Capitulo III Sistemas Ecuaciones

Sistemas de ecuaciones
APLICACIÓN DE METODOS NUMERICOS A MATERIALES

CAPITULO III
SISTEMAS DE ECUACIONES
1. INTRODUCCION
1.1. Aplicaciones
Muchas ecuaciones fundamentales de ingeniería están basadas en leyes de la
conservación de masa, energía y momento, por ejemplo en un balance de masa
en un conjunto e reactores. En el balance de fuerzas de una estructura de un
techo. Balance de energía en un horno industrial.
En este sistema de reactores pueden modelarse mediante un sistema de

ecuaciones.
En un sistema de distribución de temperaturas en una pared de un horno,
mediante diferencias finitas, se podrían establecer un sistema de ecuaciones para
todos los puntos nodales.
1.2. Generalidades
En el cálculo de raices, se determinó el valor de x, que satisface a una sola
ecuación f(x)=0. Ahora podemos determinar los valores x1, x2, x3, …xn; que en
forma simultánea satisfacen un conjunto de ecuaciones.
f 1 ( x1 , x 2 ,..., x n ) = 0
f 2 ( x1 , x 2 ,..., x n ) = 0
...
f n ( x1 , x 2 ,..., x n ) = 0
Estos sistemas pueden ser lineales o no lineales:
Las ecuaciones lineales son
a11 x1 + a12 x 2 + ... + a1n x n = b1 Donde:
a: Coeficientes constantes
a 21 x1 + a 22 x 2 + ... + a 2 n x n = b2
b: Constantes
... n: Número de ecuaciones
a n1 x1 + ann n 2 x 2 + ... + a nn x n = bn
Esquema para solucionar sistemas de ecuaciones lineales
Rango y posibilidad de solución:
Sea la matriz A, que representa un sistema de ecuaciones:
 a11 a12 a13 
A = a 21 a 22 a 23 
a 31 a 32 a 33 
La forma reducida de Gauss es A’:
Ing. Héctor G. Bolaños Sosa Pag .1

 a '11 a'12 a '13 

 
A' = a' 21 a' 22 a' 23 
a '31 a ' 32 a ' 33 
La matriz aumentada es:
 a '11 a'12 a '13 Μb'1 

 
A' : b' = a ' 21 a ' 22 a ' 23 Μb' 2 
a ' 31 a ' 32 a '33 Μb' 3 
n: representa el número de incógnitas
Diagrama Nº 01: Esquema para la solución de sistemas de ecuaciones lineales

SISTEMAS DE
ECUACIONES LINEALES
[A]{X}={b}
RANGO A':b' mayor RANGO A' RANGO A':b' igual RANGO A'
CONSISTENTE
INCOSISTENTE
RANGO A' = n RANGO A' menor n
SIN SOLUCION
NUMERO INFINITO DE
SOLUCION UNICA
SOLUCIONES
1.3. Antecedentes matemáticos

Notación Matricial:
Es un arreglo rectangular de elementos representado por un sólo símbolo. La
notación es fila por columna, es decir, aij, así la matriz A está representada por:
Columna 1
 a11 a12 a13 

A =  a21 a22 a23  Fila o
Renglon 2
 a31 a32 a33 
Esta matriz A, tiene n filas y m columnas; es decir tiene una dimensión de nxm,
para nuestra matriz será de tamaño o dimensión; 3x3 (3 filas por tres
columnas).
La matriz de una sola fila se denomina vector fila (n=1):
b = [b11 b12 b13 ...b1m ] = [b1 b2 b3 ...bm ]
La matriz de una sola columna se denomina vector columna (m=1):

 c11   c1 
c  c 
c =  21  c= 
2
c 31   c3 
   
c n1  c m 

La matrices que tiene n=M; se denominan matrices cuadradas.

 a11 a12 a13  La matriz A, es una matriz cuadrada de 3
  x 3, cuya diagonal principal es a11; a22, a33
A = a 21 a 22 a 23 
 a31 a32 a33 
USO DE MATLAB
1. Creación de Vectores
Un vector es una sucesión de números (elementos) distribuidos en una fila o
columna.
a) Creación de un vector a partir de una lista
Se deberá teclear los números (elementos) dentro de corchetes [ ]
Nombre_variable = [elementos del vector]
Ejercicio N° 1: Dados los datos de una tabla demográfica
Año 1984 1986 1988 1990 1992 1994 1996
Población 127 130 136 145 158 178 211
(millones)
>> pob=[127 130 136 145 158 178 211]

pob =
127 130 136 145 158 178 211
b) Creación de un vector con distancia constante a partir de la

especificación del primer término, del intervalo y el último término
La diferencia entre los elementos es siempre la misma
Nombre_variable = [m:q:n]
Nombre_variable = m:q:n
Ejercicio 2: Generar un vector fila y vector columna con valores de 10 a 18, con
incrementos de 1.
Solución:
>> a=[10:18] >> a=[10:18]'
a=
a= 10
11
10 11 12 13 14 15 16 17 18 12
13
14
15
16
17
18
c) Creación de un vector con intervalo constante a partir de la

especificación del primer y último término, así como el número de
términos.
Nombre_variable = linspace(xi,xf,n)
Ejercicio N°3: Generar un vector de 6 elementos, empezando en 0 y

terminando en 8
>> va=linspace(0,8,6)
va =
0 1.6000 3.2000 4.8000 6.4000 8.0000

2. Creación de Matrices
Una matriz se define por; el número de filas y por el número de columnas.
Así una matriz de m x n, tiene m filas y n columnas, y el producto de m por n nos
da el tamaño de la matriz
Nombre_variable = [elementos 1ra fila; elementos 2da fila¸ elementos 3ra fila;
elementos 4ta fila; …..; elementos última fila]
Ejercicio N°.4: Generar una matriz 3x3, con elementos números cualesquiera. Usar
(;) después de cada fila
>> A=[5 35 43;4 76 81;21 32 40]

A=
5 35 43
4 76 81
21 32 40
Ejercicio N° 5: Generar una matriz 4 x 6; usando el comando linespace para las
filas, use otras formas de ingreso vectorial para filas
Ejercicio Nº 6. Generar un vector de 10 columnas
Ejercicio Nº 7. Generar un vector de 10 finas
Función rand.
Genera arrays de números aleatorios los cuales están uniformemente distribuidos
en el intervalos (0,1).
rand(n): genera valores aleatorios en una matriz cuadrada n.
Ejercicio Nº 8, generar una matriz de números aleatorios de 3filas por 3 columnas
>> rand >> rand(3)

ans = ans =
0.9501
>> rand(1,4) 0.7621 0.8214 0.7919
ans = 0.4565 0.4447 0.9218
0.2311 0.6068 0.4860 0.8913 0.0185 0.6154 0.7382
>> rand(2,3)
ans =
0.1763 0.9355 0.4103
0.4057 0.9169 0.8936
Para otro intervalo diferente de [0 y 1], se puede usar la siguiente ecuación:

a + (b − a ) * rand
Donde:
a: Intervalo menor
b: Intervalo mayor
Ejercicio N° 9: Generar 10 números aleatorios entre 5 y 20
Ejercicio Nº 10: Generar un vector fila de 10 elementos comprendidos entre 90 y

95. Los elementos deben ser enteros.
1.3.1. Tipos especiales de matrices cuadradas

Matriz Diagonal
Es una matriz cuadrada donde todos los elementos fuera de la diagonal
principal son cero:

a11 0 0 
 
A =  0 a 22 0 
 0 0 a 33 
Ejercicio Nº 11: Generar una matriz de 3 x 3, cuyos valores estén entre 10 y 20;
luego generar la matriz diagonal
>> A=round(10+(20-10)*rand(3)) >> diag(A)
A= ans =
16 10 19 16
13 17 15 17
12 14 14 14
Matriz Identidad o matriz unitaria

Es una matriz diagonal donde todos los elementos sobre la diagonal
principal son igual a 1.
1 0 0 
A = 0 1 0

0 0 1
Ejercicio Nº 12: la anterior matriz, encontrar la matriz identidad o unitaria.
>> eye(3) >> eye(size(A))
ans = ans =
1 0 0 1 0 0
0 1 0 0 1 0
0 0 1 0 0 1
Matriz Triangular superior

Todos los elementos por debajo de la diagonal principal son cero:
a11 a12 a13 
A =  0 a 22 a 23 
 0 0 a33 
Matriz Triangular inferior
Todos los elementos por encima de la diagonal principal son cero:
 a11 0 0 

A = a 21 a 22 0 
 a31 a 32 a 33 
Matriz simétrica
Aquella matriz donde aij=aji, para todos los i y los j.
También se define como matriz simétrica aquella que cumple:
[A] = [A]T
1.3.2. Matriz Transpuesta
No es necesariamente una matriz cuadrada. Dada la matriz A de m xn; la
matriz n x m, se obtiene intercambiando sus filas por sus columnas a

esta matriz; a esta matriz resultante se denomina Matriz Transpuesta y

se denota AT.
 a11 a12 Λ a1n   a11 a 21 Λ a m1 

   
a a 22 Λ a 2n  a a 22 Λ a m2 
A =  21 AT =  12
 Μ Μ Μ Μ  Μ Μ Μ Μ
   
 a m1 a m2 Λ a mn   a1n a 2 n Λ a mn 
Ejercicio Nº 13: generar la transpuesta de la matriz A
>> A >> B=A'
A= B=
16 10 19 16 13 12
13 17 15 10 17 14
12 14 14 19 15 14
1.3.3. Matriz aumentada

Una matriz es aumentada con la adición de una columna o columnas a la
matriz original
 a11 a12 a13   a11 a12 a13 Μ b1 

A = a 21 a 22 a 23   AΜb = a 21 a 22 a 23 Μ b2 
 a31 a32 a 33   a31 a 32 a 33 Μ b3 
1.3.4. Determinantes
Sea = una matriz de 2x2, el determinante está definido por:
Det A = − ; También es definido como:
| |ó
Ejercicio Nº 14: encontrar el determinante de la siguiente matriz:

3 5 2
= 4 2 3
−1 2 4
2 3 4 3 4 2
| |=3 −5 +2 = −69
2 4 −1 4 −1 2
>> A=[3 5 2;4 2 3;-1 2 4]

A=
3 5 2
4 2 3
-1 2 4
>> deta=det(A)
deta =
-69
1.3.5. Cofactores
Sea A una matriz mxn. El cofactor ij de la matriz A está dado por:
= (−1)( )
| |
Donde:
1; +
(−1)( )
=
−1; +

Ejercicio Nº 15: encontrar los cofactores de la siguiente matriz:

2 4 3 
A = 0 1 − 1
3 5 7 
Solución:
Paso Nº 01: hallar los cofactores de la fila Nº 01

cof A = (−1) (i + j ) det [A]
1 − 1
cofA11 = ( −1) (1+1) det [ A11 ]det   = (1)[(7 * 1) − (5 * −1)] = 12
5 7 
0 − 1
cofA12 = ( −1) (1+ 2) det[A12 ]det   = (−1)[(7 * 0 ) − (3 * (−1) )] = −3
3 7 
 0 1
cofA13 = (−1) (1+3) det [A13 ]det   = (1)[(5 * 0) − (3 * 1)] = −3
3 5

 4 3
cofA21 = ( −1) ( 2+1) det [ A21 ]det   = ( −1)[(7 * 4) − (5 * 3)] = −13
5 7 
2 3 
cofA22 = ( −1) ( 2+ 2 ) det [A21 ]det   = (1)[(7 * 2 ) − (3 * 3)] = 5
3 7 
 2 4
cofA23 = ( −1) ( 2+3) det [A23 ]det   = (−1)[(5 * 2 ) − (3 * 4 )] = 2
3 5 
4 3 
cofA31 = (−1) (3+1) det [A31 ] det   = (1)[(− 1 * 4) − (1 * 3)] = −7
1 − 1
2 3 
cofA32 = ( −1) (3+ 2 ) det [A32 ]det   = (−1)[(− 1 * 2 ) − (0 * 3)] = 2
0 − 1
 2 4
cofA33 = ( −1) (3+3) det [ A33 ]det   = (1)[(1 * 2) − (0 * 4 )] = 2
0 1 
Paso Nº 04: Colocar los cofactores en una matriz
 A11 A12 A13   12 − 3 − 3

cof( A) =  A21 A22 A23  = − 13 5 2

 A31 A32 A33   − 7 2 2 
Usando Matlab:
Código: cofactor.m
>> A=[2 4 3;0 1 -1;3 5 7] >> cofactor(A,1,1)
A= ans =
2 4 3 12
0 1 -1 >> cofactor(A,1,2)
3 5 7 ans =
-3

1.3.6. Matriz adjunta

Sea una matriz m x n y la matriz B, que es la matriz de cofactores de A.
Entonces, la matriz adjunta de A, es:
adj A = BT
Ejercicio Nº 16: Encontrar la matriz adjunta de la matriz A:
2 4 3 
A = 0 1 − 1
3 5 7 
Solución:
Debemos encontrar la traspuesta de la matriz de cofactores de A:

 12 − 13 − 7   12 − 13 − 7 

2  ….. adj A = − 3
 
cof( A) = − 3 5
T
5 2 
− 3 2 2  − 3 2 2 
1.3.7. Matriz inversa

No es necesariamente cuadrada, la inversa de una matriz cuadrada A se
denota por A-1; y es en sí una matriz cuadrada con la misma dimensión
de A, tal que:
A. A −1 = A −1 . A = I
1 1
A −1 = adj ( A) = (CA)T
A A
CA : Cofactores de A
Ejercicio Nº 17.- Sea la siguiente matriz:

2 4 3 
A = 0 1 − 1
3 5 7 
Determinar la matriz inversa de A:
Solución:
Paso Nº 01: Encontrar el determinante de A
1 −1 0 −1 0 1
det A = A = 2 −4 +3
5 7 3 7 3 5
det A = 2[(7 * 1) − (5 * −1)] − 4[(7 * 0) − (3 * −1) ] + 3[(5 * 0) − (3 * 1) ]
det A = 2(12) − 4(3) + 3( −3) = 24 − 12 − 9 = 3
Paso Nº 02: Verificar condición

det A > 0
3 > 0 ⇒ si
Existe matriz identidad
Paso Nº 03: Encontrar la inversa del determinante de A

1 1
=
det A 3

Paso Nº 04: Encontrar la matriz adjunta de A

 12 − 13 − 7
adj A = − 3 5 2 
− 3 2 2 
Paso Nº 05: Multiplicar Inversa del determinante de A por la adjunta
de A
1
A -1 = adj A
det A
 12 − 13 − 7 
A -1 = − 3 5 2
1
3  
− 3 2 2 
 4 − 13 / 3 − 7 / 3
A = − 1 5 / 3
-1
2 / 3 
− 1 2 / 3 2 / 3 
Paso Nº 06: Verificar la solución

A. A −1 = A −1 . A = I
 4 − 13 / 3 − 7 / 3 2 4 3 
I = − 1 5 / 3 2 / 3  0 1 − 1
− 1 2 / 3 2 / 3  3 5 7 
También puede ser:
 12 − 13 − 7  2 4 3 
1
I = − 3 5 2  0 1 − 1
3
− 3 2 2  3 5 7 
Para la fila Nº 1:
I 11 = [(12 * 2) − (13 * 0) − (7 * 3)] = 24 − 13 − 21 = 3
I 12 = [(12 * 4) − (13 * 1) − (7 * 5)] = 48 − 13 − 35 = 0
I 13 = [(12 * 3) − (13 * −1) − (7 * 7)] = 36 + 13 − 49 = 0
Para la fila Nº 2:
I 21 = [( −3 * 2) + (5 * 0) + ( 2 * 3)] = −6 + 0 + 6 = 0
I 22 = [( −3 * 4) + (5 * 1) + ( 2 * 5) ] = −12 + 5 + 10 = 3
I 23 = [( −3 * 3) + (5 * −1) + ( 2 * 7)] = −9 − 5 + 14 = 0
Para la fila Nº3:

I 31 = [( −3 * 2) + (2 * 0) + ( 2 * 3) ] = −6 + 0 + 6 = 0
I 32 = [( −3 * 4) + ( 2 * 1) + ( 2 * 5) ] = −12 + 2 + 10 = 0
I 33 = [( −3 * 3) + (2 * −1) + ( 2 * 7)] = −9 − 2 + 14 = 3

Luego:
 12 − 13 − 7  2 4 3  3 0 0 
1  = 1 
I = − 3 5 2  0 1 − 1  0 3 0
3 3
− 3 2 2  3 5 7  0 0 3
1 0 0
I = 0 1 0

0 0 1 
Usando Matlab:
Definir la Matriz A:
>> A
A=
2 4 3
0 1 -1
3 5 7
a) La ecuación solución es:
1 1
A −1 = adj ( A) = (CA)T
A A
b) Determinar el determinante de A:
>> detA=det(A)
detA =
3
c) La matriz adjunta de A es:
>> adjA=[12 -13 -7;-3 5 2;-3 2 2]
adjA =
12 -13 -7
-3 5 2
-3 2 2
d) La Inversa será:
>> Ainv=(1/detA)*adjA
Ainv =
4.0000 -4.3333 -2.3333
-1.0000 1.6667 0.6667
-1.0000 0.6667 0.6667
e) Verificar la solución
>> versi=A*Ainv
versi =
1.0000 0 0.0000
0 1.0000 0
0 -0.0000 1.0000
La Inversa de una matriz se puede calcular usando el comando

inv(A) de Matlab
>> A
A=
2 4 3
0 1 -1
3 5 7
>> inversaA=inv(A)
inversaA =

4.0000 -4.3333 -2.3333

-1.0000 1.6667 0.6667
-1.0000 0.6667 0.6667
1.3.8. Rango de una matriz

Dada una matriz A de orden mxn al rango de la matriz A, denotaremos
por r(A) y es igual al número de vectores columna linealmente
independientes.
Ejercicio Nº 18.- Sea el siguiente sistema de ecuaciones:

4 x1 − 9 x 2 + 2 x3 = 5
2 x1 − 4 x 2 + 6 x3 = 3
x1 − x 2 + 3 x3 = 4
Determinar la matriz aumentada reducida A’:b’:
 4 − 9 2 Μ 5
A : b = 2 − 4 6 Μ 3
1 − 1 3 Μ 4
Podemos escribir:
 1 − 1 3 Μ 4
A : b = 2 − 4 6 Μ 3
4 − 9 2 Μ 5
Solución
Efectuamos la reducción de Gauss:
Para la fila o renglón 2:
El elemento a11 es el elemento pivote; eliminar el elemento a21
a 21
R2 = ( R1 )( ) + R2
a11
2
R2 = (1)( − ) + 2 = 0 1 − 1 3 Μ 4 
1 A' : b' = 0 − 2 0 Μ − 5
2 4 − 9 2 Μ 5 
R2 = ( −1)( − ) − 4 = −2
1
2
R2 = (3)( − ) + 6 = 0
1
2
R2 = ( 4)( − ) + 3 = −5
1
Para La fila o renglón 3:
a
R3 = ( R1 )( 31 ) + R3
a11
4
R3 = (1)( − ) − 4 = 0 1 − 1 3 Μ 4 
1 
A' : b' = 0 − 2 0 Μ − 5 
4 0 − 5 − 10 Μ − 11
R3 = ( −1)( − ) − 9 = −5
1
4
R3 = (3)( − ) + 2 = −10
1

4
R3 = (4)( − ) + 5 = −11
1
Para la fila o renglón 3:
a
R3 = ( R2 )( 32 ) + R3
a 32
5
R3 = ( −2)( − ) − 5 = 0 1 − 1 3 Μ 4
2  
A' : b = 0 − 2 0 Μ − 5
5
R3 = (0)( − ) − 10 = −10 0 0 − 10 Μ 3 
2  2
5 3
R3 = (−5)( − ) − 11 =
2 2
Luego podríamos tener:
1 − 1 3 Μ 4 1 − 1 3 
  
A': b = 0 − 2 0 Μ − 5 A' = 0 − 2 0 
0 0 − 10 Μ 3  0 0 − 10 
 2
r(A’:b) = 3
r(A’) = 3
Usando Matlab:
4 x1 − 9 x2 + 2 x3 = 5
2 x1 − 4 x 2 + 6 x3 = 3
x1 − x 2 + 3 x3 = 4
>> B=[4 -9 2;2 -4 6;1 -1 3]

B=
4 -9 2
2 -4 6
1 -1 3
>> rangoB=rank(B)
rangoB =
3
>> C=[4 -9 2 5;2 -4 6 3;1 -1 3 4]

C=
4 -9 2 5
2 -4 6 3
1 -1 3 4
>> rangoC=rank(C)
rangoC =
3
En consecuencia el Rango A’:b’es igual a Rango A’; es decir el sistema

es consistente y tiene solución
Tambien Rango A’=3 y el número de variables es n=3; es decir existe
una solución única

1.3.9. Operaciones con matrices

a) Suma y resta.
Las matrices tienen que tener el mismo número de filas y columnas.
Se efectuan operaciones sumando o restando elemento por
elemento.
Ejercicio Nº 19: Sean las siguientes matrices, sumar A+B y A-B:
>> A=round(0+(5-0)*rand(3)) >> suma=A+B

A= suma =
1 1 1 6 4 2
0 1 2 3 3 5
4 3 0 6 5 4
>> B=round(0+(5-0)*rand(3)) >> resta=A-B

B= resta =
5 3 1 -4 -2 0
3 2 3 -3 -1 -1
2 2 4 2 1 -4
b) Multiplicación
La operación de multiplicación * se realiza según:
• Sean las matrices A y B:
• La operación A*B, se realiza solamente si el número de
columnas de la matriz A es igual al número de filas de B.
• Se multiplican elementos de las columnas de A por elementos
de las filas de B
• El resultado es una matriz que tiene el mismo número de filas
que A y el mismo número de columnas que B.
 a11 a12 
b b 
AB = a21 a22   11 12 
a31 a32   21 22 
b b
 a11b11 + a12 b21 a11b12 + a12 b22 

AB = a21b11 + a22 b21 a21b12 + a22 b22 
 a31b11 + a32 b21 a31b12 + a32 b22 
[A ]mxn [B ]nxl = [C ]mxl
A= B= [A]3 x 2 [B ]2 x 2 = [C ]3 x 2
A*B=

A= B= [A]4 x3 [B]3x 2 = [C ]4 x 2
A*B=
Ejercicio Nº 20: Sean las siguientes matrices A y B; efectuar la

multiplicación AxB:
8 3
3 2
= 5 7 =
1 8
7 1
Columnas de A: 2
Filas de B: 2
Resultado: matriz de 3 x 2
(8)(3) + (3)(1) (8)(2) + (3)(8) 27 40
= (5)(3) + (7)(1) (5)(2) + (7)(8) = 22 66
(7)(3) + (1)(1) (7)(2) + (1)(8) 22 22
>> A=round(1+(10-1)*rand(3,2)) >> B=round(1+(10-1)*rand(2,2))

A= B=
8 3 3 2
5 7 1 8
7 1
>> AB=A*B
AB =
27 40
22 66
22 22
Para una matriz A de 4x3; y una matriz B de 3x2; se tendría un

matriz A*B de 4x2
Ejercicio Nº 21: Sean las siguientes matrices A y B; efectuar la

multiplicación AxB:
6 2 2
=
5 8 6
0 3 3
3 5 7
7 1
= 7 2
5 9
Columnas de A: 3
Filas de B: 3
Resultado: matriz de 4 x 2
(6)(7) + (2)(7) + (2)(5) (6)(1) + (2)(2) + (2)(9) 66 28

⎡ ⎤
(5)(7) + (8)(7) + (6)(5) (5)(1) + (8)(2) + (6)(9) 121 75
=⎢ ⎥=
⎢(0)(7) + (3)(7) + (3)(5) (0)(1) + (3)(2) + (3)(9)⎥ 36 33
⎣(3)(7) + (5)(7) + (7)(5) (3)(1) + (5)(2) + (7)(9)⎦ 91 76

>> A=round(0+(10-0)*rand(4,3)) >> B=round(0+(10-0)*rand(3,2))

A= B=
6 2 2 7 1
5 8 6 7 2
0 3 3 5 9
3 5 7
>> AB=A*B
AB =
66 28
121 75
36 33
91 76
c) División de matrices
La operación de división está relacionada con las reglas algebra
lineal. Está relacionada las operaciones de matriz identidad y de
matriz inversa.
MatLab posee dos tipos de divisiones de “arrays”: la división
derecha (/) y la división izquierda(\).
División derecha (/)
Se usa para resolver ecuaciones matriciales XC=D, donde X y D
son vectores fila.
Resolviendo para X en la ecuación matricial, se tiene:
XC = D
XCC −1 = DC −1
X = DC −1
X = D/C
Ejercicio Nº 22: Generar una matriz de 3 x 3, y un vector fila de 3 elementos.

Efectuar la división de b/[A] e b*inversa[A]
>> C=[2 2 2;1 3 3;4 2 3] >> X=D/C

C= X=
2 2 2 4.7500 -0.5000 -2.0000
1 3 3
4 2 3
>> X=D*inv(C)
>> D=[1 4 2] divi_der =
D= 4.7500 -0.5000 -2.0000
1 4 2
División izquierda (\)

Se usa para resolver ecuaciones matriciales AX=B, donde X y B
son vectores columna, se despeja X para la solución de esta
ecuación matricial
AX = B
A−1 AX = A−1 B
X = A−1 B
X = A\ B

Ejercicio Nº 23: Generar una matriz de 3 x 3, y un vector columna de 3

elementos. Efectuar la división de [A]\b
[A] y inversa[A]*b
>> A >> X=A\B
A= X=
2 1 4 4.7500
2 3 2 -0.5000
2 3 3 -2.0000
>> B >> X=inv(A)*B

B= X=
1 4.7500
4 -0.5000
2 -2.0000
La división matricial, nos resuelve un sistema de ecuaciones

lineales.
d) Producto Punto
El producto punto o producto escalar de dos vectores es un número
real que resulta al multiplicar el producto de sus módulos por el
coseno del ángulo que forman.
forman
En forma analítica:
Sea el vector a = (1,2,3) y el vector b = (4,5,6) , luego el resultado es:

a.b = (1* 4 + 2 * 5 + 3 * 6) = (4 + 10 + 18)
a.b = 32
Ejercicio Nº 24: Generar 2 vectores a y b; encontrar el producto punto a.b
Luego generar dos matrices d y e; encontrar el valor del producto punto.
>> a=[1 2 3] >> d=[1 2 3;4 5 6]
>> b=[4 5 6] d=
1 2 3
>> c=dot(a,b) 4 5 6
c= >> e=[4 5 6;8 10 12]
32 e=
4 5 6
8 10 12
>> f=dot(d,e)
f=
36 60 90
Producto cruz
El producto cruz o producto vectorial de
dos vectores es otro vector cuya
dirección es perpendicular a los dos
vectores y su sentido sería igual al
avance de un sacacorchos al girar de u
a v. Su módulo es igual a:
El producto cruz, se puede expresar con un determinante.
Sea el vector a = (1,2,3) y el vector b = (4,5,6) , luego el resultado es:

i j k
aaxb = det 1 2 3
4 5 6
axb = i(12 − 15) − j(6 − 12) + k (5 − 8)
axb = −3i + 6 j − 3k
Ejercicio Nº 25: Generar 2 vectores a y b; encontrar el producto cruz axb
>> a=[1 2 3]
>> b=[4 5 6]
>> cr=cross(a,b)
cr =
-3 6 -3
1.3.10 Funciones para manipularon de matrices

Ejercicio Nº 26: Generar un vector fila de 10 elementos de valores enteros
entre 0 y 100; determinar:
a) Número de elementos
b) Tamaño del vector
Solución:
>> A=round(0+(100-0)*rand(1,10))
0)*rand(1,10))
A=
9 4 61 61 2 2 19 59 6 37
>> length(A)
ans =
10
>> size(A)
ans =
1 10
2. METODOS DE SOLUCION DE ECUACIONES LINEALES

METODOS PARA PEQUEÑOS CONJUNTOS DE ECUACIONES
Son métodos apropiados para n ≤ 3.
• Método gráfico
• Regla de Cramer
• Eliminación de incógnitas
2.1. Método Gráfico

Se obtiene una solución gráfica, ala graficar dos ecuaciones en coordenadas
cartesianas
a11 x1 + a12 x 2 = b1
a 21 x1 + a 22 x 2 = b2
Para x2, se tiene:
b a 
x 2 = 1 −  11  x1
a12  a12 
b2  a 21 
x2 = −  x1
a 22  a 22 
Estas dos ecuaciones se deben graficar, la solución estará en la intersección
Nota:
a) Si las dos ecuaciones tienen líneas paralelas (no se intersectan). No hay
solución. − + =1 − + =
b) Si las dos líneas coinciden, el sistema es singular. Hay infinitas soluciones.
− + =1 − +2 =2
c) Si el punto de intersección no se detecta visualmente, el sistema está mal
condicionado
.
− + = 1.1 − + =1
Ejercicio Nº 27: Sea el siguiente sistema de ecuaciones:

3x1 + 2 x 2 = 18
− x1 + 2 x 2 = 2
Encontrar la solución mediante el método gráfico
Solución:
Solucionando para X2:
10
3
x 2 = 9 − x1
2 8
1 3x1+2x 2=18
x 2 = 1 + x1 6
-x+2x2=2
2
4
La solución es x1=4 y
x2
2
x2= 3
0
-2
-4
-6
0 1 2 3 4 5 6 7 8 9 10
x1

>> fx1=inline('9-(3/2)*x');
>> fx2=inline('1+(1/2)*x');
>> fplot(fx1,[0,10]),grid
>> hold on
>> fplot(fx2,[0,10],'--')
2.2. Método regla de Cramer

Este método usa determinantes para la solución
Sea el siguiente sistema de ecuaciones:
a11 x1 + a12 x 2 + a13 x 3 = b1
a 21 x1 + a 22 x 2 + a 23 x3 = b2
a 31 x1 + a 32 x 2 + a 33 x3 = b3
a11 a12 a13
a a 23 a 21 a 23 a 21 a 22
D = a 21 a 22 a 23 = a11 22 − a12 + a13
a 32 a 33 a 31 a 33 a 31 a 32
a 31 a 32 a 33
a 22 a 23
E = a11 = a11 (a11a 33 − a 23 a 32 )
a 32 a 33
b1 a12 a13 a11 b1 a13 a11 a12 b1

b2 a 22 a 23 a 21 b2 a 23 a 21 a 22 b2
b3 a 32 a 33 a31 b3 a33 a 31 a 32 b3
X1 = X2 = X3 =
D D D

4 x1 − 9 x 2 + 2 x 3 = 5
2 x1 − 4 x 2 + 6 x 3 = 3 Resolver mediante el método de la regla de Cramer
x1 − x 2 + 3 x3 = 4
>> A=[4 -9 2;2 -4 6;1 -1 3] >> A2=A

A= A2 =
4 -9 2 4 -9 2
2 -4 6 2 -4 6
1 -1 3 1 -1 3
>> b=[5;3;4] >> A2(:,2)=b
b= A2 =
5 4 5 2
3 2 3 6
4 1 4 3
>> X2=det(A2)/det(A)
>> A1=A X2 =
A1 = 2.5000
4 -9 2
2 -4 6 >> A3=A
1 -1 3 A3 =
>> A1(:,1)=b 4 -9 2
A1 = 2 -4 6
5 -9 2 1 -1 3
3 -4 6 >> A3(:,3)=b

4 -1 3 A3 =
>> X1=det(A1)/det(A) 4 -9 5
X1 = 2 -4 3
6.9500 1 -1 4
>> X3=det(A3)/det(A)
X3 =
-0.1500
Prueba:
>> X1=6.95 >> Prueba=A(1,1)*X1+A(1,2)*X2+A(1,3)*X3
X1 = Prueba =
6.9500 5.0000
>> X2=2.50
X2 =
2.5000
>> X3=-0.15
X3 =
-0.1500
2.3. Método de eliminación de incógnitas

Es la combinación de ecuaciones para encontrar una sola incógnita. Este
método se puede extender a sistemas de 2 o 3 ecuaciones. Es
extremadamente tedioso, sin embargo esta técnica se puede formalizar y
fácilmente programar en un ordenador; es decir usar el método de “Eliminación
simple de Gauss”
a11 x1 + a12 x 2 = b1
a 21 x1 + a 22 x 2 = b2
Procedimiento:
a) Multiplicar las ecuaciones por constantes de tal forma que se elimine una
de las incógnitas
b) Sustitución
3x1 + 2 x 2 = 18
− x1 + 2 x 2 = 2
Resolver mediante el método de eliminación de incógnitas.
Solución:
a) Eliminación
3 x1 + 2 x 2 = 18 3 x1 + 2 x 2 = 18
− (3) x1 + (3)2 x 2 = (3)2 − 3 x1 + 6 x2 = 6
0 + 8 x 2 = 24
24
x2 = =3
8
b) Sustitución

3x1 + 2 x 2 = 18
3x1 + 2(3) = 18
12
x1 = =4
3
c) Prueba
3 x1 + 2 x2 = 18 − x1 + 2 x2 = 2
3(4) + 2(3) = 18 − (4) + 2(3) = 2
12 + 6 = 18 2=2
18 = 18
METODOS PARA CONJUNTOS DE ECUACIONES
2.4. Método simple de Gauss

Se basa en:
Eliminación hacia adelante
Sustitución hacia atrás
Sea el siguiente sistema:
a11 x1 + a12 x 2 = b1
a 21 x1 + a 22 x 2 = b2
a) Eliminación
a11a 21 x1 + a12 a 21 x 2 = b1a 21
Multiplicando
a 21a11 x1 + a 22 a11 x 2 = b2 a11
−a11a 21 x1 − a12 a 21 x 2 = −b1a 21
a 21a11 x1 + a 22 a11 x 2 = b2 a11 Restando
a 22 a11 x 2 − a12 a 21 x 2 = b2 a11 − b1a 21
Despejando X2:
b 2 a 11 − b1 a 21
x2 =
a 22 a 11 − a 12 a 21
b) Sustitución hacia atrás

a11 x1 + a12 x 2 = b1
 b a −b a 
a11 x1 + a12  2 11 1 21  = b1 1
 a 22 a11 − a12 a 21 
a b − a12b2
x1 = 22 1
a11a 22 − a12 a 21
Procedimiento General
a) Reducir el conjunto de ecuaciones a un sistema triangular superior
a11 x1 + a12 x 2 + a13 x3 + ...a1n x n = b1
a' 22 x 2 + a' 23 x3 + ...a' 2n x n = b' 2
a' '33 x 2 + ...a' ' 3n x n = b' 3
( n −1) ( n −1)
a nn nn x n = bn
b) Sustitución hacia atrás

La ecuación última del triangulo superior es:

bn(n−1)
xn = (n −1)
a nn
Este resultado se puede sustituir hacia atrás en la (n-1)-ésima ecuación y
resolver para xn-1:
n
bi(i −1) − ∑a
j =i +1
(i −1)
ij xj
xi = i=n-1, n-2,…1
aii(i −1)
Resumen del método de eliminación simple de Gauss

a) Manipulación de ecuaciones para eliminar una de las incógnitas de las
ecuaciones. Como resultado se tiene una sola ecuación con una sola
incógnita.
b) Por consiguiente, esta ecuación se puede resolver directamente y el
resultado debe ser sustituido en las ecuaciones originales.
c) El objetivo es encontrar un sistema de ecuaciones igual a una matriz
triangular superior.
d) Una desventaja es que pueda ocurrir una división entre cero.
Ejercicio Nº 30: Sea la siguiente ecuación, resolver mediante el método simple

de Gauss:
3 + 2 = 18 (1.a) ------------à + =
− + 2 = 2 (1.b) -------------à + =
Solución:
Redución a un sistema triangular superior
a) Eliminación
Eliminar la variable x1:
Ecuación Pivote (1.a); elemento pivote a11=3
Factor: =
Multiplicar la ecuación (1.a) por el factor -1/3
−1 −1 −1
(3 1) + (2 2) = (18)
3 3 3
− 1 − 2 = −6 (2)
Restando (1.b)-2:
− +2 =2
2
− − 1 − 2 = −[−6]
3
__________________
2 = 8 ---------à =
Ahora el sistema queda:

3 + 2 = 18 ------------à + =
2 = 8 ---------------à =
b) PASO 2: Sustitución hacia atrás
Para la variable x2:

=
bn(n−1)
xn = (n −1) =
a nn
8
= =
8
3
Para la variable x1:

n
b i( i −1 ) − ∑a
j = i +1
( i −1)
ij x j
2
+
= 18
= 3 +
xi =
a ii( i −1 ) =
18 − 2(3) 12
= = =
3 3
Ejercicio Nº 30: Sea la siguiente ecuación, resolver mediante el método simple

de Gauss:
4 x1 − 9 x 2 + 2 x3 = 5 (1.a) ---------à + + =
2 x1 − 4 x 2 + 6 x 3 = 3 (1.b) ---------à + + =
x1 − x 2 + 3x 3 = 4 (1.c) ------------à + + =
Solución:
Redución a un sistema triangular superior
a) PASO 1: Eliminar la variable x1:
Para la segunda fila
Ecuación pivote (1a), elemento pivote a11=4
a 21 2 1
Factor= = =
a11 4 2
Multiplicar (1a) por el factor 1/2:
1 1 1 1
 4 x1 −  9 x 2 +  2 x 3 =  5
 2  2  2  2
9 5
2 x1 −   x2 + x3 =   (2.a)
 2 2
Restando: (1.b)-(2.a)
2 x1 − 4 x 2 + 6 x 3 = 3
 9  5 
−  2 x1 −   x 2 + x 3 =  
  2  2 
2+5 3= (2.b)

a 21 a31 a m1
; ;
a11 a11 a11
a32
a 22

Para la Tercera fila

Ecuación pivote (1a), elemento pivote a11=4
a 31 1
Factor= =
a11 4
Multiplicar (1a) por el factor 1/4:
1 1 1 1
 4 x1 −  9 x 2 +  2 x 3 =  5
 4  4  4  4
1− 2+ 3= (3.a)
Restando (1.c)-(3.a):
x1 − x 2 + 3 x 3 = 4
 9 1  5 
−  x1 −   x 2 +   x3 =  
 4 2  4 
5 5 11
x 2 + 5 x3 =
4 2 4
2+ 3= (3.b)
El sistema queda:
4 x1 − 9 x 2 + 2 x 3 = 5 (1.a) ------------à + + =
1 1
x 2 + 5 x3 = (2.b) -----------à + =
2 2
5 5 11
x 2 + x3 = (3.b) --------à + =
4 2 4
b) PASO 2: Eliminar la variable x2:

Para la Tercera fila
Ecuación pivote (2.b), elemento pivote a’22=1/2
a '32 5 / 4 5
Factor= = =
a ' 22 1 / 2 2
Multiplicar (2.b) por el factor 1/2:
5 1 5 5 1
  x 2 +  5 x3 =  
2 2 2  2 2
+ = (4.a)
Restando: (3.b) – (4.a)
5 5 11
x 2 + 5 x3 =
4 2 4
5 25 5
−  x2 + x3 = 
4 2 4
3
− 10 x3 =
2
−10 = (4.b)
El sistema queda:
4 x1 − 9 x 2 + 2 x3 = 5 (1.a)

1 1
x 2 + 5 x3 = (2.b)
2 2
3
− 10 x 3 = (4.b)
2
Sustitución hacia atras
a) De la ecuación (4.b); se obtiene x3:

bn(n −1)
xn = ( n −1)
a nn
3
− 10 x3 =
2
3/ 2 3
x3 = =− = −0.15
− 10 20
b) De la ecuación (2.b); se obtiene x2:
n
bi(i −1) − ∑a
j =i +1
(i −1)
ij xj
xi =
a ii(i −1)
1 1
x 2 + 5 x3 =
2 2
   3 
1
  − 5 −  5
 2   20  5
x2 = = 4 = = 2.50
1 1 2
2
2
c) De la ecuación (1.a); se obtiene x3

4 x1 − 9 x 2 + 2 x 3 = 5
n
bi(i −1) − ∑a
j =i +1
(i −1)
ij xj
xi =
a ii(i −1)
  5   3 
5 −  − 9  + 2 −  
x1 =   2   20  
4
 45   3 
5 −  −  +  −  5 −  −
114 

 2   10   5  139
x1 = = =
4 4 20
Usando Matlab:
Códigos a usarse:
function x=eliminacion(AA,b)
function A=intercambio(A,i)
function x=sutiatras(A,b)
Resolver el siguiente sistema:

4 −9 +2 = 5
2 −4 +6 = 3
− +3 = 4
>> A=[4 -9 2;2 -4 6;1 -1 3] >> eliminacion(AA,b)

A= ans =
4 -9 2 6.9500
2 -4 6 2.5000
1 -1 3 -0.1500
>> b=[5 3 4]'
b=
5
3
4
Tambien se puede usar la matriz inversa para solucionar:

Utiliza la siguiente sintaxis
X=inv(A)*b
Siendo b el vector de constantes en forma de vector columna
AX = B >> A=[4 -9 2;2 -4 6;1 -1 3]

A=
A −1 AX = A −1 B 4 -9 2
2 -4 6
X = A −1 B 1 -1 3
X = A\ B >> b=[5 3 4]'
b=
X = inv ( A) * B 5
3
4
>> solu=A\b
solu =
6.9500
2.5000
-0.1500
>> solu=inv(A)*b
solu =
6.9500
2.5000
-0.1500
2.5. Método de Gauss Jordan

Este método es una variación de la eliminación simple de Gauss
La diferencia consiste en:
a) Al eliminar una incógnita, esta es eliminada de todas las otras ecuaciones
en lugar de hacerlo en la subsecuente.
b) Todos los renglones se normalizan al dividirlos entre su elemento pivote.
De esta forma, el paso de eliminación genera una matriz de identidad en
lugar de una matriz triangular superior.
Procedimiento:

MATRIZ AUMENTADA Y DIVISION ENTRE EL

NORMALIZAR EL PIVOTE ELEMENTO PIVOTE
ELIMINAR X1 EN TODAS LAS FILAS

FACTOR
MULTIPLICACION
RESTAR
NUEVO SISTEMA SIN X1
NORMALIZAR 2DA. FILA

ECUACION PIVOTE
ELIMINAR X2 EN TODAS LAS FILAS

FACTOR
MULTIPLICACION
RESTAR
NUEVO SISTEMA
SIN X1 Y X2
MATRIZ IDENTIDAD
SOLUCIÓN
Ejercicio Nº 31: Sea la siguiente ecuación, resolver mediante el método de

Gauss-Jordan:
4 x1 − 9 x 2 + 2 x3 = 5 (1a)
2 x1 − 4 x 2 + 6 x 3 = 3 (1b)
x1 − x 2 + 3x 3 = 4 (1c)
Solución
Paso 01: Matriz aumentada y normalizar
a) Expresar los coeficientes, como una matriz aumentada.
 4 − 9 2 5
 2 − 4 6 3
 
1 − 1 3 4

1
b) Normalizar la primera fila (1a), al dividir entre el elemento pivote R1 → R1
4
 9 1 5
1 − 4 2 4
2 − 4 6 3
 
1 − 1 3 4
 
Paso 02: Eliminar el término x1 de la 2da y 3ra filas. Ecuación pivote (1a)
 9 1 5 (1a)
1 − 4 2 4
2 − 4 6 3 (1b)
 
1 − 1 3 4 (1c)
 
2 R3 → R3 − 1R1
R 2 → R2 − R1
1 R3 → 1 − 1(1) = 0
2 → −1 − 1( −9 / 4) = −1 + 9 / 4 = 5 / 4
R2 → 2 − (1) = 2 − 2 = 0 R3
1
R3 → 3 − 1(1 / 2) = 3 − 1 / 2 = 5 / 2
2
R 2 → − 4 − (− 9 / 4 ) = − 4 + 9 / 2 = 1 / 2 R3 → 4 − 1(5 / 4) = 4 − 5 / 4 = 11 / 4
1
2
R 2 → 6 − (1 / 2) = 6 − 1 = 5
1
2
R 2 → 3 − (5 / 4 ) = 3 − 5 / 2 = 1 / 2
1
La matriz resulta:
1 − 9 / 4 1 / 2 5 / 4  (2a)
 
0 1 / 2 5 1 / 2  (2b)
0 5 / 4 5 / 2 11 / 4 (2c)
Paso 03: Normalizar la ecuación 2b, dividir entre el elemento pivote: R2 → 2R2
1 − 9 / 4 1 / 2 5 / 4  (2a)
0 1 10 1  (2b)

0 5 / 4 5 / 2 11 / 4 (2c)
Paso 04: Eliminar el término x2 de la 1ra y 3ra filas. Ecuación pivote (2b)
9
R1 → R1 − (− ) R2
4
5
R3 → R3 − ( ) R 2
4
La matriz resulta:
1 0 23 7 / 2 (3a)
0 1 10 1  (3b)

0 0 − 10 3 / 2  (3c)

Paso 05: Normalizar la ecuación 3c, dividir entre el elemento pivote:

R3 → −1 / 10R3
1 0 23 7 / 2  (3a)
0 1 10 1  (3b)

0 0 1 3 / 20 (3c)
Paso 06: Eliminar el término x3 de las 1ra y 2da filas. Ecuación pivote (3c)
R1 → R1 − (23) R3
R2 → R2 − (10) R3
La matriz resulta:
1 0 0 139 / 20
0 1 0 5 / 2 

0 0 1 − 3 / 20 
Luego: los valores son:

x1 = 139 / 20 = 6.95
x 2 = 5 / 2 = 2.5
x3 = −3 / 20 = −0.15
Usando Matlab:
Códigos a usarse:
function x=gaussjordan(AA,b)
function A=intercambio(A,i)
4 −9 +2 = 5
2 −4 +6 = 3
− +3 = 4
>> A=[4 -9 2;2 -4 6;1 -1 3] >> gaussjordan(AA,b)

A= ans =
4 -9 2 6.9500
2 -4 6 2.5000
1 -1 3 -0.1500
>> b=[5 3 4]'
b=
5
3
4
PROCEDIMIENTO CON MATLAB

rref
La función rref, utiliza el método de Gauss_Jordan con pivoteo parcial.
La sintaxis es:
R=rref(AA)
Donde AA: matriz aumentada
>> A=[4 -9 2;2 -4 6;1 -1 3]

A=

4 -9 2
2 -4 6
1 -1 3
>> b=[5 3 4]'
b=
5
3
4
>> AA=[A b]
AA =
4 -9 2 5
2 -4 6 3
1 -1 3 4
>> R=rref(AA)
R=
1.0000 0 0 6.9500
0 1.0000 0 2.5000
0 0 1.0000 -0.1500
2.6. Método de la descomposición LU

Es un método para la solución de sistemas de ecuaciones algebraicas lineales.
[A]{X } = {b}
El objetivo de este método es:
a) Encontrar un factor triangular inferior L
b) Encontrar un factor triangular superior U
El sistema de ecuaciones se puede transformar según:

[A]{X } = {b}
(LU )X = A* X = b *
La matriz A* es la matriz A, después que se han realizado intercambios de filas
para permitir que los factores L y U se puedan calcular exactamente.
El vector b*, es el vector b después de efectuar un conjunto de intercambio de
filas.
Por tanto, el esquema de descomposición LU es una transformación de una
matriz A como producto de dos matrices
A* = LU
 a11 a12 a13   1 0 0  u11 u12 u13 
    
a 21 a 22 a 23  = l 21 1 0   0 u 22 u 23 
a 31 a 32 a 33  l 31 l 32 1   0 0 u 33 
Una descomposición en la que cada elemento lii de la diagonal L tiene un

valor unitario se denomina Método de Doolittle
Cada elemento uii de la diagonal U tiene valor unitario se denomina Método
de Crout
Loa elementos diagonales correspondientes lii y u ii son iguales entre si, se
denomina Método de Cholesky.
Procedimiento:

[A]{X } = {b}
DESCOMPOSICION
[L ][U ]{X }
[L ]{Z } = {b } HACIA
SUSTITUCION
ADELANTE
[U ]{X } = {Z} HACIA

ATRAS
Ejercicio Nº 32: Sea la siguiente ecuación, resolver mediante el método de LU.

4 x1 − 9 x 2 + 2 x3 = 5 (1a)
2 x1 − 4 x 2 + 6 x 3 = 3 (1b)
x1 − x 2 + 3x 3 = 4 (1c)
Solución
Paso 01: Establecer la matriz de coeficientes
 4 − 9 2
 
A =  2 − 4 6
1 − 1 3
Paso 02: Establecer las matrices U y L
4 − 9 2  1 0 0
U = 2 − 4 6  L = l 21 1 0
  
1 − 1 3  l 31 l 32 1
Paso 03: Eliminación de Gauss de la matriz U
Eliminación de u1: como pivote la ecuación 1
4 − 9 2 
 
U = 2 − 4 6 
1 − 1 3 
2 1
R2 → R2 − R1 R3 → R3 − R1
4 4
2 1
R2 → 2 − (4) = 2 − 2 = 0 R3 → 1 − ( 4) = 1 − 1 = 0
4 4
2 1
R 2 → −4 − (−9) = −4 + 9 / 2 = 1 / 2 R3 → −1 − ( −9) = −1 + 9 / 4 = 5 / 4
4 4
2 1
R 2 → 6 − ( 2) = 6 − 1 = 5 R3 → 3 − ( 2) = 3 − 1 / 2 = 5 / 2
4 4
La nueva matriz U queda:

4 − 9 2 
 
U 1 = 0 1 / 2 5 
0 5 / 4 5 / 2 
La nueva matriz L, será:
 1 0 0
 
L1 = 2 / 4 1 0 
1 / 4 l32 1 
Eliminación de u2; como ecuación pivote la ecuación 2
4 − 9 2 

U 1 = 0 1 / 2 5 
0 5 / 4 5 / 2 
5/ 4 5 1
R3 → R3 − R2 = R3 − R2 R3 → R3 − R1
1/ 2 2 4
5
R3 → 5 / 4 − (1 / 2) = 5 / 4 − 5 / 4 = 0
2
5
R3 → 5 / 2 − (5) = 5 / 2 − 25 / 2 = −10
2
La nueva matriz U queda:

4 − 9 2 
 
U 2 = 0 1 / 2 5 
0 0 − 10
La nueva matriz L queda:
 1 0 0
 
L 2 = 2 / 4 1 0
1 / 4 5 / 2 1
Paso 04: multiplicación de LU (prueba)
A = LU
 1 0 04 − 9 2   4 − 9 2
A = 2 / 4 1 0   0 1 / 2 5  = 2 − 4 6
  
1 / 4 5 / 2 1   0 0 − 10 1 − 1 3
Paso 05: generación del vector intermedio Z
Se tiene el siguiente arreglo del sistema:
[A]{X } = {b}
[L][U ]{X } = {b}
 1 0 0  4 − 9 2   X1  5 
     
2 / 4 1 0  0 1 / 2 5   X 2  = 3 
1 / 4 5 / 2 1  0 0 − 10  X 3  4 
Podemos establecer:
[L ][U ]{X } = {b}
[L ]{Z } = {b}

 1 0 0  Z1  5 
    
2 / 4 1 0 Z 2  = 3 
1 / 4 5 / 2 1  Z3  4 
Efectuando una sustitución hacia adelante:
Z1 = 5 (2 / 4) Z 1 + Z 2 = 3 (1 / 4) Z 1 + (5 / 2 ) Z 2 + Z 3 = 4
(2 / 4)(5) + Z 2 = 3 (1 / 4)( 5) + (5 / 2)(1 / 2) + Z 3 = 4
Z2 =1/ 2 (5 / 4 ) + (5 / 4) + Z 3 = 4
Z3 = 3 / 2
Los valores del vector Z, son:

 5 
 
Z = 1 / 2 
3 / 2 
 
Paso 06: Generación del vector solución X
Del paso anterior se tiene que:
[U ]{X } = {Z }
Reemplazando:
4 − 9 2  X1   5 
0 1/ 2    
 5   X 2  = 1 / 2 
 0 0 − 10   X 3  3 / 2 
Efectuando una sustitución hacia atrás:
−10 X 3 = 3 / 2 (1 / 2) X 2 + 5 X 3 = 1 / 2 ( 4) X 1 − ( 9) X 2 + ( 2) X 3 = 5
3/ 2 (1 / 2) X 2 + 5( −3 / 20 ) = 1 / 2 ( 4) X 1 − (9)(5 / 2) + ( 2)(3 / 20) = 5
X3 = = −3 / 20
− 10 X2 =5/2 ( 4) X 1 − ( 45 / 2) + (3 / 10 ) = 5
X 3 = −0.15 X 2 = 2.50 X 1 = 139 / 20 = 6.95
Luego: los valores son:

x1 = 139 / 20 = 6.95
x 2 = 5 / 2 = 2.5
x3 = −3 / 20 = −0.15
Procedimiento con Matlab

lu
La función lu usa el procedimiento e descomposición LU
Sintaxis
[L,U] = lu(X)
Retorna la matriz superior U y la inferior L
[L,U,P] = lu(X)
Retorna la matriz superior U, y la matriz inferior L con diagonal en L
>> A=[4 -9 2;2 -4 6;1 -1 3]

A=
4 -9 2
2 -4 6

1 -1 3
>> [L,U]=lu(A)
L=
1.0000 0 0
0.5000 0.4000 1.0000
0.2500 1.0000 0
U=
4.0000 -9.0000 2.0000
0 1.2500 2.5000
0 0 4.0000
>> [L,U,P]=lu(A)
L=
1.0000 0 0
0.2500 1.0000 0
0.5000 0.4000 1.0000
U=
4.0000 -9.0000 2.0000
0 1.2500 2.5000
0 0 4.0000
P=
1 0 0
0 0 1
0 1 0
METODOS ITERATIVOS
Estos métodos iterativos o aproximados son una alternativa a los métodos de
eliminación.
Consisten en suponer un valor inicial y luego usar un método sistemático hasta
obtener valores que simultáneamente satisfagan un conjunto de ecuaciones.
Se observarán los métodos de Jacobi y el Gauss-Seidel
2.7. Método Gauss-Seidel

Sea un conjunto de n ecuaciones
a11 x1 + a12 x 2 + a13 x3 = b1
a 21 x1 + a 22 x 2 + a 23 x3 = b2
a 31 x1 + a 32 x 2 + a 33 x3 = b3
La cual puede expresarse de la forma:
[A]{X } = {b}
a) Resolviendo para cada variable:
b − a12 x 2 − a13 x3
x1 = 1
a11
b2 − a 21 x1 − a 23 x3
x2 =
a 22
b3 − a31 x1 − a 32 x 2
x3 =
a 33
b) Valores iniciales y reemplazar:
Escoger valores iniciales para:
x1 ; x 2 ; x3
Podría ser una forma simple x1 = 0; x2 = 0; x3 = 0

c) Se reemplaza con desplazamientos sucesivos para cada una de las

variables. Así x1 se reemplaza en x2, luego x1 y x2 en x3.
d) El proceso se repite hasta la precisión deseada en los últimos valores
calculados.
Ejercicio Nº 33: Sea la siguiente ecuación, resolver mediante el método de

Gauss-Seidel
x1 − x 2 + 3x 3 = 4 (1a)
4 x1 − 9 x 2 + 2 x3 = 5 (1b)
2 x1 − 4 x 2 + 6 x 3 = 3 (1c)
Solución
Paso 01: Resolviendo para cada variable
b − a12 x 2 − a13 x3 b − a 21 x1 − a 23 x3 b3 − a 31 x1 − a 32 x 2
x1 = 1 x2 = 2 x3 =
a11 a 22 a 33
4 − [(−1) x 2 + (3) x 3 ] 5 − [(4) x1 + (2) x3 ] 3 − [( 2) x1 + ( −4) x 2 ]
x1 = x2 = x3 =
1 −9 6
Paso 02: Valores iniciales y reemplazar

x1 = 0; x2 = 0; x3 = 0
b1 − a12 x 2 − a13 x3 b2 − a 21 x1 − a 23 x3 b3 − a 31 x1 − a 32 x 2
x1 = x2 = x3 =
a11 a 22 a 33
4 − [(−1)0 + (3)0] 5 − [( 4)(4) + (2)(0)] 3 − [( 2)(4) + (−4)(11 / 9)]
x1 = =4 x2 = x3 =
1 −9 6
5 − 16 3 − [8 − 44 / 9] 3 − 28 / 9
x2 = = 11 / 9 x3 = = = −1 / 54
−9 6 6
Tabla
K X1 X2 X3
0 0 0 0
1 4.00000 1.22222 -0.01852
2 5.27778 1.78601 -0.06859
3 5.99177 2.09221 -0.10245
14 6.94623 2.49840 -0.14981

15 6.94783 2.49908 -0.14989
Usando Matlab:
Códigos a usarse:
GaussSeidel(A,b)
4 −9 +2 = 5
2 −4 +6 = 3
− +3 = 4
>> A >> GaussSeidel(A,b)

A= *******************************
4 -9 2 x1 x2 x3

2 -4 6 0.00000 0.00000 0.00000

1 -1 3 1.25000 -0.12500 0.87500
>> b 0.53125 0.82813 1.43229
b= 2.39714 2.59701 1.39996
5 6.39328 4.54658 0.71776
3 11.12092 5.88710 -0.41127
4 14.70162 5.98390 -1.57257
15.50007 4.64118 -2.28630
12.83580 2.23845 -2.19912
7.38608 -0.35563 -1.24724
1.07344 -2.08414 0.28081
-3.57971 -2.11864 1.82036
-4.42712 -0.23303 2.73136
-0.64000 3.02705 2.55568
6.78302 6.47503 1.23067
15.20349 8.69775 -0.83525
21.23756 8.61591 -2.87388
22.07274 5.97555 -4.03240
*******************************
ans =
22.0727
5.9755
-4.0324
Función bicg
Esta función resuelve un sistema de ecuaciones lineales Ax=b. La matriz A
debe ser cuadrada, el vector de constantes en forma de vector columna
bicg(A,b)
Se puede especificar la tolerancia y el número máximo de iteraciones
bicg(A,b,tol,max)
>> A=[4 -9 2;2 -4 6;1 -1 3] >> x=bicg(A,b)
A= bicg converged at iteration 3 to a
4 -9 2 solution with relative residual 3.5e-015
2 -4 6 x=
1 -1 3 6.9500
>> b=[5 3 4]' 2.5000
b= -0.1500
5
3 >> tole=1e-20;
4 >> x=bicg(A,b,tole,50)
bicg stopped at iteration 7 without
converging to the desired tolerance 1e-
020
because the method stagnated.
The iterate returned (number 6) has
relative residual 5.2e-016
x=
6.9500
2.5000
-0.1500
2.8. Método Jacobi

Sea un conjunto de n ecuaciones

a11 x1 + a12 x 2 + a13 x3 = b1

a 21 x1 + a 22 x 2 + a 23 x3 = b2
a 31 x1 + a 32 x 2 + a 33 x3 = b3
La cual puede expresarse de la forma:
[A]{X } = {b}
a) Resolviendo para cada variable:
b − a12 x 2 − a13 x3
x1 = 1
a11
b2 − a 21 x1 − a 23 x3
x2 =
a 22
b3 − a31 x1 − a 32 x 2
x3 =
a 33
b) Valores iniciales y reemplazar:
Escoger valores iniciales para:
x1 ; x 2 ; x3
Podría ser una forma simple x1 = 0; x2 = 0; x3 = 0
c) Se reemplaza con desplazamientos simultáneos las tres variables
x1 ; x 2 ; x3
d) El proceso se repite hasta la precisión deseada en los últimos valores
calculados.

Capitulo III Sistemas Ecuaciones

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Capitulo III Sistemas Ecuaciones

Încărcat de

Drepturi de autor:

Formate disponibile

Sistemas de ecuaciones

APLICACIÓN DE METODOS NUMERICOS A MATERIALES

En este sistema de reactores pueden modelarse mediante un sistema de

La forma reducida de Gauss es A’:

Ing. Héctor G. Bolaños Sosa Pag .1

 a '11 a'12 a '13 

 a '11 a'12 a '13 Μb'1 

Diagrama Nº 01: Esquema para la solución de sistemas de ecuaciones lineales

RANGO A' = n RANGO A' menor n

1.3. Antecedentes matemáticos

 a11 a12 a13 

La matriz de una sola columna se denomina vector columna (m=1):

Ing. Héctor G. Bolaños Sosa Pag .2

La matrices que tiene n=M; se denominan matrices cuadradas.

>> pob=[127 130 136 145 158 178 211]

b) Creación de un vector con distancia constante a partir de la

c) Creación de un vector con intervalo constante a partir de la

Ejercicio N°3: Generar un vector de 6 elementos, empezando en 0 y

Ing. Héctor G. Bolaños Sosa Pag .3

>> A=[5 35 43;4 76 81;21 32 40]

>> rand >> rand(3)

Para otro intervalo diferente de [0 y 1], se puede usar la siguiente ecuación:

Ejercicio N° 9: Generar 10 números aleatorios entre 5 y 20

Ejercicio Nº 10: Generar un vector fila de 10 elementos comprendidos entre 90 y

1.3.1. Tipos especiales de matrices cuadradas

Ing. Héctor G. Bolaños Sosa Pag .4

Matriz Identidad o matriz unitaria

Ejercicio Nº 12: la anterior matriz, encontrar la matriz identidad o unitaria.

>> eye(3) >> eye(size(A))

Matriz Triangular superior

También se define como matriz simétrica aquella que cumple:

Ing. Héctor G. Bolaños Sosa Pag .5

esta matriz; a esta matriz resultante se denomina Matriz Transpuesta y

 a11 a12 Λ a1n   a11 a 21 Λ a m1 

1.3.3. Matriz aumentada

Ejercicio Nº 14: encontrar el determinante de la siguiente matriz:

>> A=[3 5 2;4 2 3;-1 2 4]

Ing. Héctor G. Bolaños Sosa Pag .6

Ejercicio Nº 15: encontrar los cofactores de la siguiente matriz:

Paso Nº 01: hallar los cofactores de la fila Nº 01

Paso Nº 02: hallar los cofactores de la fila Nº 02

 A11 A12 A13   12 − 3 − 3

Ing. Héctor G. Bolaños Sosa Pag .7

1.3.6. Matriz adjunta

Ejercicio Nº 16: Encontrar la matriz adjunta de la matriz A:

Debemos encontrar la traspuesta de la matriz de cofactores de A:

1.3.7. Matriz inversa

Ejercicio Nº 17.- Sea la siguiente matriz:

Paso Nº 02: Verificar condición

Paso Nº 03: Encontrar la inversa del determinante de A

Ing. Héctor G. Bolaños Sosa Pag .8

Paso Nº 04: Encontrar la matriz adjunta de A

Paso Nº 06: Verificar la solución

Para la fila Nº3:

Ing. Héctor G. Bolaños Sosa Pag .9

La Inversa de una matriz se puede calcular usando el comando

Ing. Héctor G. Bolaños Sosa Pag .10

4.0000 -4.3333 -2.3333

1.3.8. Rango de una matriz

Ejercicio Nº 18.- Sea el siguiente sistema de ecuaciones:

Ing. Héctor G. Bolaños Sosa Pag .11

Luego podríamos tener:

>> B=[4 -9 2;2 -4 6;1 -1 3]

>> C=[4 -9 2 5;2 -4 6 3;1 -1 3 4]

>> A=round(1+(10-1)rand(3,2)) >> B=round(1+(10-1)rand(2,2))

>> A=round(0+(10-0)rand(4,3)) >> B=round(0+(10-0)rand(3,2))