UNIVERSIDAD POPULAR DEL CESAR DEPARTAMENTO DE MATEMÁTICAS Y ESTADÍSTICA

ANÁLISIS NUMÉRICO

Sistema de ecuaciones lineales.

Taller 05

Dado los siguientes sistemas de ecuaciones de primer grado (𝑨 ∙ 𝒙 = 𝑩), determinar:

1. Hallar la solución del sistema aplicando el comando de Matlab de división a derecha (𝒙 =

𝑨\𝑩), para los incisos b y d, y de matriz inversa (𝒙 = 𝑨 −𝟏𝑩), para los incisos a y e.

2. Hallar la matriz inversa de cada una de los matrices coeficientes de los sistemas por el
método de Gauss-Jordán (Inciso a) y por el método (𝑨 −𝟏 = 𝟏 𝒅𝒆𝒕(𝑨) (𝒂𝒅𝒋(𝑨)) 𝒕), inciso e) y
luego encuentra la solución de estos sistemas a) y e) aplicando para ello, (𝒙 = 𝑨 −𝟏 ∙ 𝑩)
muestra este proceso de multiplicación.

3. Resuelva cada uno de los sistemas por el método de gauss (Regresivo) (Incisos a y d).

4. Resuelva cada uno de los sistemas por el método de Gauss (Progresivo) (Incisos b y e)

5. Resuelva cada uno de los sistemas aplicando el método de Gauss-Jordán (Incisos c y e).

6. Resuelva por factorización LU (incisos a y e) NOTA: ayuda uso exclusivo del Matlab, muestre
procesos que evidencien su 𝑡𝑟𝑎𝑏𝑎𝑗𝑜.

𝑎. { 3𝑥1 + 2𝑥2 − 5𝑥3 + 4𝑥4 = 12, 7 2𝑥1 − 3𝑥2 + 8𝑥3 − 5𝑥4

= −31.9 − 3𝑥1 + 4𝑥2 − 7𝑥3 + 2𝑥4
= 16, 7 5𝑥1 − 3𝑥2 + 6𝑥3 − 3𝑥4 = −27,2
𝑏. { −3, 5𝑥1 + 4, 5𝑥2 − 3, 65𝑥3 + 6𝑥4
= −26. 0375 4, 7𝑥1 − 8, 35𝑥2 + 4, 55𝑥3 − 3𝑥4
= 37, 6950 − 5, 75𝑥1 + 5, 35𝑥2 − 7, 45𝑥3 + 6, 35𝑥4
= −12, 8625 − 2, 45𝑥1 − 7, 55𝑥2 + 6, 75𝑥3 − 9, 45𝑥4 = 77, 5325
𝑐. { −8. 05𝑥1 + 4. 28𝑥2 − 3. 76𝑥3 + 2. 46𝑥4
= 88. 6 5. 36𝑥1 + 10. 86𝑥2 + 4. 25𝑥3 − 3. 72𝑥4
= −8. 58 2. 28𝑥1 + 5. 74𝑥2 + 8. 46𝑥3 − 3. 25𝑥4
= −54. 6 5. 22𝑥1 − 3. 26𝑥2 − 5. 48𝑥3 + 9. 76𝑥4 = 26. 18
𝑑. { 2. 75𝑥1 + 3. 82𝑥2 − 5. 25𝑥3 + 4. 75𝑥4
= −40. 7740 4. 95𝑥1 − 2. 78𝑥2 + 3. 76𝑥3 − 5. 95𝑥4
= 23. 5214 2. 43𝑥1 − 2. 85𝑥2 + 5. 75𝑥3 − 3. 46𝑥4
= 11. 5269 5. 28𝑥1 + 2. 38𝑥2 − 4. 72𝑥3 + 5. 28𝑥4 = −44. 8798
𝑒. { 4. 94𝑥1 − 4. 86𝑥2 − 7. 64𝑥3 + 5. 76𝑥4
= 48. 5760 2. 78𝑥1 + 5. 76𝑥2 + 4. 82𝑥3 − 7. 64𝑥4
= −43. 0560 − 4. 56𝑥1 − 3. 46𝑥2 + 7. 52𝑥3 + 8. 68𝑥4
= −13. 8770 3. 76𝑥1 + 5. 72𝑥2 − 2. 84𝑥3 − 5. 32𝑥4 = 11. 6500
7. Resolver los siguientes sistemas de ecuaciones por el método de Jacobi y Gauss-Seidel. Ojo:
matrices diagonal dominantes.

𝑎. { 10𝑥1 + 𝑥2 − 𝑥3 = −1 4𝑥1 + 12𝑥2 − 4𝑥3 = 8 4𝑥1 + 4𝑥2 + 10𝑥3 = 4 (𝑥1

= 0, 𝑥2 = 0, 𝑥3 = 0); 𝑇𝑜𝑙: 10 − 4
 𝑏. { 2𝑥1 − 6𝑥2 − 𝑥3 = −38 − 3𝑥1 − 𝑥2 + 7𝑥3 = −34 − 8𝑥1 + 𝑥2 − 2𝑥3
= −20 (𝑥1 = 0, 𝑥2 = 0, 𝑥3 = 0); 𝑇𝑜𝑙: 10 − 4
Si quieres que las cosas cambien no tengas siempre la misma respuesta para los mismos
problemas. Germán Isaac Sosa Montenegro Abril 27 de 2021

1. Hallar solución por división derecha división 𝐴𝑥 = 𝐵, y matriz inversa 𝑥 = 𝐴−1 ∗ 𝐵.

Por división derecha tenemos qué:

−3.5𝑥1 4.5𝑥2 −3.65𝑥3 6𝑥4 26.0375
4.7𝑥1 −8.35𝑥2 4.55𝑥3 −3𝑥4 37.6950
𝐴={ | }
−5.75𝑥1 5.35𝑥2 −7.45𝑥3 6.35𝑥4 −12.8625
−2.45𝑥1 −7.55𝑥2 6.75𝑥3 −9.45𝑥4 77.5325

𝑥 = 𝐴\𝐵

𝑥1 = −12.3387
𝑥2 = −6.5857
𝑥3 = 17.2264
𝑥4 = 12.5607

Para el siguiente sistema:

2.75𝑥1 3.82𝑥2 −5.25𝑥3 4.75𝑥4 −40.7740

4.95𝑥1 −2.78𝑥2 3.76𝑥3 −5.95𝑥4 23.5214
𝐴={ | }
2.43𝑥1 −2.85𝑥2 5.75𝑥3 −3.46𝑥4 11.5269
5.28𝑥1 2.38𝑥2 −4.72𝑥3 5.28𝑥4 −44.8798

𝑥 = 𝐴\𝐵
𝑥1 = −2.94
𝑥2 = −5.45
𝑥3 = −2.86
𝑥4 = −5.66

Entonces por el método de matriz inversa tenemos qué:

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7
2𝑥 −3𝑥2 8𝑥3 −5𝑥4 −31.9
𝐴={ 1 | }
−3𝑥1 4𝑥2 −7𝑥3 2𝑥4 16.7
5𝑥1 −3𝑥2 6𝑥3 −3𝑥4 −27.2

Calculando la matriz inversa:

0.1 0 0.1 0.2
−1 0.98 1.5 −0.01 −1.2
𝐴 =( )
0.66 1 −0.33 −1
0.51 0.5 −0.48 −0.8
 𝑥 = 𝐴−1 ∗ 𝐵
𝑥1 = −2.5
𝑥2 = −3
𝑥3 = −1.8
𝑥4 = 4.3

Para el siguiente sistema:

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 5.76𝑥4 48.5760

2.78𝑥1 5.76𝑥2 4.82𝑥3 −7.64𝑥4 −43.0560
𝐴={ | }
−4.56𝑥1 −3.46𝑥2 7.52𝑥3 8.68𝑥4 −13.8770
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

Calculando la matriz inversa:

0.15 0.17 0.03 −0.02

−1 −0.05 −0.11 0.13 0.32
𝐴 =( )
0.03 0.13 0.04 −0.07
0.03 −0.06 0.14 0.18

𝑥 = 𝐴−1 ∗ 𝐵
𝑥1 = −0.75
𝑥2 = 3.95
𝑥3 = −5.85
𝑥4 = 4.65

2. Calcular la matriz inversa de los siguientes coeficientes utilizando el método de Gauss-Jordán

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7

2𝑥1 −3𝑥2 8𝑥3 −5𝑥4 −31.9
𝐴= , 𝐵=[ ]
−3𝑥1 4𝑥2 −7𝑥3 2𝑥4 16.7
[ 5𝑥1 −3𝑥2 6𝑥3 −3𝑥4 ] −27.2

Igualamos la matriz A con la matriz identidad del sistema.

 3𝑥1 2𝑥2 −5𝑥3 4𝑥4 1 0 0 0
2𝑥 −3𝑥2 8𝑥3 −5𝑥4 0 1 0 0
( 1 | )
−3𝑥1 4𝑥2 −7𝑥3 2𝑥4 0 0 1 0
5𝑥1 −3𝑥2 6𝑥3 −3𝑥4 0 0 0 1

−2 3 5 1
𝐹1 ( ) + 𝐹2; 𝐹1 ( ) + 𝐹3; 𝐹1 (− ) + 𝐹4 → 𝐹1( )
3 3 3 3

1 0.6667 −1.6667 1.3333 0.33 0 0 0

0 −4.3333 −11.33 −7.6667 −0.667 1 0 0
𝐴 = [( | )]
0 6 −12 6 1 0 1 0
0 −6.3333 14.3 −9.6667 −1.67 0 0 1

−6.3333 6 0.6667 1
𝐹2 ( ) + 𝐹4; 𝐹2 ( ) + 𝐹3; 𝐹2 (− ) + 𝐹1; → 𝐹2( )→
4.33 4.33 4.33 −4.33

1 0 0.0770 0.1538 0.2308 0.1539 0 0

0 1 −2.6154 −1.7692 −0.1538 −0.2308 0 0
𝐴=( | )
0 0 3.6935 −4.6162 0.0769 1.3847 1 0
0 0 −2.2308 1.5385 −0.6923 −1.4615 0 1

2.2308 2.6154 0.0770 1

𝐹3 ( ) + 𝐹4 ; 𝐹3 ( ) + 𝐹2; 𝐹3 (− ) + 𝐹1 → 𝐹3( )→
3.6935 3.6935 3.6935 3.6935

1 0 0 0.25 0.2292 0.1250 −0.0208 0

0 1 0 −1.4495 0.2883 0.7498 0.7081 0
𝐴=( | )
0 0 1 −1.2498 0.0208 0.3749 0.2707 0
0 0 0 −1.2496 −0.6459 −0.6252 0.6040 1

1.2498 1.4495 −0.25 1

𝐹4 ( ) + 𝐹3 𝐹4 ( ) + 𝐹2 𝐹4 (− ) + 𝐹1 → 𝐹4( )→
1.2496 1.2496 1.2496 −1.2496

1 0 0 0 0.099 −0.0001 0.1000 0.2001

0 1 0 0 0.9833 1.5 −0.0167 −1.2
𝐴=( | )
0 0 1 0 0.6668 1.0002 −0.3333 −1.0002
0 0 0 1 0.5169 0.5003 −0.4833 −0.8003

0.099 −0.0001 0.1000 0.2001

0.9833 1.5 −0.0167 −1.2
𝐴1 = [ ]
0.6668 1.0002 −0.3333 −1.0002
0.5169 0.5003 −0.4833 −0.8003

𝑥 = 𝐴−1 ∗ 𝐵
 𝑥1 = −2.5009
𝑥2 = −3.0001
𝑥3 = −1.7999
𝑥4 = 4.3001

3. Gauss – Regresivo (A y D)

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7

2𝑥 −3𝑥2 8𝑥3 −5𝑥4 −31.9
𝐴={ 1 | }
−3𝑥1 4𝑥2 −7𝑥3 2𝑥4 16.7
5𝑥1 −3𝑥2 6𝑥3 −3𝑥4 −27.2

Para el método de gauss – regresivo haremos una matriz triangular inferior

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7

2𝑥 −3𝑥2 8𝑥3 −5𝑥4 −31.9
𝐴={ 1 | }
−3𝑥1 4𝑥2 −7𝑥3 2𝑥4 16.7
5𝑥1 −3𝑥2 6𝑥3 −3𝑥4 −27.2

−2 3 −5
𝐹1 ( ) + 𝐹2; 𝐹1 ( ) + 𝐹3; 𝐹1 ( ) + 𝐹4
3 3 3

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7

0 −4.3333𝑥2 11.3333𝑥3 −7.6667𝑥4 −40.3667
𝐴={ | }
0 6𝑥2 −12𝑥3 6𝑥4 29.4000
0 −6.3333𝑥2 14.3333𝑥3 −9.6667𝑥4 −48.3667

−6 6.3333
𝐹2 ( ) + 𝐹3; 𝐹2 ( ) + 𝐹4
−4.3333 −4.3333

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7

0 −4.3333𝑥2 11.3333𝑥3 −7.6667𝑥4 −40.3667
𝐴={ | }
0 0 3.6924 −4.6155 −26.4927
0 0 −2.2308 1.5385 10.6309

2.2309
𝐹3 ( ) + 𝐹4
3.6924

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7

0 −4.3333𝑥2 11.3333𝑥3 −7.6667𝑥4 −40.3667
𝐴={ | }
0 0 3.6924𝑥3 −4.6155𝑥4 −26.4927
0 0 0 −1.2500𝑥4 −5.3749
 −1.25𝑥4 = −5.3749

𝑥4 = 4.2992

3.6924𝑥3 − 4.6155(4.29992) = −26.4927

𝑥3 = −1.8000

−4.3333𝑥2 + 11.3333(−1.8000) − 7.6667(4.29992) = −40.3667

𝑥2 = −2.9997

3𝑥1 + 2(−2.9997) − 5(−1.8000) + 4(4.29992) = 12.7

𝑥1 = −2.4997

2.75𝑥1 3.82𝑥2 −5.25𝑥3 4.75𝑥4 −40.7740

4.95𝑥1 −2.78𝑥2 3.76𝑥3 −5.95𝑥4 23.5214
𝐴={ | }
2.43𝑥1 −2.85𝑥2 5.75𝑥3 −3.46𝑥4 11.5269
5.28𝑥1 2.38𝑥2 −4.72𝑥3 5.28𝑥4 −44.8798

−4.95 −2.43 −5.28

𝐹1 ( ) + 𝐹2; 𝐹1 ( ) + 𝐹3; 𝐹1 ( ) + 𝐹4
2.75 2.75 2.75

2.75𝑥1 3.82𝑥2 −5.25𝑥3 4.75𝑥4 −40.7740

0 −9.6560𝑥2 11.21𝑥3 −14.5𝑥4 96.9146
𝐴={ | }
0 −6.2255𝑥2 10.3891𝑥3 −7.6573𝑥4 47.5563
0 −4.9544𝑥2 5.36𝑥3 −3.84𝑥4 33.4063

6.2255 4.9544
𝐹2 ( ) + 𝐹3; 𝐹2 ( ) + 𝐹4
−9.6560 −9.6560

2.75𝑥1 3.82𝑥2 −5.25𝑥3 4.75𝑥4 −40.7740

0 −9.6560𝑥2 11.21𝑥3 −14.5𝑥4 96.9146
𝐴={ | }
0 0 1.8722𝑥3 1.6913𝑥4 −14.9273
0 0 −1.4179𝑥3 3.5998𝑥4 −16.3197

1.4179
𝐹3 ( ) + 𝐹4
1.8722

2.75𝑥1 3.82𝑥2 −5.25𝑥3 4.75𝑥4 −40.7740

0 −9.6560𝑥2 11.21𝑥3 −14.5𝑥4 96.9146
𝐴={ | }
0 0 1.8722𝑥3 1.6913𝑥4 −14.9273
0 0 0 4.8807𝑥4 −27.6248
4.8807𝑥4 = −27.6248

𝑥4 = −5.6600
 1.8722𝑥3 + 1.6914(5.66) = −14.9273

𝑥3 = −2.8600

−9.6560𝑥2 + 11.21(−2.86) − 14.5(−5.66) = 96.9146

𝑥2 = −5.4500

2.75𝑥1 + 3.82(−5.45) − 5.25(−2.86) + 4.75(−5.66) = −40.7740

𝑥1 = −2.9400

4. Gauss – Progresivo (B y E)

−3.5𝑥1 4.5𝑥2 −3.65𝑥3 6𝑥4 26.0375

4.7𝑥1 −8.35𝑥2 4.55𝑥3 −3𝑥4 37.6950
𝐴={ | }
−5.75𝑥1 5.35𝑥2 −7.45𝑥3 6.35𝑥4 −12.8625
−2.45𝑥1 −7.55𝑥2 6.75𝑥3 −9.45𝑥4 77.5325

−6.35 3 −6
𝐹4 ( ) + 𝐹3; 𝐹4 ( ) + 𝐹3; 𝐹4 ( ) + 𝐹1
−9.45 −9.45 −9.45

−5.0556𝑥1 −0.2937𝑥2 0.6357𝑥3 0 75.2645

5.4778𝑥1 −5.9532𝑥2 2.4071𝑥3 0 13.0815
𝐴={ | }
−7.3963𝑥1 0.2767𝑥2 −2.9143𝑥3 0 39.2361
−2.45𝑥1 −7.55𝑥2 6.75𝑥3 −9.45𝑥4 77.5325

−2.4071 0.6357
𝐹3 ( ) + 𝐹2; 𝐹3 ( ) + 𝐹1
−2.9143 −2.9143

−6.6689𝑥1 −0.2333𝑥2 0 0 83.8231

−0.6313𝑥1 −5.7246𝑥2 0 0 45.4890
𝐴={ | }
−7.3963𝑥1 0.2767𝑥2 −2.9143𝑥3 0 39.2361
−2.45𝑥1 −7.55𝑥2 6.75𝑥3 −9.45𝑥4 77.5325

0.2333
𝐹2 ( ) + 𝐹1
−5.7246
 −6.6432𝑥1 0 0 0 81.9692
−0.6313𝑥1 −5.7246𝑥2 0 0 45.4890
𝐴={ | }
−7.3963𝑥1 0.2767𝑥2 −2.9143𝑥3 0 39.2361
−2.45𝑥1 −7.55𝑥2 6.75𝑥3 −9.45𝑥4 77.5325

−6.6689𝑥1 = 81.9692

𝑥1 = −12.3388

−0.6313(−12.3388) − 5.7246𝑥2 = 45.4890

𝑥2 = −6.5854

−7.3963(−12.3388) + 0.2767(−6.5854) − 2.9143𝑥3 = 39.2361

𝑥3 = 17.2266

−2.45(−12.3388) − 7.55(−6.5854) + 6.75(17.2266) − 9.45𝑥4 = 77.5325

𝑥4 = 12.5605

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 5.76𝑥4 48.5760

2.78𝑥1 5.76𝑥2 4.82𝑥3 −7.64𝑥4 −43.0560
𝐴={ | }
−4.56𝑥1 −3.46𝑥2 7.52𝑥3 8.68𝑥4 −13.8770
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

−6.35 3 −6
𝐹4 ( ) + 𝐹3; 𝐹4 ( ) + 𝐹3; 𝐹4 ( ) + 𝐹1
−9.45 −9.45 −9.45

9.0110𝑥1 1.3331𝑥2 −10.7149𝑥3 0 61.1895

−2.6197𝑥1 −2.4544𝑥2 8.8985𝑥3 0 −59.7865
𝐴={ | }
1.5747𝑥1 5.8726𝑥2 2.8863𝑥3 0 5.1309
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

−2.4071 0.6357
𝐹3 ( ) + 𝐹2; 𝐹3 ( ) + 𝐹1
−2.9143 −2.9143
14.8569𝑥1 23.1342𝑥2 0 0 80.2371
−7.4746𝑥1 −20.5598𝑥2 0 0 −75.6051
𝐴={ | }
1.5747𝑥1 5.8726𝑥2 2.8863𝑥3 0 5.1309
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

−23.1342
𝐹2 ( ) + 𝐹1
−20.5598

6.4464𝑥1 0 0 0 −4.8349
−7.4746𝑥1 −20.5598𝑥2 0 0 −75.6051
𝐴={ | }
1.5747𝑥1 5.8726𝑥2 2.8863𝑥3 0 5.1309
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65
 6.4464𝑥1 = −4.8349
𝑥1 = −0.75

−7.4746(−0.75) − 20.5598𝑥2 = −75.6051

𝑥2 = 3.95

1.5747(−0.75) + 5.8726(3.95) + 2.8863𝑥3 = 5.1309

𝑥3 = −5.85

3.76(−0.75) + 5.72(3.95) − 2.84(−5.85) − 5.32𝑥4 = 11.65

𝑥4 = 4.65

5. Gauss – Jordan (C Y E)
−8.05𝑥1 4.28𝑥2 −3.76𝑥3 2.46𝑥4 88.6
5.36𝑥1 10.86𝑥2 4.25𝑥3 −3.72𝑥4 −8.58
𝐴={ | }
2.28𝑥1 5.74𝑥2 8.46𝑥3 3.25𝑥4 −54.6
5.22𝑥1 −3.26𝑥2 −5.48𝑥3 9.75𝑥4 26.18

Para Gauss – Jordan vamos a reducir la matriz a una matriz identidad.

1 0 0 0 𝑥1
0 1 0 0 𝑥2
{ | }
0 0 1 0 𝑥3
0 0 0 1 𝑥4

−8.05𝑥1 4.28𝑥2 −3.76𝑥3 2.46𝑥4 88.6

5.36𝑥1 10.86𝑥2 4.25𝑥3 −3.72𝑥4 −8.58
𝐴={ | }
2.28𝑥1 5.74𝑥2 8.46𝑥3 3.25𝑥4 −54.6
5.22𝑥1 −3.26𝑥2 −5.48𝑥3 9.75𝑥4 26.18

−5.36 −2.28 −5.22 1

𝐹1 ( ) + 𝐹2; 𝐹1 ( ) + 𝐹3; 𝐹1 ( ) + 𝐹4; 𝐹1 ( )
−8.05 −8.05 −8.05 −8.05

1𝑥1 −0.5317𝑥2 0.4671𝑥3 −0.3056𝑥4 −11.0062

0 13.7098𝑥2 1.7464𝑥3 −2.0820𝑥4 50.4133
𝐴={ | }
0 6.9522𝑥2 7.3951𝑥3 3.9467𝑥4 −29.5058
0 −0.4846𝑥2 −7.9182𝑥3 11.3452𝑥4 83.6324
−0.5317 −6.9522 0.4846 1
𝐹2 ( ) + 𝐹1; 𝐹2 ( ) + 𝐹3; 𝐹2 ( ) + 𝐹4; 𝐹2 ( )
13.7098 13.7098 13.7098 13.7098
 1𝑥1 0 0.5348𝑥3 −0.3863𝑥4 −9.0511
0 1𝑥2 0.1274𝑥3 −0.1519𝑥4 3.6772
𝐴={ | }
0 0 6.5094𝑥3 5.0025𝑥4 −55.0703
0 0 −7.8564𝑥3 11.2716𝑥4 85.4144

−0.5348 −0.1274 7.8564 1

𝐹3 ( ) + 𝐹1; 𝐹3 ( ) + 𝐹2; 𝐹3 ( ) + 𝐹4; 𝐹3 ( )
6.5094 6.5094 6.5094 6.5094

1𝑥1 0 0 −0.7973𝑥4 −4.5266

0 1𝑥2 0 −0.2498𝑥4 4.7550
𝐴={ | }
0 0 1𝑥3 0.7685𝑥4 −8.4601
0 0 0 17.3093𝑥4 18.9483

0.7973 0.2498 0.7685 1

𝐹4 ( ) + 𝐹1; 𝐹4 ( ) + 𝐹2; 𝐹4 ( ) + 𝐹3; 𝐹4 ( )
17.3093 17.3093 17.3093 17.3093

1𝑥1 0 0 0 −3.6538
0 1𝑥2 0 0 5.0284
{ | }
0 0 1𝑥3 0 −9.3014
0 0 0 1𝑥4 1.0947

𝑥1 = −3.6538
𝑥2 = 5.0284
𝑥3 = −9.3014
𝑥4 = 1.0947

Para el siguiente sistema

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 5.76𝑥4 48.5760
2.78𝑥1 5.76𝑥2 4.82𝑥3 −7.64𝑥4 −43.0560
𝐴={ | }
−4.56𝑥1 −3.46𝑥2 7.52𝑥3 8.68𝑥4 −13.8770
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

Para Gauss – Jordan vamos a reducir la matriz a una matriz identidad.

1 0 0 0 𝑥1
0 1 0 0 𝑥2
{ | }
0 0 1 0 𝑥3
0 0 0 1 𝑥4

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 5.76𝑥4 48.5760

2.78𝑥1 5.76𝑥2 4.82𝑥3 −7.64𝑥4 −43.0560
𝐴={ | }
−4.56𝑥1 −3.46𝑥2 7.52𝑥3 8.68𝑥4 −13.8770
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

−2.78 4.56 −3.76 1

𝐹1 ( ) + 𝐹2; 𝐹1 ( ) + 𝐹3; 𝐹1 ( ) + 𝐹4; 𝐹1 ( )
4.94 4.94 4.94 4.94
 1𝑥1 −0.9838𝑥2 −1.5466𝑥3 1.1660𝑥4 9.8332
0 8.4950𝑥2 9.1194𝑥3 −10.8815𝑥4 −70.3923
𝐴={ | }
0 −7.9462𝑥2 0.4677𝑥3 13.9969𝑥4 30.9624
0 9.4191𝑥2 2.9751𝑥3 −9.7041𝑥4 −25.3228

0.9838 7.9462 9.4191 1

𝐹2 ( ) + 𝐹1; 𝐹2 ( ) + 𝐹3; 𝐹2 ( ) + 𝐹4; 𝐹2 ( )
8.4950 8.4950 8.4950 8.4950

1𝑥1 0 −0.4904𝑥3 −0.0942𝑥4 1.6811

0 1𝑥2 1.0735𝑥3 −1.2809𝑥4 −8.2863
𝐴={ | }
0 0 8.9980𝑥3 3.8184𝑥4 −34.8824
0 0 −7.1364𝑥3 2.3610𝑥4 52.7269

0.4904 −1.0735 7.1364 1

𝐹3 ( ) + 𝐹1; 𝐹3 ( ) + 𝐹2; 𝐹3 ( ) + 𝐹4; 𝐹3 ( )
8.9980 8.9980 8.9980 8.9980

1𝑥1 0 0 0.1139𝑥4 −0.2200

0 1𝑥2 0 −1.7365𝑥4 −4.1247
𝐴={ | }
0 0 1𝑥3 0.4244𝑥4 −3.8767
0 0 0 5.3895𝑥4 25.0613

−0.1139 1.7365 −0.4244 1

𝐹4 ( ) + 𝐹1; 𝐹4 ( ) + 𝐹2; 𝐹4 ( ) + 𝐹3; 𝐹4 ( )
5.3895 5.3895 5.3895 5.3895
1𝑥1 0 0 0 −0.75
0 1𝑥2 0 0 3.95
𝐴={ | }
0 0 1𝑥3 0 −5.85
0 0 0 1𝑥4 4.65

𝑥1 = −0.75
𝑥2 = 3.95
𝑥3 = −5.85
𝑥4 = 4.65

6. Factor LU (A y E)

3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7

2𝑥 −3𝑥2 8𝑥3 −5𝑥4 −31.9
𝐴={ 1 | }
−3𝑥1 4𝑥2 −7𝑥3 2𝑥4 16.7
5𝑥1 −3𝑥2 6𝑥3 −3𝑥4 −27.2

Para calcular el factor LU. Armamos una matriz triangular inferior.

 3𝑥1 2𝑥2 −5𝑥3 4𝑥4 12.7
2𝑥 3𝑥2 8𝑥3 −5𝑥4 −31.9
𝑈={ 1 | }
−3𝑥1 4𝑥2 −7𝑥3 2𝑥4 16.7
5𝑥1 −3𝑥2 6𝑥3 −3𝑥4 −27.2

−2 3 −5
𝐹1 ( ) + 𝐹2; 𝐹1 ( ) + 𝐹3; 𝐹1 ( ) + 𝐹4
3 3 3

3𝑥1 2𝑥2 −5𝑥3 4𝑥4

0 −4.3333𝑥2 11.3333𝑥3 −7.6667𝑥4
𝑈=[ ]
0 6𝑥2 −12𝑥3 6𝑥4
0 −6.3333𝑥2 14.3333𝑥3 −9.6667𝑥4

−6 6.3333
𝐹2 ( ) + 𝐹3; 𝐹2 ( ) + 𝐹4
−4.3333 −4.3333

3𝑥1 2𝑥2 −5𝑥3 4𝑥4

0 −4.3333𝑥2 11.3333𝑥3 −7.6667𝑥4
𝑈=[ ]
0 0 3.6924 −4.6155
0 0 −2.2308 1.5385

2.2309
𝐹3 ( ) + 𝐹4
3.6924

Armamos la matriz L

1 0 0 0
2
− 1 0 0
3
𝐿= −6
1 1 0
−4.3333
5 6.3333 2.2309
[− 3 −4.3333 3.6924
1]

Entonces obtenemos el primer factor 𝑦 = 𝐿\𝐵

𝑦1 = 127/10

𝑦2 = −703/30

𝑦3 = 2041/56

𝑦4 = −4735/76
Entonces la solución del sistema será: 𝑥 = 𝑈\𝑦
𝑥1 = −2.5009
𝑥2 = −3.0001
𝑥3 = −1.7999
𝑥4 = 4.3001

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 5.76𝑥4 48.5760

2.78𝑥1 5.76𝑥2 4.82𝑥3 −7.64𝑥4 −43.0560
{ | }
−4.56𝑥1 −3.46𝑥2 7.52𝑥3 8.68𝑥4 −13.8770
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

Para calcular el factor LU. Armamos una matriz triangular inferior.

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 5.76𝑥4 48.5760
2.78𝑥1 5.76𝑥2 4.82𝑥3 −7.64𝑥4 −43.0560
𝑈{ | }
−4.56𝑥1 −3.46𝑥2 7.52𝑥3 8.68𝑥4 −13.8770
3.76𝑥1 5.72𝑥2 −2.84𝑥3 −5.32𝑥4 11.65

−2.78 4.56 −3.76

𝐹1 ( ) + 𝐹2; 𝐹1 ( ) + 𝐹3; 𝐹1 ( ) + 𝐹4
4.94 4.94 4.94

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 −5.76𝑥4

0 8.4950𝑥2 9.1194𝑥3 −10.8815𝑥4
𝑈=[ ]
0 −7.9462𝑥2 0.4677𝑥3 13.9969𝑥4
0 9.4191𝑥2 2.9751𝑥3 −9.7041𝑥4

7.9462 9.41913
𝐹2 ( ) + 𝐹3; 𝐹2 ( ) + 𝐹4
8.4950 8.4950

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 −5.76𝑥4

0 8.4950𝑥2 9.1194𝑥3 −10.8815𝑥4
𝑈=[ ]
0 0 8.9980𝑥3 13.9969𝑥4
0 0 −7.1364𝑥3 2.3610𝑥4

7.1364
𝐹3 ( ) + 𝐹4
8.9980

4.94𝑥1 −4.86𝑥2 −7.64𝑥3 −5.76𝑥4

0 8.4950𝑥2 9.1194𝑥3 −10.8815𝑥4
𝑈=[ ]
0 0 8.9980𝑥3 13.9969𝑥4
0 0 0 2.3610𝑥4

Entonces obtenemos el primer factor 𝑦 = 𝐿\𝐵

𝑦1 = 48.5760

𝑦2 = −70.3923

𝑦3 = −34.8821
 𝑦4 = 25.0615

Entonces la solución del sistema será: 𝑥 = 𝑈\𝑦

𝑥1 = −0.75
𝑥2 = −3.95
𝑥3 = −5.85
𝑥4 = 4.65

7. Jacobi y Gauss – Seidel

10𝑥1 𝑥2 −𝑥3 −1
𝐴 = { 4𝑥1 12𝑥2 −4𝑥3 | 8 }
4𝑥1 4𝑥2 10𝑥3 4

TRIDIAGONALIDAD DEL SISTEMA

𝑛
|𝑎𝑖𝑗 | > ∑ |𝑎𝑖𝑗 |
𝑗=1 𝑗≠𝑖

|10| > |1| + | − 1| = 2

|12| > |4| + |−4| = 8

|10| > |4| + |4| = 5

𝐸𝐿 𝑆𝐼𝑆𝑇𝐸𝑀𝐴 𝐸𝑆 𝑇𝑅𝐼𝐷𝐼𝐴𝐺𝑂𝑁𝐴𝐿.

Nuestra matriz será la siguiente:

10 1 −1 −1
𝐴=(4 12 −4), 𝐵 = [ 8 ]
4 4 10 4

Realizando los despejes de las variables, tenemos qué:

−1 − (𝑥2 + 3𝑥3 )
𝑥1 =
10
8 + (4𝑥3 − 4𝑥1 )
𝑥2 =
12
 4 − (4𝑥2 + 3𝑥1 )
𝑥3 =
10

𝑥 0 = [0 0 0]

Para 𝑛 = 1,2,3 …

Para Jacobi

𝑛 𝑥1 𝑥2 𝑥3
1 -0.1000 0.6666667 0.4000000
2 -0.1266667 0.8333333 0.1733333
3 -0.1660000 0.7666667 0.1173333
4 -0.1649333 0.7611111 0.1597333
5 -0.1601378 0.7748889 0.1615289
6 -0.1613360 0.7738889 0.1540996
7 -0.1619789 0.7718119 0.1549788
8 -0.1616833 0.7723193 0.1560668
9 -0.1616252 0.7725834 0.1557456
10 -0.1616838 0.7724570 0.1556167

Entonces el error en la décima interacción será de:

𝑬𝒓𝟏 = 𝟓. 𝟖𝟓 ∗ 𝟏𝟎−𝟓 ; 𝑬𝒓𝟐 = 𝟏. 𝟐𝟔𝟒 ∗ 𝟏𝟎−𝟒 ; 𝑬𝒓𝟑 = 𝟏. 𝟐𝟖𝟗 ∗ 𝟏𝟎−𝟒

Y la solución del sistema será:

𝒙𝟏 = −0.1616838 ; 𝒙𝟐 = 0.7724570; 𝒙𝟑 = 0.155616

Para Gauss – Seidel:

𝑋 0 = [0 0]

Para 𝑛 = 1, 2, 3 …

𝑛 𝑋1 𝑋2 𝑋3
1 -0.1 -0.7 0.16
2 -0.1540 0.77133 0.15306
3 -0.16182 0.77163 0.15607
4 -0.16155 0.77254 0.15560
5 -0.16167 0.77245 0.15568

Entonces el error en la quinta interacción será de:

𝑬𝒓𝟏 = 0.000011 ; 𝑬𝒓𝟐 = 0.0000086 ; 𝑬𝒓𝟑 = 0.0000081

La solución del sistema será:

𝑋1 : − 0.16167, 𝑋2 = 0.77245 , 𝑋3 = 0.15568

2.
2𝑥1 −6𝑥2 −𝑥3 −38
𝐴 = {−3𝑥1 −𝑥2 7𝑥3 |−34}
−8𝑥1 𝑥2 −2𝑥3 −20

Intercambiando las filas

−8𝑥1 𝑥2 −2𝑥3 −20
𝐴 = { 2𝑥1 −6𝑥2 −𝑥3 |−38}
−3𝑥1 −𝑥2 7𝑥3 −34

PARA REVISAR TRIDIAGONALIDAD DEL SISTEMA

𝑛
|𝑎𝑖𝑗 | > ∑ |𝑎𝑖𝑗 |
𝑗=1 𝑗≠𝑖

|−8| > |1| + | − 1| = 2

|−6| > |2| + |−1| = 3

|7| > |−3| + |−1| = 5

EL SISTEMA ES TRIDIAGONAL.

Nuestra matriz será la siguiente:

−8 1 −1 −20
𝐴=[ 2 −6 −3]; 𝐵 = [−38]
−3 −2 7 −34
Realizando los despejes de las variables, tenemos qué:

−10 − (𝑥2 + 𝑥3 )
𝑥1 =
8
−38 + (3𝑥3 − 2𝑥1 )
𝑥2 =
−6
−34 + 2𝑥2 + 3𝑥1
𝑥3 =
7

Para Gauss – Seidel:

Y evaluando en el vector inicial

𝑋 0 = [0 0]

Para 𝑛 = 1, 2, 3 …

n X1 X2 X3
1 2.5000000 7.1666667 -2.7619048
2 4.0863095 8.1557540 -1.9407596
3 4.0046592 7.9916797 -1.9991918
4 3.9987579 7.9994513 -2.0006107
5 4.0000841 8.0001298 -1.9999454
6 4.0000026 7.9999918 -2.0000001

La solución del sistema será:

𝑋1 : 4.0000026, 𝑋2 = 7.9999918, 𝑋3 = −2.0000001

Para Jacobi:

Y evaluando en el vector inicial

𝑋 0 = [0 0]

Para 𝑛 = 1, 2, 3 …

𝑛 𝑥1 𝑥2 𝑥3
1 2.5000000 6.3333333 -4.8571429
2 4.5059524 7.9761905 -2.8809524
3 4.2172619 8.3154762 -1.7865646
4 3.9860757 8.0368481 -1.8618197
5 3.9700609 7.9723285 -2.0007036
6 3.9967170 7.9901376 -2.0167841
7 4.0029632 8.0017030 -2.0028159
8 4.0009169 8.0014571 -1.9984868
9 3.9998038 8.0000534 -1.9993989
10 3.9998564 7.9998344 -2.0000764

Entonces el error en la décima interacción será de:

𝑬𝒓𝟏 = 𝟓. 𝟐𝟔 ∗ 𝟏𝟎−𝟓 ; 𝑬𝒓𝟐 = 𝟐. 𝟏𝟗 ∗ 𝟏𝟎−𝟒 ; 𝑬𝒓𝟑 = 𝟔. 𝟕𝟕𝟓 ∗ 𝟏𝟎−𝟒

Y la solución del sistema será:

𝒙𝟏 = 3.9998564 ; 𝒙𝟐 = 7.9998344; 𝒙𝟑 = −2.0000764