Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Donde , son constantes y son las incógnitas. Se dice que el sistema tiene n
ecuaciones con n incógnitas o simplemente que es de n x n.
MATRICES
El sistema de ecuaciones lineales se puede escribir en forma matricial si definimos:
i) La matriz de coeficientes:
1
Donde el producto indicado es el producto de matrices.
OPERACIONES ELEMENTALES
Para una matriz A se definen tres operaciones elementales por renglones (o columnas);
nos remitiremos a las operaciones por renglones. Cuando se efectúan las operaciones
elementales se obtiene una matriz equivalente, y se utiliza el símbolo de equivalencia.
Ejemplo:
2
~
(iv) Finalmente multiplicamos por el renglón 1 (lo cual anula el paso (ii)):
Finalmente, las operaciones elementales se utilizan para “hacer ceros” debajo de algún
aij 0
elemento .
Solución. Vemos que para lograr el objetivo, podemos multiplicar el renglón 1 por 2,
y sumarlo al renglón 2. También podemos multiplicar el mismo renglón 1 por –3, y
sumárselo al renglón 3:
3
Definición. Una matriz se llama escalonada si el primer elemento no cero en cada
renglón está más a la derecha que el del renglón anterior.
Ejemplos:
1) La matriz
sí es escalonada.
2) La matriz
no es escalonada.
Ejercicios:
4
2) Escalonar la siguiente matriz:
Tenemos ahora todas las herramientas para estudiar nuestros dos primeros métodos
numéricos de solución a sistemas de ecuaciones lineales.
5
ELIMINACIÓN GAUSSIANA
a' a
donde la notación ij
se usa simplemente para denotar que el elemento ij cambió.
Se despejan las incógnitas comenzando con la última ecuación y hacia arriba. Por esta
razón, muchas veces se dice que el método de eliminación Gaussiana consiste en la
eliminación hacia adelante y sustitución hacia atrás.
Ejemplo:
6
Por lo tanto, el sistema equivale a:
2) Resolver:
7
El método de eliminación Gaussiana (simple) puede presentar un problema cuando uno
de los elementos que se usan para hacer ceros, es cero.
Por ejemplo, supóngase que en algún paso del proceso de hacer ceros tenemos la
siguiente matriz:
8
#Cifras (*)Error relativo
Significativas porcentual
3 0.667 -33 10,000 %
4 0.0067 -3 1,000 %
5 0.00067 0 100 %
6 0.000067 .3 10 %
7 0.6666667 0.33 1%
# (*)
Cifras Error Relativo
Significativas Porcentual
3 0.667 0.333 0.1 %
4 0.6667 0.3333 0.01 %
5 0.66667 0.33333 0.001 %
6 0.666667 0.333333 0.0001 %
7 0.6666667 0.3333333 0.00001 %
En este último caso, vemos que el error relativo porcentual no varía drásticamente como
en la solución anterior.
Así, vemos que los elementos que son cercanos a cero, son elementos malos para hacer
ceros. En general, para evitar este problema se elige como elemento para hacer ceros
(el cual recibe el nombre de elemento pivotal o simplemente pivote) como el elemento
mayor en valor absoluto de entre todos los candidatos.
9
Para elegir el elemento pivote en la primer columna se escoge el elemento mayor
(con valor absoluto) de toda la primer columna.
Para elegir el elemento pivote en la segunda columna, se escoge el elemento mayor
Ejemplo 1:
Y procedemos a hacer ceros debajo del pivote. Para ello, multiplicamos el renglón 1 por
y se lo sumamos al renglón 2. También, multiplicamos el renglón 1 por y lo
sumamos al renglón 3. Esto nos da la matriz:
10
Olvidándonos del renglón 1 y de la columna 1, procedemos a escoger el pivote de la
columna 2, pero únicamente entre 0.5 y 1.25, el cual obviamente resulta ser 1.25. Por
lo tanto intercambiamos los renglones 2 y 3 (éste es el segundo pivoteo realizado):
Y procedemos a hacer ceros debajo del elemento pivote. Para ello multiplicamos el
renglón 2 por y lo sumamos al renglón 3 para obtener:
Ejemplo 2.
11
El elemento pivote en la columna 1 es el 10 , lo que nos obliga a intercambiar los
renglones 1 y 3:
12
MÉTODO DE GAUSS - JORDAN
Este método utiliza las mismas técnicas de eliminación Gaussiana (incluyendo el
pivoteo), pero con el objetivo de finalizar con una matriz de la siguiente forma:
In nxn .
Donde es la matriz identidad de
Para lograr esto, se usa la técnica del pivoteo con la única diferencia que el pivote se usa
para hacer ceros hacia abajo y hacia arriba.
13
Ahora, para colocar adecuadamente el segundo pivote intercambiamos los renglones 2
y 3:
Para hacer ceros arriba del pivote 1.25, multiplicamos el renglón 2 por y se lo
sumamos al renglón 1; para hacer ceros debajo del mismo pivote, multiplicamos al
mismo renglón 2 por y se lo sumamos al renglón 3. Todo esto nos da:
Ahora procedemos a hacer ceros arriba del pivote 0.09. Para ello, multiplicamos el
renglón 3 por y se lo sumamos al renglón 2; igualmente multiplicamos el renglón 3
Finalmente para hacer los 1’s (unos) en la diagonal principal, multiplicamos los
renglones 1, 2, y 3 por , y , respectivamente. Obtenemos entonces la matriz
final:
14
Solución. Escribimos la matriz aumentada del sistema:
Observamos que el primer elemento pivote está bien colocado y por lo tanto no hay
necesidad de intercambiar renglones. Por lo tanto hacemos ceros debajo del pivote
a11 1 ; para ello, multiplicamos el renglón 1 por 0.4 y se lo sumamos al renglón 2, y
también multiplicamos el mismo renglón 1 por –0.5 y se lo sumamos al renglón 3. Esto
nos da la siguiente matriz:
Para elegir el segundo elemento pivote, debemos escoger el elemento mayor (con valor
absoluto) entre
a 2.8
22 y 32 a 4
, el cual obviamente es éste último. Por lo tanto,
debemos intercambiar el renglón 2 y el renglón 3. Tenemos entonces:
Procedemos a hacer ceros arriba y abajo de nuestro segundo elemento pivote; para ello,
multiplicamos el renglón 2 por 0.5 y lo sumamos al renglón 1, y también multiplicamos
2.8
el mismo renglón 2 por 4 y lo sumamos al renglón 3. Esto nos da:
a33 0.15
Nuestro tercer elemento pivote es . Para hacer ceros arriba de este elemento,
00..155
multiplicamos el renglón 3 por y lo sumamos al renglón 2, y también
2.75
multiplicamos el mismo renglón 3 por 0.15 y lo sumamos al renglón 1. Esto nos da:
15
14
Finalmente, hacemos los 1’s (unos) en la diagonal, multiplicando el renglón 2 por y
el renglón 3 por
1
0.15 . Esto nos da la matriz final:
MATRIZ INVERSA
Una de las aplicaciones del método de Gauss-Jordan, es el cálculo de matrices inversas.
Recordamos primero la definición de matriz inversa.
1
Se escribe B A para denotar la matriz inversa. Cuando la matriz inversa existe, es
única, pro no siempre existe la matriz inversa.
16
de Gauss-Jordan para hacer los ceros y unos y obtener del lado izquierdo la matriz
identidad
I n . Del lado derecho lo que obtendremos será la matriz inversa de A.
identidad
I2 :
Finalmente, hacemos los 1’s en la diagonal principal. Para ello, multiplicamos el renglón 1
1 1
por 4 y el renglón 2 por 0.25 . Esto nos da la matriz final:
17
Solución. En una matriz, colocamos la matriz A y a su derecha agregamos la matriz
identidad:
Para elegir el segundo elemento pivote, debemos escoger el elemento mayor (con valor
absoluto) entre
a 0.2
22 y
a 1.25
32 , el cual obviamente es éste último. Por lo
tanto, debemos intercambiar el renglón 2 y el renglón 3. Tenemos entonces:
Procedemos a hacer ceros arriba y abajo de nuestro segundo elemento pivote; para ello,
1.425
multiplicamos el renglón 2 por y lo sumamos al renglón 1, y también
0.2
multiplicamos el mismo renglón 2 por 1.25 y lo sumamos al renglón 3. Esto nos da:
a33 0.4
Nuestro tercer elemento pivote es . Para hacer ceros arriba de este elemento,
3.125
multiplicamos el renglón 3 por 0.4 y lo sumamos al renglón 2, y también
10
multiplicamos el mismo renglón 3 por 0 .4 y lo sumamos al renglón 1. Esto nos da:
18
Finalmente, hacemos los 1’s en la diagonal principal. Para ello multiplicamos el renglón 1,
2 y 3 por
1
2 ,
1.125 y 1
0 .4 , respectivamente. Esto nos da la matriz final:
METODO DE GAUSS-SEIDEL
El método de Gauss-Seidel, es un método iterativo y por lo mismo, resulta ser un método
bastante eficiente. Comenzamos con nuestro sistema de ecuaciones:
De la ecuación 1 despejemos
x1 , de la ecuación 2 despejemos x 2 , …, de la ecuación n
xn
despejemos . Esto nos da el siguiente conjunto de ecuaciones:
Este último conjunto de ecuaciones son las que forman nuestras fórmulas iterativas. Para
x2 ,, xn
comenzar el proceso iterativo, le damos el valor de cero a las variables ; esto
19
Enseguida, sustituimos este valor de
x1 en la ecuación 2, y las variables x3 ,, xn
Volvemos a repetir el proceso, pero ahora sustituyendo estos últimos datos en vez de
ceros como al inicio, obtendremos una segunda lista de valores para cada una de las
incógnitas. Digamos que ahora tenemos:
En este momento, podemos calcular los errores aproximados relativos, respecto a cada
una de las incógnitas. Así, tenemos la lista de errores como sigue:
20
donde
s es una cota suficiente prefijada.
Ejemplo 1
a 1%
hasta que .
Solución
x1 , x 2 y x3
Primero despejamos las incógnitas de las ecuaciones 1, 2 y 3
respectivamente. Tenemos:
x 2 x3 0
Comenzamos el proceso iterativo, sustituyendo los valores de en la primera
Ahora, sustituimos
x1 2.66667 y x3 0 en la segunda ecuación, para obtener x 2 :
Ahora sustituimos
x1 2.66667 y x2 2.82381 en la tercera ecuación, para obtener
x3
:
21
Puesto que todavía no podemos calcular ningún error aproximado, repetimos el
proceso pero ahora con los últimos datos obtenidos para las incógnitas:
Sustituyendo
x2 2.82381 y x3 7.1051 en la ecuación 1 obtenemos x1 3.6626 .
Sustituyendo 1
x 3.6626 y x3 7.1051 en la ecuación 2 obtenemos x2 3.24404 ;
finalmente, sustituyendo
x1 3.6626 y x2 3.24404 en la ecuación 3 obtenemos
x3 7.06106
. Así, tenemos la segunda lista de valores de aproximación a la solución del
sistema:
Ahora si podemos calcular los errores absolutos para cada una de las incógnitas.
Tenemos:
Puesto que no se ha logrado el objetivo, debemos repetir el mismo proceso con los
últimos valores obtenidos de cada una de las incógnitas. Nótese que aunque el error
a ,3
aproximado ya cumple con ser menor al 1%, esto se debe de cumplir para los tres
errores aproximados!
Por lo tanto repetimos el mismo proceso. Omitiendo los pasos intermedios, obtenemos:
22
Vemos que ahora si se ha cumplido el objetivo para cada uno de los errores
aproximados. Por lo tanto, concluímos que la solución aproximada es:
,para cada
La condición de ser una matriz diagonalmente dominante simplemente significa que los
elementos de la diagonal son mayores (en valor absoluto) que la suma de los valores
absolutos de los demás elementos del mismo renglón. Nótese que en el ejemplo anterior,
la matriz si es diagonalmente dominante y por lo tanto, el método de Gauss-Seidel si
converge a la solución del sistema.
Ejemplo 2
a 1%
Hasta que .
Solución
23
Procedemos entonces, a despejar
x1 , x2 y
x3 de las ecuaciones 1, 2 y 3
respectivamente. Tenemos:
Ahora sustituimos
x1 18.84 y x3 0 en la ecuación 2 para obtener x 2 :
Puesto que solo tenemos la primera aproximación de la solución del sistema, debemos
x2 3.152 y x3 0.04613
seguir avanzando en el proceso iterativo. Sustituyendo
en la ecuación 1, obtenemos
x1 19.69765 ; sustituyendo x1 19.69765 y
x3 0.04613 x 3.42775
en la ecuación 2, obtenemos 2 ; sustituyendo
x1 19.69765 y x2 3.42775 en la ecuación 3, obtenemos x3 0.05207 . Por lo
tanto, nuestra segunda aproximación es:
24
Y ahora si podemos calcular los errores aproximados para cada una de las incógnitas.
Tenemos:
Tercera iteración:
Cuarta Iteración:
Así, el objetivo se ha logrado hasta la cuarta iteración y tenemos que los valores
aproximados de la solución del sistema son:
25
EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a seis decimales.
i) ii)
26
a 1%
6. Usa el método de Gauss-Seidel hasta que para aproximar la solución del
siguiente sistema de ecuaciones:
a 1%
7. Usa el método de Gauss-Seidel hasta que para aproximar la solución del
siguiente sistema de ecuaciones:
27