UNIDAD III.

Solucin de sistemas de ecuaciones Algebraicas lineales y no

lineales.
Muchos sistemas en ingeniera y en matemticas aplicadas pueden representarse adecuadamente mediante un
sistema de ecuaciones lineales. Por lo que, los mtodos numricos desarrollados en esta unidad, aparecern
como herramientas en otras unidades.

3.1 Algebra Matricial.

El lgebra matricial es una parte esencial en muchas reas del conocimiento, ya que las matrices representan
herramientas convenientes para considerar un arreglo de muchos nmeros mediante un solo smbolo, y por lo
tanto, la sistematizacin de clculos laboriosos, ya que proveen una notacin compacta para almacenar
informacin y describir relaciones complicadas.

Una matriz es un conjunto de nmeros colocados como arreglos rectangulares y encerrados entre parntesis,
los componentes individuales de la matriz se llaman sus elementos.
La notacin aij en una matriz, designa al elemento ene la i-sima fila, y en la j-sima columna. Los subndices
se emplean para indicar los elementos designando primero la fila y luego la columna.

Notacin Matricial
Definimos que una matriz consta de un arreglo rectangular de elementos representados por un smbolo
simple
a11 a12 a13 a1n
a a 22 a 23 a 2 n
21
A a31 a32 a33 a3 n


a m1 am 2 am3 amn

Generalmente se utiliza la expresin matriz de m n y escribimos matriz m n para referirnos a una

matriz de m filas y n columnas.
Al conjunto horizontal de elementos se le llama rengln
Al conjunto vertical de elementos se le llama columna

Las matrices con dimensin m =1 en el rengln se les llama vectores rengln.

B b1 , b2 , , bn

[ 3, -1, 2, 0, 5, 4 ] Vector rengln de seis columnas

Las matrices con dimensin n =1, se les conoce como vector columna.

c1
c
C 2


cn
A las matrices donde m = n se les llama cuadradas.

Se le llama diagonal principal de la matriz a la diagonal consistente de los elementos a11, a22, a33, a44,...

23
Reglas de Operacin sobre Matrices
La suma de dos matrices [A] y [B], se realiza sumando los elementos correspondientes de cada matriz. Los
elementos de la matriz [C] resultante se calculan como:

cij = aij + bij

para i = 1,2,3,.., m j =1,2,3,.,n

Para multiplicar dos matrices se requiere que el nmero de columnas sea igual al nmero de renglones de
la otra, la dimensin de la matriz resultante ser el nmero de renglones y el nmero de columnas de la otra
La multiplicacin no es conmutativa

[A][B]=[C] [A]mn[B]np=[C]mp
n
cij a
k 1
b
ik kj

Transpuesta
Comprende la transformacin de sus renglones en columnas

c11
c
C 21 entonces[C]T = [c11, c21, c31, c41,]
c31

c41
Tipos de Matrices
Simtrica
Para toda i y para toda j aij = aji

5 7 2 1 3
7 4 9 6 8

A 2 9 8 3 5

1 6 3 3 1
3 8 5 1 9

Diagonal
Todos los elementos fuera de la diagonal principal son iguales a cero

a11 0 0 0
0 a22 0 0
[ A]
0 0 a33 0

0 0 0 a 44
Identidad
Es una matriz diagonal donde todos los elementos de la diagonal principal son igual a 1

1 0 0 0
0 1 0 0
[I ]
0 0 1 0

0 0 0 1

24
Triangular Superior Derecha
Todos los elementos bajo la diagonal principal son cero.

a11 a12 a13 a14

0 a 22 a 23 a 24
[ A]
0 0 a33 a34

0 0 0 a 44
Aumentada
Es el resultado de aumentarle una columna (o ms columnas) a la matriz original.

a11 a12 a13 a14

a a24
[ A] 21 a22 a23
si se desea aumentar con una matriz identidad
a31 a32 a33 a34

a41 a42 a43 a44
a11 a12 a13 a14 1 0 0 0

a a22 a23 a24 0 1 0 0
[ A] 21
a31 a32 a33 a34 0 0 1 0

a41 a42 a43 a44 0 0 0 1

3.1.1 Teora de los Sistema Lineales.

La forma general de un sistema de ecuaciones algebraicas lineales es:

a11 x1 a12 x2 a13 x3 a1n xn C1

a 21 x1 a 22 x2 a23 x3 a2 n xn C 2
a31 x1 a32 x2 a33 x3 a3n xn C3

a n1 xn an 2 x2 an 3 x3 a nn xn C n

Donde las aij son coeficientes constantes, las C son constantes y n es el nmero de ecuaciones.

Un sistema de ecuaciones algebraicas lineales se puede representar en forma matricial como

25
 a11 a12 a13 a1n
a a22 a23 a2 n
21
[A] [X] = [C] A a31 a32 a33 a3n


am1 am 2 am 3 amn

donde [A] es una matriz cuadrada de n por n

[C] es un vector columna n 1 de constantes C T c1 c2 c3 c4
[X] es un vector columna de n 1 incgnitas X x 1 x4
T
x2 x3

Si c1, c2, c3, cn son cero, se dice que el sistema es homogneo, en este caso tiene por lo menos la solucin
trivial x1 = x2 = x3 = xn = 0, tiene ms soluciones si y solo si, D = 0.
Si por lo menos c1 o cualquier otra cn no es cero, se dice que el sistema es no homogneo. Entonces si D es
distinto de cero, el sistema tiene precisamente una solucin que puede obtenerse por algn mtodo analtico o
numrico.

Determinantes

Los determinantes surgen en relacin con los sistemas de ecuaciones lineales.

Por ejemplo en el sistema

a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2 (1)
en el que las incgnitas son x1, y x2.

Para resolver este sistema, puede multiplicarse la primera ecuacin por a22, la segunda por
-a12 y sumar, encontrando

(a11 a22 - a21 a12) x1 = b1 a22 b2 a12

Entonces se multiplica la primera ecuacin de (1) por -a21, la segunda por a11 y se suma nuevamente,
encontrando

(a11 a22 - a21 a12) x2 = a11 b2a21 b1

Si a11 a22 - a21 a12 no es cero, puede dividirse y obtener el resultado deseado

b1 a 22 b2 a12 b2 a11 b1 a 21
x1 x2 (2)
a11 a 22 a 21 a12 a11 a 22 a 21 a12

La expresin de los denominadores se escribe en la forma

a11 a12
a 21 a 22

y se llama determinante de segundo orden. Entonces

a11 a12
= a11 a22 - a21 a12
a 21 a 22

26
Los cuatro nmeros a11, a12, a21, a22 se llaman elementos del determinante. Se dice que los elementos en una
lnea horizontal forman un rengln y que los elementos en una lnea vertical forman una columna del
determinante.
Ahora puede escribirse la solucin (2)del sistema (1) en la forma

D1 D2
x1 x2 (D 0)
D D
donde

a11 a12 b1 a12 a11 b1

D D1 D2
a 21 a 22 b2 a 22 a 21 b2

Esta frmula se llama Regla de Cramer. Ntese que D1 se obtiene reemplazando la primera columna de D
por la columna con elementos b1, b2 y D2 se obtiene reemplazando la segunda columna de D por esa columna.

Una forma distinta de evaluar el determinante de un sistema de ecuaciones se basa en el hecho de que el
determinante de una matriz triangular se puede calcular simplemente con el producto de los elementos de su
diagonal

D = a11 a22 a33 ... ann

3.2 Mtodos de Solucin de Ecuaciones Lineales

Estos generalmente son de dos tipos: mtodos directos y mtodos que usan tcnicas iterativas

3.2.1 Eliminacin Gaussiana

El mtodo de eliminacin de Gauss se usa para resolver conjuntos de ecuaciones lineales.

Un sistema de ecuaciones lineales puede representarse como:

a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + ........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn

Escrito en forma matricial:

a11 a12 a13 ... a1n x1 b1

a a22 a23 ... a2 n x b
21 2 2
a31 a32 a33 ... a3 n x3 b3

... ... ... ... ... ... ...
an1 an 2 an 3 ... ann xn bn
A x = b

Algoritmo 3.1
El mtodo consiste de dos fases: la eliminacin de incgnitas y su solucin mediante sustitucin hacia atrs.

27
Eliminacin de incgnitas.
1. Para aplicar el mtodo se divide la ecuacin pivote por el elemento que corresponde a la diagonal
principal, llamado elemento pivote

a11 x1 a12 x2 a13 x3 a x b

... 1n n 1
a11 a11 a11 a11 a11

A este proceso se le conoce como normalizacin.

2. Se multiplica esta ecuacin por el elemento que se quiere eliminar en la ecuacin correspondiente

a11 x1 a x a x a x b
a21 a21 12 2 a21 13 3 ... a21 1n n a21 1
a11 a11 a11 a11 a11

3. La ecuacin resultante se resta de la ecuacin que contiene el trmino a eliminar

a11 a a a b
a 21 a 21 x1 a 22 a 21 12 x 2 a 23 a 21 13 x1 ... a 2 n a 21 1n x n b2 a 21 1
a11 a11 a11 a11 a11
a22 x2 + a23 x3 +........+ a2n xn = b2

El sistema lineal queda

a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a22 x2 + a23 x3 +........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn

El procedimiento se repite hasta que se elimina la primera incgnita de las ecuaciones restantes, y despus la
segunda, tercera y hasta la n-1esima incgnitas

a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1

a22 x2 + a23 x3 + ........+ a2n xn = b2
a33 x3 + ........+ a3n xn = b3
................................................
an-1nn xn = bn-1n

Que representado en forma matricial generara una matriz triangular superior derecha.

Sustitucin hacia atrs.

La ltima ecuacin resultante se puede resolver a para xn, este resultado se sustituye en la ecuacin inmediata
anterior, y as sucesivamente
n
xi bi a
j i 1
ij xj i n 1, n 2,...1

Ejemplo 3.1
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3.

28
Escrito en forma matricial

12 1 7 x1 80
1 6 4 x 13
2
2 1 10 x3 92

Eliminacin
Para aplicar el mtodo de eliminacin gaussiana simple se forma la siguiente matriz ampliada

12 1 7 80
Ecuacin Pivote 1
6 4 13
Elementos a eliminar 2
1 10 92

29
 12 1 7 80
0 5.9167 3.4167 6.3333

0 1.1667 11.1667 105.3333

Se repite el procedimiento hasta formar una matriz triangular superior derecha haciendo ceros los elementos
bajo la diagonal principal.

Nueva Ecuacin Pivote 12 1 7 80

0 5.9167 3.4167 6.3333

0 1.1667 11.1667 105.3333
Elemento a eliminar

12 1 7 80
0 5.9167 3.4167 6.3333

0 0 10.493 104.0845

-12 x1 + x2 - 7 x3 = -80
- 5.9167 x2 + 3.4167 x3 = 6.3333
10.493 x3 = 104.0845

Sustitucin hacia atrs

104.0845
x3 9.9194 x3
10.493

x2
6.3333 3.4167 9.9194 4.6577
5.9167

x2 x3

80 4.6577 79.9194
x1 1.2684
-12

30
3.2.2 Matriz Inversa
Si una matriz A es cuadrada no singular (det A 0), hay otra matriz A-1 llamada inversa de A tal que
A A-1 = A-1 A = I

3.2.3 Gauss-Jordan (Inversin de Matrices)

Ejemplo 3.2
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3.
Escrito en forma matricial

12 1 7 x1 80
1 6 4 x 13
2
2 1 10 x3 92

Algoritmo 3.2 Mtodo de Gauss-Jordan

Para aplicar el mtodo de eliminacin Gauss-Jordan simple se forma una matriz ampliada y se aplican los
siguientes pasos
A x I
Ecuacin pivote 12 1 7 80 1 0 0
1 6 4 13 0 1 0

2 1 10 92 0 0 1

1. Normalizar la ecuacin pivote, dividindola entre el elemento pivote (el elemento correspondiente a la
diagonal principal)

1 0.0833 0.5833 6.6667 0.0833 0 0

1 6 4 13 0 1 0

2 1 10 92 0 0 1

2. Multiplicar la ecuacin pivote por el elemento que se quiere hacer cero en la columna del elemento
pivote y se resta esta ecuacin de la ecuacin que contiene el elemento a eliminar

1(1)(1) = 0 2 (2)(1)= 0
6 (1)(0.0833)= 5.9167 1 (2)(0.0833)=1.1667
4 (1)(0.5833)= 3.4167 10 (2)(0.5833)= 11.1667
13 (1)(6.6667)= 6.3333 92 (2)(6.6667)= 105.3333
0 (1)(0.0833)= 0.0833 0 (2)( 0.0833)= 0.1667
1(1)(0) = 1 0 (2)(0)= 0
0(1)(0) = 0 1 (2)(0)= 1

1 0.0833 0.5833 6.6667 0.0833 0 0

0 5.9167 3.4167 6.3333 0.08333 1 0

0 1.1667 11.1667 105.3333 0.1667 0 1 31
3. Se repiten los pasos 1. y 2. hasta formar una matriz identidad en el lado izquierdo de la matriz ampliada,
el lado derecho es la matriz inversa.

Resultado de restar a la primera ecuacin la

ecuacin pivote multiplicada por (-0.0833)
Nueva ecuacin pivote.
Resultado de dividir
1 0 0.5352 6.5775 0.0845 0.0141 0
0 segunda ecuacin entre
1 0.5775 1.0704 0.0141 0.1690 0 (-5.9167)
0 0 10.4930 104.0845 0.1831 0.1972 1

Resultado de restar a la tercera ecuacin la

ecuacin pivote multiplicada por (-1.1667)

Resultado de restar a la primera ecuacin la

ecuacin pivote multiplicada por 0.5352

Resultado de restar a la segunda ecuacin la

ecuacin pivote multiplicada por (-0.5775)

Nueva ecuacin pivote. 1 0 0 1.2684 0.0752 0.0141 0.051

Resultado de dividir 0 1 0 4.6577 0.0242 0.1690 0.055
segunda ecuacin entre
0 0 1 9.9195 0.0175 0.0188 0.0953
10.4930

I x A-1

3.2.4 Regla de Cramer

Se define un determinante de tercer orden para el sistema

a11 x1 + a12 x2 + a13 x3= b1

a21 x1 + a22 x2 + a23 x3= b2
a31 x1 + a32 x2 + a33 x3= b3 (3)

por la ecuacin

a11 a12 a13

a a 23 a a13 a a13
D a 21 a 22 a 23 a11 22 a 21 12 a 31 12 (4)
a 32 a33 a32 a33 a 22 a 23
a 31 a 32 a 33

Si se desarrollan los determinantes de segundo orden en la ecuacin anterior se obtiene

D = a11 a22 a33 - a11 a32 a23 + a21 a32 a13 - a21 a12 a33 + a31 a12 a23 - a31 a22 a13

Los determinantes de segundo orden en (4), que se encuentran multiplicados por ai1, donde i = 1, 2 3, se
obtienen de D omitiendo la primera columna y el i-simo rengln de D.

32
Ntese que los elementos de D estn arreglados en el mismo orden en el que se presentan como coeficientes
en el sistema de ecuaciones (3), y Dj donde j = 1, 2 3 se obtiene a partir de D reemplazando la j-sima
columna por la columna con elementos b1, b2, b3.

Si D 0 entonces (3) tiene la solucin nica

D1 D2 D3
x1 x2 x3
D D D

Ejemplo 3.3
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3.

El determinante del sistema es

12 1 7
6 4 1 7 1 7
D 1 6 4 12 1 2
1 10 1 10 6 4
2 1 10
12 1 7
D= 1 6 4 = -12(-6)(10) + 12(-1)(4) - 1(1)(10) + 1(-1)(-7)2(1)(4) + 2(-6)(-7)
2 1 10
D = 745

80 1 7 12 80 7
D1 = 13 6 4 = 945 D2 = 1 13 4 = 3470
92 1 10 2 92 10
12 1 80
D3 = 1 6 13 = 7390
2 1 92

x1 = 1.2685 x2 = 4.6577 x3 = 9.9195

3.2.5 Mtodos Iterativos

3.2.5.1 Jacobi
El sistema de ecuaciones lineales
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn

puede representarse en forma matricial como A x = b.

Donde la matriz A puede representarse como la suma de dos matrices, una matriz diagonal D y otra matriz C
de modo que (D + C ) x = b, y reacomodando

33
 Dx + Cx = b Dx = b - Cx

x
b C x
D

Esta ltima ecuacin se puede usar para aproximar la solucin mediante un proceso iterativo.
Ntese la semejanza con el mtodo de punto fijo desarrollado en la unidad anterior. El criterio de
convergencia para este es que los elementos de la diagonal principal de la matriz A sean dominantes, es decir

x i 1
b C xi
D
La aplicacin de la ecuacin del mtodo al sistema de ecuaciones sera entonces

x1,i 1
b a
1 12 x 2,i a13 x3,i ... a1, n x n ,i
a11

x 2 ,i 1
b a
2 x a 23 x3,i ... a 2 , n x n ,i
21 1, i

a 22

x 3,i 1
b a
3 31 x3,i a 32 x 2,i ... a 3, n x n ,i
a 33

bn a n,1 x1,i a n,2 x 2,i ... a n,n1 x n1,i
x n ,i 1
a n,n

Como en todos los procesos iterativos, se requiere dar una aproximacin inicial, que en este caso sera un
vector solucin inicial x0, as como un criterio de convergencia

a ii a ij
i j

Que deber cumplirse para cada elemento del vector actual y previo; tambin se dar el nmero mximo de
iteraciones.

xi 1 xi 100 s
xi 1

Ejemplo 3.4
Dado el problema

-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92

Encontrar los valores de x1, x2, x3 por el mtodo de Jacobi.

x0 = [0, 0, 0]. s = 0.05. Nmero mximo de iteraciones = 5.

34
Primera iteracin

x1,i 1
80 x2i 7 x3i x1,0 = 0
x1,1
80 0 7 0 6.667
12 x2,0 = 0 12
x 2 ,i 1
13 x1i 4 x3i x3,0 = 0
x 2 ,1
13 0 4 0 2.1667
6 6
x3,i 1
92 2 x1i x 2i
x 3,1
92 2 0 0 9.2
10 10

a1
x
1,i 1 x1,i
100 s
x1,i 1

a2
x 2 ,i 1 x 2 ,i
100 s
a1 = a2 = a3 = 100
x2 ,i 1 a i < s? NO

a3
x 3,i 1 x3 ,i
100 s
x3,i 1

Segunda iteracin

x1, 2
80 2.1667 7 9.2 1.1194
12 a1 = 495.5601
x 2,2
13 6.6667 4 9.2
5.0778 a2 = 142.67
6 a3 = 10.8242
x 3, 2
92 2 6.6667 2.1667 10.3167 a i < s? NO
10

Tercera iteracin

x1,3
80 5.0778 710.3167 1.0717
12 a1 = 4.4509
x 2 ,3
13 1.1194 410.3167 4.8977 a2 = 3.6772
6 a3 = 3.8765
x 3, 3
92 21.1194 5.0778 9.9317 a i < s? NO
10

Cuarta iteracin

x1, 4
80 4.8977 7 9.9317 1.2813
12 a1 = 16.3584
x 2, 4
13 1.0717 4 9.9317 4.6361 a2 = 5.7111
6 a3 = 0.2887
x 3, 4
92 21.0717 4.8977 9.9041 a i < s? NO
10

35
Quinta iteracin

x1, 5
80 4.6361 7 9.9041 1.2756 a1 = 0.4455
12 a2 = 0.2907
x 2 ,5
13 1.2813 4 9.9041
4.6496 a3 = 0.1590
6
a i < s? NO
x 3, 5
92 21.2813 4.6361 9.9199
10 NMI ? SI

3.2.5.2 Gauss-Seidel
Este mtodo es una mejora del mtodo de Jacobi, la cual consiste en que los valores de cada aproximacin se
usan inmediatamente para el clculo de las aproximaciones sucesivas.
El sistema de ecuaciones se modificar entonces de la siguiente manera:

x1,i 1
b a
1 12 x 2 ,i a13 x 3,i ... a1, n x n ,i
a11

x 2,i 1
b a
2 x
21 1,i 1 a 23 x 3,i ... a 2 , n x n ,i
a 22

x3,i 1
b a
3 x
31 1,i 1 a 32 x 2 ,i 1 ... a 3, n x n ,i
a 33

bn a n,1 x1,i 1 a n,2 x 2,i 1 ... a n,n1 x n1,11
x n ,i 1
a n,n

Ejemplo 3.5
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92

Encontrar los valores de x1, x2, x3 por el mtodo de Gauss-Seidel.

x0 = [0, 0, 0]. s = 0.05. Nmero mximo de iteraciones = 5.

Primera iteracin

80 x 2i 7 x 3i x1,0 = 0 x1,1
80 0 7 0 6.667
x1,i 1 x2,0 = 0 12
12
13 6.667 4 0 1.0556
x 2 ,i 1
13 x1,i 1 4 x3i x3,0 = 0 x 2 ,1
6
6 92 2 6.667 1.0556 10.4278
x 3,i 1
92 2 x1,i 1 x 2,i 1 x 3,1
10
10

36
 a1
x
1,i 1 x1,i
100 s
x1,i 1

a2
x 2 ,i 1 x 2 ,i
100 s
a1 = a2 = a3 = 100
x2 ,i 1 a i < s? NO

a3
x 3,i 1 x3 ,i
100 s
x3,i 1

Segunda iteracin

80 1.0556 710.4278
x1 , 2 0.4958
a1 = 1244.6349
12
13 0.4958 410.4278 a2 = 121.6854
x2 ,2 4.8678 a3 = 6.5594
6
92 20.4958 4.8678 a i < s? NO
x3 , 2 9.7859
10

Tercera iteracin

x1,3
80 4.8678 7 9.7859 1.3638
12 a1 = 63.6457

x 2 ,3
13 1.3638 4 9.7859
4.5846
a2 = 6.1772
6 a3 = 1.4631
x 3, 3
92 21.3638 4.5846 9.9312 a i < s? NO
10

Cuarta iteracin

x1, 4
80 4.5846 7 9.9312 1.2555
12 a1 = 8.6260
x 2, 4
13 1.2555 4 9.9312 4.6634 a2 = 1.6898
6
a3 = 0.1391
x 3, 4
92 21.2555 4.6634 9.9174
a i < s? NO
10

Quinta iteracin

x1,5
80 4.6634 7 9.9174 1.2701 a1 = 1.1495
a2 = 0.1460
12 a3 = 0.0232
x 2 ,5
13 1.2701 4 9.9174 4.6566 a i < s? NO
6 NMI ? SI

x 3, 5
92 21.2701 4.6566 9.9197
10

37
3.3 Teora de Sistemas de Ecuaciones no Lineales

La forma general de un sistema de ecuaciones no lineales es

f 1 x1 , x 2 , x 3 ,... x n 0
f 2 x1 , x 2 , x 3 ,... x n 0
f 3 x1 , x 2 , x 3 ,... x n 0

f n x1 , x 2 , x 3 ,... x n 0

Definiendo una funcin F

F(x1, x2, x3,...xn) = [f1 (x1, x2, x3,...xn), f2 (x1, x2, x3,...xn),
f3 (x1, x2, x3,...xn), ..., fn (x1, x2, x3,...xn)]

Usando notacin vectorial para representar las variables x1, x2, x3,... xn; el sistema puede representarse por

F (x) = 0

La solucin a este sistema, es el vector x = [x1, x2, x3,...xn] que hace que simultneamente todas las ecuaciones
sean iguales a cero.

3.4 Mtodos de Solucin

3.4.1Iteracin Secuencial
Anteriormente se desarroll el mtodo de iteracin de punto fijo para resolver la ecuacin f(x)=0,
transformando esta ecuacin en una ecuacin de la forma x = g(x), usando el criterio de convergencia
g(x) < 1 en el intervalo [a, b] donde g(x) [a, b] para x [a, b].
Para el caso de un conjunto de ecuaciones no lineales utilizaremos un procedimiento similar, extendindolo a
todas las ecuaciones, usando el criterio de convergencia
g i x K
para toda j = 1, 2, 3...n y K< 1
x j n
con la propiedad de G x D para x D donde D = {(x1, x2,...xn)t ai xi bi para i = 1, 2, ...n}.

Ejemplo 3.6
El sistema no lineal

x12 - 10x1 + x22 + 8 = 0

x1x22 + x1 - 10x2 + 8 = 0

puede transformarse al problema de punto fijo

2 2
x x2 8
x1 g1 x1 , x2 1
10
2
x x x1 8
x2 g 2 x1 , x2 1 2
10

38
Demuestre que G g1 , g2 tiene un nico punto fijo en D = {(x1, x2)t 0 x1,x2 1.5}.
t

a) Aplique la iteracin funcional para aproximar la solucin (Jacobi).

b) Acelera el mtodo de Seidel la convergencia?
Solucin
a)
0.8 g1(x1, x2) 1.25
0.8 g1(x1, x2) 1.2875
se cumple que G x D siempre que x D

g 2
2
g1 2 x1 x 1
0.3 2 0.325
x1 10 x1 10
g1 2 x1 g2 2 x1 x2
0.3 0.45
x1 10 x2 10
gi
0.45 se cumple con K = 0.9
x j

b) Utilizando el vector solucin inicial:

x 0 = (0,0)t
x 1 = (0.8,0.8)t
x 2 = (0.928,0.931)t
x 3 = (0.973,0.973)t
x 4 = (0.989,0.989)t
x 5 = (0.996,0.996)t
c) Utilizando el vector solucin inicial:
x 0 = (0,0)t
x 1 = (0.8,0.88)t
x 2 = (0.941,0.967)t
x 3 = (0.982,0.990)t
x 4 = (0.994,0.997)t
x 5 = (0.998,0.999)t

3.4.2 Newton
Si escribimos la serie de Taylor truncada a partir de los trminos que contienen segundas derivadas parciales
para cada una de las ecuaciones tendremos:
Puesto que todas las ecuaciones deben ser cero en las races
f 1,i f 1,i f 1,i
f 1,i 1 f 1,i x1,i 1 x1,i x 2 ,i 1 x 2,i ... x n ,i 1 x n ,i
x1 x 2 x n
f 2,i f 2 ,i f 2,i
f 2 ,i 1 f 2 ,i x 1, i 1 x1,i x 2 , i 1 x 2 ,i ... x n ,i 1 x n ,i
x1 x 2 x n
f 3,i f 3,i f 3,i
f 3,i 1 f 1,i x 1,i 1 x1,i x 2 ,i 1 x 2 ,i ... x n , i 1 x n ,i
x1 x 2 x n

f n ,i f n ,i f n ,i
f n ,i 1 f 1,i x 1,i 1 x1,i x 2 ,i 1 x 2 ,i ... x n ,i 1 x n ,i 39
x1 x 2 x n
 f 1,i f 1,i f 1,i
f 1,i x 1, i 1 x1,i x 2 ,i 1 x 2 ,i ... x n ,i 1 x n ,i 0
x1 x 2 x n
f 2 ,i f 2,i f 2,i
f 2 ,i x 1,i 1 x1,i x 2 ,i 1 x 2 ,i ... x n , i 1 x n ,i 0
x1 x 2 x n
f 3,i f 3,i f 3,i
f 1,i x 1, i 1 x1,i x 2 ,i 1 x 2 ,i ... x n ,i 1 x n ,i 0
x1 x 2 x n

f n ,i f n ,i f n ,i
f 1,i x 1,i 1 x1,i x 2 , i 1 x 2,i ... x n ,i 1 x n ,i 0
x1 x 2 x n

f 1,i f 1,i f 1,i f 1,i f 1,i f 1,i

f 1,i x1,i x 2 ,i ... x n ,i x1,i 1 x 2 ,i 1 ... x n ,i 1
x1 x 2 x n x1 x 2 x n
f 2 ,i f 2,i f 2 ,i f 2 ,i f 2 ,i f 2 ,i
f 2 ,i x1,i x 2 ,i ... x n ,i x1,i 1 x 2 ,i 1 ... x n ,i 1
x1 x 2 x n x1 x 2 x n
f 3,i f 3,i f 3,i f 3,i f 3,i f 3,i
f 3,i x1,i x 2 ,i ... x n ,i x1,i 1 x 2 ,i 1 ... x n ,i 1
x1 x 2 x n x1 x 2 x n

f n ,i f n ,i f n ,i f n ,i f n ,i f n ,i
f n ,i x1,i x 2 ,i ... x n ,i x1,i 1 x 2 ,i 1 ... x n ,i 1
x1 x 2 x n x1 x 2 x n

Definiendo la matriz J(x) como:

f1,i f1,i f1,i

x ...
1 x2 xn
f
2 ,i f 2 ,i f 2,i
J x x ...
x2 xn
1

... ... ... ...
f n ,i f n ,i
...
f n ,i
x1 x2 xn

Podemos escribir
F (x) + xi J(x) = xi+1 J(x)

Dividiendo entre J(x) y reacomodando

xi+1 = xi - J(x)-1 F (x)

Esta es la ecuacin de Newton para sistemas no lineales.

Puesto que en cada iteracin se tiene que calcular la inversa de la matriz J(x) y esto implica un considerable
esfuerzo de clculo, para evitar este paso se utiliza el artificio de encontrar un vector y que satisfaga

J(x) y = -F (x)

40
Por lo que la ecuacin del mtodo quedara:

xi+1 = xi - J(x)-1 F (x) = xi - J(x)-1 (-J(x) y) = xi + y

xi+1 = xi - y
Ejemplo 3.7
Encuentre una solucin al siguiente sistema no lineal usando el mtodo de Newton.
Itere hasta quex (i) - x (i-1) < 10-5

x12 - 10x1 + x22 + 8 = 0

x1x22 + x1 - 10x2 + 8 = 0

Solucin:
Resolviendo para y en el sistema que establece el mtodo de Newton

J(x)y = -F(x) (1)

donde J(x) es el jacobiano del vector de funciones:

f 1 (x) f 1 (x)
x x 2 2 x1 10 2x2
J xi 1

f 2 (x) f 2 (x) x 2 1 2 x1 x 2 10
2

x1 x 2
y F(x) es el vector de funciones:

x1 2 - 10 x1 x 2 2 8
F x 2
x1 x 2 x1 - 10 x 2 8
se establece un esquema iterativo donde cada nueva aproximacin se obtiene como:

x(k+1) = y + x(k)

Al resolver el sistema tomando como valores iniciales (x1, x2) = (0, 0) se tiene:

2 x 10 2 x2 2 0 10 2 0 10 0
J x1 , x2 12

x2 1 2 x1 x2 10 0 1 2 0 0 10 1 10
2

x12 - 10 x1 x2 2 8 0 2 10 0 0 2 8 8
F x

0 0 0 10 0 8 8
2 2
x1x2 x1 - 10 x2 8
que por el sistema (1) resulta:

10 0 y1 8
1 y
10 2 8
41
resolviendo

y1 0.8
y
2 0.88

y el primer valor en la iteracin de (x1, x2) genera:

x , x
1 2
1 t

0

0 .8

0 .8

0 0.88 0.88

El esquema de iteracin genera los siguientes resultados:

(x(1)) = (0.8, 0.88)

8.4 1.76

J x 1
8.592

F x 1
1.4144
y11 0.1918
1.7744 0.6195 1
y2 0.1117
(x(2)) = (0.9918, 0.9917)

J x 2
8.0164 1.9834
F x 2 0.0491
y1 2 0.0082
1.9835 8.0329 0.0502

2
y2 0.0083
(x(3)) = (1.0000, 1.0000)

8 2 0
F x 3 y1 1 0.0000

J x 1
8 0
1
2
y2 0.0000
(x(4)) = (1.0000, 1.0000)

3.4.3 Otros Mtodos Mejorados

Como es de observarse en el mtodo de Newton que hemos desarrollado se requiere un gran cantidad de
operaciones en cada iteracin por lo cual se han propuesto modificaciones a este mtodo, una de las cuales ya
tratamos; el mtodo de la secante el cual puede implementarse tambin para un sistema de ecuaciones no
lineales. La otra modificacin se plantea enseguida.

3.4.3.1 Mtodo de Newton Modificado

Esta modificacin consiste en aplicar el mtodo de Newton desarrollado para una variable en la unidad
anterior, a cada variable del sistema, manteniendo sin cambio las otras, hasta alcanzar convergencia, lo cual
no siempre ocurre, representado esto una de las desventajas de la modificacin.

42
 f i (x k 1 , x k )
xik 1 xik
Ecuacin del mtodo: f i (x k 1 , x k )
xi

Ejemplo 3.8
Encuentre una solucin al siguiente sistema no lineal usando el mtodo de Newton modificado.
x 0 0,0 , Itere hasta quex (i) - x (i-1) < 2.5x10-3
T

f 1 ( x1 , x 2 ) x15 10 x1 x 22 8 0
f 2 ( x1 , x 2 ) x1 x 22 x1 10 x 2 8 0

k 1 f1 ( x1k , x 2k ) k 1 f 2 ( x1k 1 , x 2k )
x1 x k
1 x 2 x k
2
f 1 ( x1k , x 2k ) f 2 ( x1k 1 , x 2k )
x1 x 2
f 1 ( x1 , x 2 ) f 2 ( x1 , x 2 )
2 x1 10 2 x1 x 2 10
x1 x 2

Primera iteracin
f1 ( x10 , x 20 ) 8 f 2 ( x11 , x 20 ) 8.8
x x
1
1
0
1 0 0.8 x x
1
2
1
2 0 0.88
f1 ( x1 , x 2 )
0 0
10 f 2 ( x1 , x 2 )
1 0
10
x1 x 2

Segunda iteracin
f1 ( x11 , x 12 ) 1.4144
x12 x11 0.8 0.9684
f1 ( x1 , x 2 )
1 1
8.4
x1
f 2 ( x12 , x 12 ) 0.9183
x x
2
2
2
2 0.88 0.9907
f 2 ( x1 , x 2 )
2 1
8.2957
x 2
Tercera iteracin
f 1 ( x12 , x 22 ) 0.2353
x13 x12 0.9684 0.9976
f 1 ( x1 , x 2 )
2 2
8.0632
x1
f 2 ( x13 , x 22 ) 0.0697
x 23 x 23 0.9907 0.9994
f 2 ( x1 , x 2 )
3 2
8..0234
x 2
Cuarta iteracin

43
 f 1 ( x13 , x 23 ) 0.0180
x x
4
1
3
1 0.9976 0.9998
f 1 ( x1 , x 2 )
3 3
8.0048
x1
f 2 ( x14 , x 23 ) 0.0044
x 24 x 24 0 .9994 0.9999
f 2 ( x14 , x 23 ) 8.0016
x 2
3.5 Aplicaciones
Aplicacin 3.1 Sistemas lineales

Cuando un lquido a una presin y temperatura dadas, es alimentado a un destilador que se encuentra a una
presin menor a la de alimentacin, el lquido bulle muy rpidamente, a esto se llama flash. Si el lquido esta
compuesto de varias especies qumicas, el vapor y el lquido en equilibrio que sale del destilador tienen una
composicin distinta. Esta operacin puede repetirse en otro destilador comprimiendo el lquido que sale de la
primera unidad de destilacin flash y alimentndolo a otra unidad a una presin menor, separando las especies
ms voltiles en el vapor y las menos voltiles en el lquido.

Para el tren de destilacin flash que se muestra en la figura encontrar el flujo msico en las corrientes de
salida.

71.6 % Metanol
D1 26.8 % Butanol
1.6 % Etilen glicol

F = 1000 Kg/hr

30 % Metanol D2 53.3 % Metanol

40 % Butanol 44.3 % Metanol
30 % Etilen glicol 2.4 % Etilen glicol

R1

R2 8.6 % Metanol
38.8 % Butanol
52.6 % Etilen glicol

Balances de masa por especie

44
Metanol 0.716 D1 + 0.533 D2 + 0.086 R2 = 300

Butanol 0.268 D1 + 0.443 D2 + 0.388 R2 = 400

Etilen glicol 0.016 D1 + 0.024 D2 + 0.526 R2 = 300

Programa 3.1 Mtodo de Gauss-Seidel

PRINT "*****************************************************************"
PRINT "* INSTITUTO TECNOLOGICO DE DURANGO *"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA *"
PRINT "* MTODOS NUMERICOS *"
PRINT "* MTODO DE GAUSS-SEIDEL *"
PRINT "* INSTRUCTOR: JOS DOMINGO POPE SOLIS *"
PRINT "*****************************************************************"
'ENTRADA DE DATOS
INPUT "NUMERO DE ECUACIONES ";N
DIM A(N,N+1),X(N),XP(N)
INPUT "TOLERANCIA ";ES
INPUT "NUMERO MAXIMO DE ITERACIONES ";NMI
PRINT: PRINT "ENTRADA DE COEFICIENTES"
FOR I=1 TO N
FOR J=1 TO N
PRINT"A(";I;",";J;")= ";:INPUT A(I,J)
NEXT J
PRINT"B(";I; ")= ";:INPUT A(I,N+1)
NEXT I
FOR I=1 TO N
PRINT"X(";I; ")= ";:INPUT X(I)
NEXT I
FOR I= 1 TO NMI
PRINT: PRINT "ITERACION ";I
SEAL=0
FOR J = 1 TO N
XP(J)=X(J)
SUMA=A(J,N+1)
FOR K= 1 TO N
IF J <> K THEN
SUMA = SUMA-A(J,K)*X(K)
END IF
NEXT K
X(J) = SUMA / A(J,J)
IF ABS((X(J)-XP(J))/X(J))*100 > ES THEN SEAL = 1
PRINT"X(";J; ")= "; X(J)
NEXT J
IF SEAL=0 THEN
PRINT "NUMERO DE ITERACIONES ";I
FOR J=1 TO N
PRINT"X(";J; ")= ";X(J)
NEXT J
END
END IF
NEXT I

45
PRINT "NO SE ALCANZO CONVERGENCIA"
END

Ejecucin 3.1 Mtodo de Gauss-Seidel

"****************************************************************
* INSTITUTO TECNOLOGICO DE DURANGO *
* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA *
* MTODOS NUMERICOS *
* MTODO DE GAUSS-SEIDEL *
* INSTRUCTOR: JOS DOMINGO POPE SOLIS *
*****************************************************************

NUMERO DE ECUACIONES 3
TOLERANCIA 0.005
NUMERO MAXIMO DE ITERACIONES 12

ENTRADA DE COEFICIENTES X(1)= 70.9354951

A(1,1)= ?0.716 X(2)= 377.461187
A(1,2)= ?0.533 X(3)= 550.961908
A(1,3)= ?0.086
B(1)= ?300 ITERACION 5
A(2,1)= ?0.268 X(1)= 71.8302559
A(2,2)= ?0.443 X(2)= 376.921605
A(2,3)= ?0.388 X(3)= 550.959311
B(2)= ?400
A(3,1)= ?0.016
A(3,2)= ?0.024
A(3,3)= ?0.526 ITERACION 6
B(3)= ?300 X(1)= 72.2322398
X(1)= ?100 X(2)= 376.680694
X(2)= ?300 X(3)= 550.958075
X(3)= ?500
ITERACION 7
ITERACION 1 X(1)= 72.4117261
X(1)= 135.614525 X(2)= 376.573192
X(2)= 382.969091 X(3)= 550.95752
X(3)= 548.743174
ITERACION 8
ITERACION 2 X(1)= 72.491818
X(1)= 67.9965944 X(2)= 376.525225
X(2)= 381.184111 X(3)= 550.957273
X(3)= 550.881437
ITERACION 9
ITERACION 3 X(1)= 72.527555
X(1)= 69.0685268 X(2)= 376.503823
X(2)= 378.662838 X(3)= 550.957162
X(3)= 550.96387
ITERACION 10
ITERACION 4 X(1)= 72.5435009

46
X(2)= 376.494273 X(1)= 72.5537905
X(3)= 550.957113 X(2)= 376.48811
X(3)= 550.957081
ITERACION 11
X(1)= 72.5506159 NUMERO DE ITERACIONES 12
X(2)= 376.490012 D1 = 72.5537905 Kg/hr
X(3)= 550.957091 D2 = 376.48811 Kg/hr
R2 = 550.957081 Kg/hr
ITERACION 12

Aplicacin 3.2 Sistemas no lineales

En un reactor a una temperatura dada, se efectan las siguientes reacciones en fase gaseosa:
A + B C + D K1 = 2.6
A + C 2E K2 = 3.1
Las composiciones iniciales son 2 mol/litro de A y 1 mol/litro de B.
Calcule la composicin a la salida del reactor, asumiendo que se alcanza el equilibrio.
SOLUCION
Para un sistema reaccionante donde ocurre mas de una reaccin la constante de equilibrio se expresa como:
K j ai i , j
v

Donde Kj es la constante de equilibrio en la reaccin j

a i es la actividad molar parcial del componente i en la mezcla reaccionante
vi,j es el coeficiente estequiomtrico de la especie i en la reaccin j de la mezcla reaccionante
En fases gaseosas ideales a i fi f i y i P p i

y C y D PP y E2 P 2
Sustituyendo K 1 K1
y A y B PP y A y C PP

ni ni0 j vi, j j
La fraccin molar del componente i puede expresarse mediante la ecuacin y

nt n0 j v j j
i

Donde j se denomina coordenada de reaccin para la reaccin j y vj = vi,j

Moles de A = 2 1 2
Moles de B = 1 1
Moles de C = 1 2
Moles de D = 1
Moles de E = 22
__________________________
Moles totales = 3
Sustituyendo

47
 1 2 1 222

21 21 2
2.6 = 3.1=
2 1 2 1 1

Por comodidad i = xi , desarrollando

1.6 x12 3.6 x1 x 2 2.6 x 2 7.8 x1 5.2 0

0.9 x 22 3.1x12 6.2 x 2 6.2 x1 0

Que es un sistema de dos ecuaciones no lineales en dos incgnitas,

Solucin por el mtodo de Newton

x 0 0.8,0.4 , NMI = 7, Tolerancia(s = 0.0005)

T

Programa 3.2 Mtodo de Newton sistemas no lineales

PRINT "****************************************************************
PRINT "* INSTITUTO TECNOLOGICO DE DURANGO *"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA *"
PRINT "* MTODOS NUMRICOS *"
PRINT "* SISTEMAS DE ECUACIONES NO LINEALES METODO DE NEWTON *"
PRINT "* INSTRUCTOR: JOS DOMINGO POPE SOLIS *"
PRINT "*******************************************************"********
PRINT

INPUT "NUMERO DE ECUACIONES "; N

DIM A(N, N + 1), X(N), XP(N)
INPUT "TOLERANCIA "; ES
INPUT "NUMERO MAXIMO DE ITERACIONES ";IM

CALL ENTRADA N, XP

FOR K = 1 TO IM
SEAL = 0
CALL JACOBIANA XP, A

CALL GAUSS N, X, A

FOR J = 1 TO N
IF ABS(X(J)) > ES THEN SEAL = 1
NEXT J
IF SEAL = 1 THEN
FOR W = 1 TO N
XP(W) = XP(W) + X(W)
PRINT XP(W)
NEXT W
ELSE

48
 PRINT " "; K-1; " ITERACIONES"

CALL SALIDA N, XP
END
END IF
NEXT K
PRINT "NO ALCANZO CONVERGENCIA"

CALL SALIDA N, XP

END

SUB ENTRADA N, BYREF XP

PRINT : PRINT "ENTRADA DE VALORES INICIALES"
FOR I = 1 TO N
PRINT "X0("; I; ")="; : INPUT XP(I)
NEXT I
END SUB
SUB GAUSS N, BYREF X, BYREF A
FOR K = 1 TO N - 1
PRINT
FOR I = K + 1 TO N
QT = A(I, K) / A(K, K)
FOR J = K + 1 TO N + 1
A(I, J) = A(I, J) - QT * A(K, J)
NEXT J
NEXT I
FOR I = K + 1 TO N
A(I, K) = 0
NEXT I
NEXT K
X(N) = A(N, N + 1) / A(N, N)
FOR NX = 1 TO N - 1
SUM = 0
I = N - NX
FOR J = I + 1 TO N
SUM = SUM + A(I, J) * X(J)
NEXT J
X(I) = (A(I, N + 1) - SUM) / A(I, I)
NEXT NX
END SUB

SUB JACOBIANA XP, BYREF A

A(1, 1) = 3.2 * XP(1) +3.6 * XP(2)- 7.8
A(1, 2) = 3.6 * XP(1) - 2.6
A(1, 3) = (-1)*(1.6*XP(1)^2 + 3.6*XP(1)*XP(2) - 2.6*XP(2) - 7.8*XP(1) + 5.2)
A(2, 1) = 6.2*XP(1) - 6.2
A(2, 2) = 1.8*XP(2) + 6.2
A(2, 3) = (-1)*(0.9*XP(2)^2 + 3.1*XP(1)^2 + 6.2*XP(2) - 6.2*XP(1))
END SUB

SUB SALIDA N, BYREF XP

PRINT : PRINT "SALIDA DE VALORES FINALES"

FOR I = 1 TO N
PRINT "XP("; I; ")="; XP(I)

49
 NEXT I
END SUB

Ejecucin 3.2 Mtodo de Newton sistemas no lineales

"****************************************************************
* INSTITUTO TECNOLOGICO DE DURANGO *
* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA *
* MTODOS NUMRICOS *
* SISTEMAS DE ECUACIONES NO LINEALES METODO DE NEWTON *
* INSTRUCTOR: JOS DOMINGO POPE SOLIS *
*******************************************************"*********

NUMERO DE ECUACIONES 2
TOLERANCIA 0.0005
NUMERO MAXIMO DE ITERACIONES 7

ENTRADA DE VALORES INICIALES

X0(1)=?0.8
X0(2)=?0.4

0.82939943
0.45613516

0.83143706
0.45565657

2 ITERACIONES

SALIDA DE VALORES FINALES

XP(1)=0.83143706
XP(2)=0.45565657

Tabla 3.1 Coordenada de reaccin

Iteracin 1 2
0 (Valor inicial) 0.8 0.4
1 0.8294 0.4561
2 0.8314 0.4557

Tabla 3.2 Composicin del sistema

Especie Moles en el equilibrio Composicin

50
A 0.7129 0.2376
B 0.1686 0.0562
C 0.3757 0.1252
D 0.8314 0.2771
E 0.9114 0.3038

51