Cap1 - Sistemas de Ecuaciones - (Completo) PDF

Técnicas Aproximadas en Mecánica
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones
Universidad Simón Bolívar

Enero – Marzo 2012
Boris M. Bossio Velásquez

Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Contenido - Agenda
• 1.1 Introducción
• 1.2 Eliminación de Gauss
• 1.3 Eliminación de Gauss-Jordan
• 1.4 Método de Galerkin ó Descomposición LU
• 1.5 Determinación de la matriz inversa
• 1.6 Normas y Criterios/Condiciones de Parada
• 1.7 Número de Condición
• 1.8 Métodos iterativos de Jacobi y Gauss-Seidel
• 1.9 Métodos iterativos para ecuaciones no-lineales:
método de las sustituciones sucesivas
método de Newton-Raphson
2
Capítulo 1:
• 1.3 Eliminación de Gauss-Jordan.
• 1.8 Métodos iterativos de Jacobi y Gauss-Seidel.
método de Newton-Raphson.
3
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Introducción
Suponga que tiene que analizar los esfuerzos a los
cuales está sometida la siguiente cercha:
Al plantear este problema se genera un sistema de 17 ecuaciones con 17 incógnitas; en este caso las incógnitas están asociadas a
las fuerza que soporta cada elemento de la cercha, si todos los elementos tienen la misma área de sección transversal.
En principio, cualquier problema planteado que posea “n” ecuaciones lineales o no lineales con “n” incógnitas, puede ser resuelto
haciendo uso de métodos numéricos.
REPASO BREVE:
NOTACIÓN MATRICIAL SISTEMAS DE ECUACIONES LINEALES
Los sistemas de ecuaciones se pueden escribir en forma matricial de la siguiente manera:
=
. . .
M: Número de incógnitas
N: Número de Ecuaciones
Si m>n No existe solución única
Si n>m Ecuaciones Redundantes
Si n=m Sistema bien determinado
Definición de Matriz: .
, ,
⋮ ⋮ , (Notación indicial)
, , 4
Capítulo 1:
Matriz Simétrica: cuando la matriz traspuesta es igual a la original.
, = ,
Matriz Diagonal: cuando los únicos elementos distintos de cero están en la diagonal principal.
Matriz Identidad: cuando una matriz diagonal está compuesta solamente por 1’s.
1 0 0
0 1 0
0 0 1
Matriz Triangular Superior: Cuando los elementos por encima de la diagonal son cero.
1 0 0
4 2 0
7 9 3
Matriz Triangular Inferior: Cuando los elementos por debajo de la diagonal son cero.
1 5 3
0 2 1
0 0 3
Matriz Ampliada: = la matriz ampliada se obtiene al unir la matriz , con el vector columna .
, ,
⋮ ⋮
, ,
Para resolver un sistema de ecuaciones lineales existen dos familias de métodos: los directos y los iterativos.
5
Capítulo 1:
Es importante tener presente lo siguiente:
1) Es posible resolver analíticamente los sistemas de

ecuaciones lineales, pero cuando el número de
ecuaciones o la cantidad de veces que hay que hallar la
solución es grande, la solución analítica es poco
Es recomendable, antes de continuar, que el
práctica.
estudiante recuerde y domine los siguientes
conceptos y operaciones del álgebra matricial:
2) Si el error de redondeo es despreciable, estos Notación Indicial, Operaciones Matriciales (suma, resta,
sistemas pueden ser resueltos numéricamente de multiplicación), Matriz Nula, Matriz Traspuesta, Matriz
manera exacta. Para ello se utilizan dos tipos de Hermitiana, Matriz Simétrica, Matriz Escalar, Matriz Diagonal,
métodos: directos e iterativos. Los métodos directos Matriz Inversa, Matriz Ortogonal, Matriz Unitaria, Matrices
pueden utilizarse cuando el número de ecuaciones no Triangulares, Cálculo de Determinantes de Matrices y las
es muy grande (típicamente 40 o menos). Los métodos Propiedades de los Determinantes.
iterativos se utilizan tanto para un gran número de
ecuaciones (generalmente más de 100) ó cuando el
problema a resolver tiene ciertas características.
6
Capítulo 1:
MÉTODOS DIRECTOS PARA RESOLVER NUMÉRICAMENTE SISTEMAS DE ECUACIONES LINEALES:
Los siguientes métodos permiten obtener la solución del sistema de ecuaciones lineales, sin la necesidad de iterar, al aplicar,
básicamente, operaciones elementales de matrices:
-Eliminación Gaussiana
-Gauss-Jordan
-Método de Galerkin o “Descomposición LU” (también conocido como “Factorización LU”)
El procedimiento es “Directo”, se realiza sólo una vez y se obtiene la respuesta.
MÉTODOS ITERATIVOS PARA RESOLVER NUMÉRICAMENTE SISTEMAS DE ECUACIONES LINEALES:
Este tipo de métodos requiere realizar varias veces un procedimiento, hasta alcanzar una respuesta que se considere satisfactoria.
Son especialmente útiles cuando se debe resolver sistemas “poco densos”, ó con muchos ceros (i.e. cuando la matriz de
coeficientes tiene muchos ceros).
Entre los métodos más conocidos se encuentran:
-Método de Jacobi
-Método de Gauss-Seidel
7
Capítulo 1:
8
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Eliminación de Gauss
En su esencia, este método consiste en reducir una matriz de coeficientes “[A]” a una matriz triangular superior, por
medio de operaciones elementales entre filas. Se aplica para resolver un sistemas de “n” ecuaciones ([A]nxnXn=bn), pero,
para mostrar las operaciones y simplificar la notación, se supondrá que se debe resolver un sistema de 3 ecuaciones.
, , ,
Usualmente se trabaja con la matriz ampliada , , ,
, , ,
, ,
1
, , ,
Se divide la primera fila entre , , , ,
, , ,
Se multiplica la primera fila por − , y se suma con la 2da fila, de igual forma se multiplica la primera fila por − , y se
suma a la tercera fila
, ,
1
, , ,
, , , , ,
0 , − , − −
, , ,
, , , ,
0 , − , − −
,
, , ,
Luego de igual forma se procede con la segunda columna, hasta convertir toda la matriz.
De esta manera se despeja el valor de la incógnita Xn correspondiente al último término de la diagonal. Luego con una
sustitución hacia atrás se despeja el resto de las incógnitas, para finalmente obtener el vector solución.
1 , ,
0 1 ¿Qué ocurre cuando alguno de los
,
componentes de la diagonal de la
0 0 1 Matriz A es cero? 9
Capítulo 1:
Una vez que se identificó el punto débil de este método, pueden tomarse acciones de solución, mediante la aplicación de
una estrategia de cambio de filas, o simplemente “pivoteo”, o cambio de “pivote”.
El pivoteo es una estrategia que se aplica en la solución de sistemas de ecuaciones lineales, que consiste en garantizar
que todos los elementos de la diagonal principal sean distintos de cero y a su vez que sean los mayores posibles.
Es Importante que el valor de los pivotes sea mayor a 1. Más adelante se comprenderá mejor esta situación deseada.
Un algoritmo para implementar la estrategia de pivoteo es el siguiente:
Estrategia de Pivoteo
Se define [M] como la matriz ampliada (i.e. [M]=[ A Ib ]
Desde i=1 hasta i=n
Hacer =
Hacer Desde j=i hasta j=n-1
Si , > ,
Hacer = +1
Si >
Hacer = ()
Hacer () = ( )
Hacer ( ) =
Si , < 10 Detener por Matriz Singular
Fin
10
Capítulo 1:
Ejemplo:
Un algoritmo para aplicar la Eliminación Gaussiana a una Se tiene que resolver el siguiente sistema de ecuaciones:
matriz ampliada para resolver un sistema de n ecuaciones, es + + =2
el siguiente: + + −4=0
Eliminación Gaussiana + + =1
1 2 32
Escrito en forma Matricial: 4 5 6 4
Se define n como la dimensión del sistema de ecuaciones, [A]
7 8 51
como la matriz ampliada, aij como el componente de la matriz
que ocupa la fila i y la columna j y x como el vector Solución. Resolviendo el sistema aplicando Eliminación Gaussiana:
(sin Pivoteo)
(Se Aplica la estrategia de cambio de filas “Pivoteo”)
Desde i=1 hasta i=n Al realizar operaciones elementales de fila para convertir a cero
Hacer = todos los componentes debajo de la diagonal en la primera
,
Hacer Desde j=i+1 hasta j=n columna:
1 2 3 2
= − , ()
0 −3 −6 −4
Hacer = 0 −6 −16 −13
Desde i=n hasta i=1
Hacer = Ahora en la segunda columna: :
Hacer Desde j=n hasta j=i 1 2 3 2
= − , 0 1 2 1.33
Hacer = 0 0 −4 −5
Fin
Finalmente en la tercera columna:
1 2 3 2
0 1 2 1.33
El vector solución del sistema de ecuaciones es el vector x, que 0 0 1 1.25
contiene los valores de las respectivas incógnitas. Al aplicar la sustitución hacia atrás, se obtiene la solución:
0.58
Otra forma es expresar el −1.17
vector solución a partir 1.25
de la siguiente expresión: 11
Capítulo 1:
12
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Eliminación de Gauss-Jordan
Ejemplo:
Este método es una modificación de la eliminación Gaussiana,
y consiste en reducir el sistema original hasta una matriz Se tiene que resolver el siguiente sistema de ecuaciones:
identidad mediante operaciones elementales entre filas.
+ + + =2
− + + =4
Este método se puede implementar con el siguiente algoritmo: − + + + =1
+ + + =1
Eliminación de Gauss-Jordan 1 2 3 62
4 −3 5 64
En forma Matricial
Se define n como la dimensión del sistema de ecuaciones, a −7 1 8 51
como la matriz ampliada y xcomo el vector solución. 3 1 2 41
Se aplica el Pivoteo
Desde i=1 hasta i=n Resolviendo el sistema aplicando Gauss-Jordan:
()
Hacer = 1 2 3 6 2
,
Hacer Desde j=1 hasta j=n 0 −11 −7 −18 −4
Trabajando sobre la primera Columna:
Si j≠i 0 15 29 47 15
0 −5 −7 −14 −5
= − , ()
Hacer = 1 0 1.73 2.73 1.27
Fin 0 1 0.64 1.64 0.36
Trabajando sobre la segunda Columna:
0 0 19.45 22.45 9.55
0 0 −3.82 −5.82 −3.18
El vector solución del sistema de ecuaciones es el vector x, que
contiene los valores de las respectivas incógnitas. 1 0 0 0.73 0.43
0 1 0 0.90 0.05
Trabajando sobre la tercera Columna:
Una variante del método es trabajar sobre las columnas, haciendo 0 0 1 1.15 0.49
cero los elementos que no están en la diagonal pero sin 0 0 0 −1.41 −1.31
necesariamente hacer que los elementos de la diagonal sean iguales
a uno, salvo al final, cuando se obtiene la respuesta. 1 0 0 0 −0.26
0 1 0 0 −0.78
De forma directa, se obtiene la solución :
0 0 1 0 −0.58
0 0 0 1 0.93
13
Capítulo 1:
14
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Descomposición LU
Existen otras formas de resolver sistemas de ecuaciones Primero se halla una columna de L y luego una fila de U
lineales, distintas a los Métodos de Gauss y Gauss-Seidel. 0 0 1
, , , , , ,
, , 0 0 1 , = , , ,
La Descomposición LU (o Método de Galerkin, o , , , 0 0 1 , , ,
Factorización LU) es un método para resolver sistemas
lineales que consiste en descomponer la matriz cuadrada , = ,
(nxn) de coeficientes, en una matriz triangular superior y  =
, ,
en una matriz triangular inferior, tales que su producto
=
sea igual a la matriz original. , ,
= 0 0 1
, , , , , ,
Existen infinitas descomposiciones LU que cumplen con , , 0 0 1 = , , ,
,
la ecuación. Sin embargo, la descomposición es única si 0 0 1 , , ,
, , ,
se establece que la matriz triangular superior posea 1’s
en la diagonal, por ejemplo. ,
, =
,

Usando como convención que la matriz L(Lower)sea la , = ,
diagonal inferior, y U(Upper)la diagonal superior, pueden ,
expresarse, por ejemplo, para un caso de n=3: 0 0

, 1 , , , , ,
, , 0 0 1 , = , , ,
, 0 0 1 , , 0 0 1 , , ,
, , ,
= , , 0 = 0 1 ,
, , , 0 0 1 , = , − , ,

, = , − , ,
Para hallar los valores de las componentes de las 0 0 1

matrices L y U, basta con aplicar la definición, esto es , , , , , ,
0 0 1 =
multiplicando cada fila de L, con cada columna de U, e , , , , , ,
igualando al valor correspondiente del elemento de [A]. , , , 0 0 1 , , ,
, , ,
 , =
,
y así sucesivamente, hasta definir L y U
15
Capítulo 1:
En muchas casos es necesario resolver un sistema lineal de

ecuaciones variando únicamente los coeficientes del vector Un algoritmo que implemente la sustitución hacia atrás y
de términos independientes b. En dichos casos, por lo hacia adelante, para hallar la solución del sistema es el
práctico de resolver sistemas utilizando sustitución hacia siguiente:
atrás o hacia adelante, la aplicación del método de la
descomposición LU puede resultar muy útil y eficiente. Descomposición LU
Dada las matrices L y U, correspondientes a un sistema de

SOLUCIÓN DE UN SISTEMA DE ECUACIONES USANDO LU
ecuaciones, y sea b el vector de términos independientes.
Un sistema de ecuaciones lineales puede ser resuelto
Desde i=1 hasta i=n (Se resuelve = )
usando la descomposición LU, considerando lo siguiente:
Hacer =
Hacer Desde j=1 hasta j=i
Si se tiene que : =
= − ,
Sustituyendo: ][ = Hacer ()=
,
Desde i=n hasta i=1 (Se resuelve = )
Si se define un vector auxiliar, i.e. “X” = Hacer =
Hacer Desde j=n hasta j=i
= (1) = − ,
El sistema de ecuaciones queda:
= (2) Hacer X( ) =
Fin
Como U es una matriz triangular superior, el sistema (1) El vector solución del sistema de ecuaciones es el vector X.
se resuelve con sustitución hacia atrás y el sistema (2) se
resuelve con sustitución hacia adelante, para obtener el
vector de soluciones X.
16
Capítulo 1:
1 0 0 1 2 3 1 2 3
Ejemplo: 4 , 0 0 1 , = 4 5 6
7 , , 0 0 1 7 8 5
+ + =2
+ + −4=0 , =5−8
+ + =1 
, = 8 − 14
1 2 3 2 1 0 0 1 2 3 1 2 3
En forma Matricial: = 4 5 6 = 4 4 −3 0 0 1 , = 4 5 6
7 8 5 1 7 −6
Se definen las matrices L y U. , 0 0 1 7 8 5
0 0 0 1 0 0
= 0 0 0 y = 0 1 0 , = =2
0 0 0 0 0 1 
, = 5 − 21 + 12 = −4
Luego,
1 0 0 1 2 3
= 4 −3 0 y = 0 1 2
, 0 0 1 , , 7 −6 −4 0 0 1
, , 0 0 1 , = 1 0 0 2
, , , 0 0 1 Resolviendo = 4 −3 0 = 4
, =1 7 −6 −4 1
1 2 3 =4 2
,
4 5 6   = 1.33
, =7
7 8 5 1.25
1 2 3 2
1 0 0 1 1 2 3
, , Resolviendo = 0 1 2 = 1.33
4 , 0 0 1 = 4 5 6
, 0 0 1 1.25
7 , , 0 0 1 7 8 5 0.58
, =2  = −1.17

, =3 1.25
17
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Comparación: Costo Computacional de Métodos Directos
Número de
Operaciones
Requerido
Fuente: Apuntes Prof. Armando Blanco

Caso n = 10
Número de
Operaciones Eliminación Gauss- Descomposición
Número de Operaciones Requerido
Requerido Gauss Jordan LU
x&/ 430 475 497
+&- 375 375 452
Caso n = 100
Número de
Operaciones Eliminación Gauss- Descomposición
Requerido Gauss Jordan LU
x&/ 343.300 348.200 500.000
+&- 338.200 338.200 495.000 18

Capítulo 1:
19
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Determinación de la Matriz Inversa
La creación de los métodos directos para resolver sistemas de ecuaciones estuvo

inspirada en evitar el cálculo de las matrices inversas, ya que este proceso es muy
costoso computacionalmente. Sin embargo, de manera muy fácil puede calcularse la
matriz inversa si ya se conoce cómo calcular la solución de un sistema lineal
empleando el Método de Gauss-Jordan, tal y como se explica a continuación:
Determinación de la Matriz Inversa

Supóngase que se quiere resolver el sistema [A]x=b y además se quiere obtener [A-1].
El procedimiento a seguir es el siguiente:
1) Se construye la Matriz Ampliada de la forma C = [ A I b I I ]

2) Se realizan las operaciones elementales de filas sobre C a fin de encontrar la
solución del sistema lineal empleando el Método de Gauss-Jordan y, finalmente,
se obtiene una nueva matriz D = [I I x I A-1] , donde se apreciarán la matriz
identidad, seguida de una columna con el vector solución y en las últimas n
columnas se tendrá la matriz inversa de A.
20
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Determinación de la Matriz Inversa
Ejemplo:
21
Capítulo 1:
22
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Normas
Antes de presentar los métodos iterativos conviene estudiar y Ejemplos:
repasar distintos conceptos que permitirán establecer la
calidad de las respuestas aproximadas y fijar las condiciones de
parada.
La norma de una matriz o de un vector es una medida de sus

magnitudes.
En relación a los Vectores, se tienen las normas:
Para las Matrices, se pueden definir las siguientes, por ejemplo:
23
Capítulo 1:
24
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Número de Condición
25
Capítulo 1:
26
Capítulo 1:
27
Capítulo 1:
28
Capítulo 1:
29
Capítulo 1:
30
Capítulo 1:
31
Capítulo 1:
32
Capítulo 1:
33
Capítulo 1:
34
Capítulo 1:
35
Capítulo 1:
36
Capítulo 1:
37
Capítulo 1:
38
Capítulo 1:
39
Capítulo 1:
40
Capítulo 1:
41
Capítulo 1:
42
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Métodos de Jacobi y Gauss-Seidel
Los métodos iterativos consideran una “adivinanza” o aproximación inicial a la solución como la primera de una sucesión de
aproximaciones a la solución. En estos métodos se halla un despeje de cada incógnita, entre las ecuaciones a resolver, para luego
evaluar las expresiones sucesivamente hasta hallar la “solución”, constituida por un conjunto de valores aproximados que cumplen o
verifican algún criterio de convergencia (i.e. norma L).
Recordando el esquema de punto fijo = ( )
El sistema de ecuaciones a resolver =
Se expresa de una forma distinta: = −
Donde B es la matriz que contiene las ecuaciones despejadas. Esta matriz se consigue luego de aplicar pivoteo, a la matriz del sistema
de ecuaciones (Para garantizar la convergencia, de acuerdo al criterio de punto fijo) y de hacer cero (0) los elementos de la diagonal
(para el caso de ecuaciones lineales)
El método de Jacobi se puede implementar de la siguiente manera:
Método de Jacobi
Se define n como la dimensión del sistema de ecuaciones, a como la matriz ampliada y Sem como el vector semilla.
Desde i=1 hasta i=n
()
Hacer =
,
Hacer ,=0
Hacer Mientras L ≥ Lmax o n ≤ Nmax
Hacer = −
Calcular
Hacer =
Fin
43
Capítulo 1:
Ejemplo: Se requiere resolver el siguiente sistema de ecuaciones:

1 +6 2+3 4 =2 1 6 0 3 2
4 1 +8 3 +2 4 +4 = 0 4 0 8 2 −4
Forma Matricial = =
5 1 + 4 3 + 11 4 = 6 5 0 4 11 6
9 1 +3 2 +5 3 = 1 9 3 5 0 1
Aplicando Pivoteo:
9 3 5 0 1 1 0 3 5 0
1 6 0 3 2 { 2 1 0 0 3 {
= = +1 } = − }
4 0 8 2 −4 −4 4 0 0 2
5 0 4 11 6 6 5 0 4 0
Método de Jacobi
Incógnita Semilla 1 2 3 4 5 6 7 41
X1 1 -0,7778 0,9167 -0,0648 0,9969 0,3003 0,9298 0,4620 0,6888
X2 1 -0,3333 0,5993 -0,4962 0,2719 -0,3560 0,1455 -0,2552 -0,0780
X3 1 -1,2500 -0,0429 -1,2967 -0,5037 -1,2601 -0,7190 -1,1817 -0,9926
X4 1 -0,2727 1,3535 0,1444 1,0464 0,2755 0,8672 0,3843 0,5935
Error L2 0 1,4488 0,9232 1,1675 0,7356 0,7606 0,5273 0,4988 0,0003
44
Capítulo 1:
El método de Gauss-Seidelconstituye una modificación al método de Jacobi, a fin de mejorar su convergencia, o al menos,
con esa intención. La modificación consiste en usar para la siguiente iteración el valor inmediatamente obtenido del paso
anterior. En otras palabras, las aproximaciones son usadas a medida que son generadas
Método de Gauss-Seidel
Se define n como la dimensión del sistema de ecuaciones, a como la matriz ampliada y Sem como el vector semilla.
Desde i=1 hasta i=n
()
Hacer =
,
Hacer =0
,
Hacer Mientras L ≥ Lmax o n ≤ Nmax
Hacer Desde j=1 hasta j=n
Hacer = − ( )
Hacer =
Calcular
Hacer =
Fin
45
Capítulo 1:
Ejemplo:
Resolvamos el mismo sistema de ecuaciones, planteado para el método de
Valor de L vs. Número de Iteraciones
Jacobi.
1 +6 2+3 4 =2 1 6 0 3 2
4 1 +8 3 +2 4 +4 = 0 4 0 8 2 −4
Forma Matricial = =
5 1 + 4 3 + 11 4 = 6 5 0 4 11 6
9 1 +3 2 +5 3 = 1 9 3 5 0 1
Aplicando Pivoteo:
9 3 5 0 1 1 0 3 5 0
1 6 0 3 2 { 2 1 0 0 3 {
= = +1 } = − }
4 0 8 2 −4 −4 4 0 0 2
5 0 4 11 6 6 5 0 4 0
Método de Gauss-Seidel
Incógnita Semilla 1 2 3 4 5 6 7 10
X1 1 -0,7778 0,3241 0,7006 0,7352 0,7070 0,6912 0,6876 0,6886
X2 1 -0,0370 -0,2358 -0,1497 -0,0906 -0,0753 -0,0755 -0,0774 -0,0782
X3 1 -0,3611 -0,9196 -1,0334 -1,0183 -0,9989 -0,9924 -0,9919 -0,9927
X4 1 1,0303 0,7326 0,6028 0,5816 0,5873 0,5922 0,5936 0,5934
Error L2 0 1,3723 0,8336 0,2176 0,0381 0,0205 0,0098 0,0023 0,0001
No siempre el método de Gauss-Seidel converge más rápido que el de Jacobi, pero en general, si lo hace. Es posible probar que
si el valor absoluto del elemento de la diagonal es mayor que la suma de los valores absolutos de los elementos fuera de la
diagonal (matriz diagonalmente dominante) esto será suficiente para garantizar la convergencia. Esto debe ser tomado en
cuenta a la hora de preparar programas de cálculo.
46
Capítulo 1:
47
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Método de Sustituciones Sucesivas
No todas las ecuaciones son lineales. Existen ecuaciones “No-Lineales” que no tienen solución analítica. Para
resolverlas, se emplean, necesariamente, Métodos Numéricos.
El Método de las Sustituciones Sucesivas es uno de los métodos que se emplean para resolver ecuaciones No-
Lineales y Sistemas de Ecuaciones No-Lineales.
Su fundamento es el siguiente: si se tiene un sistema de necuaciones con nincógnitas, deberá hallar un despeje
de cada incógnita, entre las ecuaciones, que cumpla el criterio de convergencia. Luego, se podrá iterar
sucesivamente, utilizando los valores de las incógnitas inmediatamente obtenidos (Similar a Gauss-Seidel), o
usando los valores de las incógnitas obtenidos en la iteración anterior.
Por ejemplo, supóngase que se tiene un sistema de 3 ecuaciones. El Planteamiento sería el siguiente:
Sistema de Ecuaciones ( ) = = =
Luego, la función G(X) vendría dada por: = ( )
Con frecuencia, el Método de las Sustituciones Sucesivas es también asociado –correctamente- con el Método
de Punto Fijo.
En Principio, las condiciones que garantizan la convergencia de estos métodos están ligadas con la naturaleza
de las funciones Fi. Si éstas son continuas en una región del sub-espacio de vectores (x1,x2,...,xn) donde los
xi’spertenecen a un intervalo definido (ai,bi) y las derivadas parciales de las Fi también son continuas y
acotadas en ese sub espacio, entonces las funciones Fi tienen un “Punto Fijo” en dicho sub-espacio.
48
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Método de Sustituciones Sucesivas
Método SS (Gauss-Seidel)
Se define n como la dimensión del sistema de ecuaciones, G como el vector de ecuaciones y
Sem como el vector semilla.
Hacer Mientras error ≥ TolL2 y Dsv ≥ Dsvmax o n ≤ Nmax
Hacer Desde i=1 hasta i=n
Hacer = ( )
Hacer =
Calcular =
Fin
La solución es
Ejemplo:
1 1 1
3 1 − cos( 2 3) − =0 1 = cos( 2 3) +
2 3 6
2 2 1 2
1 − 81( 2 + 0.1) + sin( 3 ) + 1.06 = 0  2 = 1 + sin( 3) + 1.06 − 0.1
9
− 1 2 10 −3 −1 10 −3
+ 20 3 + =0 3 = − 1 2
−
3 20 3
Método de Pto. Fijo

Incógnita Semilla 1 2 3 4 5 6
X1 1 0,4867 0,4390 0,4873 0,4874 0,4854 0,4854
X2 2 0,0648 0,0291 0,0290 0,0312 0,0312 0,0311
X3 3 -9,4787 -9,5204 -9,5213 -9,5213 -9,5212 -9,5212
Error L2 1,40E-01 8,01E-04 5,31E-04 2,39E-05 2,14E-05 1,01E-06
Dsv 4,77E-02 4,83E-02 2,16E-03 1,94E-03 9,13E-05 8,47E-05
49
Capítulo 1:
50
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones Método de Newton-Raphson
No siempre es posible despejar la variable de cada ecuación de manera que el método de las sustituciones sucesivas converja a la
solución. Una opción distinta la constituye el método de Newton-Raphson.
El enfoque General del Método de Newton-Raphsonse presenta bajo el esquema clásico = ( ) , sólo que en esta
oportunidad, la función G(x) adopta una forma fija:
( )
= −
( )
De igual manera que en el método de las Sustituciones Sucesivas, si ( )es el vector que contiene las ecuaciones a resolver
igualadas a 0, se define la matriz Jacobiana ( ) como el gradiente de ( ).
= = =
El Método de Newton-Raphsonpara un sistema de ecuaciones queda entonces de la siguiente manera:
= −
Pero debido a que computacionalmente es costoso invertir una matriz, se puede rescribir el método de la siguiente manera:
( ) = ( )
= −
La matriz Jacobiana se puede evaluar numéricamente, usando diferencias finitas (por perturbación), por ejemplo.
+ − ( )
=
51
Capítulo 1:
Ejemplo:
Método de Newton-Raphson Dado el siguiente sistema de ecuaciones.
Se define el vector Semilla de
2 2 2
iteración Sem, un vector de 2
+ 2
+
=9 2 1 + +2 3 −9 0
funciones F(x) que represente el − =1  = 1 2 3 −
1 −1 = 2
sistema de ecuaciones a resolver + − 2
=1 2 −1
1 + 2 − 3 −1
igualado a cero y una función J(x),
que represente a la matriz
Jacobiana.
Hacer Mientras: 2 1 2 2 2 3
error ≥ TolL2 y Dsv ≥ Dsvmax o La matriz Jacobiana  2 3 −
1
1 3 1 2
n ≤ Nmax 1 1 −2 3
Resolver
0 4 −2 −4 0.667 0 0.667 −0.67
( ) = ( )
−3 0 0 { } = −2 { } = −0.93 { } = 2 − −0.93 = 2.93
para obtener
1 1 2 0 0.133 −1 0.133 −1.13
−1.33 5.87 −2.27 1.33 −0.67 −0.13 −0.54
Hacer = − { } { }
−3.84 0.76 −1.96 = −0.70 = 2.93 − 0.185 = 2.75
Calcular = 1 1 2.27 −0.02 −1.13 −0.03 −1.10
Hacer = −1.07 5.50 −2.20 . 052 −0.54 −9.4 −0.527
Fin −3.61 0.59 −1.47 { } = . 038 { } = 2.75 − 7.8 10−3 = 2.740
1 1 2.20 −.001 −1.10 0.3 −1.102
−1.05 5.48 −2.20 1.5 −0.527 −0.6 −0.527
−3.61 0.58 −1.44 { } = . 46 10−3 { } = 2.740 − 2.3 10−4 = 2.740
1 1 2.20 0.001 −1.102 −0.7 −1.102
−6
2 = 2.7
52
Capítulo 1:
Convergencia del Método de Newton-Raphson
53
Capítulo 1:
Convergencia del Método de Newton-Raphson
54
Capítulo 1:
Solución Numérica de Sistemas de Ecuaciones
Universidad Simón Bolívar

Enero – Marzo 2012
Boris M. Bossio Velásquez

Cap1 - Sistemas de Ecuaciones - (Completo) PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap1 - Sistemas de Ecuaciones - (Completo) PDF

Cargado por

Copyright:

Formatos disponibles

Técnicas Aproximadas en Mecánica

Universidad Simón Bolívar

Boris M. Bossio Velásquez

1) Es posible resolver analíticamente los sistemas de

MÉTODOS DIRECTOS PARA RESOLVER NUMÉRICAMENTE SISTEMAS DE ECUACIONES LINEALES:

El procedimiento es “Directo”, se realiza sólo una vez y se obtiene la respuesta.

MÉTODOS ITERATIVOS PARA RESOLVER NUMÉRICAMENTE SISTEMAS DE ECUACIONES LINEALES:

Entre los métodos más conocidos se encuentran:

Un algoritmo para implementar la estrategia de pivoteo es el siguiente:

Se define [M] como la matriz ampliada (i.e. [M]=[ A Ib ]

Desde i=1 hasta i=n

diagonal inferior, y U(Upper)la diagonal superior, pueden ,

expresarse, por ejemplo, para un caso de n=3: 0 0

Para hallar los valores de las componentes de las 0 0 1

igualando al valor correspondiente del elemento de [A]. , , , 0 0 1 , , ,

En muchas casos es necesario resolver un sistema lineal de

Dada las matrices L y U, correspondientes a un sistema de

Fuente: Apuntes Prof. Armando Blanco

x&/ 430 475 497

+&- 375 375 452

x&/ 343.300 348.200 500.000

+&- 338.200 338.200 495.000 18

La creación de los métodos directos para resolver sistemas de ecuaciones estuvo

Determinación de la Matriz Inversa

1) Se construye la Matriz Ampliada de la forma C = [ A I b I I ]

La norma de una matriz o de un vector es una medida de sus

En relación a los Vectores, se tienen las normas:

Para las Matrices, se pueden definir las siguientes, por ejemplo:

Recordando el esquema de punto fijo = ( )

El sistema de ecuaciones a resolver =

Se expresa de una forma distinta: = −

El método de Jacobi se puede implementar de la siguiente manera:

Ejemplo: Se requiere resolver el siguiente sistema de ecuaciones:

Luego, la función G(X) vendría dada por: = ( )

Método de Pto. Fijo

El Método de Newton-Raphsonpara un sistema de ecuaciones queda entonces de la siguiente manera:

Universidad Simón Bolívar

Boris M. Bossio Velásquez

También podría gustarte