Documentos de Académico
Documentos de Profesional
Documentos de Cultura
César Barraza
17 de diciembre de 2022
ÍNDICE GENERAL
i
CAPÍTULO 1
Motivación
Se utilizó un sistema de ecuaciones lineales para analizar el flujo de tráfico para una
red de cuatro calles de un solo sentido en Kumasi, Ghana. El trabajo pionero realizado
por Gareth Williams el flujo de tráfico [11] ha llevado a una mayor comprensión de esta
investigación. Las variables x, y, z y w representar el flujo del tráfico entre los cuatro
intersecciones en la red. Los datos se obtuvieron contando el número de vehı́culos que
viajaban alrededor de las cuatro calles de un solo sentido entre las horas de las 6 a las
22:00 y 14:00-18:00. A mediados de la semana, en horas de máxima afluencia. Las flechas
en el diagrama indican la dirección del flujo de tráfico dentro y fuera de la red que es
medido en términos del número de vehı́culos por hora (VPH). El diagrama de la Figura
1 describen las cuatro calles de un solo sentido en Kumasi en estudio, en el modelo:
El problema es determinar el número de vehı́culo que se debe premitir transitar con el fin
de reducir la congestión del tráfico
Fuente: Application of System of Linear Equations to Traffic Flow for a Network of Four
One-Way Streets in Kumasi, Ghana. Autor:Isaac Kwasi Adu
En esta sección determinaremos la solución de un sistema de ecuaciones ası́ como se
determinará cuando un sistema de ecuaciones tiene solución. Para ello haremos unas
definiciones previas
1
CAPÍTULO 1. SISTEMA DE ECUACIONES LINEALES
Ejemplo 1.1
Sea la matriz
1 −1 1
1 1 0
A=
2 0 1
−1 −1 0
Notemos que la submatriz de mayor tamaño es de orden 3 × 3, estas submatrices y sus
determinantes son:
1 −1 1 1 −1 1
det 1 1 0 = 0 det 1 1 0 =0
2 0 1 −1 −1 0
1 −1 1 1 1 0
det 2 0 1 = 0 det 2 0 1 =0
−1 −1 0 −1 −1 0
Solucion
Como debemos determinar la submatriz no singular de mayor orden, esta no puede ser
cuatro, pues habrı́a una fila nula.
Considerando las tres primeras filas y las columnas 2,4 y 5, tenemos la submatriz
2 0 1
0 1 2
0 0 4
Esta forma de hallar el rango es muy costoso, mas adelante veremos otra manera de
encontrar dicho rango.
Proposicion 1.1
El rango de una matriz A de orden m × n es siempre menor o igual que el mı́nimo entre
m y n, esto es
R (A) ≤ mı́n {m, n}
1, 2, · · · , i − 1, i + 1, · · · , r, j
esto es
q1
..
.
qi−1
P =
qi+1
..
.
qr
qi
luego
det P = (−1)r−i det Q ̸= 0
donde
q1
.
..
P = rqi
.
.
.
qr
luego
det (P {c1 , c2 , · · · , cr }) = r det (Q {c1 , c2 , · · · , cr }) ̸= 0
es la de mas alto orden talque det (Q {c1 , c2 , · · · , cr }) ̸= 0. Por tanto R(EA) = r(A)
De este modo hemos probado que una operación elemental no altera el rango de una
matriz que se encuentra en su forma escalonada.
El siguiente corolario es importante para el calculo del rango de una matriz, el cual es
una consecuencia del teorema anterior.
Proposicion 1.2
El rango de una matriz es igual al rango de su matriz escalonada.
Esta proposición nos indica que para calcular el rango de una matriz, debemos llevarla a
su forma escalonada.
Ejemplo 1.2
Calcular el rango de la matriz A definida por
0 1 1 1 0 0
1 0 −1 −1 1 0
1 1 0 0 1 0
A=
0 0 1 0 0 1
0 0 0 1 0 0
1 1 0 0 1 0
Podemos observar que el orden mas alto de la submatriz cuya determinante es diferente
de cero es igual a 4.
Ejercicio 1.2
Establezca condiciones para que la matriz A dada por
1 1 0
A= x 1 1
2 2 1
tenga
a) rango igual a 3
b) rango igual a 2
Solucion
LLevando la matriz A su forma escalonada, obtenemos
1 1 0
EA = 0 1 − x 1
0 0 1
a) Para que tenga rango 3, la matriz escalonada debe tener determinante diferente de
cero, entonces
det (EA ) = 1 − x ̸= 0
esto es x ̸= 1
b) Para x = 1, tenemos
1 1 0
EA = 0 0 1
0 0 1
la cual no esta en su forma escalonada, llevandola obtenemos
1 1 0
0 0 1
0 0 0
de donde tiene rango igual a 2. Por tanto, para A tenga rango igual a 2, se da
cuando x = 1
Proposicion 1.3 (rango de una matriz)
El rango de una matriz es igual al numero de filas no nulas de su forma escalonada por
filas.
El rango de EA no puede ser r+1, pues la submatriz tendrı́a una fila nula y su determinante
es cero.
Consideremos la submatriz S obtenida por las r primeras filas y las columnas c1 , c2 , · · · , cr
de EA . Luego la submatriz S es de la forma
1 ∗ ···
∗
0 1 ..
.
S=
0 0 ... ∗
0 0 ··· 1
si elige la submatriz de A que consiste de las filas no nulas y las columnas donde se
encuentran los pivotes, tenemos una matriz triangular superior
" #
1 2
0 1
4 5 6
Solucion
LLevando a su forma semi-escalonada
1 2 3 1 2 3 1 2 3
f2 → f2 − 2f1
2 1 0 0 −3 −6 f3 → f3 − f2 0 −3 −6
f3 → f3 − 4f1
4 5 6 0 −3 −6 0 0 0
De donde r (A) = 2
donde aij , bi denotan las constantes (reales o complejos) y x1 , x2 , · · · , xn son las incognitas
Ejemplo 1.4
El sistema de ecuaciones
x1 + 3x2 + x3 = 0
2x1 − x2 − x3 = 1
−x1 + x2 + x3 = 1
Ejemplo 1.5
El sistema de ecuaciones
x1 + 3x2 + x3 − x4 = 0
−x2 − x3 = 1
−x1 − x3 + x4 = 1
Definicion 1.2
Una sucesión de números (s1 , s2 , · · · , sn ) es llamada solución del sistema si x1 = s1 , x2 =
s2 , · · · , xn = sn satisface cada ecuación simultaneamente.
Ejemplo 1.6
El sistema de ecuaciones
−2x2 + 2x3 − 2x4 = 0
−x1 − x2 + 2x4 = 4
−x1 + x2 − x3 + 2x4 = 1
tiene como una solución a la sucesión (1, −1, 1, 2) . (Compruebelo)
Nuestro interes esta centrado en determinar cuando un sistema de ecuaciones tiene solu-
ción o no lo tiene y encontrar la (las) solución (soluciones) si es que lo tiene.
El siguiente ejemplo, muestra que ciertos sistemas de ecuaciones son sencillos de resolver
Ejemplo 1.8
Resuelva el sistema de ecuaciones mostrado
x − y + 2z = 10
2y − 4z = 12
2z = 4
Solucion
De la tercera ecuación 2z = 4 → z = 2
Reemplazando en la segunda ecuación, se tiene que y = 10
Finalmente, en la primera ecuación, se tiene que x = 16
Luego la sucesión (16, 10, 2) es la solución del sistema de ecuaciones.
Ax = b (1.2)
Donde:
b el vector de constantes
x el vector incognita
Ejemplo 1.9
La forma matricial del sistema de ecuaciones
x1 − x2 + x3 = 10
2x1 + x2 − x3 = 2
−x1 + x2 + 2x3 = 5
es dado por
1 −1 1 x1 10
2 1 −1 x2 = 2
−1 1 2 x3 5
−1 1 2
el vector de constantes b es
10
b= 2
5
y el vector de incógnitas x es
x1
x = x2
x3
Ejemplo 1.10
Se verifiac que el sistema de ecuaciones
2x + 5y = 7
x − 2y = −1
3x + y = 4
Ejemplo 1.11
El sistema
x−y = 2
2x − 2y = 6
Definicion 1.6
Si b ̸= 0 se dice que el sistema (1.2), es un sistema no-homogéneo.
Ejemplo 1.12
0 1 0 x 1
2 −1 1 y = 1
0 −1 0 z 0
3 −1 −1 x3 0
x1
−1 0 −1 −3 0
x2
1 −3 1 −3 =
0
x
3
2 3 3 3 0
x4
Proposicion 1.4
Todo sistema homogéneo tiene al menos una solución, es decir es un sistema consistente.
vemos claramente que x = 0 satisface el sistema, por tanto el sistema homogéneo admite
al menos una solución la cuál es la solución trivial.
Ahora la pregunta es ¿Cuando un sistema homogéneo tiene solución no trivial? y ¿Cual
es?
Ahora vamos a desarrollar un método sistematico para encontrar todas las soluciones del
sistema.
Ax = b (1.3)
Ãx = b̃ (1.4)
se dice que son sistemas equivalentes si solo si toda solución de el sistema (1.3) es solución
del sistema (1.4) y toda solución de el sistema (1.4) es solución del sistema (1.3).
3x + 9y + 6z = 18
x + 3y − z = 3
x−z = 0
x + 3y + 2z = 6
x + 3y − z = 3
x−z = 0
x + 3y + 2z = 6
−3z = −3
−3y − 3z = −6
x + 3y + 2z = 6
−3y − 3z = −6
−3z = −3
este sistema y los anteriores son sistemas equivalentes, pero la última tiene una forma
muy particular, una forma triangular, que resulta comodo para hallar la solución.
Resolviendo el último sistema tenemos que x = 1, y = 1, z = 1 es solución de este sistema
y por ser un sistema equivalente es solución del sistema original.
Como habrá notado solo los coeficientes del sistema son involucrados en los calculos y no
las variables o incognitas y el signo de igualdad, esto nos sugiere que podemos formar una
matriz sobre el cual reaizaremos operaciones, la cual llamamos matriz aumentada.
Definicion 1.9
Sea el sistema matricial Ax = b, donde A = [aij ] es de orden m × n, x es de orden n × 1
y b = [bi ] es de orden n × 1, la matriz aumentada de A, denotada como Aa es dado por
a11 a12 ··· a1n b1
a21 a22 ··· a2n b2
Aa = .. .. .. .. ..
. . . . .
am1 am2 · · · amn bm
Nota
En términos de matrices por bloque la matriz aumentada es dado por
..
Aa = A.b
La matriz aumentada representa el sistema matricial, donde una operación elemental entre
sus filas es equivalente a una operación elemental entre ecuaciones.
Ejemplo 1.15
Si la matriz
1 −1 1 0 2
0 1 0 1 2
0 0 0 1 4
es la matriz aumentada de un sistema de ecuaciones, determine el sistema de ecuaciones
que representa.
Solucion
La matriz de coeficientes es de orden 3 × 4 y el vector de incognitas es de orden 4 × 1,
luego el sistema en su forma matricial es
x1
1 −1 1 0 2
x2
= 2
0 1 0 1
x3
0 0 0 1 4
x4
y en su forma algebraica es
x1 − x2 + x3 = 2
x2 + x4 = 0
x4 = 4
Proposicion 1.5
Dos matrices aumentadas representan a dos sistemas equivalentes si uno puede ser trans-
formada al otro mediante un conjunto finito de operaciones elementales por filas.
Prueba. Basta probar que si a una matriz aumentada se le aplica una operación elemental
por fila, entonces lanueva
matrizaumentada,
representa a un sistema equivalente
. e...eb
Denotaremos Aa = A..b , A ea = A
Sea la matriz aumentada
A1 b1
. ..
..
.
A a = A i bi
. ..
.
. .
Am bm
h iT
Sea x = x1 · · · xn una solución de Ax = b, entonces
A1 A1 x
.. ..
. .
A Ax
j j
e = ... x = ...
Ax
Ai Ai x
.. ..
. .
Am Am x
como x es solución de Ax = b
A1 b1
.. ..
. .
A bj
j
. ..
e = .. x =
Ax . =b
e
Ai bi
.. ..
. .
Am bm
A1 b1 A 1 b1
. .. . ..
.. ..
.
.
A a = A i bi fi → kfi A
ea = kAi kbi
. .. . .
. . .
. . . .
Am bm Am bm
Sea x una solución del sistema Ax = b, luego
A1 A1 x
. ..
..
.
Ax
e = kAi x = (kAi ) x
. ..
.
. .
Am Am x
como Ai x = bi , entonces
b1
.
..
Ax = kbi = eb
e
.
.
.
bm
Ejemplo 1.16
Resolver el siguiente sistema de ecuaciones
x1 − x2 = 4
x1 − 2x2 + x3 = 6
2x1 − 2x2 + 4x3 = 12
Solucion
Escribiendo en su forma matricial
1 −1 0 x1 4
1 −2 1 x2 = 6
2 −2 4 x3 12
2 −2 4 12
El sistema equivalente es
1 −1 0 x1 4 x1 − x2 = 4
0 −1 1 x2 = 2 → −x2 + x3 = 2
0 0 4 x3 8 4x3 = 4
Ejercicio 1.3
Determine el conjunto solución del sistema de ecuaciones del siguiente sistema de ecua-
ciones homogéneo
1 1 −1 x 0
2 1 2 y = 0
3 3 −3 z 0
Solucion
Formando la matriz aumentada y llevandola a su forma escalonada
1 1 −1 0 1 1 −1 0
2 1 2 0 → EAa = 0 −1 4 0
3 3 −4 0 0 0 0 0
x+y−z = 0
−y + 4z = 0
de donde
y = 4z
x = −3z
Ejercicio 1.4
Considere el sistema de ecuaciones
1 −1 1 x1 1
2 −1 2 x2 = 1
1 0 1 x3 0
Solucion
formando la matriz aumentada y llevandola a su forma escalonada
1 −1 1 1 1 −1 1 1 1 −1 1 1
f2 − 2f1
2 −1 2 1 0 1 0 −1 f3 − f2 0 1 0 −1
f3 − f1
1 0 1 0 0 1 0 −1 0 0 0 0
x1 − x2 + x3 = 1 (1.5)
x2 = −1 (1.6)
Ejemplo 1.17
Supongamos que tenemos el sistema de ecuaciones
1 0 0 x1 0
0 0 1 x2 = 2
0 0 0 x3 0
0 0 0 0
Definicion 1.11
Las variables del sistema de ecuaciones que no son básicas son llamadas variables libres.
Ejemplo 1.18
En el sistema anterior dado que x1 y x3 son las variables básicas entonces la variable x2
es la variable libre.
Nota
respecto a las variables se cumple
Eliminación gaussiana
Factorizacion LU
Eliminación gaussiana
El método de eliminación Gaussiana, es uno de los metodos mas utilizados para resolver
sistemas de ecuaciones matriciales y esta basado en operaciones elementales.
Procedimiento
Ejemplo 1.19
Resolver el sistema
3 1 −6 17
x1 = −1, x2 = 8, x3 = −2
−2
Nota
Cuando se resuelve un sistema de ecuaciones, frecuentemente el sistema equivalente a
resolver no está en su forma escalonada, pues el pivote no siempre es uno.
Ejercicio 1.5
Determine el conjunto solución del sistema de ecuaciones
x1
1 2 1 −1 4
x2
= 3
2 3 2 1
x3
3 5 3 0 7
x4
Solucion
Formando la matriz aumenta y llevandola a su forma escalonada
1 2 1 −1 4 1 2 1 −1 4
2 3 2 1 3 → EAa = 0 −1 0 3 −5
3 5 3 0 7 0 0 0 0 0
x1 + 2x2 + x3 − x4 = 4
−x2 + 3x4 = −5
x2 = 5 + 3x4
x1 = −6 − x3 − 5x4
Ahora que conocemos una técnica para resolver un sistema, vamos a pasar a determinar
cuando un sistema es consistente y cuando no lo es.
Sabemos hasta el momento que el sistema homogéneo siempre es consistente, pero no
hemos dicho nada acerca de su número de soluciones.
De acuerdo a la proposición (1.3) el rango de una matriz es igual al número de filas no
nulas de su forma escalonada, esta proposición nos da una herramienta muy útil para
hallar el rango de una matriz, y es de mucha importancia para determinar si un sistema
es consistente o no lo es.
Proposicion 1.6
Dado el sistema de m ecuaciones lineales con n incógnitas
a11 x1 + a12 x2 + · · · a1n xn = b1
a21 x1 + a22 x2 + · · · a2n xn = b2
..
.
am1 x1 + am2 x2 + · · · amn xn = bm
Ax = b
entonces
1. Si el rango de A es igual al rango de Aa , entonces, el sistema es consistente, esto
es
R (A) = R (Aa )
si además,
a)
R (A) = R (Aa ) = n
x − y = −1
x−y = 0
Notar que este caso corresponde a tratar de hallar la intersección de 2 rectas, las cuales
son paralelas
Ejemplo 1.21
Sea el sistema de ecuaciones
x+y = 1
x−y = 0
R(A) = R (Aa )
Debemos notar que este caso corresponde a tratar de hallar la intersección de 2 rectas,
las cuales que se intersectan en un único punto
Ejemplo 1.22
Sea el sistema de ecuaciones
x − y = −1
2x − 2y = −2
R(A) = R (Aa ) = 1
notar que este caso corresponde a tratar de hallar la intersección de 2 rectas, las cuales
son rectas coincidentes. x − y = −1
Ahora lo que nos queda por tratar es como expresar las soluciones cuando un sistema
tiene infinitas soluciones.
Proposicion 1.7
Si Ax = b es un sistema consistente de m ecuaciones con n incógnitas, entonces, el
número de variables libres es igual al número de variables menos el rango de la matriz A
(o Aa ), esto es,
# variables libres = n − R (A)
Prueba. Sea r = R(A), como el rango es igual al número de filas no nulas de la forma
escalonada e igual al número de pivotes de la matriz aumentada de A, entonces r es igual
al número de variables básicas, de donde
n = # variables libres + r
de donde
# variables libres = n − R (A)
Ejemplo 1.23
Determine la solución del siguiente sistema
x1 + 3x2 − 2x3 =3
2x1 + 6x2 − 2x3 + 4x4 = 18
x2 + x3 + 3x4 = 10
Solucion
Llevandolo a su forma matricial tenemos
x1
1 3 −2 0 3
x2
2 6 −2 4 = 18
x3
0 1 1 3 10
x4
0 1 1 3 10
0 0 1 2 6
# variables libres = 4 − 3 = 1
x1 x2 x3 x4
1 0 0 1 3
0 1 0 1 4
0 0 1 2 6
x1 + x4 = 3
x2 + x4 = 4
x3 + 2x4 = 6
Procedemos a despejar las variables básicas en términos de las variables libres, entonces
de la tercera ecuación
x3 + 2x4 = 6 → x3 = 6 − 2x4
x2 + x4 = 4 → x2 = 4 − x4
x1 + x4 = 3 → x1 = 3 − x4
Nota
Las variables libres toman todos los valores, por eso su denominación de variable libre.
Ejercicio 1.6
Determine para que valor o valores de a el sistema de ecuaciones
2 1 1 x1 1
a a 1 x2 = 2
1 1 1 x3 1
no tiene solución.
Solucion
Formando la matriz aumentada y llevandola a su forma escalonada
2 1 1 1 1 1 1 1
a a 1 2 → EAa = 0 −1 −1 −1
1 1 1 1 0 0 1−a 2−a
Para que no tenga solución el rango de A y de la aumentada deben ser diferentes, luego
Si a = 1, entonces la matriz escalonada es
1 1 1 1
0 −1 −1 −1
0 0 0 1
Ejercicio 1.7
Determine para que valores de λ el sistema de ecuaciones lineales
λ 1 1 x1 0
1 λ 1 x2 = 0
1 1 1 x3 0
tiene
a) Solución única
b) Infinitas soluciones
Solucion
Dado que es un sistema homogéneo y la matriz de coeficientes es cuadrada, se establece
que
a) Para que tenga solución única se debe cumplir que el determinante debe ser diferente
de cero.
Hallando la determinante
λ 1 1
det 1 λ 1 = λ2 − 2λ + 1
1 1 1
λ2 − 2λ + 1 ̸= 0
(λ − 1)2 ̸= 0
esto es λ ̸= 1
b) Para que tenga infinitas soluciones la determinante debe ser igual a cero, esto es λ = 1
1.4.1. Factorización LU
Antes de pasar al proceso de factorización primero debemos establecer lo siguiente
Problema 1.2
Sea A y B dos matrices triangulares inferiores (superiores) cuadradas del mismo orden.
Probar que
Una matriz A puede ser llevado a una matriz triangular superior U mediante el siguiente
proceso.
Consideraciones
Procedimiento
Si r = m
para i = 1 · · · r − 1
para j = i + 1 · · · m hacer
aj,i
mij = , fj → fj − mij fi
aii
Si r = n
para i = 1 · · · r
para j = i + 1 · · · m hacer
aj,i
mij = , fj → fj − mij fi
aii
luego hemos llevado la matrices A hacia una matriz triangular superior mediante un
número finito de operaciones elementales, esto es
Em Em−1 · · · E1 A = U
−1 7 8
Solucion
llevando la matriz A a su forma triangular superior
1 −1 1 1 −1 1 1 −1 1
f2 − 2f1
2 0 4 0 2 2 f3 − 3f2 0 2 2
f3 + f1
−1 7 8 0 6 9 0 0 3
De la factorización tenemos que L = E1−1 E2−1 E3−1 , esto es L = E1−1 E2−1 E3−1 I3
Lo cual equivale a aplicar las operaciones elementales asociadas a E3−1 , E2−1 y E1−1 a la
matriz identidad I3 , esto es
1 0 0 1 0 0 1 0 0
f3 − f1
0 1 0 f3 + 3f2 0 1 0 2 1 0
f2 + 2f1
0 0 1 0 3 1 −1 3 1
de donde tenemos
1 0 0
L = 2 1 0
−1 3 1
1 −1 1
U = 0 2 2
0 0 3
Nota
Deberá notar que la matriz L es una matriz triangular inferior con unos en la diagonal y
que lij = mij para i = 1, n − 1 donde i < j
Ejemplo 1.25
Hallar la descomposición LU de la matriz
2 4 3
1 3 0
A=
−2 −6 2
3 3 5
Solucion
Paso 1.Hacemos que los elementos debajo de la diagonal de la primera columna sean
iguales a cero (Ei denota la matriz elemental asociada a la operación elemental)
1
f2 → f2 − f1 (E1 )
2
−2
f3 → f3 − f1 = f3 + f1 (E2 )
2
3
f4 → f4 − f1 (E3 )
2
−2
f3 → f3 − f2 = f3 − (−2) f2 (E4 )
1
−3
f3 → f3 − f2 = f3 − (−3) f2 (E5 )
1
Paso 3. Por último hacemos que los elementos de la tercera columna debajo de la diagonal
de A(2) sean iguales a cero
−4
f4 → f4 − f3 = f4 − (−2) f3
2
tenemos que
2 4 3
1 − 23
(2)
0 = A(3) = U
E6 A = E6 E5 E4 E3 E2 E1 A =
0 0 2
0 0 0
finalmente la matriz L es
0 10 0
1
2 1 0 0
L=
−1 −2
1 0
3
2
−3 −2 1
Compruebe que A = LU
1.4.2. Factorizacion P A = LU
Supongamos que durante la factorización LU de la matriz A es necesario intercambiar
filas, En este caso, podemos primero intercambiar todas las filas necesarias antes de hacer
cualquier otra operación elemental por filas, dado que el intercambio de filas puede ser
hecho en cualquier momento, antes o despues de otra operación, con el mismo efecto
sobre la solución. Ası́ no se necesitan mas intercambios de filas durante el proceso de
factorización y lo que conseguimos es la factorización LU de la matriz P A.
Ejemplo 1.26
Hallar la factorizacion LU de la matriz
0 1 2
A= 0 1 0
1 0 0
1 0 0
entonces
1 0 0
PA = 0 1 0
0 1 2
y ahora para factorizar la matriz P A usamos el procedimento anterior y obtenemos
1 0 0 1 0 0
LU = 0 1 0 0 1 0
0 1 1 0 0 2
Lc = b
Ux = c
Ejemplo 1.27
Resolver el sistema de ecuaciones
x−y = 2
−x + 2y − z = 1
−y + 2z = 1
Solucion
Expresando en su forma matricial Ax = b
1 −1 0 x 2
−1 2 −1 y = 1
0 −1 2 z 1
donde
1 −1 0 2
A = −1 2 −1 , b= 1
0 −1 2 1
Ahora procedemos a factorizar la matriz A
1 0 0 1 −1 0
A = LU = −1 1 0 0 1 −1
0 −1 1 0 0 1
0 −1 1 c3 1
De donde
2
c= 3
4
Finalmente resolvemos los sistemas U x = c
1 −1 0 2
0 1 −1 x = 3
0 0 1 4
determine
Solucion
Hallando su determinante
Reemplazando x = 3,
1 3 1 2 1 3 1 2
2 −1 8 5 o.e 0 −7 6 1
A=
3 16 −3 5 ↷
0 0 25 17
4 2 9 7 0 0 0 0
De donde R(A) = 3
Reemplazando x = −13
1 −13 1 2 1 −13 1 2
2 −1 −8 5 o.e 0 25 −10 1
A=
3 −16 −3 5
↷ 0
0 80 −48
4 −14 −7 7 0 0 0 0
De donde R(A) = 3
0 −1 2 x3 4
0 −1 2 0 −1 2 0 0 1
de donde
1 0 0 1 −1 0
L = −1 1 0 , U = 0 1 −1
0 −1 1 0 0 1
Resolviendo el sistema
1 0 0 y1 2
−1 1 0 y2 = −3
0 −1 1 y3 4
Tenemos
y1 2
y2 = −1
y3 3
Luego resolvemos el sistema
1 −1 0 x1 2
0 1 −1 x2 = −1
0 0 1 x3 3
De donde
x1 4
x2 = 2
x3 3
Problema 1.5
Considere el sistema matricial por bloques
" #" # " #
A C x r
=
D B y s
Solucion " #
A C
Para que el problema este bien determinado y considerando que es una matriz
D B
por bloques, entonces
C es de orden m × n y el orden de D es n × m
Del sistema de ecuaciones, tenemos
" #
h i x
A C = r,
y
Problema 1.6
Considere el sistema de ecuaciones por bloques
" #" # " #
A C x r
=
0 B y s
Solucion
Reescribiendo el sistema de ecuaciones, tenemos
Ax + Cy = r
By = s
Como las matrices A y B son cuadradas y de rango máximo, entonces A y B son invert-
ibles, luego
y = B −1 s
Ax = r − Cy = r − B −1 s
de donde
x = A−1 r − A−1 B −1 s
Problema 1.7
Dado el sistema de ecuaciones
x1 + ax2 + a2 x3 = 1
bx1 + ax2 + a2 x3 = ab
x1 + ax2 + abx3 = a
b) Resolver utilizando el método LU, en caso de que el problema tenga solución única.
Solucion
a) El sistema matricial viene dado por
1 a a2 x1 1
b a a2 x2 = ab
1 a ab x3 a
De donde
1 0 0 1 a a2
L= b 1 0 U = 0 a − ab a2 − a2 b
1 0 1 0 0 ab − a2
1 0 1 y3 a
de donde
y1 = 1
by1 + y2 = ab → y2 = ab − b
y1 + y3 = a → y3 = a − 1
0 0 ab − a2 x3 a−1
det (U ) ̸= −a2 (a − b) (1 − b)
a−1
ab − a2 x3 = a − 1 → x3 =
ab − a2
(a − b2 ) (a − 1)
(a − ab) x2 + a2 − a2 b x3 = ab − b → x2 =
a (a − b) (1 − b)
ab − 1
x1 + ax2 + a2 x3 = 1 → x1 =
b−1
ab − 1
b−1
x1
2
(a − b ) (a − 1)
x2 =
a (a − b) (1 − b)
x3
a−1
ab − a2
Problema 1.8
El sistema mostrado en la figura consiste de n resortes lineales unidos que soportan
n masas. Las rigideces de los muelles son denotados como ki , los pesos de las masas
son Wi y xi son los desplazamientos de las masas (medidos desde las posiciones donde
los resortes están sin deformación). La denominada formulación de desplazamiento se
obtiene mediante la ecuación de equilibrio de cada masa y sustituyendo
Fi = ki (xi+1 − xi )
(k1 + k2 ) x1 − k2 x2 = W1
−ki xi−1 + (ki + ki+1 ) xi − ki+1 xi+1 = Wi para i = 2, 3, . . . , n − 1
−kn xn−1 + kn xn = Wn
N N
k1 = k2 = k3 = 10 , k4 = k5 = 5
mm mm
W1 = W3 = W5 = 100N, W2 = W4 = 50N
Solucion
Determinando el sistema de ecuaciones
Problema 1.9
Sea el sistema de ecuaciones dado por
2x + y + 7z = b1
6x − 2y + 11z = b2
2x − y + 3z = b3
Si Ri = i y Ei = i
Solucion
De la ley de Kirchhoff ’s
En los nodos
1 : I1 = I2 + I5
2 : I4 = I1 + I3
3 : I3 + I5 + I6 = 0
4 : I2 = I4 + I6
En los bucles
A : I1 R1 + I5 R5 − I3 R3 = E1 − E3
B : I2 R2 + I6 R6 − I5 R5 = E2
C : I4 R4 + I3 R3 − I6 R6 = E4 + E3
I1 − I2 − I5 = 0
I1 + I3 − I4 = 0
I3 + I5 + I6 = 0
I2 − I4 − I6 = 0
I1 + 5I5 − 3I3 = −2
2I2 + 6I6 − 5I5 = 2
4I4 + 3I3 − 6I6 = 7
Su matriz aumentada es
1 −1 0 0 −1 0 0
1 0 1 −1 0 0 0
0 0 1 0 1 1 0
0 1 0 −1 0 −1 0
1 0 −3 0 5 0 −2
0 2 0 0 −5 6 2
0 0 3 4 0 −6 7
383
575
I1 533
I2 575
261
I3 575
=
28
I4
25
I5
6
−
I6 23
111
−
575
Problema 1.11
La figura muestra el flujo de tránsito determinado por el número de vehı́culos por hora,
además se considera que el tránsito es un solo sentido.
Solucion
a) Se considera que el número de vehı́culos que ingresa en el nodo es igual al número de
vehı́culos que salen.
A : x1 + x5 = 80
B : 100 + x1 = x4
C : x3 = x2 + 90
D : x4 + x5 = 90 + x3
De donde obtenemos
x1 80 − x5
x2 0
x3 =
90 ,
x5 ∈ R
x4 180 − x5
x5 x5
80 − x5 ≥ 0 → x5 ≤ 80
180 − x5 ≥ 0 → x5 ≤ 180
por lo tanto
0 ≤ x1 ≤ 80
x2 = 0
x3 = 90
100 ≤ x4 ≤ 180
0 ≤ x5 ≤ 80