¿Qué es el sistema compatible indeterminado?

| Última modificación: 24 de octubre de 2024 | Tiempo de Lectura: 2 minutos

Algunos de nuestros reconocimientos:

Premios KeepCoding

El sistema compatible indeterminado es uno de los tres sistemas de ecuaciones que existen y, en este post, veremos en qué consiste.

Sistema compatible indeterminado

Observa el siguiente sistema de ecuaciones:

Sistema compatible indeterminado

Podemos expresarlo como:

sistema compatible indeterminado

Ahora, vamos a intentar resolverlo:

#Sistema compatible indeterminado
A = np.array ([[1,  2,  -1],
                         [-1,  1,  2],
                         [1,  5,  -0]])

B = np.array ([[1],
                         [3],
                         [5]])

Lo primero es calcular el determinante de A. Si es 0, el sistema tendrá una única solución, pero si det (A) = 0, será indeterminado o no tendrá solución.

#Sistema compatible indeterminado
det_A = np.linalg-det (A)
print (det_A)

0.0

En este caso, el determinante de A es 0, por lo que hay dos opciones: tiene infinitas soluciones o no tiene solución ¿Qué podemos hacer para averiguarlo?

Vamos a aplicar el método de eliminación de Gauss para ver si podemos encontrar un sistema equivalente. Aquí vamos a usar la matriz ampliada, por lo que a la matriz A vamos a añadirle a la derecha la matriz B:

print (A)
print (B)

[[ 1 2 -1 ]

[ -1 1 2 ]

[ 1 5 0 ]]

[[ 1 ]

[ 3 ]

[ 5 ]]

#Sistema compatible indeterminado
AB = np.concatenate ((A, B), axis = 1)
AB

array (

[[ 1, 2, -1, 1 ],

[ -1, 1, 2, 3 ],

[ 1, 5, 0, 5]])

Recordemos que el objetivo del método de Gauss es transformar un sistema en otro equivalente que tiene el mismo conjunto solución:

sistema compatible indeterminado
#Sistema compatible indeterminado
AB = np.array ([AB[0], AB[1], AB[2] - AB[0]])
AB

array (

[[ 1, 2, -1, 1 ],

[ -1, 1, 2, 3 ],

[ 0, 3, 1, 4 ]])

El siguiente paso que podemos hacer es:

sistema compatible indeterminado
#Sistema compatible indeterminado
AB = np.array ([AB[0], AB[1], + AB[0],  AB[2]])
AB

array (

[[ 1, 2, -1, 1 ],

[ 0, 3, 1, 4 ],

[0, 3, 1, 4]])

Por último, el siguiente paso que podemos hacer es:

sistema compatible indeterminado
#Sistema compatible indeterminado
AB = np.array ([AB[0], AB[1], AB[2] - AB[1]])
AB

array (

[[ 1, 2, -1, 1 ],

[ 0, 3, 1, 4 ],

[0, 0, 0, 0]])

Con los pasos que hemos realizado hemos obtenido un sistema equivalente de ecuaciones al inicial, el cual podemos intentar resolver.

Si quieres seguir aprendiendo, podrás acceder a una de las disciplinas más demandadas y con mejores sueldos de todo el mercado laboral en pocos meses con la guía del Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp. Se trata de una formación íntegra y de alta intensidad en la que adquirirás todos los conocimientos, tanto teóricos como prácticos, para obtener el trabajo de tus sueños. ¡Entra ya para solicitar información e impulsa tu carrera!

Sandra Navarro

Business Intelligence & Big Data Advisor & Coordinadora del Bootcamp en Data Science, Big Data & Machine Learning.

Posts más leídos

¡CONVOCATORIA ABIERTA!

Big Data, IA & Machine Learning

Full Stack Bootcamp

Clases en Directo | Profesores en Activo | Temario 100% actualizado