Solución de ecuaciones lineales simultáneas

Solución de ecuaciones lineales
simultáneas
Simulación grafica
Gamaliel Moreno
Maestría en Ciencias del Procesamiento de la Información

Ingeniería Eléctrica
Ago-Dic 2022
Contenido
Introducción
Métodos directos
Eliminación Gaussiana
Eliminación de Gauss-Jordan
Métodos iterativos
Método de Jacobi
Método de Gauss-Seidel
Solución de ecuaciones lineales simultáneas

Introducción
Existen muchos problemas físicos y numéricos cuya solución se obtiene resolviendo un

conjunto de ecuaciones lineales simultáneas. El problema tiene una solución única
cuando hay n ecuaciones linealmente independientes y n incógnitas.
Si hay más de n ecuaciones entonces existen dos posibilidades:
▶ Las ecuaciones extra se pueden aislar,
▶ se toma un número más grande de observaciones
Introducción
Cuando se tienen n ecuaciones lineales simultáneas con n incógnitas, éstas se escriben

en la forma siguiente:

Introducción
Notación matricial con conjuntos de coeficientes ai , j(i, j = 1, 2, . . . , n) se representan

con A y los elementos xj y bj (j = 1, 2, . . . , n) se representan con los vectores x y b,
respectivamente. El conjunto de ecuaciones se puede representar como
Ax = b

Introducción
▶ Matemáticamente, estas ecuaciones tienen una solución única, si y sólo si el

determinante de A es diferente de cero (det(A) ̸= 0).
▶ Un conjunto de ecuaciones con (det(A) = 0) se llama mal condicionado
▶ Numéricamente hay una dificultad, ya que el concepto de cero es más que
impreciso en términos de computación. El resultado de un cálculo para el cual la
respuesta es cero puede, por ejemplo, ser 10−50 , como el resultado de los datos o
un error de redondeo.
Introducción
Hay dos tipos de métodos que se analizarán para resolver el sistema de ecuaciones
▶ Métodos directos
▶ Método de Gauss
▶ Método de Gauss-Jordan
▶ Cálculo de la matriz inversa
▶ Métodos indirectos
▶ Método de Jacobi
▶ Método de GaussSeidel
1. La primera ecuación se almacena para usarla después

2. La variable x1 se elimina de las restantes n − 1 ecuaciones al restar un múltiplo
apropiado de la primera ecuación de cada una de las otras ecuaciones.
3. Los nuevos coeficientes se encuentran al usar los multiplicadores con ellos se
forman los nuevos elementos, para la matriz A y para el vector b
4. x1 queda eliminada en todas las ecuaciones excepto la primera
5. Este procedimiento se repite para la segunda ecuación con x2 , tercera con x3 y así
en todas las lineas

Las ecuaciones por resolver son
después del procedimiento

Ejemplo
Aplicar el método de eliminación gaussiana al sistema de ecuaciones,

Ejemplo
Simplificar notación omitiendo variables

Ejemplo
Reduciendo términos usando 3, 5 y 0 para los elementos a21 , a31 , a41 respectivamente

Ejemplo
Continuando

Ejemplo
Continuando

Ejemplo
Despejando x4 de la cuarta ecuación, se tiene que x4 = 2. Sustituyendo x4 en la tercera

ecuación y así sucesivamente, se tiene que la solución al sistema de ecuaciones es
x4 = 2
x3 = 3
x2 = −1
x1 = 1

Ejemplo
Es conveniente guardar los multiplicadores en una matriz triangular inferior L con los
unos en la diagonal y otra matriz triangular superior U con la matriz reducida.
Nótese que A = LU

Descomposición LU

Ejercicios
Problema 1
Problema 2

Existen diversas variantes del método de eliminación gaussiana.En esta variante, la
matriz, después de la eliminación tiene una forma final diagonal. Cada ecuación tiene
sólo una variable, por lo que se evita el proceso de sustitución regresiva, y los valores de
las variables se pueden calcular directamente.
Para aplicar el método, se procede de una manera muy similar a la eliminación
gaussiana, pero en cada etapa se elimina la variable xk , no sólo de las ecuaciones
sucesivas, sino también de todas las precedentes.

Ejemplo
Aplicar el método de Gauss-Jordan al sistema

Ejemplo
Continuando

Ejemplo
Continuando

Ejemplo
Continuando

Ejemplo
Continuando

Ejemplo
Continuando

Métodos iterativos
Métodos iterativos
Se sabe que es posible usar un esquema iterativo que mejore la solución hasta que se
obtenga convergencia. Ésta es la esencia de este tipo de métodos empleados para
resolver sistemas de ecuaciones lineales. Los más comunes son el método de Jacobi y
el de Gauss-Seidel.
Método de Jacobi
La forma más conveniente de expresar estos métodos es usar la notación matricial. La

matriz A se divide en tres partes, correspondientes a los tres conjuntos de coeficientes.
La ecuación Ax = b será
(L + D + U )x = b
▶ donde L es una matriz triangular inferior con ceros en la diagonal,

▶ D es la matriz diagonal que contiene los elementos de la diagonal de A,
▶ y U es una matriz triangular superior con ceros en la diagonal.

Método de Jacobi
El método de Jacobi para la r-ésima iteración se escribe como sigue
Dx(r) = −(L + U )x(r−1) + b (r = 0, 1, . . .)
La solución actualizada esta dada por :
x(r) = −D−1 (L + U )x(r−1) + D−1 b (r = 0, 1, . . .)
El método de Jacobi converge para matrices A que son diagonalmente dominantes,

en el sentido que es matemáticamente preciso.

Método de Jacobi
El sistema de ecuaciones debe ser diagonalmente dominante. Si el sistema de

ecuaciones es
entonces es diagonalmente dominante si

X
|ai,i | > |ai,j | (i = 1, 2, . . . , n)
∀j̸=i

Ejemplo
Resuelva mediante el método iterativo de Jacobi, partiendo del puntos

x0 = 0, y0 = 0, z0 = 0
3x −y −z =1
−x +3y +z =3
2x y 4z =7
Recuerde
x(r) = −D−1 (L + U )x(r−1) + D−1 b (r = 0, 1, . . .)

solución
Encontrando términos x(r) = −D−1 (L + U )x(r−1) + D−1 b

     
3 0 0 0 0 0 0 −1 −1
D = 0 3 0 L = −1 0 0 U = 0 0 1
0 0 4 2 1 0 0 0 4
 
0 −1 −1
R = L + U = −1 0
 1
2 1 0
 
1
b = 3

7

solución
Teniendo en mente x(r) = −D−1 (L + U )x(r−1) + D−1 b

 
1/3 0 0
D−1 =  0 1/3 0 
0 0 1/4
    
1/3 0 0 1 1/3
D−1 b =  0 1/3 0  3 =  1 
0 0 1/4 7 7/4
    
1/3 0 0 0 −1 −1 0 −1/3 −1/3
D−1 (L + U ) =  0 1/3 0  −1 0 1  = −1/3 0 1/3 
0 0 1/4 2 1 0 1/2 1/4 0
Ejemplo
Teniendo en mente x(r) = −D−1 (L + U )x(r−1) + D−1 b

    
0 −1/3 −1/3 x 1/3[y + z]
−D−1 (L + U )x(r−1) = − −1/3 0 1/3  y  =  1/3[x − z] 
1/2 1/4 0 z 1/4[−2x − y]
     
1/3[y + z] 1/3 1/3[y + z + 1]
−D−1 (L + U )x(r−1) + D−1 b =  1/3[x − z]  +  1  =  1/3[x − z + 3] 
1/4[−2x − y] 7/4 1/4[−2x − y + 7]
Solución
finalmente se encuentran la expresiones de actualización

 r+1  
1/3[y r + z r + 1]

x
y r+1  =  1/3[xr − z r + 3] 
z r+1 1/4[−2xr − y r + 7]

Solución
Iteración 1 con x0 = 0, y 0 = 0, z 0 = 0
 1 
1/3[y 0 + z 0 + 1]
      
x 1/3[0 + 0 + 1] 1/3 0.3333
y 1  =  1/3[x0 − z 0 + 3]  = 1/3[0 − 0 + 3] =  1  =  1 
z1 1/4[−2x0 − y 0 + 7] 1/4[0 − 0 + 7] 7/4 1.75
Iteración 2 con x1 = 1/3, y 1 = 1, z 1 = 7/4

 1 
1/3[y 0 + z 0 + 1]
    
x 1/3[1 + 7/4 + 1] 1.25
y 1  =  1/3[x0 − z 0 + 3]  =  1/3[1/3 − 7/4 + 3]  = 0.5277
z1 1/4[−2x0 − y 0 + 7] 1/4[2(1/3) − 1 + 7] 1.3333

Solución
Continuando
 3    4    4  
x 0.9537 x 0.9884 x 1.0056
y 3  = 0.9722 , y 4  = 0.9868 , y 4  = 0.9861
z3 0.9930 z4 1.0300 z4 1.0090
Evaluando ultima iteración

3x −y −z = 1 3(1.0056) −0.9861 −1.0090 = 1.0217
−x +3y +z = 3 −1.0056 +3(0.9861) 1.0090 = 2.9616
2x y 4z = 7 2(1.0056) 0.9861 4(1.0090) = 7.0333

▶ La matriz debe ser diagonalmente dominante

▶ método de Gauss-Seidel que mejora en forma considerable la convergencia para
ciertos tipos de ecuaciones
▶ es conveniente dividir los coeficientes en tres grupos que constituyen el llamado
conjunto de elementos diagonales: los elementos en la diagonal, arriba de la
diagonal y debajo de la diagonal
▶ Es conveniente escalar las ecuaciones mediante la división entre los elementos de la
diagonal, de manera que D será igual a la matriz unitaria I.
▶ las ecuaciones de iteración son
x(r+1) = −Lx(r+1) − U x(r) + b
(I + L)x(r+1) = −U x(r) + b
Explicación en forma extendida. Sea el siguiente sistema de ecuaciones
Despejando de la matriz diagonalmente dominante

Ejercicio
Resuelva el siguiente sistema de ecuaciones mediante Gauss-Seidel, con una solución

incial de x1 = 0, x2 = 0, x3 = 0, x4 = 0
−x1 −x2 +10x3 −2x4 = 27

10x1 −2x2 −x3 −x4 =3
x1 +x2 +2x3 −10x4 = 9
2x1 +10x2 −x3 −x4 = 15

solución
Se acomodan los reglones para que la matriz sea diagonalmente dominante
10x1 −2x2 −x3 −x4 =3

2x1 +10x2 −x3 −x4 = 15
−x1 −x2 +10x3 −2x4 = 27
x1 +x2 +2x3 −10x4 = 9

solución
Primer enfoque: forma extendida.

Despejando x1 de la primera ecuación, x2 de la segunda, x3 de la tercera y x4 de la
cuarta
xr+1
1 = (2xr2 +xr3 +xr4 +3)(1/10)
r+1 r+1 r r
x2 = (−2x1 +x3 +x4 +15)(1/10)
xr+1
3 = x r+1
1 +x r+1
2 +2x r
4 +27)(1/10)
r+1 r+1 r+1 r+1
x4 = (x1 +x2 +2x3 −9)(1/10)
donde r = (0, 1, . . . , n) es el indice de la iteración.
solución
Segundo enfoque: matricial. Planteando el sistema de ecuaciones de forma matricial

Ax = b donde
     
10 −2 −1 −1 x1 3
 2 +10 −1 −1  x2  15
A= −1 −1 +10 −2 
 x= 
x3  b= 27

1 +1 +2 −10 x4 9

solución
Haciendo D = I
    
1 −2/10 −1/10 −1/10 x1 3/10
 2/10
 +1 −1/10 −1/10
 x2  =  15/10 
   
−1/10 −1/10 +1 −2/10 x3   27/10 
−1/10 −1/10 −2/10 1 x4 −9/10
Teniendo en cuenta x(r+1) = −Lx(r+1) − U x(r) + b
   
0 0 0 0 0 −2/10 −1/10 −1/10
 2/10 0 0 0 0 0 −1/10 −1/10
L= −1/10 −1/10
 U =  
0 0 0 0 0 −2/10
−1/10 −1/10 −2/10 0 0 0 0 0

solución
Continuando
   r  
0 0 0 0 x1 0
 2/10 0 0 0  r 
 x2  =  −2/10(xr+1
1 )
−Lxr+1

=
−1/10 −1/10 r r+1 r+1

0 0 x3   1/10(x1 + x2 ) 
r r+1 r+1 r+1
−1/10 −1/10 −2/10 0 x4 1/10(x1 + x2 + 2x3 )
  r 
1/10(2xr2 + xr3 + 2xr4 )
 
0 −2/10 −1/10 −1/10 x1
0 0 −1/10 −1/10  r  1/10(xr3 + xr4 )
−U xr1 =   x2  = 


0 0 0 −2/10  r
x3   1/10(2x4 )r 
0 0 0 0 r
x4 0

solución
Continuando
1/10(2xr2 + xr3 + 2xr4 )
     
0 3
r+1 r r
−2/10(x1 ) 1/10(x3 + x4 ) +15
−Lxr+1 −U xr1 +b = 
     
r+1 r+1
+
1/10(2x4 )r  27
 1/10(x1 + x2 )  
r+1 r+1 r+1
1/10(x1 + x2 + 2x3 ) 0 9
(2xr2 +xr3 +xr4

 
+3)(1/10)
(−2xr+1 +xr3 +xr4 +15)(1/10)
xr+1 = −Lxr+1 − U xr1 + b = 
 (xr+1
1
r+1 r

1 +x 2 +2x 4 +27)(1/10) 
r+1 r+1 r+1
(x1 +x2 +2x3 −9)(1/10)

solución
sustituyendo el puntos inicial x1 = 0, x2 = 0, x3 = 0, x4 = 0

   
(2(0) +(0) +(0) +3)(1/10) 0.3
(−2(0.3) +(0) +(0) +15)(1/10)
x1 =   =  1.44 
 
 ((0.3) +(1.44) +2(0) +27)(1/10)   2.874 
((0.3) +(1.44) +2(2.874) −9)(1/10) −0.1512
realizando más iteraciones

     
0.8602 0.9045 0.9081
 1.6002   1.6035   1.6058 
x2 =  2.9158 
 x3 =  
 2.9366  x4 =  
 2.9390 
−0.0707 −0.0618 −0.0607
Se acepta convergencia en x4 .
solución
Sustituyendo aproximación en el sistema de ecuaciones

x1 = 0.9081, x2 = 1.6058, x3 = 2.9390, x4 = −0.0607
−(0.9081) −(1.6058) +10(2.9390) −2(−0.0607) = 26.9978

10(0.9081) −2(1.6058) −(2.9390) −(−0.0607) = 2.9920
(0.9081) +(1.6058) +2(2.9390) −10(−0.0607) =9
2(0.9081) +10(1.6058) −(2.9390) −(−0.0607) = 14.9965
Solución esperada bT = [27, 3, 9, 15]

Método de SOR
▶ El método de SOR pertenece a los métodos iterativos para resolver sistemas de

ecuaciones lineales.
▶ Si un proceso iterativo converge lentamente, algunas veces es posible tomar pasos
más grandes para el cálculo de valores y, por tanto, acelerar la convergencia.
▶ Si la convergencia es muy lenta, los valores calculados del proceso de Gauss Seidel
se ven como valores intermedios y se usa la siguiente ecuación
(r+1)
X (r+1) = X (r) + ω(X̃ − X (r) )
(r+1)
donde X̃ es el valor calculado por Gauss-Seidel y 0 ≤ ω ≤ 2 es el factor del paso
y si ω > 1 se tiene el método sobrerrelajado (SOR) y si ω < 1 se tiene el subrelajado.
Método de SOR
Ejemplo. Encuentre la solución usando el método de SOR del siguiente sistema
4x1 −4x2 = 400

−x1 +4x2 −2x3 = 400
−2x2 +4x3 = 400
en forma matricial      
4 −4 0 x1 400
−1 4 −2 = x2  = 400
0 −2 4 x3 400

Método de SOR
Aplicando Gauss Seidel se obtiene

(r+1) (r)
x̃1 = 100 − x2
(r+1) (r)
(r+1) x1 x3
x̃2 = 100 + 4 + 2
(r+1)
(r+1) x2
x̃3 = 100 + 2
(r+1)
Usando el método SOR X (r+1) = X (r) + ω(X̃ − X (r) ) tenemos

(r+1) (r) (r) (r)
x1 = x1 + ω [100 − x2 ] − x1
(r+1) (r)

(r+1) (r) x1 x3 (r)
x2 = x2 + ω [100 + 4 + 2 ] − x2
(r+1)

(r+1) (r) x2 (r)
x3 = x3 + ω [100 + 2 ] − x3

Método de SOR
(0) (0) (0)

Sutituyendo la solución inicial x1 = 0, x2 = 0, x3 = 0 y usando una ω = 1.2
tenemos
(1)
x1 = 0 + 1.2 ([100 − 0] − 0) = 120
(1)
x2 = 0 + 1.2 [100 + 100 0

4 + 2] − 0 = 156
(1)
x3 = 0 + 1.2 [100 + 125 2 ] − 0 = 213.60
se continua iterando y se obtiene
 (2)     (3)     (4)     (5)   
x1 283.20 x1 425.66 x1 445.72 x1 450.24
 (2)    (3)   (4)   (5) 
x2  = 301.92 , x2  = 342.37 , x2  = 349.48 , x2  = 350.14 ,
(2) 258.43 (3) 273.74 (4) 274.94 (5) 275.10
x3 x
3 x 3 x 3
se acepta convergencia en quinta iteración. comprobando tenemos que la primera

expresión da 399.99, la segunda 400 y la tercera 399.99
Borrar
3x −y +z = 1
3x +6y +2z = 0
3x +3y +7z = 4

Solución de ecuaciones lineales simultáneas

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

Solución de ecuaciones lineales simultáneas

Cargado por

Copyright:

Formatos disponibles

Solución de ecuaciones lineales

Maestría en Ciencias del Procesamiento de la Información