2.

1 Sistemas de ecuaciones lineales

Joaquı́n Izquierdo

GIF - curso 2021/2022

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 1

 Introducción

Primer objetivo del Álgebra: resolución de sistemas de ecuaciones lineales.

¡Pero estos sistemas ya han sido estudiados en cursos anteriores!

¿Aparecen situaciones nuevas no estudiadas?
¿Hay otras clases de sistemas más complicados que no se explican en
los cursos elementales?
¿Hay aspectos que no se tratan con suficiente profundidad en los
cursos elementales? Es decir, ¿existe una Teorı́a general, más
profunda, para estos sistemas?
¿Por qué se habla de Programación en ordenador de la solución de
tales sistemas?
¿Por qué se habla de Técnicas eficientes de solución?

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 2

¿Aparecen situaciones nuevas no estudiadas?

Consideremos los siguientes sistemas


2x + 2y = 6
x + y = 4

 x + 2y = 1
2x + y = 0
3y = 2


x + 2y = 6
−2x − 4y = −12
Como veremos, NO hay situaciones nuevas en cuanto a la naturaleza
de la solución de los sistemas de ecuaciones lineales.

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 3

¿Qué es lo nuevo?

No es una cuestión de naturaleza sino de TAMAÑO

LOS SISTEMAS CON MUCHAS ECUACIONES E INCÓGNITAS
SON MÁS QUE FRECUENTES EN LOS PROBLEMAS REALES
¿Qué son MUCHAS?
Veamos varios ejemplos a escala.

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 4

 Un circuito eléctrico

1a ley de Kirchoff 2a ley de Kirchoff

B I1 = I2 + I4
C I2 = I3 + I5 2I1 + 5I4 + 3I1 = V
E I3 + I5 = I6 3I2 + 2I5 + 4I6 − 5I4 = 0
F I6 + I4 = I1 (2 + 1)I3 − 2I5 = 0

Nota
Sistema de 7 ecuaciones con 6 incógnitas.
¿Qué sucederı́a con un acoplamiento de más circuitos?
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 5
 Un problema para el concejal de tráfico
El mapa muestra una pequeña zona de una determinada ciudad. Las calles son de
sentido único y está prohibido aparcar.

Las variables xi denotan el tráfico (medio) en las calles correspondientes.

Objetivo: minimizar el tráfico entre I y C (x11 y x12 ), sin congestionar las otras
calles, sujeto a las restricciones:
continuidad en los cruces: e.g. la ecuación para D es x3 − x7 + x8 = 600
variables positivas, es decir xi ≥ 0.
Ejercicio
Escribe las ecuaciones para todos los cruces. Sistema 9x12!
¿Qué sucederı́a con zonas más amplias? ¿Y con otras redes de comunicaciones?
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 6
 Calentamiento de una componente
Placa delgada; caras aisladas. Borde superior a 10◦ C y resto del contorno a 0◦ C .

Problema (complejo) conocer la temperatura en cada punto interior. Solución mediante:

discretización: estimar la temperatura en un número finito de puntos (malla);
hipótesis: en estado estacionario, la temperatura en cada nodo de la malla es la
media de las temperaturas en los cuatro nodos (equidistantes) vecinos.
Sea ti , i = 1, 2, . . . , 9 la temperatura en los puntos interiores. Para el 3, p. ej., se tiene
10 + t6 + 0 + t2
t3 =
4
Ejercicio
Obtén el sistema completo que hay que resolver para obtener tales temperaturas.

Nota: La solución da una aproximación de las temperaturas reales en los nodos de la

malla. Malla muy fina (muchos puntos) → distribución más exacta de las temperaturas,
pero también gran cantidad (enorme, posiblemente) de ecuaciones con incógnitas.

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 7

 Sistema de ecuaciones lineales
Un sistema de ecuaciones lineales con n incógnitas y m ecuaciones es un
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


El sistema se
 puede expresar utilizando
matrices
   
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
 ..  =  .. 
    
 .. .. .. .. 
 . . . .  .   . 
am1 am2 · · · amn xn bm
| {z } | {z } | {z }
A x b
El sistema puede expresarse abreviadamente como
Ax = b.
A es la matriz de los coeficientes, b es el término independiente y
x es el vector incógnita.
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 8
 Clasificación de los sistemas de ecuaciones lineales
Solución
Para un sistema lineal de m ecuaciones y n incógnitas, se llama solución a
un conjunto ordenado de n números, s1 , s2 , . . . , sn tales que se satisfacen
todas las ecuaciones al hacer la sustitución x1 = s1 , x2 = s2 , . . . , xn = sn .

Cuando b1 = b2 = · · · = bn = 0 el sistema se llama homogéneo.

Si el sistema no tiene solución se llama sistema incompatible.
Si el sistema tiene solución única se llama sistema compatible
determinado.
Si el sistema tiene infinitas soluciones se llama sistema compatible
indeterminado .

Sistemas equivalentes
Dos sistemas Ax = b y Bx = d se dice que son equivalentes si tienen el
mismo conjunto de soluciones.
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 9
 Método de eliminación de Gauss
Los
 sistemas triangulares superiores

 a11 x1 + a12 x2 + · · · + a1n−1 xn−1 + a1n xn = b1
a22 x2 + · · · + a2n−1 xn−1 + a2n xn = b2




.. .. .. ..
 . . . .
+ an−1n−1 xn−1 + an−1n xn = bn−1




ann xn = bn

se pueden resolver (si aii 6= 0 i = 1, . . . , n) por sustitución regresiva
1
xn = bn
a
! nn
n
1
xk = bk − ∑ aki xi k = n − 1, n − 2, . . . , 1.
akk i =k +1
El método de eliminación de Gauss consiste en transformar un sistema en un
sistema triangular o escalonado superior equivalente mediante las llamadas
operaciones elementales:
1 Intercambiar dos ecuaciones cualesquiera.
2 Multiplicar una una ecuación por un escalar no nulo.
3 Restar a una ecuación un múltiplo de otra.
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 10
 Ejemplo 1

Ejemplo 1
Resolver el sistema


 x + y + z + t = 4
x + y + 2z + 2t = 6


 2x + y + 3z = 6
x + y − z + 2t = 3


Primero construimos la matriz ampliada del sistema

 
1 1 1 1 4
 1 1 2 2 6 
 
 2 1 3 0 6 
1 1 −1 2 3

y a continuación se va escalonando la matriz.

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 11

 Ejemplo 1
   
1 1 1 1 4 1 1 1 1 4
 1 1 2 2 6  F 2 −F →F  0 0 1 1 2  F2 ↔F3
  −−−− −−1−−−2
−→  − −−−→
 2 1 3 0 6  F3 − 2F1 → F3
 0 −1 1 −2 −2 
1 1 −1 2 3 F4 − F1 → F4 0 0 −2 1 −1
   
1 1 1 1 4 1 1 1 1 4
 0 −1 1 −2 −2  F4 +2F3 →F4  0 −1
  1 −2 −2 

 0 −−−−−−−→  
0 1 1 2  0 0 1 1 2 
0 0 −2 1 −1 0 0 0 3 3
Por sustitución inversa se halla que la solución es x = y = z = t = 1.
A los elementos que se utilizan para eliminar los términos que tienen debajo
en otras filas se los denomina los pivotes
 
1 1 1 1 4
 0 -1 1 −2 −2 
 
 0 0 1 1 2 
0 0 0 3 3
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 12
 Ejemplo 2
Ejemplo 2
Resolver el sistema


 x1 + 2x2 + x3 + 3x4 + 3x5 = 5
2x1 + 4x2 + 4x4 + 4x5 = 6

x + 2x2 + 3x3 + 5x4 + 5x5 = 9
 1


2x1 + 4x2 + 4x4 + 7x5 = 9

   
1 2 1 3 3 5 1 2 1 3 3 5
 2 4 0 4 4 6  F2 −2F1 →F2  0
  0 −2 −2 −2 −4 

 1 −−−−−−−−−−→ 
2 3 5 5 9  F3 − F1 → F3  0 0 2 2 2 4 
2 4 0 4 7 9 F4 − 2F1 → F4 0 0 −2 −2 1 −1
   
1 2 1 3 3 5 1 2 1 3 3 5
F3 +F2 →F3  0
 0 −2 −2 −2 −4  F3 ↔F4  0 0 −2 −2 −2 −4 
−− −−−−→ − −−−→ 
F4 −F2 →F4  0 0 0 0 0 0   0 0 0 0 3 3 
0 0 0 0 3 3 0 0 0 0 0 0
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 13
 Ejemplo 2
 
1 2 1 3 3 5
 0 0 -2 −2 −2 −4 
El sistema asociado a la matriz ampliada   0

0 0 0 3 3 
0 0 0 0 0 0
Tiene más incógnitas que ecuaciones.
Algunas variables (variables básicas) se podrán poner en función del
resto de variables (variables libres).
En algunos casos, como éste, se pueden hacer distintas elecciones.
Para no tener problemas se eligen las variables básicas las asociadas a
los pivotes (de esta forma tenemos un sistema escalonado superior que
se puede resolver por sustitución regresiva) y las variables libres el
resto.

⇓
3 −4 + 2x4 + 2x5
x5 = = 1, x3 = = 1 − x4 , x1 = 5 − 2x2 − x3 − 3x4 − 3x5 = 1 − 2x2 − 2x4
3 −2
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 14
 Matriz escalonada
 
1 2 1 3 3 5
 0 0 −2 −2 −2 −4 
La matriz   es una matriz escalonada.
 0 0 0 0 3 3 
0 0 0 0 0 0
El proceso de eliminación de Gauss proporciona matrices escalonadas.
Una matriz es escalonada si verifica las condiciones:
a) Las filas de ceros, si existen, están en la parte inferior de la matriz.
b) El primer elemento no nulo de cada fila (pivote) está a la derecha del pivote
de la fila superior (si hay más de un fila no nula).

Tipos de solución
Elimı́nense las filas cero (están en la parte baja de la matriz)
a) Hay alguna fila de ceros salvo por el último elemento: sistema incompatible.
En caso contrario: sistema compatible. Y en tal caso,
b1) Hay incógnitas libres: sistema indeterminado (infinitas soluciones).
b2) No hay incógnitas libres: sistema con solución única.
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 15
 ¿Para qué TÉCNICAS EFICIENTES DE SOLUCIÓN?

Las operaciones a realizar son sumas-restas y multiplicaciones-divisiones.

Son sencillas pero hay que realizar MUCHAS de esas operaciones.
Preguntas
¿Cuántas son ’muchas’ operaciones y cuánto tiempo necesitan?
¿Con cuánta precisión es necesario calcular?
Estimación del número de operaciones para resolver un SEL.
Método Operaciones (orden)
n(n − 1) n2
Sustitución regresiva 1+2···+n = '
2 2
n3
Método de Gauss n2 + (n − 1)2 + · · · + 22 '
3
Método de Gauss-Jordan n3
Regla de Cramer (n + 1)!
n3
Factorización de Cholesky '
6

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 16

 El número de operaciones y los datos imprecisos

Dos tipos de errores en los datos:

a) Errores derivados de la imprecisión.
b) Errores propios de la aritmética computacional finita.

Efecto de la imprecisión. Ejemplo 1

 
0.01x + 10y = 10 x = 0.999000999 · · ·
→
0.1x − 0.1y = 0 y = 0.999000999 · · ·
 
0.01x + 10y = 9.9 x = 0.989010989 · · ·
→
0.1x − 0.1y = 0 y = 0.989010989 · · ·

Un error de una décima en un dato apenas provoca un error de una

milésima en el resultado.
¿Siempre es esperable un comportamiento tan bueno?

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 17

 El número de operaciones y los datos imprecisos
Efecto de la imprecisión. Ejemplo 2
 
x + y = 2 x = 1
→
x + 1.0001y = 2.0001 y = 1
 
x + y = 2 x = 0
→
x + 1.0001y = 2.0002 y = 2

Un error de una diezmilésima en un dato provoca un error fatal en el

resultado.

CONDICIONAMIENTO DE UNA MATRIZ

Algunas matrices parecen no ser sensibles a pequeños cambios y otras son
extremadamente sensibles. De las primeras se dice que son matrices bien
condicionadas y a las segundas se las llama matrices mal condicionadas.

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 18

 Sistemas mal condicionados
Un sistema de ecuaciones lineales se dice que está mal condicionado si un
pequeño cambio en las componentes de la matriz causa un gran cambio en
la solución. En caso contrario se dice que está bien condicionado.
Ejemplo
 
x1 + 2 x2 = 10 x1 = 8
→
1.05 x1 + 2 x2 = 10.4 x = 1
  2
x1 + 2 x2 = 10 x1 = 4
→
1.1 x1 + 2 x2 = 10.4 x2 = 3

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 19

 Cálculo con precisión limitada

EJEMPLOS A ESCALA: aritmética de punto flotante de 3 dı́gitos.

La solución exacta del sistema

    
0.01 10 x 10
=
0.1 −0.1 y 0
es x = y = 0.999000999 · · · .
Si se resuelve el sistema por el método de Gauss con aritmética de punto
flotante de 3 dı́gitos se obtiene
    
0.01 10 x 10
= ,
0 −100 y −100
con solución x = 0, y = 1.
IMPORTANTE
En ocasiones es posible arruinar un cálculo, incluso con una matriz bien
condicionada, si se utiliza un algoritmo deficiente.
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 20
 Pivotación parcial

En el método de Gauss es obligado pivotar si aparece un candidato a pivote

que es cero.
La pivotación parcial es la variante del método de Gauss en la que se elige
como pivote al mayor elemento (en valor absoluto) desde la posición del
pivote hasta abajo.

La solución exacta del sistema

    
0.005 1 x 0.5
=
1 1 y 1
es x = 5000/9950 ≈ 0.503, y = 4950/9950 ≈ 0.497.
Si se resuelve el sistema por el método de Gauss con aritmética de punto
flotante de 2 dı́gitos se obtiene
    
0.005 1 x 0.5
= ,
0 −200 y −99
con solución x = 0, y = 0.5.
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 21
 Pivotación parcial

Si, en cambio, se toma como pivote el elemento a21 se tiene

    
1 1 x 1
= ,
0 1 y 0.5

con solución x = 0.50, y = 0.50, también con aritmética de punto flotante

de dos dı́gitos.
IMPORTANTE
La pivotación parcial no es el remedio infalible. Existen matrices
especialmente rebeldes para las que no es fácil diseñar un algoritmo estable.

Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 22

 Pivotación parcial
La solución exacta del sistema
    
1 1 x 2
=
1 1.007 y 9
es x = −998, y = 1000.
Si se resuelve el sistema por el método de Gauss con aritmética de punto
flotante de 3 dı́gitos se obtiene
    
1 1 x 2
= ,
1 1.01 y 9
con solución x = −698, y = 700.
IMPORTANTE
Aceptar la solución errónea puede igualmente ser muy grave y echar por
tierra un diseño o un proyecto en el que se han invertido muchos recursos.
Realmente, puede ser incluso peor, porque quizá no se tiene la más mı́nima
sospecha de que algo no esté funcionando bien.
Joaquı́n Izquierdo Unidad 2.1 Sistemas de ecuaciones lineales. 23