Solucion de Sistemas de Ecuaciones

Solución de Sistemas de
Ecuaciones Algebraicas Lineales

y No Lineales
Métodos Numéricos
1
• En la parte pasada determinamos el valor de x que
satisface auna sola ecuación f(x)=0. Ahora nos
ocuparemos del caso para determinar los valores x1,
x2, …xn que en forma simultánea satisfacen a un
conjunto de ecuaciones:
f1(x1,x2,x3,…xn)=0
f2(x1,x2,x3,…xn)=0
.
.
fn(x1,x2,x3,…xn)=0
• Tales sistemas pueden ser lineales o no lineales. Por
ahora trataremos ecuaciones lineales que son de la
forma general:
a11x1+a12x2+…+a1nxn=b1
.
.
an1x1+an2x2+…+annxn=bn
2
• Donde las “a” son coeficientes constantes, las “b” son
constantes y n es el numero de ecuaciones.
Método sin computadora para resolver sistemas de
ecuaciones
• Para pocas ecuaciones, las ecuaciones lineales (y
algunas no lineales) pueden resolverse con rapidez
mediante técnicas simples. Sin embargo, para cuatro
o mas ecuaciones, las soluciones se vuelven
laboriosas y se debe usar una computadora.
• Históricamente, la incapacidad para resolver a mano
aún los conjuntos de ecuaciones mas pequeños, ha
limitado el alcance de problemas para resolver en
muchas aplicaciones de la Ingeniería.
• Antes de las computadoras, las técnicas para resolver
ecuaciones algebraicas lineales, consumían mucho
tiempo y eran poco practicas. 3
• Estos procedimientos restringieron la creatividad
debido a que con frecuencia los métodos eran
difíciles de implementar y entender.
• Como resultado, en ocasiones se
sobreenfatizaron las técnicas a expensas de otros
aspectos del proceso de solucion de problemas
tales como la formulación e interpretación.
• El surgimiento de las computadoras hizo posible
resolver grandes conjuntos de ecuaciones
algebraicas lineales. Así, se puede enfrentar
ejemplos y problemas más reales y complejos.
• Además, se cuenta con más tiempo en la
formulación del problema y en su interpretación
(de la solución).
4
Ecuaciones Algebraicas Lineales y
práctica de la Ingeniería
• Muchas de las ecuaciones fundamentales de
Ingeniería están basadas en las leyes de la
conservación, entre algunas cantidades
conocidas que conforman tales leyes están la
masa, energía y momentum.
• En términos matemáticos, esos principios nos
conducen a ecuaciones de balance o de
continuidad que relacionan el comportamiento
del sistema al representarlo por niveles o
respuesta de la cantidad sujeta a modelamiento
con las propiedades o características del
sistema y de los estímulos externos o funciones
forzadas que actúan sobre el sistema. 5
• Como un ejemplo, se puede usar el principio de
la conservación de la masa para formular un
modelo en una serie de reactores químicos.
Para este caso, la cantidad que habrá de ser
modelada es la masa de los químicos en cada
reactor. Las propiedades del sistema son la
reacción característica del químico, los tamaños
del reactor y los flujos volumétricos.
• Las funciones forzadas son los caudales
alimentados de los químicos hacia el sistema.
• En la unidad pasada se vieron como sistemas
de un solo componente resultan en una sola
ecuación que puede resolverse mediante
técnicas de localización de raíces. 6
• Los sistemas multicomponentes
resultan en un conjunto agrupado de
ecuaciones matemáticas que deben
ser resueltas simultáneamente.
• Las ecuaciones son acopladas, ya
que las partes individuales del
sistema están influenciadas por otras
partes.
7
Dos tipos de sistemas
que pueden
modelarse mediante
ecuaciones
algebraicas lineales:
a) Sistemas de
variables agrupadas
que involucran
componentes finitos
conectados
b) Sistemas de
variables distribuidas
que involucran un
continuo
8
• Por ejemplo, en la figura anterior, el rector 4 escribe entradas de químicos
de los rectores 2 y 3, en consecuencia, su respuesta depende de la cantidad
de químicos en esos otros reactores.
• Cuando esas dependencias se expresan matemáticamente, las ecuaciones
resultantes son a menudo de la siguiente forma algebraica lineal:
.
.
• Las x son como frecuencia de una medida de magnitud de las respuestas a
los componentes individuales. Al usar la figura anterior (a) como ejemplo, x1
podría cuantificar la cantidad de masa en el primer reactor, x2 cuantificaría
la cantidad en el segundo, y así sucesivamente.
• Las a presentan comúnmente las propiedades y características relacionadas
con las interacciones entre los componentes.
• Por ejemplo, las a en la figura (a) anterior, podrían reflejar las razones de
flujo de masa entre los reactores.
• Por ultimo, las b representan con frecuencia las funciones forzadas
actuando sobre el sistema, como la razón de alimentación. 9
• Problemas multicomponentes de los tipos anteriores surgen tanto
de modelos matemáticos variables agrupados (macro) como los
distribuidos (micro).
• Los problemas de variables agrupados involucran componentes
finitos acopladas. Los ejemplos incluyen armaduras, reeactores
(figura a) y circuitos eléctricos. Estos tipos de problemas usan
modelos que proporcionan poco o ningún detalle espacial.
• Por lo contrario, los problemas con variables distribuidas intentan
describir detalles espaciales de los sistemas sobre una base
continua o semicontinua. La destribución de químicos junto con la
longitud de un rector rectangular alargado (figura b) es un ejemplo
de un modelo de variable continua.
• Las ecuaciones diferenciales derivadas a partir de las leyes de
conservación especifican la distribución de la variable
dependiente para tales sistemas.
• Estas ecuaciones diferenciales pueden resolverse numéricamente
al convertirlas en un sistema equivalente de ecuaciones
algebraicas simultaneas. 10
• La solución de tales conjuntos de ecuaciones representa una
importante área de aplicación de ingeniería para los métodos por
ver, estas ecuaciones son acopladas ya que las variables en una
localización son dependientes de las variables en regiones
adyacentes. Por ejemplo, la concentración a la mitad del rector es
una función de la concentración en regiones contiguas. Podrían
desarrollarse ejemplos similares para la distribución espacial de
temperatura o momentum.
• Además de sistemas físicos, las ecuaciones algebraicas lineales
simultáneas surgen también en diferentes contextos de problemas
matemáticos. Estos resultan cuando se requiere de funciones
matemáticas para satisfacer varias condiciones en forma
simultanea. Cada condición resulta en una ecuación que contiene
coeficientes conocidos y variables desconocidas. Las técnicas
analizadas en esta parte pueden usarse para resolver la
incógnitas cuando las ecuaciones son lineales y algebraicas.
• Algunas otras técnicas numéricas de uso general que emplean
ecuaciones simultaneas son el análisis de regresión y la
11
interpolación segmentaria.
Eliminación de Gauss Simple
• En las exposiciones se uso la eliminación de
incógnitas para resolver un par de ecuaciones
simultaneas. El procedimiento se realizo en dos
pasos:
1. Las ecuaciones se manipularon para eliminar una de las
incógnitas de las ecuaciones. El resultado de este paso
de “eliminación” fue el de una sola ecuación con una
incógnita
2. Por consiguiente, esta ecuación se podría resolver
directamente y el resultado ser sustituido en una de las
ecuaciones originales para encontrar la incógnita restante
• Esta técnica básica se puede extender a grandes
sistemas de ecuaciones desarrollando un esquema
sistemático para eliminar incógnitas y sustituir hacia
atrás.
• La eliminación de gauss es lo básico de estos
esquemas. 12
• Esta técnica sistemática es la de eliminación
hacia delante y la sustitución hacia atrás que
comprende la eliminación gaussiana.
• Aunque estas técnicas son muy adecuadas para
implementarlas en computadoras, se requiere de
algunas modificaciones para obtener un
procedimiento sistemático confiable.
• En particular, el procedimiento debe evitar la
división entre 0.
• Al método siguiente se la llama “Eliminación
Gaussiana Simple”, ya que no evita este
problema.
• Se pueden analizar algunas caracteristicas
adiconales necesarias para tener un
procedimiento sistemático mas confiable con el13 fin
de hacerlo de computo y efectivo.
• El procedimiento esta diseñado para resolver un
conjunto de N ecuaciones
.
.
• Como en el caso de solución de dos
ecuaciones, la técnica para “N” ecuaciones
consiste en dos fases:
– La eliminación de las incognitas y
– Su solución mediante sustitución hacia atrás
14
Eliminación hacia delante de la incógnitas.
• La primera fase se designa para reducir el conjunto de
ecuaciones a un sistema triangular superior.
• Las dos fases de la

a11 a12 a13 c1 eliminación de gauss:
a21 a22 a23 c2 – Eliminación hacia
a31 a32 a33 c3 delante
– Sustitución hacia atrás.
– Las superíndices prima
a11 a12 a13 c1 indica el numero de
veces que los
a’22 a’23 c’2 coeficientes y
a’’33 c’’3 constantes han sido
modificados.
x3=c’’3/a’’33
x2=(c’2- a’23x3)/ a’22
x1=(c1- a12x2-a13x3)/a11 15
El paso inicial será el de eliminar la primera incógnita, x1, desde
la segunda hasta la n- ésima ecuación. Para esto, se
multiplica la primera fila por a21/a11 para obtener:
Ahora, esta ecuación nueva se le puede restar a la segunda fila

del sistema de ecuaciones para dar:
esto es:
a’22x2 + … + a’2nxn = b’2
16
• Donde el superíndice prima indica que los elementos
han cambiados sus valores originales.
• El procedimiento es entonases repetido para las
ecuaciones restantes.
• Por ejemplo la fila uno (ecuación) se puede multiplicar
por a31/ a11 y el resultado se resta a la tercera fila
(ecuación). Se repite el procedimiento para las
ecuaciones restantes y da como resultado el siguiente
sistema modificado
a11x1 + a12x2 + a12x2 +…+ a1nxn =b1
a’22x2 + a’23x3 +…+ a’2nxn =b’2
a’32x2 + a’33x3 +…+ a’3nxn =b’3
a’n2x2 + a’12x2 +…+ a’nnxn =b’n
17
• Para los pasos anteriores, la fila 1 (ecuación 1) es llamada la
ecuación pivote, y a11 es llamado coeficiente pivote o
elemento. Observe que el proceso de multiplicación de
primer renglón por a21/a11 es equivalente a dividirlo entre a11
y multiplicarlo por a21.
• Algunas veces la operación de división es referida como
normalización. Se hace esta distinción por que un elemento
pivote cero, puede interferir con la normalización al causar
una división entre cero. Mas adelante se regresara a este
punto importante, una vez que se complete la descripción de
la eliminación Simple de Gauss.
• Ahora se repite el procedimiento antes descrito para
eliminar, la segunda incógnita de la fila 3 (ecuación 3) hasta
la fila 4 (ecuación 4). Para realizar esto multiplique la fila 2
(ecuación 2) por a´32/a´22 y reste el resultado a la fila 3
18
(ecuación 3).
• Se realiza en forma similar la eliminación
para las ecuaciones restantes para dar
a11x1 + a12x2 + a13x3 +…+ a1nxn =b1
a’22x2 + a’23x3 +…+ a’2nxn =b’2
a’’33x3 +…+ a’’3nxn=b’’3
…..
a’’n3x3 +…+ a’’nnxn=b’’n
• donde el superíndice biprima indica que los
elementos se han modificado dos veces.
• El procedimiento se puede continuar usando
las ecuaciones pivote restantes.
19
• El procedimiento final en la secuencia
es el uso en la (n-1)-éstima ecuaciones
para eliminar el termino xn-1 de la n-
ésima ecuación. En este punto el
sistema se transforma en un sistema
triangular superior:
a11x1 +a12x2 + a13x3 +…+a1nxn =b1
a’22x2 + a’23x3 +…+
a’2nxn =b’2
a’’33x3 +…+
a’’3nxn=b’’3 …..
a(n-1)nnxn=b(n-1)n
20
Procedimiento
• Se elije el renglón pivote. Un renglón arriba de
donde se ocupa el primer cero
• Se elije el dato pivote para cada renglón (es
fijo), que es:
(1er dato donde se ocupa el cero/posición que
le corresponde del renglón pivote)
• Se hace la operación:
(dato de la posición del renglón donde se
ocupa el cero) – (dato pivote)*(dato
correspondiente a esta posición del renglón
pivote)
21
• 3x1 - 0.1x2 - 0.2x3 = 7.85
0.1x1 + 7x2 - 0.3x3 = -19.3
0.3x1 - 0.2x2 + 10x3 = 71.4
• Igual a la matriz, ahora haremos la matriz triangular superior
3 -0.1 -0.2 7.85
0.1 7 -0.3 -19.3
0.3 -0.2 10 71.4
• Primero es trabajar para hacer ceros los elementos a21 y
a31, primeros elementos de las filas 2 y 3, primero
trabajaremos la segunda fila.
Segunda Fila, primera columna
• Multiplicaremos la primera fila por (a21/a11) (0.1/3)=.033333
0.1 -0.0033 -0.0066 0.26166
• después se le resta esta fila resultante a la segunda fila para
obtener la nueva segunda fila y la matriz queda como sigue:
3 -0.1 -0.2 7.85
22
0 7.0033 -.293333 -19.56166
1. Matriz Original
• 3 -0.1 -0.2 7.85
0.1 7 -0.3 -19.3
0.3 -0.2 10 71.4
Tercera fila, primera columna
• Multiplicaremos la primera fila por (a31/a11) (0.3/3)=.01
0.3 -0.01 -0.02 0.785
• y después se le resta esta fila resultante a la segunda fila
para obtener la nueva segunda fila:
0 -0.19 10.02 70.615
• La matriz va quedando como sigue:
• 2. Matriz Modificada1
3 -0.1 -0.2 7.85
0 7.0033 -.293333 -19.56166
0 -0.19 10.02 70.615
23
• 3 -0.1 -0.2 7.85
0 7.0033 -.293333 -19.56166
0 -0.19 10.02 70.615
Tercera fila, segunda columna
• Multiplicaremos la segunda fila por (a32/a22)=
(-0.19/7.0033)=-.027
0.3 -0.19 0.0079 0.5307
• y después se le resta esta fila resultante a la
tercera fila para obtener la nueva tercera fila:
0 0 10.0120 70.0842
• quedando la Matriz: 3. Matriz Modificada 2
3 -0.1 -0.2 7.85
0 7.0033 -.293333 -19.56166
0 0 10.0120 70.0842 24
• 3 -0.1 -0.2 7.85
0 7.0033 -0.2933 -19.56166
0 0 10.0120 70.0842
• Ahora haremos los despejes:
x3=c’’3/a’’33
x2=(c’2- a’23x3)/ a’22
x1=(c1- a12x2-a13x3)/a11
• 4. Despejes, operaciones y resultados
x3=70.0842/10.0120 = 7
x2=(-19.56166-(-0.2933*7))/7.0033 = -2.5
x1=(7.85-(-0.1*(-2.5))-(-0.2*7))/3 = 3
25
Método de Gauss Jordan
• El método de Gauss/Jordan es una variación de la eliminación de
Gauss.
• La principal diferencia consiste en que cuando una incógnita se
elimina en el método de Gauss/Jordan, esta es eliminada de todas
las otras ecuaciones en lugar de hacerlo solo en las subsecuentes.
• Además, todos los renglones se normalizan al dividirlos en su
elemento pivote.
a11 a12 a13 c1
a21 a22 a23 c2
a31 a32 a33 c3
1 0 0 c’1
0 1 0 c’2
0 0 1 c’3
26
• De esta forma, el paso de eliminación genera una
matriz de identidad en vez de una triangular. En
consecuencia, no es necesario utilizar la
sustitución hacia atrás para obtener la solución. El
método se ilustra mejor con un ejemplo
• 3x1 - 0.1x2 - 0.2x3 = 7.85

0.1x1 + 7x2 - 0.3x3 = -19.3
0.3x1 - 0.2x2 + 10x3 = 71.4
primero expresar la matriz:

1. Matriz Original
3 -0.1 -0.2 7.85
0.1 7 -0.3 -19.3
0.3 -0.2 10 71.4 27
se normaliza el primer renglón, al dividirlo entre el elemento
pivote a11=3, y se obtiene:
1 -0.033 -0.0667 2.6167

0.1 7 -0.3 -19.3
0.3 -0.2 10 71.4
Se elije un pivote, que es el elemento que se hará cero. Y se

hace la operación siguiente:
Elemento a modificar – pivote * elemento correspondiente al
renglón normalizado del elemento a modificar
2. Matriz Modificada 1
1 -0.033 -0.0667 2.6167
0 7.0033 -0.2933 -19.5617
0 -0.190 10.020 70.6150 28
1 -0.033 -0.0667 2.6167
0 7.0033 -0.2933 -19.5617
0 -0.190 10.020 70.6150
enseguida, se normaliza el segundo renglón dividiéndolo
entre a22 (7.00333):
1 -0.033 -0.0667 2.6167
0 1 -0.04188 -2.7932
0 -0.190 10.020 70.6150
al reducir los términos x2 de las ecuaciones primera y tercera
se obtiene:
1 0 -0.06806 2.52356
0 1 -0.04188 -2.7932
0 0 10.0120 70.0843
29
1 0 -0.06806 2.52356
0 1 -0.04188 -2.7932
0 0 10.0120 70.0843
el tercer renglón se normaliza entonces al dividirlo entre

a33=10.0120
1 0 0 3.0000
0 1 0 -2.5001
0 0 1 7.00003
de esta forma la matriz de coeficientes se ha transformado

en la matriz identidad, y la solución se obtiene en el lado
derecho del vector. Observe que no se requiere
sustitución hacia atrás para obtener la solución. 30
• Aunque la técnica de Gauss-Jordan y la
eliminación de gauss puede parecer casi
idénticas, la primera requiere mas trabajo.
• El método de Gauss-Jordan requiere de
aproximadamente 50% menos operaciones que el
de eliminación gaussiana, por lo tanto, la
eliminación de Gauss es el método simple de
eliminación preferido para obtener soluciones para
ecuaciones algebraicas lineales. Sin embargo,
unas de las razones principales por la que se
introduce Gauss-Jordan es que todavía esta en
uso en la ingeniería, así como en algunos
algoritmos numéricos. 31
• En resumen, la eliminación de Gauss es el método
fundamental para resolver ecuaciones algebraicas
lineales simultaneas. Aunque es una de las técnicas mas
antiguas concebidas para este propósito es, sin
embargo, es un procedimiento en extremo efectivo para
obtener soluciones para muchos problemas de la
ingeniería.
• Además, se presento en forma breve las bases del
método de Gauss-Jordan.
• Las respuestas obtenidas al usar la eliminación de
Gauss se pueden verificar al sustituirlas en las
ecuaciones originales. Sin embargo, realizar esto no
siempre representa una prueba confiable para sistemas
mas condicionados.
32
Método de Gauss Seidel
• Los métodos iterativos o aproximados proveen una
alternativa en los métodos de eliminación descritos hasta
ahora.
• Tales enfoques son similares a las técnicas que se
desarrollaron en la parte anterior para obtener las raíces de
una ecuación simple.
• Aquellos planteamientos consistían en suponer un valor y
luego usar un método sistemático para obtener una
estimación refinada de la raíz.
• Esta parte trata con un problema similar (obtener los valores
que simultáneamente satisfagan un conjunto de ecuaciones)
se podría esperar que tales métodos aproximados pudiesen
ser útiles en este contexto. El método de Gauus-Seidel es el
método iterativo mas comúnmente usado.
33
• Suponga que se da un conjunto de n ecuaciones
[A]{X}={B}
Suponga que para ser concisos se limita a un
conjunto de ecuaciones de 3 x 3. Si los elementos de
la diagonal no son todos cero, la primera ecuación se
puede resolver para x1, la segunda para x2 y la tercera
para X3, para obtener:
34
• Ahora, se pude empezar el proceso de solución al
escoger los valores iniciales de las “x”. Una forma
simple para obtener los valores iniciales, es suponer
que todos son cero, estos ceros se pueden sustituir en
la ecuación 1 para el calculo de “x1” la cual se puede
usar para calcular un nuevo valor “x1=(b1/a11)”.
Después se sustituye este nuevo valor de “x1” junto
con los valores previos de cero para “x3” en la
ecuación 2 y calcular el nuevo valor para “x2”. Este
proceso se repite en la ecuación 3 para el calculo de
“x3” para calcular un nuevo estimado de “x3”. Después
se regresa a la primera ecuación y se repite todo el
procedimiento hasta que la solucion converja los
suficientemente cercano a los valores reales. 35
• La convergencia se puede verificar usando el criterio:
• para todas las i, donde j y j-1 son las iteraciones

actuales y previas.
36
Problema 1.Enunciado: Use el método de Gauss
Seidel para obtener la solución al mismo sistema
usado en los ejemplos de Gauss Simple y Gauss
Jordan:
3 x1 - 0.1 x2 - 0.2 x3 = 7.85
0.1 x1 + 7 x2 - 0.3 x3 = -19.3
0.3 x1 - 0.2 x2 + 10 x3 = 71.4
3 -0.1 -0.2 7.85

0.1 7 -0.3 -19.3
37
0.3 -0.2 10 71.4
Sol.
3 -0.1 -0.2 7.85
0.1 7 -0.3 -19.3
0.3 -0.2 10 71.4
38
no x1 Ea X2 Ea X3 Ea
1 2.616666667 -2.79452381 7.005609524
2 2.99055651 12.5 -2.49962468 11.79 7.000290811 0.07
3 3.0000319 0.31 -2.49998799 0.01 6.999999283 0.004
4 3.00000035 0.001 -2.50000004 0.0004 6.999999989 0.00001
39
Problema 2.Tarea: Use el método de Gauss
Seidel para obtener la solución al sistema:
-12 x1 + x2 - x3 = -20
-2 x1 - 4 x2 + 2 x3 = 10
x1 2 x2 + 2 x3 = 25
40

Solucion de Sistemas de Ecuaciones

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

Solucion de Sistemas de Ecuaciones

Uploaded by

Copyright:

Available Formats

Solución de Sistemas de

Ecuaciones Algebraicas Lineales

• Las dos fases de la

Ahora, esta ecuación nueva se le puede restar a la segunda fila

• 3x1 - 0.1x2 - 0.2x3 = 7.85

primero expresar la matriz:

1 -0.033 -0.0667 2.6167

Se elije un pivote, que es el elemento que se hará cero. Y se

el tercer renglón se normaliza entonces al dividirlo entre

de esta forma la matriz de coeficientes se ha transformado

• para todas las i, donde j y j-1 son las iteraciones

3 -0.1 -0.2 7.85

1 2.616666667 -2.79452381 7.005609524

2 2.99055651 12.5 -2.49962468 11.79 7.000290811 0.07

3 3.0000319 0.31 -2.49998799 0.01 6.999999283 0.004

4 3.00000035 0.001 -2.50000004 0.0004 6.999999989 0.00001

You might also like