UNIVERSIDAD AUTONOMA DE GUERRERO

UNIDAD ACADEMICA DE CONTADURIA Y

ADMINISTRACION

METODO CUANTITATIVO

PROFESOR: M.C. ADRIAN MORALES GALVEZ

TURNO: MATUTINO

GRUPO: 813

INTEGRANTES:

GOMEZ ZARAGOZA TANIA NATIVIDAD GPE.

MEZA ROMERO BRENDA BEATRIZ

APOLINAR MORALES GADIEL

FERNANDEZ MARTINEZ JOEL

MORENO PINEDA SALVADOR

ABRIL 2008
 INDICE

INTRODUCCION………………………………………………………………………………
………………………….3

DEFINICIÓN DE DETERMINANTES…………………………………………………………
………………..4

PROPIEDADES DE LOS DETERMINANTES………………………………………………

……………….5

MÉTODOS PARA CALCULAR DETERMINANTES…………………………………………

…………..7

A. MÉTODO CRUZADO …………………………………………………………………

……………………9
B. MÉTODO DE COFACTORES ………………………………………………………
………………….9
C. MÉTODO DE REDUCCIÓN A LA FORMA ESCALONADA (GAUSS).

MÉTODO DE CRAMER PARA RESOLUCIÓN DE SISTEMAS DE ECUACIONES

LINEALES………………………………………………………………………………………
…………………………….11

INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES……………………

…….12

A. RESOLUCIÓN DE ECUACIONES SIMULTANEAS…………………………………

………14
B. ELIMINACIÓN DE GAUSS……………………………………………………………
…………………15
C. ELIMINACIÓN DE GAUSS-JORDÁN ………………………………………………
……………..18
D. SISTEMAS DE ECUACIONES LINEALES HOMOGÉNEAS………………………
……20

BIBLIOGRAFIA……………………………………………………………………...23

2
 INTRODUCCIÓN

El mundo de la administración esta cambiando, día a día los

directores de una organización se ven en la necesidad de
tomar decisiones muy importantes de las cuales dependerá
el futuro de su empresa.

En este capítulo definiremos el determinante de una matriz n x n.

Esto se puede hacer de muchas formas, la definición que daremos
nos permite obtener un procedimiento relativamente fácil para el
cálculo de determinantes, parte de la teoría de determinantes
envuelve procesos engorrosos y difíciles que no serán expuestos.

Con la elaboración de este trabajo buscaremos comprender y

entender la resolución de ecuaciones para la toma de decisiones
dentro de una organización.

3
 DEFINICIÓN DE DETERMINANTE

El determinante es una función que le asigna a una matriz de orden n,

un único número real llamado el determinante de la matriz. Si A es
una matriz de orden n, el determinante de la matriz A lo denotaremos

por det(A) o también por (las barras no significan valor absoluto).

DEFINICIÓN 2.1 (Determinante de una matriz de orden 1)

Si es una matriz de orden uno, entonces det(A)=a.

Ejemplo 1

DEFINICIÓN 2.2(Menores y cofactores de una matriz de orden n)

Sea A una matriz de orden , definimos el menor asociado al

elemento de A como el determinante de la matriz que se obtiene al

eliminar la fila i y la columna j de la matriz A. El cofactor asociado al

elemento de A esta dado por .

4
 PROPIEDADES DE LOS DETERMINANTES

Los determinantes de una matriz y de su traspuesta son iguales. |A| =

|tA|.Si en una matriz se intercambian de posición dos filas o dos
columnas, el determinante cambia de signo.Si se multiplican todos los
elementos de una fila (o de una columna) por un número, el
determinante queda multiplicado por ese número.Si dos filas (o dos
columnas) de una matriz son iguales, el determinante es cero .Si dos
filas (o dos columnas) de una matriz son proporcionales, el
determinante es cero. Si descomponemos en dos sumandos cada
número de una fila (o de una columna) de una matriz, la suma de los
determinantes de las dos matrices obtenidas con la descomposición
en sumandos, es igual al determinante de la matriz original.

Si una fila (o columna) es combinación lineal de las otras filas (o

columnas) de una matriz, el determinante es cero.

Si cambiamos una fila (o una columna) por la obtenida por la suma de

esa fila más el producto de otra fila (o columna) por una constante, el
determinante no varía.

Se pueden hacer transformaciones, siguiendo las reglas anteriores, en

una matriz, de tal forma que, todos los elementos de una fila (o
columna) sean ceros y el determinante no varíe.

El determinante de una matriz triangular es igual al producto de los

números de la diagonal.

El determinante de un producto de matrices es igual al producto de

sus determinantes |A.B| = |A|.|B|

5
El determinante de la inversa de una matriz es igual al inverso del
determinante. |A-1| = 1 / |A|

Cramer obtuvo las incógnitas despejadas de un sistema en función de

determinantes.

Resolvamos el sistema:

Las fórmulas son:

6
Recordemos que la fórmula de los determinantes (3x3) es:

Como se puede observar, para que podamos utilizar el método de

Cramer, el determinante de la matriz de los coeficientes no debe ser
0 para que el denominador de las fórmulas no se anule. Si diese 0 es
que una de las incógnitas se puede poner en función de las otras, es
decir, tendríamos parámetros. La forma de resolver este problema es
pasar al otro miembro (al lado del término independiente) la incógnita
que tomemos como parámetro y de esta forma tendremos un
determinante que no se anula pero de menor grado. Al aplicar las
fórmulas de Cramer tendremos un parámetro en la columna de los
términos independientes.

METODOS PARA CALCULAR DETERMINANTES

Cálculo de determinantes por el método de Gauss

Se conoce cómo método de Gauss a un método para facilitar el

cálculo de determinantes usando las propiedades de éstos. Dicho
método consiste en hallar un determinante equivalente (con el mismo
valor) al que se pretende calcular, pero triangular. De esta forma el
problema se reduce a calcular un determinante de una matriz
triangular, cosa que es bastante fácil usando las propiedades de los
determinantes.

Para conseguir triangularizar el determinante se pueden aplicar las

siguientes operaciones:

• Permutar 2 filas ó 2 columnas.

• Multiplicar o dividir una línea por un número no nulo.
• Sumarle o restarle a una línea otra paralela multiplicada por un
número no nulo.

Cálculo del rango usando determinantes

7
Si a un menor M de orden h de la matriz A se le añade la fila p y la
columna q de A (que antes no estaban en el menor), obtenemos un
menor N de orden h+1 que se dice obtenido de M orlando este menor
con la fila p y la columna q.

Ejemplo

El método para el cálculo del rango es un proceso iterado que sigue

los siguientes pasos:

Antes de comenzar el método se busca un elemento no nulo, ya que

si todos los elementos son 0, el rango será 0. El elemento encontrado
será el menor de orden k=1 de partida.

1. Se orla el menor de orden k hasta encontrar un menor de orden

k+1 no nulo. Cuando se encuentra un menor de orden k+1 no
nulo se aplica a éste el método.
2. Si todos los menores orlados obtenidos añadiéndole al menor
de partida los elementos de una línea i 0 son nulos, podemos
eliminar dicha línea porque es combinación de las que
componen el menor de orden k.
3. Si todos los menores de orden k+1 son nulos el rango es k. (Si
aplicamos bien el método en realidad, al llegar a este punto, la
matriz tiene orden k).

Ejemplo

8
Por tanto rg(A)=3

A) METODO CRUZADO

Método cruzado

Supongo que te debes referir a las derivadas cruzadas, es muy

sencillo:

Supongamos que tienes una función f(x,y)

sabes que su derivada parcial respecto a x es ∂f(x,y)/∂x

9
Ahora sacas la derivada respecto a y, de la derivada parcial en x

∂²f(x,y)/(∂x∂y)

Ahora se dice que si la función es continua la derivada cruzada de y

respecto a x, debe ser igual a la que escribimos, esto es:

∂²f(x,y)/(∂x∂y) = ∂²f(x,y)/(∂y∂x)

Osea que si la función cumple ciertas propiedades no importa si

derivamos primero respecto a x o respecto a y para obtener las
cruzadas. Y esto lo podemos trasladar a 3 o más variables

B) METODO DE COFACTORES

SOLUCIÓN POR COFACTORES

El estudiante se preguntará si existe un método único que resuelva

determinantes de cualquier orden, la respuesta es afirmativa y se
dará su demostración partiendo de la solución general del .

Sacando factor común y agrupando (observando la primer fila)

Cambiando signo al segundo término

Lo que esta entre paréntesis se escribe con determinantes de

segundo orden

( )

10
Se observa que los determinantes que acompañan a los elementos a1
b1 c1 se obtienen al eliminar la fila y columna a que pertenecen
respectivamente, y que uno de ellos tiene signo negativo. Estos
determinantes reciben el nombre de COFACTOR de un elemento de un
determinante quedando su definición como sigue:

Definición.

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 además
posee signo positivo o negativo.

Para justificar el signo del cofactor del elemento, se puede pensar en

dos formas.

1. Tendrá signo positivo si la posición del elemento en cuanto a la

suma de fila y columna es número par y negativo si la suma da
impar.

2. El signo del cofactor del elemento de un determinante tendrá

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 términos, cada uno de los cuales se forma al
multiplicar cada elemento de cualquier fila o columna por su
COFACTOR correspondiente.

Ejemplo. Calcular el valor del Determinante del ejemplo anterior

usando el Método de Cofactores

a): tomando como base los elementos de la 1er fila

11
 Solución.

a) Base a 1er fila.

Este método de solución se “Complica” cuando se aplica a

Determinantes de Orden Superior.

Dicho problema se puede evitar si conocemos las Propiedades de los

Determinantes para combinarlas con la solución por cofactores.

MÉTODO DE CRAMER PARA RESOLUCIÓN DE SISTEMAS

DE ECUACIONES LINEALES

Cramer obtuvo las incógnitas despejadas de un sistema en función de

determinantes .

Resolvamos el sistema :

Las fórmulas son :

12
Recordemos que la fórmula de los determinantes (3x3) es :

Como se puede observar, para que podamos utilizar el método de Cramer

, el determinante de la matriz de los coeficientes no debe ser 0 para que
el denominador de las fórmulas no se anule . Si diese 0 es que una de las
incógnitas se puede poner en función de las otras , es decir , tendríamos
parámetros . La forma de resolver este problema es pasar al otro
miembro (al lado del término independiente) la incógnita que tomemos
como parámetro y de esta forma tendremos un determinante que no se
anula pero de menor grado . Al aplicar las fórmula de Cramer tendremos
un parámetro en la columna de los términos independientes .

13
 INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES
SIMULTÁNEAS.

Introducción

 La resolución de sistemas de ecuaciones lineales es uno de los problemas

matemáticos más importantes en Ingeniería
Ø Hasta la llegada de los computadores digitales (segunda mitad del s.
XX) la capacidad de resolver sistemas de ecuaciones estaba muy
limitada, no por la complejidad del problema, sino por el número de
operaciones aritméticas

Ø Ahora se puede resolver con un PC un sistema 1000×1000 en menos

de 1 seg.

Ø Con programas especiales que aprovechan la estructura de la matriz se

pueden resolver de forma rutinaria con PCs, sistemas de decenas ó
cientos de miles de ecuaciones lineales

 Muchos métodos matemáticos (cálculo de valores y vectores propios,

integración de ecuaciones diferenciales, optimización, ...) se reducen a la
resolución repetida de sistemas de ecuaciones lineales
 La resolución de sistemas de ecuaciones lineales tiene además un
importante valor didáctico
Ø Para los métodos numéricos en general

Ø Para la programación de ordenadores

Resolución de Sistemas de Ecuaciones

 El sistema de ecuaciones lineales Ax=b se puede resolver combinando

ecuaciones hasta que la matriz quede triangularizada y realizando
después una vuelta atrás, según se ha expuesto
 Otra forma de resolver el sistema Ax=b
Ø El sistema se puede escribir en la forma: LUx=b

Ø Se define un vector y=Ux

Ø Se calcula y a partir del sistema triangular Ly=b

Ø Conocido y, se calcula x del sistema triangular Ux=y

 Ventajas de la forma LUx=b

Ø Se puede aprovechar una factorización anterior, previa al cálculo de b.
Esto es bastante frecuente en la programación de métodos iterativos

14
Ø Se puede utilizar una misma factorización para un número grande e
incluso indeterminado de segundos miembros

A) RESOLUCIÓN DE UN SISTEMA DE ECUACIONES

SIMULTÁNEAS

Cuando se escribe el sistema de ecuaciones que representan el flujo

en un sistema de tuberías deben obtenerse finalmente tantas
ecuaciones independientes como incógnitas del sistema físico.Las
ecuaciones obtenidas deben satisfacerse simultáneamente, lo cual
significa que se debe obtener su solución simultánea.

Las ecuaciones simultáneas obtenidas son de diversas características:

o Las ecuaciones provenientes de la energía son cuadráticas, si

se ha usado la ecuación racional de Darcy-Weisbach. Describen
la disipación de energía a lo largo de las tuberías.
o Las ecuaciones provenientes de la continuidad de caudales son
lineales. Describen la distribución de caudales en los nudos.
o Las ecuaciones provenientes de los factores de fricción son
logarítmicas, si se ha usado la expresión de Colebrook-White.
Describen las relaciones de resistencia en los tubos.

Una posible estrategia para resolver un sistema mixto como el

descrito puede ser suponer el vector solución y mediante
aproximaciones sucesivas acercarse cada vez mas al vector
solución que satisface las exigencias físicas del problema. Para
esta estrategia el procedimiento a seguir, conocido como método
de Seidel-Gauss, puede ser:

1. Formar las ecuaciones que describen el problema, algunas

ecuaciones de energía, otras de continuidad, otras para los factores
de fricción.

2. Cada ecuación se dedicará a obtener una sola de las incógnitas,

por ejemplo con la ec. 1 se obtendrá Q1, con ec. 2 se obtendrá Q2 y
así sucesivamente.

3. Suponer los valores iniciales para el vector solución , por ejemplo

(Q1, Q2, Q3, ..., f1, f2, f3...)

15
4. Con los valores supuestos calcular la primera incógnita mejorada,
por ejemplo Q1mejorado mediante la ec. 1.

5. Actualizar el vector solución: (Q1mejorado, Q2, Q3, ..., f1, f2, f3...)

6. Con el vector actualizado calcular la siguiente incógnita mejorada

con la siguiente ecuación, por ejemplo Q2mejorado mediante la ec. 2.

7. Actualizar el vector solución: (Q1mejorado, Q2mejorado, Q3, ..., f1, f2, f3...)

8. Obtener las demás incógnitas mejoradas a partir de la utilización

de las otras ecuaciones.

9. Reanudar desde el paso 4 hasta que el vector solución se estabilice

en valores constantes para todas las incógnitas.

C) ELIMINACIÓN DE GAUSS

El primer método que se presenta usualmente en álgebra, para la

solución de ecuaciones algebricas lineales simultáneas, es aquel en el
que se eliminan las incógnitas mediante la combinación de las
ecuaciones. Este método se conoce como Método de Eliminación.
Se denomina eliminación Gaussiana si en el proceso de
eliminación se utiliza el esquema particular atribuido a Gauss.

Utilizando el método de Gauss, un conjunto de n ecuaciones con n

incógnitas se reduce a un sistema triangular equivalente (un
sistema equivalente es un sistema que tiene iguales valores de la
solución), que a su vez se resuelve fácilmente por "sustitución
inversa"; un procedimiento simple que se ilustrará con la
presentación siguiente.

El esquema de Gauss empieza reduciendo un conjunto de ecuaciones

simultáneas, tal como se muestra en (2), a un sistema triangular
equivalente como:

16
 (6
)

en el cual los superíndices indican los nuevos coeficientes que se

forman en el proceso de reducción. La reducción real se logra de la
siguiente manera:

1. La primera ecuación (2) se divide entre el coeficiente de X1 en

esa ecuación para obtener:

(7
)

2. La ec. (7) se multiplica entonces por el coeficiente de X1 de la

segunda ecuación (2) y la ecuación que resulta se resta de la
misma, eliminando así X1. La ec. (7) se multiplica entonces por
el coeficiente de X1 de la tercera ecuación (2), y la ecuación
resultante se resta de la misma para eliminar X1 de esa
ecuación. En forma similar, X1 se elimina de todas las
ecuaciones del conjunto excepto la primera, de manera que el
conjunto adopta la forma:

(8
)

3. La ecuación utilizada para eliminar las incógnitas en las

ecuaciones que la siguen se denomina Ecuación Pivote. En la
ecuación pivote, el coeficiente de la incógnita que se va a
eliminar de las ecuaciones que la siguen se denomina el
Coeficiente Pivote (a11 en los pasos previos).

17
 4. Siguiendo los pasos anteriores, la segunda ecuación (8) se
convierte en la ecuación pivote, y los pasos de la parte 1 se
repiten para eliminar X2 de todas las ecuaciones que siguen a
esta ecuación pivote.

Esta reducción nos conduce a:

(9
)

5. A continuación se utiliza la tercer ecuación (9) como ecuación

pivote, y se usa el procedimiento descrito para eliminar X3 de
todas las ecuaciones que siguen a la tercer ecuación (9). Este
procedimiento, utilizando diferentes ecuaciones pivote, se
continúa hasta que el conjunto original de ecuaciones ha sido
reducido a un conjunto triangular tal como se muestra en la ec.
(6).
6. Una vez obtenido el conjunto triangular de ecuaciones, la última
ecuación de este conjunto equivalente suministra directamente
el valor de Xn (ver ec. 6). Este valor se sustituye entonces en la
antepenúltima ecuación del conjunto triangular para obtener un
valor de Xn-1, que a su vez se utiliza junto con el valor de Xn
en la penúltima ecuación del conjunto triangular para obtener
un valor Xn-2 y asi sucesivamente. Este es el procedimiento de
sustitución inversa al que nos referimos previamente.

Para ilustrar el método con un conjunto numérico, apliquemos estos

procedimientos a la solución del siguiente sistema de ecuaciones:

X1 + 4 X2 + X3
=7

X1 + 6 X2 - X3 (
= 13 10)

2 X1 - X2 + 2 X3
=5

18
Utilizando como ecuación pivote la primera ecuación (el
coeficiente pivote es unitario), obtenemos:

X1 + 4 X2 + X3
=7

(
2 X2 - 2 X3 = 6
11)

9 X2 + (0) X3 =
-9

A continuación, utilizando la segunda ecuación del sistema (11) como

ecuación pivote y repitiendo el procedimiento, se obtiene el siguiente
sistema triangular de ecuaciones:

X1 + 4 X2 + X3
=7

(
2 X2 - 2 X3 = 6
12)

- 9 X3 = 18

Finalmente mediante sustitución inversa, comenzando con la última

de las ecs. (12) se obtienen los siguientes valores:

X3 = -2

X2 = 1

X1 = 5

B) ELIMINACIÒN DE GAUSS - JORDAN

En la matemática, la eliminación Gaussiana o eliminación de

Gauss-Jordan, llamada así debido a Carl Friedrich Gauss y Wilhelm
Jordan, es un algoritmo del álgebra lineal para determinar las
soluciones de un sistema de ecuaciones lineales, encontrar matrices e
inversas. Cuando se aplica este proceso, la matriz resultante se
conoce como: "forma escalonada"

19
Supongamos que es necesario encontrar los números x, y, z, que
satisfacen simultáneamente estas ecuaciones

2x + y − z = 8,

− 3x − y + 2z = − 11,

− 2x + y + 2z = − 3

Esto es llamado un sistema lineal de ecuaciones. El objetivo es reducir

el sistema a otro equivalente, que tenga las mismas soluciones. Las
operaciones (llamadas elementales) son estas:

• Multiplicar una ecuación por un escalar no nulo.

• Intercambiar de posición dos ecuaciones
• Sumar a una ecuación un múltiplo de otra.

Estas operaciones pueden representarse con matrices elementales

que se usan también en otros procedimientos como la factorización
LU o la diagonalización por congruencia de una matriz simétrica.

En nuestro ejemplo, eliminamos x de la segunda ecuación sumando

3/2 veces la primera ecuación a la segunda y después sumamos la
primera ecuación a la tercera. El resultado es:

Ahora eliminamos y de la primera ecuación sumando -2 veces la

segunda ecuación a la primera, y sumamos -4 veces la segunda
ecuación a la tercera para eliminar y.

2x − 2z = 6,

−z=1

Finalmente eliminamos z de la primera ecuación sumando -2 veces la

tercera ecuación a la primera, y sumando 1/2 veces la tercera
ecuación a la segunda para eliminar z.

20
 2x = 4,

−z=1

Despejando, podemos ver las soluciones: x = 2, y = 3 y z = −1.

Para clarificar los pasos (y es en realidad lo que las computadoras

manejan), se trabaja con la matriz aumentada. Podemos ver los 3
pasos en su notación matricial:

Primero:

Después,

Por último.

Si el sistema fuera incompatible, entonces nos encontraríamos con

una fila como esta:

Que representa la ecuación: 0x + 0y + 0z = 1, es decir, 0 = 1 que no

tiene solución.

D) SISTEMAS ECUACIONES LINEALES HOMOGENEAS

ECUACIONES LINEALES HOMOGENEAS DE PRIMER ORDEN

21
Consideramos la ecuación

y supongamos que
Podemos resolver directamente esta ecuación:

Será .....................De la misma

forma, tendremos
,....
Vemos que la solución general es

Llamamos a esta sucesión progresión geométrica de valor

inicial C y razón A.
ECUACIONES LINEALES HOMOGENEAS DE SEGUNDO
ORDEN
• Partimos de la ecuación de recurrencia

y buscamos soluciones que sean progresiones

geométricas:
Suponemos y sustituimos

• Podemos simplificar esta ecuación en la forma

de donde, si , deducimos
Llamamos a esta ultima ecuación la ecuación
característica de la recurrencia.
Tenemos ahora tres casos:
1. Las raíces de la ecuación característica son reales y
distintas

Sean las raíces.

son, para valores arbitrarios de las

constantes Ci, soluciones de la ecuación de recurrencia
(1). Comprobarlo sustituyendo.

22
• La suma de las dos soluciones anteriores también es
una solución. Lo comprobamos sustituyendo.
• Hemos obtenido una solución que depende de dos
constantes arbitrarias.
Todas las soluciones están comprendidas en la fórmula:

Demostración:
Si suponemos dados los valores iniciales, a0 y a1, de la
solución, el resto de la sucesión queda unívocamente
determinado, por recurrencia y por ser la ecuación de
orden 2, por estos dos valores (igual que en el caso de
Fibonacci).
Sustituyendo n = 0, 1 en (2) obtenemos

Como suponemos que a0, a1, r1 y r2 son conocidos, vemos

que (3) es un sistema lineal de dos ecuaciones con dos
incógnitas.

Su determinante es y, por tanto, el sistema

tiene solución única.
Hemos visto, entonces, que toda solución de (1) puede
ser dada como caso particular de (2) para una elección
adecuada, la dada por la solución de (3), de las
constantes C1 y C2.
2. Las raíces de la ecuación característica son reales e
iguales Llamemos r0 a la única raíz de la ecuación
característica.
La discusión es en este caso similar a la anterior, salvo
que debemos usar

Las comprobaciones necesarias para ver que, en este

caso también, todo funciona bien son tan parecidas que
las omitimos.
3. Las raíces de la ecuación característica son números
complejos conjugados
Supongamos que las raíces son:

23
Podemos tratar este caso en la misma forma que el
primero, de forma que obtenemos que la solución es

Esta solución es satisfactoria, salvo si observamos que la

solución está expresada en términos de funciones de
variable compleja.
Si escribimos las raíces en forma polar,
,
donde podemos tomar como definición ei_ :

podemos reescribir la solución

como

con . De esta forma la solución

es combinación lineal de dos funciones de variable real y
son los coeficientes los que son números complejos.
Ejemplo:

Volvemos a la ecuación de Fibonacci

Su ecuación característica es , con raíces

y

. Son raíces reales distintas.

La solución general es

Sustituyendo n = 0, 1 en esta expresión podemos obtener

los valores de las constantes que corresponden a valores
iniciales dados. Por ejemplo, para

F0 = 0 y F1 = 1 se obtiene .
¿Que valor tiene, aproximadamente, Fn para n grande?
Como 0 < r2 < 1, para n muy grande el segundo
sumando de la expresión exacta obtenida para Fn tiende a
cero (i.e. se puede hacer tan pequeño como queramos).
Entonces, para n muy grande, se obtiene

24
 BIBLIOGRAFIA

WWW.GOOGLE.COM

WWW.ALTAVISTA.COM

WWW.MONOGRAFIAS.COM

25