Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5. Método de Gauss-Jordan 21
6. Métodos iterativos 22
6.1 Método de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
6.2 Método de Gauss-Seidel . . . . . . . . . . . . . . . . . . . . . . . . . 24
Bibliografı́a 25
2
1. Soluciones de sistemas de ecuaciones
lineales
Los procedimientos de resolución de sistemas de ecuaciones lineales se dividen fun-
damentalmente en dos grupos: uno, en procedimientos exactos, que son algoritmos
finitos para cálculo de raı́ces de un sistema (tales como la regla de Cramer, el método
de Gauss, el método de los elementos principales, el método de las raı́ces cuadradas,
etc.), y dos, procedimientos iterativos, los cuales permiten obtener las raı́ces de un sis-
tema con una exactitud dada mediante procesos infinitos convergentes(éstos incluyen
el método de Jacobi, el de Gauss Seidel, de relajación, etc.).
Debido al inevitable redondeo, incluso los resultados de procedimientos exactos son
aproximados, viéndose comprometido, en el caso general, el estimado del error de las
raı́ces. En el caso de procesos iterativos ha de añadirse el error del método.
Es importante que pongamos de manifiesto que el uso eficaz de métodos iterativos
depende esencialmente de la selección idónea de la aproximación inicial y velocidad
de convergencia del proceso.
3
A su vez, el cofactor C12 se obtiene de multiplicar M12 por (−1)1+2 ası́:
Teorema: Sea A una matriz de orden n. Entonces para cada 1 < i < n
det(A) = ai1 Ci1 + ai2 Ci2 + . . . + ain Cin , (Desarrollo por filas)
det(A) = a1j C1j + a2j C2j + . . . + anj Cnj , (Desarrollo por columnas)
Es conveniente elegir para el desarrollo, la fila o columna que tenga la mayor cantidad
de ceros, ya que dichos términos del desarrollo son nulos. La desventaja de este
método es que para matrices de orden mayores que 3 el desarrollo es extenso y se
deben calcular muchos determinantes. Por ejemplo si la matriz fuera de orden 4,
se deberı́an calcular 4 determinantes de matrices de orden 3, lo que resulta poco
práctico. En estos casos es conveniente aplicar otros métodos.
4
los elementos del determinante de la matriz no se tiene un elemento identificado con
este número, se busca este elemento sacando un factor común a todos los elementos
de una fila o una columna o se aplican operaciones elementales de fila o de columna,
tales como constituir una nueva columna por la suma algebraica de dos columnas.
Para obtener los ceros de una fila o de una columna debemos primero lograr que los
elementos de la fila o columna sean 1 (unos).
Elijamos la tercera fila para convertirla en fila de unos, para ello dividimos la primera
columna por el elemento a31 , la segunda columna por el elemento a32 , la tercera
columna por el elemento a33 y la cuarta columna por el elemento a34 , para que no se
altere el determinante multiplicamos el determinante por esos mismos elementos a31 ,
a32 , a33 y a34 , quedándonos el siguiente determinante:
a11 a12 a13 a14
a
a31 a32 a33 a34
21 a 22 a 23 a 24
a31 a32 a33 a34 a31 a32 a33 a34
a1 a1 a1 a1
41 42 43 44
a31 a32 a33 a34
5
Ahora escogemos como elemento pivote el elemento a32 , o sea que a32 = 1, con lo
que nos queda el siguiente determinante:
a11
a a12 a13 a14
a21
31 a33 a34
a22 a23 a24
a31 a33 a34 a31 a33 a34
a1 1 1 1
41 a42 a43 a44
a31 a33 a34
Los demás elementos diferentes al pivote los convertimos en ceros utilizando las
siguientes operaciones elementales de columna:
C1 nueva = C1 − C2
C3 nueva = C3 − C2
C4 nueva = C4 − C2
El determinante nos queda de la siguiente forma:
a11
a − a12 a12 aa13 − a12 a14
− a12
a31 33 a34
21 − a22 a22 a23 − a22 a24
− a22
a31 a33 a34 31
a a33 a34
a 0 1 0 0
41 − a42 a42 a43 − a42 a44
− a42
a31 a33 a34
Donde el signo menos es el signo posicional del elemento a32 . Recordemos que el
signo posicional del elemento aij viene dado por (−1)(i+j) .
Ahora multiplicamos la primera columna por el elemento a31 , la segunda columna por
el elemento a33 , y la tercera columna por el elemento a34 quedándonos en definitiva
el determinante de tercer orden ası́:
a11 − a12 a31 a13 − a12 a33 a14 − a12 a34
− a21 − a22 a31 a23 − a22 a33 a24 − a22 a34
a41 − a42 a31 a43 − a42 a33 a44 − a42 a34
6
Ejemplo: Hallemos el valor numérico del siguiente determinante de quinto orden:
1 −2 3 2 −1
2 0 1 4 −2
−3 −1 0 −1 2
−1 2 3 2 4
2 −1 2 3 5
Escogemos como elemento pivote al elemento a23 , y dejando por fuera los elementos
de la fila y la columna del elemento pivote, se observa la siguiente matriz cuadrada
de cuarto orden:
1 − 3 · 2 −2 − 3 · 0 −1 − 3 · 4 −1 − 3 · −2
−3 − 0 · 2 −1 − 0 · 0 2 − 0 · 4 2 − 0 · −2
−
−1 − 3 · 2 2 − 3 · 0 4−3·4 4 − 3 · −2
2 − 2 · 2 −1 − 2 · 0 5 − 2 · 4 5 − 2 · −2
El signo negativo corresponde a la posición del elemento pivote a23 , y nos queda:
−5 −2 −10 5
−3 −1 −1 2
−
−7 2 −10 10
−2 −1 −5 9
5 −2 10 5
3 −1 1 2
−
7 2 10 10
2 −1 5 9
−25 8 −15
−23 12 −10
−13 4 −1
7
Sacando a 4 como factor común de la segunda columna y a −1 en la primera y ter-
cera columna del determinante de tercer orden y escogiendo como elemento pivote al
elemento a33 se tiene:
25 2 15
−170 −13 170 13
4 23 3 10 = 4
−107 −7 = 4 107 7 = 4[1190 − 1391]
13 1 1
= −804
a11 x1 + a12 x2 + ..... + a1n xn = b1 ,
a21 x1 + a22 x2 + ..... + a2n xn = b2
(1) .. .. .. ..
. . . .
a x + a x + ..... + a x = b
n1 1 n2 2 nn n n
8
El sistema (1) puede escribirse abreviadamente como una ecuación matricial
Ax = b
Verdaderamente, dando por supuesto que el det(A) ̸= 0, existe una matriz inversa
A−1 , tal que:
A−1 Ax = A−1 b
x = A−1 b
Haciendo uso de la fórmula anterior resulta fácil obtener fórmulas para las incógnitas
del sistema (1). Del algebra matricial sabemos que
1
A−1 = Ã
∆
donde
A11 A21 ...An1
A12 A22 ...An2
à =
... ...
...
A1n A2n ...Ann
es el adjunto de A (los Aij son los adjuntos de los elementos aij ). Por consiguiente
1
x= Ãb
∆
o también
x1 ∆1
x2 1 ∆2
.. = ..
. ∆ .
xn ∆n
9
donde
a11 ...a1,i−1 b1 a1,i+1 ...a1n
∑
n
a ...a b2 a2,i+1 ...a2n
∆i = Aji bj = 21 2,i−1
. . . ... . . . . . . .........
j=1
an1 ...an,i−1 bn an,i+1 ...ann
∆1 ∆2 ∆n
x1 = , x2 = , · · · , xn =
∆ ∆ ∆
De este modo, si el determinante del sistema (1) es distinto de cero, ∆ ̸= 0, entonces
el sistema tiene una solución única x definida anteriormente en forma matricial.
2 8 −5 1
1 9 0 −6
∆2 = = −108,
0 −5 −1 2
1 0 −7 6
10
2 1 8 1
1 −3 9 −6
∆3 = = −27,
0 2 −5 2
1 4 0 6
2 1 −5 8
1 −3 0 9
∆4 = = 27
0 2 −1 −5
1 4 −7 0
por consiguiente
∆1 81
x1 = = = 3,
∆ 27
∆2 108
x2 = =− = −4,
∆ 27
∆3 27
x3 = = − = −1,
∆ 27
∆4 27
x4 = = =1
∆ 27
De este modo, la solución de un sistema lineal con n incógnitas se reduce a evaluar el
(n+1)−ésimo determinante de orden n. Si n es grande, el cálculo de los determinantes
es laborioso, por lo que se han elaborado técnicas directas para hallar las raı́ces de
un sistema lineal de ecuaciones.
11
El método de Cramer nos da un sistema incompatible cuando el determinante del
sistema (determinante principal) es nulo, pero al menos uno de los determinantes
suplementarios no lo es. Por el contrario, si además del determinante principal,
todos los determinantes suplementarios son nulos, entonces el sistema es compatible
indeterminado. Y el último caso se tiene cuando el determinante principal es no nulo,
y el sistema es compatible determinado.
Veamos algunos ejemplos con los tres casos que se pueden presentar.
12
Figure 1:
Figure 2:
13
Ejemplo: Al observar el sistema:
{
2x − 3y = 4
−4x + 6y = −8
vemos que las rectas se superponen, pues todos los coeficientes son proporcionales, y
por tanto tienen infinitas soluciones, el sistema es compatible indeterminado.
Figure 3:
A B C D
entonces se verifica: = = = .(siempre que se puedan realizar las
A′ B′ C′ D′
divisiones).
14
A B C D
entonces se verifica: ′
= ′ = ′ ̸= ′ (siempre que se puedan realizar las
A B C D
divisiones).
A B C D
entonces se verifica: ′ ̸= ′ ̸= ′ ̸= ′ (siempre que se puedan realizar las
A B C D
divisiones, y basta con que un par de ellas correspondientes a las incógnitas
sean diferentes).
Figure 4:
Figure 5:
15
(b) Dos planos son coincidentes y el otro los corta en una recta.
Figure 6:
(c) Los tres planos son coincidentes.
Figure 7:
Figure 8:
Figure 9:
16
(c) Los tres planos son paralelos.
Figure 10:
(d) Dos planos son paralelos y el otro coincidente con uno de ellos.
Figure 11:
Se puede observar que los planos (1) y (2) son secantes, y se cortan en la recta
x = −39, al igual que los planos (2) y (3) se cortan en la recta x = −109/3, lo que
significa que son secantes dos a dos, y que el sistema es incompatible.
a11 x1 + a12 x2 = b1 ,
a21 x1 + a22 x2 = b2
.. .. ..
. . .
a x +a x =b
n1 1 n2 2 n
17
La solución más aceptable del sistema es aquella que hace mı́nima la suma de los
cuadrados de los errores ei , donde cada ei se obtiene restando a los elementos del
primer miembro, los del segundo, en cada ecuación.
e1 = a11 x1 + a12 x2 − b1 ,
e2 = a21 x1 + a22 x2 − b2
.. .. ..
. . .
en = an1 x1 + an2 x2 − bn
Y con las derivadas parciales igualadas a cero obtendremos dos ecuaciones que nos
darán los valores de la solución con un mı́nimo error.
Fx = 22x + 6y + 2
Fy = 6y + 6x − 22
Igualando a cero cada una de las derivadas parciales obtenemos el siguiente sistema:
22x + 6y + 2 = 0
6x + 6y − 22 = 0
cuya solución es x = −3/2 e y = 31/6, la cual no es exacta, (por los errores cometidos
al redondearlos), pero es la más “conveniente”, según el método, por minimizar el
error cometido.
18
4. Método de Gauss simple
Es la técnica mas común de resolución de sistemas de ecuaciones lineales haciendo
uso del algoritmo de eliminación sucesiva de las incógnitas, o eliminación Gaussiana.
Por simplicidad, nos restringiremos a un sistema de cuatro ecuaciones con cuatro
incógnitas.
a11 x1 + a12 x2 + a13 x3 + a14 x4 = a15 ,
a21 x1 + a22 x2 + a23 x3 + a24 x4 = a25
a 31 x1 + a32 x2 + a33 x3 + a34 x4 = a35
a41 x1 + a42 x2 + a43 x3 + a44 x4 = a45
x3 + b34 x4 = b35
donde
a3j
b3j = (j > 3)
a33
y también
a45
x4 = = b45
a44
Las incógnitas restantes se determinan sucesivamente de las ecuaciones anteriores.
x3 = b35 − b34 x4
x2 = b25 − b23 x3 − b24 x4
x1 = b15 − b12 x2 − b13 x3 − b14 x4
19
Por tanto, el proceso de resolver un sistema lineal por el método de Gauss se reduce
a la construcción de un sistema equivalente que tenga una matriz triangular superior
(una matriz es triangular superior cuando todos los elementos debajo de la diagonal
principal son nulos). Una condición necesaria y suficiente para utilizar este proced-
imiento es que todos los coeficientes del primer término sean no nulos. El proceso de
hallar los coeficientes b(j−1) de un sistema triangular se denomina sustitución hacia
adelante, mientras que al proceso de hallar los valores de las incógnitas se denomina
sustitución hacia atrás.
Ahora podremos resolver estas ecuaciones por sustitución hacia atrás. En primer
lugar, despejamos x3 de la tercera ecuación del sistema anterior:
70.6150
x3 = = 7.0000
10.0200
20
Este resultado se sustituye en la segunda ecuación del sistema anterior para obtener
x2 :
−19.5617 + 0.293333(7.0000)
x2 = = −2.50000
7.00333
Y por último, sustituyendo los valores de x3 y x2 en la primera ecuación del sistema,
obtendremos el valor de x1 .
7.85 + 0.1(−2.50000) + 0.2(7.0000)
x1 = = 3.00000
3
De esta manera encontramos que la solución del sistema es:
x1 = 3
x2 = −2.5
x3 = 7
5. Método de Gauss-Jordan
El método de Gauss-Jordan, o compacto, o de diagonalización, es una variación de la
eliminación de Gauss, y la principal diferencia consiste en que cuando una incógnita
se elimina por este método, ésta es eliminada de todas las demás ecuaciones. Además,
el paso de eliminación sucesiva genera una matriz identidad en lugar de una triangular
superior, es decir, obtenemos “unos“ en la diagonal principal y “ceros“ por encima y
por debajo. En consecuencia, no es necesario la sustitución hacia atrás para obtener
la solución del sistema.
Veamos un ejemplo.
21
1 1 1 1
0 −5 −2 −4
0 2 −2 10
A continuación dividimos la segunda fila por −5, de manera a convertir en 1 (uno)
el segundo elemento de la diagonal principal.
1 1 1 1
0 1 0.4 0.8
0 2 −2 10
Para convertir en 0(cero) el segundo elemento de la tercera fila (el 2), multiplicamos
por 2 la segunda fila y le restamos la tercera, con lo que nos queda:
1 1 1 1
0 1 0.4 0.8
0 0 2.8 −8.4
Ahora, dividimos la tercera fila por 2.8, de manera a convertir en 1 (uno) el tercer
(y último) elemento de la diagonal principal.
1 1 1 1
0 1 0.4 0.8
0 0 1 −3
Nos resta convertir en ceros los elementos sobre la diagonal principal, convertimos 1
( elemento a12 ) en cero, haciendo fila 1 menos fila 2:
1 0 0.6 0.2
0 1 0.4 0.8
0 0 1 −3
Luego, tenemos que x3 = −3, x2 = 2 y x1 = 2 son los valores que dan solución al
sistema dado.
6. Métodos iterativos
El método de Gauss y sus variantes se conocen con el nombre de métodos directos,
pues se ejecutan a través de un número finito de pasos y dan lugar a una solución
que serı́a exacta si no fuese por los errores de redondeo.
Por el contrario, un método indirecto da lugar a una sucesión de vectores que ideal-
mente converge a la solución. El cálculo se detiene cuando se cuenta con una solución
aproximada con cierto grado de precisión especificado de antemano o después de
cierto número de iteraciones. Los métodos indirectos son casi siempre iterativos,
para obtener la sucesión mencionada se utiliza repetidamente un proceso sencillo.
22
Un método iterativo consta de los siguientes pasos:
2. Ejecuta una serie de cálculos para obtener o construir una mejor aproximación
partiendo de la aproximación inicial. La fórmula que permite construir la aprox-
imación usando otra se conoce como ecuación de recurrencia.
3. Se repite el paso anterior pero usando como valor inicial la última aproximación
obtenida.
x = 0.20 − 0.40y
y = 0.25x
23
Aplicamos la primera iteración partiendo de x(0) = 1.00 y y (0) = 2.00:
24
Veamos ahora como queda la segunda iteración:
25
Bibliografı́a
B.A. Sagastume, (1980):. Cálculo Numérico. Editorial Sao Paulo,BR: Nobel;
cuarta Edición.
J.H. Mathews, (2000):. Métodos Numéricos con Matlab. Madrid, ES. PRENTICE-
HALL INC..
26