Metodos Numericos

Métodos Numéricos
Licenciatura en Ingeniería Ambiental
SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

MÉTODOS DIRECTOS
+ + ⋯ + =

+ + ⋯ + =
⋮ ⋮ ⋮ ⋮
+ + ⋯ + =
: son los coeficientes constantes de las variables donde el subíndice “i” representa el número de fila y “j” el
número de columna.
: es el término independiente de cada ecuación “i”
Métodos de solución para sistemas pequeños de ecuaciones (n ≤ 3).
Existen varios métodos para determinar la solución de sistemas de ecuaciones lineales entre los cuales se
encuentran:
1. Método gráfico
2. Regla de Cramer
3. Eliminación de incógnitas (eliminación gaussiana o eliminación Gauss – Jordan)
1 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

Métodos Numéricos
Método gráfico
Como su nombre lo indica consiste en graficar las ecuaciones en un sistema cartesiano, cada ecuación representa
una línea recta cuando n = 2 y un plano en el espacio cuando n = 3. (n = número de incógnitas) de tal forma que
la intersección de las rectas o de los planos es la solución del sistema.
Para un sistema de dos ecuaciones y dos incógnitas:
+ =
+ =

Despejando x2 de cada ecuación:
= − +

= − +

Las dos ecuaciones están expresadas en la forma:
= + ó !
Las líneas se grafican en coordenadas cartesianas con x2 como ordenada y x1 como abscisa.
Como se había mencionado anteriormente, la intersección de las líneas representa la solución.

Métodos Numéricos
Ejemplo:
Aplicando el método gráfico determine la solución del siguiente sistema.
" + = #
− + =
Gráfica de las líneas del sistema.
20
18
16
14
12
10
−5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9 10
−2
−4
−6
−8
− 10

Métodos Numéricos
Posibles casos:
1) No hay solución
2) Hay infinitas soluciones
3) Sistema mal condicionado
Regla de Cramer.
Cada incógnita de un sistema de ecuaciones puede expresarse como una fracción de dos determinantes, el
denominador es el determinante de la matriz de coeficientes del sistema y el numerador es el determinante de la
matriz que resulta de sustituir o reemplazar la columna de coeficientes de la incógnita en cuestión por el vector de
las constantes b1, b2, ...,bn.
Para un sistema de tres ecuaciones y tres incógnitas:
+ +" " =

+ +" " =
" + " +"" " = "
"

$ = % = & " &
" " ""

Métodos Numéricos
" "

& " & & " & & &
" " "" " " "" " " "
= = " =
$ $ $
Métodos de eliminación
Método de eliminación de Gauss
Consiste en crear una matriz aumentada del sistema con la matriz de coeficientes y el vector de términos
independientes y sobre esta matriz efectuar operaciones elementales de renglón con el objeto de hacer ceros los
elementos debajo de su diagonal principal obteniéndose un sistema de ecuaciones lineales equivalente a partir del
cual y por sustitución hacia atrás se determinan los valores de las incógnitas.
Las operaciones fundamentales de renglón que se pueden aplicar a un sistema de ecuaciones para obtener otro
sistema equivalente (que tienen las mismas soluciones) son:
1. Intercambiar dos renglones.

2. Multiplicar un renglón por una constante distinta de cero.
3. Sumar un renglón a otro renglón.
4. Sumar un múltiplo de un renglón a otro renglón.

Métodos Numéricos
" − '. − '. " = ). #*

Ejemplo:
'. + ) − '. "" = −+. "

'. " − '. + '" = ). ,
" −'. −'. ). #*

Matriz aumentada del sistema.
-'. ) −'. " −+. ".

'. " −'. ' ). ,
" −'. −'. ). #* " −'. −'. ). #*

-'. ) −'. " −+. ". → - ' ). ''"""""" −'. +"""""" −+. *0000).
'. " −'. ' ). , '. " −'. ' ). ,
" −'. −'. ). #* " −'. −'. ). #*

- ' ). ''"""""" −'. +"""""" −+. *0000). → -' ). ''"""""" −'. +"""""" −+. *0000).
'. " −'. ' ). , ' −'. + '. ' )'. 0*
" −'. −'. ). #* " −'. −'. ). #*

-' ). ''"""""" −'. +"""""" −+. *0000) . → - ' ). ''"""""" −'. +"""""" −+. *0000).
' −'. + '. ' )'. 0* ' ' '. '',+ )'. '#,+"
Por sustitución hacia atrás se obtiene:
)'. '#,+"
" = =)
'. '',+

Métodos Numéricos
−+. *0000) + '. +"""""")

= = −. *
). ''""""""
). #* + '. ) + '. −. *

= = ". '
"
Método de eliminación de Gauss - Jordan
Es una derivación de la eliminación gaussiana la cual consiste en reducir la matriz aumentada del sistema de tal
forma que los elementos de la diagonal principal de la matriz de coeficientes sean todos unos y el resto de los
elementos tengan valor cero lo cual tiene la ventaja de no ser necesario el proceso de sustitución hacia atrás pues
pueden leerse en forma directa los resultados del sistema.
" − '. − '. " = ). #*

'. + ) − '. "" = −+. "
'. " − '. + '" = ). ,
" −'. −'. ). #*

Matriz aumentada del sistema.
-'. ) −'. " −+. ".

'. " −'. ' ). ,
Eliminación de Gauss-Jordan

Métodos Numéricos
−'. '"""""" −'. '0000) . 000)

-'. ) −'. " −+. " .
'. " −'. ' ). ,
−'. '"""""" −'. '0000) . 000)

-' ). ''""" −'. +"""" −+. *0).
' −'. +'''' '. ''' )'. 0*'
−'. '"""""" −'. '0000) . 000)

-' −'. ',##,# −. )+"'.
' −'. +'''' '. ''' )'. 0*'
' −'. '0#'0+ . *"*0

-' −'. ',##,# −. )+"'.
' ' '. ''' )'. '#,"
' −'. '0#'0+ . *"*0

-' −'. ',##,# −. )+"'.
' ' ). ''''"
' ' ". '''''

-' ' −. *'''.
' ' ). ''''"

Métodos Numéricos
DIFICULTADES EN LOS MÉTODOS DE ELIMINACIÓN
•
+ "" = #
División por cero
, + 0 + )" = −"

+ + 0" = *
También se pueden presentar problemas cuando un coeficiente está muy cercano a cero ya que se pueden
introducir errores de redondeo.
La técnica de pivoteo se ha desarrollado para evitar en forma parcial estos problemas.
“Se determina el coeficiente más grande disponible en la columna debajo del elemento pivote. Los
renglones se pueden intercambiar de manera que el elemento más grande sea el elemento pivote.”
, + 0 + )" = −"

+ "" = #
+ + 0" = *
• Errores de redondeo.
Las computadoras manejan sólo un número limitado de cifras significativas por lo que es posible que ocurran
errores de redondeo los cuales deben considerarse al evaluar los resultados.

Métodos Numéricos
En sistemas de un gran número de ecuaciones los errores de redondeo tienden a propagarse.
Como regla general es posible afirmar que los errores de redondeo son de importancia cuando se trata de
sistemas de 100 o más ecuaciones.
En cualquier caso se deben sustituir los resultados en las ecuaciones y verificar la magnitud del error.
" − '. − '. " = ). #*

'. + ) − '. "" = −+. "
'. " − '. + '" = ). ,
Si efectuamos los cálculos con seis cifras significativas se obtiene de la eliminación gaussiana:
" − '. − '. " = ). #*

). ''""" − '. +""""" = −+. *0)
'. '''" = )'. '#,"
Empleando la sustitución hacia atrás:
)'. '#,"
" = = ). ''''"
'. '''
−+. *0) + '. +""""). ''''"

= = −. *
). ''''"

Métodos Numéricos
). #* + '. −. * + '. ). ''''"

= ="
"
= "
La solución exacta es:
= −. *
" = ). '
Realizando la sustitución en las ecuaciones originales:
"" − '. −. * − '. ). ''''" = ). #,+++ ≅ ). #*

'. " − )−. * − '. "). ''''" = −+. "''' = −+. "
'. "" − '. −. * + '). ''''" = ). ,''" ≅ ). ,
• Sistemas mal condicionados.
Son aquellos en los cuales pequeños cambios en los coeficientes generan grandes cambios en la solución
además de que un amplio rango de resultados puede satisfacer las ecuaciones en forma aproximada.
Cuando se generan errores en el redondeo estos pueden provocar cambios pequeños en los coeficientes los
cuales a su vez pueden generar errores grandes en los sistemas mal condicionados.
Resuelva el siguiente sistema:

Métodos Numéricos
+ = '
. + = '. ,
Resuélvalo con el coeficiente de 23 de la segunda ecuación modificado ligeramente como 1.05.
' − '. ,
Solución:
= =,
− .
'. , − . '
= ="
− .
' − '. ,
Con el cambio de 1.1 a 1.05:
= =#
− . '*
'. , − . '
= =
− . '*
Si se sustituyen estos valores en las ecuaciones originales se obtiene:
# + = ' = '

. # + = '. # ≅ '. ,
“La sustitución de los valores obtenidos en las ecuaciones originales no permite garantizar que las soluciones
son adecuadas”.

Métodos Numéricos
Un sistema mal condicionado se forma cuando las rectas tiene pendientes muy similares de tal forma que
hay cierta dificultad para manifestar en qué punto se intersectan.
Para el sistema:
+ =
+ =
Las ecuaciones de las rectas en la forma punto-pendiente son:

= − +

= − +

Si las pendientes son muy similares:

≅

Multiplicando en cruz y pasando todos los términos a un solo lado de la igualdad:
− ≅ '
“Un sistema mal condicionado es aquel en el que su determinante es cercano a cero.”

Métodos Numéricos
Sin embargo el determinante de la matriz de coeficientes de un sistema puede cambiar si se multiplica una o
más ecuaciones por un factor determinado de escalonamiento.
23 + 225 = 10
1.123 + 225 = 10.4
Determinante de la matriz de coeficientes:
D = 1(2)-2(1.1) = -0.2
Si multiplicamos ambas ecuaciones por 10 se obtiene:
' + ' = ''

+ ' = ',
El determinante de la matriz de coeficientes resulta:
D = 10(20)-20(11) = -20
La magnitud de los coeficientes interpone un efecto de escalonamiento que complica la relación entre la
condición del sistema y el tamaño del determinante.
La forma de evitar lo expuesto en el párrafo anterior es escalando las ecuaciones en forma tal que el
elemento máximo en cualquier renglón sea igual a 1.

Métodos Numéricos
Ejemplo:
" + = #
a) Sistema bien condicionado
− + =
+ '. 00) = 0
−'. * + =
$ = − '. 00)−'. * = . """
b) Sistema mal condicionado
+ = '
. + = '. ,
'. * + = *
'. ** + = *.
$ = '. * − '. ** = −'. '*

Métodos Numéricos
Evaluación de determinantes usando la eliminación de Gauss.
La eliminación de Gauss lleva la matriz de coeficientes a la forma de matriz triangular superior:
"

- ' " .
' ' ""
"

$=& ' " & = ""
' ' ""
Para el sistema en el que se aplica la eliminación gaussiana (dado que se efectúan cambios de renglones) la
expresión para el determinante se obtiene de la siguiente expresión:
$ = ′ ′′"" ⋯ −

:
Donde “p” representa el número de veces en que los renglones se intercambian.
• Sistemas singulares.
Son aquellos sistemas que tienen infinitas soluciones o no tienen solución.
Para detectar sistemas singulares basta con calcular su determinante ya que en este tipo de sistemas el
determinante de la matriz de coeficientes es igual a cero.

Métodos Numéricos
“Si durante el proceso de eliminación gaussiana un elemento de la diagonal principal se hace cero el cálculo
se puede terminar inmediatamente y en el programa de computadora puede emitirse un mensaje de alerta
al usuario”.
MÉTODO DE DESCOMPOSICIÓN LU E INVERSIÓN DE MATRICES
;<=>?@ = >A@
;<=>B@ − >C@ = '
D D D"

- ' D D" . E F = E F
' ' D"" " "
;G=>B@ − >$@ = '
Supongamos que existe una matriz diagonal inferior con números 1 en la diagonal:
' '
H=- '.
" "
De tal forma que esta matriz tiene la siguiente propiedad:

Métodos Numéricos
;H=I;G=>B@ − >$@J = ;<=>B@ − >C@
De acuerdo con las reglas de multiplicación entre matrices:
;H=;G= = ;<=
;H=>$@ = >C@
Procedimiento para obtener soluciones de sistemas de ecuaciones lineales mediante el método de

descomposición LU:
triangulares inferior ;K= y superior ;L=.

1) Paso de descomposición LU: consiste en factorizar la matriz de coeficientes del sistema en las matrices
;L= se obtiene por eliminación gaussiana.

;K= se forma con los factores por los cuales se multiplicaron los renglones para hacer ceros los elementos de la
matriz de coeficientes que están debajo de la diagonal principal en el método de eliminación gaussiana.
A partir de la ecuación ;K=>M@ = >N@ se genera un vector intermedio >M@ mediante sustitución hacia adelante.
2) Paso de sustitución.
El resultado se sustituye en la ecuación ;L=>O@ − >M@ = 0 resolviéndose por sustitución hacia atrás para >O@.
Para descomponer la matriz de coeficientes de un sistema de tres ecuaciones y tres incógnitas, se procede como
se indica a continuación:

Métodos Numéricos
"

- " . E F = E F
" " "" " "
Al realizar el proceso de eliminación gaussiana se obtendría una matriz triangular superior de la forma:
"

- ' ′ ′" .
' ' ′′""
El signo de prima y doble prima que tienen algunos de los elementos indica que han sido modificados una o dos
veces respectivamente respecto a los valores iniciales.

El primer paso de la eliminación gaussiana consiste en multiplicar el renglón 1 por el factor:
P =

y restar el resultado al segundo renglón para eliminar 53 .
Para eliminar Q3 se multiplica el primer renglón por el factor:
"
P" =


Métodos Numéricos
y se resta del renglón 3.
Finalmente para eliminar ′Q5 es necesario multiplicar el segundo renglón modificado por
′"
P" =
′
y restar el resultado al tercer renglón.
De acuerdo con lo definido para el método de descomposición LU:
"

;G= = - ' ′ ′" .
' ' ′′""
' '
;H= = -P '.
P" P"
Ventajas del método de descomposición LU:
• Implica menor trabajo que la eliminación gaussiana al no realizar operaciones con el lado derecho de las
ecuaciones (términos constantes).
• Resulta muy eficiente cuando deben resolverse ecuaciones con la misma matriz de coeficientes pero con
diferentes constantes del lado derecho.

Métodos Numéricos
• Permite determinar la matriz inversa.
PROCEDIMIENTO PARA DETERMINAR LA MATRIZ INVERSA.
• La matriz se descompone en las matrices ;K= y ;L=.

• Se aplica el segundo paso del método de descomposición considerando como vector >N@ a cada una de las
Por ejemplo para una matriz de 3X3 los tres vectores >N@ que se utilizarían son:
columnas de una matriz identidad del mismo tamaño que la matriz de la cual se quiere obtener la inversa.

>C@ = E'F
'
'
>C@ = EF
'
'
>C@ = E'F

• La solución para cada vector >N@ representan las columnas de la matriz inversa correspondiendo la solución
obtenida con el vector formado por la primer columna de la matriz identidad a la primer columna de la
matriz inversa y así sucesivamente.
CONDICIÓN DEL SISTEMA
La matriz inversa puede emplearse para determinar si los sistemas están mal condicionados:

Métodos Numéricos
Procedimiento 1.
a) Escalar la matriz de coeficientes de forma que el elemento más grande en cada fila o renglón sea 1.
b) Invertir la matriz escalada.
c) Si existen elementos de la matriz inversa que sean varios órdenes de magnitud mayores que 1 es posible que
el sistema esté mal condicionado.
Procedimiento 2.
a) Multiplicar la inversa por la matriz de coeficientes original.

b) Si el resultado no es cercano a la matriz identidad esto indica que el sistema está mal condicionado.
Procedimiento 3.
a) Invertir la matriz inversa.
b) Si el resultado no es cercano a la matriz de coeficientes original entonces el sistema es mal condicionado.
NORMA MATRICIAL
Una norma es una función que toma valores reales y proporciona una medida del tamaño o longitud de matrices.
Norma de Frobenius:

Métodos Numéricos

‖<‖ = ST T ,!
V !V
Norma matricial uniforme o norma renglón - suma:

%á
‖<‖W = TZ! Z
≤≤
!V
Se calcula la suma del valor absoluto de los elementos por cada renglón y la mayor de éstas se toma como la
norma.
NÚMERO DE CONDICIÓN DE UNA MATRIZ
[ ;<= = ‖<‖ ∙ ]<: ]
^_`a ;b= se llama número de condición de una matriz.
Para evaluarla la matriz de coeficientes debe ser escalada de tal forma que el máximo valor en cada renglón sea
1.
Si ^_`a ;b= es considerablemente mayor que la unidad esto sugiere que el sistema está mal condicionado.

Métodos Numéricos
DESCOMPOSICIÓN DE CHOLESKY
Una matriz simétrica es aquella en la cual = para toda i, j además se cumple que ;b= = ;b=c .
Una matriz simétrica se descompone de la siguiente forma:
;<= = ;H=;H=d
Los factores triangulares resultantes son la transpuesta uno de otro.
Se utilizan las siguientes relaciones de recurrencia para el renglón k-ésimo:
e − ∑:
= = , , … . , e −
!V ! e!
e

e:
ee = See − T
e!
!V
Ejemplo: realice la descomposición de Cholesky para la siguiente matriz.
 6 15 55 
 15 55 225 
 
 55 225 979 

Métodos Numéricos
Este método es aplicable a matrices simétricas definidas como positivas.

Una matriz definida como positiva es aquella para la cual el producto:
>B@d ;<=>B@
es mayor que cero para todo vector >O@ distinto de cero.
Ejemplo de matriz simétrica no definida como positiva:
 1 4 9 16 

4 9 16 25 
9 16 25 36 
 16 
 25 36 49 
Al calcular el elemento h55 se obtiene la raíz cuadrada de un número negativo (un número imaginario).
Pasos para resolver un sistema de ecuaciones por descomposición de Cholesky:
;<=>B@ = >C@
Sea
El sistema en forma matricial siendo ;b= simétrica y definida positiva.

Métodos Numéricos
1. Factorizar la matriz ;b= de coeficientes del sistema en la matriz triangular inferior L y su transpuesta.
2. A partir de la ecuación ;K=>M@ = >N@ se genera un vector >M@ mediante sustitución hacia adelante.
3. Este vector intermedio se sustituye en la ecuación ;Kc =>O@ = >M@ para mediante sustitución hacia atrás obtener
la solución del sistema >O@.
Ejemplo: resolver el siguiente sistema de ecuaciones aplicando el método de descomposición de Cholesky.
 4 1 5
    
6 x 21
1 11 2 4   y   11 
⋅ :=
5 2 13 7   z   9 
6    
 4 7 15   w   13 

Métodos Numéricos
SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

MÉTODOS ITERATIVOS
MÉTODO DE GAUSS SEIDEL
Este método es iterativo y consiste en despejar, de cada una de las ecuaciones del sistema, una de las variables de
tal forma que se tenga a cada variable en términos de las demás.
' − )
Ejemplo:
-−" −0
. E F = E−0. *F
* " −. *
) − + "
=
'
−0. * + " − "

=
−0
−. * − −
" =
*
Se eligen valores iniciales de las variables para comenzar el proceso iterativo (generalmente todas iguales a cero).

Métodos Numéricos
Se calcula x1 a partir de los valores iniciales de x2 y x3, posteriormente se evalua x2 empleando el valor calculado de
x1 y el valor inicial de x3, después se evalua x3 empleando los valores de x1 y x2 previamente calculados; el proceso
se repite obteniendo siempre cada variable a partir de los valores previos más recientes de las otras variables.
El proceso iterativo se detiene cuando el error relativo absoluto porcentual aproximado en todas las variables es
menor que un error prefijado i.
−
! !:
Zj, Z = & & ''% < i

!
Esta explicación del método de Gauss-Seidel es extensiva para sistemas de n x n.
CRITERIO DE CONVERGENCIA
El método siempre converge a la solución si la matriz de coeficientes del sistema es diagonalmente dominante, es
decir, si cada uno de los elementos de la diagonal principal es mayor a la suma de los valores absolutos de resto de
los elementos del renglón correspondiente.
Matriz de coeficientes diagonalmente dominante:
 21 4 3 2
 
5 17 6 1 
2 8 25 11 
7 
 9 11 33 

Métodos Numéricos
Matrices de coeficientes no diagonalmente dominantes:
 7 9 11 33  7 2 3 
4
  
2 8 25 11  5 19 7 8 
5 17 6 1  9 10 25 12 
 21   13 
 4 3 2   14 15 30 
Este criterio de convergencia es suficiente más no necesario, es decir, puede presentarse el caso de un sistema en
el que la matriz no sea diagonalmente dominante sin embargo al aplicar el método este converja a la solución.
7 2 3 4
 
5 19 7 8 
9 10 25 12 
 13 
 14 15 30 
MÉTODO DE GAUSS-SEIDEL CON RELAJACIÓN
Después de que se calcula cada nuevo valor de la variable xi este valor se modifica mediante un promedio
ponderado de los resultados de las iteraciones anterior y actual.
Dm
= λDm
+ − λ

Donde λ es un factor que tiene un valor entre 0 y 2.

Métodos Numéricos
Si 0 < λ <1 la modificación se conoce como subrelajación. Hace que un sistema no convergente, converja o
apresure la convergencia al amortiguar sus oscilaciones.
Si 1 < λ < 2 la modificación se conoce como sobrerelajación, permite acelerar la convergencia de un sistema que
ya sea convergente.
La elección de un valor adecuado de λ se determina en forma empírica. Esta técnica se aplica si el sistema de
ecuaciones se va a resolver de manera repetida.
MÉTODO DE JACOBI
Es una modificación del método de Gauss-Seidel.

En cada iteración todas las variables se evaluan a partir de los valores que tienen las variables en la iteración
anterior, es decir, no se utilizan los valores más recientes como en el método de Gauss-Seidel.

Metodos Numericos

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Metodos Numericos

Diunggah oleh

Hak Cipta:

Format Tersedia

Métodos Numéricos

Licenciatura en Ingeniería Ambiental

SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

+   + ⋯ +   =

 : es el término independiente de cada ecuación “i”

Métodos de solución para sistemas pequeños de ecuaciones (n ≤ 3).

3. Eliminación de incógnitas (eliminación gaussiana o eliminación Gauss – Jordan)

1 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

Para un sistema de dos ecuaciones y dos incógnitas:

 =  + ó   !  

Como se había mencionado anteriormente, la intersección de las líneas representa la solución.

2 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

3 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

Para un sistema de tres ecuaciones y tres incógnitas:

+   +" " =

 "

4 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

 " " 

Método de eliminación de Gauss

1. Intercambiar dos renglones.

5 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

" − '.  − '. " = ). #*

'. + ) − '. "" = −+. "

" −'. −'.  ). #*

-'. ) −'. " −+. ".

" −'. −'.  ). #* " −'. −'.  ). #*

" −'. −'.  ). #* " −'. −'.  ). #*

" −'. −'.  ). #* " −'. −'.  ). #*

Por sustitución hacia atrás se obtiene:

6 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

−+. *0000) + '. +"""""")

). #* + '. ) + '. −. *

Método de eliminación de Gauss - Jordan

" − '.  − '. " = ). #*

" −'. −'.  ). #*

-'. ) −'. " −+. ".

7 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

−'. '"""""" −'. '0000) . 000)

−'. '"""""" −'. '0000) . 000)

−'. '"""""" −'. '0000) . 000)

' −'. '0#'0+ . *"*0

' −'. '0#'0+ . *"*0

' ' ". '''''

8 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

DIFICULTADES EN LOS MÉTODOS DE ELIMINACIÓN

, + 0 + )" = −"

La técnica de pivoteo se ha desarrollado para evitar en forma parcial estos problemas.

, + 0 + )" = −"

9 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

En sistemas de un gran número de ecuaciones los errores de redondeo tienden a propagarse.

" − '.  − '. " = ). #*

" − '.  − '. " = ). #*

Empleando la sustitución hacia atrás:

−+. *0) + '. +""""). ''''"

10 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

). #* + '. −. * + '. ). ''''"

Realizando la sustitución en las ecuaciones originales:

"" − '. −. * − '. ). ''''" = ). #,+++ ≅ ). #*

• Sistemas mal condicionados.

Resuelva el siguiente sistema:

11 Profesor: Ing. Miguel Ángel Herrera Bermúdez.

Resuélvalo con el coeficiente de 23 de la segunda ecuación modificado ligeramente como 1.05.

# +  = ' = '

+ + ⋯ + =

: es el término independiente de cada ecuación “i”

= + ó !

+ +" " =

"

" "

" − '. − '. " = ). #*

'. + ) − '. "" = −+. "

" −'. −'. ). #*

" −'. −'. ). #* " −'. −'. ). #*

" −'. −'. ). #* " −'. −'. ). #*

" −'. −'. ). #* " −'. −'. ). #*

−+. *0000) + '. +"""""")

). #* + '. ) + '. −. *

" − '. − '. " = ). #*

" −'. −'. ). #*

−'. '"""""" −'. '0000) . 000)

−'. '"""""" −'. '0000) . 000)

−'. '"""""" −'. '0000) . 000)

' −'. '0#'0+ . "0

' −'. '0#'0+ . "0

, + 0 + )" = −"

, + 0 + )" = −"

" − '. − '. " = ). #*

" − '. − '. " = ). #*

−+. *0) + '. +""""). ''''"

). #* + '. −. * + '. ). ''''"

"" − '. −. − '. ). ''''" = ). #,+++ ≅ ). #

# + = ' = '

− ≅ '

' + ' = ''

$ = − '. 00)−'. * = . """

$ = '. * − '. ** = −'. '*

"

"

$ = ′ ′′"" ⋯ −

D D D"

"

"

"

[ ;<= = ‖<‖ ∙ ]<: ]