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:

Reduciendo los términos en X2 de la primera y la tercera ecuación se obtiene: El tercer renglón se normaliza dividiéndolo entre 10.010: Finalmente. Por lo tanto. 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. es la de proporcionar un método directo para obtener la matriz inversa. el primero requiere aproximadamente 50% menos operaciones. Una de las principales razones para incluir el método de Gauss-Jordán. la eliminación gaussiana es el método simple por excelencia en la obtención de soluciones exactas a las ecuaciones lineales simultáneas.

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

de la siguiente manera: . se usa a22 como pivote y X2 se elimina de los otros renglones. la inversa es: Se puede resolver un sistema de ecuaciones con la inversa de la matriz de coeficientes.Usando a11 como pivote. En seguida. el renglón 1 se normaliza y se usa para eliminar a X1 de los otros renglones. Finalmente. se usa a33 como pivote y X3 se elimina de los renglones restantes: Por lo tanto.

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

determinar un nuevo valor para la incógnita que tiene el coeficiente más grande en esa ecuación. utilizando para las otras incógnitas los valores supuestos. la magnitud del epsilon no especifica el error que puede existir en los valores obtenidos para las incógnitas.0.85 0.40 SOLUCIÓN: Primero ordenamos las ecuaciones. ya que ésta es una función de la velocidad de convergencia. mayor será la precisión de la solución.30 3. (Durante la primera iteración.10.2 X3 = 7.0 X3 = 71. en una cantidad menor que cierto seleccionado arbitrariamente.1 X2 .3 X1 .0. 3. Sin embargo.0. Cuando la ecuación final ha sido resuelta. difiera del valor obtenido en la iteración previa.1 X2 .40 Despejamos cada una de las variables sobre la diagonal: = 0. utilizando el valor calculado para la incógnita del paso 2 y los valores supuestos para las incógnitas restantes. El procedimiento queda entonces completo.2 X2 . Continuar iterando hasta que el valor de cada incógnita.3 X1 .30 0. 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. Partiendo de la primera ecuación.0 X2 . proporcionando un valor para la única incógnita.10.0 X3 = 71.0. Refiriéndonos al paso 5.0. Mientras mayor sea la velocidad de convergencia.1 X1 + 7.3 X3 = -19.001.85 0. de modo que en la diagonal principal estén los coeficientes mayores para asegurar la convergencia. Continuar con las ecuaciones restantes. y utilizando siempre los últimos valores calculados para las otras incógnitas de la ecuación.2 X2 . 3.3 X3 = -19. se deben utilizar los valores supuestos para las incógnitas hasta que se obtenga un valor calculado). determinando siempre el valor calculado de la incógnita que tiene el coeficiente más grande en cada ecuación particular. dado.2.0. 5. 4. . Pasar a la segunda ecuación y determinar en ella el valor de la incógnita que tiene el coeficiente más grande en esa ecuación.1 X1 + 7. mientras menor sea la magnitud del seleccionado.0 X1 .0.2 X3 = 7. se dice que se ha completado una iteración.0 X2 .0 X1 .0. determinado en una iteración particular.

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. se repite el mismo procedimiento: Comparando los valores calculados entre la primera y la segunda iteración .

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

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

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. Ejemplo: . .: Resolver un sistema de ecuaciones es hallar todas sus soluciones. Obviamente. .e.Multiplicar o dividir una ecuación por un número distinto de cero.l. el método de Gauss consiste en triangular la matriz de coeficientes. y así sucesivamente hasta llegar a la última ecuación.Intercambiar dos ecuaciones entre sí. Para resolver un s.Suprimir una ecuación que sea proporcional a otra. .Suprimir una ecuación que tenga todos sus elementos nulos.Suprimir una ecuación que sea combinación lineal de otra/s . Generalmente las (criterios de equivalencia) transformaciones más habituales son: .e. es decir. a continuación la penúltima. 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). y así hasta llegar a la primera. lo primero que debemos hacer es discutir el sistema (teorema de Rouché-Fröbenius) para averiguar su compatibilidad.l. un sistema se puede resolver cuando es compatible. resolvemos la última ecuación.Métodos de Resolución de s. la segunda n-1. . hay que hacer transformaciones en las ecuaciones hasta que todas las incógnitas queden despejadas. la tercera n-2. Hecho esto. Es decir. que tendrá una sola incógnita.

por tanto.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. por definición. El valor de cada incógnita xi se obtiene de un cociente cuyo denominador es el determinante de la matriz de coeficientes. Es decir. compatible determinado y. y cuyo numerador es el determinante que se obtiene al cambiar la columna i del determinante anterior por la columna de los términos independientes. Ejemplo: . un sistema de Cramer es. tiene siempre una solución única.

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. resuelve sistemas compatibles determinados (no-homogéneos). Es decir.

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