Todavía no se han levantado

las barreras que digan al

genio: “De aquí no pasarás”
L.V. Beethoven
ÁLGEBRA LINEAL

SISTEMAS LINEALES, VECTORES

Y MATRICES

Capítulo 2 Ing. Rodolfo Castillo Martínez 2

2.1 Sistemas lineales
Una ecuación con n variables x1, x2, … , xn es
lineal si se puede escribir de la forma

(2.1) a1 x1 + a2 x2 + … + an xn = b

Los términos ai son los coeficientes y b es el

término constante. Las variables se llaman
incógnitas.

Capítulo 2 Ing. Rodolfo Castillo Martínez 3

Si en (2.1) el término constante b es
cero, se tiene entonces la ecuación
homogénea. Si se ordenan las variables,
la primer variable cuyo coeficiente es
diferente de cero se llama variable
delantera o (pivote), las demás son
variables libres.

Capítulo 2 Ing. Rodolfo Castillo Martínez 4

 Ejemplo 1
La ecuación
x1 + x2 + 4 x3 − 6 x4 − 1 = x1 − x2 + 2
Es lineal porque puede escribirse en la forma
canónica o normal
2 x2 + 4 x3 − 6 x4 = 3

x2 es la variable pivote y x1, x3 y x4 son

variables libres
Capítulo 2 Ing. Rodolfo Castillo Martínez 5
 Ejemplo 2
Ecuaciones homogéneas

x1 + 2 x2 − 5 x3 − x4 = 0 x − y + z = (sen4) w

Ecuaciones no lineales

xy − 3 = 2 x x 2 − y = 1 sen( x) + y = 0

Capítulo 2 Ing. Rodolfo Castillo Martínez 6

 Definición
Un sistema lineal de m ecuaciones con n variables
x1, x2, x3, … , xn es un conjunto de ecuaciones de
la forma
a11x1+ a12x2+ a13x3+…+ a1nxn= b1
a21x1+ a22x2+ a23x3+…+ a2nxn= b2




am1x1+ am2x2+ am3x3+…+ amnxn= bm

Capítulo 2 Ing. Rodolfo Castillo Martínez 7

Una matriz es un arreglo rectangular de números.
La matriz de coeficientes está formada por los
coeficientes del sistema. La matriz de una
columna que muestra los términos constantes es
el vector de constantes.
 a11 … a1n   b1 
   
    ;  
a   
 m1  amn   bm 

Capítulo 2 Ing. Rodolfo Castillo Martínez 8

 Matriz aumentada
El arreglo rectangular de los coeficientes y
términos constantes de un sistema lineal es la
matriz aumentada, así

 a11 a12  a1n b1 

 
 a21 a22  a2 n b2 
     
 
 am1 am 2  amn bn 

Capítulo 2 Ing. Rodolfo Castillo Martínez 9

 Ejemplo 3
Considérese el sistema
x1 + 2x2+ a13x = -3
2x1 + 3x2 - 2x3 = -10
-x1 + 0x2 + 6x3 = 9

Matriz de coeficientes: Vector de constantes: Matriz aumentada:

1 2 0  −3   1 2 0 −3 
     
2 3 2 −10  2 3 −2 −10 
 −   
 −1 0 6   9   −1 0 6 9 
    

Capítulo 2 Ing. Rodolfo Castillo Martínez 10

 Solución de un sistema lineal
Definición:
Una sucesión r1, r2, …, rn de escalares es una
solución particular del sistema si al sustituir x1 =
r1, …, xn = rn se satisfacen todas las ecuaciones.
El conjunto de todas las posibles soluciones es el
conjunto solución. Cualquier otro elemento del
conjunto es la solución general.

Capítulo 2 Ing. Rodolfo Castillo Martínez 11

La solución particular del sistema lineal del
ejemplo 3 es x1 = -15, x2 = 6, x3 = -1
Si un sistema tiene por lo menos una solución se
dice que es consistente, en cualquier otro caso el
sistema es inconsistente.
Un sistema lineal puede tener una solución, un
número infinito de soluciones o ninguna solución.

Capítulo 2 Ing. Rodolfo Castillo Martínez 12

Solución de un sistema lineal

Capítulo 2 Ing. Rodolfo Castillo Martínez 13

La gráfica de la ecuación
ax + by + cz = d es un
plano (excepto 0x + 0y +
0z = 0 y 0x + 0y + 0z = d ≠
0). En consecuencia la
gráfica del conjunto solu-
ción es por lo común la
intersección de tres pla-
nos.

Capítulo 2 Ing. Rodolfo Castillo Martínez 14

 1.2 Eliminación Gaussiana
Objetivos:

1. Reconocer una matriz en forma escalonada y

reducida escalonada
2. Proceso de eliminación de Gauss

Capítulo 2 Ing. Rodolfo Castillo Martínez 15

 Forma escalonada
Definición. Una matriz puede tener las siguientes
características:

1. Todos los renglones cero, si existen, están en la

parte inferior.
2. El elemento pivote de cada renglón no cero está
a la derecha del pivote anterior.
3. El elemento pivote de cualquier renglón es 1.
4. Los elementos arriba y abajo del pivote son
cero.
Capítulo 2 Ing. Rodolfo Castillo Martínez 16
Una matriz que satisface las dos primeras
condiciones se dice que está en la forma
escalonada. Si una matriz satisface las cuatro
condiciones se dice que está en la forma
reducida escalonada.

Capítulo 2 Ing. Rodolfo Castillo Martínez 17

 1 0 0 0  1 0 0 −6   1 0 1
     
A =  0 0 1 0  ; B =  0 1 0 0  ; C =  0 0 1
0 0 0 0  0 0 1 −1   0 0 1
     

1 1 0 0 2 1 7 0 9 0
   0 0   
D =  0 0 1 0 3; E =   ; F =  0 0 1 −8 0 
 0 0 0 1 4 1 0  
  0 0 0 0 1

 1 0 −1 0  1 0 0 0 
   
G =  0 1 0 0; H =  0 0 1 0 
 0 0 1 0  0 0 0 −2 
   

Capítulo 2 Ing. Rodolfo Castillo Martínez 18

 Matrices equivalentes
Definición

Dos matrices son equivalentes (de renglón) si

una se obtiene de la otra mediante operaciones
elementales de renglón. Se denotan por

A~B

Capítulo 2 Ing. Rodolfo Castillo Martínez 19

 Operaciones elementales de renglón
Definición:
Las operaciones elementales de renglón de una matriz
implican:

1. Eliminación Ri+cRj →Ri

2. Escalamiento cRi →Ri
3. Intercambio Ri ↔Rj

Capítulo 2 Ing. Rodolfo Castillo Martínez 20

 Ejemplo
Las matrices M y P dadas son equivalentes
 0 3 1 2
   
M =  1 2 ; P = 0 3
 −1 1  0 0
   

 0 3  1 2 1 2 1 2
       
R  R1+R3→R3  -R2+R3→R3
1 2 ↔R 0 3 0 3  0 3 
  1 2  0 0
 −1 1   −1 1  0 3  
     

Así, se tiene que M ~ P

Capítulo 2 Ing. Rodolfo Castillo Martínez 21

 Ejemplo
Se dice que una matriz se reduce a la forma
reducida escalonada si es equivalente a una
matriz de la forma reducida escalonada.
Reducir la siguiente matriz a la forma
reducida escalonada
1 1 0 0 0
 
 3 3 1 0 −1 
 −2 −2 1 1 0 
 

Capítulo 2 Ing. Rodolfo Castillo Martínez 22

Algoritmo de eliminación Gaussiana

Paso 1. Si el primer elemento es un cero,

intercámbiese el renglón.
Paso 2. Hacer ceros abajo del pivote.
Paso 3. Repetir el proceso para los si-
guientes renglones. (Forma escalonada)
Paso 4. Hacer 1 los pivotes y ceros arriba de
él. Comenzar en el último renglón.

Capítulo 2 Ing. Rodolfo Castillo Martínez 23

 Ejemplo

Usar el algoritmo de Guass para obtener

la matriz reducida escalonada de la
siguiente matriz:
 0 3 −6 −4 −3 −5 
 
 −1 3 −10 −4 −4 −2 
 4 −9 34 0 1 −21
 
 2 − 6 20 2 8 − 8 

Capítulo 2 Ing. Rodolfo Castillo Martínez 24

 Unicidad de la forma reducida
escalonada

Teorema 1
Toda matriz es equivalente a una, y solo
una matriz en forma reducida escalonada.

Capítulo 2 Ing. Rodolfo Castillo Martínez 25

 Solución de sistemas lineales
por eliminación Gaussiana

El proceso se aplica a la matriz aumenta-

da del sistema hasta obtener una matriz
escalonada equivalente para después
aplicar la sustitución hacia atrás. Si se
obtiene la forma reducida escalonda, no
se requiere la sustitución hacia atrás.

Capítulo 2 Ing. Rodolfo Castillo Martínez 26

 Ejemplo
Resolver el sistema:
x + 3y - z = 4
-2x + y + 3z = 9
4x + 2y + z = 11
La matriz aumentada es:
 
1 3 −1 4 
 1 3 −1 4   1 3 −1 4   
  2R1+R2 → R2   10
R2 + R3 → R3  0 7 1 17 
− 2 1 3 9  0 7 1 17 
  7 
 4 2 1 11  - 4R1+R3 → R3  0 −10 5 −5  45 135 
    0 0 
 7 7 

Capítulo 2 Ing. Rodolfo Castillo Martínez 27

 Del primer renglón de
  la matriz:
1 3 −1 4   1 3 −1 4 
  7  
0 7 1 17  R3 → R3  0 7 1 17 
x + 3y - z = 4
 45 0 0 1 3 
45 135   
0 0  x + 3(2) - 3 = 4
 7 7 

El tercer renglón de la matriz x= 1

establece que:
z=3
Del segundo renglón: 7y + z = 17
7y = 17 - z = 14
y= 2

Capítulo 2 Ing. Rodolfo Castillo Martínez 28

Gráfica del sistema (solución única)

Capítulo 2 Ing. Rodolfo Castillo Martínez 29

 Resolver el sistema
(Número infinito de soluciones)
Resolver el sistema: La matriz aumentada es:

x + 2y - z = 4  1 2 −1 4 
2x + 5y + 2z = 9  
 2 5 2 9 
x + 4y + 7z = 6 1 4 7 6
 

 1 2 −1 4   1 2 −1 4   1 2 −1 4 
  −2 R1 + R2 → R2    
 2 5 2 9   0 1 4 1  − 2 R1 + R3 → R3 0 1 4 1 
 1 4 7 6  − R1 + R3 → R3 0 2 8 2 0 0 0 0
     

Capítulo 2 Ing. Rodolfo Castillo Martínez 30

Las ecuaciones de ésta última matriz son:

x + 2y - z = 4
y+ 4 z = 1

Si z = r, entonces

y =1-4r x = 9r + 2
x = 4 - 2y + z y = - 4 r + 1 r ∈R
= 2 + 9r z=r

Capítulo 2 Ing. Rodolfo Castillo Martínez 31

Gráfica de un sistema con
muchas soluciones

Línea
solución

Capítulo 2 Ing. Rodolfo Castillo Martínez 32

 Resolver el sistema
(Sin solución)
Resolver el sistema: La matriz aumentada es:

y - 2z = -5  0 1 −2 −5 
2x - y + z = -2  
 2 −1 1 −2 
4x - y = -4  4 −1 0 −4 
 

 0 1 −2 5   2 −1 1 −2 
   
 2 − 1 1 −2 R
 1 ↔ R2  0 1 −2 − 5  − 2 R1 + R3 → R3
 4 −1 0 −4   4 −1 0 −4 
   

Capítulo 2 Ing. Rodolfo Castillo Martínez 33

  2 −1 −1 −2   2 −1 −1 −2 
   
 0 1 −2 −5  − R2 + R3 → R3  0 1 −2 −5 
0 1 2 0  0 0 0 5 
   

La matriz aumentada reducida establece en el tercer renglón:

0z = 5, que corresponde a un sistema inconsistente.

Capítulo 2 Ing. Rodolfo Castillo Martínez 34

Sistemas sin solución
(inconsistentes)

Capítulo 2 Ing. Rodolfo Castillo Martínez 35

 1.3 Soluciones numéricas.
Métodos iterativos
Aproximan la solución de un sistema por medio
de iteraciones que comienzan con un cálculo
inicial aproximado. Si las iteraciones sucesivas
se acercan a la solución se dice que la iteración
converge. En caso contrario se dice que
diverge.

Capítulo 2 Ing. Rodolfo Castillo Martínez 36

 Iteración de Jacobi

Se aplica a sistemas cuadrados, es decir

aquellos que tienen el mismo número de
incógnitas y de ecuaciones. Supóngase el
siguiente sistema de ecuaciones:
5x + y - z = 14
x - 5y + 2z = -9
x - 2y + 10z = -30

Capítulo 2 Ing. Rodolfo Castillo Martínez 37

 Paso 1.
Despejar xi de la i-ésima ecuación del sistema

x = -0.2y + 0.2z + 2.8

y = 0.2x + 0.4z + 1.8
z = -0.1x + 0.2y - 3.0

Capítulo 2 Ing. Rodolfo Castillo Martínez 38

 Paso 2.

Comenzar la iteración considerando cero los

valores iniciales, si no hay otra información, es
(0) (0) (0) (0)
decir: 1
x = x2 = x3  = xn

Para nuestro caso x (0) = y (0) = z (0) = 0

Capítulo 2 Ing. Rodolfo Castillo Martínez 39

 Paso 3.
Sustituir los valores obtenidos repitiendo el
proceso hasta alcanzar la precisión requerida.
x (1) = −0.2(0) + 0.2(0) + 2.8 = 2.8 x (2) = −0.2(1.8) + 0.2(−3) + 2.8 = 1.84
y (1) = 0.2(0) + 0.4(0) + 1.8 = 1.8 y (2) = 0.2(2.8) + 0.4(−3) + 1.8 = 1.16
z (1) = −0.1(0) + 0.2(0) − 3 = −3.0 z (2) = −0.1(2.8) + 0.2(1.8) − 3 = −2.92

x (3) = 1.9840 x (4) = 2.0096 x (5) = 1.9971 x (6) = 1.9999

y (3) = 1.0000 y (4) = 1.0160 y (5) = 1.0026 y (6) = 1.0003

z (3)
= −2.9520 z (4) = −2.9984 z (5) = −2.9978 z (6) = −2.9992

Capítulo 2 Ing. Rodolfo Castillo Martínez 40

 x (7) = 2.0001 x (8) = 2.0000
y (7) = 1.0003 y (8) = 1.0000
z (7) = −2.9999 z (8) = −2.9999

x (9) = 2.0000 x (10) = 2.0000

y (9) = 1.0000 y (10) = 1.0000
z (9) = −3.0000 z (10) = −3.0000

Capítulo 2 Ing. Rodolfo Castillo Martínez 41

 Iteración de Gauss-Seidel
También se aplica a sistemas cuadrados. Para el
mismo ejemplo:

Paso 1. Igual que en la iteración de Jacobi

x = -0.2y + 0.2z + 2.8

y = 0.2x + 0.4z + 1.8
z = -0.1x + 0.2y - 3.0

Capítulo 2 Ing. Rodolfo Castillo Martínez 42

Paso 2. Igual que en Jacobi
x (0) = y (0) = z (0) = 0

Paso 3. Se sustituye la incógnita calculada

más recientemente en el lado derecho de las
ecuaciones obtenidas en el paso 1. Así,
x = -0.2y + 0.2z + 2.8
x = -0.2(0) + 0.2(0)z + 2.8 = 2.8

Capítulo 2 Ing. Rodolfo Castillo Martínez 43

Sustituyendo el valor de x obtenido, en la
segunda ecuación se tiene
y = 0.2x - 0.4z + 1.8
y = 0.2(2.8) + 0.4(0) + 1.8 = 2.36
Sustituyendo el valor de x y y obtenidos, en la
tercera ecuación se tiene
z = -0.1x + 0.2y - 3.0
z = -0.1(2.8) + 0.2(2.36) - 3.0 = -2.808

Capítulo 2 Ing. Rodolfo Castillo Martínez 44

Gauss-Seidel
Iteración x y z
Valor inicial 0.0000 0.0000 0.0000
1 2.8000 2.3600 -2.8080
2 1.7664 1.0301 -2.9706
3 1.9999 1.0117 -2.9976
4 1.9981 1.0006 -2.9997
5 1.9999 1.0001 -3.0000
6 2.0000 1.0000 -3.0000
7 2.0000 1.0000 -3.0000
Capítulo 2 Ing. Rodolfo Castillo Martínez 45
 Convergencia
Una condición suficiente para que las itera-
ciones de Jacobi y Gauss-Seidal sean conver-
gentes es que la matriz de coeficientes del sis-
tema sea diagonalmente dominante. Esto
significa que la matriz es cuadrada y que cada
elemento de la diagonal tenga un valor absoluto
mayor que la suma de los valores absolutos de
los demás elementos del renglón.

Capítulo 2 Ing. Rodolfo Castillo Martínez 46

 Matrices diagonalmente dominantes

 5 1 −1 |5| > |1| + |-1|

 
 1 −5 2  |-5 | > |1| + |2|
 1 −2 10 
  |10| > |-2| + |1|

x - 4y + 2z = 2  1 −4 2   6 −1 2   6 −1 2 
2y + 4z = 1      
 0 2 4 R
 1 ↔ R3 0 2 4 R
 2 ↔ R3 1 −4 2 
6x - y + 2z = 3  6 −1 2   1 −4 2  0 2 4
     

Capítulo 2 Ing. Rodolfo Castillo Martínez 47