Anda di halaman 1dari 29

Sistemas de Ecuaciones Lineales

3. SISTEMAS DE ECUACIONES LINEALES


SUMARIO:
INTRODUCCIÓN
OBJETIVOS
INTRODUCCIÓN TEÓRICA
1.- Sistemas de Ecuaciones en General.
2.- Sistemas Equivalentes.
3.- Sistemas de Cramer.
4.- Teorema de Rouché - Fröbenius.
5.- Sistemas Homogéneos.
6.- Método de Eliminación de Gauss.
7.- Método de Eliminación de Gauss - Jordan.
8.-Errores de Redondeo y algunas estrategias de redondeo.
9.- Métodos de Factorización:
9.1.- Factorización LU.
9.2.- Factorización LDU’.
9.3.- Factorización de Matrices Simétricas.
9.4.- Factorización de Matrices Simétricas Definidas
Positivas.
PROBLEMAS RESUELTOS.
BIBLIOGRAFÍA

67
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.

INTRODUCCIÓN
Muchos problemas de la vida cotidiana (todos aquellos que admitan una
modelización lineal) requieren de la resolución de un sistema de
ecuaciones lineales. En su preparación preuniversitaria, el alumno ya se
ha enfrentado con este tipo de sistemas, aunque en la mayor parte de los
casos éstos se reducen a utilizar únicamente dos o a lo sumo tres
incógnitas.
En su futuro profesional esta herramienta le será imprescindible al
futuro ingeniero para dar solución a numerosos problemas que se le irán
presentando día a día. Es por esto que la inclusión de este capítulo es
imprescindible en el temario de las matemáticas que el alumno curse a lo
largo de su carrera.
Los sistemas de ecuaciones lineales están íntimamente ligados a
conceptos tales como matrices o determinantes que el alumno ha
aprendido a manejar en el Bachillerato. Por otra parte tiene una conexión
profunda con capítulos posteriores de la asignatura de Matemáticas I,
tales como los espacios vectoriales (en realidad los subespacios
vectoriales se presentan como el conjunto de soluciones de un sistema
homogéneo). En general, este capítulo se puede considerar básico para
poder hacer frente a la mayor parte de los temas posteriores, ya que en
casi todos ellos, la resolución de un sistema de ecuaciones lineales se
convierte en un paso previo o intermedio a la aplicación de cualquier otra
técnica específica para enfrentarse a problemas de mayor complejidad.

68
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales

OBJETIVOS
• Con el epígrafe de los Sistemas de Ecuaciones en General se
pretende que alumno sea consciente de que en realidad trabaja
con una herramienta que ya conoce del bachillerato y que
únicamente se generalizará para que la pueda aplicar a un campo
más amplio.
• Con las definiciones de los distintos sistemas de ecuaciones
lineales el alumno debe adquirir la destreza de reconocerlos sin
dificultad, lo que le facilitará la elección del método más
adecuado para resolverlo.
• Ofreciendo al alumno distintos métodos de resolución de un
sistema se le está dando más libertad de actuación. Se pretende
que el alumno sea capaz de decidir en cada caso el método más
conveniente.
• Con los distintos métodos de factorización se persigue que el
alumno logre manejar un algoritmo fácilmente programable para
resolver un sistema de ecuaciones lineales de grandes
dimensiones. De esta forma, con ayuda de un ordenador, cálculos
que a mano resultarían muy tediosos de realizar, se podrían
efectuar en cuestión de segundos.

69
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
INTRODUCCION TEORICA

1. SISTEMAS DE ECUACIONES LINEALES EN GENERAL

Un sistema de n ecuaciones y m incógnitas se representa por:

a11 x1 + a12 x2 + " + a1m xm =b1 ⎫⎪



a21x1 + a22 x2 + " + a2 m xm =b2 ⎪⎪
⎬ (1)
# # # # # ⎪⎪

an1 x1 + an 2 x2 + " + an m xm =bn ⎪⎪⎭

donde ai j son los coeficientes, x j las incógnitas y bi los términos

independientes. Siendo 1 ≤ i ≤ n , y 1 ≤ j ≤ m .

A la matriz formada por los coeficientes:



a
⎜ 11 a12 " a1m ⎞⎟
⎜ ⎟
⎜a
⎜ 21 a22 " a2 m ⎟⎟
A= ⎜ ⎟


" " " " ⎟

⎜ ⎟
⎜a
⎝ n1
an 2 " a ⎟
nm ⎠

la denominaremos matriz de coeficientes.


Si a la matriz de coeficientes le añadimos una columna formada por los
términos independientes del sistema, se obtiene la matriz:

⎛ a11 a12 " a1m # b1 ⎞


⎜ ⎟
⎜ a21 a22 " a2 m # b2 ⎟
A' = ⎜ # # % # # ⎟
⎜ ⎟
⎜ # # % # # ⎟
⎜a % anm # bn ⎟⎠
⎝ n1 an 2

( )
que también se simboliza por A∗ o A | b que denominaremos matriz

ampliada.

70
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
Así, el sistema (1) se puede representar en notación matricial por:

A⋅ x = b
siendo,
⎛ ⎞ ⎛ ⎞
⎜ x1 ⎟ b
⎜ 1 ⎟
⎜ ⎟ ⎜ ⎟
⎜ x ⎟ ⎜b ⎟
⎜ 2 ⎟ ⎜ ⎟
x= ⎜ ⎟ y b= ⎜
2
⎟ .


# ⎟



# ⎟

⎜ ⎟ ⎜ ⎟


xm⎠
⎟ ⎜b
⎝ n⎠

1.1. Nomenclatura

Un sistema que posea solución se dice que es compatible.


Si la solución es única, se dice que es compatible determinado, en caso
que no sea única, tendrá infinitas soluciones y se dice que es compatible
indeterminado.
Un sistema que no tenga solución se dice que es incompatible.

2. SISTEMAS DE EQUIVALENTES

Dos sistemas de ecuaciones lineales son equivalentes si admiten las


mismas soluciones.
Recordemos, brevemente, tres transformaciones permitidas en la
resolución de sistemas de ecuaciones, para transformar un sistema dado
en otro equivalente más sencillo de resolver:
Una ecuación Ei puede multiplicarse (dividirse) por cualquier constante

k (distinta de cero), obteniéndose otra ecuación equivalente a la primera.


Esta operación la indicaremos por Ei → k ⋅ Ei

71
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
La ecuación E j puede multiplicarse por cualquier constante k y

sumársela (restársela) a la ecuación Ei , obteniéndose una ecuación

equivalente a ésta. Esta operación la indicaremos por: Ei → Ei + k ⋅ E j .

Dos ecuaciones pueden intercambiarse entre sí, obteniéndose un sistema


equivalente. Lo indicaremos por Ei ←→ E j .

3. SISTEMAS DE CRAMER

Son los sistemas de n ecuaciones lineales con n incógnitas, A ⋅ x = b ,


con A ≠ 0 . Estos sistemas tienen solución única y dicha solución es

⎜ x1 ⎞⎟
⎜ ⎟
⎜ x2 ⎟⎟
−1 ⎜
x = A ⋅ b , con x = ⎜ ⎟ .


# ⎟⎟
⎜ ⎟


xn ⎟⎠

Otra forma de calcular su solución es:

xi = , i = 1, 2,…, n
Ai
A

donde Ai es la matriz deducida de la matriz A al sustituir su columna i

por la matriz columna b de los términos independientes.

4. TEOREMA DE ROUCHÉ - FRÖBENIUS

1.-El sistema A ⋅ X = B tiene solución si y sólo si rang ( A) = rang ( A′ ).

En este caso:

a) Si rang ( A) = rang ( A′ ) = m = n o de incógnitas ⇒ El sistema es


compatible determinado.

72
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales

b) Si rang ( A) = rang ( A ) < m = n o
de incógnitas ⇒ El sistema es
compatible indeterminado.

2.-Si rang ( A) ≠ rang ( A′ ) ⇒ El sistema es incompatible.

5. SISTEMAS HOMOGÉNEOS

Si b = 0 , el sistema de ecuaciones se llama homogéneo (todos los


términos independientes son 0).

⎛0⎞
⎜ ⎟
0
Todo sistema homogéneo admite al menos la solución trivial: x = ⎜ ⎟ .
⎜#⎟
⎜⎜ ⎟⎟
⎝0⎠
Una solución del sistema homogéneo A⋅ x = 0 distinta de la
idénticamente nula se dice que es una solución no trivial.
Un sistema homogéneo tiene soluciones no triviales
⇐⇒ rang ( A) < m = n o de incógnitas del sistema.

Resumiendo, en los sistemas homogéneos se tiene que:

a) Si rang ( A) = m = n o de incógnitas entonces el sistema sólo admite

la solución x = 0 .

b) Si rang ( A) = m = n o de incógnitas entonces el sistema es


compatible indeterminado.

6. MÉTODO DE ELIMINACIÓN DE GAUSS

Dado el sistema general (1), el método de eliminación de Gauss


consiste en efectuar las transformaciones necesarias hasta conseguir un
sistema equivalente triangular de la forma:

73
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
a11∗ x1 + a12∗ x2 + " + a1∗n xn =b1∗ ⎫⎪

∗ x +
a22 2 " + a2∗n xn =b2∗ ⎪⎪
⎬ (2)
% # # ⎪⎪
∗ ⎪
ann xn =bn∗ ⎪⎪⎭

obtenido siempre que ai∗i sea distinto de cero (elemento pivote) por la

transformación:
a∗j i
Ej → Ej − ai∗i
Ei

para cada j = i + 1, i + 2,…, n .

Efectuando en (2) sustitución regresiva o sustitución hacia atrás, de la


última ecuación, se obtiene:
bn∗
xn = ∗
ann
(3)

Sustituyendo en la n − 1 ecuación el valor de xn , se obtiene:


bn∗−1 − an∗ −1, n xn
xn −1 = an∗ −1, n −1

y continuando el proceso, llegamos a que:


n
bi∗ − ∑ ai∗ j x j
xi = j = i +1

ai∗i
para i = n − 1, n − 2,…, 2,1 . (4)

Existe una variante del proceso anterior, que consiste en hacer que todos
los pivotes sean iguales a uno, es decir ai∗i = 1 , para todo i = 1, 2,…, n ,

esto se consigue dividiendo la fila pivote por ai∗i , es decir: Ei ⎯→ Ei


ai∗i
.

Por simplificación, a la hora de aplicar el método de Gauss, se utilizan


unas secuencias de matrices ampliadas de la forma:

74
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
⎛ a11 " a1n | b1 ⎞ ⎛a *
11 " a *
1n | b1* ⎞
⎜ ⎟ ⎜ ⎟
⎜ a21 " a2 n | b2 ⎟ 0 " a *
| b2* ⎟
→" → ⎜ 2n
⎜" " " | "⎟ ⎜" " " | "⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟
⎝ an1 " ann | bn ⎠ ⎝ 0 " ann
*
| bn* ⎟⎠

7. MÉTODO DE ELIMINACIÓN DE GAUSS - JORDAN

Dado el sistema general (1), el método de Gauss- Jordan consiste en


realizar las transformaciones adecuadas, una vez hecha la eliminación de
Gauss, hasta conseguir un sistema equivalente de la forma:

a11∗ x1 + 0+ " +0 = b1∗ ⎫⎪



∗ x + "
a22 2 +0 = b2∗ ⎪⎪
⎬ (5)
% # # ⎪⎪
∗ ⎪
ann xn =bn∗ ⎪⎪⎭

Así, las soluciones se obtienen directamente de cada ecuación, es decir,


bi∗
xi = ai∗i
, i = 1, 2,…, n . (6)

que tiene la ventaja respecto al método de Gauss, de evitar la


sustitución regresiva y la desventaja de requerir un mayor número de
transformaciones.
Existe, al igual que en el método de Gauss, una variante que consiste en
conseguir que los coeficientes ai∗i = 1 , para todo i = 1, 2,…, n .

De forma análoga al método de Gauss, se pueden utilizar las matrices


ampliadas sucesivas, para su desarrollo simplificado.

75
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
8. ERRORES DE REDONDEO Y ALGUNAS ESTRATEGIAS DE REDONDEO

Cuando se apliquen los métodos de eliminación estudiados, Gauss y


Gauss-Jordan, y se obtenga algún elemento pivote ai∗i = 0 , será

necesario intercambiar ecuaciones para proseguir con el algoritmo


iniciado. Pues bien, en la práctica no solamente es necesario
intercambiar ecuaciones cuando ai∗i = 0 , sino en otros muchos casos, en

los que se producen errores múltiples de redondeo al utilizar un número


de dígitos limitados.
Una estrategia muy simple consiste en seleccionar siempre como
elemento pivote el elemento de la misma columna (por debajo de la
diagonal), que tenga mayor valor absoluto, e intercambiar las ecuaciones,
si fuera necesario, antes de realizar las transformaciones. Esta técnica se
conoce como pivotamiento máximo de columna o pivotamiento
parcial.
Aunque la técnica de pivoteo parcial es suficiente en la mayoría de los
casos, a veces hay situaciones que resulta inadecuado. Para ello, se
utiliza la técnica de pivotamiento total o máximo, que consiste en
encontrar el elemento de máximo valor absoluto de la submatriz

⎜ aii∗ " " ⎞⎟
⎜ ⎟

⎜ # % # ⎟⎟ y elegirlo de pivote, intercambiándose tanto ecuaciones
⎜ ⎟
∗ ⎟



" " ann ⎟

como incógnitas si fuera necesario.

76
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
9. MÉTODOS DE FACTORIZACIÓN

Consisten esencialmente en descomponer la matriz A de un sistema de


ecuaciones como producto de dos matrices triangulares, siendo los más
frecuentes los que se exponen a continuación:

9.1. Factorización LU

En esta factorización se descompone la matriz A como producto de dos


matrices tirangulares A = LU ( L , matriz triangular inferior y U matriz
triangular superior). Si partimos del sistema A ⋅ X = B , se tiene que
L ⋅ (U ⋅ X ) = B . Resolvemos primero L ⋅ Y = B y una vez calculado Y ,
resolvemos U ⋅ X = Y , y despejando aquí la X , obtenemos la solución
del sistema.
Teorema
Sea A una matriz cuadrada de orden n , tal que en el proceso de
eliminación de Gauss del sistema Ax = b , donde b es una columna
cualquiera, se verifica:

a11(0) ≠ 0, a22
(1)
≠ 0, a33
(2)
≠ 0,…, an( n−−1 n2)−1 ≠ 0, ann
( n −1)
≠ 0,

(siendo aii( j ) , el elemento que ocupa la columna i y la fila i en el

j − ésimo paso del método de Gauss), entonces existe la descomposición


LU de A , donde:
i ) L es una matriz triangular inferior, con 1 en su diagonal principal, y
los elementos subdiagonales lij , con i > j , son los factores usados en el

proceso de eliminación de Gauss y

77
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
ii ) U es una matriz triangular superior, con los n pivotes en su
diagonal principal.
Es decir:

⎛1 0 " " 0⎞
⎜ ⎟
⎜ l21 1 0 " 0⎟
L = ⎜ l31 l32 1 " 0⎟
⎜ ⎟
⎜ # # # % #⎟
⎜ ln1 ln 2 " ln n −1 1 ⎟⎠

U es la matriz del sistema reducido final del método de Gauss, antes de
la sustitución hacia atrás, es decir, una matriz de la forma:

u
⎜ 11 u12 " " u1n ⎞⎟
⎜ ⎟

⎜0 u22 u23 " u2 n ⎟⎟
⎜ ⎟
U= 0 ⎜

0 u33 " u3n ⎟⎟
⎜ ⎟
# ⎜

# % % # ⎟⎟

0
⎜⎜

0 " 0 unn ⎟⎟⎟⎠

con los elementos de su diagonal principal distintos de cero:


uii = aii(i −1) ≠ 0, i = 1, 2,…, n.

La regularidad de A es una condición necesaria (no suficiente) para la


descomposición LU de A .
En lo que sigue se van a considerar variantes de la descomposición LU
de A , que son útiles en la práctica.

9.2. Factorización LDU’

Si A = LU es la descomposición LU de A , entonces A = LUU ′ es


una nueva descomposición de A , donde D es una matriz diagonal, con

78
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales

los pivotes en la diagonal principal, y U es una matriz triangular
superior, con 1 en la diagonal principal y el resto coincide con U .

9.3. Factorización de Matrices Simétricas

Si A = LDU ′ es la descomposición LDU ′ de A y A es una matriz


simétrica, entonces A = LDLt .

9.4. Factorización de Matrices Simétricas Definidas Positivas


(Método de Cholesky)

Si A = LDLt es la descomposición LDLt de la matriz real y simétrica


A , con sus n pivotes estrictamente mayores que cero, entonces
A = CC t , donde C es una matriz triangular inferior, siendo C = LD1/ 2 y
⎛ ⎞


d11 0 " 0 ⎟

⎜ ⎟
⎜ 0 % % # ⎟
D1/ 2 = ⎜



.
⎜ # % % 0 ⎟
⎜ ⎟
⎜ ⎟


0 " 0 d nn ⎟⎠

79
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.

PROBLEMAS RESUELTOS

⎛ x⎞
⎛1 1 1 ⎞ ⎜ ⎟ ⎛ a ⎞
1.- Consideremos el sistema ⎜ ⎟ ⎜ y ⎟ = ⎜ ⎟ donde a, b y c
⎝1 1 b ⎠ ⎜ ⎟ ⎝ c ⎠
⎝z⎠
son números reales. Estudiar si existen valores de a, b y c para los
que el sistema es compatible indeterminado.
SOLUCIÓN:

⎛1 1 1 ⎞
La matriz de los coeficientes es A = ⎜ ⎟ cuyo rango va a ser a lo
⎝1 1 b ⎠
sumo 2 , que no coincidirá nunca con el número de incógnitas del
sistema que es 3 . Luego, el sistema nunca será compatible determinado.
Si tomamos por ejemplo a = b = c = 1. Entonces, el rango de la matriz

⎛1 1 1⎞
A=⎜ ⎟ es 1 y el rango de la matriz ampliada
⎝1 1 1⎠

⎛1 1 1 1⎞
A∗ = ⎜ ⎟ es también 1.
⎝1 1 1 1⎠

Rang ( A) = Rang ( A∗ ) = 1 < número de incógnitas ⇒ Sistema


compatible indeterminado. Por lo tanto, sí que existen valores de a, b y
c para los que el sistema es compatible indeterminado.
Notar que también es posible encontrar valores de a, b y c para los
que el sistema es incompatible:
Sea por ejemplo b = 1 y a = 0 , y c = 2 .

80
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
⎛ 1 1 1⎞
Se tiene entonces que el rango de la matriz A = ⎜ ⎟ es 1, pero el
⎝ 1 1 1⎠
⎛1 1 1 0 ⎞
rango de la matriz ampliada A∗ = ⎜ ⎟ es 2, por lo tanto como
⎝1 1 1 2 ⎠
Rang ( A) ≠ Rang ( A∗ ) el sistema es incompatible.

2.- Sea el sistema de ecuaciones:

(m + 2) x + y + z = 0⎫

mx + (m − 1) y + z = 0 ⎬ .Calcular el determinante de la matriz de
(m + 1) x + (m + 1) z = 0 ⎭⎪

los coeficientes.
SOLUCIÓN:
La matriz A de los coeficientes del sistema es la siguiente:

⎛m + 2 1 1 ⎞
⎜ ⎟
A=⎜ m m −1 1 ⎟ el determinante de A es fácilmente
⎜ m +1 m + 1⎟⎠
⎝ 0

calculable y se obtiene que A = m3 − m = m(m 2 − 1).

3.- Dado un sistema de 30 ecuaciones con 70 incógnitas, se sabe que


el rango de la matriz del sistema es 30 y el rango de la matriz
ampliada es de 30. Estudiar la compatibilidad del sistema.
SOLUCIÓN:
Tenemos que el rango de la matriz del sistema coincide con el rango de
la matriz ampliada, lo que nos indica que el sitema es compatible, como
además dicho rango es menor que el número de incógnitas, de aquí ya
obtenemos que es indeterminado

81
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎧ 3x − y + 2z = 1

4.- Dado el sistema de ecuaciones: ⎨ x+4y+z = b .
⎪2 x − 5 y + a z = − z

Estudiar el sistema en función de los valores de los parámetros a y
b.
SOLUCIÓN:

⎛ 3 −1 2 1⎞

La matriz ampliada del sistema es A = A | b = ⎜ 1 4∗
(
1 )
b⎟

⎜ 2 −5 a + 1 0 ⎟
⎝ ⎠
El determinante de la matriz de coeficientes es:

3 −1 2
A= 1 4 1 = 13a, se obtiene que A = 0 ⇐⇒ a = 0
2 −5 a + 1

Por lo tanto:

a) Si a ≠ 0, entonces rang ( A) = 3 = rang ( A∗ ) = número de incógnitas


del sistema, como consecuencia el sistema es compatible determinado.
3 −1
b) Si a = 0, entonces rang ( A) < 3, tenemos que el menor ≠ 0,
1 4
por lo tanto como hemos encontrado un menor de orden 2 con
determinante no nulo, obtenemos que rang ( A) = 2.

Vamos a estudiar el rang ( A∗ ) según los valores de b . Si tomamos el

3 2 1
menor 1 1 b = b − 1 . Como consecuencia, se obtiene que:
2 1 0

82
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales

b-1) Si b ≠ 1 ⇒ rang ( A ) = 3 ≠ rang ( A) = 2 ⇒ Sistema Incompatible.

b-2) Si b = 1 ⇒ rang ( A∗ ) = 2 = rang ( A) = 2 < número de incógnitas


⇒ Sistema Compatible Indeterminado.
5.- Sea el siguiente sistema de ecuaciones lineales:
α x + y + z = 1⎫

x +α y + z = α⎬. Estudiar para qué valores de α es
x + y + α z = α ⎪⎭

incompatible.
SOLUCIÓN:
Para que el sistema sea incompatible tiene que darse que
rang ( A) ≠ rang ( A∗ ) .

⎛α 1 1 1 ⎞
( )
La matriz ampliada del sistema es: A = A | b = ⎜⎜ 1 α 1 α ⎟⎟ .

⎜1 1 α α⎟
⎝ ⎠
En primer lugar, estudiamos el rang ( A) según los valores de α .

α 1 1
A = 1 α 1 = α 3 − 3α + 2 = (α + 2 )(α − 1) .
2

1 1 α

a) Si α ≠ −2 y α ≠ 1 ⇒ rang ( A) = 3 = rang ( A∗ ) = número de


incógnitas ⇒ El sistema es compatible determinado.
b) Si α = −2
−2 1
Como en A tenemos un menor de orden 2 , , que es distinto de
1 −2

0, entonces, rang ( A) = 2. Veamos cuál es el rang ( A∗ ).

83
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎛ −2 1 1 1 ⎞
∗ ⎜ ⎟
A = ⎜ 1 −2 1 −2 ⎟ , en esta matriz podemos encontrar un menor
⎜ 1 1 −2 −2 ⎟
⎝ ⎠
−2 1 1
de orden 3 que es no nulo: 1 1 −2 = 9 ≠ 0 . Por lo tanto
1 −2 −2

rang ( A∗ ) = 3 ≠ rang ( A) = 2 ⇒ Sistema Incompatible.

c) Si α = 1

⎛1 1 1 1⎞
⎜ ⎟

En este caso tenemos que la matriz ampliada queda: A = ⎜1 1 1 1⎟ .
⎜1 1 1 1⎟
⎝ ⎠
Es inmediato ver que rang ( A∗ ) = rang ( A) = 1 ⇒ Sistema compatible
Indeterminado.
Luego, el sistema de ecuaciones dado sólo es Incompatible si α = −2.

(m + 2) x + y + z = m − 1 ⎫

6.- Dado el sistema mx + (m − 1) y + z = m − 1 ⎬
(m + 1) x + (m + 1) z = m − 1⎪⎭

Estudiar para qué valores del parámetro m es compatible


indeterminado.
SOLUCIÓN:

⎛m + 2 1 1 ⎞
⎜ ⎟
La matriz de coeficientes del sistema es A = ⎜ m m −1 1 ⎟,
⎜ m + 1⎠⎟
⎝ m +1 0

esta matriz al ser cuadrada tendrá rango máximo cuando su determinante

84
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
sea distinto de cero.

A = m3 − m ; A = 0 ⇔ m3 − m = 0 ⇔ m ∈ {0,1, −1}.

Si m ∉ {0,1, −1} , entonces rango( A) = 3, en este caso el rango de la

matriz ampliada también sería 3, ya que A∗ es de orden 3x4, y


tendríamos un Sistema Compatible Determinado.
Si m = 0,

⎛ 2 1 1⎞
⎜ ⎟
A = ⎜ 0 −1 1⎟ , rango( A) = 2, ya que sabemos que no tiene rango 3 y
⎜ 1 0 1⎟
⎝ ⎠
⎛2 1 ⎞
la submatriz ⎜ ⎟ tiene rango dos.
⎝ 0 −1 ⎠

⎛ 2 1 1 −1 ⎞
∗ ⎜ ⎟
A = ⎜ 0 −1 1 −1⎟ , también tiene rango 2 porque la nueva columna
⎜ 1 0 1 −1 ⎟
⎝ ⎠
no aporta nada nuevo ya que es la tercera columna cambiada de signo.
Luego si m = 0, tenemos un Sistema Compatible Indeterminado.

Si m = 1,

85
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎛3 1 1⎞
⎜ ⎟
A = ⎜ 1 0 1 ⎟, rango( A) = 2, ya que por ejemplo la submatriz
⎜ 2 0 2⎟
⎝ ⎠
⎛3 1⎞
⎜ ⎟ tiene rango dos.
⎝1 0⎠

⎛ 2 1 1 0⎞
∗ ⎜ ⎟
A = ⎜ 0 −1 1 0 ⎟ , también tiene rango 2 porque la nueva columna
⎜1 0 1 0⎟
⎝ ⎠
no aporta nada nuevo ya que es el vector nulo. Luego si m = 1, tenemos
un Sistema Compatible Indeterminado.
Si m = −1,

⎛ 1 1 1⎞
⎜ ⎟
A = ⎜ −1 −2 1 ⎟ , rango( A) = 2, ya que por ejemplo la submatriz
⎜ 0 0 0⎟
⎝ ⎠
⎛1 1⎞
⎜ ⎟ tiene rango dos.
⎝ −1 − 2 ⎠
Por otro lado,

⎛ 1 1 1 -2 ⎞ ⎛ 1 1 1 −2 ⎞
⎜ ⎟ ⎜ ⎟
rango( A∗ ) = rango ⎜ -1 -2 1 -2 ⎟ = rango ⎜ 0 −1 2 −4 ⎟ = 3
⎜ 0 0 0 -2 ⎟ ⎜ 0 0 0 −2 ⎟
⎝ ⎠ ⎝ ⎠
ya que nos han quedado tres filas no nulas después de hacer la
eliminación gaussiana. Luego si m = −1, tenemos un Sistema
Incompatible.
El sistema, por tanto, sólo es compatible indeterminado si m = 0 ó
m = 1.

86
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
⎛ 1 2⎞ ⎛0 0⎞
7.- Dadas las matrices A = ⎜ ⎟, B = ⎜ ⎟ , resolver la ecuación
⎝ 2 4⎠ ⎝0 0⎠
matricial AX = B .
SOLUCIÓN:
AX = B es un sistema matricial donde X es la matriz incognita, se
plantea el este sistema matricial y se convierte en un sistema de
ecuaciones lineales, igualando los elementos de la matriz del lado
izquierdo con los de la matriz del lado derecho, en este caso obtenemos
un sistema lineal homogeneo, por ser B la matriz nula, se resuelve ya
que al ser homogéneo sabemos que es un sistema compatible y esta
solución se traslada directamente a la solución matricial.
AX = B

⎛ 1 2 ⎞ ⎛⎜ x1 ⎛0 0⎞
x2 ⎞⎟
→⎜ ⎟ ⎜⎜ =⎜

⎟→
⎟⎟
⎝ 2 4 ⎠ ⎜⎝ x3 x4⎠⎝0 0⎠

x + 2 x3
⎜ 1 x2 + 2 x4 ⎞⎟ ⎛ 0 0 ⎞
→ ⎜⎜ ⎟ =
⎜ 2 x +4 x
⎝ 1 3 2 x2 + 4 x4 ⎟⎟⎠ ⎜⎝ 0 0 ⎟⎠

igualando elemento a elemento nos queda el sistema lineal:

x1 + 2 x3 = 0 ⎫
2 x1 + 4 x3 = 0 ⎪⎪ x1 + 2 x3 = 0 ⎫ x1 = −2 x3 ⎫⎪
⎬→ ⎬→ ⎬
x2 + 2 x4 = 0 ⎪ x2 + 2 x4 = 0 ⎭ x2 =−2 x4 ⎪⎭
2 x2 + 4 x4 = 0 ⎪⎭

87
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.

⎪⎧ ⎛
⎜ x1 x2 ⎞⎟ x1 = −2 x3 ⎪⎫
Solucion = ⎨ X = ⎜⎜ ⎟∈M
2x2 / : x3 , x4 ∈ R ⎬ =
⎩⎪ ⎜x
⎝ 3

x4 ⎟⎠ x2 =−2 x4 ⎭⎪
⎪⎧ ⎜ −2 x3

−2 x4 ⎞⎟ ⎫⎪
= ⎨ X = ⎜⎜ ⎟
⎟⎟
∈ M 2 x 2 / x3 , x4 ∈ R ⎬ =
⎩⎪ ⎜ x
⎝ 3 x4 ⎠ ⎭⎪
⎛ −2 0 ⎞ ⎛ 0 −2 ⎞
= ⎜ ⎟,⎜ ⎟
⎝ 1 0⎠ ⎝0 1 ⎠

Acabamos de ver que la solución del sistema matricial AX = 02 x 2 es un

subespacio vectorial del espacio vectorial M 2 x 2 . La dimensión de M 2 x 2


es 4, y la dimensión del conjunto solución del sistema es 2, ya que hemos
visto que esta generado por 2 matrices linealmente independientes.

x+ y = 1− a ⎫


2⎪
8.- Estudiar cuándo el sistema de ecuaciones ax + y = 1 − a ⎬ es

2⎪
ax+ ay = 1 − a ⎪⎭

imcompatible.
SOLUCIÓN:

⎛1 1⎞ ⎛1 1⎞
⎜ ⎟ ⎜ ⎟
A = ⎜ a 0 ⎟ , rango( A) = ⎜ 0 a ⎟ = rango( A) =
⎜a a⎟ ⎜a a⎟
⎝ ⎠ ⎝ ⎠

⎛1 1 ⎞
⎜ ⎟
= ⎜0 a ⎟ = 2, ya que si a ≠ 0 las dos primeras filas son linealmente
⎜ 0 a − 1⎟
⎝ ⎠
independientes si a = 0 la primera y tercera fila son linealmente
independientes.

88
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales

⎜ 1 1 1− a ⎞

⎜ ⎟

A = a 0 1 − a , sabemos que su rango es al menos 2 ya que


2 ⎟

⎜ 2 ⎟


a a 1− a ⎟

contiene a la matriz A, su rango será tres cuando su determinante sea


distinto de cero (por tratarse de una matriz cuadrada).

A∗ = − (1 − a ) a; A∗ = 0 ⇔ − (1 − a ) a = 0 ⇔ a = 0 ó a = 1.

Si a = 0 ó a = 1 ⇒ rango( A) = rango( A∗ ) = 2 = n o de incógnitas ⇒

⇒ Sistema Compatible Determinado.

Si a≠0 y a ≠ 1 ⇒ 2 = rango( A) ≠ rango( A∗ ) = 3 ⇒ Sistema


Incompatible.

Por lo tanto el sistema es incompatible cuando a ≠ 1 .

⎛ 2 3 −1 ⎞
9.- Dado el sistema de ecuaciones Ax = b . Donde A = ⎜⎜ b a 2 ⎟⎟ y
⎜5 5 1 ⎟
⎝ ⎠

⎛ 2⎞
⎜ ⎟
b = ⎜ 0 ⎟ . Estudiar su compatibilidad en función de los parámetros a
⎜a⎟
⎝ ⎠
y b.
SOLUCIÓN:

89
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Vamos a estudiar los rangos de A (matriz de los coeficientes del
sistema) y de A∗ (matriz ampliada del sistema) en función de los valores
de a y b .

⎛ 2 3 −1⎞
⎜ ⎟
A = ⎜ b a 2 ⎟ ⇒ A = 7 a + 10 − 8b .
⎜5 5 1 ⎟
⎝ ⎠

a) Si 7a + 10 − 8b ≠ 0 ⇒ rang ( A) = 3 = rang ( A∗ ) = número de


incógnitas ⇒ Sistema Compatible Determinado.
b) Si 7a + 10 − 8b = 0 ⇒ rang ( A) = 2 , ya que en A podemos encontrar

2 −1
el menor de orden 2 : que es distinto de 0 . Vamos a estudiar
5 1

cuál sería el rango de A∗ . Como b= 7 a +10


8 , tenemos que

⎛ 2 3 −1 2 ⎞
⎜∗ ⎟
A = ⎜ 7 a8+10 a 2 0 ⎟ . Si tomamos el menor de orden 3 siguiente:
⎜ 5 5 1 a ⎟⎠

3 −1 2
a 2 0 = 8a + a 2 − 20 = (a + 10)(a − 2) .
5 1 a

b-1) Si a ≠ −10 y a ≠ 2 ⇒ rang ( A∗ ) = 3 ≠ rang ( A) ⇒ Sistema


Incompatible.

90
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
⎛ 2 3 −1 2 ⎞
⎜∗ ⎟
b-2) Si a = −10 ⇒ A = ⎜ −430 −10 2 0 ⎟ , cuyo rango es 2
⎜ 5 −10 ⎟⎠
⎝ 5 1

⇒ rang ( A∗ ) = rang ( A) = 2 < número de incógnitas ⇒ El sistema es


Compatible Indeterminado.

⎛ 2 3 −1 2 ⎞
⎜∗ ⎟
b-3) Si a = 2 ⇒ A = ⎜ 3 3 2 0⎟ , cuyo rango es 3
⎜ 5 5 1 3⎟
⎝ ⎠
⇒ rang ( A∗ ) = 3 ≠ rang ( A) = 2 ⇒ el sistema es Incompatible.

10.- Calcular el valor de a que hace equivalentes a los sistemas de


ecuaciones siguientes:

x + y − z = 1⎫ x + y − z =1 ⎫
⎪ ⎪
y+z =2 ⎬ y y + z = 2 ⎬.
x − 2 z = −1 ⎪⎭ ax − y + 5 z = 1⎪⎭

SOLUCIÓN:
Los dos sistemas de ecuaciones serán equivalentes cuando tengan el
mismo conjunto solución.
En el primer sistema se tiene que la tercera ecuación es la suma de la
primera más la segunda cambiada de signo. Como en el segundo sistema
las dos primeras ecuaciones son idénticas a las del primer sistema, para
que sean equivalentes es suficiente conque la tercera ecuación sea
combinación lineal de las dos primeras:

1er miembro ⎯→ ax − y + 5 z = λ ( x + y − z ) + µ ( y + z ) ⎫
⎬⇒
2o miembro ⎯→ 1 = λ ⋅ 1 + µ ⋅ 2 ⎭

91
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
a=λ ⎫
λ + µ = −1⎪⎪
⇒ ⎬
−λ + µ = 5 ⎪
λ + 2µ = 1 ⎪⎭

De este sistema se obtiene que µ = 2 y λ = −3 por lo que a = −3 .

Por lo tanto, si a = −3 los dos sistemas de ecuaciones dados son


equivalentes.

11.- Si el sistema de ecuaciones Ax = b es compatible


indeterminado, siendo A ∈ M nxn ( R) , ¿qué se puede afirmar sobre la

dependencia o independencia lineal de sus filas o de sus columnas?


SOLUCIÓN:
Al ser el sistema compatible indeterminado, sabemos que:

rang ( A) = rang ( A∗ ) < número de incógnitas, donde A∗ es la matriz


ampliada del sistema (matriz A añadiéndole la columna de los términos
independientes del sistema).
El hecho de que A ∈ M nxn ( R ) , lo que nos indica es que el sistema está

formado por n -ecuaciones y n -incógnitas, y al ser rang ( A) < número


de incógnitas, lo que sabemos es que rang ( A) < n , de aquí, ya

deducimos que A = 0 o equivalentemente que la matriz A tiene al

menos dos columnas y dos filas que son linealmente dependientes.


12.- Si x 1 y x 2 son soluciones del sistema de ecuaciones lineales

Ax = b,

92
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales
b ≠ 0, entonces, ¿se podría afirmar que alguna de las siguientes
combinaciones lineales de x 1 y x 2 son también solución del
sistema? x 1 + x 2 ; x 1 − x 2 y x1 + 2 x 2 .
1 1
2

SOLUCIÓN:

Nos dicen que A x 1 = b y A x 2 = b.

A( x 1 + x 2) = A x 1 + A x 2 = b + b = 2b ≠ b ⇒ x 1 + x 2 no es solución del
sistema.

A( x 1 − x 2) = A x 1 − A x 2 = b − b = 0, luego x 1 − x 2 tampoco es solución

de Ax = b.

A( 12 x 1 + 12 x 2) = 12 A x 1 + 12 A x 2 = 12 b + 12 b = b, luego x1 + 2 x 2
1 1
2 sí es

solución de Ax = b.

93
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.

BIBLIOGRAFIA
ANZOLA, M.; CARUNCHO, J.; PÉREZ-CANALES, G. (1981).
Problemas de Álgebra (Tomos 1-7). Madrid. SSAG.
BURGOS, J. (1999). Álgebra Lineal y Geometría Cartesiana. Madrid.
McGraw-Hill.
CARBO, R.; DOMINGO, LL. (1987). Álgebra Matricial y Lineal.
España. McGraw-Hill.
DE LA VILLA, A. (1994). Problemas de Álgebra. Madrid. Clagsa.
ESPADA BROS, E. (1984). Problemas resueltos de Álgebra. Barcelona.
EUNIBAR.
FLAQUER, J; OLAIZOLA, J; OLAIZOLA, J. (1996). Curso de Álgebra
Lineal. Navarra EUNSA.
FRALEIGH, J.B.; BEAUREGARD, R.A. (1989). Álgebra Lineal.
U.S.A. Addison-Wesley Iberoamericana.
GARCÍA, J.; LÓPEZ, M. (1990). Álgebra Lineal y Geometría. Alcoy.
Marfil.
GRANERO, F. (1994). Álgebra y Geometría Analítica. Madrid .
McGraw-Hill. GROSSMANN, S.I. (1996). Álgebra Lineal con aplicaciones.
México. McGraw-Hill.
GUERRA, N.; LÓPEZ, B. (1999). Problemas resueltos tipo test de
Álgebra Lineal (Con esquemas teóricos). Las Palmas de G.C. El Libro
Técnico.

94
MATEMÁTICAS I
Sistemas de Ecuaciones Lineales

95
MATEMÁTICAS I