Algebra Lineal: Sistemas de Ecuaciones Lineales e Inversas.

Una de las razones por la cual definimos el producto entre matrices de la forma en que lo hicimos es para
poder hacer representaciones de sistemas de ecuaciones.
Definición 0.1. Un arreglo de la forma

a11 x1 + a12 x2 + · · · + a1n xn


= b1
a21 x2 + a22 x2 + · · · + a2n xn

= b2
.. . . .


 . + .. + · · · + .. = ..

am1 x1 + am2 x2 + · · · + amn xn = bm


donde aij , bi son numeros reales, es un sistema de ecuaciones lineales

Dicho sistema tiene una representacion matricial:
    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
..   ..  =  .. 
    
 .. ..
 . . ··· .  .   . 
am1 am2 ··· amn xn bm

Es comun abreviar el sistema como Ax = b, donde A es una matriz de tamaño m × n que contiene los
coeficientes de las variables (en orden), x es una matriz n × 1 que contiene las variables (igual, en orden),
y b es una matriz m × 1 con los coeficientes independientes. Si realizamos la multiplicacion de matrices,
obtenemos el sistema de ecuaciones con el que empezamos, o del mismo modo, un producto entre matrices
Ax = b esta asociado a un sistema de ecuaciones. Ahora, si podemos representar un sistema de ecuaciones,
dicha representacion quiza sirva para buscar la solucion al sistema de ecuaciones. Para que la representacion
sea mas sencilla, definamos una matriz extendida
Definición
 0.2. Para el sistema Ax = b, donde A es m × n y b es una matriz m × 1, la matriz extendida
a11 a12 · · · a1n b1
 a21 a22 · · · a2n b2 
[A|b] =  . ..  es una representacion del sistema Ax = b.
 
.. ..
 .. . ··· . . 
am1 am2 · · · amn bm
En esta representacion, cada una de las columnas de la izquierda corresponde a los valores de una variable,
y cada fila corresponde a una matriz.
Definición 0.3. Una solucion al sistema de ecuaciones Ax = b es un conjunto de valores c1 , c2 , · · · , cn que
al ser reemplazados en x1 , x2 , · · · xn validan simultaneamente todas las ecuaciones.
Sabemos que las soluciones de un sistema de ecuaciones lineales pueden darse en tres casos
1. Solucion unica
2. Infinitas soluciones

3. Ninguna solucion
Asi, tenemos el siguiente problema: como usar la representacion matricial para buscar y clasificar las soluciones
de un sistema de ecuaciones? Es posible representar tambien la forma en que solucionamos dichos sistemas?
Recordemos que metodos tenemos para solucionar sistemas: eliminacion, igualacion, sustitucion. En cada
caso, obtenemos ecuaciones con menos variables (estamos eliminandolas). Como eliminamos dichas variables?
Usando operaciones entre igualdades:
a=b→a+c=b+c
a = b → ac = bc

1
 a = b, c = d → a + c = b + d
Dichas operaciones garantizan que podamos jugar con las ecuaciones sin dañarlas, es decir, sin alterar su
veracidad (de dos ecuaciones ciertas, obtenemos otra ecuacion cierta si nos regimos por las operaciones).
Si hacemos dichas operaciones sobre un sistema de ecuaciones, obtenemos un nuevo sistema de ecuaciones
con las mismas soluciones. Pero este nuevo sistema tambien tiene una representacion matricial. Asi, como
llegamos de una representacion a otra? Cada una de las filas de la representacion matricial corresponde a
una ecuacion del sistema de ecuaciones. Nuevas ecuaciones deben corresponder a nuevas filas, y si es posible
obtener dichas ecuaciones de las anteriores, pues las nuevas filas que corresponden a dichas ecuaciones deben
poder obtenerse de las filas que representaban las ecuaciones con las que arrancamos (que vuelta tan larga...).
Debemos construir un equivalente a las operaciones entre ecuaciones, pero entre las filas
Definición 0.4. Las operaciones elementales de filas se definen como
1. Intercambio de filas: Termino a termino, es posible cambiar de posicion los elementos de una fila con
los de otra. Esta operacion se representa como
Fi ↔ Fj

2. Multiplicar una fila por una constante: Termino a termino, los elementos de una fila se pueden multi-
plicar por una misma constante k. Se representa como
Fi → (k)Fi

3. Sumar a una fila un multiplo de otra: Termino a termino, a los elementos de una fila se le pueden
sumar un multiplo de otra, sin alterar a la fila que se esta usando para tal.
Fi → Fi + kFj

Definición 0.5. Si aplicamos una (y solo una) operacion elemental de filas o a una matriz identidad, la
matriz resultante Eo se denomina matriz elemental. Asi, cada posible operacion elemental de filas tiene una
representacion matricial por medio de una matriz elemental.
Mas aun, si aplicamos una operacion elemental de filas a la matriz A, obtenemos el mismo efecto que
multiplicar la matriz A por la matriz elemental asociada a la operacion
A B ↔ Eo A = B
o

. Volvamos al asunto del sistema de ecuaciones. Con estas operaciones, debemos tratar de replicar lo mismo
que hacemos con las ecuaciones: quitar elementos. Dicho proceso se denomina eliminacion. De manera mas
exacta, cada elemento que convirtamos en cero dentro de la matriz representa una variable eliminada en una
ecuacion. Para darle algo de orden, vamos a definir lo siguiente
Definición 0.6. Una matriz
1. donde el primer elemento no nulo de cada fila es 1 (a estos los llamamos pivotes)
2. donde el 1 de cada fila siempre esta a la derecha del 1 de la fila anterior
3. donde las filas de ceros estan en el fondo de la matriz
se denomina una forma escalonada por filas
 
1 a12 ··· a1n b1
0 1 ··· a2n b2 
.. 
 

0
 0 1 ··· . 
. .. .. .. 
 .. . ··· . .
0 0 ··· 0 0
Recordemos que en clase hacemos la misma cuenta sin la condicion de los 1. Para efectos de la solucion, es
lo mismo. Si dicha matriz representa un sistema de ecuaciones, tendriamos algo de este estilo

2
 

 x1 + a12 x2 + · · · + a1n xn = b1

x2 + · · · + a2n xn

= b2
 ... . . .

 + .. + · · · + .. = ..

xn = bm


Cada fila tiene menos variables que la fila anterior, simplificando los calculos.
Definición 0.7. Si, usando operaciones de filas, puedo pasar de la matriz A a la matriz B, decimos que las
matrices son equivalentes por filas
A≈B
Como es esto? Las operaciones entre filas permiten reducir la cantidad de variables del sistema usando
la representacion matricial. Lo ideal seria reducir una variable a la vez de cada ecuacion, hasta obtener una
matriz escalonada. A esto lo llamamos ELIMINACION GAUSSIANA. Usando operaciones de filas,
1. Colocamos un 1 como primer elemento de la primera fila.
2. Usando este 1, convertimos en ceros cada una de las componentes debajo de dicho uno.
3. Bajamos a la siguiente fila, y tratamos de colocar el siguiente 1 y seguimos...
En principio, es posible seguir cualquier posible camino u orden de operaciones, pero la gran ventaja del
metodo de eliminacion es la posibilidad de volverlo un algoritmo. Vamos a ver un ejemplo con un sistema de
ecuaciones.
Ejemplo 0.1. Supongamos el siguiente sistema de ecuaciones

3x − 2y + 5z = 6

2x + 4y − z = 7

−x + y + 3z = −3


 
3 -2 5 6
que podemos representar de la siguiente manera  2 4 -1 7 . Vamos a usar el proceso de elimi-
-1 1 3 -3
nacion. En este ejemplo, cada vez que encontramos un primer elemento no nulo, lo volvemos 1.
   
3 -2 5 6 F1 ( 13 )
1 -2/3 5/3 2
 2 4 -1 7  →  2 4 -1 7 
-1 1 3 -3 -1 1 3 -3
 
1 -2/3 5/3 2
F2 −(2)F1
→  0 16/3 -13/3 3 
-1 1 3 -3
 
1 -2/3 5/3 2
F3 −(−1)F1
→  0 16/3 -13/3 3 
0 1/3 14/3 -1
 
F2 ( 16/3
1
) 1 -2/3 5/3 2
→  0 1 -13/16 9/16 
0 1/3 14/3 -1
 
1 -2/3 5/3 2
F3 −(1/3)F2
→  0 1 -13/16 9/16 
0 0 79/16 -19/16
 
F3 ( 79/16
1
) 1 -2/3 5/3 2
→  0 1 -13/16 9/16 
0 0 1 -19/79

3
Tanto la primera como la ultima matriz de esta cadena son equivalentes. Por lo tanto, el primer sistema de
ecuaciones es equivalente a este 
2 5
x − 3 y + 3 z = 2

y − 13 9
16 z = 16
19

z = − 79


En este sistema, en cada ecuacion hay una variable menos que en la anterior. En particular, la ultima
ecuacion solo tiene una variable. Esta ultima ecuacion dice el valor exacto de z. Podemos reemplazarlo en y
13 19 9
y+ =
16 79 16
29
y=
79
y al reemplazar en la primera ecuacion
2 29 5 19
x− − =2
3 79 3 79
209
x=
79
Esta ultima solucion es igual de valida para el primer sistema de ecuaciones. En este caso, la solucion es
unica (las ecuaciones no daban muchas opciones: z vale tanto, luego y vale tanto...).
Ejemplo 0.2. Otro sistema de ecuaciones

5x − 3y + 5z − 4w = 2

2x + 3y − 6z − w = 1

x + y − 2z + 4w = 0


Usando la eliminacion
   
5 -3 5 -4 2 F1 ( 15 )
1 -3/5 1 -4/5 2/5
 2 3 -6 -1 1  →  2 3 -6 -1 1 
1 1 -2 4 0 1 1 -2 4 0
 
1 -3/5 1 -4/5 2/5
F2 −(2)F1
→  0 21/5 -8 3/5 1/5 
1 1 -2 4 0
 
1 -3/5 1 -4/5 2/5
F3 −(1)F1
→  0 21/5 -8 3/5 1/5 
0 8/5 -3 24/5 -2/5
 
F2 ( 21/5
1
) 1 -3/5 1 -4/5 2/5
→  0 1 -40/21 1/7 1/21 
0 8/5 -3 24/5 -2/5
 
1 -3/5 1 -4/5 2/5
F3 −(8/5)F2
→  0 1 -40/21 1/7 1/21 
0 0 1/21 32/7 -10/21
 
F3 ( 1/21
1
) 1 -3/5 1 -4/5 2/5
→  0 1 -40/21 1/7 1/21 
0 0 1 96 -10

Y obtenemos el siguiente sistema 

3 4 2
x − 5 y + z − 5 w =
 5
y − 40 1 1
21 z + 7 z = 21

z + 96w = −10


4
En este ejemplo, en la ultima ecuacion aun quedan dos variables. No es posible despejar directamente a
ninguna de las dos, pero podemos reescribirlo de esta manera

z = −10 − 96w

Esto dice que z depende del valor de w, al igual que las otras
3 4 2
x= y−z+ w+
5 5 5
40 1 1
y= z− z+
21 7 21
Ahora, si le damos un valor especifico a w, le dariamos una respuesta a z, que serviria para calcular y, x.
Si cambiamos el valor de w, los resultados de las otras variables tambien cambian. Asi, por cada valor de w
tenemos una solucion distinta, lo cual nos da infinitas soluciones.
Ejemplo 0.3. Y otro sistema de ecuaciones

x − 3y = 1

2x + 5y = 0

x + y = −1


y otra vez eliminacion

 
1 -3 1
 2 5 0 
1 1 -1
 
F1 ( 11 )
1 -3 1
→  2 5 0 
1 1 -1
 
1 -3 1
F2 −(2)F1
→  0 11 -2 
1 1 -1
 
1 -3 1
F3 −(1)F1
→  0 11 -2 
0 4 -2
 
F2 ( 11
1
) 1 -3 1
→  0 1 -2/11 
0 4 -2
 
1 -3 1
F3 −(4)F2
→  0 1 -2/11 
0 0 -14/11

Esta matriz seria equivalente a 

x − 3y = 1

2
y = − 11
14

0 = − 11


y esta ultima ecuacion dice que cero es igual a algo distinto de cero. Aqui no hay solucion.
Siempre que tengamos una solucion, decimos que el sistema es consistente. Cuando no hay solucion,
decimos que es inconsistente. Realmente solo estamos seguros de la existencia de la solucion en dos casos
Definición 0.8. Supongamos el sistema Ax = b. Si b = 0, decimos que el sistema es un sistema homogeneo.
Tiene siempre una solucion, x = 0

5
 Y si hay mas variables que ecuaciones, tenemos infinitas soluciones.

Por la forma que toman las matrices escalonadas, podemos preguntarnos si podemos usar operaciones
para convertir a la matriz A en una identidad. Supongamos que, en efecto, existe una serie de operaciones
o1 , o2 , · · · os tales que, al aplicarse de manera sucesiva a la matriz A me permiten obtener la identidad.

A I
o1 o2 ···os

y recordemos que esto es equivalente a multiplicar por matrices elementales asociadas a cada operacion

Eos Eos−1 · · · E2 E1 A = I

Si B = Eos Eos−1 · · · E2 E1 , entonces BA = I. B es un muy buen candidato a convertirse en la inversa de la

matriz A (es la inversa, de hecho, como vamos a ver despues). Como la escribimos? Vamos a hacer lo siguiente:
tomemos una matriz extendida [A|I], con I del mismo tamaño de A. E intentemos, usando operaciones de
filas, convertirla en una matriz de la forma [I|B]. Si lo logramos, las mismas operaciones que usamos sobre
A se usan sobre la identidad de la derecha, convirtiendo a B en el producto de matrices elementales que es
la matriz inversa. Si no lo logramos, la matriz no es invertible
Ejemplo 0.4. Intentemos calcular la inversa de
 
2 3
A=
−4 1

   
2 3 1 0 F1 ( 21 ) 1 3/2 1/2 0
→
-4 1 0 1 -4 1 0 1
 
F2 −(−4)F1 1 3/2 1/2 0
→
0 7 2 1
 
F2 ( 71 ) 1 3/2 1/2 0
→
0 1 2/7 1/7
 
F1 −(3/2)F2 1 0 1/14 -3/14
→
0 1 2/7 1/7

 
1/14 −3/14
y entonces, la inversa es
2/7 1/7

6
  
4 1 −1
Ejemplo 0.5. Calculemos la inversa de 5 −1 0
3 2 1
   
4 1 -1 1 0 0 F1 ( 41 )
1 1/4 -1/4 1/4 0 0
 5 -1 0 0 1 0  →  5 -1 0 0 1 0 
3 2 1 0 0 1 3 2 1 0 0 1
 
1 1/4 -1/4 1/4 0 0
F2 −(5)F1
→  0 -9/4 5/4 -5/4 1 0 
3 2 1 0 0 1
 
1 1/4 -1/4 1/4 0 0
F3 −(3)F1
→  0 -9/4 5/4 -5/4 1 0 
0 5/4 7/4 -3/4 0 1
 
F2 ( −9/4
1
) 1 1/4 -1/4 1/4
0 0
→  0 1 -5/9 5/9
0  -4/9
0 5/4 7/4 -3/4
1 0
 
1 0 -1/9 1/9 1/9 0
F1 −(1/4)F2
→  0 1 -5/9 5/9 -4/9 0 
0 5/4 7/4 -3/4 0 1
 
1 0 -1/9 1/9 1/9 0
F3 −(5/4)F2
→  0 1 -5/9 5/9 -4/9 0 
0 0 22/9 -13/9 5/9 1
 
F3 ( 22/9
1
) 1 0 -1/9 1/9 1/9 0
→  0 1 -5/9 5/9 -4/9 0 
0 0 1 -13/22 5/22
9/22
 
1 0 0 1/22 3/22 1/22
F1 −(−1/9)F3
→  0 1 -5/9 5/9 -4/9 0 
0 0 1 -13/22 5/22 9/22
 
1 0 0 1/22 3/22 1/22
F2 −(−5/9)F3
→  0 1 0 5/22 -7/22 5/22 
0 0 1 -13/22 5/22 9/22
 
1/22 3/22 1/22
y la inversa es  5/22 −7/22 5/22
−13/22 5/22 9/22

7
  
2 −2 1
Ejemplo 0.6. Calculemos la inversa de  4 1 3
−4 4 −2
   
2 -2 1 1 0 0 F1 ( 21 )
1 -1 1/2 1/20 0
 4 1 3 0 1 0  →  4 1 3 0 0  1
-4 4 -2 0 0 1 -4 4 -2 0 1 0
 
1 -1 1/2 1/2 0 0
F2 −(4)F1
→  0 5 1 -2 1 0 
-4 4 -2 0 0 1
 
1 -1 1/2 1/2 0 0
F3 −(−4)F1
→  0 5 1 -2 1 0 
0 0 0 2 0 1
 
F2 ( 51 )
1 -1 1/2 1/2 0 0
→  0 1 1/5 -2/5 1/5 0 
0 0 0 2 0 1
 
1 0 7/10 1/10 1/5 0
F1 −(−1)F2
→  0 1 1/5 -2/5 1/5 0 
0 0 0 2 0 1

No es posible construir una identidad en la izquierda, por lo que esta matriz no tiene inversa.
En todos estos calculos, es importante tener cuidado con los detalles de las operaciones. Esa es nuestra
prioridad ahora. Vamos a practicar.

1. Resuelva los siguientes sistemas de ecuaciones lineales

 
 x + 2y − 3z = 9  2x + y = 3
a) 2x − y + z = 0 e) 4x + y = 7
4x − y + z = 4 2x + 5y = −1
 

 x + 2y = −1 
b) 2x + y + z = 1 
 x + y + 2z + w = 1
x−y−z+w =0

−x + y − z = −1

f)
 y + z = −1
 x − 3y − 2z = 0


x+y+w =2

c) −x + 2y + z = 0
2x + 4y + 6z = 0
 
 
 x + y + z + w = 10
 3x + 3y + z = 1 x + 2y + 3z + 4w = 30

g)
d) 2x + y + z + w = 1 
 x + 3y + 6z + 10w = 65
2x + 3y + z − w = 2 x + 4y + 8z + 15w = 93
 

2. Usando Gauss Jordan, calcule las inversas de las siguientes matrices o muestre que no son invertibles.
   
2 1 1 1 1
a)
3 2 e)  0 1 1 
  0 0 1
−1 6
b)  
2 −12 0 1 3
  f )  3 4 −2 
4 −7 −1 5 8
c)
−8 −14  
  1 −2 −3
1 1 g)  0 3 4 
d)
3 3 0 0 5

8
    
1 1 1 1 1 −3 0 −2
 1 2 −1 2   3 −12 −2 −6 
h)   i)  
 0 −1 2 1   −2 10 2 5 
1 3 3 2 −1 6 1 3
 
sin θ cos θ 0
j )  cos θ − sin θ 0 
0 0 1

3. Muestre que toda matriz elemental es invertible, y que su inversa es otra matriz elemental.

4. Muestre que si A, B, matrices cuadradas del mismo tamaño, son invertibles, entonces B −1 A−1 es la
inversa de AB (esto es, el producto de invertibles es invertible)
5. Usando un ejemplo, muestre que la suma de matrices invertibles no necesariamente es invertible.