Sistema de ecuaciones lineales

En matemtica y lgebra lineal, un sistema de ecuaciones lineales, tambin conocido

como sistema lineal de ecuaciones o simplemente sistema lineal, es un conjunto de
ecuaciones lineales sobre un cuerpo o un anillo conmutativo. Un ejemplo de sistema lineal
de ecuaciones sera el siguiente:

El problema consiste en encontrar los valores desconocidos de las variables x1, x2 y x3 que
satisfacen las tres ecuaciones.

El problema de los sistemas lineales de ecuaciones es uno de los ms antiguos de la

matemtica y tiene una infinidad de aplicaciones, como en procesamiento digital de
seales, anlisis estructural, estimacin, prediccin y ms generalmente en programacin
lineal as como en la aproximacin de problemas no lineales de anlisis numrico.

Introduccin
En general, un sistema con m ecuaciones lineales y n incgnitas puede ser escrito en forma
ordinaria como:

Donde son las incgnitas y los nmeros son los coeficientes del
sistema sobre el cuerpo . Es posible reescribir el sistema separando con
coeficientes con notacin matricial:

(1)
Si representamos cada matriz con una nica letra obtenemos:

Donde A es una matriz m por n, x es un vector columna de longitud n y b es otro vector

columna de longitud m. El sistema de eliminacin de Gauss-Jordan se aplica a este tipo de
sistemas, sea cual sea el cuerpo del que provengan los coeficientes.

Sistemas lineales reales

En esta seccin se analizan las propiedades de los sistemas de ecuaciones lineales sobre el
cuerpo , es decir, los sistemas lineales en los coeficientes de las ecuaciones son nmeros
reales.

Representacin grfica

La interseccin de dos planos no paralelos es una recta.

Un sistema con incgnitas se puede representar en el n-espacio correspondiente.

En los sistemas con 2 incgnitas, el universo de nuestro sistema ser el plano

bidimensional, mientras que cada una de las ecuaciones ser representada por una recta, si
es lineal, o por una curva, si no lo es. La solucin ser el punto (o lnea) donde intersecten
todas las rectas y curvas que representan a las ecuaciones. Si no existe ningn punto en el
que intersecten al mismo tiempo todas las lneas, el sistema es incompatible, o lo que es lo
mismo, no tiene solucin.

Tipos de sistemas

Los sistemas de ecuaciones se pueden clasificar segn el nmero de soluciones que pueden
presentar. De acuerdo con ese caso se pueden presentar los siguientes casos:
 Sistema incompatible si no tiene ninguna solucin.
Sistema compatible si tiene alguna solucin, en este caso adems puede distinguirse
entre:
o Sistema compatible determinado cuando tiene un nmero finito de soluciones.
o Sistema compatible indeterminado cuando admite un conjunto infinito de
soluciones.

Quedando as la clasificacin:

Los sistemas incompatibles geomtricamente se caracterizan por (hiper)planos o rectas que

se cruzan sin cortarse. Los sistemas compatibles determinados se caracterizan por un
conjunto de (hiper)planos o rectas que se cortan en un nico punto. Los sistemas
compatibles indeterminados se caracterizan por (hiper)planos que se cortan a lo largo de
una recta [o ms generalmente un hiperplano de dimensin menor]. Desde un punto de
vista algebraico los sistemas compatibles determinados se caracterizan porque el
determinante de la matriz es diferente de cero:

Sistemas compatibles indeterminados

Un sistema sobre un cuerpo K es compatible indeterminado cuando posee un nmero

infinito de soluciones. Por ejemplo, el siguiente sistema:

Tanto la primera como la segunda ecuacin se corresponden con la recta cuya pendiente es
y que pasa por el punto , por lo que ambas intersecan en todos los puntos
de dicha recta. El sistema es compatible por haber solucin o interseccin entre las rectas,
pero es indeterminado al ocurrir esto en infinitos puntos.

En este tipo de sistemas, la solucin genrica consiste en expresar una o ms variables

como funcin matemtica del resto. En los sistemas lineales compatibles indeterminados,
al menos una de sus ecuaciones se puede hallar como combinacin lineal del resto, es
decir, es linealmente dependiente.

Una condicin necesaria para que un sistema sea compatible indeterminado es que el
determinante de la matriz del sistema sea cero (y por tanto uno de sus autovalores ser
0):
 De hecho, de las dos condiciones anteriores se desprende, que el conjunto de soluciones
de un sistema compatible indeterminado es un subespacio vectorial. Y la dimensin de ese
espacio vectorial coincidir con la multiplicidad geomtrica del autovalor cero.

Sistemas incompatibles

De un sistema se dice que es incompatible cuando no presenta ninguna solucin. Por

ejemplo, supongamos el siguiente sistema:

Las ecuaciones se corresponden grficamente con dos rectas, ambas con la misma
pendiente, Al ser paralelas, no se cortan en ningn punto, es decir, no existe ningn valor
que satisfaga a la vez ambas ecuaciones.

Matemticamente un sistema de estos es incompatible cuando el rango de la matriz del

sistema es inferior al rango de la matriz ampliada. Una condicin necesaria para que esto
suceda es que el determinante de la matriz del sistema sea cero:

Mtodos de resolucin

Sustitucin

El mtodo de sustitucin consiste en despejar en una de las ecuaciones cualquier incgnita,

preferiblemente la que tenga menor coeficiente, para, a continuacin, sustituirla en otra
ecuacin por su valor.

En caso de sistemas con ms de dos incgnitas, la seleccionada debe ser sustituida por su
valor equivalente en todas las ecuaciones excepto en la que la hemos despejado. En ese
instante, tendremos un sistema con una ecuacin y una incgnita menos que el inicial, en el
que podemos seguir aplicando este mtodo reiteradamente. Por ejemplo, supongamos que
queremos resolver por sustitucin este sistema:

En la primera ecuacin, seleccionamos la incgnita por ser la de menor coeficiente y que

posiblemente nos facilite ms las operaciones, y la despejamos, obteniendo la siguiente
ecuacin.
El siguiente paso ser sustituir cada ocurrencia de la incgnita en la otra ecuacin, para
as obtener una ecuacin donde la nica incgnita sea la .

Al resolver la ecuacin obtenemos el resultado , y si ahora sustituimos esta

incgnita por su valor en alguna de las ecuaciones originales obtendremos , con lo
que el sistema queda ya resuelto.

Igualacin

El mtodo de igualacin se puede entender como un caso particular del mtodo de

sustitucin en el que se despeja la misma incgnita en dos ecuaciones y a continuacin se
igualan entre s la parte derecha de ambas ecuaciones.

Tomando el mismo sistema utilizado como ejemplo para el mtodo de sustitucin, si

despejamos la incgnita en ambas ecuaciones nos queda de la siguiente manera:

Como se puede observar, ambas ecuaciones comparten la misma parte izquierda, por lo que
podemos afirmar que las partes derechas tambin son iguales entre s.

Una vez obtenido el valor de la incgnita , se substituye su valor en una de las ecuaciones
originales, y se obtiene obtener el valor de la .

La forma ms fcil de tener el mtodo de sustitucin es realizando un cambio para despejar

x despus de averiguar el valor de la y.

Reduccin

Este mtodo suele emplearse mayoritariamente en los sistemas lineales, siendo pocos los
casos en que se utiliza para resolver sistemas no lineales. El procedimiento, diseado para
sistemas con dos ecuaciones e incgnitas, consiste en transformar una de las ecuaciones
(generalmente, mediante productos), de manera que obtengamos dos ecuaciones en la que
una misma incgnita aparezca con el mismo coeficiente y distinto signo. A continuacin, se
suman ambas ecuaciones producindose as la reduccin o cancelacin de dicha incgnita,
obteniendo as una ecuacin con una sola incgnita, donde el mtodo de resolucin es
simple.

Por ejemplo, en el sistema:

no tenemos ms que multiplicar la primera ecuacin por para poder cancelar la

incgnita . Al multiplicar, dicha ecuacin nos queda as:

Si sumamos esta ecuacin a la segunda del sistema original, obtenemos una nueva ecuacin
donde la incgnita ha sido reducida y que, en este caso, nos da directamente el valor de la
incgnita :

El siguiente paso consiste nicamente en sustituir el valor de la incgnita en cualquiera

de las ecuaciones donde aparecan ambas incgnitas, y obtener as que el valor de es igual
a:

Mtodo de Gauss

La eliminacin de Gauss-Jordan, ms conocida como mtodo de Gauss, es un mtodo

aplicable nicamente a los sistemas lineales de ecuaciones, y consistente en triangular la
matriz aumentada del sistema mediante transformaciones elementales, hasta obtener
ecuaciones de una sola incgnita, cuyo valor ser igual al coeficiente situado en la misma
fila de la matriz. Este procedimiento es similar al anterior de reduccin, pero ejecutado de
manera reiterada y siguiendo un cierto orden algortmico.

En primer lugar, reducimos la incgnita , sumando a la segunda fila, la primera

multiplicada por , y a la tercera, la primera fila. La matriz queda as:

El siguiente paso consiste en eliminar la incgnita en la primera y tercera fila, para lo cual
les sumamos la segunda multiplicada por y por , respectivamente.

Por ltimo, eliminamos la , tanto de la primera como de la segunda fila, sumndoles la

tercera multiplicada por y por , respectivamente:

Llegados a este punto podemos resolver directamente las ecuaciones que se nos plantean:

O, si lo preferimos, podemos multiplicar las tres filas de la matriz por: , y

respectivamente, y obtener as automticamente los valores de las incgnitas en la ltima
columna.
Eliminacin de Gauss-Jordan
En matemticas, la eliminacin Gaussiana, eliminacin de Gauss o eliminacin de
Gauss-Jordan, llamadas as debido a Carl Friedrich Gauss y Wilhelm Jordan, son
algoritmos del lgebra lineal para determinar las soluciones de un sistema de ecuaciones
lineales, encontrar matrices e inversas. Un sistema de ecuaciones se resuelve por el mtodo
de Gauss cuando se obtienen sus soluciones mediante la reduccin del sistema dado a otro
equivalente en el que cada ecuacin tiene una incgnita menos que la anterior. Cuando se
aplica este proceso, la matriz resultante se conoce como: "forma escalonada".

El mtodo fue presentado por el matemtico Carl Friedrich Gauss, pero se conoca
anteriormente en un importante libro matemtico chino llamado Jiuzhang suanshu o Nueve
captulos del arte matemtico.[cita requerida]

Anlisis de Complejidad
La complejidad computacional de la eliminacin gaussiana es aproximadamente n3. Esto
es, el nmero de operaciones requeridas es n3 si el tamao de la matriz es n n.

Ejemplo
Supongamos que es necesario encontrar los nmeros x, y, z, que satisfacen simultneamente
estas ecuaciones:
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 ecuacin por un escalar no nulo.

Intercambiar de posicin dos ecuaciones
Sumar a una ecuacin un mltiplo de otra.

Estas operaciones pueden representarse con matrices elementales que se usan tambin en
otros procedimientos como la factorizacin LU o la diagonalizacin por congruencia de una
matriz simtrica.

En nuestro ejemplo, eliminamos x de la segunda ecuacin sumando 3/2 veces la primera

ecuacin a la segunda y despus sumamos la primera ecuacin a la tercera. El resultado es:

Ahora eliminamos y de la primera ecuacin sumando -2 veces la segunda ecuacin a la

primera, y sumamos -4 veces la segunda ecuacin a la tercera para eliminar y.

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

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

Despejando, podemos ver las soluciones:

Para clarificar los pasos (y es en realidad lo que las computadoras manejan), se trabaja con
la matriz aumentada. Podemos ver los 3 pasos en su notacin matricial:

Primero:
Despus,

Por ltimo.

Si el sistema fuera incompatible, entonces nos encontraramos con una fila como esta:

Que representa la ecuacin: 0x + 0y + 0z = 1, es decir, 0 = 1 que no tiene solucin.

Forma escalonada y escalonada reducida

Artculo principal: Matriz escalonada

Dos formas especiales de matrices son la escalonada y la escalonada reducida. Una matriz
puede tener las siguientes propiedades:

1. Todas las filas cero estn en la parte inferior de la matriz.

2. El elemento delantero de cada fila diferente de cero, ste es llamado "pivote"; stos
estn a la derecha del elemento delantero de la fila anterior (esto supone que todos
los elementos debajo de un pivote son cero).

Si una matriz A cumple con esas propiedades, se dice escalonada. Adems, cumpliendo
estas otras condiciones, decimos que la matriz se encuentra en la forma reducida de
rengln escaln o tan solo en forma escalonada reducida.

1. Todos los elementos delanteros ("pivotes") son iguales a 1

2. Todos los elementos por encima de los pivotes son nulos.

Cuando una matriz representa a un sistema de ecuaciones situaciones como tener una
columna de ceros parece imposible ya que correspondera a una variable que nunca habra
aparecido. Sin embargo esta situacin puede presentarse (imaginemos la ecuacin de un
plano en el espacio en la que no aparece alguna de las componentes, por ejemplo y+z=0).
As la matriz

tambin es una matriz escalonada.

Una vez que la matriz del sistema se ha transformado hasta obtener una matriz escalonada
reducida es muy fcil discutirlo (es decir, determinar cuntas soluciones tiene):

1. Cuando aparece un pivote en la columna de los trminos independientes el sistema

es incompatible (no tiene ninguna solucin).
2. En otro caso el sistema es compatible. Si adems el nmero de pivotes coincide con
el nmero de incgnitas el sistema es compatible determinado (tiene una nica
solucin). Cuando el nmero de pivotes es menor que el nmero de incgnitas el
sistema es indeterminado (tiene infinitas soluciones que dependen de tantos
parmetros como indique la diferencia entre el nmero de incgnitas y el nmero de
pivotes).

Otras aplicaciones
Encontrando la inversa de una matriz

Es posible usar la eliminacin gaussiana para encontrar inversas de matrices n n. Para

ello se aumenta la matriz dada, digamos A con una matriz identidad simplemente
escribiendo las filas de la identidad a continuacin de las de nuestra matriz A, por ejemplo
dada:

se construira
y ahora se realizan las operaciones elementales sobre las filas de la matriz aumentada que
sean necesarias para obtener la forma escalonada reducida de la matriz A; sumando tanto a
la segunda como a la tercera fila la primera obtenemos

multiplicamos la segunda fila por -1 y la intercambiamos con la primera

ya tenemos el pivote de la primera fila que usamos para hacer ceros debajo

ahora usamos el pivote de la segunda fila

y por ltimo cambiamos de signo la tercera fila y usamos el pivote correspondiente

El proceso ha finalizado porque en la parte izquierda tenemos la forma escalonada reducida

de A y puesto que sta es la matriz identidad, entonces A tiene inversa y su inversa es la
matriz que aparece a la derecha, en el lugar que al principio ocupaba la identidad. Cuando
la forma escalonada reducida que aparece no es la identidad es que la matriz de partida no
tiene inversa.
Factorizacin LU
En el lgebra lineal, la factorizacin o descomposicin LU (del ingls Lower-Upper) es
una forma de factorizacin de una matriz como el producto de una matriz triangular inferior
y una superior. Debido a la inestabilidad de este mtodo, por ejemplo si un elemento de la
diagonal es cero, es necesario premultiplicar la matriz por una matriz de permutacin.
Mtodo llamado factorizacin PA = LU o LU con pivote.

Esta descomposicin se usa en el anlisis numrico para resolver sistemas de ecuaciones

(ms eficientemente) o encontrar las matrices inversas.

Definiciones
Sea A una matriz no singular (si lo fuera, entonces la descomposicin podra no ser nica)

donde L y U son matrices inferiores y superiores triangulares.

Para matrices , esto es:

Por otro lado la descomposicin PLU tiene esta forma:

Lm 1Pm 1...L2P2L1P1A = U

Con Lm 1...L1 matrices triangulares inferiores, Pm 1...P1 matrices de permutacion y U una

matriz triangular superior.

Para determinar L:

L = (L'm 1 * ... * L'2 * L'1) 1

y cada L'k est dado por:

L'k =
Esto se debe a que L'k es igual a Lk, pero con los elementos de la subdiagonal permutados.

Otra forma de ver ste tipo de factorizacin es: A = PTLU Recordando que las matrices de
permutacin matriz permutacin son invertibles y su inversa es su traspuesta

Unicidad
Las matrices L y U son nicas, si la matriz no es singular. En caso contrario pueden no ser
nicas.

Demostracin:

Dada la matriz A Rmxn

A = L1U1 y A = L2U2

Recordemos que L1,U1,L2,U2 son invertibles por tener el determinante distinto de cero
entonces:

L1U1 = L2U2

Entonces es una matriz triangular inferior, con unos en la diagonal y es

triangular superior, con unos en la diagonal (recordando que el producto matricial de
triangulares superiores/inferiores es triangular superior/inferior). La nica matriz que
cumple estas dos propiedades es la identidad. Por lo tanto:

Con lo cual:

L1 = L2 y U1 = U2

Algoritmos
La factorizacin LU es bsicamente una forma modificada de la eliminacin gaussiana.
Transformamos la matriz A en una triangular superior U anulando los elementos debajo de
la diagonal.
E1 * E2 * ... * En * A = U

Donde E1,E2,...,En son matrices elementales, que representan los distintos pasos de la
eliminacin. Luego recordando que la inversa de una matriz elemental, es otra matriz
elemental:

Llamamos L a una matriz triangular inferior.

Aplicaciones
Resolviendo sistemas de lgebra lineal

Dada la ecuacin matricial

Ax = LUx = b

Queremos la solucin para un determinando A y b. Los pasos son los siguientes:

1. Primero, resolvemos Ly = b para y

2. Segundo, resolvemos Ux = y para x.

Ntese que ya tenemos las matrices L y U. La ventaja de este mtodo es que es

computacionalmente eficiente, porque podemos elegir el vector b que nos parezca y no
tenemos que volver a hacer la eliminacin de Gauss cada vez.

Factorizacin L-U con pivotacin: Al utilizar la tcnica de triangulacin de Gauss para

obtener la descomposicin L-U de una matriz A podemos encontrarnos con el mismo
problema de encontrar un coeficiente en la diagonal que sea 0 o un mal condicionamiento.
Podemos entonces utilizar la misma tcnica de pivotacin : buscar el siguiente elemento en
la columna que sea distinto de 0 o, mejor an, el de mayor valor absoluto.

Pero una vez obtenida la descomposicin L-U, si queremos aplicarla a resolver un sistema
de ecuaciones, tendremos que tener en cuenta la historia o registro de las pivotaciones
efectuadas para aplicar al vector de trminos independientes.

Esto se realiza mediante la matriz de andres permutacin P, que consiste en efectuar sobre
la matriz identidad, las mismas permutaciones de filas que se vayan efectuando sobre la
matriz que se est triangulando por Gauss.

Al mismo tiempo se efectan las mismas permutaciones sobre los elementos subdiagonal
de la matriz L.

As, si tenemos, por ejemplo, el sistema:

AX=B

y L y U son las matrices obtenidas de la matriz A como descomposicin L-U por

triangulacin de Gauss con pivotaciones recogidas en la matriz de permutacin P, es fcil
comprobar que :

LU=PA (LU)X=P(AX)=PB=NUEVOB

Por tanto los procesos de sustitucin descendente y ascendente los aplicamos a :

LD=NUEVOB UX=D

Matriz Inversa

Las matrices L y U pueden ser usadas para calcular la matriz inversa mediante:

A 1 = U 1L 1

Algunas implementaciones que invierten matrices usan este mtodo.

Determinante de una matriz

Las matrices L y U pueden ser usadas para calcular el determinante de la matriz A muy
eficientemente porque det(A) = det(L)det(U) y los determinantes de matrices triangulares
son simplemente el producto de los elementos de sus diagonales. En particular, si L es una
matriz triangular en cuya diagonal todos los elementos son uno, entonces:

La misma aproximacin al problema puede ser usada para factorizaciones LUP en las que
aparece matrices de permutacin, pues el determinante de una matriz de permutacin P es
(1)S, donde S es el nmero de permutaciones de filas en la descomposicin