Attachment

INGENIERIA EN SISTEMAS COMPUTACIONALES
MATERIA: METODOS NUMERICOS

UNIDAD 3 MÉTODOS DE SOLUCIÓN DE SISTEMAS DE ECUACIONES.
Catedrático: Rusbel Bermudez Rivera
Marzo 2017
Unidad 3: Métodos de solución de sistemas de ecuaciones.
3.1 Métodos iterativos.
3.2 Sistemas de ecuaciones no lineales.
3.3 Iteración y convergencia de sistemas de ecuaciones.
3.4 Aplicaciones
UNIDADES DE APRENDIZAJE
UNIDAD III. Métodos de solución de ecuaciones
Competencias Específicas a Desarrollar. Actividades de Aprendizaje
• Investigar los métodos de solución de sistemas de
Aplica los métodos numéricos para la ecuaciones lineales. Haciendo una tabla de
solución de sistemas de ecuaciones características y uso.
lineales mediante la aplicación de los
• Desarrollar ejercicios de sistemas de ecuaciones
métodos de solución clásicos. lineales para la obtención y el análisis de
resultados, empleando los siguientes métodos:
Eliminación Gaussiana, Método de Gauss- Jordan,
Método de Gauss-Seidel y Método de Jacobi.
Escribir en el cuaderno haciendo el análisis de
resultados de cada uno.
• Elaboración de programas y herramientas que

implementan métodos para la solución de
sistemas de ecuaciones lineales. Entregar
programas documentados.
UNIDADES DE APRENDIZAJE
UNIDAD III. Métodos de solución de ecuaciones
Competencias Específicas a Desarrollar. Actividades de Aprendizaje
Aplica los métodos numéricos para la • Análisis de las posibilidades y limitaciones de los
solución de sistemas de ecuaciones programas realizados. Hacer un reporte.
lineales mediante la aplicación de los
• Aplicar soluciones a casos específicos en el
métodos de solución clásicos. contexto.y documentarlos
Conceptos Previos
Sistema de Ecuaciones
Un sistema de ecuaciones es un conjunto de dos o más ecuaciones que comparten dos o

más incógnitas. Las soluciones de un sistema de ecuaciones son todos los valores que son
válidos para todas las ecuaciones, o los puntos donde las gráficas de las ecuaciones se
intersectan. Podemos resolver un sistema de ecuaciones lineales graficando, por
sustitución y por combinación lineal.
Sistemas de Ecuaciones No Lineales
Los sistemas de funciones no lineales son por ejemplo las ecuaciones cuadráticas o
exponenciales, y pueden ser manejados con las mismas técnicas de resolución que las
ecuaciones lineales.
Apuntes por: Rusbel Bermudez Rivera

Ecuaciones algebraicas lineales y la práctica en ingeniería
Muchas de las ecuaciones fundamentales en ingeniería se basan en las leyes de

conservación. Entre algunas cantidades conocidas que se someten a tales leyes están la
masa la energía y el momentum (La cantidad de movimiento, momento lineal). En términos
matemáticos, estos principios nos conducen a ecuaciones de balance o de continuidad que
relacionan el comportamiento del sistema, al representarlo por los niveles o respuesta de la
cantidad sujeta a modelamiento con las propiedades o características del sistema, y por los
estímulos externos o funciones forzadas que actúan sobre el sistema

Breve repaso sobre matrices
A las matrices con dimensión renglón n = 1, tales como se les conoce como vectores renglón.
Las matrices con dimensión columna m = 1, como se conocen como vectores columna

A las matrices en las que n = m se les llama matrices cuadradas. Por ejemplo, una matriz de
4 por 4 es
A la diagonal que contiene los elementos a11, a22, a33, a44 se le llama diagonal principal
de la matriz.
Las matrices cuadradas resultan particularmente importantes cuando se resuelven

sistemas de ecuaciones lineales simultáneas. En tales sistemas, el número de ecuaciones
(que corresponde a los renglones) y el número de incógnitas (que corresponde a las
columnas) debe ser igual para que sea posible tener una solución única.

3.1 Métodos iterativos.
Ciertas matrices tienen una estructura particular que puede aprovecharse para desarrollar
esquemas de solución eficientes. La primera parte de este tema se dedica a dos de estos
sistemas: matrices bandeadas y simétricas. Se describen métodos de eliminación eficiente
para ambas, así como un método general para determinar la solución de una matriz..
El enfoque se da con el método de Gauss-Seidel, el cual emplea valores iniciales y después

itera para obtener mejores aproximaciones a la solución. El método de Gauss-Seidel es
particularmente adecuado cuando se tiene gran número de ecuaciones. En estos casos, los
métodos de eliminación pueden estar sujetos a errores de redondeo. Debido a que el error
en el método de Gauss-Seidel es determinado por el número de iteraciones, el error de
redondeo no es un tema que preocupe a este método. Aunque, existen ciertos ejemplos
donde la técnica de Gauss-Seidel no convergerá al resultado correcto. Éstas y algunas otras
ventajas y desventajas que se tienen entre los métodos de eliminación e iterativos se
analizarán

METODO 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, no solo de las subsecuentes.
Además, todos los renglones se normalizan al dividirlos entre su elemento pivote. De esta
forma, el paso de eliminación genera una matriz identidad y una forma escalonada de
unos. En consecuencia, no es necesario usar la sustitución para obtener la solución. El
método se ilustra mejor con un ejemplo.

EJEMPLO METODO DE GAUSS-JORDAN.
Solución.
Paso 1: Primero, exprese los coeficientes y el lado derecho como una matriz aumentada.
3 −0.1 −0.2 7.85

0.1 7 −0.3 −19.3 M1
0.3 −0.2 10 71.4
Paso 2: Normalice (dividir entre el número pivote) el primer renglón, dividiéndolo entre el
elemento pivote, 3, para obtener
1 −0 0333333 −0 066667 2 61667

3 −0.1 −0.2 7.85 0.1 7 −0.3 −19.3 M2
3 0.3 −0.2 10 71.4

1 −0 0333333 −0 066667 2 61667
0.1 7 −0.3 −19.3 M2
0.3 −0.2 10 71.4
Paso 3: Eliminar x1 del segundo renglón, multiplicando el primer renglón por su

coeficiente a21 (cuyo valor es 0.1), multiplíquelo por (-1), y haga una suma de renglones.
1 −0 0333333 −0 066667 2 61667

0.1 7 −0.3 −19.3
0.3 −0.2 10 71.4
Nuevo renglón 2
Renglón 1 Auxiliar
- 0.1 0.00333 0.00667 - 0.261670
+
0.1 7.00000 - 0.30000 - 19.30000 Renglón 2 Original
0 7.00333 -0.29333 -19.56167 Renglón 2 Nuevo

1 −0 0333333 −0 066667 2 61667
0.1 7 −0.3 −19.3 M2
0.3 −0.2 10 71.4
Paso 4: Eliminar x1 del tercer renglón, multiplicando el primer renglón por su coeficiente
a31 (cuyo valor es 0.3), multiplíquelo por (-1), y haga una suma de renglones.
1 −0 0333333 −0 066667 2 61667

0.1 7 −0.3 −19.3
0.3 −0.2 10 71.4
Nuevo renglón 3
Renglón 1 Auxiliar
- 0.3 0.01 0.02000 - 0.78500
+
0.3 -0.20 10.00000 71.40000 Renglón 3 Original
0 -0.19 10.02000 70.61500 Renglón 3 Nuevo

Paso 5: Ensamble la nueva matriz (M3)
1 −0 0333333 −0 066667 2 61667

0 7.00333 −0.29333 −19.56167 M3
0 −0.19 10.02000 70.61500
Paso 6: Normalice el renglón 2, dividiéndolo entre 7.00333
1 −0 0333333 −0 066667 2 61667 0 7.00333 −0.29333 −19.56167

0 7.00333 −0.29333 −19.56167
0 −0.19 10.02000 70.61500 3
1 −0 0333333 −0 066667 2 61667

0 1 −0.04188 −2.79319 M4
0 −0.19 10.02000 70.61500

1 −0 0333333 −0 066667 2 61667
0 1 −0.04188 −2.79319 M4
0 −0.19 10.02000 70.61500
Paso 7: Eliminar x2 del primer renglón, multiplicando el segundo renglón por el

coeficiente a12 (cuyo valor es -0.3333333), haga una suma de renglones.
1 −0 0333333 −0 066667 2 61667

0 1 −0.04188 −2.79319
0 −0.19 10.02000 70.61500
Nuevo renglón 1
Renglón 2 Auxiliar
0 0.03333 - 0.00140 - 0.09311
+
1 -0.03333 - 0.06667 2.61667 Renglón 1 Original
1 0 -0.06806 2.52356 Renglón 1 Nuevo

1 −0 0333333 −0 066667 2 61667
0 1 −0.04188 −2.79319 M4
0 −0.19 10.02000 70.61500
Paso 8: Eliminar x2 del tercer renglón, multiplicando el segundo renglón por el coeficiente
a32 (cuyo valor es -0.19), haga una suma de renglones.
1 −0 0333333 −0 066667 2 61667

0 1 −0.04188 −2.79319
0 −0.19 10.02000 70.61500
Nuevo renglón 1
Renglón 2 Auxiliar
0.00000 0.19000 - 0.00796 - 0.53071
+
0.00000 -0.19000 10.02000 70.61500 Renglón 3 Original
0.00000 0.00000 10.01204 70.08429 Renglón 3 Nuevo

Paso 9: Ensamble la nueva matriz (M5)
1 0 − 0.06806 2.52356
0 1 − 0.04188 −2.79319 M5
0 0 10.01204 70.08429
Paso 10: Normalice el renglón 3 dividiéndolo entre 10.01204
1 0 − 0.06806 2.52356
0 1 − 0.04188 −2.79319 M6
0 0 1 7

1 0 −0.06806 2.52356
0 1 −0.04188 −2.79319 M6
0 0 1 7
Paso 11: Multiplique el reglón 3, por el coeficiente a31 (cuyo valor es -0.06806),
multiplíquelo por (-1), haga una suma de renglones.
Nuevo renglón 1
1 0 -0.06806 2.52356 Renglón 1 Original
+
0 0 0.06806 0.47642 Renglón 3 Auxiliar
1 0 0 2.99998 Renglón 1 Nuevo

1 0 −0.06806 2.52356
0 1 −0.04188 −2.79319 M6
0 0 1 7
Paso 12: Multiplique el reglón 3, por el coeficiente a32 (cuyo valor es -0.04188),
multiplíquelo por (-1), haga una suma de renglones.
Nuevo renglón 1
0 1 -0.04188 -2.79319 Renglón 2 Original
+
0 0 -0.04188 -0.29316 Renglón 3 Auxiliar
0 1 0 -2.50003 Renglón 2 Nuevo

Paso 13: Ensamble la nueva Matriz, y disfrute de su solución
1 0 0 2.99998
0 1 0 −2.50003 M7
0 0 1 7
De esta forma, la matriz de coeficientes se ha transformado en la matriz identidad, y la

solución se obtiene en el vector del lado derecho. Observe que no se requiere la
sustitución hacia atrás para llegar a la solución.
3.0 (3) – 0.1 (–2.5) – 0.2 (7.00003) = 7.84999 ≅ 7.85

0.1 (3) + 7.0 (–2.5) – 0.3 (7.00003) = –19.3000 ≅ –19.3
0.3 (3) – 0.2 (–2.5) + 10.0 (7.00003) = 71.4003 ≅ 71.4

1 0 0 2.99149 X1
0 1 0 -2.50525 X2
0 0 1 7 X3
De esta forma, la matriz de coeficientes se ha transformado en la matriz identidad, y la

solución se obtiene en el vector del lado derecho. Observe que no se requiere la
sustitución hacia atrás para llegar a la solución.
3.0(3) – 0.1(–2.5) – 0.2(7.00003) = 7.84999 ≅ 7.85

0.1(3) + 7 (–2.5) – 0.3(7.00003) = –19.3000 ≅ –19.3
0.3(3) – 0.2(–2.5) + 10 (7.00003) = 71.4003 ≅ 71.4

Método de Gauss-Seidel para sistemas de ecuaciones lineales.
El enfoque se da con el método de Gauss-Seidel, el cual emplea valores iniciales y después

itera para obtener mejores aproximaciones a la solución. El método de Gauss-Seidel es
particularmente adecuado cuando se tiene gran número de ecuaciones, utiliza un enfoque
de Σ𝑖 y Σ𝑗 como en la unidad anterior,
El método de iteración Gauss-Seidel se realiza, para la iteración (k+1)

sin embargo nos limitaremos a desarrollar matrices cuadradas con solo 3 coeficientes.
Debido a que el error en el método de Gauss-Seidel es determinado por el número de

iteraciones, el error de redondeo no es un tema que preocupe a este método. Aunque,
existen ciertos ejemplos donde la técnica de Gauss-Seidel no convergerá al resultado
correcto.
Aunque este método puede aplicarse a cualquier sistema de ecuaciones lineales que
produzca una matriz (cuadrada, naturalmente pues para que exista solución única, el
sistema debe tener tantas ecuaciones como incógnitas), el método requiere que
coeficientes con los elementos de su diagonal no-nulos, la convergencia del método solo se
garantiza si la matriz es diagonalmente dominante o si es simétrica y, a la vez, definida
positiva (Toda matriz definida positiva es invertible (su determinante es positivo), y su
inversa es definida positiva.)
Diagonalmente Dominante
En matemáticas, y concretamente en álgebra lineal, una matriz es de diagonal

estrictamente dominante, cuando lo es por filas o por columnas.
Lo es por filas cuando, para todas las filas, el valor absoluto del elemento de la
diagonal de esa fila es estrictamente mayor que la norma del resto de elementos de
esa fila.
Lo es por columnas cuando, para todas las columnas, el valor absoluto del elemento
de la diagonal de esa columna es estrictamente mayor que la norma del resto de
elementos de esa columna.
3.0𝑥1 −0.1𝑥2 −0.2𝑥3 = 7.85

0.1𝑥1 7.0𝑥2 −0.3𝑥3 = −19.3
0.3𝑥1 −0.2𝑥2 10𝑥3 = 71.4

Los métodos iterativos constituyen una alternativa a los métodos de eliminación descritos
hasta ahora, para aproximar la solución de un sistema de ecuaciones lineales, el método
comúnmente más utilizado es el método de Gauss-Seidel
Suponga que se da un sistema de n ecuaciones:
Sí este sistema se limita a un conjunto de ecuaciones de 3 × 3 y 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
𝑏1 − 𝑎12𝑥2 − 𝑎13𝑥3
𝑥1 = Ec. 3.1a
𝑎11
𝑏2 − 𝑎21𝑥1 − 𝑎23𝑥3
𝑥2 = Ec. 3.1b
𝑎22
𝑏3 − 𝑎31𝑥1 − 𝑎32𝑥2
𝑥3 = Ec. 3.1c
𝑎33

1. Una forma simple para obtener los valores iniciales es suponer que todos son cero. Estos
ceros se sustituyen en la ecuación (3.1), la cual se utiliza para calcular un nuevo valor x1 =
b1/a11.
2. Después, se sustituye este nuevo valor de x1 junto con el valor previo cero de x3 en la
ecuación (3.2) y se calcula el nuevo valor de x2.
3. Este proceso se repite con la ecuación (3.3) para calcular un nuevo valor de x3.
4. Después se regresa a la primera ecuación y se repite todo el procedimiento hasta que la

solución converja suficientemente cerca a los valores verdaderos.
4.1.- La convergencia se verifica usando el criterio
Ec. 3.2
para todas las i (iteraciones), donde j y j–1 son las iteraciones actuales y previas,
respectivamente.
GAUSS-SEIDEL
Los métodos iterativos constituyen una alternativa a los métodos de eliminación descritos
hasta ahora, para aproximar la solución de un sistema de ecuaciones lineales, el método
comúnmente más utilizado es el método de Gauss-Seidel
Suponga que se da un sistema de n ecuaciones:
Sí este sistema se limita a un conjunto de ecuaciones de 3 × 3 y 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
𝑏1 − 𝑎12𝑥2 − 𝑎13𝑥3
𝑥1 = Ec. 3.1a
𝑎11
𝑏2 − 𝑎21𝑥1 − 𝑎23𝑥3
𝑥2 = Ec. 3.1b
𝑎22
𝑏3 − 𝑎31𝑥1 − 𝑎32𝑥2
𝑥3 = Ec. 3.1c
𝑎33

1. Una forma simple para obtener los valores iniciales es suponer que todos son cero. Estos
ceros se sustituyen en la ecuación (3.1), la cual se utiliza para calcular un nuevo valor x1 =
b1/a11.
2. Después, se sustituye este nuevo valor de x1 junto con el valor previo cero de x3 en la
ecuación (3.2) y se calcula el nuevo valor de x2.
3. Este proceso se repite con la ecuación (3.3) para calcular un nuevo valor de x3.
4. Después se regresa a la primera ecuación y se repite todo el procedimiento hasta que la

solución converja suficientemente cerca a los valores verdaderos.
4.1.- La convergencia se verifica usando el criterio
Ec. 3.2
para todas las i (iteraciones), donde j y j–1 son las iteraciones actuales y previas,
respectivamente.
Planteamiento del problema. Use el método de Gauss-Seidel para obtener la solución
del sistema usado en el ejemplo
Recuerde que la verdadera solución es:

x1 = 3, x2 = –2.5 y x3 = 7.
Primero, despeje la incógnita sobre la diagonal para cada una de las ecuaciones.
𝑏1 − 𝑎12𝑥2 − 𝑎13𝑥3 7.85 − (−0.1)𝑥2 − (−0.2)𝑥3

𝑥1 = 𝑥1 = Ec. 3.1a
𝑎11 3
𝑏2 − 𝑎21𝑥1 − 𝑎23𝑥3 −19.3 − 0.1𝑥1 − (−0.3)𝑥3

𝑥2 = 𝑥2 = Ec. 3.1b
𝑎22 7
𝑏3 − 𝑎31𝑥1 − 𝑎32𝑥2 71.4 − 0.3𝑥1 − (−0.2)𝑥2

𝑥3 = 𝑥3 = Ec. 3.1c
𝑎33 10

Paso 1: Convertir x2 y x3 son cero, se utiliza la ecuación (3.1a) para calcular
7.85 − (−0.1)𝑥2 − (−0.2)𝑥3 7.85+0.1 0 +0.2(0)

𝑥1 = 𝑥1 = = 2.61667
3 3
Paso 2: En la ecuación 3.1b, sustituya el valor de x1 que acaba de calcular, x3 aun

conserva el valor de cero
−19.3 − 0.1𝑥1 − (−0.3)𝑥3 −19.3 − 0.1(2.61667) + 0.3(0)

𝑥2 = 𝑥2 = = −2 .794524
7 7
Paso 3: En la ecuación 3.1c, sustituya el valor de x1 y x2 para calcular el valor de x3
71.4 − 0.3𝑥1 − (−0.2)𝑥2 71.4−0.3(2.61667) +0.2(−2.794524 )

𝑥3 = 𝑥3 = = 7.005610
10 10

Paso 4: Repetir proceso iterativo 1, y obtener valores para x1, x2, x3 (iteración 2)
7.85+0.1 −2 794524 +0.2(7.005610 )

Et = 0.31%
𝑥1 = = 2.990557
3
−19.3−0.1(2.990557)+0.3(7.005610 )
𝑥2 = 7
= −2. 499625 Et = 0.015%
71.4−0.3(2.990557) +0.2(−2. 499625 ) Et = 0.0042%

𝑥3 = = 7. 000291
10
El método es, por lo tanto, convergente hacia la verdadera solución. Es posible aplicar
iteraciones adicionales para mejorar los resultados. Sin embargo, en un problema real, no
se podría saber a priori el resultado correcto. En consecuencia, la ecuación (3.2) nos da un
medio para estimar el error. Por ejemplo, para x1
Ea1 = 2 990557−2 616667 *100 = 12.5

2 990557

Para x2 y x3, los errores estimados son ⎪ Ea,2 2⎪ = 11.8% y ⎪ Ea3 3⎪ = 0.076%. Observe
que, como cuando se determinaron las raíces de una sola ecuación, las formulaciones
como la ecuación (3.2) usualmente ofrecen una valoración conservativa de la
convergencia. Así, cuando estas se satisfacen, aseguran que el resultado se conozca con,
al menos, la tolerancia especificada por Es.es..
Conforme un nuevo valor de x se calcula con el método de Gauss-Seidel, éste se usa

inmediatamente en la siguiente ecuación para determinar el otro valor de x. De esta
forma, si la solución es convergente, se empleará la mejor aproximación disponible. Un
método alternativo, llamado iteración de Jacobi, emplea una táctica algo diferente. Más
que usar inmediatamente el último valor disponible de x, esta técnica usa la ecuación
(3.1) para calcular un conjunto de nuevas x con base en un conjunto de x anteriores. De
esta forma, conforme se generan nuevos valores, no se usan en forma inmediata sino que
se retienen para la siguiente iteración.
La diferencia entre el método de Gauss-Seidel y la iteración de Jacobi se muestra en la

figura 3.1. Aunque hay ciertos casos donde es útil el método de Jacobi, la utilización de
Gauss-Seidel da la mejor aproximación y usualmente lo hace el método preferido.

Ilustración gráfica de la diferencia entre los métodos de a) Gauss-Seidel y b) iterativo de
Jacobi, para resolver sistemas de ecuaciones algebraicas lineales.

Método de Jacobi
Iteración 1: X2 y X3 valen cero para todas las formulas (3.1a, 3.1b y 3.1c) , y no se
sustituyen en las ecuaciones.
Iteración 2: En las formulas (3.1a, 3.1b y 3.1c) utilizan los valores de x1, x2, y x3
calculados en la iteración anterior.
Aplicar esta metodología solo cuando no es posible utilizar el método de

Gauss-Seidel

Tarea 3.1
Dados los siguientes sistemas de ecuaciones, resolverlos por los tres métodos
a) Gauss-Jordan
b) Gauss-Seidel
c) Jacobi
Intercambiar filas o columnas de ser necesario para que sea xx dominante

3.2 Sistemas de ecuaciones no lineales.
Hasta aquí nos hemos ocupado de determinar las raíces de una sola ecuación no lineal. Un
problema relacionado con éste consiste en obtener las raíces de un conjunto de ecuaciones
simultáneas,
La solución de este sistema consta de un conjunto de valores xi que simultáneamente

hacen que todas las ecuaciones sean iguales a cero.

En el tema anterior presentaremos los métodos, para el caso en que las ecuaciones
simultáneas lineales, es decir, que se puedan expresar en la forma general
donde la b y las a son constantes. A las ecuaciones algebraicas y trascendentes que no se

pueden expresar de esta forma se les llama ecuaciones no lineales. Por ejemplo,
x2 + xy = 10
y + 3xy2 = 57
son dos ecuaciones simultáneas no lineales con dos incógnitas, x y y, las cuales se expresan
en la forma siguiente:

u(x, y) = x2 + xy – 10 = 0
Ec. 3.2.1a
v(x, y) = y + 3xy2 – 57 = 0 Ec. 3.2.1b
Así, la solución serían los valores de x y de y que hacen a las funciones u(x, y) y v(x, y)
iguales a cero. La mayoría de los métodos para determinar tales soluciones son
extensiones de los métodos abiertos para resolver ecuaciones simples.

3.2.1 Método Iterativo secuencial (Iteración de punto fijo modificado).
Planteamiento del problema. Con el método de iteración de punto fijo determine las raíces
de la ecuación (3.2.1). Observe que un par correcto de raíces es x = 2 y y = 3.
Inicie el cálculo con el valor inicial x = 1.5 y y = 3.5.
Solución. Al igual que en el método original de punto fijo primero debe despejarse x e y
de las ecuaciones
u(x, y) = x2 + xy – 10 = 0 v(x, y) = y + 3xy2 – 57 = 0
10 − 𝑥12 yi + 1 = 57 – 3xiyi2
𝑥𝑖 + 1 =
𝑦𝑖
Observe que dejaremos los subíndices en el resto del ejemplo.

Con base en los valores iniciales, las ecuaciones despejadas se utilizan para determinar
un nuevo valor de x:
10−(1.5)2
𝑥𝑖 + 1 = 3.5
= 2.21429
Este resultado y el valor inicial de y = 3.5 se sustituye en la ecuación para yi+1 para
determinar un nuevo valor de y:
yi + 1 = 57 – 3(2.21429)(3.5)2 = -24.37516
Así, parece que el método diverge. Este comportamiento es aún más pronunciado en la
segunda iteración:
10−(2.21429)2
𝑥𝑖 + 1 = − 24.37516 = – 0.20910
yi + 1 = 57 – 3(– 0.20910)(-24.37516)2 =429.709
En efecto, la aproximación se está descomponiendo.

Con la ecuación original puesta en una forma diferente.
Por ejemplo, un despeje alternativo de la ecuación
u(x, y) = x2 + xy – 10 = 0 v(x, y) = y + 3xy2 – 57 = 0

57−𝑦1
𝑥𝑖 + 1 = 10 − 𝑥1𝑦1 𝑦𝑖 + 1 = 3𝑥1
Primera Iteración: Segunda Iteración:
𝑥= 10 − (1.5)(3.5) = 2.17945 𝑥= 10 − (2.17945 )(2.86051) = 1.94053
𝑦=
57−3.5
= 2.86051 57 − 2.86051
3(2.17945) 𝑦= = 3.04955
3(1.94053)
Así, la aproximación converge hacia la solución correcta x = 2 y y = 3.

Tarea 3.2
1.- Entregar el ejercicio anterior con 5 Iteraciones
2.- Entregar los siguientes ejercicios con 4 iteraciones
a)
b)
c)

3.3 Iteración y convergencia de sistemas de ecuaciones.
El método iterativo para sistemas de ecuaciones convergen linealmente. Como en el método
de una incógnita, puede crearse un método de convergencia cuadrática, es decir, el método
de Newton – Raphson multivariable, a continuación se obtendrá este procedimiento para
dos variables; la extensión a tres o mas variables es viable generalizando los resultados.
Ejemplo: Con el método de Newton-Raphson para múltiples ecuaciones determine las

raíces de la ecuación (3.2.1). Observe que un par correcto de raíces es x = 2 y y = 3. Use
como valores iniciales x = 1.5 y y = 3.5.
u(x, y) = x2 + xy – 10 = 0
v(x, y) = y + 3xy2 – 57 = 0

Solución.
Paso 1: Primero calcule las derivadas parciales y evalúelas con los valores iniciales
de x y y:
u(x, y) = x2 + xy – 10 = 0 v(x, y) = y + 3xy2 – 57 = 0

𝜕𝑢0 𝜕𝑣0
= 2x + y = 2(1.5) + 3.5 =6.5 = 3y2 = 3(3.5)2 = 36.75
𝜕𝑥 𝜕𝑥
𝜕𝑢0 𝜕𝑣0
= x = (1.5) = 1.5 = 1 + 6xy = 1 + 6 (1.5)(3.5) = 32.5
𝜕𝑦 𝜕𝑦
Paso 2 Calcular el determinante jacobiano para la primera iteración
𝜕𝑢0 𝜕𝑣0 𝜕𝑢0 𝜕𝑣0

( ∙ )-( ∙ )
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
6.5(32.5) – 1.5(36.75) = 156.125

Paso 3 Calcular los valores de las ecuaciones tomando en cuenta los valores iniciales.
u(x, y) = x2 + xy – 10 = 0 v(x, y) = y + 3xy2 – 57 = 0
ui= (1.5)2 + (1.5)(3.5) – 10 = -2.5 vi = 3.5 + 3(1.5)(3.5)2 – 57 = 1.625
Estos valores se sustituyen en la ecuación de Newton Raphson multivariable que se

calcula para cada incógnita
𝜕𝑣 𝜕𝑢 𝜕𝑢 𝜕𝑣
𝑢𝑖 𝜕𝑦𝑖 −𝑣𝑖 𝜕𝑦𝑖 𝑣𝑖 𝜕𝑥𝑖 −𝑢𝑖 𝜕𝑥𝑖
x𝑖 + 1 = xi - y𝑖 + 1 = yi -
( 𝜕𝑢
𝜕𝑥
𝑖 ∙
𝜕𝑣𝑖
𝜕𝑦
) − ( 𝜕𝑢
𝜕𝑦
𝑖 ∙
𝜕𝑣𝑖
𝜕𝑥
) ( 𝜕𝑢
𝜕𝑥
𝑖 ∙
𝜕𝑣𝑖
𝜕𝑦
) − ( 𝜕𝑢
𝜕𝑦
𝑖 ∙
𝜕𝑣𝑖
𝜕𝑥
)

𝜕𝑣 𝜕𝑢 𝜕𝑢 𝜕𝑣
𝑢𝑖 𝜕𝑦𝑖 −𝑣𝑖 𝜕𝑦𝑖 𝑣𝑖 𝜕𝑥𝑖 −𝑢𝑖 𝜕𝑥𝑖
x𝑖 + 1 = xi - y𝑖 + 1 = yi -
( 𝜕𝑢
𝜕𝑥
𝑖
𝜕𝑣
∙ 𝜕𝑦𝑖 ) − ( 𝜕𝑢
𝜕𝑦
𝑖
𝜕𝑣
∙ 𝜕𝑥𝑖 ) ( 𝜕𝑢
𝜕𝑥
𝑖
𝜕𝑣
∙ 𝜕𝑦𝑖 ) − ( 𝜕𝑢
𝜕𝑦
𝑖
𝜕𝑣
∙ 𝜕𝑥𝑖 )
x = 1.5 - −2.5 32.5 −1.625(1.5) y = 3.5 - 1.625 6.5 −(−2.5)(36.75)

156.125 156.125
x = 156.125 y = 2.84388
Así, los resultados están convergiendo a los valores verdaderos x = 2 y y = 3. Los cálculos
se repiten hasta que se obtenga una precisión aceptable, realice la iteración 2 y 3,
tomando los ultimos valores calculados como los nuevos valores iniciles.

Conclusiones
Como con el método de iteración de punto fijo, la aproximación de Newton-Raphson

puede diverger si los valores iniciales no están lo suficientemente cercanos a la raíz
verdadera. Mientras que para el caso de una sola ecuación los métodos gráficos son
útiles para obtener un buen valor inicial, ningún procedimiento tan simple está disponible
para el caso de múltiples ecuaciones. Aunque existen algunos métodos avanzados
para obtener una primer aproximación aceptable, los valores iniciales a menudo deben
obtenerse mediante prueba y error, con el conocimiento del sistema físico que se está
modelando.
El método de Newton-Raphson para dos ecuaciones puede generalizarse para resolver

n ecuaciones simultáneas. Debido a que el camino más eficiente para esto implica
el álgebra matricial y la solución de ecuaciones lineales simultáneas, se pospondrá su
estudio para la parte tres.

Tarea 3.3
1.- Entregar el ejercicio anterior con 3 Iteraciones
2.- Entregar los siguientes ejercicios con 3 iteraciones
a)
b)
c)

3.3 Aplicaciones

Attachment

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Attachment

Enviado por

Direitos autorais:

Formatos disponíveis

INGENIERIA EN SISTEMAS COMPUTACIONALES

MATERIA: METODOS NUMERICOS

Catedrático: Rusbel Bermudez Rivera

• Elaboración de programas y herramientas que

Un sistema de ecuaciones es un conjunto de dos o más ecuaciones que comparten dos o

Sistemas de Ecuaciones No Lineales

Apuntes por: Rusbel Bermudez Rivera

Muchas de las ecuaciones fundamentales en ingeniería se basan en las leyes de

Apuntes por: Rusbel Bermudez Rivera

Apuntes por: Rusbel Bermudez Rivera

Las matrices cuadradas resultan particularmente importantes cuando se resuelven

Apuntes por: Rusbel Bermudez Rivera

El enfoque se da con el método de Gauss-Seidel, el cual emplea valores iniciales y después

Apuntes por: Rusbel Bermudez Rivera

El método de Gauss-Jordan es una variación de la eliminación de Gauss. La principal

Apuntes por: Rusbel Bermudez Rivera

3 −0.1 −0.2 7.85

1 −0 0333333 −0 066667 2 61667

Apuntes por: Rusbel Bermudez Rivera

Paso 3: Eliminar x1 del segundo renglón, multiplicando el primer renglón por su

1 −0 0333333 −0 066667 2 61667

Apuntes por: Rusbel Bermudez Rivera

1 −0 0333333 −0 066667 2 61667

Apuntes por: Rusbel Bermudez Rivera

1 −0 0333333 −0 066667 2 61667

Paso 6: Normalice el renglón 2, dividiéndolo entre 7.00333

1 −0 0333333 −0 066667 2 61667 0 7.00333 −0.29333 −19.56167

1 −0 0333333 −0 066667 2 61667

Apuntes por: Rusbel Bermudez Rivera

Paso 7: Eliminar x2 del primer renglón, multiplicando el segundo renglón por el

1 −0 0333333 −0 066667 2 61667

1 0 -0.06806 2.52356 Renglón 1 Nuevo

Apuntes por: Rusbel Bermudez Rivera

1 −0 0333333 −0 066667 2 61667

Apuntes por: Rusbel Bermudez Rivera

Paso 10: Normalice el renglón 3 dividiéndolo entre 10.01204

Apuntes por: Rusbel Bermudez Rivera

Apuntes por: Rusbel Bermudez Rivera

Apuntes por: Rusbel Bermudez Rivera

De esta forma, la matriz de coeficientes se ha transformado en la matriz identidad, y la

3.0 (3) – 0.1 (–2.5) – 0.2 (7.00003) = 7.84999 ≅ 7.85

Apuntes por: Rusbel Bermudez Rivera

De esta forma, la matriz de coeficientes se ha transformado en la matriz identidad, y la

3.0(3) – 0.1(–2.5) – 0.2(7.00003) = 7.84999 ≅ 7.85

Apuntes por: Rusbel Bermudez Rivera

El enfoque se da con el método de Gauss-Seidel, el cual emplea valores iniciales y después

El método de iteración Gauss-Seidel se realiza, para la iteración (k+1)

Apuntes por: Rusbel Bermudez Rivera

Debido a que el error en el método de Gauss-Seidel es determinado por el número de

En matemáticas, y concretamente en álgebra lineal, una matriz es de diagonal

3.0𝑥1 −0.1𝑥2 −0.2𝑥3 = 7.85

Apuntes por: Rusbel Bermudez Rivera

Suponga que se da un sistema de n ecuaciones:

Sí este sistema se limita a un conjunto de ecuaciones de 3 × 3 y los elementos de la

Apuntes por: Rusbel Bermudez Rivera

4. Después se regresa a la primera ecuación y se repite todo el procedimiento hasta que la

4.1.- La convergencia se verifica usando el criterio

Suponga que se da un sistema de n ecuaciones:

Sí este sistema se limita a un conjunto de ecuaciones de 3 × 3 y los elementos de la

Apuntes por: Rusbel Bermudez Rivera

4. Después se regresa a la primera ecuación y se repite todo el procedimiento hasta que la

4.1.- La convergencia se verifica usando el criterio

Recuerde que la verdadera solución es: