02metododegauss Jordaneinversiondematrices 150511034201 Lva1 App6891

MÉTODOS NUMÉRICOS
CAPÍTULO 2: MÉTODOS PARA LA

SOLUCIÓN DE SISTEMAS LINEALES.
MÉTODO DE GAUSS – JORDAN E
INVERSIÓN DE MATRICES.
Ing. Willians Medina.
Maturín, Junio de 2015.

Capítulo 2. Métodos para la solución de sistemas lineales. Método de Gauss - Jordan / Matriz inversa.
2.4.- MÉTODO DE GAUSS – JORDAN.

Matriz diagonal. Definición.
Una matriz diagonal de orden n es una matriz D  (dij ) con la propiedad de que dij  0
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 
La matriz identidad de orden cuatro es

1 0 0 0
0 1 0 0 
I4   (2.17)
0 0 1 0
 
0 0 0 1
Método de Gauss – Jordan.
El método de Gauss – Jordan es una variación de la eliminación de Gauss. La principal
diferencia consiste en que cuando una incógnita se elimina en el método de Gauss – Jordan,
ésta es eliminada de todas las otras ecuaciones, no solo de las subsecuentes. Además, todos
los renglones se normalizan al dividirlos entre su elemento pivote. De esta forma, el paso
de eliminación genera una matriz identidad en vez de una triangular. En consecuencia, no
es necesario usar la sustitución hacia atrás para obtener la solución.
Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 50

1 0 0 ... 0 a1,n1 
 a2,n1 
0 1 0 ... 0
0 0 1 ... 0 a3,n1  (2.18)
 
   ...   
0 0 0 ... 1 an ,n1 

La solución del sistema es:
x1  a1,n1 , x2  a2,n1 , …, xn  an,n1 (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 
El elemento pivote es a11  4 ( 0) . Se procede a normalizar el renglón 1 dividiendo dicho

renglón entre 4.
E1
E1 
4
Las operaciones están indicadas a continuación:

 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.
 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 
El elemento pivote es a22  0.25 ( 0) . Se procede a normalizar el renglón 2. La

normalización de renglones es necesaria con el objeto de obtener los elementos de la
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
 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 

están a 12 y a 32 mediante operaciones en base al segundo renglón. He aquí otra diferencia
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 ,
mientras que en el segundo se deben crear en las dos posiciones citadas ( a 12 y a 32 ).

Evidentemente el método de Gauss – Jordan involucra mayor cantidad de operaciones
aritméticas y por lo tanto requiere una cantidad adicional de tiempo para su ejecución.
Se definen las siguientes operaciones:
Renglón 1: E1  E1  0.25 E2
Renglón 3: E3  E3  0.5 E2

 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 
El elemento pivote es a33  4 ( 0) . Se procede a normalizar el renglón 3 dividiendo dicho
renglón entre –4.

E3
E3 
4
1 0 3 6 
 
0 1  13  26 
 04 0
4
4
4
4 
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

 1  3 (0) 0  3 (0) 3  3 (1) 6  3 (1) 
 
 0  13 (0) 1  13 (0)  13  13 (1)  26  13 (1) 
 0 0 1 1 
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 
La solución del sistema de ecuaciones planteado utilizando el método de Gauss-Jordan es:

x1  3 , x2  13 y x3  1 .
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 
Normalizar el primer renglón. El primer renglón ya se encuentra normalizado ( a11  1 ).
 1 1 0 1 2   1 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 
Crear cero en las posiciones a21 , a31 y a 41 .
E2  E2  2 E1
E3  E3  E1
E4  E4  3E1
1 1 0 1 2  1 a12 a13 a14 a1,5 

   
 0 1 1 1 3 0 a22 a23 a24 a2 , 5 
0 3 3 0 6  0 a32 a33 a34 a3,5 
   
 0  4  1  1  9   0 a42 a43 a44 a4 , 5 
Normalizar el segundo renglón.
E2
E2 
1
1 1 0 1 2   1 a12 a13 a14 a1,5 
   
0 1 1 1 3   0 1 a23 a24 a2 , 5 
0 3 3 0 6   0 a32 a33 a34 a3,5 
   
 0  4  1  1  9   0 a42 a43 a44 a4 , 5 
Crear cero en las posiciones a12 , a32 y a 42 .
E1  E1  E2
E3  E3  3E2
E4  E4  4 E2
1 0 1 0 1  1 0 a13 a14 a1,5 

   
0 1 1 1 3  0 1 a23 a24 a2 , 5 
0 0 0 3 3 0 0 a33 a34 a3,5 
   
 0 0 3 3 3   0 0 a43 a44 a4 , 5 
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 
Normalizar el tercer renglón.

E3
E3 
3
1 0 1 0 1  1 0 a13 a14 a1,5 
   
0 1 1 1 3  0 1 a23 a24 a2 , 5 
0 0 1 1 1  0 0 1 a34 a3,5 
   
 0 0 0 3  3   0 0 a43 a44 a4,5 
Crear cero en las posiciones a13 , a 23 y a 43 . Obsérvese que a 43  0 , por lo cual no se
requiere operación sobre el renglón 3.

E1  E1  E3
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 
Normalizar el cuarto renglón.

E4
E4 
3
1 0 0 1 0 1 0 0 a14 a1,5 
   a2,5 
0 1 0 0 2 0 1 0 a24
0 0 1 1 1 0 0 1 a34 a3,5 
   
 0 0 0 1 1   0 0 0 1 a4,5 
Crear cero en las posiciones a14 , a 24 y a34 . Obsérvese que a 24  0 , por lo cual no se
requiere operación sobre el renglón 2.

E1  E1  E4
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 
La solución del sistema de ecuaciones planteado utilizando el método de Gauss-Jordan es:

x1  1 , x2  2 , x3  0 y x4  1 .
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 
Normalizar el primer renglón. No es necesario normalizar el primer renglón, puesto que

a11  1 .
 1 1 1 3   1 a12 a13 a1, 4 

   
 1 1 1 2   a 21 a 22 a 23 a 2, 4 
 1 3  1 8   a31 a32 a33 a 3, 4 
Crear cero en las posiciones a21 y a31 .
E2  E2  E1
E3  E3  E1

 1 1 1 3  1 a12 a13 a1, 4 

   
0 2 0 5  0 a22 a23 a2 , 4 
 0 2 0 5   0 a32 a33 a3, 4 
Normalizar el segundo renglón.

E2
E2 
2
 1 1 1 3   1 a12 a13 a1, 4 
   
 0 1 0 2.5   0 1 a23 a2 , 4 
 0 2 0 5   0 a32 a33 a3, 4 
Crear cero en las posiciones a12 y a32 .
E1  E1  E2
E3  E3  2 E1
 1 0 1 0.5   1 0 a13 a1, 4 

   
0 1 0 2.5   0 1 a23 a2 , 4 
 0 0 0 0   0 0 a33 a3, 4 
Normalizar el tercer renglón. No es posible normalizar el tercer renglón, pues a33  0 y

puesto que es el último renglón, no hay adicionales para intercambiar. No se puede seguir
el procedimiento de Gauss – Jordan. En este caso el sistema equivalente es:
x1  x3  0.5 (1)
x2  2.5 (2)
00 (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
cuando se conoce que el sustraendo es cero. Para ambos métodos, el número de

multiplicaciones y divisiones requerido puede reducirse.
Ejercicios propuestos.
9. [CC] Utilice el método de eliminación de Gauss – Jordan para resolver:
2 x1  x2  x3  1
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
n  1 renglones. Cuando esto se completa, se usa la ecuación n  1 para eliminar los

coeficientes de xn1 en los primeros n  2 renglones, etc. El sistema eventualmente tendrá
la forma del sistema reducido

 a11 0 0 ... 0 a1,n1 
 
 0 a22 0 ... 0 a2,n1 
 0 0 a33 ... 0 a3,n1  (2.20)
 
    ...   
 0 0 0 ... ann an ,n1 

La solución se obtiene tomando

ai ,n1
xi  (2.21)
aii
a) Use el método híbrido descrito y aritmética de 2 dígitos para resolver los sistemas en el
ejercicio 6.
b) Repetir el ejercicio 8 usando el método descrito.
2.5.- INVERSA DE UNA MATRIZ.
Matriz inversa. Definición.
Se dice que una matriz A de n n es no-singular si existe una matriz A1 de n n tal que
A  A1  A1  A  I (2.22)
La matriz A1 se llama inversa de A. Una matriz que no tiene inversa se llama singular.
Cálculo de la matriz inversa.
La inversa se puede calcular en forma de columna por columna, generando soluciones con
vectores unitarios como las constante del lado derecho. Por ejemplo, si la constante del lado
derecho de la ecuación tienen un número 1 en la primera posición, y ceros en las otras
1
 
{b }   0 
0
 
la solución resultante será la primera columna de la matriz inversa. En forma similar, si se
emplea un vector unitario que tiene un número 1 en el segundo renglón
0
 
{b }   1 
0
 
el resultado será la segunda columna de la matriz inversa.
Ejemplo ilustrativo 1.
1 2 3
Sea A   2 5 7 
 3 7 8 

Para calcular A1 debemos resolver los tres sistemas lineales

x1  2 x2  3 x3  1
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 
Ya que la matriz de coeficientes reales no cambia, debemos efectuar la misma secuencia de

operaciones de renglón para cada sistema lineal. Primero, efectuando
E2  E2  2 E1 y
E3  E3  3E1
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 A1 , 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
 1 2 0  0.5  1.5 1.5 

 
 0 1 0  2.5 0.5 0.5 
 0 0 1 0.5 0.5  0.5 
Finalmente E1  E1  2 E2
 1 0 0 4.5  2.5 0.5 

 
 0 1 0  2.5 0.5 0.5 
 0 0 1 0.5 0.5  0.5 
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

  4.5  2.5 0.5 

así que A1    2.5 0.5 0.5 
 0.5 0.5  0.5 
En el ejemplo, ilustramos como calcular A1 . 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
n n obtenida al efectuar las mismas operaciones a la identidad I que fueron realizadas

para pasar de A a U. Aquí, hay que elegir entre n aplicaciones del algoritmo de sustitución
hacia atrás o reducción adicional hasta llegar a
I A1 
¿Cómo sabemos si una matriz A es invertible o no?
Si aplicamos el procedimiento de transformar  A I  a su forma reducida y si en cualquier
etapa encontramos que cualquiera de los renglones a la izquierda de la línea vertical sólo
consta de ceros, entonces puede probarse que A1 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
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 A1 no existe y que A es una
matriz singular.
Ejemplo 2.19.
 1 1 1 
Determine A1 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 A1 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)
Si la matriz de coeficientes A es invertible, existe A1 . Multiplicando ambos lados de la

ecuación matricial dada por A1 , obtenemos
A1 ( A X )  A1B (2.24)
Usando la propiedad asociativa y simplificando, podemos escribir esto de la manera
siguiente:
( A1 A) X  A1B

I X  A1B
X  A1B (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
 1 0.25  0.25 0.25 0 0 

 
 0  0.25 3.25  1.25 1 0 
 0  0.5 2.5  1.5 0 1 
E2
E2 
 0.25

 1 0.25  0.25 0.25 0 0 

 
0 1  13 5 4 0
 0  0.5 2.5  1.5 0 1 
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
 1 0 0  0.25  0.5 0.75 

 
 0 1 0 1.75 2.5  3.25 
 0 0 1  0.25 0.5  0.25 
La matriz inversa es
 0.25  0.5 0.75 
A1   1.75 2.5  3.25 
 0.25 0.5  0.25 
La solución del sistema es:

X  A1B
 0.25  0.5 0.75    2 
X   1.75 2.5  3.25    4 
 0.25 0.5  0.25   6 

 (0.25)  (2)  (0.5)  (4)  (0.75) (6) 

X   (1.75)  (2)  (2.5)  (4)  (3.25) (6) 
 (0.25)  (2)  (0.5)  (4)  (0.25) (6) 
 3 
X    13 
 1 
A primera vista, puede parecer que este método de resolver un sistema de

ecuaciones es mucho menos conveniente que el método más simple de reducción de
renglones (Gauss y Gauss – Jordan). La ventaja de usar la matriz inversa se hace patente en
casos en que deben resolverse varios sistemas de ecuaciones con la misma matriz de
coeficientes. En problemas de este tipo, las soluciones de todos los sistemas pueden
determinarse de inmediato una vez que se ha encontrado la inversa de la matriz de
coeficientes; no es necesario usar la reducción de renglones una y otra vez sobre cada
sistema.
Ejemplo 2.21.
Resolver los tres sistemas lineales de 4 4 .
Sistema 1. Sistema 2. Sistema 3.
x1  x2  x3  2 x4  2 x1  x2  x3  2 x4  2 x1  x2  x3  2 x4  3
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
Se determina la matriz inversa:

 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
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 0.5 3.5 2  2.5 1 
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
1 0 0 0  6 3.5 4.5  1.5 

 
0 1 0 0 3 2 2 1 
0 0 1 0  4 2.5 3.5  1.5 
 
 0 0 0 1 7 4 5 2 
La matriz inversa es:

 6 3.5 4.5  1.5 
 3 2 2 1 
A 
1
4 2.5 3.5  1.5 
 
 7 4 5 2 
La solución de cada sistema de ecuaciones es:

Sistema 1.
 6 3.5 4.5  1.5    2   1 
 3 2 2 1    4    2 
X   
4 2.5 3.5  1.5    2   3 
     
 7 4 5 2   8    4 
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
Otra forma de resolver el problema es aplicando el método de Gauss – Jordan a la matriz

aumentada
 1 1 1 2 6 1 3
 
 2 3 0 3 2 7 2
, el cual al ser reducido, conduce a:
1 1 1 1 4 3 4
 
 3 0  1 2 4 10 4 
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 
Sistema 1. Sistema 2. Sistema 3.

 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
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 
b) Resuelva los sistemas lineales aplicando el método de Gauss – Jordan a la matriz

aumentada de (a).
c) Resuelva los sistemas lineales encontrando la inversa de
 2 3 1 
A   1 1  1 
  1 1  3 
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

RESPUESTA A LOS EJERCICIOS SELECCIONADOS.

2.4.- MÉTODO DE GAUSS – JORDAN.
9. x1  14 , x2  32 , x3  5 .
10. x1  0.25 , x2  0.5 , x3  2.25 .
2.5.- INVERSA DE UNA MATRIZ.
  0.25 0.25 0.25 
14. a) Singular; b)  0.625  0.125  0.125  ; c) Singular; d) Singular; e)
 0.125  0.625 0.375 
 0.25 0 0 0  1 0 1 1 
  0.214286 0.142857 0 0    1 1.666667 1.666667  1 
 ; f) 
 0.107143  1.571429 1 0   1 0.666667 0.666667 0 
   
  0.5 1 1 1  0  0.333333  1.333333 1 
1 0 0 1
4 2 1
4

 
15.  0 1 0  5
16  134 27
16
 0 0 1 17
16  34 1
16

Sistema a. Sistema b. Sistema c.
 14   2   14 
  X   16
27 
X    165  X    134  
 17
16 
   34   161 
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) A1    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) A1   
 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.

02metododegauss Jordaneinversiondematrices 150511034201 Lva1 App6891

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

02metododegauss Jordaneinversiondematrices 150511034201 Lva1 App6891

Uploaded by

Copyright:

Available Formats

MÉTODOS NUMÉRICOS

CAPÍTULO 2: MÉTODOS PARA LA

Ing. Willians Medina.

Maturín, Junio de 2015.

2.4.- MÉTODO DE GAUSS – JORDAN.

La matriz identidad de orden cuatro es

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 50

El elemento pivote es a11  4 ( 0) . Se procede a normalizar el renglón 1 dividiendo dicho

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 51

El elemento pivote es a22  0.25 ( 0) . Se procede a normalizar el renglón 2. La

Ya normalizado el renglón 2 ( a22  1 ), el objetivo es crear un cero en las posiciones donde

mientras que en el segundo se deben crear en las dos posiciones citadas ( a 12 y a 32 ).

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 53

El elemento pivote es a33  4 ( 0) . Se procede a normalizar el renglón 3 dividiendo dicho

renglón entre –4.

Ya normalizado el renglón 3 ( a33  1 ), el objetivo es crear un cero en las posiciones donde

Las operaciones están indicadas a continuación:

La solución del sistema de ecuaciones planteado utilizando el método de Gauss-Jordan es:

Normalizar el primer renglón. El primer renglón ya se encuentra normalizado ( a11  1 ).

 1 1 0 1 2   1 a12 a13 a14 a1,5 

Crear cero en las posiciones a21 , a31 y a 41 .

1 1 0 1 2  1 a12 a13 a14 a1,5 

1 0 1 0 1  1 0 a13 a14 a1,5 

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 56

Normalizar el tercer renglón.

Crear cero en las posiciones a13 , a 23 y a 43 . Obsérvese que a 43  0 , por lo cual no se

requiere operación sobre el renglón 3.

Normalizar el cuarto renglón.

requiere operación sobre el renglón 2.

La solución del sistema de ecuaciones planteado utilizando el método de Gauss-Jordan es:

Normalizar el primer renglón. No es necesario normalizar el primer renglón, puesto que

 1 1 1 3   1 a12 a13 a1, 4 

Crear cero en las posiciones a21 y a31 .

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 58

 1 1 1 3  1 a12 a13 a1, 4 

Normalizar el segundo renglón.

Crear cero en las posiciones a12 y a32 .

 1 0 1 0.5   1 0 a13 a1, 4 

Normalizar el tercer renglón. No es posible normalizar el tercer renglón, pues a33  0 y

cuando se conoce que el sustraendo es cero. Para ambos métodos, el número de

n  1 renglones. Cuando esto se completa, se usa la ecuación n  1 para eliminar los

la forma del sistema reducido

La solución se obtiene tomando

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 61

Para calcular A1 debemos resolver los tres sistemas lineales

Ya que la matriz de coeficientes reales no cambia, debemos efectuar la misma secuencia de

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 62

 1 2 0  0.5  1.5 1.5 

 1 0 0 4.5  2.5 0.5 

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 63

  4.5  2.5 0.5 

n n obtenida al efectuar las mismas operaciones a la identidad I que fueron realizadas

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 65

Si la matriz de coeficientes A es invertible, existe A1 . Multiplicando ambos lados de la

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 66

 1 0.25  0.25 0.25 0 0 

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 67

 1 0.25  0.25 0.25 0 0 

 1 0 0  0.25  0.5 0.75 

La solución del sistema es:

Métodos Numéricos. Ing. Willians Medina. http://www.slideshare.net/asesoracademico/ 68

 (0.25)  (2)  (0.5)  (4)  (0.75) (6) 

A primera vista, puede parecer que este método de resolver un sistema de

Se determina la matriz inversa: