P. 1
3.4 Métodos de solución de un sistema de ecuaciones lineales

3.4 Métodos de solución de un sistema de ecuaciones lineales

|Views: 1.851|Likes:

More info:

Published by: Roberto Dionicio Gonzalez on Nov 08, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

11/02/2015

pdf

text

original

3.4 Métodos de solución de un sistema de ecuaciones lineales: Gauss, Gauss-Jordán, inversa de una matriz y regla de Cramer.

-

MÉTODO DE GAUSS - JORDAN Este método, que constituye una variación del método de eliminación de Gauss, permite resolver hasta 15 o 20 ecuaciones simultáneas, con 8 o 10 dígitos significativos en las operaciones aritméticas de la computadora. Este procedimiento se distingue del método Gaussiano en que cuando se elimina una incógnita, se elimina de todas las ecuaciones restantes, es decir, las que preceden a la ecuación pivote así como de las que la siguen. El método 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 términos independientes como una matriz aumentada.

Se normaliza el primer renglón dividiendo entre 3 para obtener:

El término X1 se puede eliminar del segundo renglón restando 0.1 veces el primero del segundo renglón. De una manera similar, restando 0.3 veces el primero del tercer renglón se elimina el término con X1 del tercer renglón.

En seguida, se normaliza el segundo renglón dividiendo entre 7.00333:

Una de las principales razones para incluir el método de Gauss-Jordán. es la de proporcionar un método directo para obtener la matriz inversa. . Por lo tanto.010: Finalmente. el primero requiere aproximadamente 50% menos operaciones.Reduciendo los términos en X2 de la primera y la tercera ecuación se obtiene: El tercer renglón se normaliza dividiéndolo entre 10. la eliminación gaussiana es el método simple por excelencia en la obtención de soluciones exactas a las ecuaciones lineales simultáneas. Las ventajas y desventajas de la eliminación gaussiana se aplican también al método de GaussJordán. Aunque los métodos de Gauss-Jordán y de eliminación de Gauss pueden parecer casi idénticos. los términos con X3 se pueden reducir de la primera y segunda ecuación para obtener: Nótese que no se necesita sustitución hacia atrás para obtener la solución.

Además. se obtiene A X = I (14) Puede considerarse que esta ecuación matricial representa un sistema de ecuaciones simultáneas. sino n. los que corresponden a cada columna de la matriz unitaria. se obtendrá la matriz ampliada Ejemplo: Invertir la matriz . . I) de manera de transformar A en I. Cuando se haya hecho. es decir. no existe un solo vector de incógnitas. que su determinante sea diferente de cero. Para lograrlo.Por definición de matriz inversa. en donde no hay un solo vector de términos independientes sino n. bastará con aplicar las operaciones elementales sobre los renglones de la matriz ampliada (A. es posible determinar la inversa de una matriz con el método de Gauss-Jordán de eliminación completa. Auméntese la matriz de coeficientes con una matriz identidad . con lo que se tendrá la inversa buscada. se tiene que Es la inversa de A si: (13) Haciendo y sustituyendo en la ecuación anterior. Por lo anterior.INVERSIÓN DE MATRICES Sea A una matriz cuadrada no singular. la n vectores básicos que forman la matriz unitaria I.

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: .Usando a11 como pivote. se usa a22 como pivote y X2 se elimina de los otros renglones. el renglón 1 se normaliza y se usa para eliminar a X1 de los otros renglones. En seguida. Finalmente.

Sin embargo. hacerla. Si no. y del procedimiento de redondeo. el número de ecuaciones que se pueden manejar se puede incrementar considerablemente a más de 15 o 20. pero afectarán el número de iteraciones requeridas para dicha convergencia. cientos de ecuaciones que se deben resolver simultáneamente. existen varias técnicas que se pueden utilizar. No obstante. son del tipo en el cual existen siempre coeficientes dominantes. por ejemplo. se pueden asignar valores seleccionados arbitrariamente. El método de inversión de matrices tiene limitaciones similares cuando se trabaja con números muy grandes de ecuaciones simultáneas. y se podría usar con ventaja el método de inversión de matrices. MÉTODO DE GAUSS-SEIDEL El método de eliminación para resolver ecuaciones simultáneas suministra soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. pero este método también es impráctico cuando se presentan. Asignar un valor inicial a cada incógnita que aparezca en el conjunto. la convergencia está asegurada. y el método de Gauss-Seidel tiene la desventaja de que no siempre converge a una solución o de que a veces converge muy lentamente. este método convergirá siempre a una solución cuando la magnitud del coeficiente de una incógnita diferente en cada ecuación del conjunto. para resolver grandes números de ecuaciones simultáneas. Afortunadamente.Donde C es el vector de términos independientes. La secuencia de pasos que constituyen el método de Gauss-Seidel es la siguiente: 1. una matriz aumentada que contiene 20 columnas de constantes (que se utilizarían en el método de eliminación) sería difícil de reducir. cuando el valor absoluto del coeficiente dominante para una incógnita diferente para cada ecuación es mayor que la suma de los valores absolutos de los otros coeficientes de esa ecuación. si se desea resolver 20 conjuntos de 10 ecuaciones simultáneas que difieren únicamente en sus términos independientes. las ecuaciones simultáneas lineales que se derivan de muchos problemas de ingeniería. Los valores iniciales utilizados no afectarán la convergencia como tal. Una de las técnicas más útiles es el método de Gauss-Seidel. Si es posible hacer una hipótesis razonable de éstos valores. Comparando ambos métodos. El número exacto depende de las ecuaciones de que se trate. Un sistema diagonal es condición suficiente para asegurar la convergencia pero no es condición necesaria. Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a los otros para asegurar la convergencia y es aún más difícil predecir la velocidad de la convergencia para alguna combinación de valores de los coeficientes cuando esa convergencia existe. sea suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa ecuación. . Ninguno de los procedimientos alternos es totalmente satisfactorio. del número de dígitos que se conservan en el resultado de las operaciones aritméticas. Sin embargo. porque la cantidad de cálculos que intervienen para determinar la matriz inversa es muy grande. Ese conjunto de ecuaciones simultáneas lineales se conoce como sistema diagonal. Sin embargo. es evidente que el método de inversión de matrices no es práctico para la solución de un sólo conjunto (o dos o tres conjuntos) de ecuaciones simultáneas. Utilizando ecuaciones de error.

dado. utilizando el valor calculado para la incógnita del paso 2 y los valores supuestos para las incógnitas restantes.2 X3 = 7.10. en una cantidad menor que cierto seleccionado arbitrariamente.0 X3 = 71. determinar un nuevo valor para la incógnita que tiene el coeficiente más grande en esa ecuación.1 X1 + 7.0.85 0.0 X1 .40 SOLUCIÓN: Primero ordenamos las ecuaciones. Refiriéndonos al paso 5.10. El procedimiento queda entonces completo. determinado en una iteración particular. (Durante la primera iteración. 3. Partiendo de la primera ecuación. Continuar iterando hasta que el valor de cada incógnita.30 3.3 X3 = -19. y utilizando siempre los últimos valores calculados para las otras incógnitas de la ecuación.1 X2 .3 X3 = -19.0. 4.40 Despejamos cada una de las variables sobre la diagonal: = 0. difiera del valor obtenido en la iteración previa. mayor será la precisión obtenida en los valores de las incógnitas para un Ejemplo: Resolver el siguiente sistema de ecuación por el método Gauss-Seidel utilizando un 0. mayor será la precisión de la solución.2 X2 . Mientras mayor sea la velocidad de convergencia. Continuar con las ecuaciones restantes.0.0.30 0.0. proporcionando un valor para la única incógnita.2 X3 = 7.1 X2 .2.3 X1 .85 0. Cuando la ecuación final ha sido resuelta.0 X2 . se dice que se ha completado una iteración. 3. Pasar a la segunda ecuación y determinar en ella el valor de la incógnita que tiene el coeficiente más grande en esa ecuación.3 X1 . utilizando para las otras incógnitas los valores supuestos.0. la magnitud del epsilon no especifica el error que puede existir en los valores obtenidos para las incógnitas.0. Sin embargo.0 X3 = 71. de modo que en la diagonal principal estén los coeficientes mayores para asegurar la convergencia.0 X2 . ya que ésta es una función de la velocidad de convergencia. determinando siempre el valor calculado de la incógnita que tiene el coeficiente más grande en cada ecuación particular. mientras menor sea la magnitud del seleccionado.2 X2 .1 X1 + 7. 5. .0.0 X1 . se deben utilizar los valores supuestos para las incógnitas hasta que se obtenga un valor calculado).001.

se repite el mismo procedimiento: Comparando los valores calculados entre la primera y la segunda iteración .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 iteración se completa sustituyendo los valores de X1 y X2 calculados obteniendo: En la segunda iteración.

Como podemos observar. Se repite entonces el proceso: Comparando de nuevo los valores obtenidos Como se observa todavía no se cumple la condición . no se cumple la condición Entonces tomamos los valores calculados en la última iteración y se toman como supuestos para la siguiente iteración.

Se deja de investigación al alumno alguna forma que haga que este método converga más rápidamente. se hicieron 3 iteraciones.0 X2 = -2. el resultado es: X1 = 3. En este ejemplo.Así que hacemos otra iteración Comparando los valores obtenidos Dado que se cumple la condición.0 Como se puede comprobar no se tiene un número exacto de iteraciones para encontrar una solución. pero a menudo se necesitan más iteraciones.5 X3 = 7. .

un sistema se puede resolver cuando es compatible. . resolvemos la última ecuación. Hecho esto. Estas transformaciones convierten nuestro sistema inicial en otro/s sistema/s (con aspecto distinto y más fáciles de resolver) que tienen las mismas soluciones (= sistemas equivalentes). el método de Gauss consiste en triangular la matriz de coeficientes.Suprimir una ecuación que sea proporcional a otra.l. la tercera n-2. Para resolver un s.Intercambiar dos ecuaciones entre sí. . lo primero que debemos hacer es discutir el sistema (teorema de Rouché-Fröbenius) para averiguar su compatibilidad.e.: Resolver un sistema de ecuaciones es hallar todas sus soluciones. .Suprimir una ecuación que sea combinación lineal de otra/s . a continuación la penúltima. y así sucesivamente hasta llegar a la última ecuación. .Suprimir una ecuación que tenga todos sus elementos nulos.l. la segunda n-1. Obviamente.Multiplicar o dividir una ecuación por un número distinto de cero.Sustituir una ecuación i de este modo: Ei = Ei + a·Ej Métodos directos:      Método de Gauss (por reducción) Método de Cramer (por determinantes) Por inversión de la matriz Método de Gauss-Jordán (por eliminación) Por sustitución Métodos iterativos:   Método de Jacobi Método de Gauss-Seidel Vamos a resolver el mismo sistema por varios de éstos métodos para apreciar mejor sus diferencias  Método de Gauss (por reducción) Dado un sistema de "m" ecuaciones con "n" incógnitas se trata de obtener un sistema equivalente cuya 1ª ecuación tenga n incógnitas. Generalmente las (criterios de equivalencia) transformaciones más habituales son: . que tendrá una sola incógnita. hay que hacer transformaciones en las ecuaciones hasta que todas las incógnitas queden despejadas. Ejemplo: . Es decir.Métodos de Resolución de s.e. y así hasta llegar a la primera. es decir.

Es decir. por definición. un sistema de Cramer es.Resolver el siguiente sistema compatible determinado Ejemplo: Resolver el siguiente sistema compatible indeterminado  Método de Cramer (por determinantes) Es aplicable si el sistema tiene igual número de ecuaciones que de incógnitas n=m y el determinante de la matriz de coeficientes es distinto de cero. tiene siempre una solución única. Ejemplo: . por tanto. y cuyo numerador es el determinante que se obtiene al cambiar la columna i del determinante anterior por la columna de los términos independientes. compatible determinado y. El valor de cada incógnita xi se obtiene de un cociente cuyo denominador es el determinante de la matriz de coeficientes.

Es decir. resuelve sistemas compatibles determinados (no-homogéneos). Ejemplo: .Resolver el siguiente sistema compatible determinado  Por inversión de la matriz Es aplicable si el sistema tiene igual número de ecuaciones que de incógnitas n=m y el determinante de la matriz de coeficientes es distinto de cero.

donde v es la matriz ampliada.Resolver el siguiente sistema compatible determinado  Método de Gauss-Jordán. y resulta ser más simple al final del proceso. Esta función de Derive resuelve un s. ya que no es preciso despejar las variables pues la solución se obtiene directamente. Se basa en diagonalizar la matriz de coeficientes. NOTA: Si eres usuario registrado del programa Derive.l. puedes probar la función ROW_REDUCE (v). por el método de Gauss-Jordán. Ejemplo: .e. Es una variante del método de Gauss.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->