Teoria Sistemas Lineales

CAPTULO 4: ALGEBNRA LINEAL NUMRICA
CAPTULO 4
ALGEBRA LINEAL NUMRICA
109
4.1
Introduccin
En esta seccin nos ocuparemos de determinar los valores x 1, 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
a
21
A a31

a n1
Donde
a12
a 22
a32
an2
a13 a1m
a 23 a 2 m
a33 a3m Fila 3
a n 3 a nm
es la notacin breve para la matriz y
aij
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
110
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
4.2.3 Vector columna
Se designa a las matrices con dimensiones columna m=1, tales como:
c1
c
2

cn
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:
1 2
3
A 5 2 1
1 4
3
4.2.5 Tipos especiales de matrices cuadradas
a)
Matriz simtrica
Es aquella donde
a ij 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:
111
a11
0
A
0
0
c)
0
a 22
0
0
0
0
a33
0
0
0
0
a 44
1
0
A
0
0
2
0
0
0
0
3
0
0
0
0
Matriz identidad
Es una matriz diagonal, donde todos los elementos sobre la

diagonal principal son iguales a 1.
1
0
I
0
0
1
0
0
0
0
1
0
0
0
0
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
0
A
0
0
e)
a12
a 22
0
0
a13
a 23
a33
0
a14
a 24
a34
a 44
Matriz triangular inferior
Es aquella matriz cuadrada, donde todos los elementos por encima

de la diagonal principal son cero.
a11
a
A 21
a 31
a 41
f)
0
0
a33
0
0
0
a 42
a 43
a 44
0
a 22
a32
Matriz bandeada
La matriz bandeada tiene todos los elementos iguales a cero, con

excepcin de una banda centrada sobre la diagonal principal.
112
a11
a
A 21
0
a12
a 22
a32
0
0
a 23
a33
a 43
0
0
a 34
a 44
La matriz anterior, tiene una banda de 3 y se le da un nombre

especial: matriz trdiagonal.
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
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.
113
g a11
g a
21
D g A g a31

g a n1
g a12
g a 22
g a32
g an 2
g a13
g a1m
g a 23 g a 2 m
g a33 g a3m

g a n 3 g a nm
El producto de dos matrices se representa como:

m
cij aik bkj
C A B ;
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 .
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.
A nm
B ml
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
5 9
Z X Y 8 6
7 2
0 4
Una forma simple de visualizar el clculo de Z es subir Y as:
114
C nl
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
z ij xik y kj
k 1
El elemento z11 se obtiene de multiplicar la primera fila de X por

la primera columna de Y , es decir:
Z 11 =X 11 Y 11 + X 12 Y 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.
Los clculos continan de esta misma forma, siguiendo la
alineacin de filas y columnas, para obtener el siguiente resultado:
3 1
8 6
0 4
5
7
5 9
7 2
3 5 1 7 3 9 1 2
8 5 6 7 8 9 6 2
0 5 4 7 0 9 4 2
3
8
22 29
Z 82 84
28 8
115
1
6
4
22
82
28
9
2
29
84
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 A nm B ml
n
C (i, j ) A(i, k ) B (k , j )
k 1
Siendo su algoritmo en el diagrama de Nassi Sheidermann

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
VF
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]
7 3 1
B 2 3 5
8 1 6
1 2 4
A 3 1 2
4 1 3
116
43 13 35
A B 39 14 20
54 18 27
20 18 37
B A 31 12 29
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);
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
117
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:
a11
a12
a 21
a 22
D A
a11 a12
a11 a 22 a12 a 21
a 21 a 22
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
A a 21 a 22
a31 a32
a13 a11
a 23 a 21
a33 a31
a12
a 22
a32
A a11 a 22 a33 a12 a 23 a31 a13 a 21 a32 a13 a 22 a 31 a11 a 23 a32 a12 a 21 a33
Este procedimiento es exclusivo para determinantes de tercer orden.
Ejemplo 4.3:
Halle el valor del determinante.
3
A 5
1
3
1 2 3
1
A 5 2 1 5 2
1 4
3 1 4
118
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.

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
A a21 a22
a31 a32
D A a11
a 22
a32
a13
a23
a33
a11
A a 21
a31
a 23
a
a12 21
a33
a 31
a12
a 22
a32
a 23
a
a13 21
a33
a 31
D A a11a 22 a33 a 21a32 a13 a31a12 a 23

a11a32 a 23 a 21a12 a33 a31a 22 a13
Ejemplo 4.4:
119
a13
a 23
a33
a 22
a 32
Calcular el valor del determinante del ejemplo anterior usando el

Mtodo de Cofactores
1 2
2 1
3
A 5
1
D A 3
2 1
5 1
5 2
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 a 22 a33 a nn
La validez de esta formulacin se ilustra para un sistema de tres por
tres aplicando el mtodo de los cofactores:
a11
A 0
0
a12
a 22
0
a13
a 23
a33
Donde el determinante se evala como:
D A a11
a 22
0
a 23
0 a 23
0 a 22
a12
a13
a33
0 a33
0 0
Y evaluando los determinantes de dos por dos

D A a11a 22 a33 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 ( n 1) nn
120
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
D A a31
a 22
a32
a 23 a 2 n
a33 a3n
a n1
an2
a n 3 a nn
El paso inicial ser multiplicar la fila 1 (F 1) por el factor (a21 / a11 ) y est
fila F1 modificado, se resta a la fila 2 (F 2) para hacer cero el
coeficiente a21 . Del mismo modo se eliminan el coeficiente a 31 de la
fila 3 (F3), y los coeficientes restantes de la primera columna
quedando el determinante D como:
F1
F2
F3
Fn
a11
0
0
a12
a' 22
a' 32
a'n 2
a13
a' 23
a'33
a' n3
a1n
a' 2 n
a'3n
a' nn
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
F2 0
F3 0

Fn 0
a12
a ' 22
0
a13
a' 23
a' '33
a1n
a' 2n
a ' '3n
( n 1)
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:
121
Aplicar
el
Mtodo
de
Gauss
paso
paso,
determinante de la siguiente matriz cuadrada [A]
para
obtener
el
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.
0 3/ 2
5/2
7/2
14 / 3
16 / 3
4/3
23 / 3
2
A
Hacer cero, el coeficiente de la tercera columna, usando como pivote

a33.
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:
122
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+ n hacer:
f=A(k,i)/A(i,i)
Para j=i+ 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].
2 1 1 1
1 2
A
3 1 1 2
4
2 3 1
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
123
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
de
las
Matrices,
para
transformarlos a determinantes o Matrices equivalentes.

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:
N .E.
( P)( E. A.) ( E.C.F .P.)( E.C.C.P.)

( 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
124
E.C.C.P.
Elemento Correspondiente a la Columna del
pivote
P.A.
b)
Pivote Anterior
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.
3 4
2 5
Cualquiera de los cuatro elementos puede ser Pivote trataremos

siempre que el Pivote sea el primer elemento (3) como Pivote
A
3 4
2 5
(3)(5) (2)( 4)
7
1
Ejemplo 4.8:
Calcular el siguiente determinante de orden 3
125
1 2
2 1
3
A 5
1
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)
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
N .E .
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).
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:
2 1 1 1
1 2 2 3
A
3 1 1 2
2 3 1
4
3 5 7
~ 5 1 1
4 4 6
14 - 16
~
- 4 23
(14)( 23) (4)( 16)

86
3
Nota: Los pasos del desarrollo se dejan para el estudiante.

Ejemplo 4.10:
126
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)
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
127
El determinante de |A|es
4.5
86.000
Matriz transpuesta, adjunta e inversa
4.5.1 Inversa de una matriz por su adjunta y determinante

Si
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.
adj ( A) B
Donde:
Aij
A11
A
12

A1n
A21 An1
A22 An 2

A2 n Ann
T
elementos de B o cofactores de A
Si A es una matriz invertible, entonces:
A 1
1
adj ( A)
A
Ejemplo 4.11:
Calcular la adjunta e inversa de la matiz A , si esta existe
1 2
3
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
A11 (1)11
2 1
5 1
5 2
10 A12 (1)1 2
16 A13 (1)13
18
4 3
1
3
1
4
;
;
128
A21 ( 1) 21
1 2
3 2
3 1
11 A22 ( 1) 2 2
7 A23 (1) 23
13
4 3
1 3
1 4
;
;
A31 ( 1) 31
1 2
3 2
3 1
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
adj ( A) B
10 11 3
16 7 13
18 13 11
Finalmente, podemos calcular la inversa de matriz A .
10 11 3
1
1
adj ( A)
16 7
13
A
82
18 13 11
10
82
16
82
18
82
11
82
7
82
13
82
3
10
82
82
16
13

82
82
11
18
82
82
11
82
7
82
13
82
3
82
13
82
11
82
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
AI ,
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
1
ser la inversa de A , es decir B A .
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.
129
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
A 2
1
5
1
3
Paso 1: Escribimos la matriz aumentada
1
0
A I ,
siendo I la matriz
identidad.
3
A I
1 1 0 0
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 a 21 0 , a la primera fila se sumamos la segunda.
a 0
Si tambin a 21 0 y 31
, a la primera fila le sumamos la
tercera.
a 0
Si a11 0 y a 21 0 y 31
, la matriz A no es inversible.
Paso 3: Comprobamos si a 21 0 (*)
Si a 21 0 , pasamos al paso siguiente.
Si a 21 0 , lo transformamos en cero realizando la siguiente
operacin:
a11 ( Fila 2) a 21 ( Fila 1) , es decir, multiplicamos la fila 2 por a11

y le restamos la fila 1 multiplicado por a 21 .
3
F1 3
5 1 1 0 0
5
1 1 0 0
F 2 2 1 0 0 1 0 3F 2 2 F1 0 13 2 2 3 0
1 3
F 2 1 3 1 0 0 1
1 0 0 1
130
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:
a11 ( Fila 3) a31 ( Fila 1)
, es decir, multiplicamos la fila 3 por a11 y
le restamos la fila 1 multiplicado por a31 .

3 5
F1 3
5
1 1 0 0
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
Paso 5: Comprobamos si a 22 0
Si a 22 0 , a la segunda fila le sumamos la tercera siempre
que
a 32 0
a 0
Si a 22 0 y 32
la matriz no es invertible.
Paso 6: Comprobamos si a 32 0
Si
a 32 0
lo transformamos en cero, realizando las siguientes
operaciones:
a 22 ( Fila 3) a32 ( Fila 2) , es decir, multiplicamos la fila 3 por a 22

y le restamos la fila 2 multiplicado por
a32
Nota: Si durante el proceso obtenemos una fila de ceros (en la parte izquierda) la
matriz
A no es invertible.
131
3 5
F1 3 5
1 1 0 0
1 1
0
0
F 2 0 13 2 2 3 0
3
0
0 13 2 2
F 2 0 14
4 1 0 3 13 F 3 (14 F 2) 0 0
24 15 42 39
Paso 7: Comprobamos si
Si
a 23 0
Si
a 23 0
a 23 0
, pasamos al siguiente paso.

lo transformamos en cero, realizando las siguientes
operaciones:
a33 ( Fila 2) a 23 ( Fila 3) , es decir, multiplicamos la fila 2 por a33

y le restamos la fila 3 multiplicado por
a 23
3 5
F1 3 5
1 1
0
0
1 1
0
0
F 2 0 13 2 2
3
0 24 F 2 (2 F 3) 0 312
0 78 156 78
0 0 24 15 42 39
F 2 0 0
24 15 42 39
Paso 8: Comprobamos si
a13 0

Si a13 0 lo transformamos en cero, realizando las siguientes
operaciones:
a33 ( Fila 1) a13 ( Fila 3)
, es decir, multiplicamos la fila 1 por
a33
y le restamos la fila 3 multiplicado por a13 .

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

Si a12 0 lo transformamos en cero, realizando las siguientes
operaciones:
a 22 ( Fila 1) a12 ( Fila 2) , es decir, multiplicamos la fila 1 por a 22

y le restamos la fila 2 multiplicado por a12 .
132
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
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
133
A 1
1
8
1
4
5
8
2
8
2
4
14
8
1
1
8
8
1
1

4
4
13
5
8
8
1
4
1
2
7
4
1

8
1

4
13
8
Nota: Para una matriz de cualquier orden el procedimiento es

similar al descrito en los 11 pasos del ejemplo anterior.
Ejemplo 4.13:
Calcular la inversa de la matriz A de orden 3 por el mtodo de
Gauss
1 2
3
A 5 2 1
1 4
3
Se construye la matriz aumentada
AI
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
3 1 2 1 0 0
F1 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
3
F1 3 1 2 1 0 0
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
134
F1 3
1
2 1
0
0 246 F1 (2 F3 ) 738 246
0 138 78 66
F2 0 246
0 48 21 39
246
0 48
21 39
0
0
F3 0
0
246 54 39 33
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
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
3362
0
246
0
246
0
3362
246
246
0
246
0
3362
0
246
246
246
410
3362
48
246
54
246
451
3362
21
246
39
246
123
3362
39
246
33
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:
B A 1
5
11
41
82
8
7
41
82
13
9
41 82
135
3
82
13
82
11
82
4.6
Sistema lineal de ecuaciones
Un sistema de m ecuaciones lineales (E 1, E2, E3,., Em), con n

incgnitas (x1, x2, x3,, xn). Cuyos coeficientes
ai j
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
ai1 x1 ai 2 x 2 ain x n bi
a m1 x1 a m 2 x 2 a mn x n bm
a
i 1 j 1
ij
x j bi
El sistema anterior se puede discretizar como:

a11
a
21
a31

am1
a12
a 22
a32
am 2
a13
a 23
a33
am3
a1n
a2 n
a3 n
amn
x1 b1
x b
2 2
x3 b3

xn bm
A mn x n1 b m1
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 .
136
A x b
A 1 A x A 1 b
I x A 1 b
x A 1 b
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 3 x2 2 x3 0
3 x1 x2 3 x3 1
Solucin:
2 1 3 x1
1 3 2 x
2
3 1 3 x3
2
0
A x b
x A 1 b
1
adj ( A)
A
A 1
Calculando el determinante de
A por
el mtodo del algoritmo
montante.
2 1 3
A 1 3 2
3
1 3
7 1
~
-1 3
Calculando la adjunta de A .
137
(7)(3) - (1)(-1)
11
2
adj ( A) B
Donde B es la matriz de cofactores de A .
11 3 10
B 0 3 1
11 1 7
adj ( A) B
11
3
10
0
3
1
11
1
7
Calculando la inversa de A .
11 0 11
3
3 1
10 1 7
1
1
adj ( A)
A
11
Finalmente calculando x a partir de la ecuacin del mtodo formal:
x A 1 b
11 0 11
1
x 3 3 1
11
10 1 7
2
0

1
11 2 0 0 11 1
3 2 3 0 1 1
10 2 1 0 7 1
x 1
11
11 11 / 11
1
x 5 5 /11
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
138
6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3 x1 13 x2 9 x3 3 x4 19
6 x1 4 x2 x3 18 x4 34
El siguiente sistema de ecuaciones se puede discretizar como:
A x b
6 2
12 8
3 13
6 4
12 8 6 10
A
3 13 9 3
6 4 1 18
4
6 10
9 3
1 18
2
- 24 12 12
~ 72 48 6
12 18 - 84
adj ( A) B
x1
x
2
x3

x4
16
26
19
34
- 48 120
~
96 312
24
(-48)(312) - (120)(-96)
144
- 24
502 310 100 44

1194 690 204 84
1716 996 312 120
48
528 312 96
502 310 100 44

1194 690 204 84
A 1 1 adj ( A) 1
A
144 1716 996 312 120
48
528 312 96
x A 1 b
502 310 100 44
1 1194 690 204 84

x
144 1716 996 312 120
48
528 312 96
x1 3;
x 2 1;
16
26
19
34
x3 2;
4.6.1 Regla de Cramer
139
3
1
x
2
x4 1
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:
A x b , puede expresarse como
una fraccin de dos determinantes, con denominador

numerador obtenido a partir de
y con
, 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
b2 a22

b a2 n
x1 n
a11 a12
a12 a 22
a1n a 2 n
a1n
a2 n
ann
a1n
a2 n
ann
a11
a12
a
x2 1n
a11
a12
a1n
b1
b2
bn
a12
a22
a2 n
a1n
a2 n
ann
a1n
a2n
ann
a11 a12
a12 a 22
a
a2n
xn 1n
a11 a12
a12 a 22
a1n a 2 n
b1
b2
bn
a1n
a2n
ann
Ejemplo 4.16: Resolver el siguiente sistema de ecuaciones lineales,

utilizando la tcnica de la regla de Cramer.
2 1 3 x1
1 3 2 x
2
3 1 3 x3
2 1 3
A s 1 3 2 11
3 1 3
2 1 3
x1 0 3 2 11
1 1 3
x1
11
1
11
2 2 3
x2 1 0 2 5
3 1 3
x2
5
0.454545
11
2 1 2
x3 1 3 0 13
3 1 1
x3
13
1.181818
11
Ejemplo 4.17:
140
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

6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3 x1 13 x2 9 x3 3 x4 19
6 x1 4 x2 x3 18 x4 34
2
8
4 x1
10 x 2
3 13 9
3 x3

6 4 1 18 x 4
6
12
2
6
16
26
19
34
A x b
Resultados:
x1 3;
x 2 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;
141
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
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.
142
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.
3x y 2 z 1
2x 3y z 2
x 2 y 2 z 10
Solucin.
Escribiremos la Matriz Aumentada y aplicamos las reglas.
3
2 1
1 2
1 2 2 10
1
3
3 1 2 1
~ 0 7
1 4
0 7 8 31
7 0 5 1
~ 0 7 1 4
0 0 21 63
21 0 0 42
~ 0 21 0 21
0 0 21 63
La ltima matriz representa al sistema de ecuaciones lineales

equivalente, y su solucin es:
x
42
2
21
;
21
1
21
63
3
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
143
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.
a11 x1 a12 x2 a13 x3 a1n xn b1 ( E1 )
a21 x1 a22 x2 a23 x3 a2 n xn b2 ( E 2 )
a31 x1 a32 x2 a33 x3 a3n xn b3 ( E3 )
an1 x1 an 2 x2 an 3 x3 ann xn bn ( E n )
Primero se plantea la matriz aumentada
F1
F2
F3
Fn
a11 a12
a21 a22
a31 a32
an1 an 2
a13
a23
a33
an 3
a1n
a2n
a3 n
ann
b1
b2
b3
bn
El paso inicial ser multiplicar la ecuacin E 1 (F1) por el factor (a21 / a11 )
y est ecuacin E1 modificado, se resta a la ecuacin E 2 (F2) para
eliminar la primera incgnita x1, haciendo ceros el coeficiente a21 .
F1
F2
F3
Fn
a11 a12
0 a '22
0 a '32
0 a'n 2
a13
a' 23
a'33
a' n3
a1n b1
a ' 2 n b' 2
a '3 n b '3

a 'nn b'n
Luego de la eliminacin hacia delante queda como:

F1
F2
F3
a11
0
a12
a' 22
Fn 0
a13
a '23
a1n
a'2 n
b1
b' 2
b ' '3
a' '33 a ' '3n

( n 1)
0 a nn b ( n 1) n
144
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 x i,
y se representa mediante la frmula:
bi
( i 1)
( i 1)
ij
j i 1
( i 1)
ii
xi
xj
Para i=n-1, n-2,, 1.
Por ejemplo de la frmula para i=n se tiene:

xn
bn
( n 1)
ann
( n 1)
A partir de los resultados de la primera fase (eliminacin hacia

delante)
F1
F2
F3
Fn
a11
0
0
a12
a '22
0
a13
a' 23
a ' '33
a1n
b1
a'2 n
b' 2
a ' ' 3 n b' ' 3

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

( n 1)
b
xn n ( n1)
ann
b' ' a ' '3 n x n

x3 3
a ' '33
x2
x1
b' 2 a'2 n xn a '23 x3

a' 22
b1 a1n xn a13 x3 a12 x2

a11
Llamado, sustitucin hacia atrs.

Ejemplo 4.19:
Utilice la eliminacin simple de Gauss para resolver el siguiente
sistema de ecuaciones.
145
6 x1 2 x2 2 x3 4 x4 16
12 x1 8 x2 6 x3 10 x4 26
3 x1 13 x2 9 x3 3 x4 19
6 x1 4 x2 x3 18 x4 34
A x b :
Que se puede plantear como
2
8
4 x1
10 x2
3 13 9 3 x3

6 4 1 18 x4
6
12
2
6
Primero construyendo la matriz aumentada
16
26
19
34
A b .
16
A b 12 8 6 10 26
3 13 9 3 19
6 4 1 18 34
Primera fase, eliminacin hacia delante.
16
A b 00 124 82 12 276
0 2 3 14 18
6 2 2
0 4 2
Ab
0 0 2
0
4 16
2 6
5 9
4 13 21
6 2 2 4
0 4 2 2
Ab
0 0 2 5
0 0 0 3
Segunda fase: Sustitucin hacia atrs
x4
3
1
3
x3
9 5 x 4 9 (5) (1)
2
2
2
x2
6 2 x 4 2 x3 6 (2)(1) (2)( 2)
1
4
4
146
16
6
9
3
x1
16 4 x 4 2 x3 2 x 2 16 (4)(1) (2)( 2) (2)(1)
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.
Eliminacin hacia adelante

Leer: [A], [B]
n= dimensin de [A];
Para i=1 a n-1 hacer:
Para k=i+ n hacer:
fac=A(k,i)/A(i,i);
Para j=i+ n hacer:
A(k,j)=A(k,j)-fac*A(i,j);
B(k)=B(k)-fac*B(i);
Sustitucin hacia atrs
147
X= B*0;
X(n)=B(n)/A(n,n);
Para i=n- 1 cada -1 hacer:
sum=0;
Para j=i+ n hacer:
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
3 x1 13 x2 9 x3 3 x4 19
6 x1 4 x2 x3 18 x4 34
El siguiente sistema de ecuaciones se puede discretizar como:
A X B
Donde:
6 2
12 8
A
3 13
6 4
2
6
9
4
10
3
1 18 ;
x1
x
X 2
x3

x4
16
26
B
19
34
y
Resultados:
x1 3;
x 2 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);
148
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
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
149
consecuencia no es necesario usar la sustitucin hacia atrs para

obtener la solucin.
a11
a12
a13
a 21
a31
a 22
a 23 a 2 n b2
a 33 a 3n b3

a
n1
an2
an3
a32
a1n b1

a nn bn
0
0
0
1
0
0
0
1
0 b1 ( n )
0 b2 ( n )
0 b3 ( n )

1 bn ( n )
x1
x2
x3
xn
(n)
b1
(n)
b2
( n)
b3
(n)
bn
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
3 x1 13 x2 9 x3 3 x4 19
6 x1 4 x2 x3 18 x4 34
Que se puede plantear como
A x b :
150
2
8
4 x1 16
10 x2 26
3 13 9 3 x3 19
6 4 1 18 x4 34
6
12
2
6
Construyendo la matriz aumentada
A b .
6 2
A b 123 138
6 4
2 4 16
6 10 26
9 3 19
1 18 34
Normalizando la fila F1 al dividirlo entre su elemento pivote, en este

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

E4.
1 1/ 3 1/ 3 2 / 3 8 / 3
12
8
6
10 26 F2 F2 12 F1
3
13
9
3 19 F3 F3 3 F1
6
4
1 18 34 F4 F4 (6) F1
1 1/ 3 1/ 3 2 / 3 8 / 3
0 4
2
2 6
0 12
8
1 27
0
2
3 14 18

caso -4.
1 1/ 3 1/ 3 2 / 3 8 / 3
0 4
2
2 6 F2 F2 (4)
0 12
8
1 27
0
2
3 14 18
1 1/ 3 1/ 3
2/3 8/3
0
1
1/ 2 1/ 2 3 / 2
0 12
8
1 27
0
2
3
14 18

E4.
1 1/ 3 1/ 3
2 / 3 8 / 3 F1 F1 (1 / 3) F2
0
1
1/ 2 1/ 2 3 / 2
0 12
8
1 27 F3 F3 (12) F2
0
2
3
14 18 F4 F4 (2) F2
151
1
0
0
0
0 1/ 6
1 / 2 19 / 6
1 1/ 2 1/ 2 3 / 2
0
2
5 9
0
4
13 21

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

E4.
1
0
0
0
0 1/ 6
1 / 2 19 / 6 F1 F1 (1 / 6) F3
1 1 / 2 1 / 2 3 / 2 F2 F2 (1 / 2) F3
0
1
5/ 2 9/ 2
0
4
13 21 F4 F4 (4) F3
1
0
0
0
0
1
0
0
0 11 / 12 47 / 12
0 7 / 4 3/ 4
1 5/ 2 9/ 2
0
3 3

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

E3.
1
0
0
0
0
1
0
0
0 11 / 12 47 / 12 F1 F1 (11 / 12) F4
0 7 / 4 3 / 4 F2 F2 (7 / 4) F4
1 5 / 2 9 / 2 F3 F3 ( 5 / 2) F4
0
1
1
1
0
0
0
0
1
0
0
0
0
1
0
0 3
0 1
0 2
1 1
Finalmente se tiene como resultado la matriz identidad aumentada
I x ,
del cual se puede plantear el sistema de ecuaciones ya
simplificado como:
152
1 x1
0 x1
0 x1
0 x1
0 x2
1 x2
0 x2
0 x2
0 x3
0 x3
1 x3
0 x3
0 x4
0 x4
0 x4
1 x4
3
1
2
1
Obtenindose, directamente la solucin del sistema de ecuaciones

por el mtodo de Gauss Jordan.
3
1
x
2
1
Solucin:
x1 3;
x 2 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 L U ; donde
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.
A x B
(1)
A x 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
0 u
22
0
0
u13 u1n
u 23 u 2 n
u33 u3n
0 u nn
153
x1
d1
x2 d 2

x3 d3

xn d n
(3)
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
l
21 1
L l31 l32

l n1 l n 2
0
0
1
l n3
0
0
0
(5)
LU x D A x B
(6)
Si esta ecuacin se satisface, segn la regla de multiplicacin de

matrices, se obtendr:
LU A
(7)
L D B
(8)
154
A x B
U L
L D B
a) Descomposicin
b) Hacia adelante
Sustitucin
U x D
c) Hacia atrs
155
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
se factoriza o
descompone en las matrices triangulares inferior
superior U .
2. Paso de sustitucin.
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,
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
3 x1 13 x2 9 x3 3 x4 19
6 x1 4 x2 x3 18 x4 34
El siguiente sistema de ecuaciones se puede planear como:
6 2
12 8
3 13
6 4
4
6 10
9 3
1 18
2
Que es de la forma.
156
x1
x
2
x3

x4
16
26
19
34
A x 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
12 8
A
3 13
6 4
2 4
6 10
9
3
1 18
1
0
L
0
0
1
0
0
0
0
1
0
0
0
0
Calculo de factores para aplicar eliminacin simple de Gauss a la

columna 1 y filas 2,3 y4.
f 21
a 21 12
2
a11 6
;
f 31
a31 3 1

a11 6 2 ;
f 41
a41 6
1
a11
6
.
Aplicando la eliminacin de Gauss con estos factores a las respectivas

filas y columna de la matriz
y guardando estos factores en la
matriz L se obtiene.
6 2
0 4
A
0 12
2
0
2 4
2 2
8 1
3 14
1
2
L
1/ 2
0
1
0
0
0
0
0
0
0
1
0
Aplicando el mismo procedimiento anterior, ahora para eliminar la

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

6 2 2 4
0 4 2 2
A
0 0 2 5
0 0 4 13
0
1
2
1
L
1/ 2
3
1 1/ 2
0
0
1
0
0
0
0
Por ltimo, aplicando el mismo procedimiento a la columna 3 y fila 4,

se tiene.
157
f 43
a43 4
2
a33 2
6 2 2 4
0 4 2 2
A
0 0 2 5
0 0 0 3
0
1
2
1
L
1/ 2
3
1 1/ 2
0
0
1
2
0
0
0
Finalmente la matriz A transformada viene a ser U y L queda

como tal.
6 2 2 4
0 4 2 2
U
0 0 2 5
0 0 0 3
0
1
2
1
L
1/ 2
3
1 1/ 2
0
0
1
2
0
0
0
Y se debe cumplir que A L U :

6 2
12 8
3 13
6 4
2 4 1
0
6 10 2
1
9
3 1/ 2
3

1 18 1 1 / 2
0
0
1
2
0
0
0
6 2 2 4
0 4 2 2
0 0 2 5
0 0 0 3
Paso 2a: Sustitucin hacia delante, para obtener D .
L D B
0 0 d1 16
0 0 d 2 26

1/ 2
3
1 0 d 3 19
1 1 / 2 2 1 d 4 34
1
2
0
1
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 3 9 ;
d 2 6 ;
158
d 4 3 .
16
6
D
9
3
Paso 2b: Sustitucin hacia atrs, para obtener x .
U x D
6 2 2
0 4 2
0
0
x1 16
x 6
2 5 x3 9
0 3 x4 3
4
2
Aplicando la multiplicacin de matrices y vectores e igualando de

atrs hacia delante se tiene.
3 x 4 3
2 x3 5 x 4 9
4 x2 2 x3 2 x 4 6
6 x1 2 x2 2 x3 4 x4 16
Solucionando consecutivamente el sistema se obtiene.
x4 1 ;
x3 2
x2 1 ;
x1 3 .
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.
159
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+ n hacer:
factor=U(i,k)/U(k,k)
L(i,k)=factor
Para j=k+ n hacer:
U(i,j)=U(i,j)-factor*U(k,j)
U(i,k)=0;
Imprimir L,U
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 cada-1 hacer:
sum=B(i)
sum=0;
Para j=1 a i-1 hacer:
Para j=i+ n hacer:

sum=sum+U(i,j)*x(j);
sum=sum-L(i,j)*D(j);
x(i)=(D(i)-sum)/U(i,i);
D(i)=sum;
Imprimir: [x]
Imprimir: [D]
Cdigo Matlab
A=input('Ingrese Matriz [A] :')
B=input('Ingrese Matriz [B] :')
n=length(A);
160
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;
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
12 -8
3 -13
-6
4
2
4
6 10
9
3
1 -18
Ingrese Matriz [B] :[16 26 -19 -34]'

B=
16
26
161
-19
-34
L=
1.0000
0
2.0000 1.0000
0.5000 3.0000
-1.0000 -0.5000
U=
6
0
0
0
-2
-4
0
0
2
2
2
0
4
2
-5
-3
-2
0
1.0000
2.0000
0
0
1.0000
D=
16
-6
-9
-3
x=
3
Ejemplo 4.24:
Solucionar el siguiente sistema de ecuaciones, utilizando diversos
mtodos disponibles en MatLab.
6
12
4
10
x1
x
2
16
26
8 6
3 13 9
19
3 x3
6 4 1 18 x 4
34
2
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
162
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
12
-8
6
3
-13
9
-6
4
1
>> X=rref(A)
X= 1
0
0
0
1
0
0
0
1
0
0
0
Descomposicin LU
>> [L,U,P]=lu(A)
L= 1
0
1/4
1
-1/2
0
1/2
-2/11
U = 12
0
0
0
6
15/2
4
0
1
0
0
3
1
-2
1
0
0
0
1
10
1/2
-13
3/11
0
0
0
16
26
-19
-34
0
0
1
0
0
1
1/11
-8
-11
0
0
P= 0
0
0
1
4
10
3
-18
0
0
1
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
3 7
[ A ]= 1 2 [ B ]= 1 2 6
5 6
1 0 4
163
[] [
[ ]
2
[ C ]= 6 [ D ]= 5 4 3 6
1
2 1 75
1 5 6
[ E ]= 7 1 3
4 0 5
[ F ] = 2 0 1 G 8 6 4
1 6 3
Responda a las siguientes preguntas considerando estas matrices:

a)
b)
c)
d)
2.
Cul es la dimensin de las matrices?

Identifique las matrices cuadradas, columna y rengln.
Cules son los valores de los elementos: a12 ,b 23 , d 32 ,e 22 , f 12 , g12 ?
Realice las siguiente operaciones:
(1) [ A ] + [ B ]
(2) [ B ] [ A ]
(3) [ A ] + [ F ]
(4) 5 [ F ]
(5) [ A ] [ B ]
(6) [ B ] [ A ]
(7) [ A ] { C }
(8) { C }T
(9) { D }T
[ I ] [ B ]
(10)
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]
164
4x4
2 1 1 1
1 2 2 3
A
3 1 1 2
2 3 1
4
3.
Dado el sistema de ecuaciones
0.77 x 1+ x 2=14.25
1.2 x 1 +1.7 x 2=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
2 x 2 +5 x 3=1
2 x 1 + x 2+ 2 x 3=11
3 x1 + x 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:
2 x 1 + x 2x 3=1
5 x1 +2 x 1+2 x 3=4
3 x 1 +1 x 2 + x 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).
17 c 12 c 23 c 3=500
5 c 1 +21 c 22 c 3=200
5 c 15 c 2 +22 c 3=30
165
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/m 3 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
A =2 i 3 j+ a k
B =b i + j 4 k
C =3 i + c j +2 k
Si el vector
es perpendicular al vector
C . Se sabe que
B , as como al vector
B.
C =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:
x
1/ 4 w 1/ 4 z
y
1/ 4 w 1/ 4 z
1/ 4 x 1/ 4 y
w
1/ 4 x 1/ 4 y
z
9.
1/ 2
1/ 2
1/ 2
1/ 2
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
Componen
gr/compone
gr/compone
gr/compone
te
1
2
3
nte
15
17
19
nte
0.25
0.33
0.42
166
nte
1.0
1.2
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.
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:
167
Las ecuaciones para las cuatro mallas que dan la solucin a este
problema son las siguientes:
V 1R1 i1 R 3 ( i 1i 3 ) R 2 ( i 1i 2 )=0
i
R7 ( 2i 4 )=0
R 5 i 2R2 ( i 1i 2) R4 ( i 2i 3 )
i
i
i
R 3 ( 3i 1 )=0
R4 ( 3i 2)
V 2 R6 ( 3i 4)
i
i
R6 ( 4i3 )=0
R 7 ( 4i 2)
V 3 R 8 i 4
Estas cuatro ecuaciones pueden ser representadas en la forma
matricial
[ A ][ x ] =[ B ] ;
168

Teoria Sistemas Lineales

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Teoria Sistemas Lineales

Загружено:

Авторское право:

Доступные форматы

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

En esta seccin nos ocuparemos de determinar los valores x 1, x2, x3,

son los coeficientes constantes, las

son los trminos

independientes contantes y n es el nmero de ecuaciones.

4.2.1 Notacin matricial

es la notacin breve para la matriz y

elemento individual de la matriz ubicado en la i-sima fila y j-sima

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

Se elimina el primer sub ndice de cada elemento. Una notacin breve

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

Es una matriz cuadrada, donde todos los elementos fuera de la

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

Es una matriz diagonal, donde todos los elementos sobre la

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

Matriz triangular superior

Es aquella matriz cuadrada, donde todos los elementos por debajo

Matriz triangular inferior

Es aquella matriz cuadrada, donde todos los elementos por encima

La matriz bandeada tiene todos los elementos iguales a cero, con

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

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

Operaciones con matrices y vectores

4.3.1 Igualdad de matrices

4.3.2 Suma de matrices

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

Para i=1, 2,, n y j=1, 2,,

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

El producto de dos matrices se representa como:

cij aik bkj

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

se obtiene al sumar el producto de

elementos individuales de la i-sima fila de la primera matriz A ,

Si las dimensiones interiores son iguales: es posible la multiplicacin

Si las dimensiones exteriores, definen las dimensiones de la matriz resultado.

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

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

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

Este formato es til, ya que alinea las filas y columnas

apropiadas para que se multipliquen.

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

De esta manera, z11 es igual a la suma del producto de 3x5+1x7 =

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

Siendo su algoritmo en el diagrama de Nassi Sheidermann

Imprimir: Error en las dimensiones de la matriz

Para k=1 a m1 hacer:

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

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

Determinante de una matriz

El determinante D de una matriz

se componen de los mismos

elementos, aunque son conceptos matemticos completamente

4.4.1 Solucin por el mtodo de lluvia

CAPTULO 4: ALGEBNRA LINEAL NUMRICA

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

Tendr signo positivo si la posicin del elemento en cuanto

El signo del cofactor del elemento de un determinante

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