FICHA DE IDENTIFICACIN DE TRABAJO DE INVESTIGACIN

Ttulo
Nombres y Apellidos Cdigo de estudiantes

Autor/es

Fecha dd/mm/aaaa

Carrera
Asignatura
Grupo
Docente
Periodo Acadmico
Subsede
 Ttulo:
Autor/es:
RESUMEN:
En el siguiente trabajo se presenta de una manera muy clara conceptos bsicos que un
estudiante debe poseer para el adecuado estudio del algebra lineal.
En el primer punto nos adentramos al concepto de determinante, tomando en cuenta
primeramente los conceptos de permutacin, inversa y transpuesta de una matriz que sern
fundamentales para el adecuado clculo del valor de la determinante, ya que mediante ellas
podremos tener un clculo mucho menos tedioso, adems de una ayuda en el punto de las
aplicaciones.
A continuacin tendremos un pequeo concepto de determinante que nos ayudar para tener
una idea global del tema que trataremos.
Las operaciones de los determinantes son cada una de las operaciones que podemos realizar a
la matriz que obtendremos el determinante para que esta no altere su resultado final.
En las formas de reduccin y clculo se presenta formas distintas en la que podemos calcular el
determinante, en este punto se presenta formas de resolucin por cofactores, por medio de el
producto de la diagonal de una matriz luego de haberla reducido a una matriz triangular superior
o inferior, adems de formas rpidas de clculo para matrices de 2 x 2 o de 3 x 3.
Para finalizar el trabajo se presenta diferentes formas de aplicacin que tiene el determinante,
ya sea para el clculo de la inversa, la adjunta de una matriz, en el estudio de la geometra
analtica, la colinealidad entre dos puntos, o la obtencin de la ecuacin de la recta, el clculo de
el rea de un triangulo.

Palabras clave: determinante, calculo, matriz.

ABSTRACT:
In the following work is presented in a very clear basic concepts that a student must possess for
the proper study of linear algebra.
In the first point we enter the concept of determinant, taking into account first the concepts of
permutation, inverse and transpose of a matrix that will be fundamental for the proper calculation
of the value of the determinant, since through them we can have a much less tedious calculation ,
besides a help in the point of the applications.
Next we will have a small concept of determinant that will help us to have a global idea of the
topic that we will deal with.
The operations of the determinants are each of the operations that we can perform on the matrix
that we will obtain the determinant so that it does not alter its final result.
In the forms of reduction and calculation, different forms are presented in which we can
calculate the determinant. At this point we present forms of resolution by cofactors, by means of the
product of the diagonal of a matrix after having reduced it to a superior triangular matrix. or
lower, in addition to quick calculation forms for 2 x 2 or 3 x 3 matrices.
To finish the work, different forms of application have the determinant, either for the calculation
of the inverse, the adjunct of a matrix, in the study of analytical geometry, the collinearity between
two points, or the obtaining of the equation of the line, the calculation of the area of a triangle.

Key words: determinant, calculation, matrix.

Asignatura:
Carrera: Pgina 2 de 20
Ttulo:
Autor/es:

Asignatura:
Carrera: Pgina 3 de 20
 Ttulo:
Autor/es:

Introduccion
Para la realizacin del presente trabajo se ha realizado una recopilacin de distintos
textos, y pginas obtenidas del internet, que mediante la incorporacin de conceptos claves
de cada uno de ellos se ha podido realizar de una manera clara el trabajo, tratando de
presentar los temas con conceptos propios, sacndolos del entendimiento personal.
Al comenzar el trabajo se presenta una introduccin a los determinantes, luego de ello se
da un concepto a lo que es el determinante, las operaciones que se pueden realizar sobre
ellos, las distintas formas en las que podemos obtener el determinante, adems de
aplicaciones que se puede tener en el uso de el determinante.

Asignatura:
Carrera: Pgina 4 de 20
 Ttulo:
Autor/es:
Captulo 1. Planteamiento del problema
El lgebra Lineal es la rama de las matemticas que concierne al estudio de vectores,
espacios vectoriales, transformaciones lineales, y sistemas de ecuaciones lineales. Los
espacios vectoriales son un tema central en las matemticas modernas; por lo que el lgebra
lineal es usada ampliamente en lgebra abstracta y anlisis funcional.

El lgebra lineal tiene una representacin concreta en la geometra analtica, y tiene

aplicaciones en el campo de las ciencias naturales y en las ciencias sociales.; as como
tambin ayuda al desarrollo de ciertas capacidades fundamentales para un ingeniero:
capacidad de formalizar, de razonar rigurosamente, de representar adecuadamente algunos
conceptos.

Las aplicaciones del Algebra Lineal en la ciencia, la ingeniera y en la vida cotidiana son
numerosas ya que la solucin de muchos problemas en la fsica, ingeniera, qumica,
biomdica, graficas computarizada, procesamiento de imgenes requieren de herramientas
o mtodos dados por el Algebra Lineal.

La importancia de la matemtica en el desarrollo cientfico y tecnolgico de la humanidad,

est determinado por la posibilidad de elaborar modelos matemticos de objetos reales ya
sea de la ciencia o de la tcnica.

Con las tcnicas clsicas de solucin de sistemas de ecuaciones lineales, que se pueden
hacer a lpiz y papel y con el avance de la tecnologa, el Algebra Lineal tambin se puede
explotar desde lo numrico lo que hace necesario trabajar con cierta parte de la matemtica
clsica y con el uso de herramientas computacionales para operar los objetos o elementos
del Algebra Lineal.

Asignatura:
Carrera: Pgina 5 de 20
 Ttulo:
Autor/es:
Las matemticas son una creacin de la mente humana y constituyen una herramienta
para entender el mundo y convivir en l.
La utilizacin de matrices permite el desarrollo de habilidades de pensamiento lgico
matemtico en los estudiantes y de procesos como el razonamiento, la resolucin y
planteamiento de problemas, la comunicacin y la modelacin, entre otros, dentro de un
contexto apropiado que d respuesta a una multiplicidad de opciones e intereses que
permanentemente surgen y se entrecruzan en el mundo actual.
Las matrices, mucho ms de ser una herramienta de trabajo, tambin es un modelo a
seguir, el cual podr ser una gua en el conjunto de operaciones de sumas, restas,
multiplicaciones y divisiones que no solo la utilizan los estudiantes sino tambin
profesionales que lo aplican en su vida cotidiana para poder tomar correctas decisiones.
Por esta razn, se decidi estudiar este tema, y conocer las posibilidades de descubrir
incgnitas, las mismas que en la vida diaria seria dar solucin a los problemas laborales y
personales.

Captulo 2. Desarrollo del marco terico

2.1. rea de estudio
El presente trabajo se enfoca bsicamente en el desglose de los mtodos de resolucin de
ejercicios de algebra lineal.
2.2. Desarrollo del marco terico
Conceptos relacionados
PERMUTACIN.- En trminos muy generales las permutaciones son grupos que se
pueden formar con todos los elementos disponibles, de tal manera que los grupos difieran
nicamente en el orden de colocacin de los elementos.

Existen permutaciones tomando 1 elemento a las cuales se les llama nonarias, tomando 2
elementos denominadas binarias, de tres elementos denominadas terciarias y as
sucesivamente se les denomina segn el nmero de trminos que se tomen.
Si en un conjunto de elementos existen repeticiones la formula que se utiliza para la
resolucin de este tipo de problemas es la siguiente:

Asignatura:
Carrera: Pgina 6 de 20
 Ttulo:
Autor/es:

En trminos matriciales una permutacin es el intercambio de filas cuando un pivote es

cero y debemos buscar un pivote adecuado para la eliminacin de Gauss Jordan y as
mismo para la correcta resolucin de un sistema de ecuaciones.
La matriz que realiza este intercambio de filas es la matriz identidad que es la
denominada matriz de permutacin, a continuacin se muestra una matriz de permutacin
de tres por tres[3]

La permutacin de una matriz se realiza para que esta no caiga en el caso de

singularidad ya que si un pivote contiene un cero lo que se hace es buscar el mejor pivote
posible diferente de cero debajo de dicha columna y para esto una herramienta fundamental
es la permutacin que consigue que el mejor candidato a pivote se convierta en el pivote
requerido, as la matriz ser no singular y podremos encontrar una o
varias soluciones segn sea el caso planteado.
1. ECUACIN ALGEBRICA LINEAL
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los sucesivo se
considerarn nicamente sistemas de ecuaciones algebricas lineales, o sea conjuntos de
ecuaciones de la forma:
a11 X 1 + a 12 X2 + a13 X 3 +... + a 1n X n = C 1 (a)
a 21 X 1 + a 22 X 2 + a 23 X 3 +... + a 2n X n = C 2 (b) (2)
...
a n1 X 1 + a n2 X 2 + a n3 X 3 + ... + a nn X n = C n (c)
Aplicando la definicin de producto entre matrices, este sistema de n ecuaciones
algebraicas lineales con n incgnitas puede escribirse en forma matricial.
Este sistema de ecuaciones puede escribirse simblicamente como:
A X = C (4)
en donde A se llama Matriz del Sistema. La matriz formada por A, a la que se le ha
agregado el vector de trminos independientes como ltima columna, se le llama la Matriz
Ampliada del Sistema, que se representa con (A, C).

Asignatura:
Carrera: Pgina 7 de 20
 Ttulo:
Autor/es:
Entonces la matriz ampliada ser:
2. SISTEMA DE ECUACIONES
3. SOLUCIN DE UN SISTEMA DE ECUACIONES
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas y
cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite solucin;
o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica
o Indeterminado, si la solucin no es nica. En este caso se demuestra que existe una
infinidad de soluciones.
1.
2. TEOREMAS SOBRE RANGOS
El rango de una matriz es el orden de determinante no nulo de mayor orden que puede
obtenerse de esa matriz. El rango de la matriz A se representa con la notacin r(A) y el de
la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema, (*)
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si r(A) < n,
siendo n el nmero de variables en el sistema.
En general, hay dos tipos de tcnicas numricas para resolver ecuaciones
simultneas: Directas, que son finitas; e Indirectas, que son infinitas.
Naturalmente, ninguna tcnica prctica puede ser infinita. Lo que queremos decir es que
en un principio los mtodos directos (despreciando errores por redondeo) producirn una
solucin exacta, si la hay, en un nmero finito de operaciones aritmticas.
Por otra parte, un mtodo indirecto requerir en principio un nmero infinito de
operaciones aritmticas para producir una solucin exacta. Dicho de otra manera, un
mtodo indirecto tiene un error por truncamiento mientras que un mtodo directo no lo
tiene.

Asignatura:
Carrera: Pgina 8 de 20
 Ttulo:
Autor/es:
Sin embargo, la expresin "en principio" del prrafo anterior es crucial: en realidad se
tienen errores por redondeo. Tendremos que considerar ms cuidadosamente esta cuestin.
En un sistema grande, mal comportado, los errores por redondeo de un mtodo directo
puede hacer que la "solucin" carezca de sentido. A pesar de su error terico por
truncamiento, un mtodo indirecto puede ser mucho ms deseable porque en l los errores
por redondeo no se acumulan.
1. MTODO DE ELIMINACIN DE GAUSS
El primer mtodo que se presenta usualmente en lgebra, para la solucin de ecuaciones
algebraicas lineales simultneas, es aquel en el que se eliminan las incgnitas mediante la
combinacin de las ecuaciones. Este mtodo se conoce como Mtodo de Eliminacin. Se
denomina eliminacin Gaussiana si en el proceso de eliminacin se utiliza el esquema
particular atribuido a Gauss.
Utilizando el mtodo de Gauss, un conjunto de n ecuaciones con n incgnitas se reduce
a un sistema triangular equivalente (un sistema equivalente es un sistema que tiene iguales
valores de la solucin), que a su vez se resuelve fcilmente por "sustitucin inversa"; un
procedimiento simple que se ilustrar con la presentacin siguiente.
El esquema de Gauss empieza reduciendo un conjunto de ecuaciones simultneas, tal
como se muestra en (2), a un sistema triangular equivalente como: en el cual los
superndices indican los nuevos coeficientes que se forman en el proceso de reduccin. La
reduccin real se logra de la siguiente manera:
1. La primera ecuacin (2) se divide entre el coeficiente de X1 en esa ecuacin para
obtener:
(8)
2. La ec. (7) se multiplica entonces por el coeficiente de X1 de la segunda ecuacin (2)
y la ecuacin que resulta se resta de la misma, eliminando as X1. La ec. (7) se
multiplica entonces por el coeficiente de X1 de la tercera ecuacin (2), y la ecuacin
resultante se resta de la misma para eliminar X1 de esa ecuacin. En forma similar,
X1 se elimina de todas las ecuaciones del conjunto excepto la primera, de manera
que el conjunto adopta la forma:
3. La ecuacin utilizada para eliminar las incgnitas en las ecuaciones que la siguen se
denomina Ecuacin Pivote. En la ecuacin pivote, el coeficiente de la incgnita que

Asignatura:
Carrera: Pgina 9 de 20
 Ttulo:
Autor/es:
se va a eliminar de las ecuaciones que la siguen se denomina el Coeficiente
Pivote (a11 en los pasos previos).
Esta reduccin nos conduce a:
(9)A continuacin se utiliza la tercer ecuacin (9) como ecuacin pivote, y se usa el
procedimiento descrito para eliminar X3 de todas las ecuaciones que siguen a la tercer
ecuacin (9). Este procedimiento, utilizando diferentes ecuaciones pivote, se contina hasta
que el conjunto original de ecuaciones ha sido reducido a un conjunto triangular tal como
se muestra en la ec. (6).
4. Siguiendo los pasos anteriores, la segunda ecuacin (8) se convierte en la ecuacin
pivote, y los pasos de la parte 1 se repiten para eliminar X2 de todas las ecuaciones
que siguen a esta ecuacin pivote.
5. Una vez obtenido el conjunto triangular de ecuaciones, la ltima ecuacin de este
conjunto equivalente suministra directamente el valor de Xn (ver ec. 6). Este valor
se sustituye entonces en la antepenltima ecuacin del conjunto triangular para
obtener un valor de Xn-1, que a su vez se utiliza junto con el valor de Xn en la
penltima ecuacin del conjunto triangular para obtener un valor Xn-2 y asi
sucesivamente. Este es el procedimiento de sustitucin inversa al que nos referimos
previamente.
Para ilustrar el mtodo con un conjunto numrico, apliquemos estos procedimientos a la
solucin del siguiente sistema de ecuaciones:
X1 + 4 X2 + X3 = 7
X1 + 6 X2 - X3 = 13 (10)
2 X1 - X2 + 2 X3 = 5
Utilizando como ecuacin pivote la primera ecuacin (el coeficiente pivote es unitario),
obtenemos:
X1 + 4 X2 + X3 = 7
2 X2 - 2 X3 = 6 (11)
9 X2 + (0) X3 = -9
A continuacin, utilizando la segunda ecuacin del sistema (11) como ecuacin pivote y
repitiendo el procedimiento, se obtiene el siguiente sistema triangular de ecuaciones:
X1 + 4 X2 + X3 = 7

Asignatura:
Carrera: Pgina 10 de 20
 Ttulo:
Autor/es:
2 X2 - 2 X3 = 6 (12)
- 9 X3 = 18
Finalmente mediante sustitucin inversa, comenzando con la ltima de las ecs. (12) se
obtienen los siguientes valores:
X3 = -2
X2 = 1
X1 = 5
1. Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss,
permite resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos
significativos en las operaciones aritmticas de la computadora. Este procedimiento
se distingue del mtodo Gaussiano en que cuando se elimina una incgnita, se
elimina de todas las ecuaciones restantes, es decir, las que preceden a la ecuacin
pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes como
una matriz aumentada.
Se normaliza el primer rengln dividiendo entre 3 para obtener:
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero del
segundo rengln. De una manera similar, restando 0.3 veces el primero del tercer rengln
se elimina el trmino con X1 del tercer rengln.
En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:
Reduciendo los trminos en X2 de la primera y la tercera ecuacin se obtiene:
El tercer rengln se normaliza dividiendolo entre 10.010:
Finalmente, los trminos con X3 se pueden reducir de la primera y segunda ecuacin
para obtener:
Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.

Asignatura:
Carrera: Pgina 11 de 20
 Ttulo:
Autor/es:
Las ventajas y desventajas de la eliminacin gaussiana se aplican tambin al mtodo de
Gauss-Jordan.
Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden parecer casi
idnticos, el primero requiere aproximadamente 50% menos operaciones. Por lo tanto, la
eliminacin gaussiana es el m todo simple por excelencia en la obtencin de soluciones
exactas a las ecuaciones lineales simultneas. Una de las principales razones para incluir el
mtodo de Gauss-Jordan, es la de proporcionar un mtodo directo para obtener la matriz
inversa.
1. INVERSIN DE MATRICES
EJEMPLO
Invertir la matriz
Aumntese la matriz de coeficientes con una matriz identidad
Usando a11 como pivote, el rengln 1 se normaliza y se usa para eliminar a X1 de los
otros renglones.
En seguida, se usa a22 como pivote y X2 se elimina de los otros renglones.
Finalmente, se usa a33 como pivote y X3 se elimina de los renglones restantes:
Por lo tanto, la inversa es:
Se puede resolver un sistema de ecuaciones con la inversa de la matriz de coeficientes,
de la siguiente manera:
donde C es el vector de trminos independientes.
Comparando ambos mtodos, es evidente que el mtodo de inversin de matrices no es
prctico para la solucin de un slo conjunto (o dos o tres conjuntos) de ecuaciones
simultneas, porque la cantidad de clculos que intervienen para determinar la matriz
inversa es muy grande. Sin embargo, si se desea resolver 20 conjuntos de 10 ecuaciones
simultneas que difieren nicamente en sus trminos independientes, una matriz aumentada
que contiene 20 columnas de constantes (que se utilizaran en el mtodo de eliminacin)
sera difcil de reducir, y se podra usar con ventaja el mtodo de inversin de matrices.
2. MTODO DE GAUSS - JORDAN
3. MTODO DE GAUSS-SEIDEL
El mtodo de eliminacin para resolver ecuaciones simultneas suministra soluciones
suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero exacto depende de las

Asignatura:
Carrera: Pgina 12 de 20
 Ttulo:
Autor/es:
ecuaciones de que se trate, del nmero de dgitos que se conservan en el resultado de las
operaciones aritmticas, y del procedimiento de redondeo. Utilizando ecuaciones de error,
el nmero de ecuaciones que se pueden manejar se puede incrementar considerablemente a
ms de 15 o 20, pero este mtodo tambin es imprctico cuando se presentan, por ejemplo,
cientos de ecuaciones que se deben resolver simultneamente. El mtodo de inversin de
matrices tiene limitaciones similares cuando se trabaja con nmeros muy grandes de
ecuaciones simultneas.
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes
nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de Gauss-
Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el mtodo de
Gauss-Seidel tiene la desventaja de que no siempre converge a una solucin o de que a
veces converge muy lentamente. Sin embargo, este mtodo convergir siempre a una
solucin cuando la magnitud del coeficiente de una incgnita diferente en cada ecuacin
del conjunto, sea suficientemente dominante con respecto a las magnitudes de los otros
coeficientes de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros
para asegurar la convergencia y es an ms difcil predecir la velocidad de la convergencia
para alguna combinacin de valores de los coeficientes cuando esa convergencia existe. No
obstante, cuando el valor absoluto del coeficiente dominante para una incgnita diferente
para cada ecuacin es mayor que la suma de los valores absolutos de los otros coeficientes
de esa ecuacin, la convergencia est asegurada. Ese conjunto de ecuaciones simultneas
lineales se conoce como sistema diagonal.
Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es
condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales que se derivan
de muchos problemas de ingeniera, son del tipo en el cual existen siempre coeficientes
dominantes.
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible
hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar
valores seleccionados arbitrariamente. Los valores iniciales utilizados no

Asignatura:
Carrera: Pgina 13 de 20
 Ttulo:
Autor/es:
afectarn la convergencia como tal, pero afectarn el nmero de iteraciones
requeridas para dicha convergencia.
2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que
tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas
los valores supuestos.
3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene el
coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la
incgnita del paso 2 y los valores supuestos para las incgnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de
la incgnita que tiene el coeficniente ms grande en cada ecuacin particular, y
utilizando siempre los ltimos valores calculados para las otras incgnitas de la
ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos para
las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin final ha
sido resuelta, proporcionando un valor para la nica incgnita, se dice que se ha
completado una iteracin.
5. Continuar iterando hasta que el valor de cada incgnita, determinado en una
iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad
menor que cierto (*) seleccionado arbitrariamente. El procedimiento queda entonces
completo.
Refirindonos al paso 5, mientras menor sea la magnitud del (*) seleccionado, mayor
ser la precisin de la solucin. Sin embargo, la magnitud del epsilon no especifica el error
que puede existir en los valores obtenidos para las incgnitas, ya que sta es una funcin de
la velocidad de convergencia. Mientras mayor sea la velocidad de convergencia, mayor ser
la precisin obtenida en los valores de las incgnitas para un (*) dado.
EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un (*)=
0.001.
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
SOLUCIN:

Asignatura:
Carrera: Pgina 14 de 20
 Ttulo:
Autor/es:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal esten los
coeficientes mayores para asegurar la convergencia.
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
Despejamos cada una de las variables sobre la diagonal:
Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1
Este valor junto con el de X3 se puede utilizar para obtener X2
La primera iteracin se completa sustituyendo los valores de X1 y X2 calculados
obteniendo:
En la segunda iteracin, se repite el mismo procedimiento:
Comparando los valores calculados entre la primera y la segunda iteracin
Como podemos observar, no se cumple la condicin
Entonces tomamos los valores calculados en la ltima iteracin y se toman como
supuestos para la siguiente iteracin. Se repite entonces el proceso:
Comparando de nuevo los valores obtenidos
Como se observa todava no se cumple la condicin
As que hacemos otra iteracin
Comparando los valores obtenidos
Dado que se cumple la condicin, el resultado es:
X1 = 3.0
X2 = -2.5
X3 = 7.0
Regla de Cramer
(Guerrero, 2013)Se dice que un sistema AX= B de m ecuaciones con n incgnitas es de
Cramer si:

Asignatura:
Carrera: Pgina 15 de 20
 Ttulo:
Autor/es:

Observar que la matriz cuyo determinante aparece en el numerado se obtiene cambiando

en la matriz A la columna i-enesima por la columna de los trminos independientes
Teorema Resumen
Sea A una matriz de orden nxn. Entonces las cuatro afirmaciones siguientes son
equivalentes. Es decir, cada una de ellas implica las otras tres (de manera que si se cumple
una, todas se cumples, y si una es falsa, todas son falsas)
A es invertible
La nica solucin al sistema homogneo Ax=0 es la solucin trivial (x=0)
A es equivalente por renglones a la matriz identidad Inxn; es decir, la forma
escalonada reducida por renglones de A es Inxn
Det (A) diferente de 0

Asignatura:
Carrera: Pgina 16 de 20
 Ttulo:
Autor/es:

Captulo 3. Mtodo
3.1. Tipo de investigacin
El presente trabajo se realiz en base a la metodologa descriptiva debido a la
complejidad del trabajo fue que se utiliz este tipo de investigacin.

3.2. Operacionalizacion de variables

Variable Tipo Definicin Indicador
Sistema organizado
de relaciones que se
Sociedad Cualitativa establecen entre este - Estructura
conjunto de

Asignatura:
Carrera: Pgina 17 de 20
 Ttulo:
Autor/es:

personas.
Acuerdo,
generalmente
escrito, por el que
dos o ms partes se - Fijo
Contrato Cualitativa comprometen - Eventual
recprocamente a - Temporal
respetar y cumplir
una serie de
condiciones.
Accin de invertir
una cantidad de
Inversin Cuantitativa dinero, tiempo o - Cantidad
esfuerzo en una
cosa.

3.3. Tcnicas de investigacin

Las tcnicas de investigacin fueron:
- Bsqueda
- Observacin

Conclusin
En el primer punto del trabajo tuvimos un concepto general de lo que son las
permutacin que son cada uno de los intercambios que se pueden hacer sin repetirlos, as
mismo lo llevamos a trminos matriciales que es el intercambio de filas cuando un pivote
es cero y debemos buscar un pivote adecuado para la eliminacin de Gauss Jordan y as
mismo para la correcta resolucin de un sistema de ecuaciones.
En la operaciones de los determinantes pudimos llegar a la conclusin que podemos
trabajar sobre la matriz a obtener el determinante para que nuestra resolucin sea mucho
ms rpida y haciendo que el resultado de la misma no sea alterado de ninguna manera.
Las diferentes formas de resolucin nos llevo a un enfoque mucho ms amplio de la
resolucin del determinante de una matriz, ya que cada una de ellas poda ser utilizadas en

Asignatura:
Carrera: Pgina 18 de 20
 Ttulo:
Autor/es:
las otras ya que en el mtodo de cofactores se usa mucho la resolucin de el determinante
de las matrices de 2 x 2, las permutaciones cuando queremos transformar una matriz a una
triangular superior o inferior para la resolucin de el determinante por medio de el producto
de la diagonal.
En el punto de las aplicaciones se pudo ver formas mucho ms simples que podemos
usar para la resolucin de la inversa, la adjunta, en geometra analtica la obtencin de el
rea de un triangulo, la determinacin de colinealidad de dos puntos, as como la ecuacin
de la recta entre dos puntos.

Bibliografa
Teora y Problemas de Matrices. Ayres, Frank, JR. Serie de compendios Schaum. Mxico.
1969
Teora y Problemas de Algebra Lineal. Lipschutz, Seymour. Serie de compendios Schaum.
Mxico. 1969
Algebra de Matrices. Franz E. Hohn. Editorial Trillas. Mxico.1979
Introduccin al lgebra Lineal. Larson Edwards. Mxico. Editorial Limusa. 1994

Asignatura:
Carrera: Pgina 19 de 20
Ttulo:
Autor/es:

Asignatura:
Carrera: Pgina 20 de 20