INSTITUTO POLITÉCNICO NACIONAL
UNIDAD PROFESIONAL INTERDISCPLINARIA
DE BIOTECNOLOGÍA
Métodos Numéricos
TAREA NO.2 – GAUSS JORDAN/MATRIZ INVERSA
Segundo Parcial
Integrantes de Equipo:
• Cano Pérez Jeimy Melanie
• García Sánchez Sophia Denisse
• Jiménez Mondragón Leylani
• López Velasco Luis Ángel
• Salgado Soto Paulina
Grupo: 4MM1
Profesores:
José Ignacio Flores Núñez
José Alberto Zamora Justo
Fecha de entrega: 16/09/2024
Introducción
El uso de sistemas de ecuaciones lineales es fundamental en diversas áreas, ya
que permiten modelar situaciones donde varias relaciones lineales están
involucradas, este sistema consta de varias ecuaciones lineales que comparten un
conjunto común de incógnitas, el poder resolver este tipo de sistemas es crucial
para darle solución a problemas, ya sean de optimización, análisis estructural,
economía, física, entre otros. En el ámbito de los métodos numéricos, la resolución
de sistemas lineales se aborda mediante diversas técnicas que permiten obtener
soluciones exactas o aproximadas de manera eficiente.
Hay una diversidad de métodos para resolver sistemas de ecuaciones lineales, sin
embargo, se abordará el método de Gauss-Jordan y el método de la matriz inversa,
ambos procedimientos tienen aplicaciones significativas, tanto teóricas como
prácticas, los cuales serán aplicados con la ayuda de algoritmos los cuales
permitirán manejar sistemas de ecuaciones de gran tamaño.
Método de Gauss-Jordan
El método de Gauss-Jordan es una extensión del método de eliminación de Gauss
y comparte con ésta el proceso de eliminación hacia adelante, pero difiere en el
proceso hacia atrás, el cual recibe el nombre de eliminación hacia atrás. Se basa
en la aplicación de una serie de operaciones elementales a una matriz aumentada
para transformarla en su forma reducida por filas (matriz identidad). Una vez
lograda esta forma, la solución del sistema se obtiene directamente. Este método
es particularmente útil cuando se requiere una solución explícita y única para cada
variable del sistema.
En la eliminación de Gauss-Jordan, no es necesario separar las eliminaciones
hacia adelante y hacia atrás. Esto es posible ya que un pivote se puede usar para
eliminar a Ia vez no solo los coeficientes debajo de él sino también los de arriba. Si
se sigue este enfoque, la forma de los coeficientes es diagonal cuando se termina
Ia eliminación para el último pivote.
Matriz inversa
El método de la matriz inversa se basa en la propiedad de que, si una matriz
cuadrada A es invertible, entonces el sistema 𝐴 ∙ 𝐵 = 𝑋 tiene una solución única
dada por 𝑋 = 𝐴−1 ⋅ 𝐵. El cálculo de la matriz inversa se realiza a través de
diferentes técnicas, como la factorización LU o el propio método de Gauss-Jordan.
Uso del pivoteo
El pivoteo se usa para cambiar el orden secuencial de las ecuaciones con dos
propósitos: primero, para evitar que los coeficientes de Ia diagonal se anulen, y
segundo, para hacer que cada coeficiente de la diagonal tenga magnitud mayor que
cualquiera de los coeficientes por debajo de él. Las ecuaciones no se afectan
matemáticamente por cambios en el orden secuencial, pero el cambio de orden
hace posible el cálculo cuando el coeficiente de la diagonal se anula. Aun cuando
todos los coeficientes de la diagonal fueran nulos, los cambios de orden aumentan
la exactitud de los cálculos.
Objetivos
• Comprender la estructura de los sistemas de ecuaciones lineales, así como
la importancia de su resolución en diversas áreas de aplicación.
• Analizar cómo el método de Gauss-Jordan transforma un sistema de
ecuaciones lineales en una forma escalonada o reducida para obtener
soluciones de manera sistemática.
• Identificar el concepto de la matriz inversa, abordando las condiciones
necesarias y su relación con la solución única de los sistemas.
• Aplicar el método de Gauss-Jordan y el método de matiz inversa en la
resolución de matrices
Ejercicios realizados en clase
Ejemplo 1
2x − y + 3z = 5
2𝑥 + 2𝑦 + 3𝑧 = 7
−2𝑥 + 3𝑦 = −3
Código
clc, clear, close all
%Gauss-Jordan
%Ejemplo 1 3x3
A=[2 -1 3;2 2 3;-2 3 0];
v=[5;7;-3]; %*Vector columna*
M=[A,v]
determinante=det(A) %Es mayor que 0 por lo tanto es Sistema Compatible
Determinado
%Hacer 1 el Pivote M(1,1) *Dividiendo la fila 1 entre el Pivote M(1,1)*
M(1,:)=M(1,:)/M(1,1);
%Hacer 0 los elementos debajo del pivote
%Pivote M(1,1)
%0 M(2,1)
M(2,:)=M(2,:)-M(1,:)*M(2,1);
%0 M(3,1)
M(3,:)=M(3,:)-M(1,:)*M(3,1);
%Hacer 1 el Pivote M(2,2) *Dividiendo la fila 2 entre el Pivote M(2,2)*
M(2,:)=M(2,:)/M(2,2);
%Hacer 0 los elementos arriba del pivote y luego los de debajo
%Pivote M(2,2)
%0 M(1,2)
M(1,:)=M(1,:)-M(2,:)*M(1,2);
%0 M(3,2)
M(3,:)=M(3,:)-M(2,:)*M(3,2);
%Hacer 1 el Pivote M(3,3) *Dividiendo la fila 3 entre el Pivote M(3,3)*
M(3,:)=M(3,:)/M(3,3);
%Hacer 0 los elementos arriba del pivote
%Pivote M(3,3)
%0 M(1,3)
M(1,:)=M(1,:)-M(3,:)*M(1,3);
%0 M(2,3)
M(2,:)=M(2,:)-M(3,:)*M(2,3)
%Solución
x=M(1,4);
y=M(2,4);
z=M(3,4);
%s=[x;y;z] %*Vector columna* o
s=M(:,end)
%Comprobación
A*s
v
Solución: x = 2.5 y = 0.6667 𝑧 = 0.2222
Ejemplo 2
0.2x − 8y + 4z = 1
4𝑥 + 0.5𝑦 + 2𝑧 = 3
−170𝑥 + 0.6𝑦 − 4𝑧 = 6
Código
clc, clear, close all
format long
%Gauss-Jordan
%Ejemplo 2 3x3 CON PIVOTEO
A=[0.2 -8 4;4 0.5 2;-170 0.6 -4];
v=[1;3;6]; %*Vector columna*
M=[A,v]
determinante=det(A) %Es mayor que 0 por lo tanto es Sistema Compatible
Determinado
% F1<->F3
k=M(1,:);
M(1,:)=M(3,:);
M(3,:)=k;
%Hacer 1 el Pivote M(1,1) *Dividiendo la fila 1 entre el Pivote M(1,1)*
M(1,:)=M(1,:)/M(1,1);
%Hacer 0 los elementos debajo del pivote
%Pivote M(1,1)
%0 M(2,1)
M(2,:)=M(2,:)-M(1,:)*M(2,1);
%0 M(3,1)
M(3,:)=M(3,:)-M(1,:)*M(3,1);
% F2<->F3
l=M(2,:);
M(2,:)=M(3,:);
M(3,:)=l;
%Hacer 1 el Pivote M(2,2) *Dividiendo la fila 2 entre el Pivote M(2,2)*
M(2,:)=M(2,:)/M(2,2);
%Hacer 0 los elementos arriba del pivote y luego los de debajo
%Pivote M(2,2)
%0 M(1,2)
M(1,:)=M(1,:)-M(2,:)*M(1,2);
%0 M(3,2)
M(3,:)=M(3,:)-M(2,:)*M(3,2);
%Hacer 1 el Pivote M(3,3) *Dividiendo la fila 3 entre el Pivote M(3,3)*
M(3,:)=M(3,:)/M(3,3);
%Hacer 0 los elementos arriba del pivote
%Pivote M(3,3)
%0 M(1,3)
M(1,:)=M(1,:)-M(3,:)*M(1,3);
%0 M(2,3)
M(2,:)=M(2,:)-M(3,:)*M(2,3)
%Solución
x=M(1,4);
y=M(2,4);
z=M(3,4);
%s=[x;y;z] %*Vector columna* o
s=M(:,end)
%Comprobación
A*s
v
Solución: x = −0.068005005168381 y = 0.614493226701484 𝑧 = 1.482386703661388
Ejemplo 3
3x + 2y + 5z = 9
4𝑥 + 3𝑦 − 𝑧 = 18
−2𝑥 + 4𝑦 − 3𝑧 = 6
Código
clc, clear, close all
format short
%Gauss-Jordan
%Ejemplo 1 3x3 AUTOMATIZADO SIN PIVOTEO MATRIZ INVERSA
A=[3 2 5;4 3 -1;-2 4 -3];
v=[9;18;6]; %*Vector columna*
determinante=det(A) %Es mayor que 0 por lo tanto es Sistema Compatible
Determinado
[f,c]=size(A);
M=[A,eye(c)]
for i=1 : 1 : c
M(i,:)=M(i,:)/M(i,i);
for j=1 : 1 : c
if i ~=j
M(j,:)=M(j,:)-M(i,:)*M(j,i)
end
end
end
inversa=M(:,4:6)
%Solución
s=inversa*v
%Comprobación
inversa*A
A*inversa
A*s
v
Solución: x = 2.6098 y = 2.2927 𝑧 = −0.6829
Tarea
1.- De los siguientes sistemas de ecuaciones, indica qué tipo de
sistema es (justifícalo), si es un Sistema Compatible Determinado
resuélvelo por el método de Gauss-Jordan (sin pivoteo).
a).-
2x -5y + 3z = 4
x – 2y + z = 3
5x + y + 7z = 11
b).-
3x -7y + 2z = 0
-2x + 2y - z = 3
x - 5y + z = 3
c).-
x - 2y + 3z = -3
2x – y = 2
- x - 8y + 9z = 3
CODIGO
%Tarea 1 ejercicio a) sin pivoteo
clear all, clc, close all
A=[2, -5, 3;1, -2, 1;5, 1, 7];
b=[4; 3; 11];
M=[A,b]
determinante=det(A)
[f,c]=size(A)
for col=1:1:c
M(col,:)=M(col,:)/M(col,col)
%Solución
for fila=1:1:f
if col~=fila
M(fila,:)=M(fila,:)-M(col,:)*M(fila,col);
end
end
end
M
RESULTADO
M=
2 -5 3 4
1 -2 1 3
5 1 7 11
determinante =
13
f=
3
c=
M=
1.0000 -2.5000 1.5000 2.0000
1.0000 -2.0000 1.0000 3.0000
5.0000 1.0000 7.0000 11.0000
M=
1.0000 -2.5000 1.5000 2.0000
0 1.0000 -1.0000 2.0000
0 13.5000 -0.5000 1.0000
M=
1 0 -1 7
0 1 -1 2
0 0 1 -2
M=
1 0 0 5
0 1 0 0
0 0 1 -2
RESULTADO
X=5
Y=0
Z=-2
%Tarea 1 ejercicio b) sin pivoteo
clear all, clc, close all
A=[3,-7,2;-2,2,-1;1,-5,1]
b=[0;3;3]
M=[A,b]
determinante=det(A)
[f,c]=size(A)
%Ciclo para hacer esto sin pivoteo
for col=1:1:c
M(col,:)=M(col,:)/M(col,col)
for fil=1:1:f
if col~=fil
M(fil,:)=M(fil,:)-M(col,:)*M(fil,col)
end
end
end
M
RESULTADO
A=
3 -7 2
-2 2 -1
1 -5 1
b=
0
3
3
M=
3 -7 2 0
-2 2 -1 3
1 -5 1 3
determinante =
f=
c=
M=
1.0000 -2.3333 0.6667 0
-2.0000 2.0000 -1.0000 3.0000
1.0000 -5.0000 1.0000 3.0000
M=
1.0000 -2.3333 0.6667 0
0 -2.6667 0.3333 3.0000
1.0000 -5.0000 1.0000 3.0000
M=
1.0000 -2.3333 0.6667 0
0 -2.6667 0.3333 3.0000
0 -2.6667 0.3333 3.0000
M=
1.0000 -2.3333 0.6667 0
0 1.0000 -0.1250 -1.1250
0 -2.6667 0.3333 3.0000
M=
1.0000 0 0.3750 -2.6250
0 1.0000 -0.1250 -1.1250
0 -2.6667 0.3333 3.0000
M=
1.0000 0 0.3750 -2.6250
0 1.0000 -0.1250 -1.1250
0 0 0.0000 0.0000
M=
1.0000 0 0.3750 -2.6250
0 1.0000 -0.1250 -1.1250
0 0 1.0000 5.3333
M=
1.0000 0 0 -4.6250
0 1.0000 -0.1250 -1.1250
0 0 1.0000 5.3333
M=
1.0000 0 0 -4.6250
0 1.0000 0 -0.4583
0 0 1.0000 5.3333
M=
1.0000 0 0 -4.6250
0 1.0000 0 -0.4583
0 0 1.0000 5.3333
RESULTADO
X=-4.6250
Y=-0.4583
Z=5.3333
%Tarea 1 ejercicio c) sin pivoteo
clear all, clc, close all
A=[1,-2,3;+2,-1,0;-1,-8,+9];
b=[-3;2;3];
M=[A,b]
determinante=det(A)
[f,c]=size(A)
for col=1:1:c
M(col,:)=M(col,:)/M(col,col)
for fil=1:1:f
if col~=fil
M(fil,:)=M(fil,:)-M(col,:)*M(fil,col)
end
end
end
M
RESULTADO
M=
1 -2 3 -3
2 -1 0 2
-1 -8 9 3
determinante =
-24.0000
f=
c=
M=
1 -2 3 -3
2 -1 0 2
-1 -8 9 3
M=
1 -2 3 -3
0 3 -6 8
-1 -8 9 3
M=
1 -2 3 -3
0 3 -6 8
0 -10 12 0
M=
1.0000 -2.0000 3.0000 -3.0000
0 1.0000 -2.0000 2.6667
0 -10.0000 12.0000 0
M=
1.0000 0 -1.0000 2.3333
0 1.0000 -2.0000 2.6667
0 -10.0000 12.0000 0
M=
1.0000 0 -1.0000 2.3333
0 1.0000 -2.0000 2.6667
0 0 -8.0000 26.6667
M=
1.0000 0 -1.0000 2.3333
0 1.0000 -2.0000 2.6667
0 0 1.0000 -3.3333
M=
1.0000 0 0 -1.0000
0 1.0000 -2.0000 2.6667
0 0 1.0000 -3.3333
M=
1.0000 0 0 -1.0000
0 1.0000 0 -4.0000
0 0 1.0000 -3.3333
M=
1.0000 0 0 -1.0000
0 1.0000 0 -4.0000
0 0 1.0000 -3.3333
RESULTADO
X=-1
Y=-4
Z=-3.3333
2.- Resuelve el siguiente sistema de ecuaciones por medio del método
de Gauss-Jordan (con pivoteo) e inversa (sin pivoteo).
5a −2b +5c −5d 6e −8f = −9
−6a +6b −3c 4e d −8f = −5
−5a +5b −7c +3d +3f −4e = 21
−a −9c −4b +6d +9e +5f = 26
7a +5b −8c −4d +7e −6f = 65
4a −b −3c +5d −3e −5f = 149
Resolviendo por el método de Gauss-Jordan con pivoteo:
Código:
clc;clear;close all M(5,:)=M(5,:)-M(5,1)*M(1,:)
%Ejercicio 2 Gauss Jordan con pivoteo %Hacer 0 al punto (6,1)
%Matriz de 6x6 M(6,:)=M(6,:)-M(6,1)*M(1,:)
A=[5,-2,5,-5,6,-8;-6,6,-3,1,4,-8;-5,5,- %Al ver el resultado de la matriz se
7,3,-4,3;-1,-4,-9,6,9,5;7,5,-8,-4,7,-6;4,- queda como esta ya que el número
1,-3,5,-3,-5] mayor
b=[-9;-5;21;26;65;14] %se encuentra en la fila 2
determinante=det(A) %Hacer 1 al punto (2,2)
M=[A,b] M(2,:)=M(2,:)/M(2,2)
%La fila 5 se va a la 1 y la 1 a la 5 %Hacer 0 al punto (1,2)
k=M(1,:); M(1,:)=M(1,:)-M(1,2)*M(2,:)
M(1,:)=M(5,:) %Hacer 0 al punto (3,2)
M(5,:)=k M(3,:)=M(3,:)-M(3,2)*M(2,:)
%Hacer 1 al punto (1,1) %Hacer 0 al punto (4,2)
M(1,:)=M(1,:)/M(1,1) M(4,:)=M(4,:)-M(4,2)*M(2,:)
%Hacer 0 al punto (2,1) %Hacer 0 al punto (5,2)
M(2,:)=M(2,:)-M(2,1)*M(1,:) M(5,:)=M(5,:)-M(5,2)*M(2,:)
%Hacer 0 al punto (3,1) %Hacer 0 al punto (6,2)
M(3,:)=M(3,:)-M(3,1)*M(1,:) M(6,:)=M(6,:)-M(6,2)*M(2,:)
%Hacer 0 al punto (4,1) %Pasamos la fila 4 a la 3 y la 3 a la 4
M(4,:)=M(4,:)-M(4,1)*M(1,:) k=M(3,:);
%Hacer 0 al punto (5,1) M(3,:)=M(4,:)
M(4,:)=k M(5,:)=M(5,:)-M(5,4)*M(4,:)
%Hacemos 1 al punto (3,3) %Hacemos 0 al punto (6,4)
M(3,:)=M(3,:)/M(3,3) M(6,:)=M(6,:)-M(6,4)*M(4,:)
%Hacemos 0 al punto (1,3) %Pasamos la fila 6 a la 5 y la 5 a la 6
M(1,:)=M(1,:)-M(1,3)*M(3,:) k=M(5,:)
%Hacemos 0 a (2,3) M(5,:)=M(6,:)
M(2,:)=M(2,:)-M(2,3)*M(3,:) M(6,:)=k
%Hacemos 0 a (4,3) %Hacemos 1 al punto(5,5)
M(4,:)=M(4,:)-M(4,3)*M(3,:) M(5,:)=M(5,:)/M(5,5)
%Hacemos 0 a (5,3) %Hacemos 0 al punto (1,5)
M(5,:)=M(5,:)-M(5,3)*M(3,:) M(1,:)=M(1,:)-M(1,5)*M(5,:)
%Hacemos 0 a(6,3) %Hacemos 0 al punto (2,5)
M(6,:)=M(6,:)-M(6,3)*M(3,:) M(2,:)=M(2,:)-M(2,5)*M(5,:)
%Pasamos la fila 6 a la 4 y la 4 a la 6 %Hacemos 0 al punto (3,5)
k=M(4,:) M(3,:)=M(3,:)-M(3,5)*M(5,:)
M(4,:)=M(6,:) %Hacemos 0 al punto (4,5)
M(6,:)=k M(4,:)=M(4,:)-M(4,5)*M(5,:)
%Hacemos 1 al punto (4,4) %Hacemos 0 al punto (6,5)
M(4,:)=M(4,:)/M(4,4) M(6,:)=M(6,:)-M(6,5)*M(5,:)
%Hacemos 0 al punto (1,4) %Realizamos la última fila
M(1,:)=M(1,:)-M(1,4)*M(4,:) %Hacemos 1 al punto(6,6)
%Hacemos 0 al punto (2,4) M(6,:)=M(6,:)/M(6,6)
M(2,:)=M(2,:)-M(2,4)*M(4,:) %Hacemos 0 al punto (1,6)
%Hacemos 0 al punto (3,4) M(1,:)=M(1,:)-M(1,6)*M(6,:)
M(3,:)=M(3,:)-M(3,4)*M(4,:) %Hacemos 0 al punto (2,6)
%Hacemos 0 al punto (5,4) M(2,:)=M(2,:)-M(2,6)*M(6,:)
%Hacemos 0 al punto (3,6) c=M(3,7)
M(3,:)=M(3,:)-M(3,6)*M(6,:) d=M(4,7)
%Hacemos 0 al punto (4,6) e=M(5,7)
M(4,:)=M(4,:)-M(4,6)*M(6,:) f=M(6,7)
%Hacemos 0 al punto (5,6) %Comprobación
M(5,:)=M(5,:)-M(5,6)*M(6,:) s=[a;b;c;d;e;f]
%Solución A*s
a=M(1,7) b
b=M(2,7)
Solución:
a= 3.0989 d= -1.4709
b= 1.0989 e= -0.1277
c= -4.5182 f= 0.7330
Matriz:
1.0000 0 0 0 0 0 3.0989
0 1.0000 0 0 0 0 1.3140
0 0 1.0000 0 0 0 -4.5182
0 0 0 1.0000 0 0 -1.4709
0 0 0 0 1.0000 0 -0.1277
0 0 0 0 0 1.0000 0.7330
Matriz inversa sin pivoteo:
Código:
clc;clear;close all A=[5,-2,5,-5,6,-8;-6,6,-3,1,4,-8;-5,5,-
7,3,-4,3;-1,-4,-9,6,9,5;7,5,-8,-4,7,-6;4,-
%Ejercicio 2 Inversa sin pivoteo
1,-3,5,-3,-5]
%Matriz de 6x6
b=[-9;-5;21;26;65;14]
determinante=det(A) end
[f,c]=size (A) end
M=[A,eye(c)] inversa=M(:,7:12)
for i=1:1:c %Solución
M(i,:)=M(i,:)/M(i,i) s=inversa*b
for j=1:1:c %Comprobación
if i~=j inversa*A
M(j,:)=M(j,:)-M(j,i)*M(i,:) A*inversa
end
Solución:
a= 3.0989 d= -1.4709
b= 1.3140 e= -0.1277
c= -4.5182 f= 0.7330
Matriz inversa:
-0.3807 0.0603 -0.4083 -0.0560 0.1461 0.0363
-0.7511 0.2489 -0.7317 -0.1230 0.2278 -0.0320
-0.5046 0.1760 -0.5783 -0.0806 0.0972 -0.0184
-0.6315 0.2212 -0.6608 -0.0429 0.1225 0.0702
-0.2869 0.1236 -0.3507 0.0097 0.0866 -0.0435
-0.3110 0.0399 -0.2837 -0.0206 0.0835 -0.0573
Comprobación de “inversa*A”:
1.0000 0 -0.0000 -0.0000 0.0000 0.0000
-0.0000 1.0000 -0.0000 0.0000 0 0.0000
0.0000 -0.0000 1.0000 -0.0000 0.0000 0
-0.0000 0.0000 -0.0000 1.0000 -0.0000 0.0000
-0.0000 0.0000 -0.0000 0.0000 1.0000 0.0000
-0.0000 -0.0000 0 -0.0000 0.0000 1.0000
Comprobación de “A*inversa”:
1.0000 0.0000 -0.0000 -0.0000 0.0000 -0.0000
-0.0000 1.0000 0.0000 0.0000 -0.0000 0
0.0000 -0.0000 1.0000 0.0000 -0.0000 0.0000
-0.0000 0.0000 -0.0000 1.0000 0.0000 -0.0000
-0.0000 0.0000 -0.0000 0.0000 1.0000 -0.0000
-0.0000 -0.0000 0.0000 0.0000 0.0000 1.0000
3.- En una empresa plástica se fabrican tres tipos de productos: botellas, garrafas
y bidones. Se utiliza como materia prima 10 kg de granza de polietileno cada hora.
Se sabe que para fabricar cada botella se necesitan 50 gramos de granza, para
cada garrafa 100 gramos y para cada bidón 1 kg. El gerente también nos dice que
se debe producir el doble de botellas que de garrafas. Por último, se sabe que por
motivos de capacidad de trabajo en las máquinas se producen en total 52
productos cada hora. ¿Cuántas botellas, garrafas y bidones se producen cada
hora?
0.05B + 0.1G + 1D = 10
B − 2G = 0
B + G + D = 52
Donde B=botellas, G=garrafas y D=Bidones
Matriz compuesta
B G D
0.05 0.1 1 10
1 -2 0 0
1 1 1 52
Código
clc, clear, close all
%Ejercicio 3 TAREA
A=[0.05 0.1 1;1 -2 0; 1 1 1];
v=[10;0;52];
M=[A,v]
determinante=det(A)
%Hacer 1 el Pivote (1,1)
M(1,:)=M(1,:)/M(1,1);
%Hacer 0 los elementos debajo del pivote
%0 (2,1)
M(2,:)=M(2,:)-M(1,:)*M(2,1);
%0 (3,1)
M(3,:)=M(3,:)-M(1,:);
%Hacer 1 el Pivote (2,2)
M(2,:)=M(2,:)/M(2,2)
%Hacer 0 los elementos arriba y debajo del pivote
%0 (1,2)
M(1,:)=M(1,:)-M(2,:)*M(1,2);
%0 (3,2)
M(3,:)=M(3,:)-M(2,:)*M(3,2);
%Hacer 1 el Pivote (3,3)
M(3,:)=M(3,:)/M(3,3);
%Hacer 0 los elementos arriba del pivote
%0 (1,3)
M(1,:)=M(1,:)-M(3,:)*M(1,3);
%0 (2,3)
M(2,:)=M(2,:)-M(3,:)*M(2,3)
%Solución
s=M(:,end)
%Comprobación
A*s
V
Solución: Se producen 30 botellas, 15 garrafas y 7 bidones por hora
4.- En un salón de clases, en la asignatura de química la han aprobado el 62.5% de
los hombres y el 80% de las mujeres, mientras que la asignatura de Métodos
Numéricos la han aprobado 87.5% de los hombres y el 60% de las mujeres.
Calcular el número de mujeres y de hombres que hay en el salón de clases si el
total de aprobados es 26 en química y 26 en Métodos Numéricos.
0.625H + 0.8M = 26
0.875H + 0.6M = 26
Donde H=hombres y M=mujeres
Matriz compuesta
H M
0.625 0.8 26
0.875 0.6 26
Código
clc, clear, close all
%Ejercicio 4 TAREA
A=[0.625 0.8;0.875 0.6];
v=[26;26];
determinante=det(A)
M=[A,v]
% F1 <-> F2
k=M(1,:);
M(1,:)=M(2,:);
M(2,:)=k
%Hacer 1 Pivote M(1,1)
M(1,:)=M(1,:)/M(1,1);
%0 M(2,1)
M(2,:)=M(2,:)-M(1,:)*M(2,1)
%Hacer 1 Pivote M(2,2)
M(2,:)=M(2,:)/M(2,2);
%0 M(1,2)
M(1,:)=M(1,:)-M(2,:)*M(1,2)
%Solución
s=M(:,end)
%Comprobación
A*s
v
Solución: Hay 16 hombres y 20 mujeres en el salón
5.- Encontrar un número de tres cifras sabiendo que suman 12, que la cifra de las
centenas es el triple de la de las unidades y que la cifra de las decenas es 2/3 de
la de las centenas.
C + D + U = 12
C − 3U = 0
2
D− C=0
3
Donde C=centenas, D=decenas y U=unidades
Matriz compuesta
C D U
1 1 1 12
1 0 -3 0
-2/3 1 0 0
Código
clc, clear, close all
format short
%Ejercicio 5 TAREA
A=[1 1 1; 1 0 -3;-2/3 1 0];
v=[12;0;0];
determinante=det(A)
[f,c]=size(A);
M=[A,eye(c)]
%Pivote M(1,1)
%0 M(2,1)
M(2,:)=M(2,:)-M(1,:);
%0 M(3,1)
M(3,:)=M(3,:)-M(1,:)*M(3,1)
%Hacer 1 Pivote M(2,2)
M(2,:)=M(2,:)/M(2,2);
%0 M(1,2)
M(1,:)=M(1,:)-M(2,:);
%0 M(3,2)
M(3,:)=M(3,:)-M(2,:)*M(3,2)
%Hacer 1 Pivote M(3,3)
M(3,:)=M(3,:)/M(3,3);
%0 M(1,3)
M(1,:)=M(1,:)-M(3,:)*M(1,3);
%0 M(2,3)
M(2,:)=M(2,:)-M(3,:)*M(2,3)
inversa=M(:,4:6)
%Solución
s=inversa*v
%Comprobación
inversa*A
A*inversa
A*s
v
Solución: El número es 642
Conclusiones
El uso de diferentes tipos de métodos tales como Gauss-Jordan y el uso de la
matriz inversa para la resolución de sistemas de ecuaciones lineales se consideran
de suma utilidad pues nos ayudan a ofrecen soluciones eficientes y exactas para
estos sistemas. Sin embargo, ambos métodos presentan ventajas y desventajas
según el tamaño del sistema. Mientras que Gauss-Jordan es directo y sistemático,
la matriz inversa proporciona un enfoque “elegante”, por lo que la selección del
método depende de la naturaleza del problema, el tamaño del sistema y los
recursos disponibles.
Bibliografía
• Resolver sistemas con eliminación de Gauss-Jordan. (2016). Recuperado
de 19/10/2023 de Resolver sistemas con eliminación de Gauss-Jordan -
Precálculo 2ed | OpenStax
• Burden, R. L., & Faires, J. D. (2011). Análisis numérico. Cengage Learning.
• Ávila, M. A. (2014). Métodos numéricos aplicados. McGraw-Hill
Interamericana.
• Chapra, S. C., & Canale, R. P. (2007). Métodos numéricos para ingenieros.
McGraw-Hill.
• García Zúñiga, M. (2008). Álgebra Lineal y Métodos Numéricos. Alfaomega.
• Press, W. H., Teukolsky, S. A., Vetterling, W. T., & Flannery, B. P. (2007).
Numerical Recipes: The Art of Scientific Computing. Cambridge University
Press
