TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE OAXACA

FEBRERO 2022-JUNIO 2022

CARRERA:
INGENIERÍA CIVIL
ASIGNATURA:
MÉTODOS NUMÉRICOS-ICC1027
TRABAJO:
U5.-SOLUCIÓN DE SISTEMAS DE ECUACIONES
DOCENTE:
ING. RIVERA ROBLEDO MIGUEL ÁNGEL
ALUMNO:
FLORES NUÑEZ FERNANDO DANIEL

Grupo: 4CE
Semestre: 4º

HORARIO: LUNES A JUEVES DE 16:00-17:00 HORAS

OAXACA DE JUÁREZ, OAXACA, 17 DE JUNIO DEL 2022

 Índice
Introducción.............................................................................................................................3
Objetivos...................................................................................................................................4
Eliminación Gaussiana..........................................................................................................5
Dificultades en los métodos de Eliminación................................................................9
Pivoteo Parcial.....................................................................................................................9
Método de Gauss-Jordán....................................................................................................11
Método de Gauss-Seidel.....................................................................................................15
Método de Newton-Raphson para Sistemas de Ecuaciones No Lineales...............21
Metodología de Newton-Raphson para Sistemas de Ecuaciones No Lineales..27
Aplicaciones De Sistemas De Ecuaciones Lineales y No Lineales..........................29
 Fracciones parciales.............................................................................................29
 Leyes de Kirchhoff................................................................................................34
 Aplicación del método de la eliminación de Gauss-Jordan........................36
Uso De Las Herramientas Computacionales..................................................................37
 Matlab...........................................................................................................................37
 Uso de MATLAB en la solución de sistemas de ecuaciones lineales......37
 OCTAVE.......................................................................................................................39
 Uso de OCTAVE en la solución de sistemas de ecuaciones lineales......39
 MATHEMATICA..........................................................................................................40
Conclusión..........................................................................................................................43
Bibliografía..............................................................................................................................44

2
 Introducción

Un sistema de ecuaciones lineales es un conjunto de dos o mas ecuaciones de

primer grado, en el cual se relacionan dos o más incógnitas.

En los sistemas de ecuaciones, se debe buscar los valores de las incógnitas,

con los cuales, al reemplazar, deben dar la solución plateada en ambas
ecuaciones. A cada una de las ecuaciones se les denomina también
restricciones o condiciones. Todo sistema de ecuaciones lineales con dos
incógnitas, x e y, tiene las siguientes representaciones:

Donde x e y son las incógnitas, y a, b, c, d, e y f son coeficientes reales (R).Las

incógnitas establecidas en un sistema representan el punto donde se
intersecan las rectas en un plano cartesiano (x, y).

3
 Objetivos
El alumno debe ser capaz de:

 Comprender el concepto de ecuación como una igualdad en la que hay

que hallar el valor de la incógnita que la hace verdadera.
 Identificar la transposición de términos en una ecuación como método
para transformar una ecuación en otra equivalente más sencilla.
 Reconocer un sistema de ecuaciones como dos ecuaciones con dos
incógnitas relacionadas entre sí.
 Conocer los distintos métodos de resolución de sistemas de ecuaciones
lineales.

4
 Eliminación Gaussiana.

En forma general este método propone la eliminación progresiva de

variables en el sistema de ecuaciones, hasta tener sólo una ecuación con una
incógnita. Una vez resuelta esta, se procede por sustitución regresiva hasta
obtener los valores de todas las variables.

Para resolver un sistema de ecuaciones podemos, sin alterar las soluciones del
sistema:

- Intercambiar el orden de las ecuaciones.

- Sumar algunas de sus ecuaciones.

- Multiplicar alguna ecuación por un número distinto de 0.

Esto es precisamente lo que se hace en el método de Gauss: se modifican las

ecuaciones para obtener un sistema mucho más fácil de resolver, pero, en
lugar de hacerlo sobre las ecuaciones, se hace sobre la matriz ampliada del
sistema.

El método de eliminación de Gauss consiste en operar sobre la matriz ampliada

del sistema hasta hallar la forma escalonada (una matriz triangular superior).
Así, se obtiene un sistema fácil de resolver por sustitución hacia atrás.

Si finalizamos las operaciones al hallar la forma escalonada reducida (forma lo

más parecida a la matriz identidad), entonces el método se denomina
eliminación de Gauss-Jordan.

Este método se aplica para resolver sistemas lineales de la forma:

AxX=B

El método de eliminación gaussiana (simple) consiste en escalonar la matriz

aumentada del sistema:

para obtener un sistema equivalente:

5
donde la notación a’ij se usa simplemente para denotar que el elemento aij
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 1. Resolver el siguiente sistema de ecuaciones:

usando el método de eliminación gaussiana (simple).

Solución. Escalonamos la matriz aumentada del sistema:

y dividiendo el segundo renglón entre -3, tenemos la matriz equivalente:

Por lo tanto, el sistema equivale a:

6
de la última ecuación tenemos que X3 = 10; sustituimos este valor en la
ecuación de arriba para obtener X2 = -18; sustituimos estos dos valores en la
ecuación de arriba para obtener X1 = 7. Por lo tanto, la solución del sistema
es:

7
Ejemplo 2.

8
Dificultades en los métodos de Eliminación.
 División entre cero.

La razón principal por la que se le ha llamado simple al método anterior se

debe a que durante las fases de eliminación y sustitución hacia atrás es
posible que ocurra una división entre cero. Por ejemplo, si se utiliza el
método de eliminación de Gauss simple para resolver

En la normalización del primer renglón habrá una división entre a11 = 0.

También se pueden presentar problemas cuando un coeficiente está muy
cercano a cero. La técnica de pivoteo se ha desarrollado para evitar en forma
parcial estos problemas.

Pivoteo Parcial.
En la etapa de Eliminación hacia Adelante del método de Eliminación de Gauss
cuando alguno de los coeficientes en la diagonal principal o elementos
pivótales es cero ocurre una división entre cero.

También si alguno de esos coeficientes es pequeño comparado con los otros

elementos, se introducen errores de redondeo.

Para eliminar ese problema, antes de hacer ceros los elementos debajo de un
elemento de pivoteo, se reacomodan las ecuaciones a partir de la ecuación del
elemento de pivoteo para que el elemento pivote sea el coeficiente de mayor
valor.

9
Ejemplo del Método de Eliminación de Gauss con Pivoteo.

Resuelva el siguiente sistema de ecuaciones por el método de Eliminación de

Gauss – con pivoteo parcial:

Podemos escribir sólo los coeficientes

Eliminación hacia adelante:

10
Substitución hacia atrás

Método de Gauss-Jordán.

En álgebra lineal, la eliminación de Gauss-Jordán, llamada así en honor

de Carl Friedrich Gauss y Wilhelm Jordán, es un algoritmo que se usa para
determinar la inversa de una matriz y las soluciones de un sistema de
ecuaciones lineales 1 Un sistema de ecuaciones se resuelve por el método de
Gauss cuando se obtienen sus soluciones mediante la reducción del sistema
dado a otro equivalente en el que cada ecuación tiene una incógnita menos
que la anterior. El método de Gauss transforma la matriz de coeficientes en una
matriz triangular superior. El método de Gauss-Jordán continúa el proceso de
transformación hasta obtener una matriz diagonal.

El método de Gauss-Jordán utiliza operaciones con matrices para

resolver sistemas de ecuaciones de n número de variables. Para aplicar este
método solo hay que recordar que cada operación que se realice se aplicara a
toda la fila o a toda la columna en su caso. El objetivo de este método es tratar
de convertir la parte de la matriz donde están los coeficientes de las variables
en una matriz identidad. Esto se logra mediante simples operaciones de suma,
resta y multiplicación.

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:

11
Para lograr esto, se usa la técnica del pivoteo con la única diferencia de que el
pivote se usa para hacer ceros hacia abajo y hacia arriba.

Ejemplo. Usar el método de Gauss-Jordan para resolver el siguiente sistema:

Solución. Comenzamos con la matriz aumentada:

Procedemos a hacer el primer pivoteo, y para ello, intercambiamos los

renglones 1 y 2:

y haciendo ceros debajo del pivote, obtenemos:

12
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 –5/1.25
y se lo sumamos al renglón 1; para hacer ceros debajo del mismo pivote,
multiplicamos el mismo renglón 2 por -0:5/1.25 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 0.85/0.09 y se lo sumamos al renglón 2;
igualmente, multiplicamos el renglón 3 por -1.9/0:09 y se lo sumamos al renglón
1. Todo esto nos da:

Finalmente, para hacer los unos en la diagonal principal, multiplicamos los

renglones 1; 2 y 3 por -1/2; 1/1.25 y 1/0.09, respectivamente. Obtenemos,
entonces, la matriz final:

la cual nos da la solución del sistema de ecuaciones:

13
14
 Método de Gauss-Seidel.

Los métodos de Eliminación de Gauss o de Gauss – Jordan empiezan a

fallar si el número de ecuaciones es grande (25 – 50 ecuaciones) debido a los
errores de redondeo.

En estos casos se pueden emplear métodos iterativos que a partir de unos

valores iniciales se obtenga una mejor solución.

El método más usado es el de Gauss – Seidel.

En análisis numérico el método de Gauss-Seidel es un método iterativo

utilizado para resolver sistemas de ecuaciones lineales. El método se llama así
en honor a los matemáticos alemanes Carl Friedrich Gauss y Philipp Ludwig
Von Seidel y es similar al método de Jacobi. Aunque este método puede
aplicarse a cualquier sistema de ecuaciones lineales que produzca una matriz
(cuadrada, naturalmente pues para que exista solución única, el sistema debe
tener tantas ecuaciones como incógnitas) de coeficientes con los elementos de
su diagonal no-nulos, la convergencia del método solo se garantiza si la matriz
es diagonalmente dominante o si es simétrica y, a la vez, definida positiva.

El método de Gauss-Seidel es iterativo y, por lo mismo, resulta ser un método

bastante eficiente. Comenzamos con nuestro sistema de ecuaciones:

De la ecuación 1 despejamos X1, de la ecuación 2 despejamos X2,…., de la

ecuación n despejamos Xn. Esto nos da el siguiente conjunto de ecuaciones:

15
Este último conjunto de ecuaciones son las que forman nuestras formulas
iterativas. Para comenzar el proceso iterativo, le damos el valor de cero a las
variables X2;…; Xn; esto nos dará un primer valor para X1. Más precisamente,
tenemos que:

Enseguida, sustituimos este valor de X1 en la ecuación 2, y las variables X3;…;

Xn siguen teniendo el valor de cero. Esto nos da el siguiente valor para X2:

Estos últimos valores de X1 y X2, los sustituimos en la ecuación 3, mientras

que X4; …; Xn siguen teniendo el valor de cero; y así sucesivamente hasta
llegar a la ´ultima ecuación. Todo este paso, nos arrojará una lista de primeros
valores para nuestras incógnitas, la cual conforma nuestro primer paso en el
proceso iterativo. Digamos que tenemos:

16
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:

El proceso se vuelve a repetir hasta que:

donde €s es una cota prefijada.

Ejemplo. Usar el método de Gauss-Seidel para aproximar la solución del

sistema:

hasta que

Solución. Primero despejamos las incógnitas x1; x2 y x3 de las ecuaciones 1;

2 y 3, respectivamente. Tenemos:
17
Estas últimas son nuestro juego de fórmulas iterativas.

Comenzamos el proceso iterativo, sustituyendo los valores de X2 = X3 = 0 en

la primera ecuación, para calcular el primer valor de X1:

ahora, sustituimos X1 = 2:66667 y X3 = 0 en la segunda ecuación, para obtener

X2:

ahora sustituimos X1 = 2:66667 y X2 = -2:82381 en la tercera ecuación, para

obtener X3:

Con estos valores de inicio, aplicamos nuestras fórmulas iterativas y

obtenemos el segundo juego de aproximaciones:

Ahora sí podemos calcular los errores absolutos para cada una de las
incógnitas. Tenemos:

18
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 aproximado |€ a , 3|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:

Y en este caso tenemos los siguientes errores aproximados:

Vemos que ahora sí se ha cumplido el objetivo para cada uno de los errores
aproximados. Por lo tanto, concluimos que la solución aproximada es:

Observación. Es lógico preguntarse si siempre el método de Gauss-Seidel

converge en la solución del sistema de ecuaciones y también es lógico esperar
que la respuesta es NO.

19
Un resultado de análisis numérico nos da una condición suficiente para la
convergencia del método.

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 sí es diagonalmente dominante y, por lo
tanto, el método de Gauss-Seidel sí converge en la solución del sistema.

Sin embargo, la condición de la matriz diagonalmente dominante solamente es

suficiente pero no necesaria, es decir, existen sistemas de ecuaciones que no
cumplen con la condición y que sí convergen en la solución, y también existen
sistemas de ecuaciones que no cumplen con la condición y que no convergen
en la solución.

Finalmente, obsérvese que, aunque un sistema no cumpla con la condición de

ser diagonalmente dominante, es posible, a veces, lograr que sí se cumpla con
esta condición mediante un intercambio de renglones, como veremos en el
siguiente ejemplo.

20
 Método de Newton-Raphson para Sistemas de Ecuaciones No Lineales.

Este método es un método de aproximación de soluciones de sistemas de

ecuaciones no lineales, por ejemplo,

Observemos que resolver este sistema de ecuaciones consiste en hallar los

puntos   de intersección de la parábola asociada a la primera ecuación, la
cual puede reescribirse como:

o de manera equivalente como.

21
De observamos que la parábola abre hacia arriba
y que tiene vértice en el punto  ; mientras que dé   se obtiene que
interseca el eje horizontal en los puntos   y  . Por otra parte, asociada a
la ecuación   tenemos la circunferencia de radio 4 centrada en el
punto  .El lector podrá graficar sin ninguna dificultad ambos objetos
geométricos simultáneamente y observar que deben existir dos puntos de
intersección entre la parábola y la circunferencia dadas.

22
Recordemos que, en el caso unidimensional, el método de Newton-Raphson,
para aproximar raíces de ecuaciones de la forma

consiste en iterar la función

de modo que al aproximar  puntos fijos de la función   estamos

aproximando soluciones de la ecuación   es decir, raíces de la
función 

La construcción unidimensional del método de Newton-Raphson se basa en el

uso de la aproximación, a primer orden o lineal, de la función  , mediante el
desarrollo de Taylor alrededor de un punto  , aproximación dada por la recta
tangente a la gráfica de la función   en el punto  , y cuya ecuación
corresponde a

Recordemos que la aproximación es para puntos   suficientemente cercanos al

punto  . Nos es difícil que el lector verifique que la intersección de esta recta

tangente   con el eje horizontal se da cuando  . Así, una mejor

aproximación de la raíz de   estará dada por el punto

siempre que   no se anule o tome un valor muy cercano a cero.

De esta forma, el método de Newton-Raphson, consiste en construir la

sucesión de valores   mediante el algoritmo.

Antes de intentar obtener un algoritmo semejante al anterior para el sistema de

ecuaciones  , en caso de ser posible, reescribamos dicho sistema de
ecuaciones en una forma semejante a  ; es decir,

23
 ,

donde   y  .

Observemos que si tomamos

entonces resolver el sistema de ecuaciones   es equivalente a resolver

el sistema

Además, si tomamos

ahora es claro que el sistema de ecuaciones   es equivalente al sistema

Lo expuesto anteriormente nos muestra que es posible cualquier sistema de

dos ecuaciones no lineales en la forma matricial    Más aún, cualquier
sistema de   ecuaciones (lineales o no lineales) con   incógnitas puede
escribirse en la forma 

Ahora sí, está justificada la posibilidad de que exista un algoritmo semejante al

dado por   para sistemas de ecuaciones no lineales, los cuales tienen la
forma 

La idea unidimensional consistió en usar la aproximación de Taylor de orden 1

para   cerca de un punto 

Para una función  , su aproximación lineal para puntos   

cercanos al punto   está dada por

Así, para  funciones   y   tendremos

24
y

Ahora procedamos a escribir estas dos últimas ecuaciones en forma vectorial

usando las siguientes igualdades

Ahora, se puede comprobar mediante un cálculo directo que el

sistema   puede escribirse matricialmente como

Como deseamos aproximar soluciones de  , de esta igualdad y  , se

tiene que el vector   que satisface ambas ecuaciones debe estar dado por

Por lo que definimos a la nueva aproximación de la raíz de   como

De esta forma, al algoritmo asociado a este esquema desarrollado está dado

por

el cuál es la generalización del algoritmo unidimensional 

Es importante notar que, en el caso bidimensional, el cálculo de las iteraciones

puede no presentar demasiadas dificultades, pues al saber que  una matriz

con determinante no nulo, su matriz inversa está dada por

25
De esta forma, la expresión  , puede reescribirse al tomar

Donde:

y obtener las siguientes expresiones para el algoritmo de Newton-Raphson en

el caso bidimensional, coordenada a coordenada

Determinar fórmulas equivalentes a las anteriores para sistemas de más

ecuaciones, es claramente, bastante laborioso.

En lugar de ello, no tomaremos el camino de calcular la matriz inversa de

pues su cálculo implica dificultades numéricas. Mejor, reescribamos la

ecuación   de manera más amigable.

o equivalentemente,

26
Hasta el momento, suponemos que se conoce el elemento   de la sucesión
de aproximaciones de la raíz de   y que deseamos calcular el
elemento   de la sucesión de aproximaciones de la raíz.

Si escribimos

el sistema   tiene la forma

y que representa un sistema de ecuaciones lineales donde conocemos a la

matriz   y al vector  , pues conocemos   Resolviendo el
sistema   para  , podemos obtener   pues de  , tenemos que

 Metodología de Newton-Raphson para Sistemas de Ecuaciones No

Lineales.
Lo desarrollado anteriormente nos provee de una metodología para calcular
aproximaciones de raíces de un sistema de ecuaciones  no lineales

I) Considerar una primera aproximación   de la raíz de  .

II) Calcular

III) Calcular

IV) Obtener la solución   del sistema de ecuaciones lineales

V) Obtener la aproximación   usando   y  , mediante la igualdad

27
Posteriormente repetir este proceso para obtener   usando   y el
procedimiento anterior.

VI) Parar el proceso cuando se satisfaga alguna de las condiciones para una
precisión   deseada.

VI 1)    ,o

VI 2)   ,o

VI 3) 

28
 Aplicaciones De Sistemas De Ecuaciones Lineales y No Lineales.

Ecuaciones Lineales.
En distintas ramas de la ingeniería se han encontrado aplicaciones de los
sistemas de ecuaciones lineales, además de que han abarcado innumerables
áreas como la economía y manufactura, por mencionar algunas.

 Fracciones parciales

En el curso de integración se revisa una técnica que consiste en cambiar la

forma en que puede ser expresado un cociente entre polinomios a otra forma
más conveniente para realizar cierto tipo de cálculo, como veremos en el
siguiente ejemplo de aplicación.

Ejemplo 1. Determina los valores de las contantes a y b.

Despejando el numerador de lado izquierdo, se obtiene:

Reduciendo términos comunes y agrupando los valores en x y constantes:

Del primer miembro no existen términos con x, así que se iguala a 0 el término
del segundo miembro, mientras que el término constante se iguala con los
términos constantes del segundo miembro. Resultando el siguiente sistema de
dos ecuaciones lineales.

29
La matriz aumentada queda de la siguiente manera, aplicando la eliminación de
Gauss-Jordán, tomando como pivotes los términos que se encuentran con un
círculo.

Resultan los valores de a y b.

Estos valores de a y b satisfacen el cociente.

NOTA: Se deja como ejercicio demostrar que los valores de a y b al sumar las
dos funciones racionales cumplen con la fracción original.

Ejemplo 2. Determina los valores de las contantes a, b y c.

Despejando el numerador de lado izquierdo, se obtiene:

30
Reduciendo términos comunes y agrupando los valores en x 2, y términos
constantes.

Del primer miembro existen términos con x 2, así que se iguala al binomio que
tenga x 2; asimismo, en el primer miembro existen términos con x, así que se
iguala al binomio que tenga x, mientras que el término constante se iguala con
los términos constantes del segundo miembro.

Resultando el siguiente sistema de tres ecuaciones lineales.

La matriz aumentada queda de la siguiente manera; aplicando la eliminación de

Gauss-Jordán, tomando como pivotes los términos que se encuentran con un
círculo.

31
Resultan los valores de a, b y c.

Estos valores de a, b y c satisfacen el cociente.

 Ajuste de curvas
El ajuste de curvas se presenta en áreas de la ingeniería y estadística. Se
tienen como datos pares coordenados de la forma:

y se necesita encontrar un polinomio cuya gráfica pase por estos puntos. Se

puede demostrar que, si todos los puntos son distintos, entonces hay un
polinomio único de grado n - 1 (o menor).

32
Los coeficientes a0, a1, a2, ..., an-2, an-1 del polinomio buscado se pueden
encontrar sustituyendo los puntos en la ecuación polinomial y después resolver
un sistema de ecuaciones.

Ejemplo 3. Encuentra la ecuación de un polinomio de grado dos cuya gráfica

pasa por el conjunto de tres puntos dados por (1, 6), (2, 3) y (3, 2).

Sea el polinomio buscado:

Se dieron tres puntos y se usarán para determinar las tres incógnitas a0, a1 y
a2. Sustituyendo los valores de x y de y, en la ecuación de grado dos para
cada una de las coordenadas,

Si x = 1, y = 6;

Si x = 2, y = 3;

Si x = 3, y = 2;

Se obtiene el siguiente sistema de tres ecuaciones con a0, a1 y a2.

Al resolver el sistema por la eliminación de Gauss-Jordán. Tomando como

pivotes los valores encerrados por círculos.

33
Se encuentra que:

Y la parábola que pasa por los tres puntos es:

Con la gráfica siguiente.

 Leyes de Kirchhoff
Los circuitos eléctricos se rigen por las leyes de Kirchhoff, las cuales son:

1. Primera Ley de Kirchhoff para corrientes:

34
La suma algebraica de corrientes en un nodo es igual a 0. Las corrientes que
entran son positivas, mientras que las corrientes que salen son negativas e
iguales a 0.

2. Segunda Ley de Kirchhoff para voltajes:

En una malla cerrada, la suma de caídas de tensión es igual a la suma de

fuerzas eléctricas aplicadas.

Ejemplo 4. Para el siguiente circuito obtén el valor de las corrientes i1, i2, i3.

Aplicación de la Primera Ley de Kirchhoff en el nodo A

La suma de corrientes en el nodo B es 0:

i1 - i2 - i3 = 0

La suma de corriente en el nodo B es 0:

i3 + i2 - i1 = 0

Se observa que la segunda ecuación obtenida del nodo B, es la misma que la

del nodo A, pero con signos opuestos.

Aplicando la Segunda Ley de Kirchhoff

En la malla cerrada BCAB 5i1 + 5i3 = 10

En la malla cerrada BADB - 5i3 + 10i2 = 16

En la malla cerrada BCADB 5i1 + 10i2 = 26

El signo menos (-) en la tercera ecuación se debe a que la corriente va en

sentido contrario al que se recorre la malla. Resultando el sistema de cuatro
ecuaciones lineales, con la matriz aumentada.

35
  Aplicación del método de la eliminación de Gauss-Jordan.
Tomando como pivotes los valores encerrados por círculos.

Se obtienen los siguientes valores de las corrientes, que son los valores
buscados.

36
 Uso De Las Herramientas Computacionales.

 Matlab
Matlab es una herramienta interactiva basada en matrices para cálculos
científicos y de ingeniería (de hecho, el termino matlab procede de matrix
laboratory). Desde el punto de vista del control, matlab se puede considerar un
entorno matemático de simulación que puede utilizarse para modelar y analizar
sistemas. Permitir a el estudio de sistemas continuos, discretos, lineales y no
lineales, mediante descripción interna y externa, en el dominio temporal y
frecuencia. Matlab constituye un entorno abierto, para el cual numerosos
paquetes específicos adicionales (toolboxes) han sido desarrollados.

En el caso que nos ocupa se utilizara fundamentalmente el Control System

Toolbox. Estos paquetes específicos adicionales están constituidos por un
conjunto de funciones que pueden ser llamadas desde el programa y mediante
las cuales se pueden realizar multitud de operaciones.

 Uso de MATLAB en la solución de sistemas de ecuaciones lineales.

Para un sistema de n ecuaciones con n incógnitas utilizaremos la Regla de

Cramer la cual es considerada como un sistema de n ecuaciones con n
incógnitas cuya solución es única.

Llamemos A a la matriz de los coeficientes, cuyo determinante d es distinto de

cero.

37
La regla de Cramer nos dice que cada una de las incógnitas xj se puede
obtener a partir del determinante de la matriz en la que se ha sustituido la
columna j de la matriz A por el vector columna de los términos independientes
b.

Sea el sistema

Sistema de m ecuaciones con n incógnitas

Sea el sistema

38
Que podemos escribir Ax=b, donde A es una matriz de dimensión m×n, y x y b
son dos vectores columna de longitudes n y m respectivamente. Tenemos un
sistema de m ecuaciones con n incógnitas.

1) El sistema tiene solución si y solo si el rango de la matriz A es igual al

rango de la matriz ampliada A|b. Sistema compatible.
2) Si el rango es igual al número n de incógnitas el sistema tiene una
solución única. Sistema compatible determinado.
3) Si el rango es menor que el número n de incógnitas entonces hay un
número infinito de soluciones. Sistema compatible indeterminado

 OCTAVE
Octave o GNU Octave es un programa libre para realizar cálculos numéricos.
Como indica su nombre es parte de proyecto GNU. MATLAB es considerado su
equivalente comercial. Entre varias características que comparten se puede
destacar que ambos ofrecen un intérprete permitiendo ejecutar ordenes en
modo interactivo. Nótese que Octave no es un sistema de algebra
computacional como podría ser Máxima, sino que usa un lenguaje que este
orientado al análisis numérico.

 Uso de OCTAVE en la solución de sistemas de ecuaciones lineales

Un sistema lineal de ecuaciones:

39
Se puede escribir en forma matricial Ax=b, con

 MATHEMATICA
La resolución de sistemas de ecuaciones lineales en Mathematica puede
hacerse de dos maneras diferentes:

(a) Mediante la función LinearSolve [], cuya sintaxis es:

40
 LinearSolve [A, b]

Donde A es la matriz de coeficientes y b el vector de términos independientes y

nos devolverá un vector que cumple la ecuación matricial A·x = b.

In []: = a= {{1,2,3}, {2,3,4}, {1,0,3}};

b= {1,0,5};

LinearSolve [a, b]

Out []: = {-1,-2,2}

Otra forma de resolver el sistema anterior es invirtiendo la matriz de

coeficientes como se muestra en el siguiente ejemplo:

In []: = Inverse[a]. b

Out []: = {-1,-2,2}

Destacar que, en sistemas compatibles indeterminados, este comando sólo

calcula una de sus soluciones. Para reconocer si un sistema es determinado o
no podemos usar el comando NullSpace que determina si el correspondiente
sistema homogéneo tiene solución no nula:

NullSpace[A]

donde A es una matriz, nos devuelve una base de las soluciones del sistema
A·x = 0. En el ejemplo anterior la solución que nos daban es la única pues el
sistema homogéneo tiene como solución el espacio vectorial 0.

In []: = NullSpace[a]

Out []: = {}

Sin embargo, en el siguiente ejemplo el sistema es compatible indeterminado y

la orden LinearSolve sigue dándonos solo una solución del sistema:

In []: = LinearSolve [{{1,1,0}, {0,-1,2}, {1,0,2}}, {1,-1,0}]

Out []: = {0,1,0}

In []: = NullSpace [{{1,1,0}, {0,-1,2}, {1,0,2}}]

Out []: = {{-2,2,1}}

41
 (b) Escribiendo las ecuaciones y utilizando para resolverlas el comando
Solve. Mathematica entiende por ecuación una expresión lógica de
igualdad, expresión1== expresión2 y un sistema de ecuaciones por una
lista de ecuaciones de la forma:

{expresión1==expresión2, expresión3==expresión4,...}

La sintaxis del comando Solve es:

Solve[{ecuación1,ecuación2,...},{var1,var2,...}]

O bien de forma matricial:

Solve [A.{var1,var2,...}=={b1,b2,...},{var1,var2,...}]

In []: = Solve [{x+y==1, -y+2z==-1,x+2z==0},{x,y,z}]

Out []: = Solve:svars: Equations may not give solutions for all "solve"
variables.

{{x->-2 z, y->1+2 z}}

Observar que Mathematica advierte que las ecuaciones pueden no dar solución
a todas las variables como ocurre aquí con la variable z, que sería la que
jugaría el papel de parámetro en la solución del sistema compatible
indeterminado.

42
 Conclusión.

En conclusión podemos decir que al utilizar los dos métodos iterativos, se

encuentra que Gauss Seidel es un poco más eficiente que Jacobi, ya que por lo
general converge un  poco más rápido por utilizar los valores inmediatamente
anteriores o actuales.

Los métodos iterativos calculan la solución de un sistema de ecuaciones

mediante el uso de aproximaciones sucesivas, asignando inicialmente un valor
inicial, el error de truncamiento es el que lo caracteriza.

Cuando tenemos un sistema de ecuaciones de la forma Ax=b, entonces

podemos descomponer la matriz A en una matriz triangular inferior L y en una
matriz triangular superior U, equivalentes a A y aplicar métodos como Crout,
Doolittle y Cholesky.

El método de eliminación Gaussiana y los métodos directos en general, tiene

como error asociado, el de redondeo debido al número de operaciones que se
realizan y aumentan conforme aumente el número de ecuaciones.

43
 Bibliografía.
Chapra, S. and Canale, R., 2006. Métotos Numéricos para Ingenieros. 5th ed.
Delegación Álvaro Obregón, México, D. F.: McGraw-Hill.

Mevalmat. (20 de Marzo de 2017). Métodos Numéricos: Método de Newton-

Raphson para sistemas de ecuaciones no lineales. Obtenido de Ceromascero,
una puerta de entrada a las ecuaciones diferenciales:
https://ceromascero.wordpress.com/2017/03/20/metodos-numericos-metodo-
de-newton-raphson-para-sistemas-de-ecuaciones-no-lineales/

StuDocu. (2021). Métodos Numéricos - Solución de Sistemas de Ecuaciones.

Obtenido de StuDocu.com:
https://www.studocu.com/en-us/document/instituto-tecnologico-de-
sonora/metodos-numericos/metodos-numericos-solucion-de-sistemas-
de-ecuaciones/5113774?utm_campaign=shared-
document&utm_source=studocu-
document&utm_medium=social_sharing&utm_content=metodos-nu

StuDocu. (2021). Trabajo de Solución de Sistemas de ecuaciones Lineales.

Obtenido de StuDocu.com:
https://www.studocu.com/es-mx/document/instituto-tecnologico-de-
orizaba/metodos-numericos/trabajo-de-solucion-de-sistemas-de-
ecuaciones-lineales/19106175

Tapia Sánchez, G., Loeza Chin, L. and Estrada Estrada, Ó., 2018. Avanza:
Introducción A Los Métodos Numéricos. 7th ed. México: Cuidado de la edición
y diagramación: Luis Loeza Chin. Corrección: Jorge Hernández Martínez.
Cubierta: Karla María Rascón González.

44