Unidad III

UNIVERSIDAD NACIONAL EXPERIMENTAL DE LAS FUERZAS ARMADAS
INGENERA DE SISTEMAS IS4D A Y B

UNIDAD CURRICULAR: CLCULO NUMRICO
Prof. Leonard Snchez
Diseada por: Licda. ALEXANDRA NOGUERA, MSc. Adaptado por: Prof. Leonard Snchez. Pg. N 1
UNIDAD III: SISTEMAS DE ECUACIONES LINEALES
El objetivo principal de este tema, es el estudio de los mtodos bsicos para resolver conjuntos no homogneos
de ecuaciones lineales.
Un sistema lineal es un conjunto de n ecuaciones, todas lineales que relacionan n incgnitas. Se representa de
la forma siguiente:
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
. .
. . .
.
.
.
.
.
.
. .
. .
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
Este conjunto de n ecuaciones con n incgnitas puede ser escrito fcilmente en forma matricial, obtenindose el
producto de una matriz cuadrada de dimensin nxn por un vector columna de dimensin n, siendo este producto
igual a otro vector columna de dimensin n.
,
_
,
_
,
_
n n nn n n
n
n
b
b
b
x
x
x
a a a
a a a
a a a
.
.
.
.
.
.
. . .
. . .
.
.
.
.
.
.
. . .
. . .
2
1
2
1
2 1
2 22 21
1 12 11
La notacin matricial es equivalente al sistema: Ax = b.
No siempre es fcil determinar la solucin de un sistema de ecuaciones lineales debido a que este puede:
(a) no tener una nica solucin,
(b) no tener solucin y
(c) la solucin puede ser exacta pero mal condicionada.

SOLUCIN DE SISTEMAS DE ECUACIONES
Cuando se tienen sistemas de ecuaciones de orden dos o tres sus soluciones se pueden obtener grficamente
y de manera directa o por mtodos directos. Cuando el orden es mayor a 3 empiezan a aparecer ciertas
dificultades, es por ello que surgen los mtodos numricos.
Para obtener la solucin de dicho sistema utilizaremos dos mtodos genricos distintos que se caracterizan por
enfoque fundamentalmente diferentes: Mtodos directos e iterativos.
Los mtodos directos se basan en algoritmos de sustitucin sistemticas que permiten modificar la forma de la
matriz a travs de una secuencia conocida de clculos. Son mtodos bastantes rpidos para los sistemas
relativamente pequeos (aquellos que generan matrices densas que son las que aparecen de orden pequeos
y con muy pocos elementos iguales a cero), pero poco prcticos y eficientes para sistemas grandes, ya que el
nmero de operaciones vara aproximadamente con el orden de estos sistemas. Dentro de estos mtodos
directos tenemos:
- Mtodo de Eliminacin de Gauss.
- Mtodo de Gauss-Jordan
- Factorizacin LU
Los mtodos iterativos son ms eficaces de trabajar con sistemas de tamao grande (aquellos que generan
matrices esparcidas que son las que aparecen de orden grande y con mucho elementos iguales a
ceros).Dentro de los mtodos iterativos tenemos:
- El Mtodo de Gauss Seidel.
- El Mtodo de Sobrerrelajacin Sucesiva (SOR).
MTODOS DIRECTOS
Mtodo de Eliminacin de Gauss o Triangularizacin: la eliminacin Gaussiana, llamada as debido a Carl
Friedrich Gauss, es un algoritmo del lgebra lineal para determinar las soluciones de un sistema de ecuaciones
lineales, encontrar matrices e inversas. Cuando se aplica este proceso, la matriz resultante se conoce como:
"forma escalonada".El mtodo de Eliminacin de Gauss consiste en transformar un sistema de ecuaciones
lineales (S.E.L.) en otro S.E.L. equivalente ms sencillo de resolver (se puede resolver por simple inspeccin).
Cuando se habla de un sistema equivalente se refiere a un sistema que tiene exactamente las mismas
soluciones.
Antes de comenzar con el desarrollo de cada uno de los mtodos sealados, conviene que el estudiante
recuerde algunas definiciones vistas en lgebra Lineal y que le sern tiles para la solucin de los sistmas
utilizando estos mtodos.
TIPOS ESPECIALES DE MATRICES
Hay varios tipos de matrices las cuales, debido a su apariencia o comportamiento, se le han dado nombres distintos. La
Primera de estas matrices se produce naturalmente cuando la eliminacin de Gauss es realizada sobre un sistema lineal de
ecuaciones.
Matriz Triangular Superior (U):
Satisface Uij = 0 si i > j
Ejemplo:
,
_
33
23 22
13 12 11
0 0
0
U
U U
U U U
U
Matriz Triangular Unitaria Superior (U):
Satisface Uij = 0 si i > j; Uij = 1 si i = j, tiene
todos los elementos de la diagonal principal
iguales a 1
Ejemplo:
,
_
1 0 0
1 0
1
23
13 12
U
U U
U
Matriz Triangular Inferior (L):
Satisface Lij = 0 si i < j
Ejemplo:
,
_
33 32 31
22 21
11
0
0 0
L L L
L L
L
L
Matriz Triangular Unitaria Inferior (L):
Satisface Lij = 0 si i < j; Lij = 1 si i = j, tiene todos
los elementos de la diagonal principal iguales a
uno (1)
Ejemplo:
,
_
1
0 1
0 0 1
32 31
21
L L
L L
Matriz Diagonal:
Es una matriz cuadrada cuyos elementos que
no estn en la diagonal principal son cero.
Satisface aij = 0 si i j.
Ejemplo:
,
_
33
22
11
0 0
0 0
0 0
a
a
a
A
Teorema 1:
Si A = aij es una matriz nxn que es triangular superior o triangular inferior (o diagonal). Entonces,
Det(A) =
n
i
ii
a
1
, el producto de la diagonal principal.
Matriz Simtrica:
Se define como una matriz que se mantiene invariante cuando es transpuesta, es decir:
A = A
t
Ejemplo:
,
_
33
22
11
a d c
d a b
c b a
A
Matriz anti-simtrica:
En contraste con la de arriba, una matriz anti-simtrica se define como la matriz que cambia de signo cuando es
transpuesta, es decir:
A
t
= - A
La matriz debe ser cuadrada y el trmino general debe satisfacer:
aij = - aji esta ecuacin nos indica que aij = 0, para toda i = j
Ejemplo:
,
_

0
0
0
c b
c a
b a
A
Matriz de Banda:
Es cualquier matriz cuadrada en la cual los nicos elementos distintos de cero aparecen en una banda alrededor de la
diagonal principal. As que, si A es una matriz de banda,
Aij = 0 cuando i-j > k
Ejemplo:
,
_
44 43
34 33 32
32 22 21
12 11
0 0
0
0
0 0
a a
a a a
a a a
a a
A
Matriz Estrictamente Diagonal Dominante:
Se satisface:
>
n
j
ij ii
a a
1
para i j
Ejemplo:
,
_

6 5 0
1 5 3
0 2 7
A
7 > 2 + 0 ; 5 > 3 + -1 ; -6 > 0 + 5
Matriz Positiva Definida:
Ancho de banda = 2k+1=2*1+1=3, no incluye las filas extremas
k: ancho demedia banda
Si x
t
Ax > 0 para cada vector n dimensional x 0 (vector cero). Es decir que la matriz de orden 1 generada por la operacin
x
t
Ax tiene un valor positivo para su nica entrada.
[ ]

,
_
,
_
n
i
n
j
j ij
n nn n n
n
n
n
x a
x
x
x
a a a
a a a
a a a
x x x
1 1
2
1
2 1
2 22 21
1 12 11
2 1
.
.
.
...
.
.
.
.
.
.
.
.
.
...
...
...
METODO DE GAUSS
El mtodo de Gauss es el mtodo ms eficiente de solucin de un sistema lineal. Las operaciones sucesivas
tienen como objeto reemplazar por elementos nulos todas las posiciones por debajo de la diagonal, razn por la
cual el mtodo de Gauss es llamado mtodo de Triangularizacin. La frmula de sustitucin se aplica tanto a los
elementos de la matriz como al vector columna, cualquiera sea el ndice i superior a 1
11
1
1
) 1 (
a
a
a a a
i
j ij ij

con i 1 y 1 j n+1
11
1
1
) 1 (
a
a
b b b
i
i i

con i 1 y 1 j n+1
obtenindose una matriz intermedia cuya primera columna contiene n 1 valores nulos.
,
_
,
_
,
_
1
1
2
1
2
1
1 1
2
1
2
1
22
1 12 11
.
.
.
.
.
.
. . . 0
. . .
.
.
.
.
.
.
. . . 0
. . .
n n nn n
n
n
b
b
b
x
x
x
a a
a a
a a a
repitiendo este procedimiento a la matriz obtenida, y utilizando las frmulas siguientes:
) 1 (
22
) 1 (
) 1 ( ) 1 ( ) 2 ( 2
2
a
a
a a a
i
j ij
ij

) 1 (
) 1 (
) 1 (
2
) 1 ( ) 2 (
22
2
a
a
b b b
i
i
i

se genera la nueva matriz:
,
_
,
_
,
_
2
2
3
1
2
1
3
2
1
2 2
3
2
3
2
33
1
2
1
23
1
22
1 13 12 11
.
.
.
.
. . 0 0
.
.
.
.
.
.
0
.
.
0
. . 0
. .
n n nn n
n
n
n
b
b
b
b
x
x
x
x
a a
a a
a a a
a a a a
x
t
*A*x =
cada vez se van haciendo cero los elementos de las columnas siguientes, que estn por debajo de la diagonal
principal, aplicando las frmulas correspondientes hasta obtener un sistema de ecuaciones de la forma:
) 1 (
) 1 (
) 1 ( ) 1 ( ) (

k
kk
k
k k k
ij
a
a
a a a
ik
kj ij
) 1 (
) 1 (
) 1 ( ) 1 ( ) (

k
kk
k
ik k
k
k
i
k
i
a
a
b b b
,
_
,
_
,
_
2
2
3
1
2
1
3
2
1
1
2
3
2
33
1
2
1
23
1
22
1 13 12 11
.
.
.
.
. . 0 0 0
.
.
.
.
.
.
0
.
.
0
. . 0
. .
n n
n
nn
n
n
n
b
b
b
b
x
x
x
x
a
a a
a a a
a a a a
La solucin del sistema lineal puede obtenerse fcilmente al realizar la sustitucin sucesiva hacia atrs.
Observaciones:
(a) El mtodo no funciona si el coeficiente de la primera fila es cero o si algn coeficiente de la diagonal
principal es igual a cero durante el proceso.
(b) Los coeficientes aik / akk = mik se denominan MULTIPLICADORES.
EJEMPLO 1:
Resolver el siguiente sistema de ecuaciones mediante la eliminacin de Gauss.
-0.04 x1 + 0.04 x2 + 0.12 x3 = 3
0.56 x1 1.56 x2 + 0.32 x3 = 1
-0.24 x1 + 1.24 x2 - 0.28 x3 = 3
SOLUCIN:
La matriz de los coeficientes ampliada con el vector de los trminos independientes es:
31 21 31 21
y elementos los cero hacer para y factores los calculan se
3
1
3
28 . 0 24 . 1 24 . 0
32 . 0 56 . 1 56 . 0
12 . 0 04 . 0 04 . 0
a a m m

32 32 31 21
anular para calcular
15
43
3
1 1 0
2 1 0
0.12 0.04 0.04 -
6
04 . 0
24 . 0
, 14
04 . 0
56 . 0
a m m m

atrs hacia n sustituci la realizar a procede se luego

28
43
3
1 0 0
2 1 0
12 . 0 04 . 0 0.04 -
1
1
1
32

m
( ) 28 ; 13 ; 22 22
04 . 0
13 04 . 0 28 12 . 0 3
13
1
28 2 43
28
1
28
1 2 3

X x x x
Observaciones:
Los principales inconvenientes del mtodo de eliminacin de Gauss son los siguientes:
(1) Cuando la matriz A tiene un elemento igual a cero en la diagonal principal, el mtodo fallara ya que al
calcular el multiplicador mik = aik / akk , correspondiente, se producira una divisin por cero.
Hay casos en que estos problemas pueden superarse, y es haciendo un intercambio de filas o de
ecuaciones de manera tal que si akk = 0, este debe quedar por debajo de la fila k. Al elemento akk se le
denomina PIVOTE. Si no hay ningn elemento diferente de cero en la columna k, entonces el sistema
no tiene una solucin nica.
(2) El elemento PIVOTE muy pequeo: Al usar calculadoras o computadoras, el nmero de dgitos
disponibles para las operaciones es finito, en este caso se presentan los errores de redondeo cuando el
pivote es muy pequeo, en comparacin con los elementos ubicados debajo de l en la misma
columna.
Para minimizar los errores de redondeo es recomendable seleccionar como elemento Pivote el elemento de la
columna que tenga mayor valor absoluto.
Conclusiones: El pivoteo se usa para cambiar el orden secuencial de las ecuaciones para evitar:
a) que los coeficientes de la diagonal tenga valor absoluto mayor que cualquiera de los coeficientes debajo
de l, y
b) para reducir el error de redondeo, aunque los elementos pivotes sean nulos.
EJEMPLO 2:
Resolver el siguiente sistema, haciendo uso del mtodo de eliminacin de Gauss:
Solucion: Observar bien las operaciones en cada paso
El sistema equivalente total es:
y por lo tanto la solucin del sistema es la tripleta (2, 0, -1).
METODO DE ELIMINACIN DE GAUSS-JORDAN
Como hemos visto, el mtodo de Gauss transforma la matriz de coeficientes en una matriz triangular superior.
El mtodo de Gauss-Jordan contina el proceso de transformacin hasta obtener una matriz diagonal unitaria
(aij=0 para cualquier i j).
EJEMPLO 3:
Resolver el siguiente sistema haciendo uso del mtodo de eliminacin de Gauss-Jordan:
Solucion:
Observar bien las operaciones en cada paso
La matriz aumentada final corresponde al sistema:
y si consideramos la solucin como una terna, la podemos escribir como (2, 0, -1).
EJEMPLO 4: Resolvamos el siguiente conjunto de ecuaciones haciendo uso del mtodo de eliminacin Gauss-
Jordan
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
SOLUCION: Primero expresemos los coeficientes y el vector de trminos independientes como una matriz
aumentada.
Se normaliza el primer rengln dividiendo entre 3 para obtener:
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero del segundo rengln. De una
manera similar, restando 0.3 veces el primero del tercer rengln se elimina el trmino con X1 del tercer rengln.
En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:
Reduciendo los trminos en X2 de la primera y la tercera ecuacin se obtiene:
El tercer rengln se normaliza dividindolo entre 10.010:
Finalmente, los trminos con X3 se pueden reducir de la primera y segunda ecuacin para obtener:
Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.
SOLUCIN DE SISTEMAS USANDO PIVOTEO
Resolver el siguiente sistema utilizando eliminacin de Gauss con aritmtica de tres dgitos significativos: a) sin
pivoteo parcial, b) con pivoteo parcial, c) comente resultados.
10
-4
x + y = 3
x + y = 2
Solucin: a) Sin pivoteo:
10
-4
x + y = 3 0,0001 1 3 m21 = 1/0,0001 = 10.000
x + y = 2 1 1 2 E2 E2 - 10.000E1

0,0001 1 3
0 -10.000 -30.000 y = 3, x = (3-y)/10
-4
= 0 x = 0(al sustituir este valor en la segunda
ecuacin se obtiene y = 2, lo cual es inconsistente)
b) Con pivoteo:
10
-4
x + y = 3 0,0001 1 3 1 1 2 m21 = 0,0001
x + y = 2 1 1 2 0,0001 1 3 E2 E2 10
-4
E1, 1-10
-4
= 0.99990,9990 1
1 1 2
0 1 3 y = 3 x = -1, al sustituir en la ec.(1): y = 3 + 0,0001 3; y en ec. (2) x = -1
c) Sin pivoteo se llega a soluciones errneas.
DESCOMPOSICIN (O FACTORIZACIN) LU DE UNA MATRIZ CUADRADA
El esquema de descomposicin LU es una transformacin de la matriz A como producto de dos matrices:
A=L.U
Donde L es una matriz triangular inferior y U es una matriz triangular superior.
Para resolver un sistema de ecuaciones lineales mediante descomposicin LU, se procede en dos pasos:
Si A se puede factorizar en la forma A = LU, entonces en AX = B se tiene: LUX = B L(UX) = B
Paso 1 : Sea UX = Z y se resuelve el sistema: LZ = B , aqu se determnale vector Z
Paso 2 : Como UX = Z, aqu se obtiene el vector solucin X.
EJEMPLO 7:
Resolver el siguiente sistema usando descomposicin LU
2x1 - 1.5x2 + 3x3 = 1
-x1 + 2x3 = 3
4x3 4.5x2 + 5x3 = 1
Solucin: PASO 1: Descomposicin de la matriz de los coeficiente: Utilizaremos el mtodo de Crout
A =
,
_
5 5 . 4 4
2 0 1
3 5 . 1 2
=
,
_
33 32 31
22 21
11
0
0 0
l l l
l l
l
,
_
1 0 0
1 0
1
23
13 12
u
u u
a) Clculo de la primera columna de L:
,
_
33 32 31
22 21
11
0
0 0
l l l
l l
l
,
_
0
0
1
=
,
_
4
1
2

,
_
31
21
11
l
l
l
=
,
_
4
1
2
= L
1
Observe que para obtener una columna debe multiplicarse la matriz L por la columna de la matriz U que se
desea calcular e igualar a la misma columna de la matriz A. Aqu se desea calcular la primera columna, por lo
tanto se toma la primera columna de U y se iguala a la primera columna de A
b) Clculo de la primera fila de U: Aqu se multiplica la primera fila de L por toda la matriz U y se iguala a la
primera fila de la matriz A.
(l11, 0, 0)
,
_
1 0 0
1 0
1
23
13 12
u
u u
= (2, -1.5, 3) (l11, l11u12, l11u13) = (2, -1.5, 3)
(2, 2u12, 2u13) = (2, -1.5, 3) u12 = -1.5/2 = -0.75; u13 = 3/2 (se sustituy l11 por su valor y se aplic
igualdad de vectores o de matrices).
U1
= ( 1, -0.75, 1.5).
c) Clculo de la segunda columna de L: Se debe ir sustituyendo los valores ya calculados para acelerar los
clculos.

,
_
33 32
22
4
0 1
0 0 2
l l
l
,
_
0
1
75 . 0
=
,
_
5 . 4
0
5 . 1

'
+ +
+
5 . 1 3 5 . 4 5 . 4 3
75 . 0 0 75 . 0
32 32
22 22
l l
l l
L
2 =
,
_
5 . 1
75 . 0
0

d) Clculo de la segunda fila de U:
(-1, -0.75, 0)
,
_

1 0 0
1 0
5 . 1 75 . 0 1
23
u = (-1, 0, 2) -0.75u23 = 2 u23 = - 4.6667 U2
=(0, 1, -4.6667)
e) Clculo de la tercera columna de L:

,
_

33
5 . 1 4
0 75 . 0 1
0 0 2
l

,
_
1
6667 . 4
5 . 1
=
,
_
5
2
3
13 + l33 = 5 l33 = -8
Luego A =
,
_

8 5 . 1 4
0 75 . 0 1
0 0 2
,
_
1 0 0
6667 . 4 1 0
5 . 1 75 . 0 1
PASO 2: Sea Z = UX, se resuelve LZ = B

,
_

8 5 . 1 4
0 75 . 0 1
0 0 2
,
_
3
2
1
z
z
z
=
,
_
1
3
1
Z = (1/2, -14/3, 1)
t
Se resuelve UX = Z:
,
_
1 0 0
6667 . 4 1 0
5 . 1 75 . 0 1

,
_
3
2
1
x
x
x
=
,
_
1
3 / 14
2 / 1
X = (-1, 0, 1)
t

EJEMPLO 8: Para la matriz
tenemos que mediante eliminicin Gaussiana
Si definimos ahora
tenemos que A=LU.
Dado que A=LU, el sistema Ax=b se puede escribir como LUx=b. La solucin del sistema Ax=b se puede ver
entonces en tres etapas:
1. (Eliminacin) Calcular la factorizacin A=LU.
2. (Modificacin del lado derecho) Resolver el sistema triangular inferior Lg=b para el vector g.
3. (Sustitucin para atras) Resolver el sistema triangular superior Ux=g para el vector x.
EJEMPLO 9:
Descomponer la siguiente matriz utilizando el mtodo de Cholesky
A =
,
_
5 . 3 75 . 2 1
75 . 2 25 . 4 1
1 1 4
= LU
SOLUCIN:
A =
,
_
33 2 3 31
22 21
11
0
0 0
l l l
l l
l
,
_
33
32 22
31 21 11
0 0
0
l
l l
l l l
, se puede comenzar por la primera fila de L o por la primera columna de
L
t
Primera columna de L
t

,
_
33 32 31
22 21
11
0
0 0
l l l
l l
l
,
_
0
0
11
l
=
,
_
1
1
4

'

2 / 1 1
2 / 1 1
2 4
31 31 11
21 21 11
11
2
11
l l l
l l l
l l
segunda columna de L
t

,
_
33 32
22
2 / 1
0 2 / 1
0 0 2
l l
l
,
_
0
2 / 1
22
l
=
,
_

75 . 2
25 . 4
1

'

+
+
5025 . 1
75 . 2 4 / 1
2 25 . 4 4 / 1
32
32 22
22
2
22
l
l l
l l
,
_
33
5 . 1 2 / 1
0 2 2 / 1
0 0 2
l

,
_
33
5 . 1
2 / 1
l
=
,
_
5 . 3
75 . 2
1
+ (1.5)
2
+ l
2
33
= 3.5 l33 = 1.
A =
,
_
1 2 / 3 2 / 1
0 2 2 / 1
0 0 2
,
_

1 0 0
2 / 3 2 0
2 / 1 2 / 1 2
EJEMPLO 10:
Resuelva el siguiente sistema haciendo uso de la factorizacin LU
SOLUCION:
La matriz de coeficientes de este sistema coincide con la del ejemplo anterior de modo que
La solucin de LZ=b con b=(1,-1,0)
t
esta dada por:
3 0
6
5
3
0 1
1
3 3 2 1
2 2 1
1
+
+
Z Z Z Z
Z Z Z
Z
Ahora Ux=Z nos da la solucin del sistema original:
MTODOS ITERATIVOS: GAUSS-SEIDEL y SOBRERRELAJACIN
Los sistemas cuya matriz asociada contiene un alto nmero de ceros o esparcidas se resuelven
frecuentemente usando tcnicas iterativas, en lugar de los mtodos directos. Una tcnica iterativa para resolver
el sistema AX = B, empieza con una aproximacin inicial X
(o)
a la solucin X la cual genera una sucesin de
vectores {x
(k)
}
k=1 que converge a X. Al aplicar las tcnicas iterativas, el sistema AX = B se transforma en otro
sistema equivalente de la forma: X = TX + C, para alguna matrices T y C. Si X
(o)
, entonces X
(1)
= TX
(0)
+ C
(recuerde las tcnicas iterativas para ecuaciones no lineales), en general X
(k)
= TX
(k-1)
+ C. Estas tcnicas son
recomendables para sistemas lineales muy grandes ya que el tiempo requerido para obtener una precisin
suficiente excede al requerido por las tcnicas directas tales como la eliminacin gaussiana. Estos mtodos
tambin son recomendables para sistemas con matrices de coeficientes esparcidas.
MTODO DE GAUSS SEIDEL
Sea el sistema AX = B, si A = L + U + D (L + U + D)X = B(siendo L, U y D matrices triangular inferior,
triangular superior y diagonal respectivamente) DX = -(L + U)X + B
DX
(k)
= - (L + U)X
(k-1)
+ B, para determinar X
(k)
se divide cada elemento del sector derecho por la componente
aii(los elementos de la matriz diagonal), la cual debe ser diferente de cero; en resumen se tiene la siguiente
frmula para determinar cada elemento de la sucesin del vector aproximacin:
X
(k)
= B (LX + UX) / aii
Deduccin de la frmula para n = 4:
a11x1 + a12x2 + a13x3 + a14x4 = b1
a21x1 + a22x2 + a23x3 + a24x4 = b2
a31x1 + a32x2 + a33x3 + a34x4 = b4
a41x1 + a42x2 + a43x3 + a44x4 = b4
Aplicando la descomposicin anterior:
a11x1 = b1 (a12x2 + a13x3 + a14x4)
a22x2 = b2 (a21x1 + a23x3 + a14x4)
a33x3 = b3 (a31x1 + a32x2 + a34x4)
a44x4 = b4 ( a41x1 + a42x2 + a43x3)
Luego, al despejar cada xi, se tiene: x1 = { b1 (a12x2 + a13x3 + a14x4)}/ a11, con a11 0,
x2 = { b2 (a21x1 + a23x3 + a14x4)}/a22, con a22 0,
x3 = { b3 (a31x1 + a32x2 + a34x4)}/a33, con a33 0,
x4 = { b4 ( a41x1 + a42x2 + a43x3)}/a44, con a44 0,
Si x
) 0 (
es una aproximacin inicial de la solucin entonces:

x
) (
1
k
= { b1 (a12x
) 1 (
2
k
+ a13x
) 1 (
3
k
+ a14x
) 1 (
4
k
)}/ a11, con a11
x
) (
2
k
= { b2 (a21 x
) (
1
k
+ a23x
) 1 (
3
k
+ a14x
) 1 (
4
k
)}/a22, con a22 0,
x
) (
3
k
= { b3 (a31x
) (
1
k
+ a32x
) (
2
k
+ a34x
) 1 (
4
k
)}/a33, con a33 0,
x
) (
4
k
= { b4 ( a41x
) (
1
k
+ a42x
) (
2
k
+ a43x
) (
3
k
)}/a44, con a44 0,
Recuerde que por ser un mtodo iterativo, al calcular la primera componente, esta debe ser sustituida en la
siguiente y as sucesivamente hasta terminar todas las componentes. Compare los superndices de la
componente despejada con los de las componentes que aparecen en la ecuacin.
FRMULA DE GAUSS-SEIDEL PARA DETERMINAR LA SOLUCIN DE UN SISTEMA
x

,
_
n
i j
k
j ij
i
j
k
j ij i
ii
k
i
x a x a b
a
1
) 1 (
1
1
) ( ) (
1
aii 0, i = 1, . . . , n
Criterios para detener el mtodo: Pueden utilizarse los siguientes controles de pare:
a)
) (
) 1 ( ) (
k
k k
x
x x
<; b)
) 1 ( ) ( k k
x x
< ; c)
2
) 1 ( ) (
k k
x x
<
EJEMPLO 10:
Utilice el mtodo de Gauss-Seidel con x
(0)
= 0(vector) y = 10
-3
, para resolver el siguiente sistema de
ecuaciones:
10x1 + x2 2x3 = 6 x
) (
1
k
= ( ) 10 / 2 6
) 1 (
3
) 1 (
2

+
k k
x x
x1 + 10x2 x3 + 3x4 = 25 ( ) 10 / 3 25
) 1 (
4
) 1 (
3
) (
1
) 1 (
2

+
k k k k
x x x x
-2x1 - x2 + 8x3 - x4

= -11 ( ) 8 / 2 11
) 1 (
4
) (
2
) (
1
) (
3

+ + +
k k k k
x x x x
3x2 x3 + 5x4 = -11 ( ) 5 / 3 11
) (
3
) (
2
) (
4
k k k
x x x +
TABLA DEL MTODO
k 0 1 2 3 4 5 6 7
x
) (
1
k
0.0000 0.6000 0.172 0.1106 -0.0389 -0.0742 -0.08134 -0.0821
) (
2
k
x
0.0000 2.4400 2.6668 3.5844 3.7530 3.7840 3.7827 3.7883
) (
3
k
x
0.0000 -0.920 -1.1136 -1.4022 -1.4945 -1.5147 -1.5192 -1.5187
Observe que en cada ecuacin, en el
lado derecho, no debe aparecer la
componente que se est despejando.
) 7 (
) 6 ( ) 7 (
x
x x
0.001
) (
4
k
x
0.0000 -0.920 -4.0228 -4.6311 4.7507 -4.7733 -4.7735 -4.7767
SOBRE-RELAJACIN
Cuando se utilizan mtodos iterativos puede suceder que la sucesin no sea convergente o sta es muy lenta.
Hay mtodos para superar estas fallas, aqu estudiaremos el mtodo de Sobre-relajacin, lo que se busca es
acelerar la convergencia, sobre todo en aquellos casos en que la matriz de los coeficientes del sistema No es
estrictamente diagonal dominante.
La frmula para aplicar la sobre-relajacin a un sistema, surge del mtodo de Gauss-Seidel con una ligera
perturbacin o modificacin en las componentes recin calculadas a travs de un promedio ponderado de las
dos ltimas iteraciones:
Si x es una aproximacin de x en el sistema Ax = B, entonces R = B - A x , siendo R el resto en la
aproximacin(valor verdadero menos el aproximado), este resto junto con la frmula del mtodo de Gauss-
Seidel proporciona la siguiente frmula:

ii
n
i j
j ij
i
j
j ij i
k
i
k
i
a
x a x a b w
x w x

,
_

+

+
1
1
1
) 1 ( ) (
) 1 (
; aii 0, i = 1, 2, . . , n (*)
Observaciones:
(1) Si w = 1, la modificacin (*) representa la forma iterativa de Gauss-Seidel
(2) Si 0<w<1, la modificacin (*) se denomina sub-relajacin y se emplea para que un sistema no
convergente sea convergente o apresure su convergencia.
(3) Si 1<w<2, la modificacin (*) se denomina SOBRE-RELAJACIN, la cual est designada para acelerar
la convergencia. Tambin se le llama sobre-relajacin simultnea o sucesiva: SOR. Es aplicable a
sistemas muy grandes.
Generalmente, el valor de w se determina empricamente.
Consideremos el sistema:
a11x1 + a12x2 + a13x3 + a14x4 = b1
a21x1 + a22x2 + a23x3 + a24x4 = b2
a31x1 + a32x2 + a33x3 + a34x4 = b4
a41x1 + a42x2 + a43x3 + a44x4 = b4
La frmula de SOR para este sistema es:
x
) (
1
k
= (1-w) x
) 1 (
1
k
+ {b1 (a12x
) 1 (
2
k
+ a13x
) 1 (
3
k
+ a14x
) 1 (
4
k
)}/ a11, con a11
x
) (
2
k
= (1-w) x
) 1 (
2
k
+ {b2 (a21 x
) (
1
k
+ a23x
) 1 (
3
k
+ a14x
) 1 (
4
k
)}/a22, con a22 0,
x
) (
3
k
= (1-w) x
) 1 (
3
k
+ {b3 (a31x
) (
1
k
+ a32x
) (
2
k
+ a34x
) 1 (
4
k
)}/a33, con a33 0,
x
) (
4
k
= (1-w) x
) 1 (
4
k
+ {b4 ( a41x
) (
1
k
+ a42x
) (
2
k
+ a43x
) (
3
k
)}/a44, con a44 0.
EJEMPLO 11:
Resolver el sistema Ax = b, siendo A =
,
_
11 5 0
5 6 2
0 2 4
y b =
,
_
43
29
8
, con w = 1.2, x
(0)
=0
Solucin: 4x1 2x2 = 8 SOR: 4 / ) 2 8 ( ) 1 (
) 1 (
2
) 1 (
1
) (
1

+ +
k k k
x w x w x
= 2*10
-3
-2x1 + 6x2 5x3 = -29 ( ) ( ) 6 / 5 2 29 1
1 (
3
) (
1
) 1 (
2
) (
2

+ + +
k k k k
x x w x w x
- 5x2 + 11x3 = 43 ( ) ( ) 11 / 5 43 1
) (
2
) 1 (
3
) (
3
k k k
x w x w x + +

Consideraremos para este problema l2 = ( )

3
1
2
) 1 ( ) (
2
) 1 ( ) (
i
k
i
k
i
k k
x x x x

) 1 (
2
) 1 (
1
) (
1
6 . 0 4 . 2 2 . 0

+ + +
k k k
x x x

) 1 (
3
) (
1
) 1 (
2
) (
2
4 . 0 8 . 5 2 . 0

+ +
k k k k
x x x x

) (
2
) 1 (
3
) (
3
5454 . 0 6909 . 4 2 . 0
k k k
x x x + +

TABLA
k 1 2 3 4 5 6 7 8
) (
1
k
x
2.4 -0.984 0.6922 0.8582 0.9783 0.9932 0.9984 0.9995
) (
2
k
x
-4.84 -3.1744 -2.3389 -2.0835 -2.0185 -2.005 -2.0014 -2.0002
) (
3
k
x
2.0512 2.5493 2.9054 2.9735 2.9953 2.9983 2.9997 3.000
00166 . 0 0003 . 0 0012 . 0 0011 . 0
2 2 2
2
) 7 ( ) 8 (
+ + x x < 2*10
-3
EJEMPLO 12:
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un = 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
SOLUCIN:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estn 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
Despejamos cada una de las variables sobre la diagonal:
Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1
Este valor junto con el de X3 se puede utilizar para obtener X2
La primera iteracin se completa sustituyendo los valores de X1 y X2 calculados obteniendo:
En la segunda iteracin, se repite el mismo procedimiento:
Comparando los valores calculados entre la primera y la segunda iteracin
Como podemos observar, no se cumple la condicin
Entonces tomamos los valores calculados en la ltima iteracin y se toman como supuestos para la siguiente
iteracin. Se repite entonces el proceso:
Comparando de nuevo los valores obtenidos
Como se observa todava no se cumple la condicin
As que hacemos otra iteracin
Comparando los valores obtenidos
Dado que se cumple la condicin, el resultado es: X1 = 3.0 , X2 = -2.5 , X3 = 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para encontrar una solucin. En este
ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan ms iteraciones.
PROPUESTO: Se deja de investigacin al alumno alguna forma que haga que este mtodo converga ms
rpidamente.
EJERCICIOS PROPUESTOS
1.- Resuelva los siguientes sistemas aplicando eliminacin Gaussiana, a dems encuentre la inversa de la
matriz de coeficientes de cada uno de los sistemas mediante el mismo mtodo:
a.) 2X1 + X2 3X3 = -1 d) X1 + 2X2 + X3 = 0
-X1 + 3X2 + 2X3 = 12 2X1 + 2X2 + 3X3 = 3
3X1 + X2 3X3 = 0 -X1 - 3X2 = -2
2.- Resuelva el sistema utilizando eliminacin de Gauss
x + y z = -3
6x + 2y + 2z = 2
b) 4X1 X2 X3 = 1
-X1 + 4X2 X4 = 2
-X1 + 4X3 X4 = 0
-X2 X3 + 4X4 = 1
c) 4X1 + 3X2 + 2X3 + X4= 1
3X1 + 4X2 + 3X3 + 2X4 = 1
2X1 + 3X2 + 4X3 + 3X4 = -1
X1 + 2X2 + 3X3 + 4X4 = -1
-3x + 4y + z = 1
3.- resuelva los siguientes sistemas utilizando, aritmtica de tres cifras significativas redondeadas:
a) sin pivoteo b) con pivoteo
x + 2y = 10 10x + 20y = 100
1.1x + 2y =10.4 11x + 20y = 104
4.- Resuelva utilizando descomposicin LU, estudiando previamente las caractersticas de las matrices de
coeficientes que se genera para cada sistema.
2x1 + x2 3x3 = -1 x1 + 2x2 + x3 = 0
-x1 + 3x2 + 2x3 = 12 2x1 + 2x2 + 3x3 = 3
3x1 + x2 3x3 = 0 -x1 - 3x2 = -2
2x 5y + z = 12 4x1 + 3x2 + 2x3 + x4= 1
-x + 3y z = -8 3x1 + 4x2 + 3x3 + 2x4 = 1
3x 4y + 2z = 16 2x1 + 3x2 + 4x3 + 3x4 = -1
x1 + 2x2 + 3x3 + 4x4 = -1
5.- Resolver los sistemas utilizando los mtodos de Gauss Seidel y SOR, utilizando los valores de w
correspondientes. Si es necesario asuma nuevos valores de w para acelerar la convergencia, de manera que se
cumpla con una tolerancia de = 2*10
-4
.
10x1 + x2 2x3 = 6
x1 + 10x2 x3 + 3x4 = 25 w = 1.2 ; 1.25 ; 1.3
-2x1 x2 + 8x3 x4 = -11
3x2 x3 + 5x4 = -11
-5x + 12z = 80 -4x1 + x2 = 1
4x y z = -2 w = 0.8 x1 4x2 + x3 = 1 w = 1.2
6x + 8y = 45 x2 4x3 + x4 = 1
x3 4x4 = 1

Unidad III

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Unidad III

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL EXPERIMENTAL DE LAS FUERZAS ARMADAS

INGENERA DE SISTEMAS IS4D A Y B

atrs hacia n sustituci la realizar a procede se luego

You might also like