Professional Documents
Culture Documents
siempre que i j .
Matriz identidad. Definición.
La matriz identidad de orden n, I n ( ij ) , es la matriz diagonal con elementos
1 si i j
ij (2.15)
0 si i j
Cuando el tamaño de In está claro, esta matriz se escribe simplemente como I.
La matriz identidad de orden tres es
1 0 0
I 3 0 1 0 (2.16)
0 0 1
1 0 0 ... 0 a1,n1
a2,n1
0 1 0 ... 0
0 0 1 ... 0 a3,n1 (2.18)
...
0 0 0 ... 1 an ,n1
La solución del sistema es:
x1 a1,n1 , x2 a2,n1 , …, xn an,n1 (2.19)
Ejemplo 2.15.
Resuelva el siguiente sistema lineal usando el método de Gauss-Jordan.
4 x1 x2 x3 2
5 x1 x2 2 x3 4
6 x1 x2 x3 6
Solución.
Este ejercicio fue resuelto en el ejemplo 2.2 aplicando el método de eliminación Gaussiana
y sustitución hacia atrás. Aquí será resuelto aplicando el método de Gauss – Jordan para
establecer diferencias entre los métodos. Se comienza determinando la matriz ampliada de
coeficientes.
Matriz ampliada.
4 1 1 2 a11 a12 a13 a1, 4
5 1 2 4 a21 a22 a23 a2 , 4
6 1 1 6 a31 a32 a33 a3, 4
44 14 1
4
2
4
5 1 2 4
6 1 1 6
Y obtenemos:
1 0.25 0.25 0.5 1 a12 a13 a1, 4
5 1 2 4 a 21 a 22 a 23 a 2, 4
6 1 1 6 a31 a32 a33 a 3, 4
Una primera diferencia entre el método de eliminación Gaussiana y sustitución hacia atrás
y el método de Gauss – Jordan es que en el primero no se requiere normalizar el renglón 1.
Ya normalizado el renglón 1 ( a11 1 ), el objetivo es crear un cero en las posiciones donde
están a21 y a31 mediante operaciones en base al primer renglón. Se definen las siguientes
operaciones:
Renglón 2: E2 E2 5 E1
Obsérvese que el valor que multiplica al renglón que contiene al pivote ( 5 ), es el mismo
que se debe convertir en cero (5) en el renglón 2.
Renglón 3: E3 E3 6 E1
Obsérvese que el valor que multiplica al renglón que contiene al pivote (6), es el mismo
que se debe convertir en cero (5) en el renglón 3.
Las operaciones están indicadas a continuación:
1 0.25 0.25 0.5
5 5 (1) 1 5 (0.25) 2 5 (0.25) 4 5 (0.5)
6 6 (1) 1 6 (0.25) 1 6 (0.25) 6 6 (0.5)
Y obtenemos:
1 0.25 0.25 0.5 1 a12 a13 a1, 4
0 0.25 3.25 6.5 0 a22 a23 a2 , 4
0 0.5 2.5 9 0 a32 a33 a3, 4
diagonal iguales a la unidad. Obsérvese que al igual que en el primer paso del
procedimiento de Gauss – Jordan, en este paso el método de eliminación Gaussiana y
sustitución hacia atrás no requiere normalización de renglones, mientras que en el método
de Gauss – Jordan siempre será necesario tal como se ha ilustrado. Para normalizar el
renglón 2, se divide dicho renglón entre –0.25
E2
E2
0.25
Las operaciones están indicadas a continuación:
1 0.25 0.25 0.5
0 0.25 3.25 6.5
0.25 0.25 0.25 0.25
0 0.5 2.5 9
Y obtenemos:
1 0.25 0.25 0.5 1 a12 a13 a1, 4
0 1 13 26 0 1 a23 a2 , 4
0 0.5 2.5 9 0 a32 a33 a3, 4
entre el método de eliminación de Gauss con sustitución hacia atrás y el método de Gauss –
Jordan, puesto que en el primero, se creaba el cero sólo en la posición donde está a 32 ,
Renglón 3: E3 E3 0.5 E2
Las operaciones están indicadas a continuación:
1 0.25 (0) 0.25 0.25 (1) 0.25 0.25 (13) 0.5 0.25 (26)
0 1 13 26
0 0.5 (0) 0.5 0.5 (1) 2.5 0.5 (13) 9 0.5 (26)
Y obtenemos:
1 0 3 6 1 0 a13 a1, 4
0 1 13 26 0 1 a23 a2 , 4
0 0 4 4 0 0 a33 a3, 4
Y obtenemos:
1 0 3 6 1 0 a13 a1, 4
0 1 13 26 0 1 a23 a2 , 4
0 0 1 1 0 0 1 a3, 4
están a13 y a23 mediante operaciones en base al tercer renglón. Se definen las siguientes
operaciones:
Renglón 1: E1 E1 3E3
Renglón 2: E2 E2 13E3
Y obtenemos:
1 0 0 3 1 0 0 a1, 4
0 1 0 13 0 1 0 a2 , 4
0 0 1 1 0 0 1 a3, 4
Finalmente, dentro de las diferencias entre los métodos de eliminación Gaussiana con
sustitución hacia atrás y de Gauss – Jordan se encuentra que en el primero la solución debe
ser obtenida aplicando las fórmulas de sustitución hacia atrás, mientras que en el segundo
dicha sustitución no es necesaria, puesto que se obtiene la solución del sistema (cuando
tenga solución) en una forma directa, lo cual representa una ventaja para el método de
Gauss - Jordan.
Ejemplo 2.16.
Resuelva el siguiente sistema lineal usando el método de Gauss – Jordan.
x1 x2 x4 2
2 x1 x2 x3 x4 1
x1 2 x2 3 x3 x4 4
3 x1 x2 x3 2 x4 3
Solución.
1 1 0 1 2 a11 a12 a13 a14 a1,5
2 1 1 1 1 a21 a22 a23 a24 a2 , 5
1 2 3 1 4 a31 a32 a33 a34 a3,5
3 1 1 2 3 a41 a42 a43 a44 a4,5
E2 E2 2 E1
E3 E3 E1
E4 E4 3E1
E1 E1 E2
E3 E3 3E2
E4 E4 4 E2
Normalizar el tercer renglón. No es posible normalizar el tercer renglón, puesto que a33 0
. Si intercambian los renglones 3 y 4.
E3 E4
1 0 1 0 1
0 1 1 1 3
0 0 3 3 3
0 0 0 3 3
E2 E2 E3
1 0 0 1 0 1 0 0 a14 a1,5
0 1 0 0 2 0 1 0 a24 a2 , 5
0 0 1 1 1 0 0 1 a34 a3,5
0 0 0 3 3 0 0 0 a44 a4,5
Crear cero en las posiciones a14 , a 24 y a34 . Obsérvese que a 24 0 , por lo cual no se
E3 E3 E4
1 0 0 0 1 1 0 0 0 a1,5
a2,5
0 1 0 0 2 0 1 0 0
0 0 1 0 0 0 0 1 0 a3,5
0 0 0 1 1 0 0 0 1 a4,5
Ejemplo 2.17.
[BF] Resuelva el siguiente sistema lineal usando el método de Gauss-Jordan.
x1 x2 x3 3 (A)
x1 x2 x3 2 (B)
x1 3 x2 x3 8 (C)
Solución.
Matriz ampliada.
1 1 1 3 a11 a12 a13 a1, 4
1 1 1 2 a21 a22 a23 a2 , 4
1 3 1 8 a31 a32 a33 a3, 4
E2 E2 E1
E3 E3 E1
E1 E1 E2
E3 E3 2 E1
x2 2.5 (2)
00 (3)
El sistema admite infinitas soluciones, puesto que la ecuación (3) es una igualdad.
La razón por la cual el sistema planteado tiene infinitas soluciones es porque una ecuación
resulta de la combinación lineal de las otras. En el ejemplo anterior se puede demostrar que
2 A B C .
En la implementación real de cualquiera de los métodos directos se puede tener
especial cuidado para darse cuenta de las operaciones que no se necesitan realizar, como
por ejemplo, una multiplicación cuando se sabe que uno de los factores es uno, o una resta
Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 59
Capítulo 2. Métodos para la solución de sistemas lineales. Método de Gauss - Jordan / Matriz inversa.
5 x1 2 x2 2 x3 4
3 x1 x2 x3 5
Compruebe las respuestas por sustitución de las ecuaciones originales.
10. [CC] Resuelva:
x1 x2 x3 3
6 x1 2 x2 2 x3 2
3 x1 4 x2 x3 1
mediante la eliminación de Gauss - Jordan.
11. [BF] Usar el método de Gauss – Jordan y aritmética de redondeo a 2 dígitos para
resolver los sistemas del ejercicio 6.
12. [BF] Repetir el ejercicio 8 usando el método de Gauss – Jordan.
13. [BF] Considere el siguiente método híbrido de eliminación Gaussiana – Gauss – Jordan
para resolver un sistema de ecuaciones lineales. Primero se aplica la técnica de eliminación
Gaussiana para reducir el sistema a la forma triangular mostrada en la página 3. Después se
usa la n-ésima ecuación para eliminar los coeficientes de xn en cada uno de los primeros
2 x1 5 x2 7 x3 0
3 x1 7 x2 8 x3 0
x1 2 x2 3 x3 0
2 x1 5 x2 7 x3 1
3 x1 7 x2 8 x3 0
x1 2 x2 3 x3 0
2 x1 5 x2 7 x3 0
3 x1 7 x2 8 x3 1
Los cálculos se realizan convenientemente en la matriz aumentada más grande, formada
combinando las matrices:
1 2 3 1 0 0
2 5 7 0 1 0
3 7 8 0 0 1
1 2 3 1 0 0
0 1 1 2 1 0
0 1 1 3 0 1
En seguida, efectuando
E3 E3 E2
1 2 3 1 0 0
0 1 1 2 1 0
0 0 2 1 1 1
Se podría hacer una sustitución hacia atrás en cada una de las tres matrices aumentadas,
1 2 3 1 1 2 3 0 1 2 3 0
0 1 1 2 0 1 1 1 0 1 1 0
0 0 2 1 0 0 2 1 0 0 2 1
para encontrar todos los elementos de A1 , pero frecuentemente, es más conveniente usar la
reducción de renglones adicional. En particular la operación
E3
E3 nos lleva a:
2
1 2 3 1 0 0
0 1 1 2 1 0 y
0 0 1 0.5 0.5 0.5
E1 E1 3E3
E2 E2 E3
Finalmente E1 E1 2 E2
La matriz aumentada final representa a las soluciones de los tres sistemas lineales
x1 4.5 x1 2.5 x1 0.5
x2 2.5 x2 0.5 x2 0.5
x3 0.5 x3 0.5 x3 0.5
En el ejemplo, ilustramos como calcular A1 . Como vimos en ese ejemplo, es conveniente
arreglar la matriz aumentada más grande
A I
Llevando a cabo la eliminación siguiendo el algoritmo de Gauss, obtenemos una matriz
aumentada de la forma
U Y
Donde U es una matriz n n con uij 0 siempre que i j y Y representa la matriz de
etapa encontramos que cualquiera de los renglones a la izquierda de la línea vertical sólo
consta de ceros, entonces puede probarse que A1 no existe.
Ejemplo 2.18.
1 2 3
Determine A si existe, dada A 2 5 7
1
3 7 10
Solución.
1 2 3 1 0 0
2 5 7 0 1 0
3 7 10 0 0 1
E2 E2 2 E1
Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 64
Capítulo 2. Métodos para la solución de sistemas lineales. Método de Gauss - Jordan / Matriz inversa.
E3 E3 3 E1
1 2 3 1 0 0
0 1 1 2 1 0
0 1 1 3 0 1
E1 E1 2 E2
E3 E3 E2
1 0 1 5 2 0
0 1 1 2 1 0
0 0 0 1 1 1
Dado que el tercer renglón a la izquierda de la línea vertical sólo consta de ceros, la
reducción no puede completarse. Debemos concluir que A1 no existe y que A es una
matriz singular.
Ejemplo 2.19.
1 1 1
Determine A1 si existe, dada A 1 1 1
1 3 1
Solución.
1 1 1 1 0 0
1 1 1 0 1 0
1 3 1 0 0 1
E2 E2 E1
E3 E3 E1
1 1 1 1 0 0
0 2 0 1 1 0
0 2 0 1 0 1
E2
E2
2
1 1 1 1 0 0
0 1 0 0.5 0.5 0
0 2 0 1 0 1
E1 E1 E2
E3 E3 2 E 2
1 0 1 0.5 0.5 0
0 1 0 0.5 0.5 0
0 0 0 2 1 1
Dado que el tercer renglón a la izquierda de la línea vertical sólo consta de ceros, la
reducción no puede completarse. Debemos concluir que A1 no existe y que A es una
matriz singular.
Recuérdese que esta matriz es la misma matriz de coeficientes del ejemplo 2.17.
Como regla general tenemos que cualquier sistema en el cual la matriz de coeficientes sea
singular, dicho sistema no tiene solución o tiene infinitas soluciones.
Las inversas de matrices tienen muchos usos, uno de los cuales está en la solución
de sistemas de ecuaciones. En secciones precedentes, resolvimos sistemas de ecuaciones
lineales transformando la matriz aumentada a su forma reducida. En el caso en que
tengamos n ecuaciones con n variables, también podemos resolver el sistema encontrando
la inversa de la matriz de coeficientes.
Un sistema de ecuaciones puede escribirse en forma matricial como
AX B (2.23)
I X A1B
X A1B (2.25)
Así, hemos obtenido una expresión que proporciona la solución X del sistema de
ecuaciones dados.
Ejemplo 2.20.
Resuelva el sistema de ecuaciones lineales siguiente (Véase ejemplos 2.2 y 2.15):
4 x1 x2 x3 2
5 x1 x2 2 x3 4
6 x1 x2 x3 6
Solución.
Determinación de la matriz inversa.
4 1 1 1 0 0
5 1 2 0 1 0
6 1 1 0 0 1
E1
E1
4
1 0.25 0.25 0.25 0 0
5 1 2 0 1 0
6 1 1 0 0 1
E2 E2 5 E1
E3 E3 6 E1
E2
E2
0.25
E1 E1 0.25 E2
E3 E3 0.5 E2
1 0 3 1 1 0
0 1 13 5 4 0
0 0 4 1 2 1
E3
E3
4
1 0 3 1 1 0
0 1 13 5 4 0
0 0 1 0.25 0.5 0.25
E1 E1 3E3
E2 E2 13E3
La matriz inversa es
0.25 0.5 0.75
A1 1.75 2.5 3.25
0.25 0.5 0.25
3
X 13
1
2 x1 3 x2 3 x4 4 2 x1 3 x2 3 x4 2 2 x1 3 x2 3 x4 2
x1 x2 x3 x4 2 x1 x2 x3 x4 2 x1 x2 x3 x4 4
3 x1 x3 2 x4 8 3 x1 x3 2 x4 2 3 x1 x3 2 x4 4
Solución.
Obsérvese que los tres sistemas tienen la misma matriz de coeficientes.
1 1 1 2
2 3 0 3
A
1 1 1 1
3 0 1 2
1 1 1 2 1 0 0 0
2 3 0 3 0 1 0 0
1 1 1 1 0 0 1 0
3 0 1 2 0 0 0 1
E2 E2 2 E1
E3 E3 E1
E4 E4 3 E1
1 1 1 2 1 0 0 0
0 1 2 1 2 1 0 0
0 2 0 1 1 0 1 0
0 3 4 4 3 0 0 1
E2
E2
1
1 1 1 2 1 0 0 0
0 1 2 1 2 1 0 0
0 2 0 1 1 0 1 0
0 3 4 4 3 0 0 1
E1 E1 E2
E3 E3 2 E2
E4 E4 3E2
1 0 3 3 3 1 0 0
0 1 2 1 2 1 0 0
0 0 4 3 5 2 1 0
0 0 10 7 9 3 0 1
E3
E3
4
1 0 3 3 3 1 0 0
0 1 2 1 2 1 0 0
0 0 1 0.75 1.25 0.5 0.25 0
0 0 10 7 9 3 0 1
E1 E1 3E3
E2 E2 2 E2
E4 E4 10 E3
E4
E4
0.5
1 0 0 0.75 0.75 0.5 0.75 0
0 1 0 0.5 0.5 0 0.5 0
0 0 1 0.75 1.25 0.5 0.25 0
0 0 0 1 7 4 5 2
E1 E1 0.74 E4
E2 E2 0.5 E4
E3 E3 0.75 E4
Sistema 2.
6 3.5 4.5 1.5 2 0
3 2 2 1 2 1
X
4 2.5 3.5 1.5 2 0
7 4 5 2 2 1
Sistema 3.
6 3.5 4.5 1.5 3 1
3 2 2 1 2 1
X
4 2.5 3.5 1.5 4 1
7 4 5 2 4 1
1 0 0 0 1 1 1
0 1 0 0 2 0 1
, teniéndose que las soluciones son:
0 0 1 0 3 1 1
0 0 0 1 4 0 1
1 0 1
2 1 1
X X X
3 0 1
4 1 1
Ejercicios propuestos.
14. [BF] Determine cuáles de las siguientes matrices son no-singulares y calcule, si es
posible, sus inversas.
1 1 1 1
4 2 6 1 2 0 1 2 4 2
a) 3 0 7 b) 2 1 1 c)
2 1 1 5
2 1 3 3 1 1
1 0 2 4
2 3 1 2 4 0 0 0 2 0 1 2
2 4 1 5 6 7 0 0 1 1 0 2
d) e) f)
3 7 32 1 9 11 1 0 2 1 3 1
6 9 3 7 5 4 1 1 3 1 4 3
15. [NS] Los siguientes conjuntos de ecuaciones lineales tienen coeficientes comunes pero
distintos términos del lado derecho.
a) x1 x2 x3 1 b) x1 x2 x3 2 c) x1 x2 x3 2
2 x1 x2 3 x3 4 2 x1 x2 3 x3 5 2 x1 x2 3 x3 1
3 x1 2 x2 2 x3 2 3 x1 2 x2 2 x3 1 3 x1 2 x2 2 x3 4
Los coeficientes y los tres conjuntos de términos del lado derecho se pueden combinar en
1 1 1 1 2 2
un arreglo 2 1 3 4 5 1
3 2 2 2 1 4
Si aplicamos el esquema de Gauss – Jordan a este arreglo y reducimos las tres primeras
columnas a la forma de la matriz identidad, las soluciones para los tres problemas se
obtienen en forma automática en las columnas cuarta, quinta y sexta al terminar la
eliminación. Calcule la solución de esta forma.
16. [BF] Dados los cuatro sistemas lineales de 3 3 con la misma matriz de coeficientes
Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 73
Capítulo 2. Métodos para la solución de sistemas lineales. Método de Gauss - Jordan / Matriz inversa.
2 x1 3 x2 x3 2 2 x1 3 x2 x3 6 2 x1 3 x2 x3 0 2 x1 3 x2 x3 1
x1 x2 x3 1 x1 x2 x3 4 x1 x2 x3 1 x1 x2 x3 0
x1 x2 3 x3 0 x1 x2 3 x3 5 x1 x2 3 x3 3 x1 x2 3 x3 0
a) Resuelva los sistemas lineales aplicando eliminación Gaussiana a la matriz aumentada
2 3 1 2 6 0 1
1 1 1 1 4 1 0
1 1 3 0 5 3 0
y multiplicando.
d) ¿Cuál método parece más fácil? ¿Cuál método requiere más operaciones?
17. [BF] Repetir el ejercicio 15 usando los sistemas lineales:
x1 x2 2 x3 x4 6 x1 x2 2 x3 x4 1
x1 x3 x4 4 x1 x3 x4 1
2 x1 x2 3 x3 4 x4 2 2 x1 x2 3 x3 4 x4 2
x2 x3 x4 5 x2 x3 x4 1
2 3 1 2 6 0 1
16. a) 0 2.5 1.5 2 1 1 0.5
0 0 2.8 0.6 8.2 2.8 0.4
1 0 0 0.285714 2.428571 1 0.142857
b) 0 1 0 0.928571 1.357143 1 0.285714
0 0 1 0.214286 2.928571 1 0.142857
0.142857 0.571429 0.142857
c) A1 0.285714 0.357143 0.214286
0.142857 0.071429 0.357143
d) El método c) es el más fácil, y requiere menor cantidad de operaciones.
1 1 2 1 6 1
0 1 3 2 2 0
17. a)
0 0 8 8 8 0
0 0 0 1 1 1
1 0 0 0 3 1
0 1 0 0 6 1
b)
0 0 1 0 2 1
0 0 0 1 1 1
0.125 0.625 0.125 0
0.125 0.375 0.125 1
c) A1
0.875 0.625 0.125 1
0.75 0.25 0.25 1
d) El método c) es el más fácil, y requiere menor cantidad de operaciones.