Instituto Tecnológico de Ciudad Guzmán

Análisis Numérico Y Métodos Numéricos

Materia: ALGEBRA LINEAL

Profesor: RAFAEL CATZIM

Alumno: Alexis Lucas Rizo

Carrera: ING Eléctrica

Grupo: G4E

Fecha: 18/05/2021

1
 Índice
Contenido
Portada .................................................................................................................. 1

Índice………………………………………………………………………..2

Eliminación Gaussiana……………………………………………..3

método Gaus-Jordan……………………………………………………..5

Método de Gauss-Seidel………………………………….7

Aplicación de los sistemas de ecuaciones………………………….9

Método de Newton-Raphson…………………………………………….12

Aplicaciones de los sistemas de ecuaciones no lineales………………….14

conclusión………………………………16

2
 ELIMINACIÓN GAUSSIANA
El método de eliminación Gaussiana para la solución de sistemas de ecuaciones lineales consiste
en convertir a través de operaciones básicas llamadas operaciones de renglón un sistema en otro
equivalente más sencillo cuya respuesta pueda leerse de manera directa. El método de
eliminación Gaussiana es el mismo para sistemas de ecuaciones 2×2, 3×3, 4×4 y así
sucesivamente siempre y cuando se respete la relación de al menos una ecuación por cada
variable.
Antes de ilustrar el método con un ejemplo, es necesario primeramente conocer las operaciones
básicas de renglón las cuales son presentas a continuación:
1. Ambos miembros de una ecuación pueden multiplicarse por una constante diferente de cero.
2. Los múltiplos diferentes de cero de una ecuación pueden sumarse a otra ecuación
3. El orden de las ecuaciones es intercambiable.
Una vez conocidas las operaciones que en mi afán por resolver un sistema de ecuaciones puedo
realizar procedo a ilustrar el método con un ejemplo:
1. Resolver el siguiente sistema de ecuaciones:
x + 2y + 3z = 1
4x + 5y + 6z= −2
7x + 8y + 10z = 5
Donde cada ecuación representa un renglón y las variables iguales de las 3 ecuaciones
representan las columnas 1, 2 y 3 respectivamente.
Usando el método de eliminación Gaussiana.
Solución:
Para simplificar las operaciones se retiran las variables y se mantienen exclusivamente los
coeficientes de cada una, el signo de igual también es eliminado, pero se mantienen los datos del
lado derecho de la ecuación.
Quedando como sigue:
Diagonal principal
La diagonal principal de la matriz busca quede conformada por solo unidades (1) la parte inferior
a la diagonal debe quedar en ceros. Esto se hace utilizando las operaciones básicas de renglón
para las ecuaciones, de arriba hacia abajo y de izquierda a derecha.
Multiplico la ecuación 1 por −4 y el resto de la ecuación 2, de igual forma la multiplico por −7 y al
resto de la 3 obteniendo.

3
 Después divido
la ecuación 2 (renglón 2) entre −3 para hacer el componente de la diagonal principal 1 quedando
como sigue:
Multiplico la ecuación 2 (renglón 2) por 6 y lo sumo a la ecuación 3 (renglón 3).
Una vez lograda la diagonal principal formada por unidades y los datos por debajo de la diagonal
principal ceros reintegro las variables en cada ecuación y también el signo igual de las
ecuaciones obteniendo:
Donde el valor de z= 10 y al sustituir este valor en la ecuación resultante 2, tendríamos
y + 2z = 2 al sustituir el valor de z obtenemos que:
y + 2(10) = 2 y + 20 = 2 y = 2- 20 y = −18
Al sustituir estos valores en la ecuación resultante 1 se tiene:
1x + 2y + 3z = 1
Si z= 10 y y=−18, entonces el valor de x será:
x=7
La solución del sistema de ecuaciones sería x= 7, y= −18, y z= 10.
El sistema de eliminación gaussiana es el mismo no importando si es un sistema de ecuaciones
lineales del tipo 2×2, 3×3, 4×4 etc. siempre y cuando se respete la relación de al menos tener el
mismo número de ecuaciones que de variables.

Método de Gauss – Jordán

El método de Gauss-Jordán es un procedimiento que sirve para resolver sistemas de ecuaciones
con 3 incógnitas, o sea como este:
El objetivo del método de Gauss es convertir el sistema de ecuaciones inicial en un sistema
escalonado, es decir, un sistema en el cual cada ecuación tiene una incógnita menos que la
anterior:
Sin embargo, para llegar a hacer esto, primero debemos saber cómo expresar un sistema de
ecuaciones en forma de matriz y las transformaciones permitidas en esta matriz. Así que
explicaremos estas dos cosas antes, y luego veremos cómo utilizar el procedimiento del método
de Gauss.

Matriz ampliada al sistema

Antes de ver cómo se resuelve el sistema, debemos saber que un sistema de ecuaciones se
puede expresar en forma de matriz: los coeficientes de las x} se ponen en la primera colum na, los

4
coeficientes de las y} en la segunda columna, los coeficientes de las z en la tercera columna y
los números sin incógnita en la cuarta columna.

Por ejemplo:

MÉTODO DE GAUSS SEIDEL

El Método de Gauss-Seidel consiste en hacer iteraciones, a partir de un vector inicial, para
encontrar los valores de las incógnitas hasta llegar a una tolerancia deseada, la diferencia radica
en que cada vez que se desee encontrar un nuevo valor de una x i, además de usar los valores
anteriores de las x, también utiliza valores actuales de las x encontradas antes (desde x 0 hasta x i-
1 ). La ecuación es la siguiente:

El método de Gauss-Seidel surge como una modificación del método de Jacobi que acelera la
convergencia de éste.
El método de Gauss-Seidel recorta sustancialmente el número de iteraciones a realizar para
obtener una cierta precisión en la solución. Evidentemente los criterios de convergencia son
similares a los de Jacobi.

5
Este criterio no solo se aplica a las ecuaciones lineales que se resuelven con el método de
Gauss-Seidel sino también para el método iterativo del punto fijo y el método de Jacobi. Por
tanto, al aplicar este criterio sobre las ecuaciones de Gauss-Seidel y evaluando con respecto a
cada una de las incógnitas, obtenemos la expresión siguiente:

El valor absoluto de las pendientes en la ecuación, deben ser menor que la unidad para asegurar
la convergencia.
Es decir, el elemento diagonal debe ser mayor que el elemento fuera de la diagonal para cada
reglón de ecuaciones. La generalización del criterio anterior para un sistema de n ecuaciones es:
El método de Gauss-Seidel está basado en el concepto de punto fijo, es decir ( xi = gi (x), i = 1..
n), para resolver sistemas de ecuaciones lineales. Para garantizar la convergencia se debe de
cumplir que el sistema tenga una diagonal dominante, es decir que se cumpla la desigualdad
siguiente, si se cambió el orden de las ecuaciones esta puede divergir.

Resolver el siguiente sistema de ecuación por el método Gauss-Seidel utilizando un

ξ= 0.001.
0.1 X1 + 7.0 X2 – 0.3 X3 = -19.30
3.0 X1 – 0.1 X2 – 0.2 X3 = 7.85
0.3 X1 – 0.2 X2 – 10.0 X3 = 71.40

SOLUCIÓN:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén los coeficientes
mayores para asegurar la convergencia.
3.0 X1 – 0.1 X2 – 0.2 X3 = 7.85
0.1 X1 + 7.0 X2 – 0.3 X3 = -19.30
0.3 X1 – 0.2 X2 – 10.0 X3 = 71.40

6
 DEFINICIÓN Y CLASIFICACIÓN DE SISTEMAS DE ECUACIONES LINEALES
Un sistema de ecuaciones lineales, también conocido como sistema lineal de ecuaciones o
simplemente sistema lineal, es un conjunto de ecuaciones lineales sobre un cuerpo o un anillo
conmutativo. Un ejemplo de sistema lineal de ecuaciones sería el siguiente:

3X +5Y +4Z=20
4X+2Y +3Z=30
2X+3Y+4Z=40

El problema consiste en encontrar los valores desconocidos de las variables x 1, x 2 y x 3 que

satisfacen las tres ecuaciones.

El problema de los sistemas lineales de ecuaciones es uno de los más antiguos de la matemática
y tiene una infinidad de aplicaciones, como en procesamiento digital de señales, análisis
estructural, estimación, predicción y más generalmente en programación lineal así como en la
aproximación de problemas no lineales de análisis numérico.

Clasificación de los sistemas de ecuaciones lineales y tipos de solución

Los sistemas de ecuaciones se pueden clasificar según el número de soluciones que pueden
presentar. De acuerdo con ese caso se pueden presentar los siguientes casos:

• Sistema incompatible si no tiene ninguna solución.

• Sistema compatible si tiene alguna solución, en este caso además puede distinguirse entre:
• Sistema compatible determinado cuando tiene un número finito de soluciones.
• Sistema compatible indeterminado cuando admite un conjunto infinito de soluciones.

Ecuaciones no lineales
En matemáticas, los sistemas no lineales representan sistemas cuyo comportamiento no
es expresable como la suma de los comportamientos de sus descriptores. Más
formalmente, un sistema físico, matemático o de otro tipo es no lineal cuando las
ecuaciones de movimiento, evolución o comportamiento que regulan su comportamiento
son no lineales. En particular, el comportamiento de sistemas no lineales no está sujeto al
principio de superposición, como lo es un sistema lineal.

En diversas ramas de las ciencias la no linealidad es la responsable de comportamientos

complejos y, frecuentemente, impredecibles o caóticos. La no linealidad frecuentemente
aparece ligada a la auto interacción, el efecto sobre el propio sistema del estado anterior del
sistema. En física, biología o economía la no linealidad de diversos subsistemas es una
fuente de problemas complejos, en las últimas décadas la aparición de los ordenadores
digitales y la simulación numérica ha disparado el interés científico por los sistemas no

7
lineales, ya que por primera vez muchos sistemas han podido ser investigados de manera
más o menos sistemática.

Sistemas no lineales
Las ecuaciones no lineales son de interés en física y matemáticas debido a que la mayoría
de los problemas físicos son implícitamente no lineales en su naturaleza. Ejemplos físicos
de sistemas lineales son relativamente raros. Las ecuaciones no lineales son difíciles de
resolver y dan origen a interesantes fenómenos como la teoría del caos. Una ecuación lineal
puede ser descrita usando un operador lineal, L. Una ecuación lineal en algún valor
desconocido de tiene la forma

Una ecuación no lineal es una ecuación de la forma:

Para poder resolver cualquier ecuación se necesita decidir en qué espacio matemático se

encuentra la solución . Podría ser que es un número real, un vector o, tal vez, una
función con algunas propiedades.
Las soluciones de ecuaciones lineales pueden ser generalmente descritas como una
superposición de otras soluciones de la misma ecuación. Esto hace que las ecuaciones
lineales sean fáciles de resolver.

Las ecuaciones no lineales son mucho más complejas, y mucho más dif íciles de entender
por la falta de soluciones simples superpuestas. Para las ecuaciones no lineales las
soluciones generalmente no forman un espacio vectorial y, en general, no pueden ser
superpuestas para producir nuevas soluciones. Esto hace el resolver las ecuaciones
mucho más difíciles que en sistemas lineales.

8
9
 Newton Raphson
Este método es uno de los más utilizados para localizar raíces ya que en general es muy
eficiente y siempre converge para una función polinomial.

Se requiere que las funciones sean diferenciables, y por tanto, continuas, para poder aplicar
este método.

Se debe partir de un valor inicial para la raíz: x i , este puede ser cualquier valor, el método
convergirá a la raíz más cercana.

Si se extiende una tangente desde el punto , el punto donde esta tangente cruza
al eje x representa una aproximación mejorada de la raíz.

10
La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente de una
recta.

Pendiente de una recta:

Hay que determinar un número máximo de iteraciones

Normalmente esto se hace considerando una “tolerancia” , esto es:

El valor absoluto de la diferencia de la debe ser menor que la tolerancia o el

resultado de alguna fórmula de error debe ser menor que la tolerancia dada.

Una de las fórmulas de error más útiles es la del error relativo porcentual aproximado:

100 %

11
 El método de
Newton-Raphson es convergente cuadráticamente, es decir, el error es aproximadamente
al cuadrado del error anterior.

Esto significa que el número de cifras decimales correctas se duplica aproximadamente en

cada interacción.

Cuando el método de Newton-Raphson converge, se obtienen resultados en relativamente

pocas interacciones, ya que para raíces no repetidas este método converge con orden 2 y
el error Ei+1 es proporcional al cuadrado del resultado anterior E i

Supóngase que el error en una iteración es 10-n el error en la siguiente, (que es

proporcional al cuadrado del error anterior) es entonces aproximadamente 10 -2n , el que
sigue será aproximadamente 10-4n etc.

De esto puede afirmarse que de cada iteración duplica aproximadamente el número de

dígitos correctos.

Sin embargo, el método de Newton-Raphson algunas veces no converge, sino que oscila.
Esto ocurre si no hay raíz real, si la raíz es un punto de inflexión o si el valor inicial está
muy alejado de la raíz buscada y alguna otra parte de la función “atrapa” la iteración.

12
13
14
15
 Conclusión
En conclusión, como podemos ver, los métodos numéricos pueden aplicarse en distintos
campos, para encontrar resultados aproximados a sistemas complejos utilizando sólo las
operaciones matemáticas más simples.

Los métodos numéricos pueden ser aplicados para resolver procedimientos matemáticos
en:

· Cálculo de derivadas

· Integrales

· Ecuaciones diferenciales

· Operaciones con matrices

· Interpolaciones

· Ajuste de curvas

· Polinomios

Los métodos numéricos se aplican en áreas como:

Ingeniería industrial, ingeniería química, ingeniería civil, ingeniería mecánica, ingeniería

eléctrica.
En pocas palabras las aplicaciones de los métodos numéricos son muy variadas y
necesarias, especialmente parta las ingenierías como ya lo expresé anteriormente, con
esto, puedo concluir que me interesa su estudio, y sobre todo aprenderlos y manejarlos
bien, porque ahora veo que en un futuro no muy lejano es muy probable que los necesite
aplicar.

16