1.1.

Formas de visualizar un sistema de ecuaciones

Ejemplo: (Con una infinidad de soluciones). Del ejemplo anterior tomamos el sistema y cambiamos
el lado derecho (cambiamos 6 por 7). Es decir, tenemos el siguiente nuevo sistema:

x+y+z =2
2x + 3z = 5
3x + y + 4z = 7

Del nuevo, calculando Fila1 + Fila2 − Fila3 tenemos:

 Interpretación: Cada punto que satisface las primeras dos ecuaciones satisface la tercera ecuación,
es decir, la intersección de los primeros dos planos (cada punto de una linea) satisface la tercera
ecuación y el conjunto solución es una lı́nea (una infinidad de puntos).

La visualización por columna es:

Usando Geogebra podemos ver que el vector ~b (lado derecho) ahora pertenece al plano generado
~ , ~b :
por las primeras dos columnas y los vectores ~u,~v , w

Plane( (0,0,0), (1,2,3), (1,0,1) )

u = (1,2,3)
v = (1,0,1)
w = (1,3,4)
b = (2,5,7)

11
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1. Sistemas de Ecuaciones Lineales

1.2. Representación matricial

Por lo visto, tenemos dos formas de escribir el sistema, una por filas y otra por columnas. La
existencia de soluciones depende de los coeficientes (números multiplicados con las incógnitas) y del
lado derecho, pero no de la forma de escribir el sistema. Necesitamos el concepto de matrices para
representar las dos formas de escribir el sistema y para estudiar existencia de soluciones.

ï Definición. Una matriz (real) de tamaño

En corto: Muchos autores escriben A ∈ M(m × n) o A ∈ Rm×n .

Ejemplo: Una matriz A ∈ R3×3 , es decir, una matriz (real) A de tamaño 3 × 3 puede ser

 En Python: Una forma de introducir matrices es definir un arreglo:

import numpy
A = [Link]( [ [1,2,3], [2,5,2], [6,-3,1] ] )

Acceso a entradas:
Si quiero una entrada de un arreglo (matriz), tengo que poner la matriz seguida de unas
paréntesis [ ] con el número de fila y columna. Notar que Python empieza contar filas y
columnas con cero, por ejemplo, A[2,1] indica la entrada que esta en la tercera fila (de las
filas {0, 1, 2} ) y en la segunda columna de {0, 1, 2} .
Si quiero toda la primera fila ocupo A[0,:] y para la fila i ocupo A[i,:] y para la columna
j ocupo A[:,j].

12
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1.2. Representación matricial

 En nuestro curso para A ∈ Rm×n usaremos la siguiente notación parecida :

 
1 0 6 2
Ejemplo: Si C ∈ R3×4 es la matriz C = 7 8 3 1 , entonces escribimos para el segundo
 

9 6 4 3
renglón y la cuarta columna:

 En Álgebra es importante notar lo siguiente:

El renglón C(2, :) ∈ R1×4 es un vector renglón con 4 entradas y (a la vez) una matriz con
1 renglón y 4 columnas.
La columna C(:, 4) ∈ R3×1 es un vector columna con 3 entradas y (a la vez) una matriz
con 3 renglones y 1 columna.

1.2.1. La forma matricial de un sistema lineal

Recordamos y usamos el producto punto

  de “Geometrı́a Analı́tica”, por ejemplo, el producto
h i x
punto entre los vectores 1 2 3 y y  es
 

Ejemplo: Usando la idea anterior, representamos el sistema

x + 2y + 3z = 6
2x + 5y + 2z = 4
6x − 3y + z = 2

13
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1. Sistemas de Ecuaciones Lineales

mediante un producto de una matriz por un vector igualado al vector ~b del lado derecho. Elhproducto
x
i
de matriz por vector viene del producto (punto) de un vector fila por el vector columna yz .

Por varias razones (“flojera”, “ahorrar papel”, ...) las operaciones anteriores se escriben utilizando la
matriz, es decir, este sistema en forma matricial se ve como:

Escribimos el sistema nuevamente por columnas:

 En esta página se reconocen 3 formas de escribir el mismo sistema de 3 ecuaciones lineales:

La forma matricial A~x = ~b es la más usada de escribir un sistema lineal.
La primera forma arriba (deja reconocer hla iforma por filas) y nos diceh como calculamos el
x x
i
producto de una matriz A con el vector z , es decir, el producto A z . que aparece en
y y

la forma matricial del sistema.

hxi
La representación por columnas nos dice una segunda forma de calcular el producto A yz ,
es decir, primero multiplicamos x con la primera columna de A, y con la segunda y z con
la tercera y después sumamos estos vectores escalados.
La primera forma también permite paralelizar el calculo de productos “matriz”-“vector” y ası́
acelerar algoritmos que usan este producto.

14
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1.2. Representación matricial

 hxi
Ejemplo*: El sistema escrito por columnas permite ver con cual vector ~x = yz debes multiplicar
cuando quieres extraer una columna de la matriz A. ¿Con cuál vector sacas la primera, segunda y
tercera columna de A ?

Ejemplo: (Producto matriz–vector).

¿Cuánto vale el vector ~b tal que A~x = ~b si la matriz A y el vector ~x son dados por:
   
1 0 0 1
A = −1 1 0
 
& ~x = 4 ?
 

0 −1 1 9

La matriz A es especial porque el producto A~x nos da la diferencia de las coordenadas de ~x :

Además, el siguiente ejemplo muestra que el sistema con la matriz anterior es fácil de resolver.

15
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
1. Sistemas de Ecuaciones Lineales
hxi
Ejemplo: (Resolver un sistema con la matriz A del ejemplo anterior). Encuentre el vector ~x = y
z
h1i
que es solución de A~x = ~b cuando ~b = 5 .
8

La solución fue fácil de hencontrar

i porque la matriz A es un tipo de matriz que llamáremos
triangular inferior A = .

Matrices especiales:

Existen matrices con caracterı́sticas especiales.

“Multiplicar un número con uno no cambia el número”.
Para “preservar” matrices y vectores el “UNO” es la matriz identidad, denotada In donde
n indica el número de renglones y columnas y los elementos de la diagonal son 1′ s y fuera de
ella son cero. Por ejemplo:
 
  1 0 0 0
" # 1 0 0  
1 0 0 1 0 0
I2 = , I3 = 0 1 0 , I4 = 
  
0 1 0 0 1 0
0 0 1
 
0 0 0 1

En Python: [Link](n) construye la matriz In .

El nombre “matriz identidad” es porque, el producto In~x siempre da ~x y si buscamos una
solución ~x del sistema In~x = ~b entonces esa solución será ~b.
Algo especial son matrices cuyas entradas son cero o el vector ~0 ∈ Rn (el origen), por ejemplo
 
0
 
0 0 0 0 0 " #
0 .
~0 =  ..  .
O3×5 = 0 0 0 0 0 , O2×1 = ,
 
0  
0 0 0 0 0 0

16
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1.2. Representación matricial

En Python: [Link]( (3,5) ) o [Link]( (2,1) ) construyen esas matrices.

Si multiplican un vector con estos matrices, siempre les dará cero o un vector de ceros.
La matriz de rotación de α grados en sentido contrario a las manecillas del reloj es:
" #
cos(α) − sen(α)
Rα = ∈ R2×2
sen(α) cos(α)

La matriz de reflexión en la lı́nea y = x tan α2 :

" #
cos(α) sen(α)
Sα = ∈ R2×2
sen(α) − cos(α)

π      
Ejemplo: Rotación por ó 90◦ del triángulo ABC con A = −1
1 , B = −3
1 , C = −3
2 .
2

Ejercicio: Usa la matriz de Reflexión con α = 90◦ para ver que pasa con el triángulo.

Hasta ahora hemos visto sistemas de 2 × 2 & 3 × 3, es decir, sistemas de 2 ecuaciones e incógnitas
& 3 ecuaciones e incógnitas. A continuación veremos sistemas con m ecuaciones y n incógnitas.

17
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1. Sistemas de Ecuaciones Lineales

1.3. Sistemas de m ecuaciones y n incógnitas

ï Definición. Un sistema lineal (sistema de ecuaciones lineales) S que consta de m -ecuaciones
en n -incógnitas x1 , x2 , x3 , x4 , . . . , xn es de la forma:
















S=
















donde aij con i ∈ {1, . . . , m} , j ∈ {1, . . . , n} son los coeficientes reales conocidos (en general son
elementos del campo), b1 , . . . , bm son también números reales conocidos (o elementos del campo) &
se encuentran del lado derecho de la igualdad.
Si b1 = b2 = . . . = bm = 0, entonces el sistema lineal se llamará homogéneo.
De cualquier otra forma "es no-homogéneo.
u1 #
u2
Una tupla o vector ~u = .. será solución de S, cuando se sustituyen los números de la tupla
.
un
en cada una de las ecuaciones del sistema S & todas ellas se satisfacen.
Denotaremos por Ls al conjunto de todas las soluciones de S.

 La definición anterior nos dice una forma de calcular el producto A~x cuando la matriz A ∈ Rm×n
y el vector ~x ∈ Rn×1 son conocidos.
ï Definición (“corta”). Sea A ∈ Rm×n una matriz conocida (con m renglones y n columnas),
~b ∈ Rm \ ~0 un vector conocido (el lado derecho con m renglones) y ~x ∈ Rn un vector (columna


cuyas entradas son las incógnitas). Entonces, A~x = ~0 es un sistema lineal homogéneo y A~x = ~b
un sistema lineal no-homogéneo.

Ejemplos: (Casos especiales)

18
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1.3. Sistemas de m ecuaciones y n incógnitas

1.3.1. Sistemas equivalentes

ï Definición. Se dice que dos sistemas S & S ′ son equivalentes denotado S ∼ S ′ si tienen el mismo
conjunto solución. Esto es, cada solución del sistema S es solución del sistema S ′ y (al revés).

Ejemplos:
a) Intercambio de ecuaciones no cambia soluciones:

 
x1 − x2 + 2x3 = 1



 

 
S= −x1 + 2x2 − x3 = −1 S′ =

 

x1 − 2x2 − x3 = 3
 




b) Multiplicar una ecuación por una constante distinta de cero no cambia. Las siguientes sistemas
son equivalentes, ya que ambos tienen la única solución [ 23 ] :



( 

x1 − x2 = −1


′
S= S =
x2 = 3 






c) Los siguientes sistemas son equivalentes, ya que la única solución es [ xx12 ] = 2

 
−1 tanto para S
cono para S ′ .



( 

x1 − x2 = 3


′
S= S =
2x1 − x2 = 5 






Note que tanto S como S ′ tienen la misma primera ecuación y que

“segunda ecuación de S ′ ” = “segunda ec. de S ” − “2veces la primera ec. de S. ”.

En los tres ejemplos anteriores hemos obtenido sistemas equivalentes, usando operaciones que nos
llevan del primer sistemas al segundo sistema. A estas operaciones se les conoce como operaciones
elementales & las definimos formalmente.

1.3.2. Operaciones elementales

ï Definición. Se llaman Operaciones Elementales de ecuaciones o filas a las siguientes tres opera-
ciones:
(I) Intercambiar (permutar) dos ecuaciones (filas).
(II) Multiplicar una ecuación por un número diferente de cero.
(III) Sumar un múltiplo de una ecuación a otra ecuación.

19
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1. Sistemas de Ecuaciones Lineales

A continuación presentamos unos de los teoremas mas importantes dentro del Álgebra Lineal que
nos permitirá llevar un sistema lineal S a un sistema equivalente a través de operaciones elementales.

Teorema 1.1. Si S es un sistema y se realiza una operación elemental para obtener un sistema
S ′ , entonces ambos sistemas son equivalentes.
" u1 #
u2
Demostración. Sea ~u = .. una tupla que es solución del sistema S. Se tienen que considerar tres
.
un
casos, aunque solamente efectuamos uno de ellos, ya que es el que mejor ejemplifica la demostración.
Caso (II), la segunda operación elemental.
Consideremos un número i ∈ {1, . . . , m} fijo. Además, consideremos la i -ésima ecuación del
sistema S, es decir, consideremos

ai1 x1 + ai2 x2 + . . . + ain xn = bi .

Si multiplicamos la ecuación anterior por un número t = 6 0 se obtiene la ecuación i del segundo

′
sistema S , esto es:
t ai1 x1 + t ai2 x2 + . . . + t ain xn = t bi .

Como ~u es solución de S, entonces se tiene que ~u satisface:

t ai1 u1 + t ai2 u2 + . . . + t ain un = t (ai1 u1 + ai2 u2 + . . . + ain un ) = t bi .

Concluimos que ~u también es solución de S ′ .

De forma similar se demuestra el Caso (III) y el caso (I) es fácil.

 Dada un sistema lineal S, el teorema anterior permite generar una sucesión de sistemas lineales
donde el ultimó sistema el muy fácil de resolver. Las operaciones elementales se usan en algoritmos
“Eliminación Gaussiana”, “método de Gauss-Jordan” y en futuras materias.

Ejemplo: Aplique el teorema 1.1 al siguiente sistema para obtener sistemas equivalentes y determine
el conjunto de solución.
Solución: Denotaremos por R1 := renglón 1, R2 := renglón 2 & R3 := renglón 3. Sea S el
siguiente sistema de ecuaciones:

2x + 2x2 − 6x3 = 6
 1


S= x1 − 3x2 + 2x3 = 1


x1 + 5x2 − 8x3 = 5


20
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
 1.3. Sistemas de m ecuaciones y n incógnitas

21
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
1. Sistemas de Ecuaciones Lineales

Observe que S ′ tiene 2 ecuaciones y 3 incógnitas, es decir, el conjunto solución del sistema S es
igual a la intersección de estos dos planos (una recta en el espacio). En otras palabras se dice que
tenemos una (1 = 3 − 2) variable libre:



 
x1 + x2 − 3x3 = 3



′ ′
S = 5 1 ⇐⇒ S =
 x2 − x3 = 

4 2 




Si consideramos a la variable libre x3 igual a

un parámetro t ∈ R y sustituciones en las
ecuaciones, sustituciones hacia atrás obtenemos:

22
Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]