Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Código:
Cédula:
Fecha:
Materia:
Solució n T aller
2.
a)
3 7 x1 1
( )( ) = ( )
6 1 x2 −11
Sustraemos → 2 ∗ ε1 a ε2
3 7 x1 1
( )( ) = ( )
0 −13 x2 −13
De aquí,
−13x2 = −13 → x2 = 1
Reemplazando,
Luego,
1 0
L = ( )
2 1
3 7
U = ( )
0 −13
Donde,
A = LU
3 7 1 0 3 7
→ ( ) = ( )( )
6 1 2 1 0 −13
3 7 3 7
→ ( ) = ( )
6 1 6 1
3 7 −2 1
( )( ) = ( )
6 1 1 −11
3(−2) + 7(1) 1
→ ( ) = ( )
6(−2) + 1(1) −11
−6 + 7 1
→ ( ) = ( )
−12 + 1 −11
b)
3 1 2 x1 0
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜6 3 4 ⎟ ⎜ x2 ⎟ = ⎜1⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
3 1 5 x3 3
6 3 4 x1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜3 1 2 ⎟ ⎜ x2 ⎟ = ⎜0⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
3 1 5 x3 3
Sustraemos → 1/2 ∗ ε1 a ε2
Sustraemos → 1/2 ∗ ε1 a ε3
6 3 4 x1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 −1/2 0 ⎟ ⎜ x2 ⎟ = ⎜ −1/2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 −1/2 3 x3 5/2
Sustraemos → ε2 a ε3
6 3 4 x1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 −1/2 0 ⎟ ⎜ x2 ⎟ = ⎜ −1/2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 3 x3 3
De aquí,
3x3 = 3 → x3 = 1
Reemplazando,
Reemplazando,
Luego,
1 0 0
⎛ ⎞
L = ⎜ 1/2 1 0⎟
⎝ ⎠
1/2 1 1
6 3 4
⎛ ⎞
U = ⎜0 −1/2 0⎟
⎝ ⎠
0 0 3
Donde,
A = LU
6 3 4 1 0 0 6 3 4
⎛ ⎞ ⎛ ⎞⎛ ⎞
6 3 4 6 3 4
⎛ ⎞ ⎛ ⎞
→ ⎜3 1 2⎟ = ⎜3 1 2⎟
⎝ ⎠ ⎝ ⎠
3 1 5 3 1 5
6 3 4 −1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜3 1 2⎟⎜ 1 ⎟ = ⎜0⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
3 1 5 1 3
⎝ ⎠ ⎝ ⎠
3(−1) + 1(1) + 5(1) 3
−6 + 7 1
⎛ ⎞ ⎛ ⎞
→ ⎜ −3 + 3 ⎟ = ⎜ 0 ⎟
⎝ ⎠ ⎝ ⎠
−3 + 6 3
c)
4 2 0 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜4 4 2 ⎟ ⎜ x2 ⎟ = ⎜ 4 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
2 2 3 x3 6
2 2 3 x1 6
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜4 2 0 ⎟ ⎜ x2 ⎟ = ⎜ 2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
4 4 2 x3 4
Sustraemos → 2 ∗ ε1 a ε2
Sustraemos → 2 ∗ ε1 a ε3
2 2 3 x1 6
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 −2 −6 ⎟ ⎜ x2 ⎟ = ⎜ −10 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 −4 x3 −8
De aquí,
−4x3 = −8 → x3 = 2
Reemplazando,
Reemplazando,
Luego,
1 0 0
⎛ ⎞
L = ⎜2 1 0⎟
⎝ ⎠
2 0 1
2 2 3
⎛ ⎞
U = ⎜0 −2 −6 ⎟
⎝ ⎠
0 0 −4
Donde,
A = LU
2 2 3 1 0 0 2 2 3
⎛ ⎞ ⎛ ⎞⎛ ⎞
→ ⎜4 2 0⎟ = ⎜2 1 0⎟⎜0 −2 −6 ⎟
⎝ ⎠ ⎝ ⎠⎝ ⎠
4 4 2 2 0 1 0 0 −4
2 2 3 2 2 3
⎛ ⎞ ⎛ ⎞
→ ⎜4 2 0⎟ = ⎜4 2 0⎟
⎝ ⎠ ⎝ ⎠
4 4 2 4 4 2
2 2 3 1 6
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜4 2 0 ⎟ ⎜ −1 ⎟ = ⎜ 2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
4 4 2 2 4
⎝ ⎠ ⎝ ⎠
4(1) + 4(−1) + 2(2) 4
−2 + 8 6
⎛ ⎞ ⎛ ⎞
→ ⎜ −2 + 4 ⎟ = ⎜ 2 ⎟
⎝ ⎠ ⎝ ⎠
−4 + 8 4
d)
−1 0 1 x1 −2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 ⎟ ⎜ x2 ⎟ = ⎜ 17 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 2 0 x3 3
Realizamos (−1) ∗ ε1
1 0 −1 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 ⎟ ⎜ x2 ⎟ = ⎜ 17 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 2 0 x3 3
Sustraemos → ε1 a ε2
Sustraemos → ε1 a ε3
1 0 −1 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 1 2 ⎟ ⎜ x2 ⎟ = ⎜ 15 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 2 −1 x3 −5
Sustraemos → 2 ∗ ε2 a ε3
1 0 −1 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 1 2 ⎟ ⎜ x2 ⎟ = ⎜ 15 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 −5 x3 −25
De aquí,
−5x3 = −25 → x3 = 5
Reemplazando,
x2 + 2(5) = 15 → x2 = 5
Reemplazando,
x1 + (0)(5) + (−1)(5) = 2 → x1 = 7
Luego,
1 0 0
⎛ ⎞
L = ⎜ 1 1 0⎟
⎝ ⎠
−1 2 1
1 0 −1
⎛ ⎞
U = ⎜0 1 2 ⎟
⎝ ⎠
0 0 −5
Donde,
A = LU
1 0 −1 1 0 0 1 0 −1
⎛ ⎞ ⎛ ⎞⎛ ⎞
→ ⎜ 1 1 1 ⎟ = ⎜ 1 1 0⎟⎜0 1 2 ⎟
⎝ ⎠ ⎝ ⎠⎝ ⎠
−1 2 0 −1 2 1 0 0 −5
1 0 −1 1 0 −1
⎛ ⎞ ⎛ ⎞
→ ⎜ 1 1 1 ⎟ = ⎜ 1 1 1 ⎟
⎝ ⎠ ⎝ ⎠
−1 2 0 −1 2 0
1 0 −1 7 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 ⎟ ⎜ 5 ⎟ = ⎜ 17 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 2 0 5 3
1(7) + (0)(5) + (−1)(5) 2
⎛ ⎞ ⎛ ⎞
⎝ ⎠ ⎝ ⎠
(−1)(7) + 2(5) + (0)(5) 3
−5 + 7 2
⎛ ⎞ ⎛ ⎞
→ ⎜ 7 + 10 ⎟ = ⎜ 17 ⎟
⎝ ⎠ ⎝ ⎠
−7 + 10 3
6.
Solución
a)
1 2 −2 1
−1
A = ( ) → A = ( )
3 4 3/2 −1/2
Donde,
= M áx{3, 7}
= 7
= M áx{3, 2}
= 3
Además,
−1
K(A) = ||A| | || A ||
∞ ∞
= (7)(3)
= 21
b)
1 2.01
A = ( )
3 4
−4/2.03 2.01/2.03
−1
→ A = ( )
3/2.03 −1/2.03
Donde,
= M áx{3.01, 7}
= 7
−1
|| A || = M áx{| − 4/2.03| + |2.01/2.03|, |3/2.03| + | − 1/2.03|}
∞
= M áx{6.01/2.03, 4/2.03}
= 6.01/2.03
= 601/203
Además,
−1
K(A) = ||A| | || A ||
∞ ∞
= (7)(601/203)
= 601/29
c)
6 3
A = ( ) → |A| = 6 ∗ 2 − 4 ∗ 3 = 0
4 2
8.
Encontrar los errores relativos hacia adelante y hacia atrás, y el factor de magnificación del error
para los siguientes soluciones.
x 1 + 2x 2 = 3 . . . E c.1
{
2x 1 + 4.01x 2 = 6.01 . . . E c.2
Solución
Resolviendo el sistema,
2 ∗ (E cu.1) → 2x 1 + 4x 2 = 6 . . . E c.3
Ahora,
x 1 + 2(1) = 3 → x 1 = 1
Para x1 :
Para x2 :
Para x1 :
Para x2 :
a)[−10, 6]
b)[−100, 52]
c)[−600, 301]
d)[−599, 301]
import numpy as np
# Calculamos la inversa de A
A_inv = np.linalg.pinv(A)
print("Intervalo:", interval)
print("Solución exacta:", x_exact)
print("Solución aproximada:", x_aprox)
print("Error relativo hacia adelante:", error_adelante)
print("Error relativo hacia atrás:", error_atras)
print("Factor de magnificación del error:", FME)
print()
Intervalo: [-10, 6]
Solución exacta: [1. 1.]
Solución aproximada: [-9.4412831 4.72273159]
Error relativo hacia adelante: 7.838339213105226
Error relativo hacia atrás: 0.9923227785357275
Factor de magnificación del error: 7.898981442985202
Solución
1 2 −1
400 −200
A = ( ) → A = ( )
2 4.01 −200 100
Donde,
También,
−1 −1
|| A || = M áx{Σ| A j|} = M áx{|400| + | − 200|, | − 200| + |100|}
i
−1
→ || A || = M áx{600, 300.} = 600
cond(A) = (6.01)(600)
cond(A) = 3606
import numpy as np
# Calculamos la norma de A
norm_A = np.linalg.norm(A, ord=1)
# Calculamos la inversa de A
A_inv = np.linalg.inv(A)
9.
a)
1 1 x1 2
( )( ) = ( )
1 + δ 1 x2 2 + δ
Solución
Sean,
1 1 −1/δ 1/δ
−1
A = ( ) → A = ( )
1 + δ 1 (1 + δ)/δ −1/δ
Tenemos que,
→ ||A|| = M áx{2, 2 + δ} = 2 + δ
−1
→ || A || = M áx{2/δ, (2 + δ)/δ} = (2 + δ)/δ
→= (2 + δ)((2 + δ)/δ)
2
→= (2 + δ) /δ ;δ > 0
b)
1 1 x1 2 x1 1
( )( ) = ( ) → ( ) = ( )
1 + δ 1 x2 2 + δ x2 1
1 1 1 2
r = ( )( ) − ( )
1 + δ 1 1 2 + δ
2 2
→ r = ( ) − ( )
2 + δ 2 + δ
0
→ r = ( )
0
e = xa − xe
−1 1
→ e = ( ) − ( )
3 + δ 1
−2
→ e = ( )
2 + δ
El factor de magnificación del error se define como el cociente entre las normas de los vectores de
residuos y errores:
Donde,
2 2 1/2 2 1/2
||e|| = ((−2) + (2 + δ) ) = (δ + 4δ + 8)
2 2 1/2
||r|| = (0 + 0 ) = 0
2 1/2
→ Factor de magnificaci ón = (0)/((δ + 4δ + 8) )
→ Factor de magnificaci ón = 0
El factor de magnificación del error es cero, lo que significa que cualquier pequeña perturbación en
los datos de entrada no afectará significativamente la solución aproximada.
10.
M AT LAB
16.
19x 1 + 20x 2 = b 1
{
20x 1 + 21x 2 = b 2
b) ¿Está el sistema bien condicionado con respecto a las perturbaciones de las constantes del lado
derecho {b1 , b2 }?
Solución
a)
19 20
A = ( )
20 21
Primero necesitamos encontrar sus valores singulares, y luego tomamos el cociente entre el valor
singular máximo y el mínimo para obtener el número de condición.
19 20 T
19 20
A = ( ) → A = ( )
20 21 20 21
Luego,
T
761 800
AA = ( )
800 841
Los valores singulares son las raíces cuadradas de los valores propios de la matriz AAT , entonces
calculamos los valores propios de AAT ,
1/2
λ1 = 801 + 40(401)
T
valores propios de AA → {
1/2
λ2 = 801 − 40(401)
σ 1 ≈ 40.02498439450079
→ {
σ 2 ≈ 0.024984394498807884
El número de condición se calcula como el cociente entre el valor singular máximo y el mínimo,
cond(A) ≈ σ 1 /σ 2
≈ 40.02498439450079/0.024984394498807884
≈ 1601.9993759068511
Un número de condición cercano a 1 indica que el sistema es bien condicionado, mientras que un
número de condición mucho mayor que 1 indica que el sistema es mal condicionado y puede sufrir
de problemas de precisión numérica al resolverlo. En este caso el número de condición es grande y
por tanto tenemos que el sistema no es estable al resolverlo numéricamente.
b)
19 20 19 20
T
Aext = ( ) → A = ( )
ext
20 21 20 21
19x 1 + 20x 2 = b 1 + δb 1
{
20x 1 + 21x 2 = b 2 + δb 2
Para calcular el número de condición con respecto a las perturbaciones en el lado derecho,
denotado por cond(Ab ), se realiza el siguiente cálculo,
−1
cond(Ab ) = || Aext |||| A ||
ext
La norma utilizada es la norma 2 (la norma de valor singular máximo), podemos tomar los valores
singulares de Aext y encontrar su norma 2.
Los valores singulares de Aext son los mismos que los de la matriz original A, que calculamos
anteriormente,
σ 1 ≈ 40.02498439450079
→ {
σ 2 ≈ 0.024984394498807884
Ahora necesitamos calcular la norma 2 de la inversa de Aext , que es el recíproco del valor singular
mínimo. El valor singular mínimo es σ2 ≈ 0.024984394498807884 , por lo que la norma 2 de la
inversa es aproximadamente 1/σ2 ≈ 40.024984397669290096 .
Finalmente, podemos calcular el número de condición con respecto a las perturbaciones en el lado
derecho,
−1
cond(Ab ) = || Aext |||| A ||
ext
≈ (40.02498439450079)(40.024984397669290096)
≈ 1601.9993759068511
17.
1 c
A = [ ] , |c| ≠ 1
c 1
Solución
a)
Se utiliza la norma 2 (norma de valores singulares) para obtener el número de, condición
1 c T
1 c
A = [ ] → A = [ ]
c 1 c 1
2
1 + c 2c λ 0
→ det([ ] − [ ]) = 0
2
2c 1 + c 0 λ
2
1 + c − λ 2c
→ det([ ] = 0
2
2c 1 + c − λ
2 2 2
→ (1 + c − λ) − (2c) = 0
2 2
→ (1 + c − λ − 2c)(1 + c − λ + 2c) = 0
De aquí,
2 2
1 + c − λ1 − 2c = 0 → λ1 = c − 2c + 1
2 2
1 + c − λ2 + 2c = 0 → λ2 = c + 2c + 1
Ahora calculamos el número de condición cond(A) como la raíz cuadrada del valor propio más
grande en términos de su magnitud absoluta,
1/2
cond(A) = (M áx{| λ1 |, | λ2 |})
2 2 1/2
= (M áx{| c − 2c + 1|, | c + 2c + 1|})
b)
Una matriz se vuelve mal condicionada cuando su número de condición es grande, lo que indica
una alta sensibilidad a pequeñas perturbaciones en los datos y puede llevar a errores numéricos
considerables. Es importante tener en cuenta el número de condición al trabajar con matrices en
cálculos numéricos y algoritmos para asegurar la estabilidad y precisión de los resultados
obtenidos.
c)
Cuando una matriz A es mal condicionada presenta inestabilidad númerica, soluciones no únicas,
ampliación de errores, problemas de estabilidad, entre otros. Todos estos pequeños cambios en los
datos o en los términos independientes del sistema lineal Ax = b pueden resultar en grandes
cambios en la solución del sistema. Esto implica que el sistema lineal se vuelve altamente sensible
a perturbaciones en la matriz A o en el vector b .
d)
Si el número de condición (cond(A)) de una matriz A es grande, esto indica que la matriz es
mal condicionada y tiene valores singulares muy diferentes en magnitud.
Si el número de condición (cond(A)) de una matriz A es grande, esto indica que la matriz es
mal condicionada y tiene valores singulares muy diferentes en magnitud.
En este caso, el determinante de la matriz (det(A)) también tiende a ser grande, debido a la
presencia de valores singulares de magnitudes significativamente diferentes.
∗ Un determinante grande puede hacer que el sistema lineal Ax = b tenga soluciones muy
grandes o muy pequeñas, lo que puede llevar a problemas de precisión numérica y estabilidad
en los cálculos.
Un determinante grande puede hacer que el sistema lineal Ax = b tenga soluciones muy
grandes o muy pequeñas, lo que puede llevar a problemas de precisión numérica y estabilidad
en los cálculos.
En este caso, el determinante de la matriz (det(A)) también tiende a ser cercano a 1, debido
a la similitud en magnitud de los valores singulares.
Por tanto, la condición de una matriz se basa en la relación entre los valores singulares, mientras
que el determinante depende de los valores propios de la matriz. Dos matrices diferentes pueden
tener el mismo determinante pero distintos números de condición.
18.
Ahora, observemos que la norma de matriz de una matriz A siempre es mayor o igual a cero, es
decir, ||A|| ≥ 0.
Además, consideremos la matriz identidad I del mismo tamaño que A, donde ||I || = 1.
Luego, como cualquier matriz multiplicada por su inversa da como resultado la matriz identidad, es
decir, I = A ⋅ A
−1
.
−1
→ ||I || ≤ ||A|| ⋅ || A ||
−1
→ 1 ≤ ||A|| ⋅ || A ||
23.
Resuelva el sistema
Solución
Se resuelve el sistema de ecuaciones sin realizar el pivoteo parcial,
Por:
Sustituci n ó
Despejamos a x1 de la E cu.1,
Reemplazamos en E cu.2
Despejamos a x1 de la E cu.2,
Reemplazamos en E cu.3
x 2 = −2.356983928355609
x 3 = −0.6460782160055301
→ x 1 = 0.8147576896693574
Se resuelve el sistema de ecuaciones por medio de un mpetod que implique el pivoteo parcial,
Por:
Realizamos → 1/0.2641 ∗ ε1 a ε1
Sustraemos → 0.9411 ∗ ε1 a ε2
Sustraemos → 0.8641 ∗ ε1 a ε3
Realizamos → −1/0.6007538811056419 ∗ ε2 a ε2
⎜ 0 1 4.882548747597837 −5.511492312763655 ⎟
⎜ ⎟
⎝ 0 0.143368875425975 2.8986472169632718 −1.4204945031706344 ⎠
Sustraemos → 0.143368875425975 ∗ ε2 a ε3
⎜ 0 1 4.882548747597837 −5.511492312763655 ⎟
⎜ ⎟
⎝ 0 0 2.198641693807667 −1.4204945031706344 ⎠
Realizamos → 1/2.198641693807667 ∗ ε3 a ε3
⎜ 0 1 4.882548747597837 5.511492312763655 ⎟
⎜ ⎟
⎝ 0 0 1 −0.6460782160055301 ⎠
Sustraemos → 4.882548747597837 ∗ ε3 a ε2
⎜ 0 1 0 −2.356983928355609 ⎟
⎜ ⎟
⎝ 0 0 1 −0.6460782160055301 ⎠
Sustraemos → 3.2722453616054525 ∗ ε3 a ε1
⎛ 1 0.6569481257099583 0 −0.7336584843923547 ⎞
⎜ 0 1 0 −2.356983928355609 ⎟
⎜ ⎟
⎝ 0 0 1 −0.6460782160055301 ⎠
Sustraemos → 0.65694812570995835 ∗ ε2 a ε1
⎛ 1 0 0 0.8147576896693574 ⎞
⎜ 0 1 0 −2.356983928355609 ⎟
⎜ ⎟
⎝ 0 0 1 −0.6460782160055301 ⎠
Obtnemos que,
x 1 = 0.8147576896693574
x 2 = −2.356983928355609
x 3 = −0.6460782160055301
26.
a)
3 7 x1 1
( )( ) = ( )
6 1 x2 −11
Sustraemos → 2 ∗ ε1 a ε2
3 7 x1 1
( )( ) = ( )
0 −13 x2 −13
De aquí,
−13x 2 = −13 → x2 = 1
Reemplazando,
3x 1 + 7(1) = 1 → 3x 1 = −6 → x 1 = −2
Luego,
1 0
L = ( )
2 1
3 7
U = ( )
0 −13
1 0
P = ( )
0 1
Donde,
P A = LU
1 0 3 7 1 0 3 7
→ ( )( ) = ( )( )
0 1 6 1 2 1 0 −13
3 7 3 7
→ ( ) = ( )
6 1 6 1
3(−2) + 7(1) 1
→ ( ) = ( )
6(−2) + 1(1) −11
−6 + 7 1
→ ( ) = ( )
−12 + 1 −11
b)
3 1 2 x1 0
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜6 3 4 ⎟ ⎜ x2 ⎟ = ⎜ 1 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
3 1 5 x3 3
6 3 4 x1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜3 1 2 ⎟ ⎜ x2 ⎟ = ⎜0 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
3 1 5 x3 3
Sustraemos → 1/2 ∗ ε1 a ε2
Sustraemos → 1/2 ∗ ε1 a ε3
6 3 4 x1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 −1/2 0 ⎟ ⎜ x 2 ⎟ = ⎜ −1/2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 −1/2 3 x3 5/2
Sustraemos → ε2 a ε3
6 3 4 x1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 −1/2 0 ⎟ ⎜ x 2 ⎟ = ⎜ −1/2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 3 x3 3
De aquí,
3x 3 = 3 → x3 = 1
Reemplazando,
Reemplazando,
6x 1 + 3(1) + 4(1) = 1 → 6x 1 = −6 → x 1 = −1
Luego,
⎛ ⎞
1 0 0
⎛ ⎞
L = ⎜ 1/2 1 0 ⎟
⎝ ⎠
1/2 1 1
6 3 4
⎛ ⎞
U = ⎜0 −1/2 0⎟
⎝ ⎠
0 0 3
0 1 0
⎛ ⎞
P = ⎜1 0 0⎟
⎝ ⎠
0 0 1
Donde,
P A = LU
0 1 0 3 1 2 1 0 0 6 3 4
⎛ ⎞⎛ ⎞ ⎛ ⎞⎛ ⎞
⎝ ⎠⎝ ⎠ ⎝ ⎠⎝ ⎠
0 0 1 3 1 5 1/2 1 1 0 0 3
6 3 4 6 3 4
⎛ ⎞ ⎛ ⎞
→ ⎜3 1 2 ⎟ = ⎜3 1 2⎟
⎝ ⎠ ⎝ ⎠
3 1 5 3 1 5
⎜3 1 2⎟⎜ 1 ⎟ = ⎜0 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
3 1 5 1 3
⎝ ⎠ ⎝ ⎠
3(−1) + 1(1) + 5(1) 3
−6 + 7 1
⎛ ⎞ ⎛ ⎞
→ ⎜ −3 + 3 ⎟ = ⎜ 0 ⎟
⎝ ⎠ ⎝ ⎠
−3 + 6 3
c)
4 2 0 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜4 4 2 ⎟ ⎜ x2 ⎟ = ⎜ 4 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
2 2 3 x3 6
⎜4 2 0 ⎟ ⎜ x2 ⎟ = ⎜2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
4 4 2 x3 4
Sustraemos → 2 ∗ ε1 a ε2
Sustraemos → 2 ∗ ε1 a ε3
2 2 3 x1 6
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 −2 −6 ⎟ ⎜ x 2 ⎟ = ⎜ −10 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 −4 x3 −8
De aquí,
−4x 3 = −8 → x3 = 2
Reemplazando,
Reemplazando,
2x 1 + 2(−1) + 3(2) = 6 → 2x 1 = 2 → x1 = 1
Luego,
1 0 0
⎛ ⎞
L = ⎜2 1 0⎟
⎝ ⎠
2 0 1
2 2 3
⎛ ⎞
U = ⎜0 −2 −6 ⎟
⎝ ⎠
0 0 −4
0 1 0
⎛ ⎞
P = ⎜0 0 1⎟
⎝ ⎠
1 0 0
Donde,
P A = LU
0 1 0 4 2 0 1 0 0 2 2 3
⎛ ⎞⎛ ⎞ ⎛ ⎞⎛ ⎞
→ ⎜0 0 1 ⎟⎜4 4 2 ⎟ = ⎜2 1 0 ⎟⎜0 −2 −6 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠⎝ ⎠
1 0 0 2 2 3 2 0 1 0 0 −4
2 2 3 2 2 3
⎛ ⎞ ⎛ ⎞
→ ⎜4 2 0 ⎟ = ⎜4 2 0⎟
⎝ ⎠ ⎝ ⎠
4 4 2 4 4 2
⎜4 2 0 ⎟ ⎜ −1 ⎟ = ⎜ 2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
4 4 2 2 4
⎝ ⎠ ⎝ ⎠
4(1) + 4(−1) + 2(2) 4
−2 + 8 6
⎛ ⎞ ⎛ ⎞
→ ⎜ −2 + 4 ⎟ = ⎜ 2 ⎟
⎝ ⎠ ⎝ ⎠
−4 + 8 4
d)
−1 0 1 x1 −2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 ⎟ ⎜ x 2 ⎟ = ⎜ 17 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 2 0 x3 3
Realizamos (−1) ∗ ε1
1 0 −1 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 ⎟ ⎜ x 2 ⎟ = ⎜ 17 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 2 0 x3 3
Sustraemos → ε1 a ε2
Sustraemos → ε1 a ε3
1 0 −1 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 1 2 ⎟ ⎜ x 2 ⎟ = ⎜ 15 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 2 −1 x3 −5
Sustraemos → 2 ∗ ε2 a ε3
1 0 −1 x1 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜0 1 2 ⎟ ⎜ x2 ⎟ = ⎜ 15 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 −5 x3 −25
De aquí,
−5x 3 = −25 → x3 = 5
Reemplazando,
x 2 + 2(5) = 15 → x2 = 5
Reemplazando,
x 1 + (0)(5) + (−1)(5) = 2 → x1 = 7
Luego,
1 0 0
⎛ ⎞
L = ⎜ 1 1 0⎟
⎝ ⎠
−1 2 1
1 0 −1
⎛ ⎞
U = ⎜0 1 2 ⎟
⎝ ⎠
0 0 −5
−1 0 0
⎛ ⎞
P = ⎜ 0 1 0⎟
⎝ ⎠
0 0 1
Donde,
P A = LU
−1 0 0 −1 0 1 1 0 0 1 0 −1
⎛ ⎞⎛ ⎞ ⎛ ⎞⎛ ⎞
→ ⎜ 0 1 0⎟⎜ 1 1 1⎟ = ⎜ 1 1 0 ⎟⎜0 1 2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠⎝ ⎠
0 0 1 −1 2 0 −1 2 1 0 0 −5
1 0 −1 1 0 −1
⎛ ⎞ ⎛ ⎞
→ ⎜ 1 1 1 ⎟ = ⎜ 1 1 1 ⎟
⎝ ⎠ ⎝ ⎠
−1 2 0 −1 2 0
1 0 −1 7 2
⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 ⎟ ⎜ 5 ⎟ = ⎜ 17 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 2 0 5 3
⎝ ⎠ ⎝ ⎠
Productos de pago
(−1)(7) + de Colab
2(5) - Cancelar contratos
+ (0)(5) 3
⎛ ⎞ ⎛ ⎞