Вы находитесь на странице: 1из 15

Sistema de ecuaciones lineales

Ing. Silvia Valdivia


Una recta en el plano se estudia mediante una ecuacin del tipo:
ax + by + c == 0

En donde x e y son variables, tambin llamadas incgnitas.


De la misma forma una ecuacin en ms variables se puede escribir genricamente como sigue:
a1 x1 + a2 x2 + a3 x3 + ....an xn = b

Donde a1 ,a2 ,a3 son constantes reales.


Se debe destacar que las ecuaciones son lineales puesto que todas sus variables estn elevadas a la 1 y no existe
productos ni races de variables, como as tampoco las variables estarn formando parte de argumento de
funciones ni trigonomtricas ni logaritmicas, etc, es decir que las ecuaciones que componen un sistema lineal
son algebraicas.

Soluciones de un sistema de ecuaciones lineales


Se denomina solucin de un S.E.L a la sucesin de n nmeros s1,s2,s3,sn de tal forma que la solucin reemplazada en el S.E.L hace que cada una de las ecuaciones que lo componen se verifique.
El conjunto de todas las soluciones se llama conjunto solucin o solucin general del S.E.L.
Los S.E.L se clasifican en cuanto a sus soluciones en:
a) Compatible o consistente: es aquel S.E.L que tiene solucin.
a 1) Determinado: si la solucin es nica
a 2) Indeterminado: si tiene infinitas soluciones
b) Incompatible o inconsistente: es el S.E.L que no tiene solucin.
La interpretacin grfica de lo anteriormente expuesto es lo que sucede en el plano.
Si el S.E.L es de ecuaciones en dos variables entonces su representacin grfica son rectas en el plano.
a 1) Si las rectas se cortan en un nico punto el S.E.L es compatible determinado.
a 2) Si las rectas son coincidentes, entones el S.E.L es compatible indeterminado.
b) Si las rectas son paralelas el S.E.L es incompatible.
Todo S.E.L tiene solucin nica, infinitas soluciones o no tiene solucin
Los sistemas tambin se clasifican en cuanto a su forma o estructura en:
1- Sistemas de ecuaciones no homogneos: con trmino independiente distintos de 0.
2- Sistemas de ecuaciones lineales homogneos: todas las ecuaciones que lo componen tienen trmino independiente igual a 0. Estos sistemas siempre tienen solucin es decir son compatibles, nica si son determinados, en
cuyo caso la solucin o el conjunto solucin es la trivial: {0,0,...0} o tienen infinitas soluciones aparte de la
trivial. En este ltimo caso se trata de sistemas compatibles pero indeterminados.

Sistemas de ecuaciones lineales.nb

Rango o caracterstica de una matriz


<< LinearAlgebra`MatrixManipulation`

Es el ORDEN del mayor determinante NO NULO que puede extraerse de una matriz.
Esta definicin es anloga a la de decir que rango de una matriz A es el nmero de vectores linealmente
independientes.
A = 881, 2, 3<, 84, 5, 6<, 87, 8, 9<<;
MatrixForm@AD

1 2 3y
i
j
z
j
z
j
z
j
j4 5 6z
z
j
z
k7 8 9{
Det@AD
0

Tomando una submatriz:


sA1=SubMatrix[A, {2, 2}, {2, 2}]
885, 6<, 88, 9<<
Det@sA1D
3

Como un determinante de orden 2 es distinto de 0 entonces el rango de la matriz es 2.


RowReduce@AD

881, 0, 1<, 80, 1, 2<, 80, 0, 0<<

En A existe una fila que es combinacin lineal de las otras.


Veamos si es cierto, expresamos a fila 3 como combinacin lineal de 1 y 2:
cl = x 81, 2, 3< + y 84, 5, 6< == 87, 8, 9<

8x + 4 y, 2 x + 5 y, 3 x + 6 y< == 87, 8, 9<

Por igualdad de vectores, se establece el siguiente sistema:


sis = 8x + 4 y == 7, 2 x + 5 y == 8, 3 x + 6 y == 9<

8x + 4 y == 7, 2 x + 5 y == 8, 3 x + 6 y == 9<

Sistemas de ecuaciones lineales.nb

Solve@sis, 8x, y<D


88x 1, y 2<<

Efectivamente la fila 3 es igual a-1 por la fila 1 , ms 2 por la fila 2. F3= -1*F1+2*F2, es decir que solamente
existen 2 vectores linealmente independientes.

Combinacin lineal de 2 o ms vectores


Yo puedo arbitrariamente crear combinaciones lineales: por ejemplo propongo 2 ecuaciones en dos variables y
creo una tercera como combinacin lineal de la 1 y la 2 , multiplicando la 1 por (-2) y sumndole la 2:
e1 = 2 x + 3 y == 10;
e2 = 3 x y == 2;

e3 = He1@@1DD H2L ExpandL + e2@@1DD == e1@@2DD H2L + e2@@2DD


x 7 y == 18

El sistema queda constituido por:


sis = 8e1, e2, e3<

82 x + 3 y == 10, 3 x y == 2, x 7 y == 18<

El cual podemos escribirlo en forma matricial y luego extraer la matriz A del sistema.
Mc=LinearEquationsToMatrices[sis, {x,y}]

8882, 3<, 83, 1<, 81, 7<<, 810, 2, 18<<

El comando anterior devuelve una matriz de 3x2 y el vector de los trminos independientes. Con el comando
Append, se puede reconstruir la matriz A y verificar si efectivamente est la combinacin lineal creada. Esto se
ver si el Det[A] es cero.
matrizcoef = Mc@@1DD

882, 3<, 83, 1<, 81, 7<<


matrizti = 8810<, 82<, 818<<;
A = AppendRows@matrizcoef, matriztiD

882, 3, 10<, 83, 1, 2<, 81, 7, 18<<

Sistemas de ecuaciones lineales.nb

Det@AD
0

Teorema de Rouch-Frobenius
El Teorema enuncia: en un sistema de m ecuaciones con n incgnitas dado, si la caracterstica de la matriz de
los coeficientes es igual a la caracterstica de la matriz ampliada, entonces el sistema es compatible.
Si A es la matriz de los coeficientes y Am es la matriz del sistema (ampliada) y r es el rango de A y rm es el
rango de Am,
Si r = rm El sistema es compatible.
Los siguientes son corolarios del Teorema:
Si m = n El sistema es determinado
Si n > m El sistema es indeterminado. El grado de indeterminacin es igual: n - m.
Si r rm El sistema es incompatible.
Antes, un S.E.L. deba analizarse previo a resolverlo y a que poda tratarse de un sistema incompatible, actualmente los mtodos matriciales puestos de moda con el Algebra Lineal permiten trabajar un S.E.L. con transformaciones elementales y convertirlo en otro de forma escalonada (FE) o de forma escalonada reducido (FER) lo
cual permite simultneamente analizar y resolver el S.E.L.
Los mtodos de resolucin que se vern son:

Mtodo de Cramer.
Mtodo de la matriz inversa.
Mtodo de eliminacin Gauss-Jordan.

Mtodo de Cramer
Este mtodo es slo para sistemas de nxn es decir con igual n de ecuaciones que de incgnitas.
a11 x1 + a12 x2 == b1
a21 x1 + a22 x2 == b2

H1L
H2L

Si se multiplica la ecuacin (1) por a21 y la (2) por a11 y se resta miembro a miembro a la (2) la (1):
a11 a21 x1 + a12 a21 x2 == a21 b1
a11 a21 x1 + a11 a22 x2 == a11 b2
Ha11 a22 a12 a21 L x2 = a11 b2 a21 b1
x2 =

Ha11 a22 a12 a21 L


a21 b1 a11 b2

Lo cual se puede escribir como:

Sistemas de ecuaciones lineales.nb

a11
a21
x2 =
a
11
a21

b1

b2
a12

a22

En forma anloga pero multiplicando la (1) por y la (2) por se elimina x2 , y se despeja x1 :

b1
b2
x1 =
a11

a21

a12

a22
a12

a22

Conclusiones:
1) Se puede aplicar el Mtodo de Cramer siempre que el S.E.L. sea un sistema cuadrado o que se pueda convertir en uno cuadrado, (sto pasara si fuera indeterminado, sobrarn incgnitas, entonces se pasan las sobrantes
al segundo miembro y se trabaja como si todo fuese el trmino independiente).
2) Cada una de las incgnitas se encuentra dividiendo un determinante por otro. El determinante que est en el
denominador es el determinante de la matriz del sistema o matriz de los coeficientes, mientras que en el numerador el determinante se obtiene reemplazando la columna de los coeficientes de la incgnita a hallar por los
trminos independientes. Esto siempre se puede resolver en la medida que el denominador sea 0.
Ejemplo 1:
e1 = 2 x + 3 y == 5;
e2 = 4 x + 6 y == 10;
sis = 8e1, e2<;

s = Solve@sis, 8x, y<D

Solve::svars : Equations may not give solutions for all "solve" variables.

99x

5
3y

==
2
2

x = s@@1, 1, 2DD
5
3y

2
2
Clear@xD

10

x=

4
y=

6
30 30
0

=
=

3
12 12
0

10
20 20
0

=
=

3
12 12
0

Sistemas de ecuaciones lineales.nb

Este resultado indica que cualquier valor que tomen las variables es admisible, es decir que el sistema tiene
infinitas soluciones, es compatible indeterminado. El conjunto solucin se expresa:
S={ 52 32y ,y}
Para hallar soluciones particulares, rescatamos x etiquetndola:
x = s@@1, 1, 2DD
5
3y

2
2
S = 8x, y<

5
3y

, y=
2
2

S1 = S . y > 2
9

1
, 2=
2

S2 = S . y > 2
9

11
, 2=
2

S1, S2,... son algunas de las infinitas soluciones del sistema.


Ejemplo 2
e1 = 2 x + 4 y + 6 z == 18;
e2 = 4 x + 5 y + 6 z == 24;
e3 = 2 x + 7 y + 12 z == 40;
sis = 8e1, e2, e3<;

A = 882, 4, 6<, 84, 5, 6<, 82, 7, 12<<;


MatrixForm@AD

2 4 6 y
i
j
z
j
j
z
4 5 6 z
j
z
j
z
j
z
k 2 7 12 {

x = Det@8818, 4, 6<, 824, 5, 6<, 840, 7, 12<<D


60

882, 4, 6<, 84, 5, 6<, 82, 7, 12<<

Sistemas de ecuaciones lineales.nb

y = Det@882, 18, 6<, 84, 24, 6<, 82, 40, 12<<D

General::spell1 :
Possible spelling error: new symbol name "y" is similar to existing symbol "x".

120

882, 4, 6<, 84, 5, 6<, 82, 7, 12<<


z = Det@882, 4, 18<, 84, 5, 24<, 82, 7, 40<<D

General::spell : Possible spelling error:


new symbol name "z" is similar to existing symbols 8x, y<.

60

Det@AD
0

x=

x
Det@AD

Power::infy : Infinite expression

1
encountered.
0

ComplexInfinity

y=

y
Det@AD

Power::infy : Infinite expression

1
encountered.
0

ComplexInfinity

z=

z
Det@AD

Power::infy : Infinite expression

ComplexInfinity
Clear @x, y, zD

Solve@sis, 8x, y, z<D


8<

1
encountered.
0

Sistemas de ecuaciones lineales.nb

El sistema es incompatible, no tiene solucin , el determinante del denominador es 0, quedando una divisin por
0 en cada uno de los cocientes de determinantes, lo cual se sabe no tiene solucin.
Ejemplo 3
e1 = x + y z == 0;
e2 = x + 2 y 3 z == 7;
e3 = 3 y 4 z == 7;

sis = 8e1, e2, e3<;

A = 881, 1, 1<, 81, 2, 3<, 80, 3, 4<<;

Solve@sis, 8x, y, z<D

Solve::svars : Equations may not give solutions for all "solve" variables.

99x

7
z
7
4z
,y
+
==
3
3
3
3

Para estudiar si el S.E.L. es compatible, debe buscarse las caractersticas de la matriz del sistema y de la matriz
ampliada.
Det@AD
0

Es decir que el rango o caracterstica de la matriz del sistema es 2, ya qu el Det de 3x3 dio 0, y cualquier determinante de orden 2 extraido de la matriz A es distinto de 0, por ejemplo:
Det@881, 1<, 81, 2<<D
3
Am = 881, 1, 1, 0<, 81, 2, 3, 7<, 80, 3, 4, 7<<;

Debera extraerse todos los determinantes de orden 3 y resolverlos. Si uno de ellos diera distinto de 0, el sistema
sera incompatible ya que los rangos de la matriz del sistema y de la matriz ampliada seran distintos, pero como
se ve a simple vista que la e3 es suma de la e1 y la e2, es una ecuacin superflua, por lo cual la podemos eliminar y trabajar con la e1 y e2 aplicando el mtodo de Cramer:
Reescribiendo el sistema , pasando el trmino que contiene a z al segundo miembro:
e1 = x + y == z;
e2 = x + 2 y == 7 + 3 z;
x =

7z
3

Det@88z, 1<, 87 + 3 z, 2<<D


Det@881, 1<, 81, 2<<D

Sistemas de ecuaciones lineales.nb

y = Det@881, z<, 81, 7 + 3 z<<D Det@881, 1<, 81, 2<<D


1
H7 + 4 zL
3

El conjunto solucin o solucin general del sistema


S = 8x, y, z<
9

7z
1
,
H7 + 4 zL, z=
3
3

Una solucin particular se obtiene otorgando a z cualquier valor arbitrario, por ejemplo:
S1 = S . z > 2
9

5
1
,
, 2=
3
3

S2 = S . z > 1
82, 1, 1<

S1,S2,...son algunas de las soluciones particulares

Mtodo de la inversa matricial


Para resolver la ecuacin:
ax = b

donde a y b son nmeros reales o complejos, puede simplemente dividirse ambos miembros de la igualdad por a
(si a0) para hallar x=b/a.
Hay un mtodo similar para resolver:
A.X = B

donde A,B y X son matrices. El mtodo se conoce bajo el nombre de "mtodo de la matriz inversa".
Dada la ecuacin matricial:
A.X == B

Multiplicando por izquierda o premultiplicando (Recordar la no conmutatividad del producto de matrices)en


ambos miembros por la matriz inversa de A, A-1 :
A1 .A.X == A1 .B
I.X == A1 .B
X == A1 .B

10

Sistemas de ecuaciones lineales.nb

pues A.A-1 =I (matriz identidad del mismo orden que A) y I.X es X ya que I es elemento neutro en el producto
de matrices.
Para poder aplicarse el mtodo a la resolucin de sistemas es necesario establecer algunas consideraciones
previas:
1) El sistema debe ser cuadrado, es decir n = m o sino lo es deber convertrselo, al igual que para el mtodo de
Cramer. La razn es que la matriz A debe ser cuadrada para tener inversa.
2) La matriz A debe ser invertible o no singular. Es decir debe tener inversa.(Recordar que no toda matriz
cuadrada tiene inversa ya que si Det[A] = 0, la matriz A es singular y no tiene inversa.
3) La matriz A es la matriz de los coeficientes,de nxn.
4) La matriz X es la matriz columna de nx1 de las incgnitas.
5) La matriz B es la matriz columnade nx1 de los trminos independientes.
6) Si se efecta el producto de matrices Anxn .Xnx1 resulta una matrizcolumna de nx1 en donde cada elemento es
una ecuacin del sistema.
J

A.X == B

a11 a12
x
a x + a21 y
b1
N.J N == J 11
N == J N
y
a12 x + a22 y
a21 a22
b2

Por igualdad de matrices se sabe que deben ser del mismo tamao y cada elemento en posicin homloga deben
ser iguales, por lo tanto al igualar elemento a elemento se reconstruye el sistema de ecuaciones lineales.
a11 x + a21 y == b1
a12 x + a22 y == b2

Ejemplo:
e1 = x 2 y + z == 6;
e2 = 3 x + y z == 7;
e3 = x + y + 7 z == 6;

siste = 8e1, e2, e3<

8x 2 y + z == 6, 3 x + y z == 7, x + y + 7 z == 6<

La matriz ampliada Am la podemos ver con el siguiente comando:


Am=LinearEquationsToMatrices[siste, {x,y,z}]

8881, 2, 1<, 83, 1, 1<, 81, 1, 7<<, 86, 7, 6<<

Extraemos la matriz del sistema


A = Am@@1DD

881, 2, 1<, 83, 1, 1<, 81, 1, 7<<

Verificamos que sea no singular:


Det@AD

Sistemas de ecuaciones lineales.nb

11

52

Efectivamente, no es singular, podemos continuar con el mtodo.


X = 8x, y, z<;
B = 86, 7, 6<;
Ainv = Inverse@AD
99

2
15
1
5
2
1
1
1
7
,
,
=, 9
,
,
=, 9
,
,
==
13
52
52
13
13
13
13
52
52

La matriz X de la incgnitas se obtiene con el producto de la matriz inversa de A por B


X = Ainv.B
9

73
159
10
,
,
=
52
13
52

El conjunto solucin es:


S=X
9

159
10
73
,
,
=
52
13
52

Verificando en el sistema:
siste . 9x >

159
52

, y >

8True, True, True<

10
13

, z >

73
52

Remove@XD

Verificacin
Con el comando LinearSolve:
LinearSolve@A, BD
9

159
10
73
,
,
=
52
13
52

O con el Solve de siempre indicando la ecuacin matricial


X = 8x, y, z<;
Solve@A.X == B, XD

12

Sistemas de ecuaciones lineales.nb

99x

159
10
73
,y
,z
==
52
13
52

Transformaciones elementales en matrices aumentadas


Un S.E.L. arbitrario de m ecuaciones con n incgnitas se escribe:
a11 x1 + a12 x2 + ... ... .. a1 n xn = b1
a21 x1 + a22 x2 + ... ... .. a2 n xn = b2
....+ ... .. + ... .. + .... =.
am1 x1 + am2 x2 + ... ... .. amn xn = bm

Cualquier S.E.L. se puede escribir en forma matricial, si mentalmente imaginamos los signos + e =
sis = 8a11 x1 + a12 x2 + a13 x3 == b1 ,
a21 x1 + a22 x2 + a23 x3 == b2 ,
a31 x1 + a32 x2 + a33 x3 == b3 <

8a11 x1 + a12 x2 + a13 x3 == b1 ,


a21 x1 + a22 x2 + a23 x3 == b2 , a31 x1 + a32 x2 + a33 x3 == b3 <

El siguiente comando convierte el sistema en la matriz de coeficientes


independientes.

seguida del vector de trminos

M=LinearEquationsToMatrices[sis, {x1 , x2 ,x3 }]

888a11 , a12 , a13 <, 8a21 , a22 , a23 <, 8a31 , a32 , a33 <<, 8b1 , b2 , b3 <<
Mco = M@@1DD

88a11 , a12 , a13 <, 8a21 , a22 , a23 <, 8a31 , a32 , a33 <<

Escribiendo el vector de trminos independientes como columna y agregndolo a la matriz de los coeficientes:
c = 88b1<, 8b2<, 8b3<<

88b1<, 8b2<, 8b3<<

Am = AppendRows@Mco, cD

88a11 , a12 , a13 , b1<, 8a21 , a22 , a23 , b2<, 8a31 , a32 , a33 , b3<<
MatrixForm@AmD

i a11 a12 a13 b1 y


z
j
j
z
j
a
a22 a23 b2 z
z
j
z
j
z
j 21
k a31 a32 a33 b3 {

Sistemas de ecuaciones lineales.nb

El mtodo bsico para resolver S.E.L. consiste en transformarlo en otro equivalente, es decir que tenga el mismo
conjunto solucin pero que sea ms fcil o directo de resolver al leerlo. Esta transformacin se logra con las
transformaciones elementales en la matriz ampliada. Lo cual obviamente es ms sencillo que si efecturamos
estas operaciones elementales,(vlidas para transformar una ecuacin en otra equiuvalente), en el sistema.
Las operaciones en el sistema seran:
1- Multiplicar una ecuacin por una constante distinta de cero.
2- Intercambir una ecuacin por otra.
3- Sumar a una ecuacin un mltiplo de otra.
Estas operaciones se corresponden con las transformaciones elementales llevadas a cabo en las filas de la matriz
ampliada que son:
1.- Multiplicar a una fila por una constante distinta de cero.
2.- Cambiar una fila por otra ( de lugar).
3.- Sumarle a una fila un mltiplo de otra.

Mtodo de eliminacin de Gauss.


Este mtodo es aplicable a cualquier tipo de S.E.L. ya sea cuadrado (m =n) o rectangular, homogneo o no.
Se trabaja con la matriz ampliada. Se trata de convertir en una matriz en la forma escalonada reducida, F.E.R.
i1 0 0 1z
y
j
j
j
z
0 1 0 2z
j
z
j
z
j
z
k0 0 1 3{

La matriz anterior est en la FER.


Para que est en la FER una matriz debe tener las siguientes propiedades:
a) Si una fila no tiene solamente ceros entonces el primer nmero diferente de 0 es un 1.
b) Si hay filas que consten solamente de 0, se agrupan al final de la matriz.
c) En dos filas que no contengan exclusivamente 0 el 1 principl de la fila inferior aparece a la derecha del 1
principl en el rengln superior.
d) Cada columna que tenga un 1 principal tiene ceros en todas los dems lugares.
Si la matriz tiene las propiedades a b y c esta en forma escalonada (FE). Si adems cumple con la d, entonces
est en FER.
Una vez transformada la matriz en otra con FER, se convierte en sistema nuevamente para leer e interpretar el
conjunto solucin.
Ejmplo 1:
Si se llega a una matriz:
1 0 0 0y
i
j
z
j
j
z
0 1 2 0z
j
z
j
z
j
z
k0 0 0 1{

Se lee o se convierte:

13

14

Sistemas de ecuaciones lineales.nb

x
== 0
y 2 z == 0
0 == 1

Lo cual es un absurdo ya que 0 1. Esto significa que el sistema es incompatible.


Ejemplo 2:
A = 881, 0, 0, 2<, 80, 1, 0, 3<, 80, 0, 0, 0<< MatrixForm

1 0 0 2y
i
j
z
j
z
j
z
j
j0 1 0 3z
z
j
z
k0 0 0 0{

Esta matriz que ya esta en la forma FER, muestra que en el sitema original exista una ecuacin superflua y que
x=2 e y=3.

Mtodo
Los pasos que se siguien en el Mtodo de Gauss-Jordan, que ya se utiliz para hallar matriz inversa, son los
siguientes
1 Localizar la columna de la izquierda que no conste totalmente de ceros, y si queda con un 0 en la posiciin
a11 , entonces intercambiarla con alguna fila de abajo.
2 Si el elemento en posicin a11 es k, multiplicar toda la fila por 1/k
3 Se completa con 0 la columna 1 y se convierte el resto de los elementos.
Si, una vez multiplicada por 1/k la fila queda algo as:
kk b
c
d

El elemento a transformar es d, y el transformado se obtiene como: d - b*d/k


4 Se elige otro pivote en fila y columna distinta. y as siguiendo hasta escalonar la matriz.
Esta labor el Math la realiza con el comando RowReduce[A]
Ejemplo:
Remove@e1, e2, e3, sis, x, y, zD
e1 = x + 2 y + 3 z == 14;
e2 = 2 x y + 2 z == 6;
e3 = x + y + z == 6;

sis = 8e1, e2, e3<

8x + 2 y + 3 z == 14, 2 x y + 2 z == 6, x + y + z == 6<
Am = LinearEquationsToMatrices@sis, 8x, y, z<D

8881, 2, 3<, 82, 1, 2<, 81, 1, 1<<, 814, 6, 6<<

Sistemas de ecuaciones lineales.nb

A = Am@@1DD

881, 2, 3<, 82, 1, 2<, 81, 1, 1<<


ti = 8814<, 86<, 86<<
8814<, 86<, 86<<

Amp = AppendRows@A, tiD

881, 2, 3, 14<, 82, 1, 2, 6<, 81, 1, 1, 6<<


MatrixForm@AmpD

1 2 3 14 y
i
z
j
j
j
z
2 1 2 6 z
z
j
z
j
j
z
1
1
1
6
k
{

RowReduce@AmpD

881, 0, 0, 1<, 80, 1, 0, 2<, 80, 0, 1, 3<<

En esta matriz que est en FER se lee directamente:


x==1
y==2
z==3

Verificacin
Solve@sis, 8x, y, z<D
88x 1, y 2, z 3<<

sis . 8x > 1, y > 2, z > 3<


8True, True, True<

15