Escolar Documentos
Profissional Documentos
Cultura Documentos
1
2
CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES
3x1 + 2x2 + x3 = 39
2x1 + 3x2 + x3 = 34 (1.4)
x1 + 2x2 + 3x3 = 26
x1 2x2 = 1 (1.5)
x1 + 3x2 = 3 (1.6)
x1 = 1 + 2x2
x1 = 1 + 2 2 = 3
con lo que la ( unica es x1 = 3, x2 = 2.
) solucion
Un segundo procedimiento es el metodo de reduccion. Sumar y res-
tar ecuaciones produce una ecuacion que tambien se ha de cumplir.
Por ejemplo, la suma de las dos ecuaciones (1.5) y (1.6) es
x2 x2 x1 + 3x2 = 1 + 3 x2 = 2
3x1 6x2 = 3
2x1 + 6x2 = 6
a1 x1 + a2 x2 = b
a2 b
x2 = x1 +
a1 k1
La representacion grafica de una recta sobre el plano cartesiano se
ilustra en la figura 1.1.
x2
k
arctan m
x1
Figura 1.1: La grafica de una recta x2 = mx1 + k.
2
solucion
x1
3
grafica del sistema (1.5)(1.6).
Figura 1.2: La solucion
1 2 1
0 2 8
4 5 9
y la matriz aumentada
1 2 1 0
0 2 8 8
4 5 9 9
La primera matriz tiene tres filas y tres columnas, y se dice que tiene unas
dimensiones de 3 por 3 (3 3). La segunda matriz es de 3 4, es decir, de tres
filas y cuatro columnas.
por reduccion
Resolucion de filas. Utilizando el metodo de reduccion, orde-
nadamente, podemos proceder a resolver el sistema anterior sumando cuatro por
a la tercera, para eliminar la variable x1 de esta ultima:
la primera ecuacion
1 2 1 0
0 2 8 8
0 3 13 9
6
CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES
x1 = 29
x2 = 16
x3 = 3
2. Operacion
Li (): multiplicar una fila entera por una constante no
nula
(fila i) fila i ( , 0)
3. Operacion
Li,j (): sumar el multiplo de una fila a otra:
de
Dos matrices se dice que son equivalentes por filas si existe una sucesion
tiene sentido
operaciones elementales de fila que las relaciona. Esta definicion
porque las operaciones elementales de fila son reversibles.
Ejercicio 1.5. Demostrad que las operaciones elementales de fila son reversibles,
Pij , Li () y Lij ().
escribiendo la inversa de cada una con la notacion
1.6. Si dos sistemas lineales tienen matrices aumentadas asociadas que
Proposicion
son equivalentes por filas, entonces estos sistemas son equivalentes, puesto que su
conjunto solucion es el mismo.
Ejercicio 1.7. Demostrad que las operaciones elementales de filas no varan el
del sistema asociado.
conjunto solucion
re-
Existencia y unicidad. El problema matematico de resolver una ecuacion
quiere investigar dos cuestiones fundamentales:
del problema ?
1. Existencia: Existe alguna solucion
2. Unicidad: Es unica ?
la solucion
8
CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES
x2 4x3 = 8
2x1 3x2 + 2x3 = 1
5x1 8x2 + 7x3 = 1
Definicion 1.12. Una posicion pivote es una posicion de una matriz que correspon-
de a un elemento principal de la matriz escalonada reducida asociada. Una columna
pivote es aquella que contiene una posicion pivote. Ambos objetos estan u nicamente
determinados para cada matriz.
0 3 6 4 9
1 2 1 3 1
A =
2 3 0 3 1
1 4 5 9 7
Ejemplo 1.14.
0 3 6 6 4 5 1 0 2 3 0 24
3 7 8 5 8 9 0 1 2 2 0 7
3 9 12 9 6 15 0 0 0 0 1 4
En este ejemplo se observa como
hay mas variables incognitas que
ecuaciones, as que debemos escribir un conjunto de variables en
de otras cuyo valor no este restringido por ninguna ecuacion.
funcion
Por ejemplo, podemos escribir que las solucionesn son
x1 = 24 + 2x3 3x4
x2 = 7 + 2x3 2x4
x3 libre
x4 libre
x = 4
5
general de
Ejemplo 1.16. Encontrad la solucion
1 6 2 5 2 4
0 0 2 8 1 3 .
0 0 0 0 1 7
Solucion:
x1 = 6x2 3x4
x libre
2
x3 = 5 + 4x4
x4 libre
x = 7
5
y la suma
" # " # " #
2 v1 w1 v1 + w1
v, w R v+w = + = (1.9)
v2 w2 v2 + w2
* escalar
es el nombre dado en teora vectorial a un numero
1.3. ECUACIONES VECTORIALES 13
Combinaciones lineales.
Definicion 1.19 (Combinacion lineal). Una combinacion lineal de los vectores v1 ,
v2 ,. . . , vp es un vector formado con la operacion
y = c1 v1 + c2 v2 + + cp vp
donde c1 , c2 ,. . . , cp son escalares cualesquiera.
Ejemplo 1.20. Sean
1 2 7
a1 = 2 , a2 = 5 , b = 4 .
5 6 3
lineal de a1 y a2 .
Determinar si b es una combinacion
vectorial
Planteamos la ecuacion
Solucion:
b = x1 a1 + x2 a2
siendo x1 y x2 incognitas,
los coeficientes de una posible combinacion
es un sistema cuya solucion
lineal. Esta ecuacion es
7 1 2
4 = 3 2 + 2 5 .
3 5 6
La ecuacion
vectorial
x1 a1 + x2 a2 + + xp ap = b (1.10)
equivale al sistema lineal de matriz aumentada
h i
a1 a2 ap b
el vector b es combinacion
Si el sistema lineal anterior tiene solucion, lineal de
los vectores a1 , . . . , ap .
14
CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES
1.4. matricial Ax = b
La ecuacion
matricial permite escribir sistemas lineales de forma muy concisa,
La notacion
y visualizar su estructura de un modo eficiente. Por ejemplo, podemos considerar
MATRICIAL Ax = b
1.4. LA ECUACION 15
x1
h i x2
Ax = a1 a2 an .. = x1 a1 + x2 a2 + + xm am .
.
xn
Como hemos visto, hay tres formas de ver un sistema de ecuaciones lineales:
como un sistema de ecuaciones sobre las variables escalares incognitas, como una
vectorial sobre vectores columna, y como una ecuacion matricial.
ecuacion
Ejemplo 1.25. Si
1 3 4 b1
a1 = 4 , a2 = 2 , a3 = 6 y b = b2
3 2 7 b3
1 3 4 b1
0 14 10 4b1 + b2
0 0 0 b1 21 b2 + b3
x1
h i x2
a1 a2 an .. = x1 a1 + x2 a2 + + xn an = a1 x1 + a2 x2 + + an xn .
.
xn
2 3 4 x1 2 3 4
1 5 3 x 5
2 = x1 + x2 + x3 3
1
6 2 8 x3 6 2 8
2 3 4 x1 2 3 4 x1 x1 x1
1 5 3 x x 1 5 3 x x
2 = 2 + 2 + 2
6 2 8 x3 x3 x3 6 2 8 x3
3 5 4 3 5 4
3 2 4 0 3 0
6 1 8 0 0 0
en forma parametrica es
con lo que la solucion
x1 = 34 x3
x2 = 0
x3 libre
x1 /10 /5
3 2
x = 2 = x2 + x3 0 .
x 1
x3 0 1
x = c1 v1 + c2 v2 + . . . + cp vp
donde todos los coeficientes ci son variables libres, y pueden tomar cualquier
de un sistema lineal
valor. Es decir, x Gen{v1 , . . . , vp } y el conjunto solucion
homogeneo es lo que mas adelante denominaremos un subespacio lineal. Por
ejemplo, si p = 1 se trata de una recta que pasa por el origen, y si p = 2 de un
plano que contiene al origen.
3 5 4 x1 7
3 2 4 x2 = 1 .
6 1 8 x3 4
Reduciendo igual que en ejemplo 1.31
3 5 4 7 1 0 43 1
3 2 4 1
0 1 0 2
6 1 8 4 0 0 0 0
A(x p) = Ax Ap = b b = 0.
de la homogenea y efectivamente x =
Luego x p = vh siendo vh alguna solucion
de la homogenea vh a una
p + vh . Y, ademas, la suma de cualquier solucion
conocida p del sistema, es solucion,
solucion porque
A(p + vh ) = Ap + Avh = b + 0 = b
c1 v1 + c2 v2 + + cp vp = 0
c1 = c2 = = cp = 0.
x1 v1 + x2 v2 + + xp vp = 0 (1.14)
1 2 0
v1 = 2 , v2 = 1 , v3 = 3
3 5 1
es linealmente independiente. Para ello se plantea la ecuacion
x1 v1 + x2 v2 + x3 v3 = 0 (1.15)
1.6. INDEPENDECIA LINEAL 23
de matriz asociada
1 2 0 0 1 2 0 1 2 0
2 1 3 0 2 1 3 0 3 3
y
3 5 1 0 3 5 1 0 0 0
de dependencia.
Figura 1.4: Relacion
c1 cj1 cj+1 cp
vj = v1 vj1 vj+1 vp
cj cj cj cj
1.8. Resumen
Teorema (Unicidad de la forma escalo- Definicion. Una combinacion lineal de
nada). Toda matriz es equivalente a una los vectores v1 , v2 ,. . . , vp es un vector for-
y solo una matriz escalonada reducida. mado con la operacion
Proposicion. La ecuacion matricial Existen soluciones no tri-
Proposicion.
Ax = b tiene solucion si y solo si b es viales de Ax = 0 si y solo si hay relaciones
una combinacion lineal de las columnas de dependencia entre las columnas de A
de A. ( hay variables libres )
Teorema (S). Sea A de m n. Las si- Teorema (I). Sea A de m n. Las si-
guientes afirmaciones equivalen: guientes afirmaciones equivalen:
1. Para todo b la ecuacion Ax = b 1. La u nica solucion de la ecua-
tiene solucion. cion Ax = 0 es la trivial.
2. Todos los vectores b Rm son 2. La u nica combinacion lineal tal
combinaciones lineales de las co- que c1 a1 + c2 a2 + + cn an = 0 es
lumnas de A. la trivial ( ai columnas de A )
3. Las columnas de A generan Rm . 3. Las columnas de A son linealmen-
te independientes.
4. Hay una posicion pivote en cada 4. Hay una posicion pivote en cada
fila de A. columna de A.