SISTEMAS DE ECUACIONES LINEALES

Introduccin
Un problema fundamental que aparece en matemticas y en otras ciencias es el anlisis y
resolucin de m ecuaciones algebraicas con n incgnitas. El estudio de un sistema de
ecuaciones lineales simultneas est ntimamente ligado al estudio de una matriz
rectangular de nmeros definida por los coeficientes de las ecuaciones. Esta relacin parece
que se ha notado desde el momento en que aparecieron estos problemas.
El primer anlisis registrado de ecuaciones simultneas lo encontramos en el libro chino
Jiu Zhang Suan-shu (Nueve Captulos sobre las artes matemticas), (vase Mc. Tutor y
Carlos Maza) escrito alrededor del 200 a.C. Al comienzo del captulo VIII, aparece un
problema de la siguiente forma:
Tres gavillas de buen cereal, dos gavillas de cereal mediocre y una gavilla de cereal malo
se venden por 39 dou. Dos gavillas de bueno, tres mediocres y una mala se venden por 34
dou. Y una buena, dos mediocres y tres malas se venden por 26 dou. Cul es el precio
recibido por cada gavilla de buen cereal, cada gavilla de cereal mediocre, y cada gavilla
de cereal malo?
Hoy en da, este problema lo formularamos como un sistema de tres ecuaciones con tres
incgnitas:
3 x+2 y + z=39
2 x +3 y + z=34

x+ 2 y +3 z=26
donde

x, y ,z

representan el precio de una gavilla de buen, mediocre y mal cereal,

respectivamente.
Los chinos vieron el problema esencial. Colocaron los coeficientes de este sistema,
representados por caas de bamb de color, como un cuadrado sobre un tablero de contar
(similar a un baco), y manipulaban las filas del cuadrado segn ciertas reglas establecidas.
Su tablero de contar y sus reglas encontraron su camino hacia Japn y finalmente

aparecieron en Europa, con las caas de color sustituidas por nmeros y el tablero
reemplazado por tinta y papel.
En Europa, esta tcnica lleg a ser conocida como eliminacin Gaussiana, en honor del
matemtico alemn Carl F. Gauss.

Como la tcnica de eliminacin es fundamental, empezamos el estudio de nuestra materia

aprendiendo cmo aplicar este mtodo para calcular las soluciones de los sistemas lineales.
Despus de que los aspectos computacionales se manejen bien, profundizaremos en
cuestiones ms tericas.
Eliminacin Gaussiana y matrices
En lo que sigue consideraremos fijado un cuerpo k de coeficientes. En el texto nos
referiremos a los elementos del cuerpo como nmeros o escalares. El lector bien puede
pensar que k es el cuerpo Q de los nmeros racionales, R de los reales o incluso C de los
complejos. Aunque debe tener en cuenta que todo lo dicho sobre sistemas de ecuaciones
lineales y matrices es cierto en general para cualquier cuerpo k.
Definicin 1.2.1. Sea n 1

un nmero natural. Una ecuacin lineal es una expresin de

la forma
a1 x1 + a2 x 2 ++a n x n=b
Donde
nmeros

a1 , a2 , , an
ai

son nmeros conocidos

x1 , x2 , , xn

son incgnitas. Los

se denominan coeficientes de la ecuacin, mientras que

es el trmino

independiente.
La solucin de la ecuacin lineal anterior es una serie de nmeros
satisfacen, es decir, que verifican:

1, 2, , n

que la

a1 1 +a 2 2+ +a n n=b
Definicin 1.2.2. Sean

m 1

n 1

nmeros naturales. Un sistema lineal es un

conjunto de m ecuaciones lineales y n incgnitas de la forma:

a11 x 1
+
a12 x 2
+
+ a1 n x n b1
a21 x 1

+ a 22 x 2 + + a 2 n x n b2 am1 x 1 + am 2 x 2 + + amn
S
, donde las

xi

son las incgnitas y los

aij

bi

son nmeros. Los nmeros

denominan coeficientes del sistema, y el conjunto de los

bi

aij

se

trminos independientes

del sistema.
Una solucin del sistema lineal anterior es una serie de nmeros

1, 2, , n

que

satisface cada ecuacin del sistema, es decir, que verifica

ai 1 1 +a i2 2+ +a n=b i
Para i=1,2, , n
Problema.- El problema es calcular, si es posible, una solucin comn a un sistema lineal
como el anterior. Para estos sistemas, existen tres posibilidades:

SOLUCION UNICA: Existe uno y slo un conjunto de valores para las incgnitas
xi
que satisfacen las ecuaciones simultneamente. Se dice entonces que el
sistema es compatible determinado. Por ejemplo el sistema formado por la nica
2 x 1=3
ecuacin lineal
es compatible determinado, su nica solucin es
x 1=3/2

INFINITAS SOLUCIONES: Existen infinitos conjuntos de valores para las

xi
incgnitas
que satisfacen las ecuaciones simultneamente. No es difcil probar
que si el sistema tiene ms de una solucin, entonces tiene infinitas si k, el cuerpo
de nmeros, es infinito. En este caso se dice que el sistema lineal es compatible
indeterminado.
2 x 1 + x 2=3
Por ejemplo, el sistema formado por la ecuacin lineal
tiene como
soluciones

x 1=a

x 2=32 a

, donde a es cualquier elemento de

k , luego

es compatible indeterminado.
SIN SOLUCION: No hay ningn conjunto de valores para las incgnitas xi que
satisfagan todas las ecuaciones simultneamente. El conjunto de soluciones es
vaco. Decimos que estos sistemas son incompatibles. Por ejemplo, el sistema dado
2 x 1=3
x =1
por las ecuaciones
, 1
es incompatible, pues no hay ningn valor
de

x1

que satisfaga ambas ecuaciones.

Gran parte del trabajo acerca de los sistemas de ecuaciones es decidir cul de estas tres
posibilidades es la que se presenta. La otra parte de la tarea es calcular la solucin si es
nica o describir el conjunto de soluciones si hay ms de una.

Definicin 1.2.3. Dos sistemas lineales con

incgnitas se dicen equivalentes si tienen

los mismos conjuntos de soluciones.

Ejercicio 1.2.1. Dar un ejemplo de dos sistemas de ecuaciones lineales equivalentes con
distinto nmero de ecuaciones. La eliminacin Gaussiana es una herramienta que nos
permitir tratar las dos primeras situaciones. Es un algoritmo que sistemticamente
transforma un sistema en otro ms simple, pero equivalente. La idea es llegar a un sistema
lo ms sencillo posible, eliminando variables, y obtener al final un sistema que sea
fcilmente resoluble. Por ejemplo, uno triangular para el caso m=n . El proceso de
eliminacion descansa sobre tres operaciones simples que transforman un sistema en otro
Ek
equivalente. Para describir estas operaciones, sea
la k esima ecuacin:
Ek :ak 1 x1 +a k 2 x 2 ++a kn x n =bk
Y escribamos el sistema:

{}

E1
S E2

Em

Dado un sistema lineal

S , cada una de las siguientes transformaciones elementales

produce un sistema equivalente S ' .

1. Intercambio de las ecuaciones iesima

jesima

(1 i j m) . Esto es,

si

{}

E1

Ei
S
Ej

Em

, entonces

2. Reemplaza la iesima

{}

E1

Ej
S'
Ei

Em

ecuacin por un mltiplo no nulo de ella. Esto es,

{}

E1

S ' Ei , donde 0

Em

3. Reemplaza la
la iesima

jesima

ecuacin por la suma de ella misma con un mltiplo de

ecuacin. Esto es,

{}

E1

Ei
S'

E j +E i

Em

Ejemplo 1.2.1. Consideremos el sistema

2 x + y + z=1

6 x+ 2 y + z=1
2 x +2 y + z =7

En cada paso, la estrategia es centrarse en una posicion, llamada posicin pivote, y

eliminar todos los trminos por debajo de la posicin usando las tres operaciones
elementales. El coeficiente en la posicin pivote se denomina pivote, mientras que la
ecuacin en donde se encuentra el pivote se llama ecuacin pivote. Solamente se
permiten nmeros no nulos como pivotes. Si un coeficiente en una posicin pivote es
cero, entonces la ecuacin pivote se intercambia con una ecuacin por debajo para
producir un pivote no nulo. Esto siempre es posible para sistemas cuadrados con
solucin nica. A menos que sea cero, el primer coeficiente de la primera ecuacin se
toma como el primer pivote. Por ejemplo, el elemento 2 del sistema es el pivote del
primer paso:
2 x + y + z=1,
6 x+ 2 y + z=1,

2 x +2 y + z =7.
Paso 1. Elimina todos los trminos por debajo del pivote.
Resta tres veces la primera ecuacin de la segunda para generar el sistema equivalente
2 x + y + z=1

23
E 1)
(
y 2 z =4
2 x +2 y + z =7
Suma la primera ecuacion a la tercera para formar el sistema equivalente
2 x + y + z=1
y 2 z =4

3 y+ 2 z=8( E3 + E1 )
Paso 2. Selecciona un nuevo pivote.
De momento, seleccionamos un nuevo pivote buscando para abajo y a la derecha. Ms
adelante veremos una mejor estrategia. Si este coeficiente no es cero, entonces es
nuestro pivote. En otro caso, intercambiamos con una ecuacin que est por debajo de
esta posicin para colocar el elemento no nulo en la posicin pivote. En nuestro
ejemplo, 1 es el segundo pivote:
2 x + y + z=1
1 y2 z=4

3 y+ 2 z=8
Paso 3. Elimina todos los trminos por debajo del pivote.
Suma tres veces la segunda ecuacin a la tercera para llegar al sistema equivalente:
2 x + y + z=1

1 y2 z=4
4 z=4 ( E3 +3 E2 )

En general, en cada paso nos movemos abajo y hacia la derecha para seleccionar el
nuevo pivote, y entonces eliminar todos los trminos por debajo de el hasta que ya no
podamos seguir. En este ejemplo, el tercer pivote es 4, pero como ya no hay nada por
debajo que eliminar, paramos el proceso. En este punto, decimos que hemos
triangularizado el sistema. Un sistema triangular se resuelve muy fcilmente mediante
el mtodo de sustitucin hacia atrs, en el que la ultima ecuacin se resuelve para la
ultima incgnita y se sustituye hacia atrs en la penltima ecuacin, la cual se vuelve a
resolver para la penltima incgnita, y continuamos as hasta llegar a la primera
ecuacin. En nuestro ejemplo, de la ultima ecuacin obtenemos
z=1
Sustituimos

z=1 en la segunda ecuacin, y tenemos

y=42 z=42(1)=2

Por ultimo, sustituimos

z=1 y

y=2 en la primera ecuacin para obtener

1
1
x= (1 yz)= (121)=1
2
2
que completa la solucin.
No hay razn para escribir los smbolos como

x, y ,z

en cada paso, pues lo nico

que manejamos son los coeficientes. Si descartamos los smbolos, entonces el sistema
de ecuaciones se reduce a una matriz rectangular de nmeros en la que cada fila
representa una ecuacin. Por ejemplo, el sistema se reduce a la siguiente matriz

|)

2 1 1 1
6 2 1 1
2 2 1 7

Matrices de un sistema lineal

Llamamos matriz de coeficientes del sistema lineal

a11 x 1
+
a12 x 2
+
+ a1 n x n b1
a21 x 1

+ a 22 x 2 + + a 2 n x n b2 am1 x 1 + am 2 x 2 + +
S
A la matriz
a 11 a12 a1 n
A= a21 a22 a2 n

a m 1 am 2 amn

Si aumentamos la matriz de coeficientes a la derecha con los trminos independientes

tenemos la matriz ampliada del sistema:

|)

a11 a12 a1 n b1
[ A|b ] = a21 a 22 a2 n b2

b
am 1 am 2 amn n

Un escalar es un elemento del cuerpo

k , y una matriz es una disposicin de

escalares en rectngulo. Usaremos letras maysculas para las matrices y minsculas con
subndice para las entradas individuales de la matriz. As, escribiremos
a 11 a12 a1 n
A= a21 a22 a2 n =( a ij )

a m 1 am 2 amn

El primer subndice de un elemento de la matriz indica la fila, y el segundo subndice

denota la columna donde se encuentra.
Una matriz A se dice que tiene orden m n cuando A tiene exactamente m filas y
n

columnas. Por convenio, las matrices

1 1

se identifican con escalares, y al

revs. Para enfatizar que una matriz A es de orden

Am n

. Cuando

m n , usaremos la notacin

m=n , es decir, cuando el nmero de filas y columnas coincide,

diremos que la matriz es cuadrada. En otro caso, la llamamos rectangular. Las

matrices que tienen una sola fila o una sola columna las llamaremos, respectivamente,
vectores fila o vectores columna.
La eliminacin Gaussiana se puede realizar sobre la matriz ampliada
mediante operaciones elementales sobre las filas de

[ Ab]

[ Ab] . Estas operaciones

elementales de filas se corresponden a las tres operaciones elementales que hemos visto
antes.
Operaciones elementales por filas
Para una matriz de orden m n de la forma

a 11 a 12 a1 n
a21 a22 a2 n

a m1 am 2 amn

Los tres tipos de operaciones elementales de filas sobre M son como sigue.
Tipo I. Intercambio de filas
Tipo II. Reemplazo de la fila i por un mltiplo no nulo de ella
Tipo III. Reemplazo de una fila por la suma de ella con un mltiplo de otra fila

Mtodo de Gauss-Jordan
Las caractersticas que distinguen el mtodo de Gauss-Jordan de la eliminacin
Gaussiana son los siguientes:

En cada paso, el elemento pivote tiene que ser 1.

En cada paso, todos los trminos por encima del pivote as como todos los que estn
por debajo deben ser anulados.

En otras palabras, si:

|)

a11 a12 a1 n b1
a21 a 22 a2 n b2

a n1 an 2 ann bn

Es la matriz ampliada del sistema, entonces mediante operaciones elementales la

reducimos a:

|)

1 0 0 s 1
0 1 0 s 2

0 0 1 sn

La solucin aparece en la ltima columna

(x i=s i ) , por lo que no es necesaria la

sustitucin hacia atrs.

Ejemplo: Apliquemos Gauss-Jordan al siguiente sistema:
2 x 1 +2 x2 +6 x 3=4
2 x 1 + x 2+ 7 x 3=6
2 x 16 x 27 x 3=1
Sea R la matriz ampliada del sistema. La sucesin de operaciones se indican en cada
paso, y se marca el pivote.

Por lo tanto la solucin es

x 1=0, x 2=1, x3 =1

Forma escalonada por filas

Ya estamos preparados para analizar sistemas rectangulares con

ecuaciones y

n incgnitas

a11 x 1
+
a12 x 2
+
+ a1 n x n b1
a21 x 1

+ a 22 x 2 + + a 2 n x n b2 am1 x 1 + am 2 x 2 + +

, donde

puede ser diferente de

n . Si no sabemos con seguridad que

son iguales, entonces decimos que el sistema es rectangular. El caso

m=n

myn

tambin

queda comprendido en lo que digamos.

La primera tarea es extender la eliminacin Gaussiana de sistemas cuadrados a sistemas
rectangulares. Recordemos que para un sistema cuadrado de solucin nica, las
posiciones pivote siempre se localizan a lo largo de la diagonal principal de la matriz

de coeficientes
A

A , por lo que la eliminacin Gaussiana resulta en una reduccin de

a una matriz triangular, similar, para n=4 , a

0
T=
0
0

0
0

Recordemos que un pivote debe ser siempre un valor no nulo. Para sistemas cuadrados
con una nica solucin, probaremos que siempre podremos obtener un valor no nulo en
cada posicin pivote a lo largo de la diagonal principal. Sin embargo, en el caso de un
sistema rectangular general, no siempre es posible tener las posiciones pivote en la
diagonal principal de la matriz de coeficientes. Esto significa que el resultado final de la
eliminacin Gaussiana no ser una forma triangular. Por ejemplo, consideremos el
siguiente sistema:

x 1+2 x 2+ x 3 +3 x 4 +3 x 5=5
2 x 1 +4 x2 + 4 x 4 +4 x5 =6
x 1+2 x 2+ 3 x 3 +5 x 4 +5 x5 =9
2 x 1 +4 x2 + 4 x 4 +7 x 5=9

Fijemos nuestra atencin en la matriz de coeficientes

1
2
1
2

2
4
2
4

1
0
3
0

3
4
5
4

3
4
5
7

, e ignoremos de momento el lado derecho del sistema, es decir, los trminos

independientes. Aplicando eliminacin Gaussiana a A obtenemos el siguiente
resultado:

[ 1] 2 1 3 3

)(

1 2 1
2 4 0 4 4 0 [ 0 ] 2
1 2 3 5 5
0 0 2
2 4 0 4 7
0 0 2

3 3
2 2
2 2
2 1

En el proceso de eliminacin bsico, nos movemos abajo y a la derecha, a la siguiente

posicin pivote. Si encontramos un cero en esta posicin, se efecta un intercambio con
una fila inferior para llevar un nmero no nulo a la posicin pivote. Sin embargo, en
este ejemplo, es imposible llevar un elemento no nulo a la posicin (m=2, n=2)
mediante el intercambio de la segunda fila con una fila inferior.
Para manejar esta situacin, debemos modificar el procedimiento de la eliminacin
Gaussiana.
Compatibilidad de los sistemas lineales. Teorema de Rouch-Frobenius
Recurdese la siguiente clasificacin de sistemas lineales
Definicin: Un sistema de m ecuaciones y

incgnitas se dice compatible si posee

el menos una solucin. Si no tiene soluciones, decimos que el sistema es incompatible.

Un sistema lineal compatible se dice determinado si tiene una nica solucin, en otro
caso se dice indeterminado.
El propsito de esta seccin es determinar las condiciones bajo las que un sistema es
compatible. Establecer dichas condiciones para un sistema de dos o tres incgnitas es
fcil. Una ecuacin lineal con dos incgnitas representa una recta en el plano, y una
ecuacin lineal con tres incgnitas es un plano en el espacio de tres dimensiones. Por
tanto, un sistema lineal de m ecuaciones con dos incgnitas es compatible si y
solamente si las m rectas definidas por las m ecuaciones tienen al menos un punto
comn de interseccin. Lo mismo ocurre para m planos en el espacio. Sin embargo,
para m grande, estas condiciones geomtricas pueden ser difciles de verificar
visualmente, y cuando n>3 no es posible esta representacin tan visual.
Mejor que depender de la Geometra para establecer la compatibilidad, usaremos la
eliminacin Gaussiana. Si la matriz ampliada asociada [ Ab] se reduce mediante
operaciones por filas a una forma escalonada por filas

[Ec ] , entonces la

compatibilidad o no del sistema es evidente. Supongamos que en un momento del

proceso de reduccin de [ A|b ] a [Ec ] llegamos a una situacin en la que la

nica entrada no nula de una fila aparece en el lado derecho, como mostramos a
continuacin:

|)

0 0 0

0 0 0 0 0

Si esto ocurre en una fila, entonces una ecuacin del sistema asociado es:
0. x1 +0. x 2+ +0. xn =
Para

0 , esta ecuacion no tiene solucin, y el sistema original es incompatible

(recordemos que las operaciones por filas no alteran el conjunto de soluciones). El

recproco tambin se verifica. Esto es, si el sistema es incompatible, entonces en algn
momento del proceso de eliminacin llegamos a una fila de la forma

( 0 0 0| )

INVERSA DE UNA MATRIZ

La divisin por nmeros reales es equivalente a la multiplicacin por el recproco.
Podemos resolver la ecuacin lineal 5 x=20 para la variable x o bien dividiendo
la ecuacin por 5 o bien multiplicando la ecuacin por 0.2, el recproco de 5. Un
nmero real b es el recproco de a si y slo si ab=1 , en cuyo caso escribimos
b=a1 El concepto de recproco se puede extender a matrices. La matriz que hace el
papel del nmero 1 es la matriz identidad
matriz

I , y se usa la palabra inversa de una

en lugar de recproca, aun cuando se mantiene la notacin

A1 .

Definicin:
Diremos que una matriz
slo si

B M n n

es la inversa de una matriz

A M n n

si y

AB =B A=I en cuyo caso escribimos B= A1 .

Observemos que el requerimiento de que una matriz conmute con su inversa implica
que ambas matrices son cuadradas y del mismo orden. As, las inversas slo estn

definidas para matrices cuadradas. Si una matriz cuadrada

se dice que

es invertible o regular. Si

tiene inversa, entonces

no tiene inversa, se dice que

singular.
Propiedades
1. La inversa de una matriz es nica.
2. Si A es una matriz regular, entonces
1

( A1 ) = A ,

( A1 ) =( AT )

( A )1 =

( A )1
,0

3. Si A y B son matrices regulares del mismo orden se cumple que

( AB )1= ( A )1 ( B )1
4. La inversa de una matriz simtrica regular es simtrica.
5. La inversa de una matriz triangular regular tambin es triangular.

Clculo de la inversa mediante operaciones elementales sobre filas

A es

DESCOMPOSICION LU
La descomposicion LU es una forma de expresar las transformaciones del metodo
Gauss-Jordan por medio de ecuaciones matriciales, lo que implica una reduccion
notable en las operaciones propias y, naturalmente, en el diseo del algoritmo.
Asimismo, se reduce notablemente el impacto de la produccion de errores debidos al
pivoteo; adicionalmente, la descomposicion LU puede utilizarse para otros procesos
como la obtencion de la matriz inversa.
Definicion:
La descomposicion

LU

consiste en encontrar dos matrices,

construidas de tal forma que se cumpla que:

A=L . U

L11 0 0
L= L21 L22 0

Ln 1 Ln 2 Lnn

(
(

1 U 12 U 1 n
U= 0 1 U 2n

0 0 U nn

)
)

L11 0 0
1 U 12 U 1 n
a11 a12 a1 n
L21 L22 0 . 0 1 U 2 n = a 21 a22 a 2 n



Ln 1 Ln 2 Lnn
0 0 U nn
an 1 a n 2 ann

)(

)(

j1

Lij =aij Lik U kj ;

k=1

j i ; i=1,2,3, ,n

j1

aij Lik U kj
U ij =

U 1 j=

k=1

Lii

; i j ; i=1,2,3, , n

a1 j a1 j
=
; L =a
L11 a11 i1 i 1

DETERMINANTES
Introduccion:
Toda matriz cuadrada tiene asociado un escalar, llamado su determinante. Hasta hace
poco los determinantes jugaban un papel destacado en el estudio del algebra lineal. Los
determinantes eran usados para calcular inversas de matrices, para resolver sistemas de
ecuaciones lineales, etc. Hoy dia, en su lugar se utilizan otras tecnicas, a menudo

basadas en operaciones elementales sobre las filas de la matriz, las cuales son mas
eficientes y mejor adaptadas al calculo computacional.
Los determinantes se definen en terminos de permutaciones sobre enteros positivos. La
teoria es complicada, pero una vez completada, da lugar a metodos mas simples para
calcular determinantes. Nosotros no desarrollaremos la teoria, sino que nos limitaremos
a estudiar algunos metodos de calculo.
Los determinantes se definen solo para matrices cuadradas. Dada una matriz cuadrada
A , usaremos det (A ) o bien | A| para denotar del determinante de A . Si la
matriz puede ser escrita explicitamente, designaremos su determinante remplazando los
parentesis por lineas verticales. Por ejemplo, si:

( )
2 5 9
4 0 8
1 3 7

entonces

| |

2 5 9
det ( A )=| A|= 4 0 8
1 3 7
Si

es una matriz 2 2 ,

A= a11 a12
a 21 a22
Si

, entonces

es una matriz 3 3 ,

a11 a12 a13

A= a 21 a22 a 23
a 31 a32 a33

| A|= a11 a12 =a 11 a22a21 a12

, entonces

a 21 a22

a11 a12 a13

| A|= a a a =a11 a22 a33+ a12 a23 a31 +a21 a32 a13
21
22
23
a 31 a32 a33
a13 a22 a31a23 a32 a11 a12 a21 a33
Ejercicios:
Determinar la solucion del sistema:
x 1+3 x 2 + x3 x 4=6
2 x 1 +7 x 2+3 x 34 x 4 =15
x 1+ x 2 +2 x 3 + x 4 =1
Dada la matriz

obtener las matrices L y U

3 1 4 1
3 1
A= 1 1
2
3 1 1
7 1 1 2

Calcular la matriz inversa y el determinante de:

1 2 1
A= 2 2
2
3 4 3
2 3 1
B= 1 1 2
2 1 3

Bibliografia:
Algebra lineal - Fernando Casas, Maria Vicenta Ferrer, Pura Vindel
Algebra Lineal y Geometria I. Curso 2010/11. Departamento de Algebra.
http://www.departamento.us.es/da