You are on page 1of 13

Solucin de Sistemas de Ecuaciones Lineales

1. Mtodo de Cramer (Karen)

De entrada para usar el mtodo de Cramer, para resolver un sistema de ecuaciones esta debe
cumplir dos condiciones:

1. El nmero de ecuaciones es igual al nmero de incgnitas.


2. El determinante de la matriz debe ser distinto a cero.

Estas condiciones pueden ser limitaciones para el uso del mtodo de Cramer para resolver un
sistema de ecuaciones. Como ventaja del mtodo de Cramer, es que nos permite hallar el valor de
una variable rpidamente en sistemas muy extensos. Con esto se gana rapidez y evitamos extraer
valores no deseados ya que obtienes el que t eliges o necesitas.

Los pasos a seguir para calcular los sistemas de ecuaciones segn la mtodo de Cramer son los
siguientes:

1. Hallar la matriz ampliada (A|b) asociada al sistema de ecuaciones, esto es: que la primera
columna est formada por las entradas de los coeficientes de la primera incgnita de las
ecuaciones; que la segunda columna la formen las de la segunda incgnita, y as hasta llegar a
la ltima columna, que estar constituida por las entradas de los trminos independientes de
las ecuaciones.
2. Calcular el determinante de A.
3. Aplicar el mtodo de Cramer, que consiste en:
a. Ir sustituyendo la primera columna del |A| por los trminos independientes.
b. Dividir el resultado de este determinante entre el |A| para hallar el valor de la primera
incgnita.
c. Continuar sustituyendo los trminos independientes en las distintas columnas para hallar
el resto de las incgnitas.

Ejemplo:

E1 3X1 2X 2 = 1

E2 X1 + 5X2 = 3

Hallar la matriz ampliada:

3 2 1
A|b = ( | )
1 5 3
Calcular la |A|:

|A| = (3 2
) = 15 + 2 = 17
1 5

|| =

Calcular la |X1| y |X2|:

|X1 | = (1 2 ) = 5 + 6 = 11
3 5

| | =

|X 2 | = (3 1 ) = 9 1 = 8
1 3

| | =

Calculamos las incgnitas:

|X1 | 11 |X 2 | 8
X1 = = X2 = =
|| 17 |A| 17


= =

La solucin es la siguiente:


=


=

2. Mtodo de Gauss (Ramon)

El mtodo de Gauss, conocido tambin como de triangulacin o de cascada, nos permite


resolver sistemas de ecuaciones lineales con cualquier nmero de ecuaciones y de incgnitas.

La idea es muy simple; por ejemplo, para el caso de un sistema de tres ecuaciones con tres
incgnitas se trata de obtener un sistema equivalente cuya primera ecuacin tenga tres
incgnitas, la segunda dos y la tercera una. Se obtiene as un sistema triangular o en cascada de la
forma:

+ + =
+ =
=

La resolucin del sistema es ahora inmediata; basta calcular en la tercera ecuacin, llevar
este valor de a la segunda ecuacin para obtener el valor de , y as despejar la incgnita en la
primera ecuacin, conocidos ya e .

Al resolver un sistema puede suprimirse, sin que vare su resolucin, cualquier ecuacin
que pueda obtenerse a partir de otras aplicando los siguientes:

Criterios de equivalencia

Criterio 1. Producto o cociente por un nmero real distinto de cero. Si se multiplican o dividen los
dos miembros de la ecuacin de un sistema por un nmero distinto de cero, resulta otro sistema
equivalente al dado.

Criterio 2. Suma o diferencia de ecuaciones. Si a una ecuacin de un sistema se le suma o resta


otra ecuacin del mismo, resulta otro sistema equivalente al dado.

Criterio 3. Reduccin de ecuaciones. Si en un sistema de ecuaciones lineales una ecuacin es


combinacin lineal de otras, dicha ecuacin puede suprimirse, siendo el sistema resultante
equivalente al dado.

El Mtodo de Gauss aplica estos criterios hasta conseguir que la ltima ecuacin quede lo
ms reducida posible. Es importante aadir que el sistema resultante es dependiente de la forma
en que apliquemos estos criterios, es decir, las ecuaciones obtenidas no son siempre las mismas,
pero si los hemos aplicado correctamente, el sistema es equivalente al dado.
Ejemplo:

E1 4X1 X 2 + 0X 3 = 70

E2 X1 + 4X 2 X 3 = 60

E3 0X1 X 2 + 4X3 = 110

4 1 0 70
(1 4 1 | 60 ) = +
0 1 4 110

4 1 0 70
15 155
(0 | ) = +
4 1 2
0 1 4 110

4 1 0 70
15 155
0 4 1 || 2
56 392
(0 0
15 3 )

El sistema de ecuaciones queda de la siguiente manera:

E1 4X1 X 2 + 0X 3 = 70
15 155
E2 X2 X3 =
4 2
56 392
E3 X =
15 3 3

Sustituimos hacia atrs:

Despejamos X3 en la E3: Sustituimos X3 en la E2, para despejar X2:

392 15 155
X 2 35 =
X3 = 3 4 2
56
15 155
+ 35
= X2 = 2
15
4

Sustituimos X2 en la E1, para despejar X1: La solucin es la siguiente:


4X1 30 = 70 =
=
70 + 30 =
X1 =
4

=
3. Mtodo de Gauss-Jordan (Irene)

Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss, permite
resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos significativos en las operaciones
aritmticas de la computadora. Este procedimiento se distingue del mtodo Gaussiano en que
cuando se elimina una incgnita, se elimina de todas las ecuaciones restantes, es decir, las que
preceden a la ecuacin pivote as como de las que la siguen.

El primer paso para resolver un sistema de ecuaciones mediante el mtodo de Gauss-


Jordn es escribir la matriz aumentada del sistema. La matriz aumentada se obtiene con los
coeficientes de las incgnitas el trmino independiente de cada ecuacin. El sistema debe estar
ordenado respecto a las incgnitas.

Los siguientes pasos consistirn en aplicar transformaciones bsicas de matrices. El


propsito es obtener una matriz de identidad en el lado izquierdo de la matriz aumentada.

Multiplicar o dividir un rengln por un escalar diferente a cero.


Sumar un mltiplo de un rengln a otro rengln.
Intercambiar dos renglones.

Las transformaciones bsicas tienen una notacin estndar que nos permite identificarlas
dentro del proceso de eliminacin Gaussiana.

1. . Reemplazar el rengln por ese mismo rengln multiplicado por el escalar


.
2. + . Reemplazar el rengln por la suma del rengln ms el rengln
multiplicado por el escalar .
3. . Intercambiar los renglones y .

Una vez que obtenemos la matriz identidad del lado derecho de la matriz adjunta,
podemos dar por concluido el mtodo de Gauss-Jordn para resolver el sistema de ecuaciones.

Ntese que no se necesita sustitucin hacia atrs para obtener la solucin. Las ventajas y
desventajas de la eliminacin gaussiana se aplican tambin al mtodo de Gauss-Jordn.

Aunque los mtodos de Gauss-Jordn y de Gauss pueden parecer casi idnticos, el primero
requiere aproximadamente 50% menos operaciones. Por lo tanto, la eliminacin gaussiana es el
mtodo simple por excelencia en la obtencin de soluciones exactas a las ecuaciones lineales
simultneas. Una de las principales razones para incluir el mtodo de Gauss-Jordn, es la de
proporcionar un mtodo directo para obtener la matriz inversa.
Ejemplo:

E1 4X1 X 2 + 0X 3 X 4 = 30

E2 X1 + 4X 2 X 3 + 0X 4 = 60

E3 0X1 X 2 + 4X 3 X 4 = 70

E4 X1 + 0X 2 X 3 + 4X 4 = 40

4 1 0 1 30

| =
1 4 1 0 60
|
= +
0 1 4 1 70
|
= +
(1 0 1 4 40)


1 1 15 =
1 4 0 4
2
15 1|135
0 4 1 4 2 = +
0 1 4 1 | 70
1 15 95
(0 4 1 4
2 )
= +

1 1 15
1 0
4 4 2 =
4 1|
0 1
15 15 18
56 16
0 0
15 15|88
16 56 = +

(0 0
15 15 52)


1 1 15 =

1 4 0 4 2
|
4 1 18
0 1
15 15
2 = +
0 0 1 7 165
| 7
24 540
0 0 0 7 7 )
( = +

1 1 15
1 4 0 4 2
|
39
4 = +
0 1 0 2
15
|

0 0 1 0 30 = +
|
45
(0 0 0 1 2)

1 105
1 4 0 0 8
|
55
0 1 0 0 2
| = +

0 0 1 0 30
|
45
(0 0 0 1 2 )

La solucin es la siguiente:
1 0 0 0 20
=
|55
0 1 0 0 2
| =

0 0 1 0 30
| =
45
(0 0 0 1 2)
=

4. Mtodo de Jacobi (Jennry)

El mtodo de Jacobi es un mtodo iterativo, usado para resolver sistema de ecuaciones


lineales del tipo Ax = b. Se aplica slo a sistemas cuadrados, es decir a sistemas con tantas
incgnitas como ecuaciones. El algoritmo toma su nombre del matemtico alemn Carl Gustav
Jakob Jacobi.

El mtodo de Jacobi consiste en una secuencia de transformaciones ortogonales. Cada


transformacin la denominaremos una rotacin de Jacobi; y realmente corresponde a una
rotacin cuyo objeto es eliminar un elemento de la matriz. As vamos rotando sucesivamente la
matriz hasta que el error es lo suficientemente pequeo para ser considerada diagonal. Consta de
los siguientes pasos:

1. Primero se determina la ecuacin de recurrencia. Para ello se ordenan las ecuaciones y las
incgnitas. De la ecuacin i se despeja la incgnita i. En notacin matricial se escribirse como:

x = c + Bx

donde x es el vector de incgnitas.

2. Se toma una aproximacin para las soluciones y a esta se le designa por x0 .

3. Se itera en el ciclo que cambia la aproximacin.

xi+1 = c + Bxi

4. Dn = max(|xn+1 xn |, |yn+1 yn |) es menor que nuestra tolerancia al error; entonces xn+1


es una solucin de la ecuacin.

Uno de los principales problemas de los mtodos iterativos es la garanta de que el


mtodo va a converger, es decir, va a producir una sucesin de aproximaciones cada vez
efectivamente ms prximas a la solucin. En el caso del mtodo de Jacobi no existe una condicin
exacta para la convergencia. Lo mejor es una condicin que garantiza la convergencia, pero en
caso de no cumplirse puede o no haberla es la siguiente:

Si la matriz de coeficientes original del sistema de ecuaciones es diagonalmente


dominante, el mtodo de Jacobi seguro converge.
Ejemplo:

Partiendo de (X=1, Y=2) con un error = 0.001.

E1 5X + 2Y = 1

E2 X 4Y = 0

Despejamos de la ecuacin la incgnita correspondiente:

E1 X = 0.20 0.40Y

E2 Y = 0.25X

1era. Iteracin X = 1, Y = 2

X = 0.20 0.40(2) = 0.60 = |0.60 1| = 1.60

Y = 0.25(1) = 0.25 = |0.25 2| = 1.75

2da. Iteracin X = -0.60, Y = 0.25

X = 0.20 0.40(0.25) = 0.10 = |0.10 + 0.60| = 0.70

Y = 0.25(0.60) = 0.15 = |0.15 0.25| = 0.40

3ra. Iteracin X = 0.10, Y = -0.15

X = 0.20 0.40(0.15) = 0.260 = |0.260 0.10| = 0.160

Y = 0.25(0.10) = 0.025 = |0.025 + 0.15| = 0.175

4ta. Iteracin X = 0.260, Y = 0.025

X = 0.20 0.40(0.025) = 0.190 = |0.190 0.260| = 0.070

Y = 0.25(0.260) = 0.065 = |0.065 0.025| = 0.040


5ta. Iteracin X = 0.190, Y = 0.065

X = 0.20 0.40(0.065) = 0.174 = |0.174 0.190| = 0.016

Y = 0.25(0.190) = 0.0475 = |0.0475 0.065| = 0.017

6ta. Iteracin X = 0.174, Y = 0.0475

X = 0.20 0.40(0.0475) = 0.181 = |0.181 0.174| = 0.007

Y = 0.25(0.174) = 0.0435 = |0.0435 0.0475| = 0.004

7ma. Iteracin X = 0.181, Y = 0.0435

X = 0.20 0.40(0.0435) = 0.182 = |0.182 0.181| = 0.001

Y = 0.25(0.181) = 0.045 = |0.045 0.0435| = 0.001

La solucin es la siguiente:

= .
= .
5. Mtodo de Gauss-Seidel (San Roman)

El mtodo de Gauss-Seidel es muy semejante al mtodo de Jacobi. Mientras que en el de


Jacobi se utiliza el valor de las incgnitas para determinar una nueva aproximacin, en el de Gauss-
Seidel se va utilizando los valores de las incgnitas recin calculados en la misma iteracin, y no en
la siguiente.

Por ejemplo, en el mtodo de Jacobi se obtiene en el primer calculo + , pero este valor
de no se utiliza sino hasta la siguiente iteracin. En el mtodo de Gauss-Seidel en lugar de eso se
utiliza de + en lugar de en forma inmediata para calcular el valor de + de igual manera
procede con las siguientes variables; siempre se utilizan las variables recin calculadas.

Dn = max(|xn+1 xn |, |yn+1 yn |) es menor que nuestra tolerancia al error; entonces


xn+1 es una solucin de la ecuacin.

Ejemplo:

Partiendo de (X=1, Y=2) con un error = 0.001.

E1 5X + 2Y = 1

E2 X 4Y = 0

Despejamos de la ecuacin la incgnita correspondiente:

E1 X = 0.20 0.40Y

E2 Y = 0.25X

1era. Iteracin X = 1, Y = 2

X = 0.20 0.40(2) = 0.60 = |0.60 1| = 1.60

Y = 0.25(0.60) = 0.15 = |0.15 2| = 2.15

2da. Iteracin X = -0.60, Y = -0.15

X = 0.20 0.40(0.15) = 0.260 = |0.260 + 0.60| = 0.860

Y = 0.25(0.26) = 0.065 = |0.065 + 0.15| = 0.215


3ra. Iteracin X = 0.260, Y = 0.065

X = 0.20 0.40(0.260) = 0.174 = |0.174 0.260| = 0.086

Y = 0.25(0.174) = 0.043 = |0.043 0.065| = 0.022

4ta. Iteracin X = 0.174, Y = 0.043

X = 0.20 0.40(0.043) = 0.182 = |0.182 0.174| = 0.008

Y = 0.25(0.1826) = 0.045 = |0.045 0.043| = 0.002

5ta. Iteracin X = 0.182, Y = 0.045

X = 0.20 0.40(0.045) = 0.182 = |0.182 0.182| = 0.000

Y = 0.25(0.182) = 0.045 = |0.045 0.045| = 0.000

La solucin es la siguiente:

= .
= .

You might also like