Unidad 5SOLUCIN DE SISTEMA DE ECUACIONES LINEALES

Gran nmero de problemas prcticos de ingeniera se reduce al problema de

resolver un sistema de ecuaciones lineales por ejemplo pueden citarse la solucin
de ecuaciones no lineales
En matemticas y lgebra lineal, un sistema de ecuaciones lineales, tambin
conocido como sistema lineal de ecuaciones o simplemente sistema lineal, es un
conjunto de ecuaciones lineales (es decir, un sistema de ecuaciones en donde
cada ecuacin es de primer grado), definidas sobre un cuerpo o un anillo
conmutativo. Un ejemplo de sistema lineal de ecuaciones sera el siguiente:

Eliminacin de gaussiana
El mtodo de eliminacin Gaussiana para la solucin de sistemas de ecuaciones
lineales consiste en convertir a travs de operaciones bsicas llamadas
operaciones de rengln un sistema en otro equivalente ms sencillo cuya
respuesta pueda leerse de manera directa. El mtodo de eliminacin Gaussiana
es el mismo para sistemas de ecuaciones 22, 33, 44 y as sucesivamente
siempre y cuando se respete la relacin de al menos una ecuacin por cada
variable.
Antes de ilustrar el mtodo con un ejemplo, es necesario primeramente conocer
las operaciones bsicas de rengln las cuales son presentas a continuacin:
1. Ambos miembros de una ecuacin pueden multiplicarse por una constante
diferente de cero.
2. Los mltiplos diferentes de cero de una ecuacin pueden sumarse a otra
ecuacin
3. El orden de las ecuaciones es intercambiable.
Una vez conocidas las operaciones que en mi afn por resolver un sistema de
ecuaciones puedo realizar procedo a ilustrar el mtodo con un ejemplo:
1. Resolver el siguiente sistema de ecuaciones:
x + 2y + 3z = 1
4x + 5y + 6z= 2
7x + 8y + 10z = 5

Donde cada ecuacin representa un rengln y las variables iguales de las 3

ecuaciones representan las columnas 1, 2 y 3 respectivamente.
Usando el mtodo de eliminacin Gaussiana.
Solucin:
Para simplificar las operaciones se retiran las variables y se mantienen
exclusivamente los coeficientes de cada una, el signo de igual tambin es
eliminado pero se mantienen los datos del lado derecho de la ecuacin.
Quedando como sigue:
Diagonal principal
La diagonal principal de la matriz busca quede conformada por solo unidades (1)
la parte inferior a la diagonal debe quedar en ceros. Esto se hace utilizando las
operaciones bsicas de rengln para las ecuaciones, de arriba hacia abajo y de
izquierda a derecha.
Multiplico la ecuacin 1 por 4 y al resto de la ecuacin 2, de igual forma la
multiplico por 7 y al resto de la 3 obteniendo.
Despus divido la ecuacin 2 (rengln 2) entre 3 para hacer el componente de la
diagonal principal 1 quedando como sigue:
Multiplico la ecuacin 2 (rengln 2) por 6 y lo sumo a la ecuacin 3 (rengln 3).
Una vez lograda la diagonal principal formada por unidades y los datos por debajo
de la diagonal principal ceros reintegro las variables en cada ecuacin y tambin el
signo igual de las ecuaciones obteniendo:
Donde el valor de z= 10 y al sustituir este valor en la ecuacin resultante 2,
tendramos
y + 2z = 2 al sustituir el valor de z obtenemos que:
y + 2(10) = 2
y + 20 = 2
y = 2- 20

y = 18
Al sustituir estos valores en la ecuacin resultante 1 se tiene:
1x + 2y + 3z = 1
Si z= 10 y y=18, entonces el valor de x ser:
1x + 2y + 3z = 1
x + 2(18) + 3(10)= 1
x 36 + 30 = 1
x6=1
x=1+6
x=7
La solucin del sistema de ecuaciones sera x= 7, y= 18, y z= 10.
El sistema de eliminacin gaussiana es el mismo no importando si es un sistema
de ecuaciones lineales del tipo 22, 33, 44 etc. siempre y cuando se respete la
relacin de al menos tener el mismo nmero de ecuaciones que de variables.

Mtodo de gauss-Jordn
Este mtodo debe su nombre a Carl Friedrich Gauss y a Wilhelm Jordn. Se trata
de una serie de algoritmos del algebra lineal para determinar los resultados de un
sistema de ecuaciones lineales y as hallar matrices e inversas. El sistema de
Gauss se utiliza para resolver un sistema de ecuaciones y obtener las soluciones
por medio de la reduccin del sistema dado a otro que sea equivalente en el cual
cada una de las ecuaciones tendr una incgnita menos que la anterior. La matriz
que resulta de este proceso lleva el nombre que se conoce como forma
escalonada.
Este mtodo, permite resolver hasta 20 ecuaciones simultneas. Lo que lo
diferencia del mtodo Gaussiano es que cuando es eliminada una incgnita, se
eliminar de todas las ecuaciones restantes, o sea, las que anteceden a la
ecuacin principal as como de las que la siguen a continuacin. De esta manera
el paso de eliminacin forma una matriz identidad en vez de una matriz triangular.
No es necesario entonces utilizar la sustitucin hacia atrs para conseguir la
solucin.

Para resolver sistemas de ecuaciones lineales con el mtodo Gauss Jordn,

debemos en primer lugar anotar los coeficientes de las variables del sistema de
ecuaciones lineales con la notacin matricial, por ejemplo:
Tambin se le llama matriz aumentada.
Luego de realizado lo anterior procederemos a transformar dicha matriz en una
matriz identidad, o sea una matriz equivalente a la inicial, de la forma:

Logramos esto aplicando a las distintas columnas y filas de las matrices, restas,
sumas, multiplicaciones y divisiones. Debemos tener en cuenta que las
operaciones utilizadas se aplicarn en todos los elementos de la fila.
En dicha matriz identidad no vemos los trminos independientes. Esto sucede ya
que cuando la matriz original alcance la matriz identidad, los trminos sern la
solucin del sistema y verificarn la igualdad para cada variable que se
correspondern de la forma siguiente:

d1
=
x

d2
=
y
d3 = z

Mtodo Gauss-Seidel
El mtodo de eliminacin para resolver ecuaciones simultneas suministra
soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero
exacto depende de las ecuaciones de que se trate, del nmero de dgitos que se
conservan en el resultado de las operaciones aritmticas, y del procedimiento de
redondeo. Utilizando ecuaciones de error, el nmero de ecuaciones que se
pueden manejar se puede incrementar considerablemente a ms de 15 o 20, pero
este mtodo tambin es imprctico cuando se presentan, por ejemplo, cientos de
ecuaciones que se deben resolver simultneamente. El mtodo de inversin de
matrices tiene limitaciones similares cuando se trabaja con nmeros muy grandes
de ecuaciones simultneas.
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver
grandes nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es
el mtodo de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente
satisfactorio, y el mtodo de Gauss-Seidel tiene la desventaja de que no siempre
converge a una solucin o de que a veces converge muy lentamente. Sin
embargo, este mtodo convergir siempre a una solucin cuando la magnitud del
coeficiente de una incgnita diferente en cada ecuacin del conjunto, sea
suficientemente dominante con respecto a las magnitudes de los otros coeficientes
de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los
otros para asegurar la convergencia y es an ms difcil predecir la velocidad de la
convergencia para alguna combinacin de valores de los coeficientes cuando esa
convergencia existe. No obstante, cuando el valor absoluto del coeficiente
dominante para una incgnita diferente para cada ecuacin es mayor que la suma
de los valores absolutos de los otros coeficientes de esa ecuacin, la
convergencia est asegurada. Ese conjunto de ecuaciones simultneas lineales se
conoce como sistema diagonal.
Un sistema diagonal es condicin suficiente para asegurar la convergencia pero
no es condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales
que se derivan de muchos problemas de ingeniera, son del tipo en el cual existen
siempre coeficientes dominantes.
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la
siguiente:
1. 1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si
es posible hacer una hiptesis razonable de stos valores, hacerla. Si no,

se pueden asignar valores seleccionados arbitrariamente. Los valores

iniciales utilizados no afectarn la convergencia como tal, pero afectarn el
nmero de iteraciones requeridas para dicha convergencia.
2. 2. Partiendo de la primera ecuacin, determinar un nuevo valor para la
incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando
para las otras incgnitas los valores supuestos.
3. 3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita
que tiene el coeficiente ms grande en esa ecuacin, utilizando el valor
calculado para la incgnita del paso 2 y los valores supuestos para las
incgnitas restantes.
4. 4. Continuar con las ecuaciones restantes, determinando siempre el valor
calculado de la incgnita que tiene el coeficiente ms grande en cada
ecuacin particular, y utilizando siempre los ltimos valores calculados para
las otras incgnitas de la ecuacin. (Durante la primera iteracin, se deben
utilizar los valores supuestos para las incgnitas hasta que se obtenga un
valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando
un valor para la nica incgnita, se dice que se ha completado una
iteracin.
5. 5. Continuar iterando hasta que el valor de cada incgnita, determinado en
una iteracin particular, difiera del valor obtenido en la iteracin previa, en
una cantidad menor que cierto
seleccionado arbitrariamente. El
procedimiento queda entonces completo.
Refirindonos al paso 5, mientras menor sea la magnitud del
seleccionado,
mayor ser la precisin de la solucin. Sin embargo, la magnitud del epsilonno
especifica el error que puede existir en los valores obtenidos para las incgnitas,
ya que sta es una funcin de la velocidad de convergencia. Mientras mayor sea
la velocidad de convergencia, mayor ser la precisin obtenida en los valores de
las incgnitas para un
dado.
EJEMPLO
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

Uso de herramientas computacionales

Resolver sistemas de ecuaciones algebraicas lineales y valorar su aplicacin en
diversos campos de la ciencia y la tcnica. Conocer varias tcnicas y su
confiabilidad, as como sus ventajas y desventajas. Entender la importancia del
mtodo de Gauss Seidel para grandes sistemas de ecuaciones dispersos.
Comprender el valor de la diagonal dominante de un sistema. Entender el
fundamento de la relajacin y cuando es apropiada su aplicacin. Desarrollar un
software para implementar el mtodo de Gauss Seidel.
Se introduce el uso de la computadora Esta permite la resolucin de grandes
conjuntos de ecuaciones algebraicas lineales simultneas. Los sistemas de
ecuaciones lineales simultneas surgen de sistemas fsicos o en diferentes
contextos de problemas matemticos. Estos resultan cuando se requiere de
funciones matemticas que satisfagan varias condiciones en forma simultnea.
Cada condicin resulta en una ecuacin que contiene coeficientes conocidos y
variables desconocidas Es posible considerar dos tipos de sistemas que se
modelan mediante ecuaciones algebraicas lineales

Uso de ms cifras significativas: Es la manera ms simple para el mal

condicionamiento de los sistemas. Si se utiliza precisin extendida se reduce el
problema. Se paga un precio en clculo y memoria.
2) Pivoteo: Antes de normalizar es conveniente determinar el coeficiente ms
grande disponible en la columna debajo del pivote. Si los renglones se
intercambian se realiza pivoteo parcial.
3) Escalamiento: Minimiza los errores de redondeo, en aquellos casos que ciertos
coeficientes de la ecuacin son mucho ms grandes que otros. Por ej. Escalar las
ecuaciones de forma tal que el elemento mximo en cualquier rengln sea igual a
1) Sistemas singulares: Un sistema de ecu. Puede estar mal condicionado cuando
dos o ms de las ecu. Son casi idnticas. En tales casos se pierde un grado de
libertad y se dara un caso imposible de n-1 ecuaciones con n incgnitas.
2) Si los sistemas son grandes esto podra no ser tan obvio. Entonces sera til
tener una forma de detectar la singularidad de manera automtica.
3) La respuesta est dada: el determinante de un sistema singular es cero.
4) Un algoritmo puede efectuar una prueba para discernir si se crea un cero en la
diagonal durante la etapa de eliminacin. Si descubre uno, el clculo se puede
parar inmediatamente y en la pantalla aparecer un mensaje de alerta

Unidad 6 solucin de sistemas de ecuaciones no lineales

1. 6Solucin de sistemas de ecuaciones no lineales Puesto que, como se acaba
de sealar, los mtodos que abordaremos sern de tipo iterativo y en ellos se
generara una sucesin de vectores que, en el mejor de los casos, se vayan
aproximando hacia un vector solucin, conviene comenzar recordando algunos
conceptos sobre sucesiones. En este sentido, en primer lugar, nos ubicaremos
en conjuntos sobre los que se haya de nido una forma de medir la distancia
entre sus elementos (esto es en un espacio mtrico (E, d)). En este espacio
mtrico comenzamos recordando la siguiente denicin: Dada una sucesin
innita de elementos {xi}i=1del espacio mtrico (E, d) se dice que la sucesin
es convergente hacia el elemento xE, si para cualquier valor > 0 siempre
se puede encontrar un numero natural N tal que para todo ndice n > N se
verica que d(xn,x) < . Al elemento x anterior se le denomina, si existe,
lmite de la sucesin {xi}i=1Dada una sucesin innita de elementos {xi}i=1
del espacio mtrico (E, d) se dice que la sucesin es una sucesin de Cauchy,
si para cualquier valor > 0 siempre se puede encontrar un nmero natural N

El mtodo de jacobi
El mtodo de Jacobi consiste en realizar una secuencia de transformaciones
ortogonales, cada transformacin se denomina rotacin de Jacobi; y corresponde
a una rotacin cuyo objetivo es eliminar a un elemento de la matriz. Se va rotando
sucesivamente la matriz hasta que el error es pequeo para ser considerada una
matriz diagonal. Un concepto fundamental de este mtodo es que, al rotar la
matriz para eliminar un elemento que ya sea cero, se modifican varios elementos
situados en la fila y la columna del elemento que se rota, que podan valer cero y
hasta haber rotado con anterioridad. Cada vez que se rota un elemento, todos los

elementos que se insertan son funcin de la cantidad que se elimina ponderada

por una funcin trigonomtrica, por lo que el valor absoluto de los elementos
distintos de la diagonal se reduce hasta que se considera que son cero. La
composicin de las rotaciones genera autovectores, en donde los elementos de la
diagonal principal corresponden a los autovalores. Los mtodos directos e
indirectos en general tienen con los redondeos, truncamientos y aproximaciones a
la solucin real. Los mtodos iterativos representan una alternativa potente para
solucionar este inconveniente, ya que se acercan ms a la solucin real a medida
que se itera, de manera que la calidad de la aproximacin depende de la cantidad
de iteraciones que se efecta. El planteamiento empieza en suponer un valor
inicial y enseguida se usar un mtodo sistemtico para obtener una estimacin
ms refinada de la solucin. El Mtodo de Jacobi es uno de los mtodos iterativos
ms conocidos. Supngase que se tiene un sistema (3x3) de ecuaciones. Si los
elementos de la diagonal no son todos cero, la primera ecuacin se resuelve para
x1, la segunda para x2 y la tercera para x3, para obtener:

Para un sistema de ecuaciones lineales de n ecuaciones con n incgnitas, el

Mtodo de Jacobi para encontrar un valor k de una variable x utiliza la siguiente
ecuacin iterativa:

El procedimiento consiste en asignar valores iniciales a las variables, usualmente

se escogen los valores triviales, "0" por simplicidad, de manera que para generar
la siguiente iteracin se sustituyen los valores en la ecuacin iterativa, con lo que
se obtiene:

Mtodo de Gauss-seidel
MTODO DE GAUSS-SEIDEL El mtodo de eliminacin para resolver
ecuaciones simultneas suministra soluciones suficientemente precisas hasta para
15 o 20 ecuaciones. El nmero exacto depende de las ecuaciones de que se trate,
del nmero de dgitos que se conservan en el resultado de las operaciones
aritmticas, y del procedimiento de redondeo. Utilizando ecuaciones de error, el
nmero de ecuaciones que se pueden manejar se puede incrementar
considerablemente a ms de 15 o 20, pero este mtodo tambin es imprctico
cuando se presentan, por ejemplo, cientos de ecuaciones que se deben resolver
simultneamente. El mtodo de inversin de matrices tiene limitaciones similares
cuando se trabaja con nmeros muy grandes de ecuaciones simultneas. Sin
embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes
nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo
de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente
satisfactorio, y el mtodo de Gauss-Seidel tiene la desventaja de que no siempre
converge a una solucin o de que a veces converge muy lentamente. Sin
embargo, este mtodo convergir siempre a una solucin cuando la magnitud del
coeficiente de una incgnita diferente en cada ecuacin del conjunto, sea
suficientemente dominante con respecto a las magnitudes de los otros coeficientes
de esa ecuacin. Es difcil definir el margen mnimo por el que ese coeficiente
debe dominar a los otros para asegurar la convergencia y es an ms difcil
predecir la velocidad de la convergencia para alguna combinacin de valores de
los coeficientes cuando esa convergencia existe. No obstante, cuando el valor
absoluto del coeficiente dominante para una incgnita diferente para cada
ecuacin es mayor que la suma de los valores absolutos de los otros coeficientes
de esa ecuacin, la convergencia est asegurada. Ese conjunto de ecuaciones
simultneas lineales se conoce como sistema diagonal. Un sistema diagonal es
condicin suficiente para asegurar la convergencia pero no es condicin
necesaria. Afortunadamente, las ecuaciones simultneas lineales que se derivan

de muchos problemas de ingeniera, son del tipo en el cual existen siempre

coeficientes dominantes. La secuencia de pasos que constituyen el mtodo de
Gauss-Seidel es la siguiente
1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es
posible hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden
asignar valores seleccionados arbitrariamente. Los valores iniciales utilizados no
afectarn la convergencia como tal, pero afectarn el nmero de iteraciones
requeridas para dicha convergencia.
2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita
que tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras
incgnitas los valores supuestos.
3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que
tiene el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para
la incgnita del paso 2 y los valores supuestos para las incgnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor
calculado de la incgnita que tiene el coeficiente ms grande en cada ecuacin
particular, y utilizando siempre los ltimos valores calculados para las otras
incgnitas

Resolver el siguiente problema por el mtodo de gauss seidel un E.=0.001.

Mtodo de newton-raphson
Este uno de los ms utilizados para localizar races ya que en general es muy
eficiente y siempre converge para una funcin polinomial.
Se requiere que las funciones sean diferenciables, y por tanto, continuas, para
poder aplicar este mtodo.
Se debe partir de un valor inicial para la raz: xi este puede ser cualquier valor, el
mtodo convergir a la raz ms cercana.
Si se extiende una tangente desde el punto, el punto donde esta tangente cruza al
eje x representa una aproximacin mejorada de la raz.

La frmula de Newton-Raphson se deduce a partir de la frmula de la pendiente

de una recta. Pendiente de una recta:

Hay que determinar un nmero mximo de iteraciones

Normalmente esto se hace considerando una tolerancia, esto es:
El valor absoluto de la diferencia de la

debe ser menor que la

tolerancia o el resultado de alguna frmula de error debe ser menor que la

tolerancia dada.
Una de las frmulas de error ms tiles es la del error relativo porcentual
aproximado:
100 %

El mtodo de Newton-Raphson es convergente cuadrticamente, es decir, el error

es aproximadamente al cuadrado del error anterior.
Esto significa que el nmero de cifras decimales correctas se duplica
aproximadamente en cada interaccin.
Cuando el mtodo de Newton-Raphson converge, se obtienen resultados en
relativamente pocas interacciones, ya que para races no repetidas este mtodo
converge con orden 2 y el error Ei+1 es proporcional al cuadrado del resultado
anterior Ei
Supngase que el error en una iteracin es 10 -n el error en la siguiente, (que es
proporcional al cuadrado del error anterior) es entonces aproximadamente 10 -2n, el
que sigue ser aproximadamente 10-4n etc.
De esto puede afirmarse que de cada iteracin duplica aproximadamente el
nmero de dgitos correctos.
Sin embargo el mtodo de Newton-Raphson algunas veces no converge, sino que
oscila. Esto ocurre si no hay raz real, si la raz es un punto de inflexin o si el
valor inicial est muy alejado de la raz buscada y alguna otra parte de la funcin
atrapa la iteracin.

Uso de herramientas computacionales

Las reas que abarca son basados en agentes computacionales de
modelado,2 modelado computacional de dinmica de sistemas macroeconmicos
y los costos de transaccin, otras aplicaciones en economa matemtica, 3 la
econometra computacional y la estadstica, 4 las finanzas computacionales,
herramientas computacionales para el diseo de los mercados de Internet
automticos, herramientas de programacin diseado especficamente para la
economa computacional y herramientas pedaggicas para la enseanza de la
economa computacional. Algunas de estas reas son exclusivas de la economa
computacional, mientras que otras se extienden las reas tradicionales de la
economa mediante la resolucin de problemas que son difciles de estudiar, sin el
uso de computadoras.5 Investigadores economa computacional uso de
herramientas computacionales, tanto para el modelado computacional y
econmica para la solucin de cmputo de manera analtica y estadstica
formulado los problemas econmicos. Un ejemplo importante es la economa
basada en agentes computacionales (ACE) es el estudio computacional de los
procesos econmicos modelados como sistemas dinmicos de los agentes que
interactan. Aqu \"agente\" se refiere en general a un conjunto de datos y los
mtodos de comportamiento que representa una entidad que forman parte de un
mundo construido de cmputo. Los agentes pueden representar a entidades
sociales, biolgicos y / o fsica. A partir de las condiciones iniciales determinadas
por el modelador, un modelo de ACE se desarrolla a travs del tiempo impulsado
nicamente por las interacciones agente. Herramientas computacionales para la
solucin incluye software de ejemplo para llevar a cabo diversas operaciones de la
matriz (por ejemplo, la inversin de la matriz) y para resolver sistemas de
ecuaciones lineales y no lineales. En un repositorio de dominio pblico las
herramientas computacionales solucin,