SEDE LATACUNGA

PETROQUÍMICA
MÉTODOS NUMÉRICOS
SOLUCIÓN NUMÉRICA DE
SISTEMAS LINEALES Y NO LINEALES
MARCELO ROMÁN V.

PERÍODO ACADÉMICO: Octubre 2022 – 1Marzo 2023

Unidad 2
Solución de Sistemas Lineales, Interpolación y ajuste de curvas
2.1 Métodos para resolver Sistemas Lineales AX=B
2.2.1 Eliminación de Gauss
2.1.2 Eliminación de Gauss – Jordan
2.1.3 Descomposición LU
2.1.4 El método de la Inversa
2.1.5 Método de Gauss-Seidel

2.2 Interpolación y Ajuste de curvas

2.2.1 Interpolación de Lagrange
2.2.2 Interpolación de Newton
2.2.3 Interpolación de Spline
2.2.4 El método de Mínimos Cuadrados
2
 Objetivos:

• Revisar e implementar los métodos directos e iterativos para resolver sistemas lineales.

• Analizar la convergencia de los diferentes métodos para resolver sistemas lineales y no

lineales.

• Resolver problemas de aplicación en contexto del perfil de la carrera.

3
Un sistema de ecuaciones lineales es un
conjunto de m ecuaciones lineales con n
incógnitas, cuya solución es un conjunto
de valores para las incógnitas con el que
se satisfacen todas las ecuaciones.

7
Representación matricial de un Sistema Lineal
TEOREMA DE ROUCHE - FROBENIUS
𝐴 ∈ 𝑀𝑚 𝑥 𝑛
𝐴𝑥 =𝐵 ≫≫ 𝑎𝑢𝑚 = 𝐴 𝐵

𝑹𝒏𝒈 𝑨 = 𝑹𝒏𝒈 𝒂𝒖𝒎 = 𝒏 # 𝒊𝒏𝒄ó𝒈𝒏𝒊𝒕𝒂𝒔

𝑹𝒏𝒈 𝑨 = 𝑹𝒏𝒈 𝒂𝒖𝒎 < 𝒏 # 𝒊𝒏𝒄ó𝒈𝒏𝒊𝒕𝒂𝒔

𝑹𝒏𝒈 𝑨 ≠𝑹𝒏𝒈 𝒂𝒖𝒎

9
APLICACIONES DE LOS SISTEMAS LINEALES EN CIRCUITOS ELÉCTRICOS
21
22
23
24
25
26
27
28
CONSULTA – EXPOSICIÓN
Representación matricial de un Sistema Lineal
CONDICIONAMIENTO DE UN SISTEMA DE ECUACIONES LINEALES

31
32
33
34
35
36
37
38
39
Métodos directos:
1. Eliminación Gaussiana Simple.
2. Eliminación Gaussiana con Pivoteo Parcial.
3. Eliminación Gaussiana con Pivoteo Total.
4. Factorización directa de matrices
 Cholesky.
 Crout.
 Doolittle.

40
Métodos Iterativos:

1. Jacobi.
2. Gauss Seidel.
3. Gauss Seidel con Relajación.

41
Eliminación Gaussiana Simple
La eliminación Gaussiana es una valiosa herramienta que permite resolver sistemas de ecuaciones lineales, pero
para sistemas de gran tamaño, la cantidad de operaciones que se deben realizar para efectuar dicha eliminación
puede representar un gasto representativo de tiempo y espacio, pudiendo originar errores que afectan
notablemente la convergencia del algoritmo, confiabilidad y eficiencia.

Se pueden distinguir básicamente tres versiones del método de Gauss:

1. Gauss normal
2. Gauss con pivote parcial
3. Gauss con pivote total

42
43
Pasos del algoritmo de Eliminación Gaussiana simple
I. Fase de Escalonamiento
1. Determine 𝑎11 ≠ 0, o intercambiar filas
2. Por eliminación, obtenga ceros abajo del elemento
delantero (pivote) en los renglones debajo de el.
3. Repetir el proceso paso 1 y 2 hasta 𝑎𝑛−1,𝑛−1 .
4. Finalmente se realiza la sustitución regresiva del
sistema Ux=B para encontrar los valores del vector 𝑥 de las
incógnitas.

44
Ejemplo

45
46
Eliminación gaussiana con sustitución hacia atrás

47
Ejercicio para un sistema de 4 x 4

Paso 1: Nos interesa que las posiciones 21, 31, 41 de la matriz sean ceros,

entonces nuestra matriz A la hemos transformamos en

48
Paso 2: Ahora, enfoquemos nuestra atención al subproblema de una matriz de 3 por 3

En forma similar, hagamos ceros los elementos por debajo de u22, para lograrlo operemos

Paso 3: Luego, nuestra matriz se ha transformado en

Paso 4: Luego, nuestra matriz se ha transformado en

49
Eliminación de Gauss - Jordan

𝒂𝒏,𝒏+𝟏
𝒙𝒏 =
𝒂𝒏,𝒏
𝒂𝒏−𝟏,𝒏+𝟏 − 𝒂𝒏−𝟏,𝒏 ∗ 𝒙𝒏
𝒙𝒏−𝟏 =
𝒂𝒏−𝟏,𝒏−𝟏

𝒂𝒊,𝒏+𝟏 − σ𝒏𝒋=𝒊+𝟏 𝒂𝒊𝒋 ∗ 𝒙𝒋

𝒙𝒊 = ∀ 𝐢 = 𝒏 − 𝟏, 𝒏 − 𝟐, 𝒏 − 𝟑, … . 𝟏
𝒂𝒊𝒊
50
 Eliminación de Gauss - Jordan
Implantación del algoritmo en Matlab
Una primera idea sería concentrarnos en la parte activa en cada paso de la eliminación gaussiana,
por ejemplo, para el paso k tendremos

Gráficamente, la evolución del algoritmo lo podemos ver

51
52
53
54
55
56
57
58
59
60
61
La primera iteración, se establece un valor
inicial y un factor de convergencia

La segunda iteración, los valores obtenidos para x, se introducen en la siguiente iteración. De esta forma,
conforme se generen nuevos valores, se retienen para la siguiente iteración.

62
63
Se realiza un intercambio de renglones para ordenar el sistema de manera diagonalmente dominante.

64
65
66
67
68
69
70
71
72
73
74
75
El Método de Newton-Raphson para sistemas de ecuaciones no lineales
Método de Newton para un sistema de dos ecuaciones
El Método de Newton-Raphson para sistemas de ecuaciones no lineales
Método de Newton para un sistema de dos ecuaciones
Método de Newton para un sistema de 𝑛 ecuaciones
Consideremos, de una forma general, un sistema no lineal de ecuaciones

Ec. 1

Si

Ec. 2
Resolveremos Ec. 2, por el método de aproximaciones sucesivas. Supongamos
hemos hallado la aproximación 𝑝 − é𝑠𝑖𝑚𝑎.

de una de las raíces separadas 𝑥 = (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) de la ecuación vectorial Ec 1.

La raíz exacta de Ec. 2 puede representarse entonces como

Ec. 3

Sustituyendo Ec. 3 en Ec. 2, tenemos

Ec. 4
suponiendo que la función 𝑓(𝑥) es continuamente diferenciable en un cierto
dominio convexo que contiene a 𝑥 y 𝑥 (𝑝) , desarrollaremos el primer miembro de la
ecuación Ec. 4 en potencias del pequeño vector 𝜖 (𝑝) limitándonos a los términos
lineales.

Ec. 5

De la fórmula Ec. 5 se deduce que la derivada 𝑓′(𝑥) ha de ser considerada como

la matriz jacobiana del conjunto de funciones (𝑓1 , 𝑓2 , . . . , 𝑓𝑛 ) con respecto a las
variables (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) ; es decir,
El sistema Ec. 5 en forma extendida es un sistema lineal en las correcciones 𝜖 (𝑝)
para (𝑝 = 1, 2, . . . , 𝑛) con la matriz 𝑊(𝑥), y de aquí que la fórmula Ec. 5 pueda
escribirse como sigue:

de donde, dando por supuesto que la matriz 𝑾(𝒙(𝒑) ) es no singular, tenemos

Por lo tanto,

Ec. 6

Para la aproximación de orden cero 𝑥 (0) podemos tomar un valor aproximado de la

raíz deseada.
Las curvas definidas por el sistema, se cortan aproximadamente en los puntos
𝑀1 = 1.4, −1.5 𝑦 𝑴𝟐 = (𝟑. 𝟒, 𝟐. 𝟐).
 Calculando las segundas aproximaciones de la raíz, efectuando los cálculos
requeridos

Consideremos

tenemos
Utilizando la expresión Ec. 6, obtenemos:
 Semana 1: TRABAJO AUTÓNOMO

Dentro del análisis de sistemas de potencia, un flujo de potencia consiste en la transferencia de potencia
activa y reactiva, la cual es generada para alimentar cargas que requieren dicha potencia, utilizando como
medio de transporte las líneas de transmisión. La información principal que se obtiene del estudio de los flujos
de potencia es: la magnitud y ángulo del voltaje en cada barra, así como la potencia activa y reactiva que fluye
en las líneas de transmisión.

Modelo de impedancias

Matriz de impedancia
La una matriz de impedancia es la representación matemática de las conexiones presentes en un sistema de
potencia de n barras, a través de las líneas de transmisión tomando en cuenta únicamente su impedancia
(tomada en su forma compleja).
La matriz de impedancia para un sistema de n barras, se considera como la resultante de aplicar el concepto
de impedancia (Z) y admitancia (Y)

Matriz de admitancia

Según Stevenson y Grainger, la matriz de admitancias de nodo da el comportamiento en estado estable de

todas las componentes que actúan juntas para formar el sistema.
Ecuaciones de flujo de potencia
99
100