Professional Documents
Culture Documents
Programa de Química
(27/08/2018)
Regla de Cramer
El método de Cramer sirve para resolver sistemas de ecuaciones lineales. Se aplica a sistemas
que cumplan las dos condiciones siguientes:
El número de ecuaciones es igual al número de incógnitas.
El determinante de la matriz de los coeficientes es distinto de cero.
En sistemas de ecuaciones 2x2:
𝑎𝑥 + 𝑏𝑦 = 𝑒 (EC.1)
𝑐𝑥 + 𝑑𝑦 = 𝑓 (EC.2)
𝑎 𝑏 𝑥 𝑒
[ ] [𝑦] = [𝑓 ]
𝑐 𝑑
Entonces x e y se pueden hallar con la regla de Cramer con una división de determinantes
𝑒 𝑏
𝑓 𝑑 𝑒𝑑 − 𝑏𝑓
𝑥=[ ]=
𝑎 𝑏 𝑎𝑑 − 𝑏𝑐
𝑐 𝑑
𝑎 𝑒
𝑐 𝑓 𝑎𝑓 − 𝑒𝑐
𝑦=[ ]=
𝑎 𝑏 𝑎𝑑 − 𝑏𝑐
𝑐 𝑑
2
Ejemplo.
5𝑥 − 2𝑦 = −2 (EC.3)
−3𝑥 + 7𝑦 = −22 (EC.4)
Para hallar x e y se tiene
−2 −2
−14 − 44 −58
𝑥 = [−22 7 ] = = = −2
5 −2 35 − 6 29
−3 7
5 −2
−3 −22 −110 − 6 −116
𝑦=[ ]= = = −4
5 −2 35 − 6 29
−3 7
El objetivo de un modelo de regresión es tratar de explicar la relación que existe entre una
variable dependiente (variable respuesta) Y un conjunto de variables independientes
(variables explicativas) x1……..xn.
𝑦 = 𝛼 + 𝛽𝑥 + 𝜀 (EC.5)
En donde es la ordenada en el origen (el valor que toma Y cuando X vale 0), es la
pendiente de la recta (e indica cómo cambia Y al incrementar X en una unidad) y una
variable que incluye un conjunto grande de factores, cada uno de los cuales influye en la
respuesta sólo en pequeña magnitud, a la que llamaremos error. X e Y son variables
aleatorias, por lo que no se puede establecer una relación lineal exacta entre ellas.
Para hacer una estimación del modelo de regresión lineal simple, se tratará de buscar una
recta de la forma:
𝑦̂ = 𝛼̂ + 𝛽̂ 𝑥 = 𝑚𝑥 + 𝑏 (EC.6)
Para esto se utilizará el método de mínimos cuadrados. Este método consiste en minimizarla
suma de los cuadrados de los errores:
∑𝑛𝑖=1 𝜀𝑖2 = ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̂𝑖 )2 (EC.7)
3
Es decir, la suma de los cuadrados de las diferencias entre los valores reales observados (yi)
y los valores estimados (𝑌̂𝐼 ).
Demostración.
𝑦 = 𝑚𝑥 + 𝑏
𝑦𝑖 = 𝑚𝑥𝑖 + 𝑏 + 𝜀𝑖
𝜀𝑖 = 𝑦𝑖 − (𝑚𝑥𝑖 + 𝑏) (EC.8)
𝑛
𝜕𝑠𝑟
= ∑ 2[(𝑚𝑥𝑖 + 𝑏 − 𝑦𝑖 )]𝑥𝑖 = 0
𝜕𝑚
𝑖=1
4
2 ∑[(𝑚𝑥𝑖 + 𝑏 − 𝑦𝑖 )]𝑥𝑖 = 0
𝑖=1
Pasando el 2 del otro lado
∑[(𝑚𝑥𝑖 + 𝑏 − 𝑦𝑖 )]𝑥𝑖 = 0
𝑖=1
∑[(𝑚𝑥𝑖2 + 𝑏𝑥𝑖 − 𝑦𝑖 𝑥𝑖 )] = 0
𝑖=1
∑ 𝑚𝑥𝑖2 + ∑ 𝑏𝑥𝑖 − ∑ 𝑦𝑖 𝑥𝑖 = 0
𝑚 ∑ 𝑥𝑖2 + 𝑏 ∑ 𝑥𝑖 − ∑ 𝑦𝑖 𝑥𝑖
𝑚 ∑ 𝑥𝑖2 + 𝑏 ∑ 𝑥𝑖 = ∑ 𝑦𝑖 𝑥𝑖 (EC.10)
𝑛
𝜕𝑠𝑟
= ∑ 2[(𝑚𝑥𝑖 + 𝑏 − 𝑦𝑖 )] = 0
𝜕𝑏
𝑖=1
2 ∑[(𝑚𝑥𝑖 + 𝑏 − 𝑦𝑖 )] = 0
𝑖=1
∑[(𝑚𝑥𝑖 + 𝑏 − 𝑦𝑖 )] = 0
𝑖=1
∑ 𝑚𝑥𝑖 + ∑ 𝑏 − ∑ 𝑦𝑖 = 0
𝑚 ∑ 𝑥𝑖 + 𝑛𝑏 − ∑ 𝑦𝑖
5
𝑚 ∑ 𝑥𝑖 + 𝑛𝑏 = ∑ 𝑦𝑖 (EC.11)
𝑚 ∑ 𝑥𝑖2 + 𝑏 ∑ 𝑥𝑖 = ∑ 𝑦𝑖 𝑥𝑖 (EC.10)
𝑚 ∑ 𝑥𝑖 + 𝑛𝑏 = ∑ 𝑦𝑖 (EC.11)
∑ 𝑥𝑖2 ∑ 𝑥𝑖 𝑚 ∑ 𝑦𝑖 𝑥𝑖
[ ][ ] = [ ]
𝑏
∑ 𝑥𝑖 𝑛 ∑ 𝑦𝑖
(EC.12)
∑ 𝑦𝑖 𝑥𝑖 ∑ 𝑥𝑖
∑ 𝑦𝑖 𝑛 𝑛(∑ 𝑦𝑖 𝑥𝑖 ) − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑚= =
∑ 𝑥𝑖2 ∑ 𝑥𝑖 𝑛 ∑ 𝑥𝑖2 − ∑ 𝑥𝑖2
[ ∑ 𝑥𝑖 𝑛 ]
Para hallar la b se despeja de la ecuación 11.
(EC.13)
∑ 𝑦𝑖 − 𝑚 ∑ 𝑥𝑖
𝑏= = 𝑦̅ − 𝑚𝑥̅
𝑛
𝑦 = 𝑚1 𝑥1𝑖 + 𝑚2 𝑥2𝑖 + 𝑏
𝑦𝑖 = 𝑚1 𝑥1𝑖 + 𝑚2 𝑥2𝑖 + 𝑏 + 𝜀𝑖
𝜀𝑖 = 𝑦𝑖 − (𝑚1 𝑥1𝑖 + 𝑚2 𝑥2𝑖 + 𝑏) (EC.14)
Como (−𝜀𝑖 )2 = 𝜀𝑖
𝑛
𝜕𝑠𝑟
= ∑ 2[(𝑚1 𝑥1𝑖 + 𝑚2 𝑥2𝑖 + 𝑏 − 𝑦𝑖 )]𝑥1𝑖 = 0
𝜕𝑚1
𝑖=1
2
∑ 𝑚1 𝑥1𝑖 + ∑ 𝑚2 𝑥2𝑖 𝑥1𝑖 + ∑ 𝑏𝑥1𝑖 − ∑ 𝑦𝑖 𝑥1𝑖 = 0
2
𝑚1 ∑ 𝑥1𝑖 + 𝑚2 ∑ 𝑥2𝑖 𝑥1𝑖 + 𝑏 ∑ 𝑥1𝑖 = ∑ 𝑦𝑖 𝑥1𝑖 (EC.15)
𝑛
𝜕𝑠𝑟
= ∑ 2[(𝑚1 𝑥1𝑖 + 𝑚2 𝑥2𝑖 + 𝑏 − 𝑦𝑖 )]𝑥2𝑖 = 0
𝜕𝑚2
𝑖=1
𝑛
2
∑ 𝑚1 𝑥1𝑖 𝑥2𝑖 + ∑ 𝑚2 𝑥2𝑖 + ∑ 𝑏𝑥2𝑖 − ∑ 𝑦𝑖 𝑥2𝑖 = 0
2 2
𝑚1 ∑ 𝑥1𝑖 𝑥2𝑖 + 𝑚2 ∑ 𝑥2𝑖 + 𝑏 ∑ 𝑥2𝑖 − ∑ 𝑦𝑖 𝑥2𝑖 = 0
2 2
𝑚1 ∑ 𝑥1𝑖 𝑥2𝑖 + 𝑚2 ∑ 𝑥2𝑖 + 𝑏 ∑ 𝑥2𝑖 = ∑ 𝑦𝑖 𝑥2𝑖 (EC.16)
∑ 𝑚1 𝑥1𝑖 + ∑ 𝑚2 𝑥2𝑖 + ∑ 𝑏 − ∑ 𝑦𝑖 = 0
𝑚1 ∑ 𝑥1𝑖 + 𝑚2 ∑ 𝑥2𝑖 + 𝑛𝑏 − ∑ 𝑦𝑖 = 0
2
𝑚1 ∑ 𝑥1𝑖 + 𝑚2 ∑ 𝑥2𝑖 𝑥1𝑖 + 𝑏 ∑ 𝑥1𝑖 = ∑ 𝑦𝑖 𝑥1𝑖 = 0
2 2
𝑚1 ∑ 𝑥1𝑖 𝑥2𝑖 + 𝑚2 ∑ 𝑥2𝑖 + 𝑏 ∑ 𝑥2𝑖 = ∑ 𝑦𝑖 𝑥2𝑖
𝑚1 ∑ 𝑥1𝑖 + 𝑚2 ∑ 𝑥2𝑖 + 𝑛𝑏 = ∑ 𝑦𝑖
2
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑥1𝑖 ∑ 𝑥1𝑖 ∑ 𝑦𝑖 𝑥1𝑖
𝑚1
2 2
∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑥2𝑖 ∑ 𝑥2𝑖 [𝑚2 ] = ∑ 𝑦𝑖 𝑥2𝑖
𝑏
[ ∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑛𝑏 ] [ ∑ 𝑦𝑖 ]
2
∑ 𝑥1𝑖 ∑ 𝑦𝑖 𝑥1𝑖 ∑ 𝑥1𝑖
2
∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑦𝑖 𝑥2𝑖 ∑ 𝑥2𝑖
∑ 𝑥1𝑖 ∑ 𝑦𝑖 𝑛𝑏
2
∑ 𝑥1𝑖 ∑ 𝑦𝑖 𝑥1𝑖 ∑ 𝑥1𝑖
2
[∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑦𝑖 𝑥2𝑖 ∑ 𝑥2𝑖 ]
𝑚2 = 2
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑥1𝑖 ∑ 𝑥1𝑖
∑ 𝑥1𝑖 𝑥2𝑖 2
∑ 𝑥2𝑖 2
∑ 𝑥2𝑖
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑛𝑏
2
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑥1𝑖 ∑ 𝑥2𝑖
2 2
[∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑥2𝑖 ∑ 𝑥2𝑖 ]
2
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑥1𝑖 ∑ 𝑦𝑖 𝑥1𝑖
2
∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑥2𝑖 ∑ 𝑦𝑖 𝑥2𝑖
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 ∑ 𝑦𝑖
2
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑥1𝑖 ∑ 𝑦𝑖 𝑥1𝑖
2
𝑏= [[∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑥2𝑖 ∑ 𝑦𝑖 𝑥2𝑖 ]]
∑ 𝑥1𝑖2 ∑ 𝑥2𝑖 𝑥1𝑖 ∑ 𝑥1𝑖
∑ 𝑥1𝑖 𝑥2𝑖 2
∑ 𝑥2𝑖 2
∑ 𝑥2𝑖
∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑛𝑏
∑ 𝑥1𝑖2 ∑ 𝑥2𝑖 𝑥1𝑖 ∑ 𝑥2𝑖
2 2
[∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑥2𝑖 ∑ 𝑥2𝑖 ]
−3 3 2 1
[4 1 −1| 2]
1 −2 1 3
1 −1 −2/3 −1/3
[4 1 −1 | 2 ]
1 −2 1 3
Después, como se ve en la matriz identidad, hay que hacer 0 toda la columna debajo del 1, y
se hace multiplicando por algo la fila de arriba y sumándola a la fila de abajo. En este caso,
se multiplica por -4 la fila de arriba y se suma con la correspondiente posición de la fila de
abajo:
1 −1 −2/3 −1/3
[0 5 5/3 | 10/3 ]
1 −2 1 3
Para hacer cero el siguiente renglón simplemente hay que multiplicar por –1 al primer
renglón sumarlo al tercero:
1 −1 −2/3 −1/3
[0 5 5/3 | 10/3 ]
0 −1 5/3 10/3
El siguiente paso para lograr una matriz identidad es obtener el siguiente 1, que en este caso
iría en donde está el 5 en la segunda fila. Para lograrlo hay que dividir toda la segunda fila
entre 5:
1 −1 −2/3 −1/3
[0 1 1/3 | 2/3 ]
0 −1 5/3 10/3
10
Después se tienen que hacer 0 los que están arriba y abajo del 1, que en este caso sería, para
el que está arriba R2+R3:
Ahora hay que hacer cero la posición a12. En este caso con hacer R2+R1 es suficiente:
1 0 −1/3 1/3
[0 1 1/3 | 2/3]
0 0 2 4
1 0 −1/3 1/3
[0 1 1/3 | 2/3]
0 0 1 2
Ahora necesitamos ceros en las posiciones a13 y a23. Dividir entre ⅓ R3 y sumarlo a R1 nos
permitirá encontrar uno de ellos:
1 0 0 3/3 1 0 0 1
[0 1 1/3| 2/3] = [0 1 1/3| 2/3]
0 0 1 2 0 0 1 2
1 0 0 1
[0 1 0| 0]
0 0 1 2
Al encontrar la matriz identidad se encuentra la solución del sistema de ecuaciones, pues esto
se traduce a: 𝑥 = 1, 𝑦 = 0, 𝑧 = 2