TALLER DE ANÁLISIS NUMÉRICO

FARITH ANTONIO HERRERA OSPINO

LUIS FERNANDO MIRANDA
LIGIA ELISSA ÁRQUEZ LÓPEZ
ALVENIS SERGE DE ARMAS

Lic, M.Sc. ÁLVARO ESPINOZA PÉREZ

UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERÍA
SANTA MARTA D.T.C.H.
2014
 1. Calcula todos los productos posibles entre las matrices:
𝟏 𝟐 𝟑 𝟏
𝟐 𝟏 𝟎
𝑨 = (𝟏 𝟏 𝟏 ) 𝑩 = (𝟐 ) 𝑪 = ( )
𝟑 𝟒 𝟓
𝟎 𝟐 −𝟏 𝟏
Además también calcule A2 y A3.
Solución: Los únicos productos posibles son AxB, CxB CxA

1 2 3 1 𝟖
𝐴 ∗ 𝐵 = (1 1 1) ∗ (2) = (𝟒 )
0 2 −1 𝟑𝒙𝟑 1 3𝑥1 𝟑 𝟑𝒙𝟏

1
2 1 0 𝟒
𝐶∗𝐵 =( ) ∗ (2) =( )
3 4 5 2𝑥3 𝟏𝟔 𝟐𝒙𝟏
1 3𝑥1

1 2 3
2 1 0 𝟑 𝟓 𝟕
𝐶∗𝐴=( ) ∗ (1 1 1) =( )
3 4 5 2𝑥3 𝟕 𝟐𝟎 𝟖 𝟐𝒙𝟑
0 2 −1 3𝑥3

1 2 3 1 2 3 𝟑 𝟏𝟎 𝟐
𝐴2 = (1 1 1 ) ∗ (1 1 1 ) = (𝟐 𝟓 𝟑)
0 2 −1 0 2 −1 𝟐 𝟎 𝟑

1 2 3 1 2 3 1 2 3 𝟏𝟑 𝟐𝟎 𝟏𝟕
3
𝐴 = (1 1 1 ) ∗ (1 1 1 ) ∗ (1 1 1 ) = ( 𝟕 𝟏𝟓 𝟖)
0 2 −1 0 2 −1 0 2 −1 𝟐 𝟏𝟎 𝟑

2. Encuentre dos matrices A y B de 2 x 2 tales que:

a. (𝑨 + 𝑩)𝟐 ≠ 𝑨𝟐 + 𝟐𝑨𝑩 + 𝑩𝟐
1 2 2 2
𝐴=( ) 𝐵=( )
2 1 1 1
1 2 2 2 3 4 3 4 3 4 𝟐𝟏 𝟐𝟎
𝐴+𝐵 =( )+( )=( ) ⇒ (𝐴 + 𝐵)2 = ( ).( )=( )
2 1 1 1 3 2 3 2 3 2 𝟏𝟓 𝟏𝟔
1 2 1 2 1 2 2 2 2 2 2 2
𝐴2 + 2𝐴𝐵 + 𝐵 2 = ( ).( ) + 2( ).( )+( ).( )
2 1 2 1 2 1 1 1 1 1 1 1
𝟏𝟗 𝟏𝟖
𝐴2 + 2𝐴𝐵 + 𝐵 2 = ( )
𝟏𝟕 𝟏𝟖
𝟐𝟏 𝟐𝟎 𝟏𝟗 𝟏𝟖
( )≠( )
𝟏𝟓 𝟏𝟔 𝟏𝟕 𝟏𝟖

1
 𝟑 𝟐
b. 𝑨𝑩 = 𝑩𝑨, si 𝑨 = ( )
𝟐 𝟑
3 2 2 3
𝐴=( ) 𝐵=( )
2 3 3 2
3 2 2 3 𝟏𝟐 𝟏𝟑
𝐴𝐵 = ( )∗( )=( )
2 3 3 2 𝟏𝟑 𝟏𝟐
Ahora
2 3 3 2 𝟏𝟐 𝟏𝟑
𝐵𝐴 = ( )∗( )=( )
3 2 2 3 𝟏𝟑 𝟏𝟐
Por tanto
𝑨𝑩 = 𝑩𝑨
c. ¿Es (𝑨𝑩)𝟐 = 𝑨𝟐 𝑩𝟐 ?
3 2 2 3 12 13
𝐴𝐵 = ( )∗( )=( )
2 3 3 2 13 12

(𝐴𝐵)2 = (12 13 12 13 𝟏𝟏𝟑 𝟏𝟏𝟐

)∗( )=( )
13 12 13 12 𝟏𝟏𝟐 𝟏𝟏𝟑
Luego
3 2 3 2 13 12
𝐴2 = ( )∗( )=( )
2 3 2 3 12 13
2 3 2 3 13 12
𝐵2 = ( )∗( )=( )
3 2 3 2 12 13
13 12 13 12 𝟏𝟏𝟑 𝟏𝟏𝟐
𝐴2 𝐵 2 = ( )∗( )=( )
12 13 12 13 𝟏𝟏𝟐 𝟏𝟏𝟑
Por tanto
(𝑨𝑩)𝟐 = 𝑨𝟐 𝑩𝟐
3. Realizar:
a. 2 ejemplos de matrices simétricas de 3 x 3.
−4 7 −5 −4 7 −5
𝐴=( 7 3 2 ) 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐴𝑡 = ( 7 3 2)
−5 2 4 −5 2 4

0 −1 4 0 −1 4
𝐵 = (−1 −1 5) 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐵 𝑡 = (−1 −1 5)
4 5 4 4 5 4

2
 b. 2 ejemplos de matrices antisimétricas de 3 x 3.
0 −4 3 0 4 −3
𝐴=( 4 0 1) 𝑝𝑜𝑟 𝑡𝑎𝑛𝑡𝑜 𝐴𝑡 = (−4 0 −1) 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐴𝑡 = −𝐴
−3 −1 0 3 1 0
0 6 3 0 −6 −3
𝐴 = (−6 0 −1) 𝑝𝑜𝑟 𝑡𝑎𝑛𝑡𝑜 𝐴𝑡 = (6 0 1 ) 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐴𝑡 = −𝐴
−3 1 0 3 −1 0
𝟐 −𝟏
4. Determinar los valores de a y b de la matriz 𝑨 = ( ), para que 𝑨𝟐 =
𝒂 𝒃
𝑨.
Solución: Debemos hacer que 𝐴2 = 𝐴. Si:
2 −1
𝐴=( )
𝑎 𝑏
2 −1 2 −1 4−𝑎 −2 − 𝑏
𝐴2 = 𝐴 ∗ 𝐴 = ( )∗( )=( )
𝑎 𝑏 𝑎 𝑏 2𝑎 + 𝑎𝑏 −𝑎 + 𝑏 2
Ahora como 𝐴2 = 𝐴
4−𝑎 −2 − 𝑏 2 −1
( 2) = ( )
2𝑎 + 𝑎𝑏 −𝑎 + 𝑏 𝑎 𝑏
Por tanto tenemos el sistema de ecuaciones
4−𝑎 =2
−2 − 𝑏 = −1
2𝑎 + 𝑎𝑏 = 𝑎
−𝑎 + 𝑏 2 = 𝑏
Por tanto 𝑎 = 2 y 𝑏 = −1
La matriz resultante es:
𝟐 −𝟏
𝑨=( )
𝟐 −𝟏
5. De un ejemplo de matrices conmutables de 2 x 2 y 3 x 3.
Solución:
Matriz 2 x 2
𝟏 𝟏 𝟐 𝟏/𝟑
𝑨=( ) 𝑦𝑩=( )
𝟑 𝟒 𝟏 𝟑

3
 1
1 1 𝟑 𝟏𝟎/𝟑
𝐴∗𝐵 = ( ) ∗ (2 3) = (𝟏𝟎 )
3 4 𝟏𝟑
1 3
1
1 1 𝟑 𝟏𝟎/𝟑
𝐵 ∗ 𝐴 = (2 3) ∗ (3 )=( )
4 𝟏𝟎 𝟏𝟑
1 3
𝐴 ∗ 𝐵 = 𝐵 ∗ 𝐴 Por tanto son conmutables.
Matriz 3 x 3
𝟏 𝟓 𝟔 𝟔 𝟓 𝟏
𝑨 = (𝟓 𝟏 𝟓 ) 𝑦 𝑩 = (𝟓 𝟏 𝟓)
𝟔 𝟓 𝟏 𝟏 𝟓 𝟔
1 5 6 6 5 1 𝟑𝟕 𝟒𝟎 𝟔𝟐
𝐴 ∗ 𝐵 = (5 1 5) ∗ (5 1 5) = (𝟒𝟎 𝟓𝟏 𝟒𝟎)
6 5 1 1 5 6 𝟔𝟐 𝟒𝟎 𝟑𝟕
6 5 1 1 5 6 𝟑𝟕 𝟒𝟎 𝟔𝟐
𝐵 ∗ 𝐴 = (5 1 5) ∗ (5 1 5) = (𝟒𝟎 𝟓𝟏 𝟒𝟎)
1 5 6 6 5 1 𝟔𝟐 𝟒𝟎 𝟑𝟕
𝐴 ∗ 𝐵 = 𝐵 ∗ 𝐴 Por tanto son conmutables.
𝟏 𝟎
6. ¿Por qué matriz hay que multiplicar la matriz ( ) para que resulte la
𝟐 𝟏
𝟓 𝟐
matriz ( )?
𝟔 𝟑
Solución: Se debe multiplicar la matriz por una matriz desconocida de la forma
𝑎 𝑏 1 0 𝑎 𝑏 5 2
( ) de tal manera que ( )∗( )=( )
𝑐 𝑑 2 1 𝑐 𝑑 6 3
Entonces
𝑎 𝑏 5 2
( )=( )
2𝑎 + 𝑐 2𝑏 + 𝑑 6 3
Por tato
𝑎=5
𝑏=2
2𝑎 + 𝑐 = 6
2𝑏 + 𝑑 = 3
𝑐 = −4
𝑑 = −1

4
Luego la matriz es
𝟓 𝟐
( )
−𝟒 −𝟏
Comprobando
1 0 5 2 5 2
( )∗( )=( )
2 1 −4 −1 6 3
7. Sea una matriz 𝑹𝒎𝒙𝒏 , probar que las matrices 𝑨𝑨𝒕 𝒚 𝑨𝒕 𝑨 son simétricas.
Mostrar mediante un ejemplo que pueden no ser iguales. Probar que si
A es cuadrada 𝑨 + 𝑨𝒕 es simétrica ¿Qué sucede con 𝑨 − 𝑨𝒕 ?
Solución: Tomaremos una matriz cualquiera en este caso probaremos con la matriz
2 3
𝐴 = (4 5)
2 1 3𝑥2
2 4 2
Entonces su 𝐴𝑡 = ( )
3 5 1 2𝑥3
Luego
2 3 13 23 7
2 4 2
𝐴 ∗ 𝐴𝑡 = (4 5) ∗( ) = (23 41 13) 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
3 5 1 2𝑥3
2 1 3𝑥2 7 13 5 3𝑥3
Ahora
2 3
2 4 2 24 28
𝐴𝑡 ∗ 𝐴 = ( ) ∗ (4 5 ) =( ) 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
3 5 1 2𝑥3 28 35 2𝑥2
2 1 3𝑥2
Podemos ver que 𝐴 ∗ 𝐴𝑡 ≠ 𝐴𝑡 ∗ 𝐴
1 3 2
Si A es una matriz cuadrada y tomaremos como ejemplo 𝐴 = (4 6 7)
2 5 1 3𝑥3
1 4 2
Entonces su 𝐴𝑡 = (3 6 5)
2 7 1 3𝑥3
Luego
1 3 2 1 4 2 2 7 4
𝑡
𝐴 + 𝐴 = (4 6 7) + (3 6 5) = (7 12 12) 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
2 5 1 3𝑥3 2 7 1 3𝑥3 4 12 2 3𝑥3
Veremos que sucede con 𝐴 − 𝐴𝑡

5
 1 3 2 1 4 2 0 −1 0
𝑡
𝐴 − 𝐴 = (4 6 7 ) − (3 6 5) = (1 0 2) 𝑎𝑛𝑡𝑖𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
2 5 1 3𝑥3 2 7 1 3𝑥3 0 −2 0 3𝑥3
Podemos ver que la anterior operación da como resultado una matriz antisimétrica.
8. Determinar si las siguientes matrices son no singulares por medio de
sus determinantes y calcule su inversa.
𝟒 𝟏 𝟎 𝟎
𝟑 𝟓 𝟔
𝟔 𝟕 𝟐 𝟎
𝑨 = (𝟑 𝟎 𝟕) 𝑩=( )
𝟓 𝟏𝟎 𝟏 𝟎
𝟒 −𝟏 −𝟑
𝟓 𝟒 𝟐 𝟏
Solución: Se debe comprobar que la determinante de las matrices es distinta de
cero, si es así, entonces es no singular y posee inversa.
0 7 3 7 3 0
det 𝐴 = 3 ( ) −5( ) + 6( ) = 3(−(−7) − 5(−9 − 28) + 6(−3)
−1 −3 4 −3 4 −1
det 𝐴 = 188 ≠ 0
Por lo tanto A posee inversa y es no singular.
Calculando la inversa de A (A-1) por el método de los cofactores.
3 5 6 7 37 −3
𝐴 = (3 0 7 ) 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑐𝑜𝑓𝑎𝑐𝑡𝑜𝑟𝑒𝑠 𝑒𝑠 𝐶 = ( 9 −33 23 )
4 −1 −3 35 −3 −15
7 9 35 7 9 35
𝑡 −1 1
Luego 𝐶 = ( 37 −33 −3 ) por tanto 𝐴 = 188 ∗ ( 37 −33 −3 )
−3 23 −15 −3 23 −15
𝟕 𝟗 𝟑𝟓
𝟏𝟖𝟖 𝟏𝟖𝟖 𝟏𝟖𝟖
𝟑𝟕 𝟑𝟑 𝟑
𝑨−𝟏 = − −
𝟏𝟖𝟖 𝟏𝟖𝟖 𝟏𝟖𝟖
𝟑 𝟐𝟑 𝟏𝟓
(− 𝟏𝟖𝟖 𝟏𝟖𝟖 −
𝟏𝟖𝟖)
4 1 0 0
6 7 2 0
Para la matriz 𝐵 = ( ) hallamos el det 𝐵
5 10 1 0
5 4 2 1
7 2 0 6 2 0
det 𝐵 = 4 ∗ det (10 1 0) − 1 ∗ det (5 1 0)
4 2 1 5 2 1

6
 1 0 10 0 1 0 5 0
det 𝐵 = 4 [7 ∗ ( ) − 2( )] − [6 ∗ ( ) − 2( )]
2 1 4 1 2 1 5 1
det 𝐵 = 4[7 ∗ 1 − 2 ∗ 10] − [6 ∗ 1 − 2 ∗ 5] = −48
det 𝐵 = −48 ≠ 0
Por lo tanto B posee inversa y es no singular.
Calculando la inversa de B (B-1) por el método de los cofactores.
La matriz de cofactores es
7 2 0 6 2 0 6 7 0 6 7 2
det (10 1 0) − det (5 1 0) det (5 10 0) −det (5 10 1)
4 2 1 5 2 1 5 4 1 5 4 2
1 0 0 4 0 0 4 1 0 4 1 0
−det (10 1 0) det (5 1 0 ) − det (5 10 0) det (5 10 1)
𝐶= 4 2 1 5 2 1 5 4 1 5 4 2
1 0 0 4 0 0 4 1 0 4 1 0
det (7 2 0) − det (6 2 0) det (6 7 0) − det (6 7 2)
4 2 1 5 2 1 5 4 1 5 4 2
1 0 0 4 0 0 4 1 0 4 1 0
−det ( 7 2 0) det (6 2 0) − det (6 7 0) det (6 7 2)
[ 10 1 0 5 1 0 5 10 0 5 10 1 ]
−13 4 25 −1 −13 −1 2 0
−1 4 −35 59 4 4 −8 0
𝐶=[ ] 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐶 𝑡 = ( )
2 −8 22 −22 25 −35 22 0
0 0 0 −48 −1 59 −22 −48
Por tanto
−13 −1 2 0
1 4 4 −8 0
𝐵−1 = ∗( )
−48 25 −35 22 0
−1 59 −22 −48
𝟏𝟑 𝟏 𝟏
− 𝟎
𝟒𝟖 𝟒𝟖 𝟐𝟒
𝟏 𝟏 𝟏
− − 𝟎
𝑩−𝟏 = 𝟏𝟐 𝟏𝟐 𝟔
𝟐𝟓 𝟑𝟓 𝟏𝟏
− − 𝟎
𝟒𝟖 𝟒𝟖 𝟐𝟒
𝟏 𝟓𝟗 𝟏𝟏
( 𝟒𝟖 − 𝟏)
𝟒𝟖 𝟐𝟒
9. Considere la matriz A definida según:
𝟏
𝒂𝒊𝒋 =
𝒊+𝒋−𝟏
Con 𝟏 ≤ 𝒊, 𝒋 ≤ 𝟒. Considere el sistema Ax = b, donde:

7
 𝟎, 𝟓𝟖𝟑𝟑𝟑
𝟎, 𝟐𝟏𝟔𝟔𝟕
𝒃=[ ]
𝟎, 𝟏𝟏𝟔𝟔𝟔
𝟎, 𝟎𝟕𝟑𝟖𝟏
Resolver el sistema utilizando eliminación gauss con pivoteo parcial,
operando con 5 decimales. Investigar las características de la matriz y obtener
conclusiones.
𝟏
Solución: Debemos construir la matriz A por medio de la formula 𝒂𝒊𝒋 = 𝒊+𝒋−𝟏.

Por tanto nos queda que:

1 1 1
1
2 3 4
1 1 1 1
𝐴= 2 3 4 5
1 1 1 1
3 4 5 6
1 1 1 1
(4 5 6 7)
Por tanto
1 1 1
1
2 3 4
1 1 1 1 𝑥1 0,58333
𝑥
5 ( 2 ) = [0,21667]
𝐴𝑥 = 𝑏 → 2 3 4
𝑥3
1 1 1 1 0,11666
3 4 5 6 𝑥4 0,07381
1 1 1 1
(4 5 6 7)
La matriz ampliada será
1 1 1 0,58333
1 2 3 4
1 1 1 1 |0,21667
2 3 4 5
1 1 1 1
3 4 5 6 |0,11666
1 1 1 1
(4 5 6 7 0,07381)
El pivote escogido es 1

8
 1
1 1 1 − 𝐹1 +𝐹2
2
1 2 3 4 0,58333 −1𝐹1 +𝐹3
1 1 1 1| 3
1
1 0,5 0,33333 0,25 0,58333
2 3 4 5 0,21667 − 𝐹1 +𝐹4 0 0,08333 0,08333
4 0,075 −0,075
→ ( | )
1 1 1 1 0,11666 0 0,08333 0,08889 0,08333 −0,07778
3 4 5 6| 0 0,075 0,08333 0,08036 −0,07202
1 1 1 1 0,07381
(4 5 6 7 )

El pivote es 0,08333
1 0,5 0,33333 0,25 0,58333 −𝐹2 +𝐹3
0 0,08333 0,08333 0,075 −0,075 −0,9𝐹2 +𝐹4
( | )→
0 0,08333 0,08889 0,08333 −0,07778
0 0,075 0,08333 0,08036 −0,07202
1 0,5 0,33333 0,25 0,58333
0 0,08333 0,08333 0,075 −0,075
( | )
0 0 0,00556 0,00833 −0,00278
0 0 0,00833 0,01286 −0,00452
El pivote es 0,00833 por tanto se intercambiaran las filas 3 y 4
1 0,5 0,33333 0,25 0,58333
0 0,08333 0,08333 0,075 −0,075 −0,66747𝐹3 +𝐹4
( | )→
0 0 0,00833 0,01286 −0,00452
0 0 0,00556 0,00833 −0,00278
1 0,5 0,33333 0,25 0,58333
0 0,08333 0,08333 0,075 −0,075
( | )
0 0 0,00833 0,01286 −0,00452
0 0 0 −0,00025 0,00024
Por tanto
−0,00025𝑥4 = 0,00024 ⇒ 𝑥4 = −0,96000
0,00833𝑥3 + 0,01286(−0,96) = −0,00452 ⇒ 𝑥3 = 0,93945
0,08333𝑥2 + 0,08333(0,93945) + 0,075(−0,96) = −0,075
⇒ 𝑥2 = −0,97545
1 1 1
𝑥1 + (−0,97545) + (0,93945) + (−0,96) = 0,58333
2 3 4
⇒ 𝑥1 = 0,99791
𝟎, 𝟗𝟗𝟕𝟗𝟏
−𝟎, 𝟗𝟕𝟓𝟒𝟓
𝒙=( )
𝟎, 𝟗𝟑𝟗𝟒𝟓
−𝟎, 𝟗𝟔𝟎𝟎𝟎

9
 12. Se consideran las matrices:
𝟔 𝟏𝟎 𝟎 𝟑 𝟐 −𝟏
𝑨𝟏 = [𝟏𝟐 𝟐𝟔 𝟒 ] , 𝑨𝟐 = [ 𝟔 𝟔 𝟐]
𝟎 𝟗 𝟏𝟐 −𝟏 𝟏 𝟑
Decidir, sin intentar calcularla, si la matriz A1 admite una descomposición A =
LU y, en caso afirmativo, encontrarla.
Solución: para poder decidir si A1 admite una descomposición A1 = LU, partiremos
de la suposición que A1 es invertible, es decir existe A1-1 y si es invertible el
determinante de A1 es diferente de cero. Por tanto calcularemos el determinante de
A1.
det 𝐴1 = 6(312 − 36) − 10(144) = 216
Procedemos a encontrar LU
Tenemos la matriz
6 10 0 −2𝑓1 +𝑓2 6 10 0 −1.5𝑓2 +𝑓3 6 10 0
𝐴 = (12 26 4)→ (0 6 4)→ (0 6 4) = 𝑈
0 9 12 0 9 12 0 0 6

6 10 0
𝑈 = (0 6 4)
0 0 6
Hallamos L
2𝑓 +𝑓
1 0 0 1.5𝑓1 +𝑓1 1 0 0
2 3
(0 1 0) → (2 1 0) = 𝐿
0 0 1 0 1,5 1

𝟏 𝟎 𝟎 𝟔 𝟏𝟎 𝟎
𝑳 = (𝟐 𝟏 𝟎) 𝑼 = (𝟎 𝟔 𝟒)
𝟎 𝟏, 𝟓 𝟏 𝟎 𝟎 𝟔

13. Considerar el sistema

𝒙𝟏 + 𝟐𝒙𝟐 + 𝟒𝒙𝟑 = 𝟏𝟓
𝟒𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 = 𝟗
𝟐𝒙𝟏 + 𝟒𝒙𝟐 + 𝒙𝟑 = 𝟏𝟔

10
Obtener paso a paso, en aritmética exacta, las matrices de iteración de los
métodos de Jacobi y Gauss-Seidel. Además, dar las fórmulas matriciales de
iteración para ambos métodos.
Solución: Tenemos el sistema de ecuaciones
𝑥1 + 2𝑥2 + 4𝑥3 = 15
4𝑥1 + 𝑥2 + 𝑥3 = 9
2𝑥1 + 4𝑥2 + 𝑥3 = 16
Despejando una incógnita diferente en cada ecuación tenemos que:
𝑥1 = −2𝑥2 − 4𝑥3 + 15
𝑥2 = −4𝑥1 − 𝑥3 + 9
𝑥3 = −2𝑥1 − 4𝑥2 + 16
La matriz de iteración de los métodos de Jacobi y Gauss-Seidel se obtiene de la
forma
𝑥 = 𝑻𝑥 + 𝑐
𝑥1 𝟎 −𝟐 −𝟒 𝑥1 15
(𝑥2 ) = (−𝟒 𝟎 −𝟏) (𝑥2 ) + ( 9 )
𝑥3 −𝟐 −𝟒 𝟎 𝑥3 16
X T X C
Donde T es la matriz de interacción de Jacobi y Gauss-Seidel
La fórmula de iteración para el método de Jacobi es 𝑋 𝑘 = 𝑇𝑋 𝑘−1 + 𝐶
14. Considerar la matriz 𝑨 ∈ 𝑴𝟒𝒙𝟒 definida de la forma
𝟏 𝟏 𝟎 𝟑
𝟐 𝟏 −𝟏 𝟏
𝑨=( )
𝟑 −𝟏 −𝟏 𝟐
−𝟏 𝟐 𝟑 −𝟏
a. Hallar la descomposición LU de la matriz A y calcular el valor del
determinante de A.
Solución: Tenemos la matriz
−2𝐹1+𝐹2
1 1 0 3 −3𝐹1+𝐹3 1 1 0 3
2 1 −1 1 𝐹1+𝐹4 0 −1 −1 −5
( )→ ( )
3 −1 −1 2 0 −4 −1 −7
−1 2 3 −1 0 3 3 2

11
 1 1 0 3 −4𝐹2+𝐹3 𝟏 𝟏 𝟎 𝟑
0 −1 −1 −5 3𝐹2+𝐹4 𝟎 −𝟏 −𝟏 −𝟓
( )→ ( )=𝑼
0 −4 −1 −7 𝟎 𝟎 𝟑 𝟏𝟑
0 3 3 2 𝟎 𝟎 𝟎 −𝟏𝟑
Hallamos L
2𝐹1+𝐹2
1 0 0 0 3𝐹1+𝐹3 1 0 0 0
0 1 0 0 −𝐹1+𝐹4 2 1 0 0
( )→ ( )
0 0 1 0 3 0 1 0
0 0 0 1 −1 0 0 1
1 0 0 0 4𝐹2+𝐹3 1 0 0 0
0 1 0 0 −3𝐹2+𝐹4 0 1 0 0
( )→ ( )
0 0 1 0 0 4 1 0
0 0 0 1 0 −3 0 1
1 0 0 0 1 0 0 0 𝟏 𝟎 𝟎 𝟎
2 1 0 0 0 1 0 0 𝟐 𝟏 𝟎 𝟎
𝐿=( )∗( )=( )
3 0 1 0 0 4 1 0 𝟑 𝟒 𝟏 𝟎
−1 0 0 1 0 −3 0 1 −𝟏 −𝟑 𝟎 𝟏
Por tanto
𝟏 𝟏 𝟎 𝟑 𝟏 𝟎 𝟎 𝟎
𝟎 −𝟏 −𝟏 −𝟓 𝟐 𝟏 𝟎 𝟎
𝑼=( ) 𝑳=( )
𝟎 𝟎 𝟑 𝟏𝟑 𝟑 𝟒 𝟏 𝟎
𝟎 𝟎 𝟎 −𝟏𝟑 −𝟏 −𝟑 𝟎 𝟏
Para calcular la determinante de A aprovechamos el procedimiento de convertir la
matriz en triangular superior (U), por tanto tomando los valores de la diagonal
𝐝𝐞𝐭 𝑨 = 𝟏 ∗ −𝟏 ∗ 𝟑 ∗ −𝟏𝟑 = 𝟑𝟗
b. Averiguar si la descomposición LU hallada es única.
Se puede afirmar que la descomposición LU hallada es única debido a que es
invertible y se sabe que es invertible porque el determinante es diferente de cero,
𝒆𝒙𝒊𝒔𝒕𝒆 𝒑𝒐𝒓 𝒕𝒂𝒏𝒕𝒐
es decir, 𝐝𝐞𝐭 𝑨 = 𝟑𝟗 ≠ 𝟎 → 𝑨−𝟏 → 𝑳𝑼 𝒆𝒔 𝒖𝒏𝒊𝒄𝒂
15. Averiguar si es posible resolver el siguiente sistema lineal por
descomposición LU
𝟏 𝟐 𝟔 𝒙 𝟗
(𝟒 𝟖 −𝟏 ) (𝒚 ) = ( 𝟏𝟎𝟎)
−𝟐 𝟑 𝟓 𝒛 𝟒𝟓
Solución: Tenemos el sistema lineal de la siguiente forma Ax = B por lo tanto

12
 1 2 6
𝐴 = ( 4 8 −1)
−2 3 5
Debemos encontrar U

1 2 6 −4𝐹1+𝐹2 1 2 6
2𝐹1+𝐹3
( 4 8 −1) → (0 0 −25)
−2 3 5 0 7 17
Observamos que en la diagonal de la nueva matriz en la fila dos (2) se forma un
cero (0).
Por tanto al momento de tratar de encontrar los valores de las incógnitas (x, y, z) se
presentan dos valores para una misma incógnita lo cual implica que no se puede
encontrar la solución por el método de descomposición LU.
16. Resolver el sistema de ecuaciones lineales Ax = b, donde
𝟐 −𝟑 𝟏 𝟑
𝑨 = [−𝟒 𝟗 𝟐 ],𝒃 = [ 𝟒 ]
𝟔 −𝟏𝟐 −𝟐 −𝟐
Por eliminación gaussiana
a. Sin pivote
Solución: colocamos la matriz ampliada
2 −3 1 3
(−4 9 2|4)
6 −12 −2 −2
Operando
2 −3 1 3
(0 3 4 | 10 )
0 0 −1 −1
Por tanto
𝑥3 = 1
3𝑥2 + 4 = 10 ⇒ 𝑥2 = 2
2𝑥1 − 6 + 1 = 3 ⇒ 𝑥1 = 4
𝟒
𝒙 = (𝟐 )
𝟏

13
 b. Con pivote parcial
Solución: Colocamos la matriz ampliada
2 −3 1 3
(−4 9 2|4)
6 −12 −2 −2
Tomamos como pivote al 6 y permutamos la fila 3 con la fila 1 nos queda que
2
𝐹 +𝐹 6 −12 −2 −2
3 1 2
6 −12 −2 −2 1
− 𝐹1 +𝐹3 2 8
(−4
3 0 1
9 2 | 4 )→ 3|3
2 −3 1 3 5 11
(0 1 3 3)
El pivote es 1 no hay necesidad de permutar filas
6 −12 −2 −2
2 8 −𝐹2 +𝐹3 6 −12 −2 −2
0 1 2|8)
3|3 → (0 1
5 11 3 3
(0 1 0 0 1 1
3 3)
Por tanto
𝑥3 = 1
2 8
𝑥2 + = ⇒ 𝑥2 = 2
3 3
6𝑥1 − 24 − 2 = −2 ⇒ 𝑥1 = 4
𝟒
𝒙 = (𝟐 )
𝟏
17. Dada
𝟏 𝒃 𝟎
𝑨 = (𝒃 𝟐 𝒄)
𝟎 𝒄 𝟏
a. Hallar la relación entre b y c para que A sea no singular.
Solución: Para que 𝑨 sea no singular existe 𝑨−𝟏 y si existe 𝑨−𝟏 ⇒ 𝒅𝒆𝒕(𝑨) ≠ 𝟎
𝒅𝒆𝒕(𝑨) = 𝟏(𝟐 − 𝒄𝟐 ) − 𝒃(𝒃)
𝒅𝒆𝒕(𝑨) = 𝟐 − 𝒄𝟐 − 𝒃𝟐

14
Entonces
𝟐 − 𝒄𝟐 − 𝒃𝟐 ≠ 𝟎
𝒃𝟐 ≠ 𝟐 − 𝒄𝟐
b. Probar que los métodos de Jacobi y Gauss-Seidel convergen o divergen
exactamente para los mismos valores de b y c.
Solución: Estos métodos divergen debido a que para cualquier valor de b o c para
valores diferentes de 1 y -1 la diagonal no es estrictamente dominante.
Probaremos con los valores b=2=c
1 2 0
𝐴 = (2 2 2)
0 2 1
Para el primer término 1<2, 2<4 y 1<2 por tanto todos los términos de la diagonal
son menores que la suma de los términos de la misma fila, es decir, no es
estrictamente diagonal dominante.
Por tanto los métodos divergen
c. En caso de converger, ¿Cuál lo hace más rápidamente?
No converge.
18. Considere la siguiente matriz:
𝜶 −𝟐 −𝟏
𝑨 = (𝜷 𝟐 𝟏)
𝟏 −𝟏 𝟐
Obtener los valores de 𝜶 y de 𝜷 para que:
a. A sea singular.
Para que A sea singular entonces A no posee inversa (A-1) por tanto el termínate de
A es cero (det A = 0)
Hallemos los valores para que det A = 0
𝛼 −2 −1
det (𝛽 2 1 ) = 𝛼(4 + 1) + 2(2𝛽 − 1) − 1(−𝛽 − 2) = 5𝛼 + 4𝛽 − 2 + 𝛽 + 2
1 −1 2
det 𝐴 = 5𝛼 + 5𝛽
Luego
5𝛼 + 5𝛽 = 0 → 𝛼 + 𝛽 = 0 → 𝜶 = −𝜷

15
Los valores de 𝜶 deben ser – 𝜷
b. A sea estrictamente dominante diagonal.
Solución: Debido a que en la última fila no influyen los valores de 𝛼 y 𝛽 en que la
matriz sea o no dominante y en esa fila la matriz no es dominante entonces para
cualquier valor de 𝛼 y 𝛽 la matriz no será estrictamente dominante diagonal.
c. A sea simétrica.
Solución: Los valores de 𝛼 y 𝛽 no influyen en que la matriz pueda ser simétrica
debido a que en la última columna y la última fila no intervienen, es decir, para
cualquier valor de 𝛼 y 𝛽 la matriz nunca será simétrica.
d. A sea definida positiva.
Solución: Para que la matriz sea definida positiva entonces los menores principales
deben ser positivos. Por tanto:
Para el primer menor principal tenemos 𝛼>0
Para el segundo menor principal 2𝛼 + 2𝛽 > 0
Para el tercer menor principal 5𝛼 + 5𝛽 > 0
Por lo anterior podemos decir que 𝜶 debe ser un número positivo y |𝜷| < 𝜶,
así se garantiza que la matriz sea definida positiva.

16