Alg - Ut 1.1 - Resolución de Sistemas de Ecuaciones Lineales Mediante Operaciones Elementales. Matrices Escalonadas

Tema 1:
Resolución de sistemas de ecuaciones lineales mediante

operaciones elementales. Matrices escalonadas
Parte 1
Algebra
Grado en Ingenierı́a Informática
2 de febrero de 2012
Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 1 / 54

Índice
1 Objetivos del Álgebra Lineal

¿Qué es el Álgebra Lineal?
Una lista incompleta de aplicaciones
2 Rudimentos sobre matrices y vectores

Definiciones básicas y notación
Operaciones lineales
Producto escalar y aplicaciones geométricas
Operaciones con matrices
3 Ecuaciones lineales y sistemas de ecuaciones

Ecuaciones lineales
Sistemas de ecuaciones lineales
Clasificación de los sistemas de ecuaciones lineales

Objetivos del Álgebra Lineal



Ecuaciones lineales

Objetivos del Álgebra Lineal ¿Qué es el Álgebra Lineal?
¿Qué es el Álgebra lineal?
El Álgebra lineal trata los siguientes aspectos:


operaciones lineales con vectores (suma de vectores y producto de un
vector por un número) y


transformaciones lineales (funciones que se comportan bien con
respecto a las operaciones lineales y que pueden ser representadas por
matrices).


matrices).
Es decir, el Álgebra Lineal trata sobre los espacios vectoriales.

matrices).
Es decir, el Álgebra Lineal trata sobre los espacios vectoriales.
Objetivos del Álgebra Lineal Una lista incompleta de aplicaciones
Algunas aplicaciones
Economı́a: modelo de entrada-salida de Leontief.

Teorı́a de códigos: códigos correctores lineales.


Problemas sobre redes.


Compresión de imágenes.


Programación lineal (optimización).


Diseño de juegos de ordenador.


Búsqueda en la web (Google).


Y . . . MUCHAS OTRAS!!


Y . . . MUCHAS OTRAS!!

Rudimentos sobre matrices y vectores



Ecuaciones lineales

Rudimentos sobre matrices y vectores Definiciones básicas y notación
Definición
Una matriz A de dimensiones m × n (o simplemente una matriz m × n) es
un conjunto de m · n números reales (o complejos) distribuı́dos en m filas y
n columnas:  
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
A= · · ·
.

· · · 
am1 am2 · · · amn
Los números aij son las entradas o elementos de la matriz.

Ejemplos

1 −1 1
es una matriz de dimensiones 2 × 3.
−1 2 3

0 −2
es una matriz cuadrada de dimensiones 2 × 2 (o de orden 2).
1 0

1 2 3 es una matriz fila (o vector fila).
 
1
2 es una matriz columna (o vector columna, o vector).
3
 
0 0
0 0 es la matriz nula de dimensiones 3 × 2.
0 0

Notación importante!
Un vector será vector columna. Notación con flecha:
√ 

1  
1
2 0
1 + 2i 1 ~0 = 0
~u =   ~v = ~ = 3 
w  ~x = −
0 1−i 2
−π 0
−2
Las componentes de un vector son sus entradas.
Una matriz con una sola fila se llamará también vector fila. Notación
con letras mayúsculas sin flecha:

U= 1 1 0 V = 1 + 2i 1 − i
Usaremos también la “notación clásica” para vectores (será útil para
ahorrar espacio):  
1
(1, 2, 3) := 2
3
  

 x1 

x2 
 

n
R :=  .  such that xi ∈ R ∀i
 

 ..  

 
xn
 
4

2
3 3
 
1
2 3
1
2
1
2
3
1 2 3 4

Análogamente:
  

 x 1 

x2 
 

n
C :=  .  tal que xi ∈ C ∀i
 

 ..  

 
xn
 

Rudimentos sobre matrices y vectores Operaciones lineales
Suma de vectores
Suma de vectores:
(2, −1, 3, 0) + (−1, 1, 4, 1) = (2 − 1, −1 + 1, 3 + 4, 0 + 1)

= (1, 0, 7, 1)
Graphically:
~u
~v
~u + ~v

Suma de vectores
Suma de vectores:
(2, −1, 3, 0) + (−1, 1, 4, 1) = (2 − 1, −1 + 1, 3 + 4, 0 + 1)

= (1, 0, 7, 1)
Graphically:
~u
~v
~u + ~v

Propiedades
~u1 + ~u2 = ~u2 + ~u1 (propiedad conmutativa)

(~u1 + ~u2 ) + ~u3 = ~u1 + (~u2 + ~u3 ) (propiedad asociativa)
~u + ~0 = ~u (existencia de elemento neutro)
~u + (−~u ) = ~0 (existencia de elemento simétrico)
Resta de vectores: ~u − ~v := ~u + (−~v ).

Gráficamente:
−~v ~u − ~v
~u

Escalar: un número real o complejo (dependiendo del contexto).

Producto de un vector por un escalar:
4(2, −1, 3, 0) = (4 · 2, 4 · (−1), 4 · 3, 4 · 0)

= (8, −4, 12, 0)
Gráficamente (caso real):
3~u 4~u
1 ~u
−~u 2~u

Escalar: un número real o complejo (dependiendo del contexto).

Producto de un vector por un escalar:
4(2, −1, 3, 0) = (4 · 2, 4 · (−1), 4 · 3, 4 · 0)

= (8, −4, 12, 0)
Gráficamente (caso real):
3~u 4~u
1 ~u
−~u 2~u

Propiedades
λ1 (λ2~u ) = (λ1 λ2 )~u (propiedad asociativa)

(λ1 + λ2 )~u = λ1~u + λ2~u (propiedad distributiva)
λ(~u1 + ~u2 ) = λ~u1 + λ~u2 (propiedad distributiva)
1~u = ~u
(−λ)~u = −(λ~u ) = λ(−~u )

Un concepto clave: combinaciones lineales de vectores

Un vector obtenido a partir de otros combinando las dos operaciones
(suma de vectores y producto escalar × vector) es una combinación lineal.
Por ejemplo:

1 1 0
2 + −4
3 −1 5
es una combinación lineal de los vectores (1, 3), (1, −1) y (0, 5) con
coeficientes 2, 1 y −4 .


Por ejemplo:

1 1 0
2 + −4
3 −1 5
2~u + 3~v
−2~u + 3~v
~v
~u 4~u
2~u − 12 ~v
−~u − ~v −~v


Por ejemplo:

1 1 0
2 + −4
3 −1 5
2~u + 3~v
−2~u + 3~v
~v
~u 4~u
2~u − 12 ~v
−~u − ~v −~v

Rudimentos sobre matrices y vectores Producto escalar y aplicaciones geométricas
Producto escalar en Rn
El producto escalar de dos vectores ~u , ~v ∈ Rn es:
~u · ~v = u1 v1 + u2 v2 + · · · + un vn ,
donde ~u = (u1 , u2 , . . . , un ) y ~v = (v1 , v2 , . . . , vn ).
Ejemplo:
   
2 −1
−1  1 
  ·   = 2 · (−1) + (−1) · 1 + 3 · 4 + 0 · 1 = −2 − 1 + 12 + 0 = 9
3 4
0 1
Nota: El producto escalar de dos vectores (reales) es un número real.

Producto escalar en Rn
El producto escalar de dos vectores ~u , ~v ∈ Rn es:
~u · ~v = u1 v1 + u2 v2 + · · · + un vn ,
donde ~u = (u1 , u2 , . . . , un ) y ~v = (v1 , v2 , . . . , vn ).
Ejemplo:
   
2 −1
−1  1 
  ·   = 2 · (−1) + (−1) · 1 + 3 · 4 + 0 · 1 = −2 − 1 + 12 + 0 = 9
3 4
0 1
Nota: El producto escalar de dos vectores (reales) es un número real.

Propiedades del producto escalar
~u1 · ~u2 = ~u2 · ~u1 (propiedad conmutativa)

(~u1 + ~u2 ) · ~v = ~u1 · ~v + ~u2 · ~v (propiedad distributiva)
λ(~u1 · ~u2 ) = (λ~u1 ) · ~u2 = ~u1 · (λ~u2 )
~0 · ~u = 0
Si ~u 6= ~0, entonces ~u · ~u > 0

Norma de un vector de Rn
La norma de un vector ~u = (u1 , . . . , un ) ∈ Rn es el número real

√ q
k~u k = ~u · ~u = u12 + u22 + · · · + un2 (1)
4
2

2
3 +2 2
3 3
32
√ 12 +
 
1
+
2
22
3
√
1
1 2
2
3
1 2 3 4

Ángulos en R2 y R3
b = k~v k a = k~u − ~v k
α
c = k~u k
a2 = b 2 + c 2 − 2bc cos α
k~u − ~v k2 = k~u k2 + k~v k2 − 2 k~u k k~v k cos α
(~u − ~v ) · (~u − ~v ) = ~u · ~u + ~v · ~v − 2 k~u k k~v k cos α
~u · ~u + ~v · ~v − 2~u · ~v = ~u · ~u + ~v · ~v − 2 k~u k k~v k cos α
−2~u · ~v = − 2 k~u k k~v k cos α
~u · ~v = k~u k k~v k cos α
~u ·~v
Si ~u 6= 0 y ~v 6= 0 entonces cos α = k~u kk~v k
Ángulos en Rn
Usando esta fórmula podemos extender la definición de ángulo de vectores
a Rn :
Dados dos vectores no nulos ~u , ~v ∈ Rn definimos eñ ángulo entre ambos

vectores como el único α ∈ [0, π] tal que
~u · ~v
cos α =
k~u k k~v k
Esta definición es correcta por la desigualdad de Cauchy-Schwarz:
|~u · ~v | ≤ k~u k k~v k ,
ya que significa que

~u · ~v
−1 ≤ ≤ 1.
k~u k k~v k

Ángulos en Rn
Usando esta fórmula podemos extender la definición de ángulo de vectores
a Rn :
Dados dos vectores no nulos ~u , ~v ∈ Rn definimos eñ ángulo entre ambos

vectores como el único α ∈ [0, π] tal que
~u · ~v
cos α =
k~u k k~v k
Esta definición es correcta por la desigualdad de Cauchy-Schwarz:
|~u · ~v | ≤ k~u k k~v k ,
ya que significa que

~u · ~v
−1 ≤ ≤ 1.
k~u k k~v k

Ortogonalidad en Rn
Dos vectores ~u y ~v en Rn son ortogonales si ~u · ~v = 0.

Por ejemplo: (1, 3, −3) y (0, 2, 2) son ortogonales porque
   
1 0
 3  · 2 = 1 · 0 + 3 · 2 − 3 · 2 = 0 + 6 − 6 = 0
−3 2
 
0
2
2
 
1
3
−3

−2 3
3
2
3
2
1 1
−3 −2 −1 1 2 3
−1
−2
−3

Rudimentos sobre matrices y vectores Operaciones con matrices
Extensión de las operaciones lineales con vectores:

1 −1 0 2 3 −2 1 + 2 −1 + 3 0−2 3 2 −2
+ = =
0 2 −1 0 −1 0 0+0 2−1 −1 + 0 0 1 −1

1 −1 0 2 3 −2 1 − 2 −1 − 3 0+2 −1 −4 2
− = =
0 2 −1 0 −1 0 0−0 2+1 −1 − 0 0 3 −1

1 −1 0 3 · 1 3(−1) 3·0 3 −3 0
3 = =
0 2 −1 3·0 3·2 3(−1) 0 6 −3
Podemos considerar también combinaciones lineales de matrices:

1 −1 0 2 3 −2 3 · 1 + 2 · 2 3(−1) + 2 · 3 3 · 0 + 2(−2)
3 +2 =
0 2 −1 0 −1 0 3 · 0 + 2 · 0 3 · 2 + 2(−1) 3(−1) + 2 · 0

7 3 −4
=
0 4 −3

Propiedades (las mismas que en el caso de vectores)
A+B=B+A
(A + B) + C = A + (B + C)
A+O=A
A + (−A) = 0
λ1 (λ2 A) = (λ1 λ2 )A
(λ1 + λ2 )A = λ1 A + λ2 A
λ(A + B) = λA + λB
1A = A
(−λ)A = −(λA) = λ(−A)

Producto (vector fila ) × (vector columa)
Consideremos una matriz fila y una matriz columna con el mismo número de entradas
(es decir, de dimensiones 1 × n y n × 1 respectivamente):
 
b1
b2 
a1 a2 · · · an ,  . 
 
 .. 
bn
Se define su producto como el siguiente producto escalar:
    b 
b1 a1 1
 b 2
  a2   
 b2 
a1 a2 · · · · · · · 
an  .  :=  .  = a1 b1 + a2 b2 + · · · an bn .
 
 ..   .. 
bn an bn

Producto de matrices
Definición
Sea A una matriz m × n y B una matriz n × p. La matriz producto se
define como la matriz de dimensiones m × p, AB = [cij ], tal que cij es el
producto de la i-ésima fila de A y la j-ésima columna de B. Es decir:
n
X
cij = ai1 b1j + ai2 b2j + · · · + ain bnj = ais bsj
s=1
Ejemplo:  
0 1
1 2 3  1 2 = 8 2
0 1 −1 −1 3
2 −1

Condición necesaria para el cálculo de la matriz producto
m×n n×p = m×p

Una matriz vista como una “fila de columnas”
Consideremos la matrix:
 
1 −1
A = 2 0 
3 1
Podemos interpretar sus columnas como los vectores
   
1 −1
~a1 = 2 , ~a2 = 0 
  
3 1
y escribir
A = col(1) col(2) = ~a1 ~a2

Una matriz vista como una “columna de filas”
Consideremos la matriz
 
1 −1
A = 2 0 
3 1
Podemos interpretar sus filas como los vectores fila
~b1 = 1 −1 , ~b2 = 2 0 , ~b3 = 3 1

y escribir
~b1
   
fila(1)
A = fila(2) = ~b2 
fila(3) b3

(Matriz) × (vector columna)
          
1 2 3 1 1·1+2·2+4·3 1 2 3
5 0 4 2 = 1 · 5 + 2 · 0 + 4 · 4 = 1 5 + 2 0 + 4 4
3 2 1 4 1·3+2·2+4·1 3 2 1
 
u1
u2 


col(1) col(2) · · · col(n)  .  = u1 col(1)+u2 col(2)+· · ·+un col(n).
 .. 
un
(Matriz) × (vector columna) es una combinación lineal de las columnas de

la matriz.

(Vector fila) × (matriz)
 
1 2 3
1 2 4 5 0 4 =
3 2 1

1·1+2·5+4·3 1·2+2·0+4·2 1·3+2·4+4·1 =

1· 1 2 3 +2· 5 0 4 +4· 3 2 1
 
fila(1)
fila(2)


u1 u2 · · · un  .  = u1 fila(1) + u2 fila(2) + · · · + un fila(n).
 .. 
fila(n)
(Vector fila) × (matriz) es una combinación lineal de las filas de la matriz.

Propiedades del producto de matrices
Siempre que los productos tengan sentido:

(AB)C = A(BC) (asociativa)
(A + B)C = AC + BC (distributiva)
A(B + C) = AB + AC (distributiva)
λ(AB) = (λA)B = A(λB)

Matriz identidad
Se denomina matriz identidad de orden n a la matriz cuadrada n × n

 
1 0 ... 0
0 1 . . . 0
 
I= . . . . . . . . . . . . 

. . . . . . . . . . . .
0 0 ... 1
(los elementos diagonales son 1 y los restantes son 0).

Propiedad
Si A es una matriz de dimensiones m × n entonces:
Si I es la matriz identidad de orden m entonces IA = A.
Si I es la matriz identidad de orden n entonces AI = A.

¡Atención!
El producto matricial NO ES CONMUTATIVO:

1 2 −1 0
If A = yB= entonces
0 1 1 1

1 2 −1 0 1 2 −1 0 1 2 −1 −2
AB = = BA = =
0 1 1 1 1 1 1 1 0 1 1 3
El producto de dos matrices no nulas puede ser una matriz nula:

1 2 −2 5 0 0
=
1 2 1 −5/2 0 0
Exercicio 1: Dadas dos matrices cuadradas arbitrarias del mismo orden A y B, ¿es cierta
la igualdad ABA = A2 B?
la igualdad (A + B)2 = A2 + 2AB + B2 ?
la igualdad (AB)2 = A2 B2 ?
Ecuaciones lineales y sistemas de ecuaciones



Ecuaciones lineales

Ecuaciones lineales y sistemas de ecuaciones Ecuaciones lineales
Ejemplo introductorio
Consideremos la siguiente ecuación:
x1 + 2x2 = 3
Esta es una ecuación lineal porque las únicas que involucran a las
incógnitas son:
Producto de cada incógnita por una constnte.
Suma de los resultados.

x1 + 2x2 = 3
incógnitas son:
Una solución de la ecuación es unvector

x1
∈ R2
x2
cuyas coordenadas satisfacen la igualdad.

x1 + 2x2 = 3
incógnitas son:

x1
∈ R2
x2
Cuestión: ¿Cuántas soluciones tiene la ecuación?

x1 + 2x2 = 3
incógnitas son:

x1
∈ R2
x2
Algunas soluciones particulares:

3 0 1
, ,
0 3/2 1
x1 + 2x2 = 3
incógnitas son:

x1
∈ R2
x2

3 0 1
, ,
0 3/2 1
Solución general (ecuaciones paramétricas)

De hecho, el conjunto de soluciones es infinito:
x1 = 3 − 2x2
Para cada valor de x2 se obtiene un valor de x1 :

3
x2 = 0 ⇒ x1 = 3 − 2 · 0 = 3 ⇒
0


x1 = 3 − 2x2

3
x2 = 0 ⇒ x1 = 3 − 2 · 0 = 3 ⇒
0

1
x2 = 1 ⇒ x1 = 3 − 2 · 1 = 1 ⇒
1


x1 = 3 − 2x2

3
x2 = 0 ⇒ x1 = 3 − 2 · 0 = 3 ⇒
0

1
x2 = 1 ⇒ x1 = 3 − 2 · 1 = 1 ⇒
1
En general:
3 − 2λ
x2 = λ ⇒ x1 = 3 − 2 · λ ⇒
λ


x1 = 3 − 2x2

3
x2 = 0 ⇒ x1 = 3 − 2 · 0 = 3 ⇒
0

1
x2 = 1 ⇒ x1 = 3 − 2 · 1 = 1 ⇒
1
En general:
3 − 2λ
x2 = λ ⇒ x1 = 3 − 2 · λ ⇒
λ
Ecuaciones paramétricas de la solución general:
x1 = 3 − 2λ
x2 = λ λ∈R

x1 = 3 − 2x2

3
x2 = 0 ⇒ x1 = 3 − 2 · 0 = 3 ⇒
0

1
x2 = 1 ⇒ x1 = 3 − 2 · 1 = 1 ⇒
1
En general:
3 − 2λ
x2 = λ ⇒ x1 = 3 − 2 · λ ⇒
λ
Ecuaciones paramétricas de la solución general:
x1 = 3 − 2λ
x2 = λ λ∈R
Solución general (ecuación vectorial)

El conjunto de soluciones es:

3 − 2λ
S= : λ∈R
λ

x
Entonces: un vector ~x = 1 es una solución si y sólo si
x2

x1 3 −2
= +λ
x2 0 1
para algún escalar λ (ecuación vectorial de la solución general).



3 − 2λ
S= : λ∈R
λ

x
x2

x1 3 −2
= +λ
x2 0 1

Es decir, el conjunto de soluciones es:

3 −2
S= +λ : λ∈R
0 1



3 − 2λ
S= : λ∈R
λ

x
x2

x1 3 −2
= +λ
x2 0 1

Es decir, el conjunto de soluciones es:

3 −2
S= +λ : λ∈R
0 1

Visión geométrica

3 −2
S= +λ : λ∈R
0 1
2
3 −2
3 −2
+2 +
0 1 0 1
1
3
0
−3 −2 −1 1 2 3 4 3

1 −2
− 2
−1 0 1
−2

Ejemplo introductorio (3 incógnitas)
2x1 + 2x2 − x3 = 1
       
0 1 1 0
1/2 , 0 , 1 , 1
0 1 3 1
Despejando una incógnita obtenemos la solución general:
x1 = 1/2 − x2 + (1/2)x3
Ecuaciones paramétricas:
x1 = 1/2 − λ1 + (1/2)λ2
x2 = λ1
x3 = λ2
with λ1 , λ2 ∈ R
Ejemplo introductorio (3 incógnitas)
2x1 + 2x2 − x3 = 1
       
0 1 1 0
1/2 , 0 , 1 , 1
0 1 3 1
Despejando una incógnita obtenemos la solución general:
x1 = 1/2 − x2 + (1/2)x3
Ecuaciones paramétricas:
x1 = 1/2 − λ1 + (1/2)λ2
x2 = λ1
x3 = λ2
with λ1 , λ2 ∈ R
Ecuación vectorial
Ecuación vectorial:
       
x1 1/2 −1 1/2
x2  =  0  + λ1  1  + λ2  0  , λ1 , λ2 ∈ R
x3 0 0 1
Conjunto de soluciones:
      
 1/2 −1 1/2 
S=  0 + λ1 1 + λ2 0 : λ1 , λ2 ∈ R
    
0 0 1
 

Geometrı́a

Algunos “detalles tontos”
Ejercicio 4: Resuelve la ecuación 2x2 + 3x3 = 5 in R3 .



Ecuaciones lineales y sistemas de ecuaciones Sistemas de ecuaciones lineales
Ejemplo introductorio (2 ecuaciones lineales)
x1 + 2x2 = 3
x1 − x2 = −3
Fácil de resolver:
Restando la primera ecuación a la segunda:

x1 + 2x2 = 3
−3x2 = −6
Dividiendo entre -3 la segunda ecuación:
x1 + 2x2 = 3
x2 = 2
Por sustitución regresiva:
x1 = −1 x2 = 2 (solución única)
Ejemplo introductorio (2 ecuaciones lineales)
x1 + 2x2 = 3
x1 − x2 = −3
Fácil de resolver:
Restando la primera ecuación a la segunda:

x1 + 2x2 = 3
−3x2 = −6
Dividiendo entre -3 la segunda ecuación:
x1 + 2x2 = 3
x2 = 2
Por sustitución regresiva:
x1 = −1 x2 = 2 (solución única)
Representación matricial
x1 + 2x2 = 3

1 2 x1 3
⇔ =
x1 − x2 = −3 1 −2 x2 −3
| {z } |{z} | {z }
(1) (2) (3)
(1): matriz de coeficientes

(2): vector de incógnitas
(3): vector de términos independientes
Podemos ver la representación matricial desde dos puntos de vista:

Filas
Columnas

Representación matricial
x1 + 2x2 = 3

1 2 x1 3
⇔ =
x1 − x2 = −3 1 −2 x2 −3
| {z } |{z} | {z }
(1) (2) (3)
(1): matriz de coeficientes

(2): vector de incógnitas
(3): vector de términos independientes
Podemos ver la representación matricial desde dos puntos de vista:

Filas
Columnas

Intepretación geométrica: “por filas” (la clásica)
3 x1 − x2 = −3
2
−1
2
1
−4 −3 −2 −1 1 2 3 4x + 2x = 3
1 2
−1
−2
Cada fila representa una ecuación. Cada ecuación representa una recta. La
solución es el punto de intersección entre ambas rectas.
Interpretación geométrica: “por columnas” (¡muy útil!)

1 2 x1 3 1 2 3
= ⇔ x1 + x2 =
1 −2 x2 −3 1 −1 −3
Resolver el sistema equivale a escribir el vector (3, −3) como una combinación lineal de
los vectores (1, 1) y (2, −1).
2
1
1 ~u1 =
1

−4 −3 −2 −1 1 2 3 24 5 6 7
−1 ~u2 =
−~u1 −1
−2 2~u2

−3 3
−1 ~u1 + 2 ~u2 =
−3
−4
Casos “no estándar”
Ejercicio 7: Discute las soluciones de este sistema de ecuaciones desde los

2 puntos de vista (por filas y por columnas):
x1 + 2x2 = 3
3x1 + 6x2 = 9
Ejercicio 8: Idem:
x1 + 2x2 = 3
3x1 + 6x2 = 1

Casos “no estándar”
Ejercicio 7: Discute las soluciones de este sistema de ecuaciones desde los

2 puntos de vista (por filas y por columnas):
x1 + 2x2 = 3
3x1 + 6x2 = 9
Ejercicio 8: Idem:
x1 + 2x2 = 3
3x1 + 6x2 = 1

Ejemplo introductorio (2 ecuaciones, 3 incógnitas)
2x1 + 2x2 − x3 = 1
x1 − x2 + x3 = 0
Las soluciones “viven” en R3 .
Podemos eliminar x1 de la segunda ecuación restándole un múltiplo de la primera:
2x1 + 2x2 − x3 = 1
−2x2 + (3/2)x3 = −1/2

2x1 + 2x2 − x3 = 1
x1 − x2 + x3 = 0
2x1 + 2x2 − x3 = 1
−2x2 + (3/2)x3 = −1/2
Podemos eliminar x2 de la primera ecuación sumándole la segunda:
2x1 + (1/2)x3 = 1/2
−2x2 + (3/2)x3 = −1/2

2x1 + 2x2 − x3 = 1
x1 − x2 + x3 = 0
2x1 + 2x2 − x3 = 1
−2x2 + (3/2)x3 = −1/2
2x1 + (1/2)x3 = 1/2
−2x2 + (3/2)x3 = −1/2
Podemos escribir x1 y x2 en función de x3 : x1 = 1/4 − (1/4)x3 , x2 = 1/4 + (3/4)x3 .

2x1 + 2x2 − x3 = 1
x1 − x2 + x3 = 0
2x1 + 2x2 − x3 = 1
−2x2 + (3/2)x3 = −1/2
2x1 + (1/2)x3 = 1/2
−2x2 + (3/2)x3 = −1/2

Podemos generar todas las soluciones dando un valor λ a x3 y calculando x1 y x2 :
     
x1 1/4 −1/4
x2  = 1/4 + λ  3/4  Una recta en R3
x3 0 1

2x1 + 2x2 − x3 = 1
x1 − x2 + x3 = 0
2x1 + 2x2 − x3 = 1
−2x2 + (3/2)x3 = −1/2
2x1 + (1/2)x3 = 1/2
−2x2 + (3/2)x3 = −1/2

Podemos generar todas las soluciones dando un valor λ a x3 y calculando x1 y x2 :
     
x1 1/4 −1/4
x2  = 1/4 + λ  3/4  Una recta en R3
x3 0 1

Geometrı́a (“por filas”)

 
x1
2 2 −1   1
x2 =
1 −1 1 0
x3

Geometrı́a (por columnas)
 
x1
2 2 −1   1 2 2 −1 1
x2 = ⇔ x1 + x2 + x3 =
1 −1 1 0 1 −1 1 0
x3
2 2

−1 1 2 −1 1 2
1 1 1 1
1 1
0 0
−2 −1 1 2 −2 −1 1 2

−1 2 −1 2
−1 −1
−2 −2

1 1 2 1 2 1 2 −1
= + = +
0 4 1 4 −1 0 −1 1

Ecuaciones lineales y sistemas de ecuaciones Clasificación de los sistemas de ecuaciones lineales
Clasificación
Según el número de soluciones de un sistema de ecuaciones, pueden

ocurrir los siguientes casos:
El sistema no tiene solución (incompatible).

El sistema tiene alguna solución (compatible). En este caso, puede
tenersolución única (sistema compatible determinado) o infinitas
soluciones (sistema compatible indeterminado).

Algunos ejercicios
Ejercicio 9: Considera la ecuación 5x1 + 2x2 = 10.

(a) Encuentra algunas soluciones particulares.
(b) Encuentra la solución general.
(c) Dibuja una representación gráfica.
Ejercicio 10: Calcula todos los vectores de R3 que son ortogonales al
vector ~u = (1, 2, −1).

Algunos ejercicios

vector ~u = (1, 2, −1).
Ejercicio 11: Calcula todos los vectores de R3 que son ortogonales a los
vectores ~u1 = (1, 2, −1) y ~u2 = (2, 4, 1).

Algunos ejercicios

vector ~u = (1, 2, −1).
Ejercicio 11: Calcula todos los vectores de R3 que son ortogonales a los
vectores ~u1 = (1, 2, −1) y ~u2 = (2, 4, 1).

Alg - Ut 1.1 - Resolución de Sistemas de Ecuaciones Lineales Mediante Operaciones Elementales. Matrices Escalonadas

Cargado por

Información del documento

Descripción original:

Título original

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

Alg - Ut 1.1 - Resolución de Sistemas de Ecuaciones Lineales Mediante Operaciones Elementales. Matrices Escalonadas

Cargado por

Copyright:

Formatos disponibles

Tema 1:

Resolución de sistemas de ecuaciones lineales mediante

Grado en Ingenierı́a Informática

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 1 / 54

1 Objetivos del Álgebra Lineal

2 Rudimentos sobre matrices y vectores

3 Ecuaciones lineales y sistemas de ecuaciones

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 2 / 54

1 Objetivos del Álgebra Lineal

2 Rudimentos sobre matrices y vectores

3 Ecuaciones lineales y sistemas de ecuaciones

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 3 / 54

¿Qué es el Álgebra lineal?

El Álgebra lineal trata los siguientes aspectos:

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 4 / 54

¿Qué es el Álgebra lineal?

El Álgebra lineal trata los siguientes aspectos:

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 4 / 54

¿Qué es el Álgebra lineal?

El Álgebra lineal trata los siguientes aspectos:

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 4 / 54

¿Qué es el Álgebra lineal?

El Álgebra lineal trata los siguientes aspectos:

¿Qué es el Álgebra lineal?

El Álgebra lineal trata los siguientes aspectos:

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

Economı́a: modelo de entrada-salida de Leontief.

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 5 / 54

1 Objetivos del Álgebra Lineal

2 Rudimentos sobre matrices y vectores

3 Ecuaciones lineales y sistemas de ecuaciones

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 6 / 54

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 7 / 54

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 8 / 54

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 10 / 54

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 11 / 54

(2, −1, 3, 0) + (−1, 1, 4, 1) = (2 − 1, −1 + 1, 3 + 4, 0 + 1)

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 12 / 54

(2, −1, 3, 0) + (−1, 1, 4, 1) = (2 − 1, −1 + 1, 3 + 4, 0 + 1)

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 12 / 54

~u1 + ~u2 = ~u2 + ~u1 (propiedad conmutativa)

Resta de vectores: ~u − ~v := ~u + (−~v ).

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 13 / 54

Escalar: un número real o complejo (dependiendo del contexto).

4(2, −1, 3, 0) = (4 · 2, 4 · (−1), 4 · 3, 4 · 0)

Gráficamente (caso real):

Algebra (Ingenierı́a Informática) Tema 1 2 de febrero de 2012 14 / 54

Escalar: un número real o complejo (dependiendo del contexto).

4(2, −1, 3, 0) = (4 · 2, 4 · (−1), 4 · 3, 4 · 0)