Trabajo académico N.

º 1

FACULTAD DE INGENIERÍA Y ARQUITECTURA.

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA CIVIL.

INVESTIGACION
DE
OPERACIONES

FORMULACION DE PROBLEMAS
DE ALGEBRA LINEAL

José Luis Neira barriga

2016227208

DE LA ESCUELA PROFESIONAL DE

INGENERIA CIVIL

LIMA -PERÚ
2022
SISTEMA DE ECUACIONES LINEALES
Comenzamos el estudio de los temas del algebra lineal con el método de reducción
gaussiana para resolver sistemas de ecuaciones lineales. Su introducción se hará de
manera operativa y señalando los principales resultados que caracterizan la solución de
un sistema. No nos ocuparemos de las demostraciones, pero sí enfatizamos en la
lectura de la información que provee la forma escalonada de la matriz aumentada del
sistema. Se espera que la experiencia adquirida al conocer dicho método se convierta
en una base concreta que permita abordar de mejor manera el estudio de las matrices,
sus operaciones y otros conceptos mases complejos como la invariabilidad de matrices
y la independencia lineal. En la ´ultima sección se incluyen algunos ejemplos de redes
elementales con el fin de ilustrar una forma de modelación mediante sistemas de
ecuaciones lineales.
1.1 SISTEMAS CON DOS INCÓGNITAS
Los sistemas de ecuaciones lineales con dos incógnitas tienen la particularidad de que
los puntos (x1, x2) que satisfacen cada ecuación pueden ser visualizados como los
puntos de una recta, es decir, cada ecuación del sistema es la ecuación de una recta.
Por eso, el sistema y su solución tienen una interpretación grafica como se ilustra en el
siguiente ejemplo.
Ejemplo 1.1 Sea el siguiente sistema de 3 ecuaciones lineales en dos incógnitas:

Para resolver este sistema por el método grafico se dibujan en un mismo sistema de
coordenadas, las tres rectas asociadas con las tres ecuaciones, como se ve en la
siguiente figura.
Un punto (a, b) es un punto solución del sistema solo si satisface cada ecuación, o lo
que es lo mismo, solo si es un punto de cada una de las rectas (cada recta pasa por (a,
b)). En nuestro ejemplo este punto es (1, 2).
Cuando se tiene un sistema de m ecuaciones lineales distintas, con dos incógnitas, se
tendrían las siguientes posibilidades:
1. Hay dos ecuaciones correspondientes a rectas paralelas como se ilustra en la
siguiente figura. En este caso no puede haber un mismo punto que pertenezca
a todas las rectas y decimos que el conjunto solución del sistema es: S = ∅. El
grafico siguiente ilustra esta situación, para el caso de tres ecuaciones.

2. No hay rectas paralelas, pero tampoco hay un punto en que concurran todas las
rectas, como lo muestra el grafico. En este caso la solución del sistema también
es el conjunto vacío: S = ∅.

3. Todas las rectas concurren en exactamente un punto. En este caso la solución

es el punto de concurrencia, S = {(a, b)} , como en el grafico siguiente, para el
caso de 4 ecuaciones.
 4. Todas las ecuaciones corresponden a la misma recta, en cuyo caso todos los
puntos de la recta son solución del sistema. Esto se ilustra con el siguiente
sistema:

El conjunto
solución es: S = {(x1, x2) |x2 = 2x1}.
Para sistemas de ecuaciones lineales con tres incógnitas, cada ecuación en el sistema
es la ecuación de un plano. De modo que también en este caso podemos dar un
significado geométrico a la solución. Sin embargo, a falta de un mejor conocimiento
sobre las ecuaciones de planos en IR3, posponemos su discusión hasta el capítulo 6.
Un sistema de ecuaciones lineales se interpreta también como una formulación
matemática de un conjunto de restricciones, una por cada ecuación. Esto se comprende
mejor si las variables tienen un significado físico como se ilustra en el ejemplo siguiente.
Ejemplo 1.2 En un acuario hay dos especies de peces A y B que se alimentan con dos
clases de alimentos. En la tabla siguiente se indican el consumo promedio diario de
alimento de ambas especies y la cantidad de alimento disponible por clase (columna
cuatro), en gramos.
El problema a resolver consiste en calcular la cantidad máxima de peces de cada
especie que pueden vivir en el Aquarium.
Sean xA y xB las cantidades máximas de peces de las especies A y B respectivamente,
que pueden coexistir en el Aquarium. El problema es entonces calcular xA y xB. Las
restricciones del problema son:
1.2 Sistemas n × m 5
2xA + xB = cantidad de alimento de la clase 1, consumida diariamente por la totalidad
de los peces. Es decir:
2xA + xB = 25. 4xA + 3xB = cantidad de alimento de la clase 2, consumida diariamente
por la totalidad de los peces. Es decir: 4xA + 3xB = 55.
La solución al problema planteado se encuentra resolviendo el siguiente sistema de
ecuaciones lineales 2 × 2:

De la primera ecuación se obtiene xB = 25−2xA. Esta expresión se sustituye en la

segunda ecuación: 4xA + 3(25 − 2xA) = 55 y despejando xA, se tiene: xA = 10. Luego

Por lo tanto, pueden coexistir diariamente 10 peces de la especie A y 5 de la especie B.

1.3 Sistemas n × m
Se dice que un conjunto de ecuaciones, cada una de las cuales restringe los valores
que pueden asumir m variables o incógnitas x1, . . ., xm, representan un sistema de
ecuaciones, cuando nos interesamos por los n-´etuplos (x1, x2, . . ., xm) que satisfacen
simultáneamente todas las ecuaciones. Una ecuación en las variables x1, . . ., xm, es
lineal si es de la forma:

donde a1, a2, . . ., am y b son números reales dados. En general, escribimos un sistema
de ecuaciones lineales como:
Definición 1.1 (Sistema de ecuaciones lineales n × m)
Un sistema de n ecuaciones lineales y m incógnitas x1, . . ., xm, se escribe en la forma:

donde los números aIj y bi son conocidos. El símbolo aij denota el coeficiente en la
ecuación i asociado a la variable j.
En adelante usaremos la expresi´on “sistema n × m” para referirnos a un sistema de n
ecuaciones lineales con m incógnitas.
Ejemplo 1.3 El siguiente es un sistema 3 × 4, en las incógnitas x1, x2, x3 y x4:

Definición 1.2 (Solución de un sistema n × m)

Dado un sistema de n ecuaciones lineales con m incógnitas, se dice que el m-´etuplo
(x1, x2, . . ., xm) es una solución del sistema, si satisface cada una de las n ecuaciones.
Y al conjunto S de todas las soluciones del sistema, se le llama conjunto solución del
sistema.
Ejemplo 1.4 Verifique que (−1, 4, 0, 2) es una solución del sistema en el ejemplo 1.3.
Claramente se tiene que:
¿S = {(−1, 4, 0, 2)} será el conjunto solución del sistema? Si es así, la solución anterior
sería la ´única solución. Sin embargo, 1.2 Sistemas n × m todavía no hemos planteado
los resultados necesarios para poder responder.
1.2.1 Sustitución hacia atrás Algunos sistemas de ecuaciones lineales tienen una forma
especial que permite resolverlos fácilmente. El método para hacerlo es conocido como
“sustitución hacia atrás” y se introduce con el siguiente ejemplo:

Dada la forma de este sistema, de la última ecuación se obtiene el valor para la variable
x4:
x4 = 2
Este valor se sustituye en las restantes ecuaciones, lo que permite, a partir de la
ecuación 3, determinar el valor de la variable x3:
x3 − 1(2) = 2 =⇒ x3 = 4
De nuevo el valor de la variable x3 se sustituye en las restantes ecuaciones y se obtiene
de la ecuación 2 que:
x2 − 2(4) + 2(2) = 4 =⇒ x2 = 8
Finalmente, conociendo los valores de x4, x3 y x2, de la ecuación 1 se tiene que:

x1 − 1(8) + 4 + 3(2) = −1 =⇒ x1 = −3
Así (x1, x2, x3, x4) = (−3, 8, 4, 2) es una solución del sistema. Al reconocer la forma de
aquellos sistemas que se resuelven fácilmente, para resolver un sistema cualquiera, el
método de reducción gaussiana se ocupa de transformarlo en uno de este tipo. Sin
embargo, claramente, esta transformación debe hacerse de forma que no se cambie el
conjunto solución.
Operaciones elementales
Tres tipos de operaciones sobre las ecuaciones de un sistema, llamadas operaciones
elementales, permiten transformar un sistema a otros, sin modificar el conjunto solución:
a) Multiplicar una ecuación por un número real distinto de cero, esto es, multiplicar a
ambos lados de la igualdad por un mismo número.
b) Multiplicar una ecuación por un número real y sumarla a otra ecuación.
c) Intercambiar de posición dos ecuaciones cualesquiera.
Parece bastante claro que aplicando operaciones del tipo a) y c), a un sistema dado, se
obtengan otros sistemas con el mismo conjunto solución. Lo mismo ocurre si se aplican
operaciones del tipo b), aunque en este caso la justificación tal vez no sea tan evidente.
En todo caso, demostrar que las operaciones elementales no cambian el conjunto
solución de un sistema es un ejercicio importante, que se pospone hasta disponer del
producto de matrices.
Sistemas equivalentes y reducción gaussiana
Definición 1.3 (Sistemas equivalentes)
Dos sistemas de ecuaciones lineales con m incógnitas son equivalentes si tienen el
mismo conjunto solución. De esta definición se tiene que, si un sistema de ecuaciones
lineales es el resultado de aplicarle operaciones elementales a otro, ambos sistemas
son equivalentes. El método de reducción gaussiana permite resolver sistemas de
ecuaciones lineales, explotando la idea de equivalencia. Es decir, transformando el
sistema mediante operaciones elementales, hasta obtener uno cuya forma permite
resolverlo mediante “sustitución hacia atrás”. El siguiente ejemplo, ilustra la idea.
Ejemplo 1.5 Aplicando la siguiente secuencia de operaciones elementales al sistema
del ejemplo 1.3 se obtienen los siguientes sistemas equivalentes:
Este último sistema es equivalente a la inicial, tiene el mismo conjunto solución y su
solución se puede obtener mediante sustitución hacia atrás, en la siguiente forma:
• de la última ecuación se tiene que x4 = 2
• de la segunda ecuación: x2 − 2x3 = 4 =⇒ x2 = 4 + 2x3. Observe que en este
caso no se conoce el valor de x3, por lo tanto, el valor de x2 se hace depender
del de x3.
• Y de la primera ecuación: x1 − (4 + 2x3) + 3x3 + 3(2) = 1 =⇒ x1 + x3 + 2 = 1 =⇒
x1 = −1 − x3.
En resumen

Se observa que tanto el valor de x1 como el de x2 dependen de x3, esto es, se puede
dar un valor arbitrario a x3, lo cual se indica asignándole cualquier número t, x3 = t. Así,
x1 = −1−t, x2 = 4+2t y en todos los casos x4 = 2. Luego se dice que la solución del
sistema depende de un parámetro t y es dada por:
S = {(x1, x2, x3, x4) = (−1 − t, 4 + 2t, t, 2)|t ∈ IR}

1.4 solución de sistemas representados como matrices

1.5 La aplicación del método de reducción gaussiana para resolver un sistema, resulta
más sencillo con el empleo de matrices.
1.3.1 Matriz del sistema y matriz aumentada
En un sistema n × m:

se puede distinguir el siguiente arreglo rectangular de números aij que se conocerá

como matriz del sistema y se denotará como A = (aij):

Una matriz A como esta, se dice que es una matriz n × m, es decir, con n filas y m
columnas.
1.3 solución de sistemas representados como matrices
Si a la matriz del sistema se agregan los valores bi como una última columna, el nuevo
arreglo se denomina matriz aumentada del sistema, el cual se suele denotar como (A|b):
1.3.2 Operaciones elementales sobre las filas de una matriz
Cuando los sistemas se representan como matrices aumentadas, las operaciones
elementales sobre ecuaciones se denotan en la siguiente forma:
Notación:
afi Multiplicar (ecuación) fila i por la constante no nula a.
afi + fj Multiplicar la (ecuación) fila i por un número real a y sumarla a la (ecuación) fila
j. fi, fj Intercambiar las (ecuaciones) filas i y j. Cuando estas operaciones se escriben
sobre una flecha, por ejemplo, af1 + f2 −→, se indica que la matriz (sistema) a la derecha
es equivalente al anterior, por la aplicación de la operación elemental indicada.
Ejemplo 1.7 El procedimiento de reducción gaussiana aplicado en el ejemplo (1.5) se
resume en la siguiente forma:

La ´ultima matriz tiene la forma especial que se busca al aplicar el método de reducción
gaussiana, es decir, representa un sistema con la forma requerida para resolverlo por
sustitución hacia atrás, como fue hecho en el ejemplo 1.5.
En general, para aplicar el método de reducción gaussiana es necesario tener claro,
cuál es esa forma general de la matriz aumentada que se busca y que permite terminar
de resolverlo mediante sustitución hacia atrás.
Matriz escalonada
Para precisar las ideas sobre la forma especial de los sistemas que pueden resolverse
por el método de sustitución hacia atrás, se utiliza el concepto de matriz escalonada.
Así se dirá que un sistema con esta forma especial tiene como matriz aumentada una
matriz en la forma escalonada.
1.3 solución de sistemas representados como matrices
Definición 1.4 (Matriz escalonada)
Sea A una matriz n× m. A es escalonada si es nula o si satisface las tres condiciones
siguientes:
i. El primer elemento no nulo de cada fila, si existe, es un 1.

ii. El primer 1 de la segunda fila y sucesivas está a la derecha del primer 1 de

la fila anterior.

iii. Si tiene filas nulas —compuestas solo de ceros— estas aparecen en la parte
inferior de la matriz, abajo de las filas no nulas.
Ejemplo 1.8 Las matrices (A|b) y (B|c) siguientes, tienen la forma escalonada:

Las matrices escalonadas, además de caracterizar los sistemas que pueden ser
resueltos por sustitución hacia atrás, permiten reconocer fácilmente los sistemas que
tienen solución de los que no la tienen. Por ejemplo, si consideramos los sistemas de
ecuaciones que representan las matrices aumentadas (A|b) y (B|c) anteriores,
observamos:
Sistema con matriz aumentada (A|b). El sistema correspondiente a esta matriz no tiene
solución, porque hay una ecuación inconsistente:
Observe que la ´ultima ecuación es:
0x1 + 0x2 + 0x3 + 0x4 = 1
y claramente, no existen valores x1, x2, x3 y x4 que multiplicados por cero y sumados
puedan dar 1. Una ecuación de este tipo la llamaremos inconsistente y basta con que
un sistema tenga una ecuación inconsistente, para que no tenga solución. Claramente
no puede existir una solución que satisfaga todas las ecuaciones.
Sistema con matriz aumentada (B|c). Este sistema tiene solución puesto que no tiene
ecuaciones inconsistentes y se determina por “sustitución hacia atrás”:
• de la última fila (ecuación) no nula se tiene que x4 = 4.
• de la tercera ecuación: x3 + 4 = −2 =⇒ x3 = −6.
• de la segunda ecuación: x2 −2(−6) = 4 =⇒ x2 = −8.
• Finalmente, de la primera ecuación se obtiene que:
x1 − 1(−8) + 3(4) = 1 =⇒ x1 = −19.
En conclusión, el sistema tiene una única solución:
(x1, x2, x3, x4) = (−19, −8, −6, 4).
La última ecuación de este sistema, la que corresponde a la fila de ceros, es una
ecuación superflua:
0x1 + 0x2 + 0x3 + 0x4 = 0
Observe que cualesquiera valores x1, x2, x3, y x4 la satisfacen, de manera que no
constituye ninguna restricción. Si se omite se obtiene un sistema con el mismo conjunto
solución.
Un sistema de ecuaciones puede contener ecuaciones superfluas o redundantes, en el
sentido de que las restricciones que establecen ya están contempladas en las otras
ecuaciones. De esta manera no aportan información adicional para resolver el sistema.
Caracterizar dichas situaciones es uno de los objetivos más, es importantes al estudiar
los sistemas de ecuaciones lineales, para esto, en el capítulo siguiente se utilizará la
idea de dependencia e independencia lineal de las filas de la matriz aumentada. En esta
etapa nos conformamos con observar, en cada ejemplo y ejercicio que se resuelva, que
las ecuaciones redundantes se convierten en filas nulas, cuando se obtiene la forma
escalonada de la matriz aumentada del sistema.
Reducción gaussiana y matriz escalonada
Al hacer operaciones elementales para resolver un cierto sistema, por reducción
gaussiana, se busca darle la forma escalonada a la matriz aumentada. En el siguiente
ejemplo se verifica que para lograr este propósito no hay una secuencia ´única de
operaciones elementales a realizar. Y a un más, el resultado final de la secuencia de
operaciones elementales (la forma escalonada), no siempre será la misma. Es decir,
una matriz aumentada puede tener varias formas escalonadas (equivalentes), que
representan el mismo sistema de ecuaciones.
Ejemplo 1.9 Resolver el siguiente sistema 4×4, mediante reducción gaussiana:
Sin embargo, observe que las operaciones elementales −3f3 + f2 −→ y −f2 + f1 −→
sobre esta ´ultima matriz la reducen a la anterior forma escalonada, es decir, ambas
formas escalonadas representan sistemas 4 × 4 con la misma solución.
Por otra parte, la solución del sistema se obtiene por sustitución hacia atrás:
• de la ´ultima ecuación: x4 = 5
• de la tercera ecuación: x3 + 5/3 = 5/3 =⇒ x3 = 0.
• de la segunda ecuación: x2 + 3(0) − 1(5) = −4 =⇒ x2 = 1
• finalmente: x1 − 2(−4) + 6(0) + 6(5) = 26 =⇒ x1 = −2.
Resumiendo, la ´única solución es (−2, 1, 0, 5).
Reducción de Gauss-Jordan
Cuando se resuelve un sistema de ecuaciones por reducción gaussiana, el proceso que
corresponde a la sustitución hacia atrás, también puede ser realizado haciendo más
operaciones elementales, hasta obtener un sistema equivalente cuya solución resulta
evidente.
En este caso, la forma que debemos buscar en la matriz aumentada del sistema es la
denominada forma escalonada reducida, definida a continuación y el método de solución
de sistemas resultante se conoce como método de Gauss-Jordan. Definición
(Matriz escalonada reducida)
Una matriz A, n × m, es escalonada reducida si es escalonada y además todo elemento
en una columna, arriba del primer uno de cualquier fila, es cero. Es decir, la forma
escalonada reducida se obtiene de una forma escalonada, haciendo cero los elementos
de la matriz arriba de los primeros unos de cada fila. Ejemplo 1.10 La matriz A siguiente
tiene la forma escalonada reducida, sin embargo, la matriz B no es escalonada reducida:

Ejemplo 1.11 Escriba todas las formas escalonadas y escalonadas reducidas, de una
matriz 2 × 2.
solución: Todas las formas escalonadas son:
solución: Hay que determinar la forma escalonada reducida de la matriz aumentada del
sistema. Una secuencia de operaciones elementales para lograr este objetivo, es dada
por las que se hicieron en el ejemplo 1.9 para obtener la forma escalonada, a las que
se deben agregar las siguientes: