o valores de a el sistema de ecuaciones
    
2 1 1 x1 1
 a a 1   x2  =  2 
    
1 1 1 x3 1
no tiene solución.

Solucion
Formando la matriz aumentada y llevandola a su forma escalonada
   
2 1 1 1 1 1 1 1
 a a 1 2  → EAa =  0 −1 −1 −1 
   
1 1 1 1 0 0 1−a 2−a
Para que no tenga solución el rango de A y de la aumentada deben ser diferentes, luego
Si a = 1, entonces la matriz escalonada es
 
1 1 1 1
 0 −1 −1 −1 
 
0 0 0 1
de donde R(A) = 2 y R(Aa ) = 3, entonces para a = 1 el sistema no tiene solución.
Ejercicio 1.7
Determine para que valores de λ el sistema de ecuaciones lineales
    
λ 1 1 x1 0
 1 λ 1   x2  =  0 
    
1 1 1 x3 0
tiene
a) Solución única
b) Infinitas soluciones
Solucion
Dado que es un sistema homogéneo y la matriz de coeficientes es cuadrada, se establece
que
a) Para que tenga solución única se debe cumplir que el determinante debe ser diferente
de cero.
Hallando la determinante
 
λ 1 1
det  1 λ 1  = λ2 − 2λ + 1
 
1 1 1
la determinante es diferente de cero si
λ2 − 2λ + 1 ̸= 0
(λ − 1)2 ̸= 0

esto es λ ̸= 1
b) Para que tenga infinitas soluciones la determinante debe ser igual a cero, esto es λ = 1
1.4. Método de la factorización LU
1.4.1. Factorización LU
Antes de pasar al proceso de factorización primero debemos establecer lo siguiente
Problema 1.2
Sea A y B dos matrices triangulares inferiores (superiores) cuadradas del mismo orden.
Probar que
1. El producto tambien es triangular inferior (superior)
2. Si A es invertible, entonces su inversa es triangular inferior (superior)
3. Si los elementos de la diagonal de A y B son iguales a uno, entonces el producto

tambien tiene sus elementos de la diagonal igual a uno
Una matriz A puede ser llevado a una matriz triangular superior U mediante el siguiente
proceso.
Consideraciones
Si A es una matriz de orden m × n. tomese r = mı́n {m, n}
Las matrices poseen factorización LU, es decir no es neceario un intercambio de

filas.
Procedimiento
Si r = m
para i = 1 · · · r − 1
para j = i + 1 · · · m hacer
aj,i
mij = , fj → fj − mij fi
aii
Si r = n
para i = 1 · · · r
para j = i + 1 · · · m hacer
aj,i
mij = , fj → fj − mij fi
aii

luego hemos llevado la matrices A hacia una matriz triangular superior mediante un
número finito de operaciones elementales, esto es
Em Em−1 · · · E1 A = U
Si no ocurre una permutación entre filas entonces E1 , E2 , · · · Em son matrices triangu-

lares.inferiores (debera probarlo) por lo tanto E1−1 , E2−1 , · · · Em
−1
son tambien matrices
triangulares inferiores luego
A = E1−1 E2−1 · · · Em
−1
U
haciendo L = E1−1 E2−1 · · · Em

−1
, tenemos que L es triangular inferior, y hemos obtenido la
factorización LU
A = LU
A continuación describimos con un ejemplo, el método para determinar la matriz L.

Ejemplo 1.24
Factorice la matriz A en la forma LU, donde A es dado por
 
1 −1 1
A= 2 0 4 
 
−1 7 8
Solucion
llevando la matriz A a su forma triangular superior
     
1 −1 1 1 −1 1 1 −1 1
 f2 − 2f1 
 2 0 4   0 2 2  f3 − 3f2  0 2 2 
   
f3 + f1
−1 7 8 0 6 9 0 0 3
De la factorización tenemos que L = E1−1 E2−1 E3−1 , esto es L = E1−1 E2−1 E3−1 I3
Lo cual equivale a aplicar las operaciones elementales asociadas a E3−1 , E2−1 y E1−1 a la
matriz identidad I3 , esto es
     
1 0 0 1 0 0 1 0 0
 f3 − f1 
 0 1 0  f3 + 3f2  0 1 0   2 1 0 
   
f2 + 2f1
0 0 1 0 3 1 −1 3 1

de donde tenemos
 
1 0 0
L =  2 1 0
 

−1 3 1
 
1 −1 1
U =  0 2 2
 

0 0 3
Nota
Deberá notar que la matriz L es una matriz triangular inferior con unos en la diagonal y
que lij = mij para i = 1, n − 1 donde i < j
Ejemplo 1.25
Hallar la descomposición LU de la matriz
 
2 4 3
 
 1 3 0 
A= 

 −2 −6 2 

3 3 5
Solucion
Paso 1.Hacemos que los elementos debajo de la diagonal de la primera columna sean
iguales a cero (Ei denota la matriz elemental asociada a la operación elemental)
1
f2 → f2 − f1 (E1 )
2
−2
f3 → f3 − f1 = f3 + f1 (E2 )
2
3
f4 → f4 − f1 (E3 )
2
Hasta este punto tenemos que

 
2 4 3
1 − 32 
 
 0  = A(1)
E3 E2 E1 A = 

 0 −2 5 
1
0 −3 2

Luego la matriz L en este instante es de la forma

 
1 0 0 0
1
 
 2
1 0 0 
L= 

 −1 ∗ 1 0 

3
2
∗ ∗ 1

Paso 2. Hacemos que los elementos de la segunda columna debajo de la diagonal de A(1)
sean iguales a cero
−2
f3 → f3 − f2 = f3 − (−2) f2 (E4 )
1
−3
f3 → f3 − f2 = f3 − (−3) f2 (E5 )
1
Hasta este punto tenemos que

 
2 4 3
1 − 23 
 
(1)
 0  = A(2)
E5 E4 A = E5 E4 E3 E2 E1 A = 

 0 0 2  
0 0 −4
Luego la matriz L en este instante es de la forma

 
1 0 0 0
1
 
 2
1 0 0 
L= 

 −1 −2 1 0 

3
2
−3 ∗ 1
Paso 3. Por último hacemos que los elementos de la tercera columna debajo de la diagonal

de A(2) sean iguales a cero
−4
f4 → f4 − f3 = f4 − (−2) f3
2
tenemos que
 
2 4 3
1 − 23 
 
(2)
 0  = A(3) = U
E6 A = E6 E5 E4 E3 E2 E1 A = 

 0 0 2 
0 0 0

finalmente la matriz L es  
0 10 0
 1 
 2 1 0 0 
L=
 −1 −2

 1 0 

3
2
−3 −2 1
Compruebe que A = LU
1.4.2. Factorizacion P A = LU
Supongamos que durante la factorización LU de la matriz A es necesario intercambiar
filas, En este caso, podemos primero intercambiar todas las filas necesarias antes de hacer
cualquier otra operación elemental por filas, dado que el intercambio de filas puede ser
hecho en cualquier momento, antes o despues de otra operación, con el mismo efecto
sobre la solución. Ası́ no se necesitan mas intercambios de filas durante el proceso de
factorización y lo que conseguimos es la factorización LU de la matriz P A.
Ejemplo 1.26
Hallar la factorizacion LU de la matriz
 
0 1 2
A= 0 1 0 
 
1 0 0
Es obvio que necesitamos intercambiar las filas 1 y 3 de la matriz A , asi necesitamos

multiplicar por la matriz  
0 0 1
P = 0 1 0 
 
1 0 0
entonces  
1 0 0
PA =  0 1 0 
 
0 1 2
y ahora para factorizar la matriz P A usamos el procedimento anterior y obtenemos
  
1 0 0 1 0 0
LU =  0 1 0   0 1 0 
  
0 1 1 0 0 2
Recordemos que la eliminación gaussiana es un método básico para resolver el sistema

Ax = b, ahora mostramos otro método basado en la factorización de la matriz A, para
ello primero supondremos que en el proceso de factorización no hay permutaciones.

Paso 1 Factorizamos la matriz A

A = LU
Paso 2 Hacemos U x = c, resolvemos el sistema
Lc = b
Paso 3 Finalmente resolvemos el sistema
Ux = c
Ejemplo 1.27
Resolver el sistema de ecuaciones
x−y = 2
−x + 2y − z = 1
−y + 2z = 1
Solucion
Expresando en su forma matricial Ax = b
    
1 −1 0 x 2
 −1 2 −1   y  =  1 
    
0 −1 2 z 1
donde    
1 −1 0 2
A =  −1 2 −1  , b= 1 
   
0 −1 2 1
Ahora procedemos a factorizar la matriz A
  
1 0 0 1 −1 0
A = LU =  −1 1 0  0 1 −1 
  
0 −1 1 0 0 1
Seguidamente resolvemos el sistema Lc = b

    
1 0 0 c1 2
 −1 1 0   c2  =  1 
    
0 −1 1 c3 1

De donde  
2
c= 3 
 
4
Finalmente resolvemos los sistemas U x = c
   
1 −1 0 2
 0 1 −1  x =  3 
   
0 0 1 4
Por el método de sustitución hacia atras, obtenemos

 
9
x= 7 
 
1.5. Problemas de la sección

Problema 1.3
Sea A la matriz definida por
 
1 x 1 2
 
 2 −1 x+5 5 
A= 

 3 10 + 2x −3 5 

4 x−1 x+6 7
determine
a) Para que valores de x la matriz tiene rango máximo.
b) Para que valores de x la matriz tiene rango mı́nimo.
Solucion
Hallando su determinante
det (A) = −x2 − 10x + 39 = − (x + 13) (x − 3)
a) La matriz A tendrá rango máximo igual a 4, si (x + 13) (x − 3) ̸= 0, esto es, x ∈

R − {−13, 3}
b) Si det(A) = 0, el rango de A es menor que 3.

Reemplazando x = 3,
   
1 3 1 2 1 3 1 2
   
 2 −1 8 5  o.e  0 −7 6 1 
A=   

 3 16 −3 5  ↷ 
  0 0 25 17 

4 2 9 7 0 0 0 0
De donde R(A) = 3
Reemplazando x = −13
   
1 −13 1 2 1 −13 1 2
   
 2 −1 −8 5  o.e  0 25 −10 1 
A=   

 3 −16 −3 5 
 ↷  0
 0 80 −48 

4 −14 −7 7 0 0 0 0
De donde R(A) = 3
Por lo tanto, la matriz tiene rango minimo igual a 3, si x = 3 o x = −13.

Problema 1.4
Resuelva el sistema de ecuaciones
    
1 −1 0 x1 2
 −1 2 −1   x2  =  −3 
    
0 −1 2 x3 4
usando el método LU.

Solucion
Factorizando la matriz de coeficientes
     
1 −1 0 1 −1 0 1 −1 0
 −1 2 −1  f2 → f2 + f1  0 1 −1  f3 → f3 + f2  0 1 −1 
     
0 −1 2 0 −1 2 0 0 1
de donde    
1 0 0 1 −1 0
L =  −1 1 0 , U = 0 1 −1 
   
0 −1 1 0 0 1
Resolviendo el sistema
    
1 0 0 y1 2
 −1 1 0   y2  =  −3 
    
0 −1 1 y3 4

Tenemos    
y1 2
 y2  =  −1 
   
y3 3
Luego resolvemos el sistema
    
1 −1 0 x1 2
 0 1 −1   x2  =  −1 
    
0 0 1 x3 3
De donde    
x1 4
 x2  =  2 
   
x3 3
Problema 1.5
Considere el sistema matricial por bloques
" #" # " #
A C x r
=
D B y s
donde A es de orden m y B es de orden n y x, y, r y s son vectores columnas.

Determine el orden de las matrices C, D, r y s
Solucion " #
A C
Para que el problema este bien determinado y considerando que es una matriz
D B
por bloques, entonces
C es de orden m × n y el orden de D es n × m
Del sistema de ecuaciones, tenemos
" #
h i x
A C = r,
y
de donde el orden de x es m × 1 y el orden de y es n × 1. Por tanto el orden de r es m × 1.

Por otro lado " #" # " #
A C x r
=
D B y s
Tambien debe cumplirse " #
h i x
D B =s
y
de donde el orden de s es n × 1

Problema 1.6
Considere el sistema de ecuaciones por bloques
" #" # " #
A C x r
=
0 B y s
donde A y B son matrices cuadradas y de rango máximo.

Determine la solución del sistema de ecuaciones por bloques
Solucion
Reescribiendo el sistema de ecuaciones, tenemos
Ax + Cy = r
By = s
Como las matrices A y B son cuadradas y de rango máximo, entonces A y B son invert-
ibles, luego
y = B −1 s
reemplazando en la primera ecuación
Ax = r − Cy = r − B −1 s
de donde
x = A−1 r − A−1 B −1 s
por tanto el vector solución del sistema es

" # " #
x A−1 r − A−1 B −1 s
=
y B −1 s
Problema 1.7
Dado el sistema de ecuaciones
x1 + ax2 + a2 x3 = 1
bx1 + ax2 + a2 x3 = ab
x1 + ax2 + abx3 = a
a) Determine la factorización LU de la matriz de coeficientes
b) Resolver utilizando el método LU, en caso de que el problema tenga solución única.

Solucion
a) El sistema matricial viene dado por
    
1 a a2 x1 1
 b a a2   x2  =  ab 
    
1 a ab x3 a
factoizando la matriz de coeficientes

   
1 a a2 1 a a2
 f2 → f2 − bf1 
 b a a2   0 a − ab a2 − a2 b 
 
f3 → f3 − f1
1 a ab 0 0 ab − a2
De donde    
1 0 0 1 a a2
L= b 1 0  U =  0 a − ab a2 − a2 b 
   
1 0 1 0 0 ab − a2
b) Resolviendo el sistema usando el método LU

    
1 0 0 y1 1
 b 1 0   y2  =  ab 
    
1 0 1 y3 a
de donde
y1 = 1
by1 + y2 = ab → y2 = ab − b
y1 + y3 = a → y3 = a − 1
Luego tenemos el sistema

    
1 a a2 x1 1
 0 a − ab a2 − a2 b   x2  =  ab − b 
    
0 0 ab − a2 x3 a−1
El sistema tendrá solución única si y solo si det (U ) ̸= 0, esto es,
det (U ) ̸= −a2 (a − b) (1 − b)

Resolviendo por sustitución hacia atrás
a−1
ab − a2 x3 = a − 1 → x3 =

ab − a2
(a − b2 ) (a − 1)
(a − ab) x2 + a2 − a2 b x3 = ab − b → x2 =

a (a − b) (1 − b)
ab − 1
x1 + ax2 + a2 x3 = 1 → x1 =
b−1
entonces la solución única del sistema es
ab − 1
 
   b−1 
x1 
2

(a − b ) (a − 1)
 
 x2  = 
   
a (a − b) (1 − b)

 
x3  
 a−1 
ab − a2
Problema 1.8
El sistema mostrado en la figura consiste de n resortes lineales unidos que soportan
n masas. Las rigideces de los muelles son denotados como ki , los pesos de las masas
son Wi y xi son los desplazamientos de las masas (medidos desde las posiciones donde
los resortes están sin deformación). La denominada formulación de desplazamiento se
obtiene mediante la ecuación de equilibrio de cada masa y sustituyendo
Fi = ki (xi+1 − xi )
por las fuerzas de los resortes.

El resultado es el conjunto de ecuaciones simétricas y tridiagonales
(k1 + k2 ) x1 − k2 x2 = W1
−ki xi−1 + (ki + ki+1 ) xi − ki+1 xi+1 = Wi para i = 2, 3, . . . , n − 1
−kn xn−1 + kn xn = Wn
Resuelva el sistema de ecuaciones para
N N
k1 = k2 = k3 = 10 , k4 = k5 = 5
mm mm
W1 = W3 = W5 = 100N, W2 = W4 = 50N
Solucion
Determinando el sistema de ecuaciones
20x1 − 10x2 = 100

−10x1 + 20x2 − 10x3 = 50
−10x2 + 15x3 − 5x4 = 100
−5x3 + 10x4 − 5x5 = 50
−5x4 + 5x5 = 100
Formando el sistema matricial

    
20 −10 0 0 0 x1 100
−10 20 −10 0 0 x2 50
    
    
    

 0 −10 15 −5 0 
 x3 =
  100 

0 0 −5 10 −5 x4 50
    
    
0 0 0 −5 5 x5 100
Formando la matriz aumentada y transformandola a su forma semi escalonada

 
20 −10 0 0 0 100
 
20 −10 0 0 0 100
0 15 −10 0 0 100
 
−10 20 −10 0 0 50
   
 
 o.e  
0 0 −5 10 −5 50

0 −10 15 −5 0 100
   
  ↷  
0 0 0 −5 5 100
 
0 0 −5 10 −5 50
   
 
10 1450
 
0 0 0 −5 5 100 0 0 0 0
3 3

Resolviendo por el método de sustitución hacia atrás, obetenemos

   
x1 40
x2 70
   
   
   
 x3 = 95 
   
x4 125
   
   
x5 145
Problema 1.9
Sea el sistema de ecuaciones dado por
2x + y + 7z = b1
6x − 2y + 11z = b2
2x − y + 3z = b3
Establezca las condiciones sobre bi de modo que el sistema no tenga solución.

Problema 1.10
Determine las corrientes que circulan en el circuito mostrado
Figura 1.5: Sistema inconsistente
Si Ri = i y Ei = i

Solucion
De la ley de Kirchhoff ’s
En los nodos
1 : I1 = I2 + I5
2 : I4 = I1 + I3
3 : I3 + I5 + I6 = 0
4 : I2 = I4 + I6
En los bucles
A : I1 R1 + I5 R5 − I3 R3 = E1 − E3
B : I2 R2 + I6 R6 − I5 R5 = E2
C : I4 R4 + I3 R3 − I6 R6 = E4 + E3
Reemplazando los datos, tenemos el sistema
I1 − I2 − I5 = 0
I1 + I3 − I4 = 0
I3 + I5 + I6 = 0
I2 − I4 − I6 = 0
I1 + 5I5 − 3I3 = −2
2I2 + 6I6 − 5I5 = 2
4I4 + 3I3 − 6I6 = 7
Luego el sistema matricial es dado por

   
1 −1 0 0 −1 0   0
I1
1 0 1 −1 0 0 0
   
    
  I2   
 0 0 1 0 1 1    0 
  I3   
0 1 0 −1 0 −1 = 0
    
  
  I4   
 1 0 −3 0 5 0    −2 
  I5   
0 2 0 0 −5 6 2
    
   
I6
0 0 3 4 0 −6 7

Su matriz aumentada es
 
1 −1 0 0 −1 0 0
1 0 1 −1 0 0 0 
 

 

 0 0 1 0 1 1 0 

0 1 0 −1 0 −1 0 
 

 

 1 0 −3 0 5 0 −2 

0 2 0 0 −5 6 2 
 

0 0 3 4 0 −6 7
Por operaciones elementales lo llevamos a un sistema equivalente

 
1 −1 0 0 −1 0 0
 
1 −1 0 0 −1 0 0
 0 1 1 −1 1 0 0 
 
1 0 1 −1 0 0 0 
 
  
   0 0 1 0 1 1 0
0 0 1 0 1 1 0 
  
 
 o.e 

 0 0 0 1 9 4 −2 

0 1 0 −1 0 −1 0 

  
 ↷ 
0 0 0 0 −23 0 6

1 0 −3 0 5 0 −2 
  
 
111
  
0 2 0 0 −5 6 2   0 0 0 0 0 −25
  
  23 
0 0 3 4 0 −6 7 0 0 0 0 0 0 0
De donde, resolviendo el sistema por sustitución hacia atrás
383
 
   575 
I1  533 
   
 I2   575 
  
  261 

 I3   575

=

28
 
 I4  
 


25

I5   
6

  
−
  
I6  23 
 111 
−
575
Problema 1.11
La figura muestra el flujo de tránsito determinado por el número de vehı́culos por hora,
además se considera que el tránsito es un solo sentido.

Figura 1.6: Sistema inconsistente
a) Determine el número de vechı́culo que circulan por las diferentes calles.
Solucion
a) Se considera que el número de vehı́culos que ingresa en el nodo es igual al número de
vehı́culos que salen.
Determinando las ecuaciones en los nodos
A : x1 + x5 = 80
B : 100 + x1 = x4
C : x3 = x2 + 90
D : x4 + x5 = 90 + x3
LLevando el sistema de ecuaciones a su forma matricial

 
  x1  
1 0 0 0 1 80
x2
 
    
 −1 0 0 1 0   
= 100 
  x3 
 0 −1 1 0 0    90 
x4
    
0 −1
 
0 1 1 90
x5
Formando la matriz aumentada y transformandola a su forma escalonada

   
1 0 0 0 1 80 1 0 0 0 1 80
   

 −1 0 0 1 0 100 
 o.e  0
 1 −1 0 0 −90 


 0 −1 1 0 0 90  ↷  0
 0 1 −1 −1 −90 

0 0 −1 1 1 90 0 0 0 1 1 180

De donde obtenemos
   
x1 80 − x5
x2 0
   
   
   

 x3 =
  90 ,
 x5 ∈ R
x4 180 − x5
   
   
x5 x5
b) Como las variables deben mayores o iguales a cero, entonces
80 − x5 ≥ 0 → x5 ≤ 80
180 − x5 ≥ 0 → x5 ≤ 180
por lo tanto
0 ≤ x1 ≤ 80
x2 = 0
x3 = 90
100 ≤ x4 ≤ 180
0 ≤ x5 ≤ 80

Álgebra Lineal Parte 2

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Lineal Parte 2

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal

Sistema de Ecuaciones Lineales

1. Sistema de ecuaciones lineales 1

SISTEMA DE ECUACIONES LINEALES

Figura 1.1: Diagrama de tráfico

1.1. Rango de una matriz

por tanto el rango no puede ser tres.

Consideremos la submatriz cuadrada de orden 2

su determinante es igual a 2, como su determinante es diferente de cero, entonces esta

Msc. Julio César Barraza Bernaola 2 Universidad Nacional de Ingenieria

la cual es no singular, por tanto el rango de la matriz A es igual a 3.

Prueba. Considerando que la matriz es de orden m×n, el orden de la submatriz cuadrada

Prueba. Sea A la matriz con r filas no nulas

donde Q es de orden r × n y la matriz nula de orden (m − r) × n.

Msc. Julio César Barraza Bernaola 3 Universidad Nacional de Ingenieria

Caso 1. E es la matriz elemental por el intercambio de las filas i y j

luego R (EA) = R (A) .

por tanto R (EA) = R (A)

por lo tanto R (EA) = R (A)

Msc. Julio César Barraza Bernaola 4 Universidad Nacional de Ingenieria

por tanto R (EA) = R (A)

Msc. Julio César Barraza Bernaola 5 Universidad Nacional de Ingenieria

mediante operaciones elementales A es llevada a su forma escalonada

Msc. Julio César Barraza Bernaola 6 Universidad Nacional de Ingenieria

Prueba. Sea r el número de filas no nulas de la matriz escalonada EA de la matriz A,

como det (S) = 1, entonces el R(A) = r

Msc. Julio César Barraza Bernaola 7 Universidad Nacional de Ingenieria

entonces su determinante es igual a uno, por tanto su rango es 2 y es igual al número de

1.2. Sistema de ecuaciones lineales

Msc. Julio César Barraza Bernaola 8 Universidad Nacional de Ingenieria

es un sistema de tres ecuaciones con tres incógnitas

es un sistema de tres ecuaciones con cuatro incógnitas

Definicion 1.3 (Solución Trivial)

Msc. Julio César Barraza Bernaola 9 Universidad Nacional de Ingenieria

1.2.1. Forma matricial de un sistema de ecuaciones

entonces el sistema (1.1) es escrito en forma matricial como

A es llamado la matriz de coeficientes

Msc. Julio César Barraza Bernaola 10 Universidad Nacional de Ingenieria

donde la matriz de coeficientes A es

Definicion 1.4 (Sistema Consistente)

admite a (1, 1) como solución. Por tanto es un sistema de ecuaciones consistente

Definicion 1.5 (Sistema Incosistente)

no tiene solución, pues la segunda ecuación es equivalente a x − y = 3

Sistema de ecuaciones homogéneo y no-homogéneo

Msc. Julio César Barraza Bernaola 11 Universidad Nacional de Ingenieria

Definicion 1.7 (Sistema homogéneo)

Prueba. Del sistema homogéneo

1.3. Sistemas de ecuaciones equivalentes

Msc. Julio César Barraza Bernaola 12 Universidad Nacional de Ingenieria

Esta equivalencia de sistemas nos sugiere que partiendo de un sistema como Ax = b,

Si dividimos la primera ecuación entre 3 la solución no se altera como resultado tenemos

ahora a la segunda y tercera ecuación le restamos la primera, entonces

intercambiamos la segunda con la tercera ecuación

Msc. Julio César Barraza Bernaola 13 Universidad Nacional de Ingenieria

Msc. Julio César Barraza Bernaola 14 Universidad Nacional de Ingenieria

Realizando un intercambio de filas (fi ⇆ fj ), entonces tenemos

Msc. Julio César Barraza Bernaola 15 Universidad Nacional de Ingenieria

por tanto x es solución del sistema Ax

Sea x solución del sistema Ax

por tanto las matrices aumentadas Aa y A

Al multiplicar a la fila i por una constante k diferente de cero

Msc. Julio César Barraza Bernaola 16 Universidad Nacional de Ingenieria

Sea x solución del sistema Ax

e = eb, tenemos que Ak x = bk para k ̸= i y además kAi x = kbi de