1

ECUACIONES LINEALES SIMULTANEAS

Resolucin de sistemas de ecuaciones algebraicas lineales por
mtodos aproximados.
Anlisis Numrico. Burden & Faires. 7ma. Edicin. Editorial
Edamsa. 2009.
Mtodos Numricos Pace Guido. - Editorial EUDENE 1997
ECUACIONES LINEALES SIMULTANEAS
Los sistemas de ecuaciones lineales se utilizan en muchos
problemas de ingeniera y de las ciencias.
En aplicaciones matemticas a las ciencias sociales y al
estudio cuantitativo de problemas de administracin y
economa.
2
ECUACIONES LINEALES SIMULTANEAS (2)
Se tiene un sistema con n ecuaciones y m incgnitas (orden n x m)
Si los C
i
no son simultneamente nulos el sistema es No
Homogneo, y las ecuaciones deben ser linealmente independientes
(LI) para obtener soluciones nicas
Si todos los C
i
valen 0 el sistema es Homogneo, y solo existen
soluciones no triviales si todas las ecuaciones no son LI.

= + + +
= + + +
= + + +
n m nm n n
m m
m m
C x a x a x a
C x a x a x a
C x a x a x a
...
.......... .......... .......... ..........
...
...
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
n i para C x a
m
j
i j ij
;...; 2 ; 1
1
= =

=
A X = C
(6.1)
(6.2)
(6.3)
ECUACIONES LINEALES SIMULTANEAS (3)
Si a la matriz A se le adiciona la columna formada por C,
se obtiene la Matriz Orlada o Ampliada
Se llama rango de una matriz A al mximo numero de
filas linealmente independientes de A
Sean r y r las caractersticas (rango) de la matriz del
sistema A y la matriz orlada A, respectivamente.
3
ECUACIONES LINEALES SIMULTANEAS (4)
Llamando:
r : caracterstica de la matriz del sistema,
r' : caracterstica de la matriz orlada,
m : nmero de variables del sistema, y
n : nmero de ecuaciones del sistema
Todo lo referente al comportamiento algebraico de los sistemas
de ecuaciones se encuentra sintetizado por:
ECUACIONES LINEALES SIMULTANEAS (5)
TEOREMA DE ROUCH-FROBENIUS
La condicin necesaria y suficiente para que un sistema de n
ecuaciones y mincognitas sea COMPATIBLE, es que la matriz
A y la orlada A tengan la misma carcterstica
r5 r Incompatible El sistema no tiene solucin
r=r
r = m Determinado 1 solucin
r < m Indeterminado
m r: Grado de
Indeterminacin
Compatible
: soluciones
4
ECUACIONES LINEALES SIMULTANEAS (6)
Si r>m ( caso no contemplado en el teorema de Rouch-Frobenius)
-> sistema es SOBREDETERMINADO.
Existen infinitas soluciones representadas por los puntos, encerrados
dentro de un poliedro convexo del espacio de m dimensiones, y que
podran considerarse como soluciones aproximadas del sistema.
ECUACIONES LINEALES SIMULTANEAS
Los principales mtodos algebraicos para resolver ecuaciones
lineales simultneas son:
A) El mtodo de eliminacin de las incgnitas mediante
combinaciones lineales (Gauss)
B) Y la utilizacin de los determinantes (regla de Cramer)
La regla de CRAMER, calculando los determinantes por medio
de menores, requiere (n-1).(n+1)! productos
Este ltimo resulta poco prctico para resolver simultneamente
grandes nmeros de ecuaciones.
5
ECUACIONES LINEALES SIMULTANEAS (7)
Supondremos a continuacin A es matriz de n x m,
formado por ec. Linealmente independientes.
Para resolver numricamente, este tipo de sistemas se
utilizan:
MTODOS DIRECTOS:
Son provistos por la matemtica pura, y llevan a una solucin
exacta del problema, luego de un nmero finito de pasos. Este
nmero depende exclusivamente de la cantidad de ecuaciones
que componen el sistema.
El error de los resultados se debe, si no hubiese errores
inherentes en los parmetros, nicamente a los redondeos
realizados durante los clculos.
ECUACIONES LINEALES SIMULTANEAS (8)
MTODOS ITERATIVOS.
Los mtodos iterativos, son estrictamente numricos y
dan una solucin aproximada del sistema de ecuaciones
lineales, obtenido como lmite de una sucesin de vectores
construida mediante un proceso de aproximaciones
sucesivas.
6
SISTEMAS NO HOMOGENEOS
Mtodo de Eliminacin de GAUSS
Dado un conjunto de n ecuaciones con n incgnitas; linealmente
Independientes.
Se trata de lograr un sistema triangular equivalente, que se resuelve con
facilidad mediante la denominada SUSTITUCIN INVERSA.
La tcnica se basa en dos fases: la eliminacin de las incgnitas
y su solucin mediante Substitucin hacia atrs.
METODO DE ELIMINACION DE GAUSS (1)
El esquema de GAUSS se inicia reduciendo un conjunto de
ecuaciones simultneas, (6.1), a un sistema de la forma

=
= +
' = ' + ' + + '
= + + + +

) 1 ( ) 1 (
;
) 2 (
1
) 2 (
; 1 1
) 2 (
1 ; 1
2 2 1 1 ; 2 2 22
1 1 1 1 ; 1 2 12 1 11
n
n n
n
n n
n
n n
n
n n n
n
n n
n n n n
n n n n
C x a
C x a x a
C x a x a x a
C x a x a x a x a
L L L L L L L L L L L L
K
K
(6.4)
Superndices: indican los nuevos coeficientes que se
forman en el proceso de reduccin.
7
METODO DE ELIMINACION DE GAUSS (2)
1.- Eliminacin de las incgnitas:
El paso inicial ser eliminar la primera incgnita, x
1
desde la
segunda hasta la n-sima ecuacin. Para ello, se multiplica la
ecuacin inicial por a
21
/a
11
para obtener:
1
11
21
1
11
21
3 13
11
21
2 12
11
21
1 21
...... c
a
a
x a
a
a
x a
a
a
x a
a
a
x a
n n
= + + + +
El proceso de multiplicacin del primer rengln por a
21
/a
11
es equivalente a dividirla entre a
11
y multiplicarla por a
21
.
METODO DE ELIMINACION DE GAUSS (3)
2 2 3 23 2 22 1 21
... C x a x a x a x a
n n
= + + + +
Ahora, esta ecuacin se resta de la segunda fila de la matriz
Para dar:
'
2
'
2 3
'
23 2
'
22
2
11
21
2 1
11
21
2 3 13
11
21
23 2 12
11
21
22
....
...
C x a x a x a
o
C
a
a
c x a
a
a
a x a
a
a
a x a
a
a
a
n n
n n n
= + + +
=
|
|
.
|

\
|
+ +
|
|
.
|

\
|
+
|
|
.
|

\
|

Donde el superndice prima indica que los elementos

han cambiado sus valores originales.
8
METODO DE ELIMINACION DE GAUSS (4)
El procedimiento se repite despus con las ecuaciones
restantes, y da como resultado el siguiente sistema
modificado

' = ' + + '

' = ' + + '
= + + +
n n nn n
n n
n n
C x a x a
C x a x a
C x a x a x a
K
L L L L L L L L L
K
K
2 2
2 2 2 22
1 1 2 12 1 11
METODO DE ELIMINACION DE GAUSS (5)
La ecuacin utilizada para eliminar las incgnitas se denomina
ECUACIN PIVOTE.
El coeficiente de la incgnita que se va a eliminar de las
ecuaciones que la siguen se denomina COEFICIENTE PIVOTE
O ELEMENTO PIVOTE.
Se repite el procedimiento para eliminar la segunda incgnita .
Se realiza la eliminacin en forma similar en las ecuaciones
restantes para obtener:
9
METODO DE ELIMINACION DE GAUSS (6)
2.- Aplicando un procedimiento similar a todas las
ecuaciones con coeficientes de la forma a
ij
, se elimina x
2
desde la tercera en adelante.
Este procedimiento utilizando diferentes ecuaciones pivotes,
se contina hasta que el conjunto original de ecuaciones
haya sido reducido a uno de forma triangular.
' ' ' '
3
' '
3
' '
3
' '
3 3
' '
33
'
2
'
2 3
'
23 2
'
22
1 1 3 13 2 12 1 11
....
...... ..... ..... ..... ..... .....
....
....
....
n nn n
n
n n
n n
C a x a
C a x a
C x a x a x a
C x a x a x a x a
= + +
= + +
= + + +
= + + + +
METODO DE ELIMINACION DE GAUSS (7)
3.- Una vez obtenido el sistema triangular, la ltima ecuacin de
este conjunto suministra directamente el valor de x
n
.
El valor obtenido se sustituye en la penltima ecuacin para
obtener el valor de x
n-1
; y as sucesivamente.

=
= +
' = ' + ' + + '
= + + + +

) 1 ( ) 1 (
;
) 2 (
1
) 2 (
; 1 1
) 2 (
1 ; 1
2 2 1 1 ; 2 2 22
1 1 1 1 ; 1 2 12 1 11
n
n n
n
n n
n
n n
n
n n n
n
n n
n n n n
n n n n
C x a
C x a x a
C x a x a x a
C x a x a x a x a
L L L L L L L L L L L L
K
K
10
METODO DE ELIMINACION DE GAUSS (8)
Este procedimiento es el denominado de SUSTITUCIN
INVERSA.
El nro de ec. que se pueden resolver satisfactoriamente es de
20 a 25 ecuaciones, por efecto de la propagacin de errores.
Costo computacional
El nmero total de operaciones aritmticas en el Algoritmo se puede calcular
mediante las siguientes formulas:
Multiplicaciones/divisiones
2 n
3
+ 3 n
2
- 5 n
6
+
n
2
+ n
2
=
n
3
3
+ n
2
-
n
3
n
3
- n
3
+
n
2
- n
2
=
n
3
3
+
n
2
2
-
5 n
6
Adiciones/sustracciones
11
Costo computacional
El tiempo necesario para determinar los clculos como el subsecuente error de
redondeo depende de la cdad de operaciones de aritmtica de pto. Flotante que
deben realizarse.
El tiempo que se tarde en realizar divisiones y/o multiplicaciones en una
computadora es mas o menos igual.
Resulta mucho mas largo del que toman las sumas y/o restas,->
Las diferencias reales del tiempo de ejecucin depende del sistema de computo
utilizado.
Costo computacional
Para valores grandes de n, el nro. total de multiplicaciones y
divisiones es de aproximadamente n
3
/3
De modo similar es el nro. total de adiciones y sustracciones.
La cantidad de clculos y el tiempo requerido se incrementa
con n en proporcin a n
3
:
338 250 343 300 100
42875 44150 50
375 430 10
11 17 3
Adiciones/sustracciones Multipl./Divisiones n
12
Mtodo de Eliminacin de Gauss
2 2 5 13
2 3 4 20
3 3 10
1 2 3
1 2 3
1 2 3
x x x a
x x x b
x x x c
+ =
+ + =
+ =

( )
( )
( )
Ejemplo:
(
(
(
(
(
(
(
(

(
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
= =
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
= =
= = = =
11
14 31
34
'
34
11
13 31
33
'
33
11
12 31
32
'
32
'
31
11
14 21
24
'
24
11
13 21
23
'
23
11
12 21
22
'
22
'
21
14
'
13
'
12
'
11
'
* * *
0
* * *
0
14 13 12 11
a
a a
a a
a
a a
a a
a
a a
a a a
a
a a
a a
a
a a
a a
a
a a
a a a
a a a a a a a a
Resolver utilizando las formulas
Mtodo de Eliminacin de Gauss
Solucin:
(
(
(

~
(
(
(

~
(
(
(

3 , 12 1 , 4 0 0
7 1 5 0
13 5 2 2
5 , 9 5 , 4 2 0
7 1 5 0
13 5 2 2
10 3 1 3
20 4 3 2
13 5 2 2
1
2
4 15 13
13 3 * 5 2 * 2 * 2
2
5
3 7
7 3 * 1 * 5
3
1 , 4
3 , 12
3 , 12 * 1 , 4
1 1 1
2 2 2
3 3 3
=
+
= = +
=
+
=
=

= =
=
x x x
x x x
x x x
Entonces:
13
Eliminacin de Gauss.
Resolucin del sistema lineal nxn.
: ...... :
.
.
...... :
...... :
1 , 2 2 1 1
1 , 2 2 2 22 1 21 2
1 , 1 1 2 12 1 11 1
+
+
+
= + + +
= + + +
= + + +
n n n nn n n n
n n n
n n n
a x a x a x a E
a x a x a x a E
a x a x a x a E
INPUT nmero de incgnitas y de ecuaciones n; matriz ampliada , donde
1<=i<=n y 1<=j<=n+1
OUTPUT soluciones o mensaje no tiene solucin nica.
Paso 1 Para i = 1,.., n-1 realizar Pasos 2-4. (Proceso de eliminacin.)
Paso 2 Sea p el entero ms pequeo con i<=p<=n y .
Si no puede encontrarse un entero p
entonces OUTPUT (no existe solucin nica);
STOP.
Paso 3 Si entonces realizar
Paso 4 Para j = i+1, , n realizar Pasos 5 y 6.
Paso 5 Sea
Paso 6 Realizar
Paso 7 Si entonces OUTPUT (no existe solucin nica):
STOP.
Paso 8 Sea (Comienza la sustitucin hacia atrs.)
Paso 9 Para i = n-1, .., 1 sea
Paso 10 OUTPUT ; (Procedimiento terminado exitosamente.)
STOP.
) (
ij
a A =
n
x x x ,........, ,
2 1
0 =
pi
a
i p = ) ( ) (
i p
E E
ii ji ji
a a m / =
) ( ) (
j i ji j
E E m E
0 =
nn
a
nn n n n
a a x /
1 , +
=

+ =
+
=
n
i j
ii j ij n i i
a x a a x
1
1 ,
/ ] [
) ,........, (
1 n
x x
14
Estrategias de Pivoteo
Al obtener el Algoritmo anterior, encontramos que era necesario
un intercambio de renglones cuando uno de los elementos
pivote es cero.
El intercambio de renglones tiene la forma
donde p es el entero ms pequeo mayor que k tal que
Para reducir el error de redondeo, frecuentemente es
necesario realizar intercambio de renglones an cuando los
elementos pivote no sean nulos.
0
) (
,
=
k
k k
a
) ( ) (
p k
E E
0
) (
,
=
k
k p
a
IMPLEMENTACION EN LA
COMPUTADORA(1)
Se requiere utilizar matrices al programar. El dato es, la matriz orlada
donde, para conservar la homogeneidad, se debe hacer C
i
= a
i;n+1
.
Se utiliza la siguiente frmula:

s s +
s s
= '
n i k
m j k
para a
a
a
a a
kj
kk
ik
ij ij
1
(6.7)
en la que:
a = elemento de la matriz orlada, a' = elemento de A',
i = nmero de la fila de las matrices, j = nro de la columna,
k = identificacin de la fila pivote, n = cdad de filas
m = cantidad de columnas de las matriz orlada (n+1).
15
IMPLEMENTACION EN LA COMPUTADORA
(2)
Aplicando reiteradamente el proceso, mediante la ecuacin:

s s +
s s +
=

n i k
m j k
para a
a
a
a a
k
ik
k
kk
k
kj k
ij
k
ij
1
1
) 1 (
) 1 (
) 1 (
) 1 ( ) (
(6.8)
se llega a obtener un sistema triangular de la forma (6.4).
El proceso de sustitucin inversa se puede generalizar, de la
siguiente manera:
1 ; ; 2 ; 1 ;
1
K =

= =

+ =
n n i para
a
x a a
x
a
a
x
ii
n
i j
j ij im
i
nn
nm
n
(6.9)
CONSIDERACIONES
Se ha supuesto que, cada elemento pivote ha sido no nulo. Si no
fuera el caso, el procedimiento discutido deber ser modificado de
modo que permita el intercambio de filas
Para obtener mayor precisin se debe realizar cada reduccin
utilizando como fila pivote, la fila que tenga el mayor elemento
pivote.
16
METODO DE GAUSS-JORDAN (1)
Constituye una variacin del mtodo de eliminacin de Gauss.
Permite resolver hasta 20 25 ecuaciones simultaneas
Se distingue del mtodo de Gauss en el hecho de que cuando se
elimina una incgnita, esta es eliminada de todas las ecuaciones
restantes.
La incgnita es eliminada tanto de las que preceden a la ecuacin
pivote, as como de las que siguen.
Consultar esta direccin:
http://www.geocities.com/halen_shezar/matrices/gaussjorda
n.html
METODO DE GAUSS-JORDAN (2)
Pasos a seguir:
1. Dividir la primera ecuacin del sistema por el coeficiente de la
primera incgnita de esa misma ecuacin.
2. Formar otro sistema con la ecuacin as obtenida y esa misma
multiplicada por los coeficientes de la primera incgnita de las
otras ecuaciones,
3. Nuevo sistema: restando la segunda y tercera ecuaciones del
segundo sistema de sus homlogas del primer sistema y la
primera sin modificaciones.
17
METODO DE GAUSS-JORDAN (3)
Los pasos descriptos se pueden realizar utilizando las frmulas
siguientes:
Para determinar todos los elementos de la nueva matriz:

s <
s <
=

m j
n i
a
a a
a b
i j
ij j i
1
1
11
1 1
1 ; 1
(6.10)

=
s <
=

0
1
11 11
1
1 ;
a
m j
a
a
b
j
j n
(6.11)
Y los de la ltima fila, que se calculan mediante:
a = elementos de la matriz procesada, b = elemento de la matriz resultante.
i = nro. de la fila de las matriz original, j = nro de la columna de la matriz original,
m = nro. mximo de columnas (n+1) . n = nro. mximo de filas
PRECAUCIONES (1)
Si el elemento pivote a
11
= 0, entonces
El programa debera incluir la lgica necesaria para verificar que a
11
en cada una de las matrices sea diferente de cero y efectuar, y
consecuentemente, el intercambio de filas si fuere necesario.
El intercambio de renglones no alterar el orden de las incgnitas en
la matriz columna final.
18
PRECAUCIONES (2)
Cuando a
11
sea muy pequeo en comparacin con el orden de
magnitud general de los otros elementos de la columna, su
utilizacin podra disminuir la precisin.
Es conveniente, agregar al programa la codificacin que permita
comparar los valores absolutos de los coeficientes de la primera
columna y poner como ecuacin pivote la que tenga el mayor
coeficiente en la primera incgnita, en valor absoluto.
Comparacin de los mtodos
Mtodo Eliminacin de Gauss:
Ventajas: Algoritmo de solucin mas bsico
Desventaja: Solucin de un nico conjunto de
ecuaciones lineales a la vez.
Mtodo de Gauss-Jordn:
Ventajas: La base para calcular la inversa; puede
resolver conjuntos mltiples de ecuaciones.
Desventaja: Menos eficiente para un nico
conjunto de ecuaciones.
19
Gauss-Jordan Ejemplo (1)
Resolver mediante el mtodo de GAUSS-JORDAN el sgte
sistema de ecuaciones:
2 2 5 13
2 3 4 20
3 3 10
1 2 3
1 2 3
1 2 3
x x x a
x x x b
x x x c
+ =
+ + =
+ =

( )
( )
( )
Dividir la 1era. ecuacin por el coeficiente de la 1era.
incgnita en esa misma ec., de lo que resulta (6.13) (a); se
multiplica la ecuacin as obtenida, por el coeficiente de la
1era. incgnita en cada una de las ecuaciones restantes,
obtenindose:
6.12
Gauss-Jordan Ejemplo (2)
( )
( )
( )

= +
= +
= +
c x x x
b x x x
a x x x
2
39
3 2
15
2 1
3 2 1
2
13
3 2
5
2 1
3 3
13 5 2 2
6.13
A continuacin se resta (6.13) (b) de la (6.12) (b) y (6.13)
(c) de (6.12) (c) convirtiendo a la (6.13) (a) directamente
en la (6.14) (c), obtenindose:
20
Gauss-Jordn.- Ejemplo (3)
6.14
Repitiendo el proceso, se divide la ecuacin (6.14) (a) por el
coef. de la 1era. incgnita en esa ecuacin para obtener
(6.15) (a). Luego se multiplica la (6.15) (a) obtenida,
respectivamente, por el coeficiente del trmino x
2
en cada
una de las ecuaciones (6.14) (b) y (6.14) (c). Esto produce
el siguiente sistema:
( )
( )
( )
5 7
2
2 3
2
9
2 3
19
2
1 2
5
2 3
13
2
x x a
x x b
x x x c
=
=
+ =

Gauss-Jordan Ejemplo (4)

6.15
Seguidamente se resta la (6.15) (b) y la (6.15) (c) de la
(6.14) (b) y la (6.14) (c), respectivamente, y se hace que la
ecuacin (6.15) (a) se convierta en la (6.16) (c),
obtenindose:
( )
( )
( )
x x a
x x b
x x c
2
1
5 3
7
15
2
2
5 3
14
5
2
1
5 3
7
5
2
=
=
+ =

21
Gauss-Jordan Ejemplo (5)
6.16
La repeticin del proceso lleva al siguiente sistema:
( )
( )
( )
=
+ =
=

41
10 3
123
10
1
23
10 3
79
10
2
1
5 3
7
5
x a
x x b
x x c
( )
( )
( )
x a
x b
x c
3
23
10 3
69
10
1
5 3
3
5
3 =
=
=

Sol. x = 1 ; x = 2 ; x = 3,
ECUACIONES DE ERROR (1)
El mtodo de las ECUACIONES DE ERROR, no est destinado
especficamente a resolver sistemas lineales de ecuaciones
Se utiliza para mejorar la aproximacin con que se pueden
determinar las races.
Se trata de un mtodo iterativo y general, que conviene ser
aplicado como culminacin de aquellos mtodos que pudieran sufrir
una prdida considerable de precisin en los resultados finales.
22
ECUACIONES DE ERROR (2)
Sea el sistema, expresado en notacin matricial:
A X = C (6.18)
y se han obtenido las races x'
1
; x'
2
;...; x'
n
por algn otro mtodo.
Sustituyendo estos valores en la ecuacin (6.18), los valores de los
trminos independientes que son obtenidos c'
1
; c'
2
;...; c'
n
varan
respecto de los coeficientes dados porque las races no son exactas.
La sustitucin explicada en el prrafo anterior puede ser expresada
por:
A X = C (6.19)
donde C' es el vector columna de componentes c'
i
.
ECUACIONES DE ERROR (3)
Si se denomina H al vector columna de componentes h
1
; h
2
;...; h
n
que son las correcciones que deben ser agregadas a los valores de las
races para obtener el valor exacto de las mismas, se deduce que:
x
i
= x
i
+ h
i
; i = 1; 2;...; n (6.20)
Si se sustituyen estas expresiones para las races exactas en la
ecuacin: A X = C, se obtiene:
A ( X + H ) = C (6.21)
23
ECUACIONES DE ERROR (4)
Si las ecuaciones A X = C son restadas de las A ( X + H ) = C,
resulta el sistema que encierra las correcciones de las races:
(6.22) A H = C - C = E
donde, los trminos independientes e
i
= c
i
- c'
i
de este sistema,
denotan el error y las ecuaciones reciben el nombre de
ECUACIONES DE ERROR.
ECUACIONES DE ERROR (5)
Si se deseara todava ms precisin, se pueden hacer correcciones a
los valores obtenidos para las correcciones.
Designando las correcciones de las correcciones mediante h' ,
entonces, las races ms precisas x
i
estaran dadas por:
(6.23) x
i
= x
i
+ h
i
+ h
i
+ ...
Este proceso puede ser iterado tanto como sea necesario hasta
obtener las races con la aproximacin deseada.
24
METODO LA MATRIZ INVERSA (1)
Adecuado para resolver un gran nmero de sistemas que difieren
nicamente en los valores de los trminos independientes,->
Se utilizan con ventaja las capacidades de ste mtodo para reducir
substancialmente el nmero de las operaciones aritmticas requeridas
en su resolucin.
METODO LA MATRIZ INVERSA (2)
Dado el siguiente sistema de ecuaciones lineales simultneas:
A X = C (6.24)
para el cual, si el conjunto dado de ecuaciones posee solucin nica, la
matriz A de los coeficientes es no singular, y como tal, admite inversa
A
-1
, tal que:
A A
-1
= A
-1
A = I
donde I es la matriz unitaria o identidad.
25
METODO LA MATRIZ INVERSA (3)
Premultiplicando ambos miembros de A X = C por A
-1
, se obtiene:
A
-1
A X = A
-1
C
de donde:
I X = A
-1
C
y, finalmente:
(6.25) X = A
-1
C
METODO LA MATRIZ INVERSA (4)
Dado el valor de la matriz inversa de coeficientes
del sistema A
-1
, -> es posible determinar fcilmente los elementos de X
para cualquier nmero de sistemas con idntica matriz A :
X = A
-1
C
26
METODO DE GAUSS-SEIDEL (1)
Es un mtodo clasificado como iterativo.
Desventaja: No siempre converge a una solucin, o ,
en ocasiones lo hace muy lentamente.
Ventajas: Adecuado para resolver sistemas con centenares de
ecuaciones e incgnitas, ya que reduce el nro de operaciones
aritmticas y los efectos de la propagacin de errores en las mismas.
En sistemas con altos porcentajes de 0, son eficientes tanto en
almacenamiento de computadora como en el tiempo de clculo.
METODO DE GAUSS-SEIDEL (2)
Definicin: Una matriz cuadrada A, recibe la denominacin de
DIAGONALMENTE DOMINANTE si:
(6.26)
con desigualdad estricta, para por lo menos una de las i.
i a a
j i
ij ii
>

=
;
27
METODO DE GAUSS-SEIDEL (3)
La condicin A para que el mtodo de Gauss-Seidel, aplicado a un
sistema de ecuaciones lineales simultneas, sea convergente es que la
matriz A, de coeficientes del sistema debe ser DIAGONALMENTE
DOMINANTE,
Un sistema DIAGONALMENTE DOMINANTE es condicin
SUFICIENTE para asegurar la convergencia, pero, no es condicin
NECESARIA.
METODO DE GAUSS-SEIDEL (4)
Pasos, para la aplicacin del mtodo de Gauss-Seidel:
1.- Asignar un valor inicial a cada incgnita. Si es posible hacer
una hiptesis razonable, se mejorar substancialmente la rapidez
de convergencia, si no, fijar arbitrariamente estos valores.
2.- Partiendo de la primera ecuacin, determinar un nuevo valor
para la incgnita dominante, utilizando para las otras incgnitas los
valores supuestos segn lo descripto en 1.
28
METODO DE GAUSS-SEIDEL (5)
3.- Pasar a la segunda ecuacin y calcular el valor de la incgnita
dominante, utilizando para ello, el ya calculado en el paso anterior y
los valores supuestos en las otras incgnitas.
4.- Reiterar el procedimiento descripto, con todas las dems
ecuaciones, siempre para la incgnita dominante, utilizando los
ltimos valores calculados. Completado este paso se dice que se ha
concluido una ITERACIN.
5.- Iterar los pasos 2; 3 y 4 hasta que el valor de cada incgnita difiera
del valor respectivo obtenido en la iteracin previa, en una cantidad
menor que un E positivo y arbitrario previamente fijado.
Algoritmo DE GAUSS-SEIDEL (I)
Para resolver A x = b dada una aproximacin inicial
INPUT nmero de ecuaciones e incgnitas n; los elementos ,
1Vi, j V n de la matriz A; los elementos ,1 V i V n de b;
los elementos ,1 V i V n de XO= ; tolerancia TOL; mximo nmero
de iteraciones N.
OUTPUT la solucin aproximada o un mensaje de que el
nmero de iteraciones fue excedido.
Paso 1 Sea k = 1.
Paso 2 Mientras sea (k<=N) realizar Pasos 3-6.
Paso 3 Para i = 1,.,n
Sea
ij
a
) 0 (
x
) 0 (
x
i
b
i
XO
n
x x x ,......., ,
2 1
ii
i
n
i j
j ij
i
j
j ij
i
a
b XO a x a
x
+
=

+ =

= 1
1
1
29
Algoritmo DE GAUSS-SEIDEL (II)
Paso 4 Si ||x-XO|| < TOL entonces OUTPUT
(Procedimiento terminado con xito.)
STOP
Paso 5 Sea k = k + 1.
Paso 6 Para i = 1,..,n sea
Paso 7 OUTPUT (Nmero mximo de iteraciones excedido);
(Procedimiento terminado sin xito.)
STOP.
i i
x XO =
) ,......., , (
2 1 n
x x x
Consideraciones Paso 3: se requiere para cada i= 1,2,3 .n. Si uno de los
elementos a
ii
es cero y el sistema es no singular, se puede reordenar las
ecuaciones de modo que ningn a
ii
sea cero. Para acelerar la convergencia como
deberan ser los a
ii
??
0 = ii
a
METODO DE GAUSS-SEIDEL- Ejemplo (1)
Ejemplo.- Sea el problema de tener que resolver
haciendo uso del mtodo de Gauss-Seidel, con una cota
de error estimada de E s 0 02 ,
2 10 51
2 10 61
10 2 44
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x
+ + =
+ + =
+ + =

comprobar que el sistema propuesto cumple con

la condicin suficiente de convergencia;
30
METODO DE GAUSS-SEIDEL Ejemplo (2)
se supondrn para las incgnitas valores idnticamente
nulos
2 . 0 + 10 . x
2
+ 0 = 51 entonces x
2
= 5,1
0 + 2 . 5,1 + 10 . x
3
= 61 x
3
= 5,08
10 . x
1
+ 5,1 + 2 . 5,08 = 44 x
1
= 2,874
METODO DE GAUSS-SEIDEL - Ejemplo (3)
Una segunda iteracin produce:
las diferencias no son todas menores que E
2 . 2,874 + . x
2
+ 5,08 = 51 entonces x
2
= 4,0172
10 . x
1
+ 4,0172 + 2 . 5,00916 = 44 x
1
= 2,996448
2,874 + 2 . 4,0172 + 10 . x
3
= 61 x
3
= 5,00916
31
METODO DE GAUSS-SEIDEL - Ejemplo (4)
Otra iteracin produce los siguientes valores para las incgnitas:
Se realiza la comparacin de estos valores con los
respectivos de la iteracin anterior,
x
1
= 2,996448 - 2,999941296 < E
x
2
= 4,0172 - 3,999794400 < E
x
3
= 5,00916 -5,000396320 < E
x
1
= 2,999941296
x
2
= 3,999794400
x
3
= 5,000396320
CONCLUSION
La precisin no depende exclusivamente del valor de E, si no
tambin, de la velocidad de convergencia; es decir, que las
diferencias de los resultados obtenidos en dos iteraciones
consecutivas pueden diferir en menos de un E, an cuando estos
resultados se encuentren lejos de los verdaderos valores de las
incgnitas.
Para obtener mayor seguridad y precisin se recomienda utilizar las
ecuaciones de error para concluir la aproximacin de las incgnitas.