Cristian Amador Loli Prudencio

Capítulo 2
SOLUCIÓN DE SISTEMAS LINEALES: MÉTODOS DIRECTOS
SISTEMA LINEAL
El objetivo de este apartado es examinar los aspectos numéricos que se presentan al resolver
sistemas de ecuaciones lineales de la forma:

(1)

Se trata de un sistema de n ecuaciones con n incógnitas, x1, x2, ..., xn. Los elementos aij y bi son
números reales fijados.

El sistema de ecuaciones (1) se puede escribir, empleando una muy útil representación matricial,
como:

(2)

Entonces podemos denotar estas matrices por A, x y b de forma que la ecuación se reduce
simplemente a:

Ax = b (3)
 Cristian Amador Loli Prudencio

SISTEMAS FÁCILES DE RESOLVER

Sistema Diagonal

Analizaremos previamente un sistema que sea fácil de resolver. Por ejemplo, supongamos que la
matriz A de nxn presenta estructura diagonal, es decir, todos los componentes distintos de cero se
encuentran sobre la diagonal principal. El sistema de ecuaciones (2) toma por tanto la forma:

 a11 0 0   x1   b1 
0 a22 0   x2  b2 
  (4)
    
    
0 0 ann   xn  bn 

En este caso el sistema se reduce a n ecuaciones simples y la solución es:

(5)

Sistema Triangular Inferior

Continuando con la búsqueda de sistemas con soluciones fáciles, supongamos ahora que A tiene una
estructura triangular inferior, es decir, todos los elementos de A distintos de cero se sitúan bajo la
diagonal principal:

 a11 0 0   x1   b1 
a 0   x2  b2 
 21 a22  (6)
    
    
 an1 an 2 ann   xn  bn 

Es fácil ver que el valor de x1 se obtiene directamente a partir de la primera ecuación. Sustituyendo
el valor conocido de x1 en la segunda ecuación es posible obtener el valor de x2. Procediendo de la
misma forma para el resto de las ecuaciones, es posible obtener todos los valores x1 , x2, x3, ..., xn
uno tras otro y en ese orden. El algoritmo formal para encontrar la solución se denomina
sustitución progresiva (hacia adelante) y se puede expresar como:

Página 2
 Cristian Amador Loli Prudencio

(7)

Sistema Triangular Superior

Se puede emplear el mismo razonamiento para el caso en que la estructura de la matriz A sea
triangular superior. En este caso el sistema matricial adopta la forma:

 a11 a12 a1n   x1   b1 

0 a a2 n   x2  b2 
 22
 (8)
    
    
0 0 ann   xn  bn 

y es posible obtener las soluciones en el orden xn, xn-1, ..., x1, empleando en este caso una
modificación del algoritmo expresado por la ecuación (7) y que denominados algoritmo de
sustitución regresiva (hacia atrás):

(9)

Como es lógico, los métodos descritos se pueden aplicar a todos aquellos sistemas que se pueden
convertir en un sistema triangular permutando filas y columnas de forma adecuada, este proceso
ordenado se llama Eliminación Gaussiana.

ELIMINACIÓN GAUSSIANA

Es la aplicación de las Operaciones Elementales (Fila o Columna) para transformar una matriz a una
matriz más manejable, es decir a una matriz triangular, a una matriz diagonal, a una matriz
escalonada, a una matriz identidad.

Operaciones Elementales Fila

i) Intercambio: el orden de dos filas puede ser cambiado.

filai  fila j
ii) Escalamiento: una fila se puede multiplicar por una constante diferente de cero.
  filai  filai
iii) Reemplazo: una fila puede ser reemplazada por la suma de esa fila y otra fila escalada.

filai    fila j  filai

Página 3
 Cristian Amador Loli Prudencio

Operaciones Elementales Columna

De forma análoga a las anteriores operaciones pero esta vez se realizan con columnas.

i) Intercambio: coli  col j

ii) Escalamiento:   coli  coli

iii) Reemplazo: coli    col j  coli

ELIMINACIÓN GAUSSIANA CON SUSTITUCIÓN HACIA ATRÁS

El sistema Ax = b, puede ser almacenado en un arreglo de n x (n + 1); donde los coeficientes del
vector b se almacenan en la columna (n + 1) del arreglo. Esta nueva matriz, es conocida como
matriz aumentada y se la denota como [A, b]:
 a11 a12 ... a1n b1 
 
 a 21 a 22 ... a 2 n b2 
 . . . .
A,b    
 . . . .
 . . . . 

a bn 
 n1 a n 2 ... a nn

Ilustraremos el método de Eliminación Gaussiana aplicando el procedimiento a un sistema de

cuatro ecuaciones con cuatro incógnitas:

(10)

El objetivo es transformar el sistema en un sistema triangular superior (UPPER) el cual con la

sustitución hacia atrás quedaría resuelto.

Primer paso: Eliminar x1 de todas las ecuaciones, excepto de la ecuación pivotal.

pivote   6 2 2 12 
4
m21   2 12 8
12
6 10 34 
6 
m31  63  12  3 13 9 3 27 
 
m41  66  1  6 4 1 18 38

Página 4
 Cristian Amador Loli Prudencio

El sistema en estos momentos tiene el siguiente aspecto:

F2  2F1  F2
(11)
F3  1 F1  F3
2
F4  F1  F4

Segundo paso: Se elimina la segunda incógnita x2 a partir de todas las ecuaciones debajo de x2.

6 2 2 12 
4
pivote  0 4 2 2 10 

m32  124  3 0 12 8 1 21 
 
m42  24   12 0 2 3 14 26 

1
Los multiplicadores son en esta ocasión 3 y  y el sistema de ecuaciones se reduce a:
2

F3  3F2  F3 (12)
F4  1 F2  F4
2

4
Tercer paso: El último paso consiste en multiplicar la tercera ecuación por  2 y restarla a la
2
cuarta. El sistema resultante resulta ser:

(13)
F4  2F3  F4

El sistema resultante es triangular superior y equivalente al sistema original (las soluciones de

ambos sistemas coinciden). Sin embargo, este sistema es fácilmente resoluble aplicando el
algoritmo de sustitución regresiva (hacia atrás). La solución del sistema de ecuaciones resulta
ser:

Página 5
 Cristian Amador Loli Prudencio

PROGRAMA DE ELIMINACIÓN GAUSSIANA CON SUSTITUCIÓN HACIA ÁTRAS

Programa: gatras.m
function X= gatras(A,b)
% X= gatras(A,b,info)
% Resolución de un sistema de ecuaciones por el método de
% Eliminación Gaussiana con Sustitución hacia átras
% sin pivote
if nargin<2;error('Numero de parámetros insuficientes');end
[n,nc]=size(A);if n~=nc;error('la matriz no es cuadrada');end
[p,nc]=size(b);if nc~=1 | p~=n;error('el sistema no cuadra');end
A=[A,b];clear nc;
%
%Triangulación del sistema
for i=1:n %Eliminación gaussiana
if A(i,i)==0; error('sistema indeterminado o incompatible');end
for j=i+1:n
m=-A(j,i)/A(i,i);A(j,:)=A(j,:)+m*A(i,:)
end
end
%
% Resolución del sistema triangular: Sustitución hacia átras
A(n,n+1)=A(n,n+1)/A(n,n);
for i=n-1:-1:1
A(i,n+1)=(A(i,n+1)-A(i,i+1:n)*A(i+1:n,n+1))/A(i,i);
end
X=A(:,n+1);

ELIMINACIÓN GAUSSIANA CON SUSTITUCIÓN HACIA ADELANTE

Ilustraremos el método de Eliminación Gaussiana aplicando el procedimiento al sistema dado en

(10) cuya matriz aumentada sería:

 6 2 2 412 
12 8 6 10 34  (14)

 3 13 9 3 27 
 
 6 4 1 18 38
El objetivo es transformar el sistema en un sistema triangular inferior (LOWER) el cual con la
sustitución hacia adelante quedaría resuelto.
Primer paso: Eliminar x4 de todas las ecuaciones de la columna 4, excepto en la fila 4.
 6 2 2 412 
12 8 6 10 34 

 3 13 9 3 27 
 
pivote   6 4 1 18 38

El sistema en estos momentos tiene el siguiente aspecto:

Página 6
 Cristian Amador Loli Prudencio

2  14 10 20 32 
F1  F4  F1   0
9 3 9 9 9 
 
F2  F4  F2 
5 26 52 59 116 
 0
9  3 9 9 9 
 
1 37 55 62 
F3  F4  F3  2  0
6  3 6 3 
 6 18 38
 4 1

Segundo paso: Eliminar x3 en todas las ecuaciones encima de x3 de la diagonal en la columna 3.

 14 10 20 32 
3 9 9
0
9 
 
 26  52 59
0
116 
3 9 9 9 
 
37 55 62 
pivote   2  0
3 6 3 
 6 18 38
 4 1

El sistema en estos momentos tiene el siguiente aspecto:

 46 62 16 
40 0 0  
F1  F3  F1  11 33 11
165  
 398 502 104 
108 0 0
F2  F3  F2  55 165 55 
165  
 2  37 55 0
62 
 3 6 3 
 6 1 18 38 
 4
Tercer paso: Eliminar x2 en la fila 1.
 46 62 16 
 11 0 0  
33 11
 
 398 502 104 
pivote  0 0
 55 165 55 
 
 2  37 55 0
62 
 3 6 3 
 6   38 
 4 1 18
El sistema en estos momentos tiene el siguiente aspecto:
 72 72 
310   251 0 0 0 
251 
F1  F2  F1  
502  398 502 0 104 
0
 55 165 55 
 
 2 37 55 62 
 0
 3 6 3 
 6 1 18 38 
 4

Página 7
 Cristian Amador Loli Prudencio

El sistema resultante es triangular inferior y equivalente al sistema original (las soluciones de ambos
sistemas coinciden). Sin embargo, este sistema es fácilmente resoluble aplicando el algoritmo de
sustitución progresiva (hacia adelante). La solución del sistema de ecuaciones resulta ser:
1
 3 
x 
 2 
 
1

PROGRAMA DE ELIMINACIÓN GAUSSIANA CON SUSTITUCIÓN HACIA ADELANTE

Programa: gadel.m
function X= gadel(A,b)
% X= gadel(A,b)
% Resolución de un sistema de ecuaciones por el método de
% Eliminación Gaussiana con Sustitución hacia adelante
% sin pivote
%
if nargin<2;error('Numero de parámetros insuficientes');end
[n,nc]=size(A);if n~=nc;error('la matriz no es cuadrada');end
[p,nc]=size(b);if nc~=1 | p~=n;error('el sistema no cuadra');end
A=[A,b];clear nc;
%
%Triangulación del sistema
for i=n:-1:2 %Eliminación Gaussiana
if A(i,i)==0; error('sistema indeterminado o incompatible');end
for j=i-1:-1:1
m=-A(j,i)/A(i,i);
A(j,:)=A(j,:)+m*A(i,:)
end
end

%Resolución del sistema triangular: Sustitución hacia adelante

A(1,n+1)=A(1,n+1)/A(1,1);
for i=2:n
A(i,n+1)=(A(i,n+1)-A(i,1:i-1)*A(1:i-1,n+1))/A(i,i);
end
X=A(:,n+1);

LA MATRIZ INVERSA
La matriz cuadrada A de nxn se dice que es INVERSIBLE si existe una matriz B de nxn de manera
que
AxB = I = BxA
Si esa matriz B existe se le llama la matriz inversa de A, denotada por A-1.

MÉTODO DE GAUSS JORDAN

Para hallar la inversa de la matriz cuadrada A, el método de Gauss Jordan, comienza aumentándole
la matriz identidad al lado derecho, luego a través de las OEF (operaciones elementales fila) se
convierte la primera parte en matriz identidad, con lo cual la segunda parte resultante viene a ser la
matriz inversa de A.

Página 8
 Cristian Amador Loli Prudencio

1 1 1 1
1 2  1 2
Es decir si tenemos la matriz A   .
1  1 2 1
 
1 3 3 2

Creamos la matriz aumentada [A, I] y a través de las OEF la llevamos a la forma [I, B]
 7 1 1 2
1 0 0 0 3  3  3  
3
1 1 1 1 1 0 0 0   
1 2 1 2 0 1 0 0  0 1 0 0 4  1  4 1 
[ A, I ]    -- .. OEF ..   9 9 9 9 

1 1 2 1 0 0 1 0  0 0 1 0  1 2 1 2 
  
1 3 3 2 0 0 0 1   9 9 9 9 
 5 2 2 1 
0 0 0 1  
 3 3 3 3 
 7 1 1 2 
 3 3 3 
3 
 
 4 4 4 1 
 9 9 9 9 
Siendo la segunda parte, esto es B, la matriz inversa de A, osea B  A1   
 1  2 1 2 
 9 9 9 9 
 5 2 2 1 
 
 3 3 3 3 

Ilustraremos el método de Gauss Jordan aplicando el procedimiento a la matriz:

1 1 2
A  0 2 1
0 0 3

Creamos la matriz aumentada [A, I]

1 1 2 1 0 0 
[ A, I ]  0 2 1 0 1 0 
0 0 3 0 0 1 
Aplicamos las Operaciones Elementales Fila (OEF).
F1  F2  F1 1 0 1.5 1 0.5 0 
0 1 0.5 0 0.5 0 
 
0 0 3 0 0 1 
 
1 0 1.5 1 0.5 0 
 
0 1 0.5 0 0.5 0 
1  1  Fila Pivot
F3  F3 0 0 1 0 0 
3  3

Página 9
 Cristian Amador Loli Prudencio

 
1 0 0 1 0.5 0.5
F1  1.5F3  F1  
 1
F2  0.5F3  F2 0 1 0 0 0.5 
 6
 1 
0 0 1 0 0 
 3 
 
1 0.5 0.5
 
1  1
La matriz inversa: A  0 0.5 
 6
 1 
0 0 
 3 

Ejemplo:
1 1 1 1
1 2  1 2
1. Halle la matriz inversa de A   por Gauss Jordan.
1  1 2 1
 
1 3 3 2
Solución:

1 1 1 1 1 0 0 0  Fila Pivot
1 2 1 2 0 1 0 0 
[ A, I ]  
1 1 2 1 0 0 1 0
 
1 3 3 2 0 0 0 1

1 1 1 1 10 0 0
F2  F1  F2 0 1 2 1 1 1 0 0  Fila Pivot

F3  F1  F3 0 2 1 0 1 0 1 0 
 
F4  F1  F4 0 2 2 1 1 0 0 1 

F1  F2  F1 1 0 3 1 0 0 
0 2
0 1 2 1 1 1 0 0 

F3  2 F2  F3 0 0 3 2 3 2 1 0 
 
F4  2 F2  F4 0 0 6 1 1 2 0 1 

1 0 3 0 2 1 0 0
0 1 2 1 1 1 0 0 

1  2 2 1 
 F3  F3 0 0 1  1   0  Fila Pivot
3  3 3 3 
0 0 6 1 1 2 0 1 

Página 10
 Cristian Amador Loli Prudencio

1 0 0 0 2 1 1 0
F1  3F3  F1  1 1 2 
0 1 0  1   0
F2  2 F3  F2  3 3 3 
 2 2 1 
0 0 1  1   0
F4  6 F3  F4  3 3 3 
0 0 0 3 5 2 2 1 

 1 1 0 1
1 0 0 2
1 2 
 1 1   0
0 1 0  3 3 
 3 
2 1
 2 1   0
0 0 1 
F4  F4   Fila Pivot
1 3 3
3
3 5 2 2 1
0 0 0 1  
 3 3 3 3
 7 1 1 2
1 0 0 0    
F1  2 F4  F1  3 3 3 3
 
F2  F4  F2 0
1 4 1 4 1 
1 0 0  
3  9 9 9 9 
 
2 1 2 1 2 
F3  F4  F3 0 0 1 0  
3  9 9 9 9 
 5 2 2 1 
0 0 0 1  
 3 3 3 3 
 7 1 1 2 
 3 3 
3

3 
 
 4 4 
4 1 
 9 9 9 9 
A1   
 1  2 1 2 
 9 9 9 9 
 5 2 2 1 
 
 3 3 3 3 

PROGRAMA DE GAUSS JORDAN PARA HALLAR LA INVERSA DE UNA MATRIZ

 gjordan.m
function B= gjordan(A)
% X= gjordan(A)
% Método de Gauss Jordan para hallar la inversa de A
% Matriz aumentada (duplicada sus columnas)
[n nc]=size(A);
AA=[A eye(n)];
for i=1:n %Eliminación gaussiana
if AA(i,i)==0; error('sistema indeterminado o incompatible');end
AA(i,:)=AA(i,:)/AA(i,i);
for j=i+1:n
m=-AA(j,i);AA(j,:)=AA(j,:)+m*AA(i,:)
end
for j=1:i-1

Página 11
 Cristian Amador Loli Prudencio

m=-AA(j,i);AA(j,:)=AA(j,:)+m*AA(i,:)
end
end
% Matriz inversa
B=AA(1:n,n+1:2*n);
end

EJERCICIOS RESUELTOS
SOLUCIÓN DE SISTEMAS LINEALES: MÉTODOS DIRECTOS

1. Encontrar la solución del sistema de ecuaciones A.x = b por eliminación gaussiana con
sustitución hacia atrás.
5 -4 1 0 0 0 0
-4 6 -4 1 0 0 0
1 -4 6 -4 1 0 0
0 1 -4 6 -4 1 0
A= 0 0 1 -4 6 -4 1
0 0 0 1 -4 6 -4
0 0 0 0 1 -4 5
5
-4
1
2
b= 3
4
1

Solución:

>> x=gatras(A,b)

A=
Columnas 1 a 5
5 -4 1 0 0
0 14/5 -16/5 1 0
1 -4 6 -4 1
0 1 -4 6 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columnas 6 a 8
0 0 5
0 0 0
0 0 1
1 0 2
-4 1 3
6 -4 4
-4 5 1

Página 12
 Cristian Amador Loli Prudencio

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 -16/5 29/5 -4 1
0 1 -4 6 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 -16/5 29/5 -4 1
0 1 -4 6 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 -16/5 29/5 -4 1
0 1 -4 6 -4
0 0 1 -4 6

Página 13
 Cristian Amador Loli Prudencio

0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 -16/5 29/5 -4 1
0 1 -4 6 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 -16/5 29/5 -4 1
0 1 -4 6 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2

Página 14
 Cristian Amador Loli Prudencio

-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 1 -4 6 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 -20/7 79/14 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

Página 15
 Cristian Amador Loli Prudencio

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 -20/7 79/14 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 -20/7 79/14 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 -20/7 79/14 -4
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

Página 16
 Cristian Amador Loli Prudencio

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 1 -4 6
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 -8/3 83/15
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

Página 17
 Cristian Amador Loli Prudencio

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 -8/3 83/15
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 -8/3 83/15
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-4 1 3
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3

Página 18
 Cristian Amador Loli Prudencio

0 0 0 0 91/55
0 0 0 1 -4
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-28/11 1 65/11
6 -4 4
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 0 91/55
0 0 0 0 -28/11
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-28/11 1 65/11
60/11 -4 32/11
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 0 91/55
0 0 0 0 -28/11
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0

Página 19
 Cristian Amador Loli Prudencio

1 0 2
-28/11 1 65/11
60/11 -4 32/11
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 0 91/55
0 0 0 0 0
0 0 0 0 1

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-28/11 1 65/11
20/13 -32/13 12
-4 5 1

A=

Columns 1 through 5

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 0 91/55
0 0 0 0 0
0 0 0 0 0

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-28/11 1 65/11
20/13 -32/13 12
-32/13 400/91 -18/7

A=

Columns 1 through 5

Página 20
 Cristian Amador Loli Prudencio

5 -4 1 0 0
0 14/5 -16/5 1 0
0 0 15/7 -20/7 1
0 0 0 11/6 -8/3
0 0 0 0 91/55
0 0 0 0 0
0 0 0 0 0

Columns 6 through 8

0 0 5
0 0 0
0 0 0
1 0 2
-28/11 1 65/11
20/13 -32/13 12
0 16/35 582/35

Sustitución hacia atrás:

x=
245/8
56
607/8
86
665/8
66
291/8

2. Hallar la descomposición en fracciones parciales a través de un sistema lineal

1000 x 2  2000 x  1000 A A A A4 A x  A6
f ( x)   1  2  3   52
( x  1)( x  2)( x  3) ( x  1) x  1 x  2 x  3  x  3
2 2 2
x 1
Es decir hallar A3 , A5 y A6 en R ya que A1 , A2 y A4 se conocen directamente a través del
método de los polos (si ai es un polo de orden k de f ( x) entonces
Ai   f ( x)  ( x  a i )k ).
x a i
Solución:

1000 x 2  2000 x  1000 125 72 A 20 A x  A6

f ( x)     3   52
( x  1)( x  2)( x  3) ( x  1) x  1 x  2 x  3  x  3
2 2 2
x 1

160 A
x0  89  3  A6
3 3
125 A  A  A6
x  1  0   19  3  5
2 2 2
75 2 A5  A6
x  2   2  A3 
3 5

Página 21
 Cristian Amador Loli Prudencio

107  A3  3 A6

87  A3  A5  A6
345  15 A  6 A  3 A
 3 5 6
Por eliminación gaussiana:
1 0 3 -107
0 -1 -2 20
15 -6 3 -345

1 0 3 -107
0 -1 -2 20
0 -6 -42 1260

1 0 3 -107
0 -1 -2 20
0 0 -30 1140

Sustitución hacia atrás:

1140
A6   38
30
20  2 A6
A5   56
1
A3  107  3 A6  7

3. Encontrar la solución del sistema de ecuaciones por sustitución hacia atrás y hacia delante
1  1 0 0 0 0  1 1 1 1 1
2 1 1 0 0 0  0 4 14 34 69 
  
A.x   4  , siendo A  1 0.5 1 0 0  . 0 0 2 8 20.5 
     
2 1 0.75 0.75 1 0  0 0 0 0.5 2.375
 1  1 0.25 0.75 1 1  0 0 0 0 0.25 

Solución:
U .x  y
A.x  b  LU .x  b  
 L. y  b

Se resuelve L. y  b por sustitución hacia adelante con lo cual se tiene “y”

Se resuelve U .x  y por sustitución hacia atrás con lo cual se tiene “x”

1 0 0 0 0 1   1 
1 1 0 0 0     1 
 2  
1 0.5 1 0 0 . y  4  y   5 / 2 
     
1 0.75 0.75 1 0 2  13 / 8
1 0.25 0.75 1 1  1   15 / 4 

Página 22
 Cristian Amador Loli Prudencio

1 1 1 1  1 1 
0 4 14 34 69    1 
  
0 0 2 8 20.5  x   5 / 2 
   
0 0 0 0.5 2.375  13 / 8
0 0 0 0 0.25   15 / 4 

3  i 1  2i   z  6  2i 
4. Encontrar la solución del sistema de ecuaciones  3i 2  i  .  w   1  i  ,
     
transformándolo primero en un sistema con coeficientes reales y luego aplicando Eliminación
Gaussiana con sustitución hacia atrás.
Solución:

Sean z  a  bi, w  c  di, donde a, b, c, d  R

3  i 1  2i   a  bi  6  2i 
 3i 2  i  .  c  di    1  i 
     

 3  i  a  bi   1  2i  c  di   6  2i


 3i  a  bi    2  i  c  di   1  i


Página 23