Teoria Sistemas Lineales PDF

CAPTULO 4: ALGEBNRA LINEAL NUMRICA
CAPTULO 4
ALGEBRA LINEAL NUMRICA
109
4.1 Introduccin
En esta seccin nos ocuparemos de determinar los valores x1, x2, x3,, xn que en
forma simultnea satisfacen un sistema de ecuaciones lineales como:
a11 x1 a12 x 2 a1n x n b1
a 21 x1 a 22 x 2 a 2 n x n b2

a n1 x1 a n 2 x 2 a nn x n bn
Donde las aij son los coeficientes constantes, las bi son los trminos
independientes contantes y n es el nmero de ecuaciones.
4.2 Matrices y vectores

4.2.1 Notacin matricial
Una matriz consiste de un arreglo rectangular de elementos representado por:
Columna 3

a11 a12 a13 a1m
a a 23 a 2 m
21 a 22
A a31 a32 a33 a3m Fila 3

a n1 a n 2 a n 3 a nm
Donde A es la notacin breve para la matriz y a ij designa un elemento individual
de la matriz ubicado en la i-sima fila y j-sima columna.

El primer sub ndice i siempre designa el nmero de fila y el segundo sub ndice j
designa la columna.
La matriz anterior A se dice que tiene una dimensin de n por m (n x m), es decir
n filas y m columnas.
4.2.2 Vector fila

Se designa a las matrices con dimensin de fila n=1, tales como:
B b1 b2 bm
Se elimina el primer sub ndice de cada elemento. Una notacin breve para
distinguir una matriz fila de otro tipo de matrices es:
B b1 b2 bm
110
4.2.3 Vector columna

Se designa a las matrices con dimensiones columna m=1, tales como:
c1
c
A 2

c n
Se elimina el segundo sub ndice de cada elemento a comparacin de una matriz
convencional.
Una notacin breve para distinguir una matriz columna de otro tipo de matrices es:
c1
c
C 2

c n
4.2.4 Matrices cuadradas

A las matrices en las que n=m, se le llama matrices cuadradas. Ejemplo:
3 1 2
A 5 2 1

1 4 3
4.2.5 Tipos especiales de matrices cuadradas

a) Matriz simtrica
Es aquella donde aij a ji para todo i y j.
5 1 2
A 1 3 7
2 7 8
Es una matriz simtrica de 3 por 3 (3 x 3)

b) Matriz diagonal
Es una matriz cuadrada, donde todos los elementos fuera de la diagonal
principal son iguales a cero:
a11 0 0 0 1 0 0 0
0 a 0 0
0 2 0 0
A 22
A
0 0 a33 0 0 0 3 0

0 0 0 a 44 0 0 0 4
111
c) Matriz identidad
Es una matriz diagonal, donde todos los elementos sobre la diagonal principal
son iguales a 1.
1 0 0 0
0 1 0 0
I
0 0 1 0

0 0 0 1
El smbolo I se utiliza para denotar la matriz identidad, que tiene

propiedades similares a la unidad, es decir a 1.
d) Matriz triangular superior

Es aquella matriz cuadrada, donde todos los elementos por debajo de la
diagonal principal son cero.
a11 a12 a13 a14
0 a a 23 a 24
A 22
0 0 a33 a34

0 0 0 a 44
e) Matriz triangular inferior

Es aquella matriz cuadrada, donde todos los elementos por encima de la
diagonal principal son cero.
a11 0 0 0
a a 0 0
A 21 22
a31 a32 a33 0

a 41 a 42 a 43 a 44
f) Matriz bandeada
La matriz bandeada tiene todos los elementos iguales a cero, con excepcin de
una banda centrada sobre la diagonal principal.
a11 a12 0 0
a a a 23 0
A 21 22
0 a32 a33 a34

0 0 a 43 a 44
La matriz anterior, tiene una banda de 3 y se le da un nombre especial: matriz

trdiagonal.
112
4.3 Operaciones con matrices y vectores

4.3.1 Igualdad de matrices
Dos matrices n x m son iguales si, y solo si, cada elemento en la primera matriz
es igual a cada elemento en la segunda matriz; es decir:
A B Si aij bij Para toda i y j.
4.3.2 Suma de matrices

La suma de dos matrices de nxm A y B , se obtiene al sumar los trminos
correspondientes de cada matriz.
C A B ; cij aij bij Para i=1, 2,, n y j=1, 2,, m.
De manera similar la resta o diferencia de dos matrices E y F es:
D E F ; d ij eij f ij Para i=1, 2,, n y j=1, 2,, m.
La suma es conmutativa:
A B B A
La suma es asociativa:
A B C A B C
4.3.3 La Multiplicacin de matrices
La multiplicacin de una matriz A por un escalar g, se obtiene al multiplicar
cada elemento de A por g.
g a11 g a12 g a13 g a1m

g a g a 22 g a 23 g a 2 m
21
D g A g a31 g a32 g a33 g a3m

g a n1 g an2 g a n 3 g a nm
El producto de dos matrices se representa como:
C AB;
m
cij aik bkj
k 1
Donde m es la dimensin columna de A y la dimensin fila de B , es decir el

elemento cij se obtiene al sumar el producto de elementos individuales de la i-
sima fila de la primera matriz A , por la j-sima columna de la segunda
matriz B .
113
La multiplicacin de dos matrices se puede realizar, solo si la primera matriz

tiene tantas columnas como el nmero de filas en la segunda matriz.
Anm Bml C nl
Si las dimensiones interiores son
iguales: es posible la multiplicacin
Si las dimensiones exteriores,
definen las dimensiones de la matriz
resultado.
Ejemplo 4.1:
Obtener el producto de las siguientes matrices
3 1
Z X Y 8 6
5 9
0 4
7 2
Una forma simple de visualizar el clculo de Z es subir Y as:
5 9
7 2

3 1
8 6 ?

0 4
Ahora la matriz Z se puede calcular en el espacio despejado por Y . Este

formato es til, ya que alinea las filas y columnas apropiadas para que se
multipliquen.
Por ejemplo, de acuerdo con la ecuacin:
m
zij xik ykj
k 1
El elemento z11 se obtiene de multiplicar la primera fila de X por la primera
columna de Y , es decir: 11 = 11 11 + 12 21
5 9
7 2

3 1 3 5 1 7
8 6

0 4
De esta manera, z11 es igual a la suma del producto de 3x5+1x7 = 22.
114
Los clculos continan de esta misma forma, siguiendo la alineacin de filas y

columnas, para obtener el siguiente resultado:
5 9
5 9
7 2 7 2

3 1 3 5 1 7 3 9 1 2 3 1 22 29
8 6 8 5 6 7 8 9 6 2 8 6 82 84

0 4 0 5 4 7 0 9 4 2
0 4 28 8

22 29
Z 82 84
28 8
Ejemplo 4.2:
Elabore un algoritmo que realice el producto de dos matrices, implementar su
programa respectivo en Matlab.
Solucin:
El producto de dos matrices se define como:
C nl Anm B ml
n
C (i, j ) A(i, k ) B(k , j )
k 1
Siendo su algoritmo en el diagrama de Nassi Sheidermann
115
Leer: [A], [B]
n= # filas [A]
m1=#columnas [A]
m2=#filas [B]
l= #columnas [B]
Para i=1 a n hacer:
Para j=1 a l hacer:
m1=m2
V F
sum=0 Imprimir: Error en las

dimensiones de la matriz
Para k=1 a m1 hacer:
sum=sum+A(i,k)B(k,j)
C(i,j)=sum
Imprimir: [C]
Para probar el programa, obtener el producto de las matrices [A] y [B]
1 2 4 7 3 1
A 3 1 2 B 2 3 5
4 1 3 8 1 6
43 13 35 20 18 37
A B 39 14 20 B A 31 12 29
54 18 27 35 23 52
Cdigo Matlab
clc; clear;
A=input('Ingrese matriz [A]')
B=input('Ingrese matriz [B]')
a=size(A);
b=size(B);
n=a(1);
m1=a(2);
m2=b(1);
l=b(2);
116
for i=1:n
for j=1:l
if m1== m2
sum=0;
for k=1:m1
sum=sum+A(i,k)*B(k,j);
end
C(i,j)=sum;
else
disp('Error en las dimensiones de la matriz')
end
end
end
C
Ejecucin del Programa
>> matrizx
Ingrese matriz A = [1 2 4; 3 1 2; 4 1 3]
A =
1 2 4
3 1 2
4 1 3
Ingrese matriz B = [7 3 1; 2 3 5; 8 1 6]
B =
7 3 1
2 3 5
8 1 6
C =
43 13 35
39 14 20
54 18 27
4.4 Determinante de una matriz

El determinante D de una matriz A , se componen de los mismos elementos,
aunque son conceptos matemticos completamente diferentes: el determinante D
est asociado a un simple nmero y tiene relevancia en la evaluacin del mal
condicionamiento de una matriz, ya que permite identificar matrices singulares
(matrices que no pueden invertirse) cuando su determinante es cero. D se define
como:
A
a11 a12 a11 a12
a 22
D A a11 a 22 a12 a 21
a 21 a 21 a 22
117
4.4.1 Solucin por el mtodo de lluvia

Agregar las primeras dos columnas a la derecha del determinante y trazar
diagonales uniendo tres elementos en la direccin de la diagonal principal nos
darn los trminos con signo positivo, y las diagonales que crucen la diagonal
principal uniendo tres elementos nos darn los trminos con signo negativo:
a11 a12 a13 a11 a12
A a 21 a 22 a 23 a 21 a 22
a31 a32 a33 a31 a32
A a11 a22 a33 a12 a23 a31 a13 a21 a32 a13 a22 a31 a11 a23 a32 a12 a21 a33
Este procedimiento es exclusivo para determinantes de tercer orden.
Ejemplo 4.3:
Halle el valor del determinante.
3 1 2
A 5 2 1
1 4 3
3 1 2 3 1
A 5 2 1 5 2
1 4 3 1 4
A (3)(2)(3) (1)(1)(1) (2)(5)(4) (2)(2)(1) (3)(1)(4) (1)(5)(3)

A 18 1 40 4 12 15
A 82
4.4.2 Solucin por el mtodo de los cofactores

Se llama COFACTOR de un elemento de un determinante al determinante de orden
inmediato inferior que se obtiene al suprimir la fila y columna a que pertenece
dicho elemento y que adems posee signo positivo o negativo.
Para justificar el signo del cofactor del elemento, se puede pensar en dos formas.
Tendr signo positivo si la posicin del elemento en cuanto a la suma de
fila y columna es nmero par y negativo si la suma da impar.
El signo del cofactor del elemento de un determinante tendr signo
positivo o negativo de acuerdo a la siguiente tabla de signos.
118
El valor de cualquier determinante de orden n, es igual a una suma algebraica de n

trminos, cada uno de los cuales se forma al multiplicar cada elemento de
cualquier fila o columna por su COFACTOR correspondiente.
a11 a12 a13 a11 a12 a13
A a21 a22 a23 A a 21 a 22 a 23
a31 a32 a33 a31 a32 a33
a 22 a 23 a 21 a 23 a 21 a 22
D A a11 a12 a13
a32 a33 a31 a33 a31 a32
D A a11a 22 a33 a 21a32 a13 a31a12 a 23

a11a32 a 23 a 21a12 a33 a31a 22 a13
Ejemplo 4.4:
Calcular el valor del determinante del ejemplo anterior usando el Mtodo de
Cofactores
3 1 2
A 5 2 1
1 4 3
2 1 5 1 5 2
D A 3 1 2
4 3 1 3 1 4
D A 3 2 3 1 4 1 5 3 1 1 5 4 2 1 82
4.4.3 Evaluacin de determinantes usando la eliminacin de Gauss

La eliminacin gaussiana proporciona una forma simple de determinar el
determinante de una matriz. El mtodo se basa en el hecho de que el determinante
de una matriz triangular se puede calcular de forma simple, como el producto de
los elementos de su diagonal:
D a11 a22 a33 ann
La validez de esta formulacin se ilustra para un sistema de tres por tres aplicando
el mtodo de los cofactores:
119
a11 a12 a13

A 0 a 22 a 23
0 0 a33
Donde el determinante se evala como:

a 22 a 23 0 a 23 0 a 22
D A a11 a12 a13
0 a33 0 a33 0 0
Y evaluando los determinantes de dos por dos

D A a11a22a33 a12 (0) a13 (0)
El paso de eliminacin hacia adelante de Gauss, genera un sistema triangular

superior. Puesto que el valor del determinante no cambia con el proceso de
eliminacin hacia delante, simplemente el determinante se evala al final de este
paso por medio de:
D a11 a' 22 a' '33 a ( n1) nn
Donde los superndices indican el nmero de veces que los elementos han sido
modificados en el proceso de eliminacin.
El procedimiento de eliminacin hacia adelante de Gauss, consiste en reducir el
sistema a un sistema triangular superior.
Para lo cual el determinante D de una matriz [A] se expresa de la forma:
a11 a12 a13 a1n
a 21 a 22 a 23 a 2 n
D A a31 a32 a33 a3n

a n1 an2 a n 3 a nn
El paso inicial ser multiplicar la fila 1 (F1) por el factor (a21 / a11) y est fila F1
modificado, se resta a la fila 2 (F2) para hacer cero el coeficiente a21 . Del mismo
modo se eliminan el coeficiente a31 de la fila 3 (F3), y los coeficientes restantes de
la primera columna quedando el determinante D como:

F1 a11 a12 a13 a1n
F2 0 a' 22 a' 23 a' 2 n
F3 0 a '32 a'33 a'3n

Fn 0 a' n 2 a' n 3 a' nn
120
Luego se usa la fila 2 (F2) ya modificada para eliminar el coeficiente a'32 y as
sucesivamente los respectivos coeficientes y filas, quedando finalmente el

determinante como un sistema triangular superior:
F1 a11 a12 a13 a1n
F2 0 a' 22 a' 23 a' 2 n
F3 0 0 a' '33 a' '3n

( n 1)
Fn 0 0 0 a nn
Como se indic el superndice prima indica la veces que los elementos han
cambiado sus valores originales. Por lo tanto, es posible aprovechar el esfuerzo
que se ha logrado al reducir el sistema a su forma triangular, y obtener un clculo
simple del determinante.
Ejemplo 4.5:
Aplicar el Mtodo de Gauss paso a paso, para obtener el determinante de la
siguiente matriz cuadrada [A] 4x4
2 1 1 1
1 2 2 3
A
3 1 1 2
2 3 1 4
Solucin:
Consiste en transformar la matriz [A] en una matriz triangular superior,
realizando diversas operaciones sobre las filas de esta matriz.
Hacer cero, los coeficientes de la primera columna, usando como pivote a11.
2 1 1 1
0 3/ 2 5/ 2 7/ 2
A
0 5 / 2 1/ 2 1/ 2
0 2 2 3
Hacer cero, los coeficientes de la segunda columna, usando como pivote a22.
2 1 1 1
0 3/ 2 5/ 2 7/2
A
0 0 14 / 3 16 / 3
0 0 4 / 3 23 / 3
Hacer cero, el coeficiente de la tercera columna, usando como pivote a33.
121
2 1 1 1
0 3/ 2 5/ 2 7/2
A
0 0 14 / 3 16 / 3
0 0 0 43 / 7
Finalmente, se procede a multiplicar los coeficientes de la diagonal de la
determinante.
3 14 43
A 2 86
2 3 7
Ejemplo 4.6:
Utilizando el Matlab, codificar el algoritmo de la eliminacin de Gauss que permite
determinar el determinante de una matriz, representado el siguiente diagrama de
Nassi Sheidermann.
Leer [A]
n= dimensin de [A]
Para i=1 a n-1 hacer:
Para k=i+1 a n hacer:
f=A(k,i)/A(i,i)
Para j=i+1 a n hacer:
A(k,j)=A(k,j)-f*A(i,j)
det=1
Para i=1 a n hacer:
det=det*A(i,i)
Imprimir: det
Verificar el programa, utilizando la matriz [A].
122
2 1 1 1
1 2 2 3
A
3 1 1 2

2 3 1 4
Cdigo Matlab
clear;
A=input('Ingrese Matriz A = ')
n=length(A);
for i=1:n-1
for k=i+1:n
f=A(k,i)/A(i,i);
for j=i+1:n
A(k,j)=A(k,j)-f*A(i,j);
end
end
end
det=1;
for i=1:n
det=det*A(i,i);
end
fprintf('El determinante de |A|es %12.3f\n:',det)
Ejecucin del programa

>> detgauss
Ingrese Matriz A = [2 1 -1 1; 1 2 2 -3; 3 -1 -1 2; 2 3 1 4]
A =
2 1 -1 1
1 2 2 -3
3 -1 -1 2
2 3 1 4
El determinante de |A|es 86.000
4.4.4 Algoritmo montante aplicado a la solucin de determinante
a) Algoritmo montante
El algoritmo Montante se basa en hacer transformaciones de los elementos de los

determinantes o de las Matrices, para transformarlos a determinantes o Matrices
equivalentes.
123
Dichas transformaciones giran sobre un elemento llamado Pivote (P) el cual

puede estar en cualquier Fila (rengln) o Columna. La formula Montante para las
transformaciones de los elementos es la siguiente:
( P)( E. A.) ( E.C.F .P.)( E.C.C.P.)
N .E.
( P. A.)
En donde:
N.E. Nuevo Elemento (o elemento transformado)
P. Pivote
E.A. Elemento Actual (o elemento a transformar)
E.C.F.P. Elemento Correspondiente a la Fila del Pivote
E.C.C.P. Elemento Correspondiente a la Columna del pivote
P.A. Pivote Anterior
b) Algoritmo montante aplicado a la solucin de determinantes
A continuacin se detallarn algunos pasos que nos servirn para encontrar la

solucin de determinantes:
Cualquier elemento puede ser tomado como Pivote, excepto los

elementos cero, (a menos de que sea la ltima transformacin).
Se escoge el Pivote, se Asla la Fila y la Columna del Pivote
En la primera transformacin el Pivote Anterior toma el valor de uno.
Los elementos de fila y columna del elemento pivote intervienen
solamente para los clculos, correspondiendo a los elementos restantes las
transformaciones por la aplicacin de la frmula Montante.
A cada transformacin le corresponde un signo Positivo o Negativo segn
sea el signo del cofactor del Pivote.
Todo nmero que se multiplique por el Pivote se le considerar Diagonal
Principal
Ejemplo 4.7:
Calcular el siguiente determinante de orden 2.
124
3 4
A
2 5
Cualquiera de los cuatro elementos puede ser Pivote trataremos siempre que el
Pivote sea el primer elemento (3) como Pivote
1
3 4 (3)(5) (2)(4)
A 7
2 5 1
Ejemplo 4.8:
Calcular el siguiente determinante de orden 3
3 1 2
A 5 2 1
1 4 3
Solucin:
3 1 2 3
- 11 13 (11)(7) (13)(13)
A 5 2 1 ~ 82
13 7 3
1 4 3
Explicando las 4 operaciones iniciales de la Frmula Montante que son:
(3)(2) (1)(5)
N .E. 11
1
(3)(4) (1)(1)
N .E. 13
1
(3)(1) (2)(5)
N .E. 13
1
(3)(3) (2)(1)
N .E. 7
1
NOTA.- Si al dividir entre el Pivote Anterior en el Mtodo Montante, aparece una

cantidad fraccionaria, esto ser una seal de que se cometi un error, esta es una
de las ventajas que tiene el utilizar el Mtodo Montante (las divisiones entre el
Pivote Anterior siempre son exactas).
125
Ejemplo 4.9:
Calcular el siguiente determinante de orden 4
2 1 1 1
1 2 2 3
A
3 1 1 2
2 3 1 4
Solucin:
1
2 1 1 1 2
3 5 7 3
1 2 2 3 14 - 16 (14)(23) (4)(16)
A ~ 5 1 1 ~ 86
3 1 1 2 - 4 23 3
4 4 6
2 3 1 4
Nota: Los pasos del desarrollo se dejan para el estudiante.
Ejemplo 4.10:
Codificar en Matlab, el mtodo del algoritmo montante que permite obtener el
determinante de una matriz cuadrada [A], y probar el programa con el ejemplo
anterior.
Solucin:
Leer: [A]
n= dimensin de [A]
Pa=1
Para k=1 a n-1 hacer:
l=k+1
Para i=l a n hacer:
Para j=l a n hacer:

A(i,j)=(A(k,k)*A(i,j)-A(k,j)*A(i,k))/Pa
Pa=A(k,k)
Imprimir: A(n,n)
126
Cdigo Matlab
clc;clear;
A=input('Ingresar Matriz A = ')
n=length(A);
PA=1;
for k=1:n-1
l=k+1;
for i=l:n
for j=l:n
A(i,j)=(A(k,k)*A(i,j)-A(k,j)*A(i,k))/PA;
end
end
PA=A(k,k);
end
fprintf('El determinante de |A|es %12.3f\n:',A(n,n))

>> detmontante
Ingresar Matriz A = [2 1 -1 1;1 2 2 -3; 3 -1 -1 2; 2 3 1 4]
A =
2 1 -1 1
1 2 2 -3
3 -1 -1 2
2 3 1 4
El determinante de |A|es 86.000
4.5 Matriz transpuesta, adjunta e inversa

4.5.1 Inversa de una matriz por su adjunta y determinante
Si A es una matriz de nxn y B es la matriz de sus cofactores, entonces la adjunta
de la matriz A , denotada por adj(A) es la transpuesta de la matriz B de nxn.
A11 A21 An1

A A22 An 2
adj ( A) B 12
T

A1n A2 n Ann
Donde: Aij elementos de B o cofactores de A

T
Si A es una matriz invertible, entonces:
A1 1
adj ( A)
A
127
Ejemplo 4.11:
Calcular la adjunta e inversa de la matiz A , si esta existe
3 1 2
A 5 2 1

1 4 3
Solucin:
Calculamos el determinante de la matriz
3 1 2
A 5 2 1 82
1 4 3
Encontramos la matriz B de cofactores de A
2 1 5 1 5 2
A11 (1)11 10 ; A12 (1)1 2 16 ; A13 (1)13 18
4 3 1 3 1 4
1 2 3 2 3 1
A21 (1) 21 11 ; A22 (1) 2 2 7; A23 (1) 23 13
4 3 1 3 1 4
1 2 3 2 3 1
A31 (1) 31 3 ; A32 (1) 3 2 13 ; A33 (1) 33 11
2 1 5 1 5 2
De lo cual se puede armar la matriz B de cofactores de A como sigue:
10 16 18
B 11 7 13
3 13 11
10 11 3
adj ( A) B 16 7 13
T
18 13 11
Finalmente, podemos calcular la inversa de matriz A .
10 11 3 10 11 3
82 82 82
10 11 3 82 82 82
1 16 13 16 13
A1 16 7 13
1 7 7
adj ( A)
A 82 82 82 82 82 82 82
18 13 11 18 13 11 18 13 11
82
82 82 82 82 82
128
4.5.2 Inversa de una matriz por el mtodo de Gauss

Para calcular la inversa de una matriz cuadrada A , aplicando el mtodo de Gauss,
se construye primero, la matriz aumentada A I , siendo I la matriz identidad del
mismo orden que A . Despus de realizar diversas operaciones, sobre las filas de
esta nueva matriz, tendremos que conseguir que se transforme en la siguiente
matriz I B , donde la matriz B ser la inversa de A , es decir B A .
1
Las operaciones que podemos realizar con las filas de la matriz aumentada son:
a) Multiplicar o dividir una fila por un nmero distinto de cero.
b) Sumarle a una fila otra fila multiplicada por un nmero distinto de cero.
Ejemplo 4.12:
Calcular la inversa de la matriz A de orden 3 por el mtodo de Gauss
3 5 1
A 2 1 0
1 3 1
Paso 1: Escribimos la matriz aumentada A I , siendo I la matriz identidad.
3 5 1 1 0 0
A I 2 1 0 0 1 0
1 3 1 0 0 1
Paso 2: Comprobamos si a11 0
Si a11 0 , a la primera fila, se sumamos cualquier otra fila cuyo primer

elemento sea distinto de cero, es decir:
- Si a21 0 , a la primera fila se sumamos la segunda.
- Si tambin a21 0 y a31 0 , a la primera fila le sumamos la tercera.
Si a11 0 y a21 0 y a31 0 , la matriz A no es inversible.
Paso 3: Comprobamos si a21 0 (*)
Si a21 0 , pasamos al paso siguiente.
Si a21 0 , lo transformamos en cero realizando la siguiente operacin:
a11 ( Fila 2) a21 ( Fila 1) , es decir, multiplicamos la fila 2 por a11 y le

restamos la fila 1 multiplicado por a 21 .
129
F1 3 5 1 1 0 0 3 5 1 1 0 0

F 2 2 1 0 0 1 0 3F 2 2 F1 0 13 2 2 3 0
F 2 1 3 1 0 0 1 1 3 1 0 0 1
NOTA: (*) En lo sucesivo cuando nos referimos a un elemento aij, no har referencia a la
matriz original A , si no que corresponder a las transformaciones realizadas.
Si a31 0 , pasamos al siguiente paso.
Si a31 0 , lo transformamos en cero, realizando las siguientes
operaciones:
restamos la fila 1 multiplicado por a31 .
F1 3 5 1 1 0 0 3 5 1 1 0 0

F 2 0 13 2 2 3 0 0 13 2 2 3 0
F 2 1 3 1 0 0 1 3 F 3 (1 F1) 0 14 4 1 0 3
Si a22 0 , a la segunda fila le sumamos la tercera siempre que a32 0 .
Si a22 0 y a32 0 la matriz no es invertible.
Si a32 0 lo transformamos en cero, realizando las siguientes
operaciones:
a22 ( Fila 3) a32 ( Fila 2) , es decir, multiplicamos la fila 3 por a 22 y le
Nota: Si durante el proceso obtenemos una fila de ceros (en la parte izquierda) la matriz A no es
invertible.
F1 3 5 1 1 0 0 3 5 1 1 0 0

F 2 0 13 2 2 3 0 0 13 2 2 3 0
F 2 0 14 4 1 0 3 13 F 3 (14 F 2) 0 0 24 15 42 39
130
Paso 7: Comprobamos si a 23 0
Si a 23 0 , pasamos al siguiente paso.
Si a 23 0 lo transformamos en cero, realizando las siguientes
operaciones:
restamos la fila 3 multiplicado por a 23 .
F1 3 5 1 1 0 0 3 5 1 1 0 0

F 2 0 13 2 2 3 0 24 F 2 (2 F 3) 0 312 0 78 156 78
F 2 0 0 24 15 42 39 0 0 24 15 42 39
operaciones:
F1 3 5 1 1 0 0 24 F1 (1 F 3) 72 120 0 39 42 39

F 2 0 312 0 78 156 78 0 312 0 78 156 78
F 2 0 0 24 15 42 39 0 0 24 15 42 39

operaciones:
a22 ( Fila 1) a12 ( Fila 2) , es decir, multiplicamos la fila 1 por a 22 y le
F1 72 120 0 39 42 39 312 F1 (120 F 2) 22464 0 0 2808 5616 2808

F2 0 312 0 78 156 78 0 312 0 78 156 78
F 2 0 0 24 15 42 39 0 0 24 15 42 39
131
Paso 10: Simplificamos.

Dividiendo los elementos de cada una de las filas por su mximo comn
divisor (mcd). El Mximo comn divisor de cada fila es:
Fila 1= 2808
Fila 2= 78
Fila 3= 3
F1 22464 0 0 2808 5616 2808 F1 2808 8 0 0 1 2 1

F2 0 312 0 78 156 78 F 2 78 0 4 0 1 2 1
F 2 0 0 24 15 42 39 F 3 3 0 0 8 5 14 13
Luego del paso 10, la matriz compuesta debe quedar como:
F1 8 0 0 1 2 1

F2 0 4 0 1 2 1
F 2 0 0 8 5 14 13
Paso 11: Efectuamos las siguientes divisiones:

- Dividimos la primera fila entre a11 .
- Dividimos la segunda fila entre a 22 .
- Dividimos la tercera fila entre a33 .
La matriz que queda a la derecha de la matriz compuesta es la inversa de

la matriz A
F1 8 0 0 1 2 1 F1 (8) 1 0 0 1 / 8 2 / 8 1/ 8

F 2 0 4 0 1 2 1 F 2 4 0 1 0 1 / 4 2/4 1/ 4
F 2 0 0 8 5 14 13 F 3 (8) 0 0 1 5 / 8 14 / 8 13 / 8
Finalmente la inversa de la matriz A
1 2 1 1 1 1
8
8 8 8 4 8
1 2 1 1 1
A1
1

4 4 4 4 2 4
5 14 13 5 7 13

8 8 8 8 4 8
Nota: Para una matriz de cualquier orden el procedimiento es similar al
descrito en los 11 pasos del ejemplo anterior.
132
Ejemplo 4.13:
Calcular la inversa de la matriz A de orden 3 por el mtodo de Gauss
3 1 2
A 5 2 1

1 4 3
Se construye la matriz aumentada A I
3 1 2 1 0 0
A I 5 2 1 0 1 0

1 4 3 0 0 1
Aplicando diversas operaciones, sobre las filas de esta nueva matriz, a fin de
conseguir que se transforme en la siguiente matriz I B
F1 3 1 2 1 0 0 3 1 2 1 0 0

F2 5 2 1 0 1 0 3 F2 5 F1 0 11 13 5 3 0
F3 1 4 3 0 0 1 3 F1 (1 F1 ) 0 13 7 1 0 3
F1 3 1 2 1 0 0 3 1 2 1 0 0

F2 0 11 13 5 3 0 7 F2 13 F3 0 246 0 48 21 39
F3 0 13 7 1 0 3 11 F3 13 F2 0 0 246 54 39 33
F1 3 1 2 1 0 0 246 F1 (2 F3 ) 738 246 0 138 78 66

F2 0 246 0 48 21 39 0 246 0 48 21 39
F3 0 0 246 54 39 33 0 0 246 54 39 33
F1 738 246 0 138 78 66 246 F1 (246 F2 ) 181545 0 0 22140 24345 6642

F2 0 246 0 48 21 39 0 246 0 48 21 39
F3 0 0 246 54 39 33 0 0 246 54 39 33
F1 181545 0 0 22140 24345 6642

F2 0 246 0 48 21 39
F3 0 0 246 54 39 33
Dividiendo F1entre el MCD de los nmeros: 181548, 22140, 24354, 6642.

F1 3362 0 0 410 451 123

F2 0 246 0 48 21 39
F3 0 0 246 54 39 33
133
Dividiendo cada una de las filas entre los mismos elementos de la diagonal
principal como:
F1 entre 3362
F2 entre -246
F3 entre -246
F1 3362 0 0 410 451 123

F2 0 246 0 48 21 39
F3 0 0 246 54 39 33
3362 0 0 410 451 123

3362 3362 3362 3362 3362 3362
0 246 0 48 21 39

246 246 246 246 246 246
0 0 246 54 39 33
246 246 246 246 246 246

1 0 0 10 / 82 11 / 82 3 / 82
I B 0 1 0 16 / 82 7 / 82 13 / 82
0 0 1 18 / 82 13 / 82 11 / 82
La matriz inversa de A es:

5 11 3
41 82 82
8 13
B A1
7

41 82 82
9 13 11
41 82 82
4.6 Sistema lineal de ecuaciones

Un sistema de m ecuaciones lineales (E1, E2, E3,., Em), con n incgnitas (x1, x2,
x3,, xn). Cuyos coeficientes ai j y bi , son nmeros reales con 1 i m y 1 j n ,
se puede expresar o representar como:

a11 x1 a12 x 2 a1n x n b1
a 21 x1 a 22 x 2 a 2 n x n b2
m n
ai1 x1 ai 2 x 2 ain x n bi
a
i 1 j 1
ij x j bi

a m1 x1 a m 2 x 2 a mn x n bm
El sistema anterior se puede discretizar como:
134
a11 a12 a13 a1n x1 b1

a a22 a23 a2 n x2 b2
21
a31 a32 a33 a3n x3 b3

am1 am 2 am3 amn xn bm
Amn xn1 bm1

Donde:
m: Nmero de ecuaciones
n: Nmero de incgnitas
Caso 1: m=n (Nmero de ecuaciones, igual al nmero de incgnitas)
Caso2: m<n (Nmero de ecuaciones, menor al nmero de incgnitas)
Caso 3: m>n: (Nmero de ecuaciones, mayor al nmero de incgnitas)
En el caso 1, la matriz A es cuadrada, y la manera de encontrar la solucin es
multiplicando cada lado de la ecuacin por la inversa de A .
Ax b
A1Ax A1b
I x A1b
x A1b
La ecuacin final de esta deduccin, es conocida como el mtodo formal para
obtener la solucin de x , aplicando operaciones bsicas de matrices y vectores.
Ejemplo 4.14:
Resolver el siguiente sistema de ecuaciones lineales, aplicando operaciones bsicas
de matrices y vectores.
2 x1 x2 3x3 2
x1 3x2 2 x3 0
3x1 x2 3x3 1
135
Solucin:
2 1 3 x1 2
1 3 2 x 0
2
3 1 3 x3 1
Ax b
x A1b
A1 1
adj ( A)
A
Calculando el determinante de A por el mtodo del algoritmo montante.

1
2 1 3 2
7 1 (7)(3) - (1)(-1)
A 1 3 2 ~ 11
-1 3 2
3 1 3
Calculando la adjunta de A .
adj ( A) B
T
Donde B es la matriz de cofactores de A .
11 3 10
B 0 3 1
11 1 7
11 0 11
adj( A) B 3 1
T
3
10 1 7
Calculando la inversa de A .
11 0 11
1
A1 1
1
adj( A) 3 3
A 11
10 1 7
Finalmente calculando x a partir de la ecuacin del mtodo formal:
x A1b
136
11 0 11 2
x 3 3 1 0
1
11
10 1 7 1
11 2 0 0 11 1
x 3 2 3 0 11
1
11
10 2 1 0 7 1
11 11 / 11
x 5 5 /11
1
11
13 13 / 11
x1 1 ; x2 0.454545 ; x3 1.181818
Ejemplo 4.15
Resolver el siguiente sistema de ecuaciones lineales, aplicando operaciones bsicas
de matrices y vectores
6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3x1 13x2 9 x3 3x4 19
6 x1 4 x2 x3 18 x4 34
El siguiente sistema de ecuaciones se puede discretizar como:
Ax b
6 2 2 4 x1 16
12 8
6 10 x2 26

3 13 9 3 x3 19

6 4 1 18 x4 34
1
6 2 2 4 6
- 24 12 12 24
12 8 6 10 - 48 120 (-48)(312) - (120)(-96)
A ~ 72 48 6 ~ 144
3 13 9 3 96 312 - 24
12 18 - 84
6 4 1 18
137
502 310 100 44

1194 690 204 84
adj ( A) B
T
1716 996 312 120

528 312 96 48
502 310 100 44

1 1194 690 204 84
A adj ( A)
1 1
A 144 1716 996 312 120

528 312 96 48
x A1b
502 310 100 44 16 3
1194 690 204 84 26 1
x 1 x
144 1716 996 312 120 19 2

528 312 96 48 34 1
x1 3; x2 1; x3 2; x4 1
4.6.1 Regla de Cramer

La regla de Cramer, es otra tcnica de solucin adecuada, preferentemente para
sistemas de ecuaciones lineales pequeos. Esta regla establece que cada incgnita
de un sistema de ecuaciones lineales algebraicas de la forma: Ax b , puede

expresarse como una fraccin de dos determinantes, con denominador A y con
numerador obtenido a partir de A , al remplazar la columna de coeficiente de
incgnitas xi en cuestin o a determinar, por las constantes independientes b1, b2,

, bn. Tales como:
b1 a12 a1n a11 b1 a1n a11 a12 b1
b2 a22 a2 n a12 b2 a 2 n a12 a22 b2

b a2 n ann a bn ann a a2 n bn
x1 n x2 1n xn 1n
a11 a12 a1n a11 a12 a1n a11 a12 a1n
a12 a22 a2 n a12 a 22 a2 n a12 a 22 a2 n

a1n a2 n ann a1n a2 n ann a1n a2 n a nn
138
Ejemplo 4.16: Resolver el siguiente sistema de ecuaciones lineales, utilizando la

tcnica de la regla de Cramer.
2 1 3 x1 2 2 1 3
1 3 2 x 0 A s 1 3 2 11
2
3 1 3 x3 1 3 1 3
2 1 3
11
x1 0 3 2 11 x1 1
11
1 1 3
2 2 3
5
x2 1 0 2 5 x2 0.454545
11
3 1 3
2 1 2
13
x3 1 3 0 13 x3 1.181818
11
3 1 1
Ejemplo 4.17:
Codificar en Matlab, el algoritmo correspondiente a la Regla de Cramer, para dar
solucin a un sistema de ecuaciones lineales, dicho algoritmo puede representarse
en el diagrama de Nassi Sheiderman como:
Leer: [a], [b]
n= dimensin de [a]
Para i=1 a n hacer:
A=a
A(:,i)=b;
d(i)=det(A)
D=det(a)
x=d/D
Imprimir: [a],[b],[x]
Probar el programa, solucionando el siguiente sistema de ecuaciones
139
6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3x1 13x2 9 x3 3x4 19
6 x1 4 x2 x3 18 x4 34
6 2 2 4 x1 16
12 8
6 10 x 2 26

3 13 9 3 x3 19

6 4 1 18 x 4 34
Ax b
Resultados: x1 3; x2 1; x3 2; x4 1
Cdigo Matlab
clear;clc;
a=input('Ingrese Matriz A[] nxn : ');
b=input('Ingrese Vector B[] nx1 : ');
n=length(a);
for i=1:n
A=a;
A(:,i)=+b;
d(i)=det(A);
end
D=det(a);
x=(d/D)';
a,b,x

>> cramer
Ingrese Matriz de Coeficientes a11 a12 ... a1n
Ingrese Matriz A[] nxn : [6 -2 2 4; 12 -8 6 10; 3 -13 9 3; -6 4
1 -18]
Ingrese Vector B[] nx1 : [16 26 -19 -34]'
a =
6 -2 2 4
12 -8 6 10
3 -13 9 3
-6 4 1 -18
b =
16
26
-19
-34
140
x =
3
1
-2
1
4.6.2 Mtodo del algoritmo montante

El Algoritmo Montante tambin es aplicado en la solucin de Sistemas de
Ecuaciones Lineales con coeficientes enteros, por lo que debemos de tener cuidado
de que si alguna ecuacin es dada con decimales o con cantidades fraccionarias lo
primero que debemos hacer es transformarla usando la multiplicacin por una
constante no nula para que nos deje solamente nmeros enteros en las ecuaciones.
Al aplicar la formula Montante a la Matriz del Sistema de Ecuaciones, se hace
transformaciones de esta para pasarla a otra Matriz Equivalente que tiene la
misma solucin que la original, hasta reducirla a un sistema que fcilmente se
puede resolver. Dado un Sistema de n Ecuaciones con n Incgnitas. Las reglas a
aplicar son las siguientes:
Reglas.
Se coloca la Matiz Aumentada

Se toman n Pivotes (P.) tomando uno y solo uno de cada fila y columna de
los coeficientes de las incgnitas. Se recomienda tomar los elementos de
la Diagonal Principal como Pivotes.
En cada transformacin los elementos de fila del Pivote pasan iguales sin
ser modificados.
Los elementos de la columna del Pivote se convierten en ceros excepto
el Pivote.
Los huecos que queden en la nueva matriz sern llenados con la
transformacin de los elementos correspondientes de la matriz anterior
mediante la aplicacin de la formula Montante.
Ejemplos 4.18:
Determinar la solucin del siguiente sistema de ecuaciones lineales, aplicando las

reglas y la frmula del algoritmo montante.
141
3x y 2 z 1
2x 3y z 2
x 2 y 2 z 10
Solucin.
Escribiremos la Matriz Aumentada y aplicamos las reglas.
1 3 7
3 1 2 1 3 1 2 1 7 0 5 1 21 0 0 42

2 3 1 2 ~ 0 7 1 4 ~ 0 7 1 4 ~ 0 21 0 21
1 2 2 10 0 7 8 31 0 0 21 63 0 0 21 63
La ltima matriz representa al sistema de ecuaciones lineales equivalente, y su

solucin es:
42 21 63
x 2 ; y 1 z 3
21 21 21
NOTA. Si se aplicara la regla de Cramer para resolver este sistema de ecuaciones

resultara que:
s 21 ; x 42 ; y 21 ; y z 63 . Que son los nmeros que aparecen en la

matriz equivalente.
4.6.3 Eliminacin simple de Gauss

Este mtodo est ideado para resolver un sistema de n ecuaciones con n variables.
Esta tcnica consiste en dos fases: la primera consiste en la eliminacin hacia
delante de las incgnitas y la segunda su solucin mediante sustitucin hacia atrs.
La primera fase, consiste en reducir el sistema de ecuaciones a un sistema
triangular superior.
a11x1 a12 x2 a13 x3 a1n xn b1 ( E1 )
a21x1 a22 x2 a23 x3 a2 n xn b2 ( E2 )
a31x1 a32 x2 a33 x3 a3n xn b3 ( E3 )

an1 x1 an 2 x2 an 3 x3 ann xn bn ( En )
142
Primero se plantea la matriz aumentada

F1 a11 a12 a13 a1n b1

F2 a21 a22 a23 a2 n b2
F3 a31 a32 a33 a3n b3

Fn an1 an 2 an 3 ann bn
El paso inicial ser multiplicar la ecuacin E1 (F1) por el factor (a21 / a11) y est
ecuacin E1 modificado, se resta a la ecuacin E2 (F2) para eliminar la primera
incgnita x1, haciendo ceros el coeficiente a21 .
F1 a11 a12 a13 a1n b1

F2 0 a'22 a'23 a ' 2 n b' 2
F3 0 a'32 a'33 a '3 n b'3

Fn 0 a'n 2 a'n3 a'nn b' n
Luego de la eliminacin hacia delante queda como:

F1 a11 a12 a13 a1n b1

F2 0 a'22 a'23 a'2 n b' 2
F3 0 0 a' '33 a ' '3 n
b' '3

Fn 0 0 0 a ( n1) nn b ( n1) n
El superndice prima indica la veces que los elementos han cambiado sus valores
originales.
La segunda fase sustitucin hacia atrs de la eliminacin simple de gauss,
consiste en ir sustituyendo en las n ecuaciones y despejar xi, y se representa
mediante la frmula:
n
a
( i 1) ( i 1)
bi ij xj
j i 1
xi ( i 1)
Para i=n-1, n-2,, 1.
a ii
Por ejemplo de la frmula para i=n se tiene:

( n 1)
b
xn n ( n1)
ann
A partir de los resultados de la primera fase (eliminacin hacia delante)
143
F1 a11 a12 a13 a1n b1

F2 0 a' 22 a'23 a'2 n b' 2
F3 0 0 a' '33 a ' '3 n
b' ' 3

Fn 0 0 0 a ( n1) nn b ( n1) n
Se puede desarrollar la segunda fase como:

( n 1)
b
xn n ( n1)
ann

b' '3 a ' '3 n x n
x3
a ' '33
b'2 a ' 2 n xn a ' 23 x3
x2
a ' 22
b1 a1n xn a13 x3 a12 x2
x1
a11
Llamado, sustitucin hacia atrs.
Ejemplo 4.19:
Utilice la eliminacin simple de Gauss para resolver el siguiente sistema de
ecuaciones.
6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3x1 13x2 9 x3 3x4 19
6 x1 4 x2 x3 18 x4 34
Que se puede plantear como Ax b :

6 2 2 4 x1 16
12 8
6 10 x2 26

3 13 9 3 x3 19

6 4 1 18 x4 34
Primero construyendo la matriz aumentada A b .
6 2 2 16
4

A b 123 138 6 10 26
9 3 19

6 4 1 18 34
144
Primera fase, eliminacin hacia delante.

6 2 2 4 16

A b 00 124 2 2 6
8 1 27

0 2 3 14 18
6 2 2 4 16
0 4 2 2 6
Ab
0 0 2 5 9
0 0 4 13 21
6 2 2 4 16
0 4 2 2 6
Ab
0 0 2 5 9
0 0 0 3 3
Segunda fase: Sustitucin hacia atrs

3
x4 1
3
9 5 x4 9 (5) (1)
x3 2
2 2
6 2 x4 2 x3 6 (2)(1) (2)(2)
x2 1
4 4
16 4 x4 2 x3 2 x2 16 (4)(1) (2)(2) (2)(1)
x1 3
6 6
Ejemplo 4.20:
Implemente un programa en Matlab, cuyas entradas sean la matriz de coeficientes
y los trminos independientes del sistema de ecuaciones lineales y devuelva la
solucin del sistema por el mtodo de Eliminacin Simple de Gauss.
Solucin:
La eliminacin simple de Gauss consiste en dos etapas: eliminacin hacia delante
y sustitucin hacia atrs, cuyos algoritmos se presentan en los siguientes dos
diagramas de Nassi Sheiderman.
145
Eliminacin hacia adelante
Leer: [A], [B]
n= dimensin de [A];
Para i=1 a n-1 hacer:
Para k=i+1 a n hacer:

fac=A(k,i)/A(i,i);
A(k,j)=A(k,j)-fac*A(i,j);
B(k)=B(k)-fac*B(i);
Sustitucin hacia atrs
X= B*0;
X(n)=B(n)/A(n,n);
Para i=n-1 a 1 cada -1 hacer:
sum=0;
sum=sum+A(i,j)*X(j);
X(i)=(B(i)-sum)/A(i,i);
Imprimir: [X]
Para probar el programa, resolver el siguiente sistema de ecuaciones

6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3x1 13x2 9 x3 3x4 19
6 x1 4 x2 x3 18 x4 34
El siguiente sistema de ecuaciones se puede discretizar como:
A X B
Donde:
146
6 2 2 4 x1 16
12 8 x 26
6 10
A ; X y B
2
3 13 9 3 x3 19

6 4 1 18 x4 34
Resultados:
x1 3; x2 1; x3 2; x4 1
Cdigo Matlab
clear;clc;
disp('SISTEMA DE ECUACIONES POR ELIMINACION SIMPLE DE GAUSS')
a=input('Ingrese Matriz A[] nxn : ');
b=input('Ingrese Vector B[] nx1 : ');
n=length(a);
%CODIGO GAUSS ELIMINACION HACIA ADELANTE
%Transformacion del sistema en un triangulo
for i=1:n-1
for k=i+1:n
f=a(k,i)/a(i,i);
for j=i+1:n
a(k,j)=a(k,j)-f*a(i,j);
end
b(k)=b(k)-f*b(i);
end
end
%CODIGO SUSTITUCION HACIA ATRAS
x=zeros(n,1);% tambien vale x=b*0
x(n)=b(n)/a(n,n);
for i=n-1:-1:1
s=0;
for j=i+1:n
s=s+a(i,j)*x(j);%sumatoria
end
x(i)=(b(i)-s)/a(i,i);
end
x

>> elgaussha
SISTEMA DE ECUACIONES POR ELIMINACION SIMPLE DE GAUSS
Ingrese Matriz A[] nxn : [6 -2 2 4;12 -8 6 10; 3 -13 9 3; -6 4 1
-18]
Ingrese Vector B[] nx1 : [16 26 -19 -34]'
a =
6 -2 2 4
12 -8 6 10
3 -13 9 3
-6 4 1 -18
147
b =
16
26
-19
-34
x =
3
1
-2
1
4.6.4 Mtodo de Gauss Jordan

Es una variacin de la eliminacin de gauss. La principal diferencia, consiste es que
cuando una incgnita se elimina en el mtodo de Gauss Jordan, esta se elimina de
todas las ecuaciones. Adems, todas las filas se normalizan al dividirlo entre su
elemento pivote. De esta manera el paso de eliminacin genera una matriz
identidad en vez de una triangular superior como en el caso de Gauss Simple. En
consecuencia no es necesario usar la sustitucin hacia atrs para obtener la
solucin.
a11 a12 a13 a1n b1

a 21 a 22 a 23 a 2 n b2
a31 a32 a33 a3n b3

a a n 3 a nn bn
n1 a n 2

1 0 0 0 b1 ( n )

0 1 0 0 b2 ( n )
0 0 1 0 b3 ( n )

0 0 0 1 bn ( n )

(n)
x1 b1

(n)
x2 b2

(n)
x3 b3

(n)
xn bn
148
El superndice (n) significa que los elementos del vector del lado derecho se han
modificado n veces.
Ejemplo 4.21:
Utilice el mtodo de Gauss Jordan, para resolver el siguiente sistema de
ecuaciones lineales.
6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3x1 13x2 9 x3 3x4 19
6 x1 4 x2 x3 18 x4 34
Que se puede plantear como Ax b :

6 2 2 4 x1 16
12 8
6 10 x2 26

3 13 9 3 x3 19

6 4 1 18 x4 34
Construyendo la matriz aumentada A b .
6 2 2 4 16

A b 123 138 6 10 26
9 3 19

6 4 1 18 34
Normalizando la fila F1 al dividirlo entre su elemento pivote, en este caso 6.

6 2 2 4 16 F1 F1 6 1 1/ 3 1/ 3 2 / 3 8 / 3
12 8 6 10 26 12 8 6 10 26
3 13 9 3 19 3 13 9 3 19
6 4 1 18 34 6 4 1 18 34
Eliminando los coeficientes de la variable x1 en las ecuaciones: E2 E3 y E4.

1 1/ 3 1/ 3 2 / 3 8 / 3 1 1/ 3 1/ 3 2 / 3 8 / 3
12 8 6 10 26 F2 F2 12 F1 0 4 2 2 6
3 13 9 3 19 F3 F3 3 F1 0 12 8 1 27
6 4 1 18 34 F4 F4 (6) F1 0 2 3 14 18
Normalizando la fila F2 al dividirlo entre su elemento pivote, en este caso -4.
149
1 1/ 3 1/ 3 2 / 3 8 / 3 1 1/ 3 1/ 3 2/3 8/3
0 4 2 2 6 F2 F2 (4) 0 1 1/ 2 1/ 2 3 / 2
0 12 8 1 27 0 12 8 1 27
0 2 3 14 18 0 2 3 14 18

1 1/ 3 1/ 3 2 / 3 8 / 3 F1 F1 (1 / 3) F2 1 0 1/ 6 1 / 2 19 / 6
0 1 1/ 2 1/ 2 3 / 2 0 1 1/ 2 1/ 2 3 / 2
0 12 8 1 27 F3 F3 (12) F2 0 0 2 5 9
0 2 3 14 18 F4 F4 (2) F2 0 0 4 13 21
Normalizando la fila F3 al dividirlo entre su elemento pivote, en este caso 2.

1 0 1/ 6 1 / 2 19 / 6 1 0 1/ 6 1 / 2 19 / 6
0 1 1/ 2 1/ 2 3 / 2 0 1 1/ 2 1/ 2 3 / 2
0 0 2 5 9 F3 F3 2 0 0 1 5/ 2 9/ 2
0 0 4 13 21 0 0 4 13 21

1 0 1/ 6 1 / 2 19 / 6 F1 F1 (1 / 6) F3 1 0 0 11 / 12 47 / 12
0 1 1/ 2 1 / 2 3 / 2 F2 F2 (1 / 2) F3 0 1 0 7 / 4 3/ 4
0 0 1 5/ 2 9/ 2 0 0 1 5/ 2 9/ 2
0 0 4 13 21 F4 F4 (4) F3 0 0 0 3 3
Normalizando la fila F4 al dividirlo entre su elemento pivote, en este caso -3.

1 0 0 11 / 12 47 / 12 1 0 0 11 / 12 47 / 12
0 1 0 7 / 4 3/ 4 0 1 0 7 / 4 3/ 4
0 0 1 5/ 2 9/ 2 0 0 1 5/ 2 9/ 2
0 0 0 3 3 F4 F4 (3) 0 0 0 1 1

1 0 0 11 / 12 47 / 12 F1 F1 (11 / 12) F4 1 0 0 0 3
0 1 0 7 / 4 3 / 4 F2 F2 (7 / 4) F4 0 1 0 0 1
0 0 1 5 / 2 9 / 2 F3 F3 (5 / 2) F4 0 0 1 02
0 0 0 1 1 0 0 0 1 1
150
Finalmente se tiene como resultado la matriz identidad aumentada I x , del cual
se puede plantear el sistema de ecuaciones ya simplificado como:

1 x1 0 x 2 0 x3 0 x 4 3
0 x1 1 x 2 0 x3 0 x 4 1
0 x1 0 x 2 1 x3 0 x 4 2
0 x1 0 x 2 0 x3 1 x 4 1
Obtenindose, directamente la solucin del sistema de ecuaciones por el mtodo

de Gauss Jordan.
3
1
x
2
1
Solucin: x1 3; x2 1; x3 2; x4 1
4.6.5 Descomposicin LU
El procedimiento de descomposicin LU transforma una matriz A en un
producto de dos matrices: A LU ; donde L es una matriz triangula inferior y
U es una matriz triangular superior.

Para resolver sistemas de ecuaciones lineales, donde las matrices de coeficientes
de las variables son iguales, pero no el vector columna de trminos
independientes, la solucin de este tipo de sistemas utilizando la descomposicin
LU, tiende a ser ms eficiente que la eliminacin de Gauss.
Ax B (1)
Ax B 0 (2)
Las ecuaciones anteriores se pueden expresar como un sistema triangular
superior, aplicando el primer paso de la eliminacin de Gauss.
u11 u12 u13 u1n x1 d1
0 u u 23 u 2 n x2 d 2
22

0 0 u33 u3n x 3 d 3 (3)

0 0 0 u nn xn d n
151
U x D
U x D 0 (4)
Ahora, definiremos una matriz triangular inferior con nmeros 1 en la diagonal

principal, que tiene la propiedad, de que cuando se multiplica por la ecuacin (4),
el resultado es la ecuacin (2). Es decir:
1 0 0 0
l 0
21 1 0
L l31 l32 1 0 (5)

ln1 ln 2 ln3 1
LU x D Ax B (6)
Si esta ecuacin se satisface, segn la regla de multiplicacin de matrices, se
obtendr:
LU A (7)
LD B (8)
Ax B
a) Descomposicin
U L
LD B
b) Hacia adelante
D
Sustitucin
U x D
c) Hacia atrs
x
En la figura anterior se puede observar una secuencia de dos pasos, basados en las
ecuaciones (1), (4), (7) y (8), para obtener la solucin de x. Los pasos son:
1. Paso de descomposicin LU. La matriz A se factoriza o descompone en
las matrices triangulares inferior L y superior U .
152
2. Paso de sustitucin. L y U se usan para determinar una solucin x
para un lado derecho B. Este paso, a su vez, se divide en dos sub. pasos:
a. Primero, la ecuacin (8) se usa para generar un vector intermedio
D mediante sustitucin hacia delante.
b. Segundo, el resultado se sustituye en la ecuacin (4), la que se
resuelve por sustitucin hacia atrs, para obtener el vector solucin
x.
Ejemplo 4.22:
Utilice la descomposicin LU con eliminacin de Gauss, y sustitucin hacia
delante y hacia atrs, para obtener la solucin del siguiente sistema de ecuaciones:
6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3x1 13x2 9 x3 3x4 19
6 x1 4 x2 x3 18 x4 34
El siguiente sistema de ecuaciones se puede planear como:
6 2 2 4 x1 16
12 8
6 10 x2 26

3 13 9 3 x3 19

6 4 1 18 x4 34
Que es de la forma.
Ax B
Solucin:
Paso 1: Descomposicin LU, para obtener L y U a partir de A .
La matriz L se puede iniciar como una matriz con 1s en la diagonal principal y el

resto de valores igual a cero.
6 2 2 4 1 0 0 0
12 8 6 10 0 1 0 0
A L
3 13 9 3 0 0 1 0

6 4 1 18 0 0 0 1
Calculo de factores para aplicar eliminacin simple de Gauss a la columna 1 y filas

2,3 y4.
153
a21 12 a31 3 1 a41 6

f 21 2; f 31 ; f 41 1 .
a11 6 a11 6 2 a11 6
Aplicando la eliminacin de Gauss con estos factores a las respectivas filas y

columna de la matriz A y guardando estos factores en la matriz L se obtiene.
6 2 2 4 1 0 0 0
0 4 2 2 2 1 0 0
A L
0 12 8 1 1 / 2 0 1 0

0 2 3 14 1 0 0 1
Aplicando el mismo procedimiento anterior, ahora para eliminar la columna 2 y

filas 3 y 4.
a32 12 a42 2 1
f 32 3; f 42
a22 4 a22 4 2
Aplicando eliminacin de Gauss y guardando factores se tiene.

6 2 2 4 1 0 0 0
0 4 2 2 2 1 0 0
A L
0 0 2 5 1 / 2 3 1 0

0 0 4 13 1 1/ 2 0 1
Por ltimo, aplicando el mismo procedimiento a la columna 3 y fila 4, se tiene.

a43 4
f 43 2
a33 2
6 2 2 4 1 0 0 0
0 4 2 2 2 1 0 0
A L
0 0 2 5 1 / 2 3 1 0

0 0 0 3 1 1/ 2 2 1
Finalmente la matriz A transformada viene a ser U y L queda como tal.
6 2 2 4 1 0 0 0
0 4 2 2 2 1 0 0
U L
0 0 2 5 1 / 2 3 1 0

0 0 0 3 1 1/ 2 2 1
Y se debe cumplir que A LU :
6 2 2 4 1 0 0 0 6 2 2 4
12 8 6
10 2 1 0 0 0 4 2 2

3 13 9 3 1 / 2 3 1 0 0 0 2 5

6 4 1 18 1 1 / 2 2 1 0 0 0 3
154
Paso 2a: Sustitucin hacia delante, para obtener D.
LD B
1 0 0 0 d1 16
2
1 0 0 d 2 26

1 / 2 3 1 0 d 3 19

1 1/ 2 2 1 d 4 34
Aplicando la multiplicacin de matrices y vectores e igualando de adelante hacia

atrs se tiene.
d1 16
2 d1 d 2 26
1
d1 3 d 2 d 3 19
2
1
d1 d 2 2 d 3 d 4 34
2
Solucionando consecutivamente el sistema se obtiene.
d1 16 ; d 2 6 ; d 3 9 ; d 4 3 .
16
6
D
9
3
Paso 2b: Sustitucin hacia atrs, para obtener x.
U x D
6 2 2 4 x1 16
0 4 2 2 x 6
2
0 0 2 5 x3 9

0 0 0 3 x4 3
Aplicando la multiplicacin de matrices y vectores e igualando de atrs hacia
delante se tiene.
3 x4 3
2 x3 5 x4 9
4 x2 2 x3 2 x4 6
6 x1 2 x2 2 x3 4 x4 16
Solucionando consecutivamente el sistema se obtiene.
x4 1 ; x3 2 ; x2 1 ; x1 3 .
155
3
1
x
2
1
Ejemplo 4.23:
Utilice el Matlab, para codificar el algoritmo de la descomposicin LU con
eliminacin de Gauss, y sustitucin hacia delante y hacia atrs, para obtener la
solucin de un sistema de ecuaciones en general, y probar el programa
solucionando el sistema de ecuaciones del ejemplo 4.22.
Solucin:
Se debe tener presente la secuencia a seguir en este mtodo, segn el diagrama de
descomposicin LU.
Algoritmo de Descomposicin LU
Leer: [A], [B]
n= dimensin de [A];
L=Matriz Identidad (nxn)
U=A;
Para k=1 a n-1 hacer:
Para i=k+1 a n hacer:
factor=U(i,k)/U(k,k)
L(i,k)=factor
Para j=k+1 a n hacer:
U(i,j)=U(i,j)-factor*U(k,j)
U(i,k)=0;
Imprimir L,U
156
Algoritmo de Sustitucin
Hacia adelante Hacia atrs
D= [B] x(n)=D(n)/U(n,n);
Para i=2 a n hacer: Para i=n-1 a 1 cada-1 hacer:
sum=B(i) sum=0;
Para j=1 a i-1 hacer: Para j=i+1 a n hacer:
sum=sum-L(i,j)*D(j); sum=sum+U(i,j)*x(j);
D(i)=sum; x(i)=(D(i)-sum)/U(i,i);
Imprimir: [D] Imprimir: [x]
Cdigo Matlab
A=input('Ingrese Matriz [A] :')
B=input('Ingrese Matriz [B] :')
n=length(A);
L=eye(n);
U=A;
%Descomposicion LU
for k=1:n-1
for i=k+1:n
factor=U(i,k)/U(k,k);
L(i,k)=factor;
for j=k+1:n
U(i,j)=U(i,j)-factor*U(k,j);
end
U(i,k)=0;
end
end
L,U
%Sustitucion hacia adelante
D=B;
for i=2:n
sum=B(i);
for j=1:i-1
sum=sum-L(i,j)*D(j);
end
D(i)=sum;
end
D
%Sustitucion hacia atras
x(n)=D(n)/U(n,n);
for i=n-1:-1:1
sum=0;
157
for j=i+1:n
sum=sum+U(i,j)*x(j);
end
x(i)=(D(i)-sum)/U(i,i);
end
x

>> desuslu
Ingrese Matriz [A] :[6 -2 2 4;12 -8 6 10; 3 -13 9 3; -6 4 1 -18]
A =
6 -2 2 4
12 -8 6 10
3 -13 9 3
-6 4 1 -18
Ingrese Matriz [B] :[16 26 -19 -34]'
B =
16
26
-19
-34
L =
1.0000 0 0 0
2.0000 1.0000 0 0
0.5000 3.0000 1.0000 0
-1.0000 -0.5000 2.0000 1.0000
U =
6 -2 2 4
0 -4 2 2
0 0 2 -5
0 0 0 -3
D =
16
-6
-9
-3
x =
3 1 -2 1
158
Ejemplo 4.24:
Solucionar el siguiente sistema de ecuaciones, utilizando diversos mtodos

disponibles en MatLab.
6 2 2 4 x1 16
12 8
6 10 x 2 26

3 13 9 3 x3 19

6 4 1 18 x 4 34
Solucin:
Ingresar la matriz A y B al Matlab
>> A=[6 -2 2 4;12 -8 6 10; 3 -13 9 3; -6 4 1 -18]
>> B=[16 26 -19 -34]'
Mtodo de la Matriz Inversa

>> X=inv(A)*B
X = 3 1 -2 1
Operador Slash (\)

>> X=A\B
X = 3 1 -2 1
Mtodo de reduccin a la forma Cannica (Gauss Jordan)

>> A(:,5)=B
A = 6 -2 2 4 16
12 -8 6 10 26
3 -13 9 3 -19
-6 4 1 -18 -34
>> X=rref(A)
X = 1 0 0 0 3
0 1 0 0 1
0 0 1 0 -2
0 0 0 1 1
Descomposicin LU
>> [L,U,P]=lu(A)
L = 1 0 0 0
1/4 1 0 0
-1/2 0 1 0
1/2 -2/11 1/11 1
U = 12 -8 6 10
0 -11 15/2 1/2
0 0 4 -13
159
0 0 0 3/11
P = 0 1 0 0
0 0 1 0
0 0 0 1
1 0 0 0
>> L=inv(P)*L
>> D=L\B
D = 26 -51/2 -21 3/11
>> X=U\D
X = 3 1 -2 1
4.7 Problemas propuestos

Eliminacin de Gauss
1. Se dan las siguientes matrices
4 5 4 3 7
= 1 2 = 1 2 6
5 6 1 0 4
2
5 4 3 6
= 6 =
2 1 7 5
1
1 5 6
= 7 1 3
4 0 5
2 0 1
= 8 6 4
1 6 3
Responda a las siguientes preguntas considerando estas matrices:
a) Cul es la dimensin de las matrices?
b) Identifique las matrices cuadradas, columna y rengln.
c) Cules son los valores de los elementos: 12 , 23 , 32 , 22 , 12 , 12 ?
d) Realice las siguiente operaciones:
(1) +
(2)
(3) +
(4) 5 F
(5) A B
(6) B A
(7) A C
(8) CT
(9) DT
(10) I B
160
2. Elaborar un programa en Matlab que permita ingresar y obtener el

determinante una matriz cuadrada cualquiera por el mtodo de la lluvia, para
ello probar el programa obteniendo el valor del determinante de la siguiente
matriz
3 1 2 3 1
A 5 2 1 5 2
1 4 3 1 4
A (3)(2)(3) (1)(1)(1) (2)(5)(4) (2)(2)(1) (3)(1)(4) (1)(5)(3)

A 18 1 40 4 12 15
A 82
Luego utilizar el programa elaborado en Matlab, para obtener el determinante de

la matriz cuadrada siguiente [A] 4x4
2 1 1 1
1 2 2 3
A
3 1 1 2
2 3 1 4
3. Dado el sistema de ecuaciones
0.771 + 2 = 14.25
1.21 + 1.72 = 20
a) Resuelve grficamente.
b) Considerando la solucin grfica, qu se espera acerca de la condicin del
sistema?
c) Resuelva por eliminacin de incgnitas.
4. Para el sistema de ecuaciones

22 + 53 = 1
21 + 2 + 23 = 11
31 + 2 = 2
a) Calcule el determinante.
b) Emplee la regla de Cramer y resuelva para las x.
c) Sustituta los resultados en el sistema original y comprubelos.
5. Utilice el mtodo de eliminacin de Gauss-Jordan para resolver:
161
21 + 2 3 = 1
51 + 21 + 23 = 4
31 + 12 + 3 = 1
Use pivoteo parcial. Compruebe las respuestas por sustitucin en las ecuaciones
originales.
Descomposicin LU e inversin de matrices
6. El siguiente sistema de ecuaciones est diseado para determinar
concentraciones (las c estn en g/m3), en una serie de reactores en serie como
una funcin de la cantidad de masa que entra a cada reactor (el lado derecho se
expresa en g/da).
171 22 33 = 500
51 + 212 23 = 200
51 52 + 223 = 30
a) Utilice cualquier medio a su alcance para determinar la matriz inversa (por
ejemplo, Excel, MATLAB, su propio programa, etctere).
b) Use la matriz inversa para determinar las concentraciones.
c) Determine cul debe ser el incremento en la velocidad de masa de entrada al
reactor 3 para tener un aumento de 5 g/m3 en la concentracin del reactor 1.
d) Qu tanto se debe reducir la concentracin en el reactor 3 si la velocidad de
masa en los reactores 1 y 2 se reduce en 50 y 100 g/da, respectivamente?
7. Considere los vectores

= 2 3 +
= + 4
= 3 + + 2
Si el vector es perpendicular al vector , as como al vector . Se sabe que
. = 2. Utilice cualquiera de los mtodos estudiados en este captulo para
encontrar el valor de las tres incgnitas a, b, c.
8. Utilice la descomposicin LU, para resolver el siguiente sistema de ecuaciones
lineales:
162
x 1/ 4 w 1/ 4 z 1/ 2
y 1/ 4 w 1/ 4 z 1/ 2
1/ 4 x 1/ 4 y w 1/ 2
1/ 4 x 1/ 4 y z 1/ 2
9. Un ingeniero elctrico supervisa la produccin de tres tipos de componentes
elctricos. Se requiere para la produccin tres clases de materiales (metal,
plstico y hule). Las cantidades necesarias para producir cada componente son:
Metal Plstico Hule
Componente gr/componente gr/componente gr/componente
1 15 0.25 1.0
2 17 0.33 1.2
3 19 0.42 1.6
Si las cantidades totales de metal, plstico y hule son de 2120, 43.4 y 164 gr
respectivamente, y estn disponibles diariamente, Cuntos componentes de
de cada tipo se pueden producir por da?
Utilice el mtodo de Gauss-Jordan, para resolver el siguiente sistema de
ecuaciones lineales que se obtenga de plantear el problema.
Aplicaciones de ingeniera
10. Implementar un programa en Matlab que permita ingresar los valores de las
variables uno a uno de las resistencias y de los voltajes, permita construir la
matricial del sistema de ecuaciones generada y dar solucin al siguiente
circuito resistivo para obtener las intensidades de corriente. Verificar su
programa con los datos de las variables adjuntados.
163
El circuito elctrico de la figura est formado por distintas resistencias y

fuentes de alimentacin. Determinar la intensidad de corriente que pasa por
cada resistencia utilizando para ello las leyes de Kirchhoff para la resolucin de
circuitos resistivos. Los datos conocidos del circuito son los siguientes:
Las ecuaciones para las cuatro mallas que dan la solucin a este problema son
las siguientes:
1 1 1 3 1 3 2 1 2 = 0
5 2 2 1 2 4 2 3 7 (2 4 ) = 0
2 6 (3 4 ) 4 (3 2 ) 3 (3 1 ) = 0
3 8 4 7 (4 2 ) 6 (4 3 ) = 0
Estas cuatro ecuaciones pueden ser representadas en la forma matricial
= ;
164

Teoria Sistemas Lineales PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teoria Sistemas Lineales PDF

Uploaded by

Copyright:

Available Formats

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

independientes contantes y n es el nmero de ecuaciones.

4.2 Matrices y vectores

Donde A es la notacin breve para la matriz y a ij designa un elemento individual

de la matriz ubicado en la i-sima fila y j-sima columna.

4.2.2 Vector fila

4.2.3 Vector columna

4.2.4 Matrices cuadradas

4.2.5 Tipos especiales de matrices cuadradas

Es una matriz simtrica de 3 por 3 (3 x 3)

El smbolo I se utiliza para denotar la matriz identidad, que tiene

d) Matriz triangular superior

e) Matriz triangular inferior

La matriz anterior, tiene una banda de 3 y se le da un nombre especial: matriz

4.3 Operaciones con matrices y vectores

4.3.2 Suma de matrices

De manera similar la resta o diferencia de dos matrices E y F es:

D E F ; d ij eij f ij Para i=1, 2,, n y j=1, 2,, m.

cada elemento de A por g.

g a11 g a12 g a13 g a1m

D g A g a31 g a32 g a33 g a3m

El producto de dos matrices se representa como:

Donde m es la dimensin columna de A y la dimensin fila de B , es decir el

sima fila de la primera matriz A , por la j-sima columna de la segunda

La multiplicacin de dos matrices se puede realizar, solo si la primera matriz

Una forma simple de visualizar el clculo de Z es subir Y as:

Ahora la matriz Z se puede calcular en el espacio despejado por Y . Este

El elemento z11 se obtiene de multiplicar la primera fila de X por la primera

Los clculos continan de esta misma forma, siguiendo la alineacin de filas y

Siendo su algoritmo en el diagrama de Nassi Sheidermann

Leer: [A], [B]

Para j=1 a l hacer:

sum=0 Imprimir: Error en las

Para probar el programa, obtener el producto de las matrices [A] y [B]

4.4 Determinante de una matriz

4.4.1 Solucin por el mtodo de lluvia

A (3)(2)(3) (1)(1)(1) (2)(5)(4) (2)(2)(1) (3)(1)(4) (1)(5)(3)

4.4.2 Solucin por el mtodo de los cofactores

El valor de cualquier determinante de orden n, es igual a una suma algebraica de n

D A a11a 22 a33 a 21a32 a13 a31a12 a 23

4.4.3 Evaluacin de determinantes usando la eliminacin de Gauss

a11 a12 a13

Donde el determinante se evala como:

Y evaluando los determinantes de dos por dos

El paso de eliminacin hacia adelante de Gauss, genera un sistema triangular

modo se eliminan el coeficiente a31 de la fila 3 (F3), y los coeficientes restantes de

la primera columna quedando el determinante D como:

Luego se usa la fila 2 (F2) ya modificada para eliminar el coeficiente a'32 y as

sucesivamente los respectivos coeficientes y filas, quedando finalmente el

Para i=1 a n-1 hacer:

Para k=i+1 a n hacer:

Para j=i+1 a n hacer:

Para i=1 a n hacer:

Verificar el programa, utilizando la matriz [A].

Ejecucin del programa

4.4.4 Algoritmo montante aplicado a la solucin de determinante

El algoritmo Montante se basa en hacer transformaciones de los elementos de los

Dichas transformaciones giran sobre un elemento llamado Pivote (P) el cual

b) Algoritmo montante aplicado a la solucin de determinantes

A continuacin se detallarn algunos pasos que nos servirn para encontrar la

Cualquier elemento puede ser tomado como Pivote, excepto los

Calcular el siguiente determinante de orden 2.

Calcular el siguiente determinante de orden 3