Sistema de ecuaciones lineales.

En matemáticas y álgebra lineal, un sistema de ecuaciones lineales, también conocido como

sistema lineal de ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones
lineales (es decir, un sistema de ecuaciones en donde cada ecuación es de primer grado),
definidas sobre un cuerpo o un anillo conmutativo. Un ejemplo de sistema lineal de
ecuaciones sería el siguiente:
3𝑥1 + 2𝑥2 + 𝑥3 = 1
2𝑥1 + 2𝑥2 + 4𝑥3 = −2
1
−𝑥1 + 𝑥 − 𝑥3 = 0
2 2
El problema consiste en encontrar los valores desconocidos de las variables 𝑥1 , 𝑥2 , 𝑥3 que
satisfacen las tres ecuaciones.
El problema de los sistemas lineales de ecuaciones es uno de los más antiguos de la
matemática y tiene una infinidad de aplicaciones, como en procesamiento digital de señales,
análisis estructural, estimación, predicción y más generalmente en programación lineal así
como en la aproximación de problemas no lineales de análisis numérico. [1]

Eliminación Gaussiana. [2]

En esta sección se da un procedimiento sistemático para resolver sistemas de ecuaciones lineales; se
basa en la idea de reducir la matriz aumentada a una forma que sea lo suficientemente simple como
para que el sistema de ecuaciones se pueda resolver por observación.
1 0 0 1
[0 1 0 2]
0 0 1 3
A partir de la cual la solución del sistema resultó evidente. La matriz es un ejemplo de una que se
encuentra en la forma escalonada en los renglones reducida. Para encontrarse en esta forma, una
matriz debe tener las siguientes propiedades.
1. Si un renglón no consta completamente de ceros entonces el primer número diferente de ceros en
el renglón de un 1. (Que se denomina 1 principal).
2. Si hay renglones que constan completamente de ceros, se agrupan en la parte inferior de la matriz.
3. En dos renglones consecutivos cualesquiera que no consten completamente de ceros, el 1 principal
del renglón inferior aparece más a la derecha que el 1 principal en el renglón superior.
4. Cada columna que contenga 1 principal tiene ceros en todas las demás posiciones.
Si una matriz tiene las propiedades 1,2 Y 3 se dice que está en la forma escalonada.
Ejemplo:
Las matrices siguientes están en la forma escalonada en los renglones reducida.
1 0 0 4 1 0 0
0 0
[0 1 0 7 ] [0 1 0 ] [ ]
0 0
0 0 1 −1 0 0 1

Las siguientes matrices están en forma escalonada

1 4 −3 7 1 1 0
[0 1 6 2 ] [0 1 0]
0 0 1 5 0 0 0
El lector debe verificar que cada una de las matrices anteriores satisface todos los requisitos
necesarios.
OBSERVACION. No es difícil ver que una' matriz en la forma escalonada en los renglones debe tener
ceros debajo de cada I principal. Como contraste, una matriz en la forma escalonada en los renglones
reducida debe tener ceros arriba y abajo de cada 1 principal.
Si, por una sucesión de operaciones elementales sobre los renglones, la matriz aumentada
correspondiente a un sistema de ecuaciones lineales se pone en la forma escalonada en los renglones
reducida, entonces es posible obtener el conjunto solución para el sistema por observación, o bien en
el peor de los casos, después de unos cuantos sencillos pasos. El ejemplo que sigue ilustra estas
consideraciones.
Ejemplo
Supóngase que la matriz aumentada correspondiente a un sistema de ecuaciones lineales se ha
reducido por medio de operaciones sobre los renglones a la forma escalonada en los renglones
reducida que se da. Resuélvase el sistema.
1 0 0 5 1 0 0 0
a) [ 0 1 0 − 2] b)[0 1 2 0]
0 0 1 4 0 0 0 0
Solución a) El sistema de ecuaciones correspondientes es:
X1 =5
X2 =-2
X3=4
Por inspección se obtiene que 𝑥1 = 5, 𝑥2 = −2, 𝑥3 = 4.
b) La ultima ecuación en el sistema de ecuaciones correspondiente es
0𝑥1 + 0𝑥2 + 0𝑥3 = 1
Como no es posible que esta ecuación se cumpla, entonces el sistema no tiene solución ⧍.
Eliminación gauissiana
Se acaba de ver qué fácil es resolver un sistema de ecuaciones lineales, una vez que su matriz
aumentada se encuentra en la forma escalonada en los renglones reducida. Ahora se explica un
procedimiento paso a paso, que se puede aplicar a fin de llevar cualquier matriz a la forma escalonada
reducida. A medida que se enuncie cada paso del procedimiento, se ilustra la idea llevando a esa forma
a la matriz siguiente:
0 0 −2 0 7 12
[2 4 −10 6 12 28 ]
2 4 −5 6 −5 −1
Paso 1. Localizar la columna de la izquierda que no conste completamente de dos ceros.
0 0 −2 0 7 12
[2 4 −10 6 12 28 ]
2 4 −5 6 −5 −1

Columna de la izquierda diferente de cero.

Paso 2. Intercambiar el renglón superior con el otro renglón, en caso de ser necesario, para
que la parte superior de la columna determinada en el paso 1 haya un elemento diferente de
cero.
2 4 −10 6 12 28
[0 0 −2 0 7 12 ]
2 4 −5 6 −5 −1
Se intercambiaron el primero y segundo renglones de la matriz precedente
Paso 3. Si el elemento está ahora en la parte superior de la columna determinada en el paso
1 es A multiplicar el renglón por 1/A a fin de introducir un 1 principal.
1 2 −5 3 6 14
[0 0 −2 0 7 12 ]
2 4 −5 6 −5 −1
El primer renglón de la matriz anterior se multiplicó por ½
Paso 4. Sumar múltiplos adecuados de renglón superior a los renglones inferiores para que
todos los elementos debajo de 1 principal se vuelvan 0.
1 2 −5 3 6 14
[0 0 −2 0 7 12 ]
0 0 5 0 −17 −29
Se sumó -2 veces el primer renglón de la matriz anterior al tercer renglón.
Paso 5. A continuación cubrir el renglón superior de la matriz y comenzar de nuevo con el
paso 1 aplicando a la submatriz restante. Continuar de esta manera hasta que toda la matriz
este en forma escalonada.
1 2 −5 3 6 14
[0 0 −2 0 7 12 ]
0 0 5 0 −17 −29

Columna más a la izquierda que no consta completamente de ceros en la submatriz.

1 2 −5 3 6 14
[0 0 1 0 −7/2 −6 ]
0 0 5 0 −17 −29
Se multiplicó el primer renglón de la submatriz por -1/2. Para introducir un 1 principal.

1 2 −5 3 6 14
[0 0 1 0 −7/2 −6]
0 0 0 0 1/2 1
Se sumó -5 veces el primer renglón al segundo de ella misma para introducir un cero debajo
del 1 principal
1 2 −5 3 6 14
[0 0 1 0 −7/2 −6]
0 0 0 0 1/2 1

Columna de la orilla de izquierda diferente de cero en la nueva submatriz.

Se cubrió un renglón superior de la submatriz y se regresó una vez más al paso 1.
1 2 −5 3 6 14
[0 0 1 0 −7/2 −6]
0 0 0 0 1 2
Se multiplico el primer renglón de la nueva matriz por 2 para introducir un 1 principal.
La matriz completa está ahora en la forma escalonada en los renglones. A fin de encontrar la
forma escalonada en los renglones reducida se necesitan los siguientes pasos adicionales:
Paso 6. Empezando con el último renglón diferente de 0 y trabajando hacia arriba, sumar
múltiplos adecuados de cada renglón a los renglones de arriba con objeto de introducir ceros
arriba de unos principales.
1 2 −5 3 6 14
[0 0 1 0 0 1]
0 0 0 0 1 2
Se sumó 7/2 veces el tercer renglón de la matriz anterior al segundo
1 2 −5 3 0 2
[0 0 1 0 0 1]
0 0 0 0 1 2
Se sumó -6 veces el tercer renglón al primero.
1 2 0 3 0 7
[0 0 1 0 0 1]
0 0 0 0 1 2
Se sumó 5 veces el segundo renglón al primero

La ultima matriz esta en forma escalonada reducida.

OBSERVACION. El procedimiento que se ha dado para reducir una matriz a la forma
escalonada en los renglones o a la escalonada en los renglones reducida resulta apropiado·
para utilizar computadoras porque es sistemático. Sin embargo, a veces este procedimiento
introduce fracciones, las que, de lo contrario, se podrían evitar al hacer variar los pasos en la
forma correcta. Por consiguiente, una vez que haya dominado el procedimiento básico, es
posible que el lector desee hacer variar los pasos en problemas específicos a forma de evitar
fracciones. Se puede probar, aunque no se hará, que no importa en qué forma se hagan variar
las operaciones elementales sobre los renglones, siempre se llega a la misma forma
escalonada en los renglones reducida; es decir, la forma escalonada en los renglones reducida
es única. No obstante, una forma escalonada en los renglones no es única; al cambiar la
sucesión de operaciones elementales sobre los renglones es posible llegar a una forma
escalonada en los renglones diferentes.
 REGLA DE CRAMER [3]
Es un método basado en la solución de determinantes que se utiliza para resolver sistemas de
ecuaciones lineales con dos o más incógnitas.

Si Ax = b es un sistema de n ecuaciones lineales con n incógnitas tal que det(𝐴) ≠ 0, entonces la solución del sistema
es única. Esta solución es
det(𝐴1 ) det(𝐴2 ) 𝑑𝑎𝑡(𝐴𝑛 )
𝑥1 = , 𝑥2 = , … … … 𝑥𝑛 =
det(𝐴) det(𝐴) det(𝐴)

Donde AJ es la matriz que se obtiene al sustituir los elementos de la j-esima columna de A por los elementos de la
matriz

𝒃𝟏
𝒃𝟐
..
b=
.
.
⌊𝒃𝒏 ⌋

Dado el siguiente sistema:

2𝑥 − 1𝑦 = 3
{
−1𝑥 + 3𝑦 = 1

Primero se calcula el determinante general, el que se forma con los coeficientes de las incógnitas.

|𝐴| = | 2 −1| = 6 − 1 = 5
−1 3
Luego se calcula, el determinante en x que se obtiene al reemplazar en el determinante general la
primera columna (la columna de las x) por la columna de los términos independientes.

3 −1
|𝐴𝑥 | = | | = 9 + 1 = 10
1 3

Luego se calcula, el determinante en y que se obtiene al reemplazar en el determinante general la

segunda columna (la columna de las y) por la columna de los términos independientes.

2 3
|𝐴𝑦 | = | |=2+3=5
−1 −1

Por último se calcula el valor de cada incógnita por medio de los cocientes:

|𝐴𝑥 | 10
𝑥= = =2→𝑥=2
𝐴 5
|𝐴𝑦 | 5
𝑥= = =1→𝑦=1
𝐴 5
Veamos ahora otro ejemplo, pero de un sistema de tres ecuaciones y tres incógnitas

𝑥 + 𝑦 + 𝑧 = 11
{2𝑥 − 𝑦 + 𝑧 = 5
3𝑥 +2𝑦 +𝑧 = 24

1 1 1
|𝐴| = |2 −1 1| = (−1 + 3+4)-(-3+2+2)=5
3 2 1

11 1 1
|𝐴𝑥 | = | 5 −1 1| = (−11 + 24+10)-(-24+22+5)=20
24 2 1

1 11 1
|𝐴𝑦 | = |2 5 1| = (5 + 33+48)-(15+24+22)=25
3 24 1

1 1 11
|𝐴𝑧 | = |2 −1 5 | = (−24 + 15+44)-(-33+10+48)=10
3 2 124

|𝐴𝑥 | 20
𝑥= = =4→𝑥=4
𝐴 5

|𝐴𝑦 | 25
𝑦= = =5→𝑥=5
𝐴 5

|𝑧𝑥 | 10
𝑧= = =1→𝑥=1
𝐴 5

X=4 y=5 z=1

Gauss-Jordán [4]
Es un algoritmo del álgebra lineal para determinar las soluciones de un sistema de ecuaciones
lineales, encontrar matrices e inversas. Un sistema de ecuaciones se resuelve por el método de Gauss
cuando se obtienen sus soluciones mediante la reducción del sistema dado a otro equivalente en el
que cada ecuación tiene una incógnita menos que la anterior. El método de Gauss transforma la
matriz de coeficientes en una matriz triangular superior. El método de Gauss-Jordán continúa el
proceso de transformación hasta obtener una matriz diagonal.
La complejidad computacional de la eliminación gaussiana es de aproximadamente n3. Esto es, el
número de operaciones requeridas es del orden de n3 si el tamaño de la matriz es n × n.

Algoritmo de eliminación de Gauss-Jordan

1. Ir a la columna no cero extremas izquierdas

2. Si la primera fila tiene un cero en esta columna, intercambiarlo con otra que no lo tenga.
3. Luego, obtener ceros debajo de este elemento delantero, sumando múltiplos adecuados del
renglón superior a los renglones debajo de él.
4. Cubrir el renglón superior y repetir el proceso anterior con la submatriz restante. Repetir con
el resto de los renglones (en este punto la matriz se encuentra en forma escalonada).
5. Comenzando con el último renglón no cero, avanzar hacia arriba: para cada renglón obtener
1 delantero e introducir ceros arriba de este sumando múltiplos correspondientes a los
renglones correspondientes.

Ejemplo
Supongamos que es necesario encontrar los números "x", "y", "z", que satisfacen simultáneamente
estas ecuaciones:
2𝑥 + 𝑦 − 𝑧 = 8
{−3𝑥 − 𝑦 + 2𝑧 = −11
−2𝑥 + 𝑦 + 2𝑧 = −3

Esto es llamado un sistema lineal de ecuaciones. El objetivo es reducir el sistema a otro equivalente,
que tenga las mismas soluciones. Las operaciones (llamadas elementales) son estas:

 Multiplicar una ecuación por un escalar no nulo.

 Intercambiar de posición dos ecuaciones
 Sumar a una ecuación un múltiplo de otra.

Estas operaciones pueden representarse con matrices elementales que se usan también en
otros procedimientos como la factorización LU o la diagonalización por congruencia de una
matriz simétrica.
En nuestro ejemplo, eliminamos x de la segunda ecuación sumando 3/2 veces la primera
ecuación a la segunda y después sumamos la primera ecuación a la tercera. El resultado es:
 2𝑥 + 𝑦 − 𝑥 = 8
1 1
{ 2
𝑦 + 2𝑧 = 1
2𝑦 + 𝑧 = 5
Ahora eliminamos y de la primera ecuación sumando -2 veces la segunda ecuación a la
primera, y sumamos -4 veces la segunda ecuación a la tercera para eliminar y.
2𝑥 − 2𝑧 = 6
1 1
{ 𝑦+ 𝑦=1
2 2
−𝑧 = 1

Finalmente eliminamos z de la primera ecuación sumando -2 veces la tercera ecuación a la

primera, y sumando 1/2 veces la tercera ecuación a la segunda para eliminar z.

2𝑥 = 4
1 3
{ 𝑦=
2 2
−𝑧 = 1

Despejando, podemos ver las soluciones:

𝑥=2
{𝑦=3
𝑧 = −1

Para clarificar los pasos, se trabaja con la matriz aumentada. Podemos ver los 3 pasos en su
notación matricial:
Primero:
2 1 −1 8
[−3 −1 2 −11]
−2 1 2 −3
Después,
2 0 0 4
1 3
[0 2 0 2 ]
0 0 −1 1
Por último.
1 0 0 2
[0 1 0 3]
0 0 1 −1
Si el sistema fuera incompatible, entonces nos encontraríamos con una fila como esta:

[0 0 0 𝑎]
Bibliografías
[1]
[2]
[3]
[4]