UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”

DEPARTAMENTO DE FÍSICA Y MATEMÁTICA

UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

UNIDAD TEMÁTICA I: SOLUCIÓN DE ECUACIONES

OBJETIVO DIDACTICO: Aplicar los diferentes métodos de resolución de ecuaciones no lineales y

sistemas de ecuaciones lineales, a problemas matemáticos estableciendo errores que se cometen en cada
aproximación

I.3.- SISTEMAS DE ECUACIONES LINEALES

OBJETIVO DIDACTICO: El objetivo principal de este tema, es el estudio de los métodos básicos para
resolver conjuntos no homogéneos de ecuaciones lineales.

Un sistema lineal es un conjunto de n ecuaciones, todas lineales que relacionan n incógnitas. Se representa
de la forma siguiente:
a11 x 1 a12 x 2 . . a 1n x n=b 1
a21 x 1 a22 x 2 . . a2n x n=b 2
. . .
. . .
. . .
a n1 x 1 a n2 x 2 . . ann x n=b n
Este conjunto de n ecuaciones con n incógnitas puede ser escrito fácilmente en forma matricial,
obteniéndose el producto de una matriz cuadrada de dimensión nxn por un vector columna de dimensión n,
siendo este producto igual a otro vector columna de dimensión n.

    
a11 a 12 . . . a1n x1 b1
a 21 a 22 . . . a2n x2 b2
. . . . = .
. . . . .
. . . . .
a n1 a n2 . . . ann xn bn
La notación matricial es equivalente al sistema: Ax = b.
No siempre es fácil determinar la solución de un sistema de ecuaciones lineales debido a que este puede:
(a) no tener una única solución,
(b) no tener solución y
(c) la solución puede ser exacta pero mal condicionada.

SOLUCIÓN DE SISTEMAS DE ECUACIONES

Cuando se tienen sistemas de ecuaciones de orden dos o tres sus soluciones se pueden obtener
gráficamente y de manera directa o por métodos directos. Cuando el orden es mayor a “3” empiezan a
aparecer ciertas dificultades, es por ello que surgen los métodos numéricos.
Para obtener la solución de dicho sistema utilizaremos dos métodos genéricos distintos que se caracterizan
por enfoque fundamentalmente diferentes: Métodos directos e iterativos.
Los métodos directos se basan en algoritmos de sustitución sistemáticas que permiten modificar la forma
de la matriz a través de una secuencia conocida de cálculos. Son métodos bastantes rápidos para los
sistemas relativamente pequeños (aquellos que generan matrices densas que son las que aparecen de
orden pequeños y con muy pocos elementos iguales a cero), pero poco prácticos y eficientes para sistemas
grandes, ya que el número de operaciones varía aproximadamente con el orden de estos sistemas. Dentro
de estos métodos directos tenemos:

1 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

- Método de Eliminación de Gauss.

- Método de Gauss-Jordan
- Factorización LU

Los métodos iterativos son más eficaces de trabajar con sistemas de tamaño grande (aquellos que
generan matrices esparcidas que son las que aparecen de orden grande y con mucho elementos iguales a
ceros).Dentro de los métodos iterativos tenemos:
- El Método de Gauss – Seidel.
- El Método de Sobrerrelajación Sucesiva (SOR).

MÉTODOS DIRECTOS
Método de Eliminación de Gauss o Triangularización: la eliminación Gaussiana, llamada así debido a
Carl Friedrich Gauss, es un algoritmo del álgebra lineal para determinar las soluciones de un sistema de
ecuaciones lineales, encontrar matrices e inversas. Cuando se aplica este proceso, la matriz resultante se
conoce como: "forma escalonada".El método de Eliminación de Gauss consiste en transformar un sistema
de ecuaciones lineales (S.E.L.) en otro S.E.L. equivalente más sencillo de resolver (se puede resolver por
simple inspección). Cuando se habla de un sistema equivalente se refiere a un sistema que tiene
exactamente las mismas soluciones.
Antes de comenzar con el desarrollo de cada uno de los métodos señalados, conviene que el estudiante
recuerde algunas definiciones vistas en Álgebra Lineal y que le serán útiles para la solución de los sistmas
utilizando estos métodos.

TIPOS ESPECIALES DE MATRICES

Hay varios tipos de matrices las cuales, debido a su apariencia o comportamiento, se le han dado nombres distintos. La
Primera de estas matrices se produce naturalmente cuando la eliminación de Gauss es realizada sobre un sistema
lineal de ecuaciones.

2 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

Teorema 1:
Si A = aij es una matriz nxn que es triangular superior o triangular inferior (o diagonal). Entonces,
n
Det(A) = ∏ a ii , el producto de la diagonal principal.
i=1
Matriz Simétrica:
Se define como una matriz que se mantiene invariante cuando es transpuesta, es decir:
A = At

Ejemplo:

 
a11 b c
A= b a22 d
c d a33

Matriz anti-simétrica:
En contraste con la de arriba, una matriz anti-simétrica se define como la matriz que cambia de signo cuando es
transpuesta, es decir:
At = - A
La matriz debe ser cuadrada y el término general debe satisfacer:
aij = - aji esta ecuación nos indica que aij = 0, para toda i = j

Ejemplo:

 
0 a b
A= −a 0 c
−b −c 0
Matriz de Banda:
Es cualquier matriz cuadrada en la cual los únicos elementos distintos de cero aparecen en una banda alrededor de la
diagonal principal. Así que, si A es una matriz de banda,

Aij = 0 cuando | i-j| > k

Ejemplo:
Ancho de banda = 2k+1=2*1+1=3, no incluye las filas extremas

 
a 11 a12 0 0
a 21 a 22 a 32 0
A=
0 a32 a 33 a 34
0 0 a 43 a 44
k: ancho demedia banda
Matriz Estrictamente Diagonal Dominante:
n
Se satisface: ∣aii∣ ∑ ∣aij∣ para i ≠ j
j=1

3 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

Ejemplo:

 
7 2 0
A= 3 5 −1
0 5 −6
| 7| > | 2| + | 0| ; | 5| > | 3| + | -1| ; | -6| > | 0| + | 5|

Matriz Positiva Definida:

Si xtAx > 0 para cada vector n – dimensional x ≠ 0 (vector cero). Es decir que la matriz de orden 1 generada por la
operación xtAx tiene un valor positivo para su única entrada.

  
a 11 a 12 .. . a1n x1
a 21 a 22 .. . a 2n x2
n n
t [ x1 x2 . .. xn ] . . . . =∑ ∑ a x
x *A*x = . . . . i=1 j=1
ij j

. . . .
a n1 a n2 .. . a nn xn

METODO DE GAUSS
El método de Gauss es el método más eficiente de solución de un sistema lineal. Las operaciones
sucesivas tienen como objeto reemplazar por elementos nulos todas las posiciones por debajo de la
diagonal, razón por la cual el método de Gauss es llamado método de Triangularización. La fórmula de
sustitución se aplica tanto a los elementos de la matriz como al vector columna, cualquiera sea el índice i
superior a 1
a i1
a 1 
ij =aij −a 1j con i ≠ 1 y 1 ≤ j ≤ n+1
a11
ai1
b 1
i =b i−b1 con i ≠ 1 y 1 ≤ j ≤ n+1
a 11
obteniéndose una matriz intermedia cuya primera columna contiene n – 1 valores nulos.

    
a 11 a 12 . . . a 1n x1 b1
1 1 1
0 a 22 . . . a 2n x2 b2
. . . . = .
. . . . .
. . . . .
0 a 1n2 . . . a 1nn xn b 1n
repitiendo este procedimiento a la matriz obtenida, y utilizando las fórmulas siguientes:
1 
a1 
1 1
ai2
a 2 
ij =a −a
1  1  i2
b 2 
i =bi −b 2
ij 2j 1 
a 22 a1
22


4 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

    
a 11 a 12 a 13 . . a1n x1 b1
0 a 122 a 123 . . a 12n x2 b 12
0 0 a 233 a23n x3 b23
se genera la nueva matriz: . . . =
. . .
. . . . . .

0 0
2
a n3 . .
2
a nn xn bn
2

cada vez se van haciendo cero los elementos de las columnas siguientes, que estén por debajo de la
diagonal principal, aplicando las fórmulas correspondientes hasta obtener un sistema de ecuaciones de la
forma:
ak−1  k −1 
aikk−1
a k   k−1
ij =a ij −a
k−1  ik
b k 
i =bi −bkk−1
kj
akk
k−1
akkk−1

    
a 11 a 12 a 13 . . a 1n x1 b1
0 a 122 a 123 . . a 12n x2 b12
0 0 a 233 a23n x3 b 23
. . . =
. . .
. . . . . .

0 0 0 . .
n−1
a nn xn bn
2

La solución del sistema lineal puede obtenerse fácilmente al realizar la sustitución sucesiva hacia atrás.
Observaciones:
(a) El método no funciona si el coeficiente de la primera fila es cero o si algún coeficiente de la diagonal
principal es igual a cero durante el proceso.
(b) Los coeficientes aik / akk = mik se denominan MULTIPLICADORES.

Ejemplo:
Resolver el siguiente sistema de ecuaciones mediante la eliminación de Gauss.
-0.04 x1 + 0.04 x2 + 0.12 x3 = 3
0.56 x1 – 1.56 x2 + 0.32 x3 = 1
-0.24 x1 + 1.24 x2 - 0.28 x3 = 3
Solución:
La matriz de los coeficientes ampliada con el vector de los términos independientes es:
−0 . 04 0 . 04 0 .12 3
0 . 56 −1. 56 0 .32 ∣1           se calculan los factores  m 21  y  m31  para hacer cero los elementos  a 21  y  a 31
−0 . 24 1. 24 −0 . 28 3
0 . 56 −0 . 24
m 21 = =−14   ,   m31 = =6   
−0 . 04 −0 . 04
a 21 =a21 −a 11⋅m 21 =0, 56−−0, 04 ⋅−14  =0
a 31 =a31 −a11⋅m 31 =−0, 24− −0, 04 ⋅6=0

­0 . 04 0 . 04 0 . 12 3
0 −1 2 ∣ 43        calcular  m 32  para anular  a32
0 1 −1 −15

5 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

1
m 32 = =−1         a32 =a 32 −a22⋅m32 =1−−1 ⋅−1 =0
−1
­0 . 04 0 . 04 0 . 12 3
   0 −1 2 ∣ 43    luego se procede a realizar la sustituci ón hacia atr ás
0 0 1 28
28 43−2∗28 3−0 .12∗28−0 . 04∗13
x 3= =28          x 2 = =13          x 1 = =22          X = 22 ; 13; 28 
1 −1 −0 . 04

Observaciones:
Los principales inconvenientes del método de eliminación de Gauss son los siguientes:
(1) Cuando la matriz A tiene un elemento igual a cero en la diagonal principal, el método fallaría ya que
al calcular el multiplicador mik = aik / akk , correspondiente, se produciría una división por cero.
Hay casos en que estos problemas pueden superarse, y es haciendo un intercambio de filas o de
ecuaciones de manera tal que si akk = 0, este debe quedar por debajo de la fila k. Al elemento akk se
le denomina PIVOTE. Si no hay ningún elemento diferente de cero en la columna k, entonces el
sistema no tiene una solución única.
(2) El elemento PIVOTE muy pequeño: Al usar calculadoras o computadoras, el número de dígitos
disponibles para las operaciones es finito, en este caso se presentan los errores de redondeo
cuando el pivote es muy pequeño, en comparación con los elementos ubicados debajo de él en la
misma columna.
Para minimizar los errores de redondeo es recomendable seleccionar como elemento Pivote el elemento de
la columna que tenga mayor valor absoluto.

Conclusiones: El pivoteo se usa para cambiar el orden secuencial de las ecuaciones para evitar:
a) que los coeficientes de la diagonal tenga valor absoluto mayor que cualquiera de los coeficientes
debajo de él, y
b) para reducir el error de redondeo, aunque los elementos pivotes sean nulos.

Ejemplo:
Resolver el siguiente sistema, haciendo uso del método de eliminación de Gauss:

Solución: Observar bien las operaciones en cada paso

6 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

El sistema equivalente total es:

y por lo tanto la solución del sistema es la tripleta (2, 0, -1).

MÉTODOS ITERATIVOS: GAUSS-SEIDEL y SOBRERRELAJACIÓN

Los sistemas cuya matriz asociada contiene un alto número de ceros o esparcidas se resuelven
frecuentemente usando técnicas iterativas, en lugar de los métodos directos. Una técnica iterativa para
resolver el sistema AX = B, empieza con una aproximación inicial X (o) a la solución X la cual genera una
∞
sucesión de vectores {x(k) } k=1 que converge a X. Al aplicar las técnicas iterativas, el sistema AX = B se
transforma en otro sistema equivalente de la forma: X = TX + C, para alguna matrices T y C. Si X (o) ,
entonces X(1) = TX(0) + C (recuerde las técnicas iterativas para ecuaciones no lineales), en general X (k) =
TX(k-1) + C. Estas técnicas son recomendables para sistemas lineales muy grandes ya que el tiempo
requerido para obtener una precisión suficiente excede al requerido por las técnicas directas tales como la
eliminación gaussiana. Estos métodos también son recomendables para sistemas con matrices de
coeficientes esparcidas.

MÉTODO DE GAUSS – SEIDEL

Sea el sistema AX = B, si A = L + U + D ⇒ (L + U + D)X = B(siendo L, U y D matrices triangular inferior,

triangular superior y diagonal respectivamente) ⇒ DX = -(L + U)X + B
⇒ DX(k) = - (L + U)X(k-1) + B, para determinar X(k) se divide cada elemento del sector derecho por la
componente aii(los elementos de la matriz diagonal), la cual debe ser diferente de cero; en resumen se tiene
la siguiente fórmula para determinar cada elemento de la sucesión del vector aproximación:

X(k) = B – (LX + UX) / aii

Deducción de la fórmula para n = 4:

a11x1 + a12x2 + a13x3 + a14x4 = b1
a21x1 + a22x2 + a23x3 + a24x4 = b2
a31x1 + a32x2 + a33x3 + a34x4 = b4
a41x1 + a42x2 + a43x3 + a44x4 = b4

Aplicando la descomposición anterior:

a11x1 = b1 – (a12x2 + a13x3 + a14x4)
Observe que en cada ecuación, en el
a22x2 = b2 – (a21x1 + a23x3 + a14x4) lado derecho, no debe aparecer la
a33x3 = b3 – (a31x1 + a32x2 + a34x4) componente que se está despejando.
a44x4 = b4 – ( a41x1 + a42x2 + a43x3)
Luego, al despejar cada xi, se tiene: x1 = { b1 – (a12x2 + a13x3 + a14x4)}/ a11, con a11 ≠ 0,
x2 = { b2 – (a21x1 + a23x3 + a14x4)}/a22, con a22 ≠ 0,
x3 = { b3 – (a31x1 + a32x2 + a34x4)}/a33, con a33 ≠ 0,
x4 = { b4 – ( a41x1 + a42x2 + a43x3)}/a44, con a44 ≠ 0,
 0
Si x es una aproximación inicial de la solución entonces:

 k  k−1  k−1  k−1

x1 = { b1 – (a12x 2 + a13x 3 + a14x 4 )}/ a11, con a11

7 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

 k  k  k−1  k−1
x2 = { b2 – (a21 x 1 + a23x 3 + a14x 4 )}/a22, con a22 ≠ 0,
 k  k  k  k−1
x 3 = { b3 – (a31x 1 + a32x 2 + a34x 4 )}/a33, con a33 ≠ 0,
 k  k  k  k
x 4 = { b4 – ( a41x 1 + a42x 2 + a43x 3 )}/a44, con a44 ≠ 0,

Recuerde que por ser un método iterativo, al calcular la primera componente, esta debe ser sustituida en la
siguiente y así sucesivamente hasta terminar todas las componentes. Compare los superíndices de la
componente despejada con los de las componentes que aparecen en la ecuación.

FÓRMULA DE GAUSS-SEIDEL PARA DETERMINAR LA SOLUCIÓN DE UN SISTEMA

 
i−1 n
 k 1
xi = b − ∑ a x  k  − ∑ aij x jk−1  aii ≠ 0, i = 1, . . . , n
aii i j=1 ij j j=i1

Criterios para detener el método: Pueden utilizarse los siguientes controles de pare:
∥x  k  −x  k−1 ∥∞  k  k  k−1 
a) k 
<ε ; b) ∥x −x  k−1 ∥∞ < ε ; c) ∥x −x ∥2 < ε
∥x ∥∞

Ejemplo:
Utilice el método de Gauss-Seidel con x(0) = 0(vector) y ε = 10-3, para resolver el siguiente sistema
de ecuaciones:
10x1 + x2 – 2x3 =6 ⇒
 k
x1 
= 6− x 2
k −1
2x3
 k −1 
 /10
x1 + 10x2 – x3 + 3x4 = 25 ⇒ 
x 2k−1 = 25−x 1k x 3k −1 −3x k
4
−1
/ 10 
-2x1 - x2 + 8x3 - x4 = -11 ⇒
 k
x3 =   k
−112x1 x 2 x 4
k k −1
/8
3x2 – x3 + 5x4 = -11 ⇒ x 4k  = 
−11−3x 2k  x k

3 /5 

TABLA DEL MÉTODO

k 0 1 2 3 4 5 6 7
x 0.0000 0.6000 0.172 0.1106 -0.0389 -0.0742 -0.08134 -0.0821 ∥x  7 −x 6 ∥∞
 k = 0.001
1 ∥x 7 ∥∞
x 2k  0.0000 2.4400 2.6668 3.5844 3.7530 3.7840 3.7827 3.7883

x 3k  0.0000 -0.920 -1.1136 -1.4022 -1.4945 -1.5147 -1.5192 -1.5187

x 4k  0.0000 -0.920 -4.0228 -4.6311 4.7507 -4.7733 -4.7735 -4.7767

SOBRE-RELAJACIÓN
Cuando se utilizan métodos iterativos puede suceder que la sucesión no sea convergente o ésta es muy
lenta. Hay métodos para superar estas fallas, aquí estudiaremos el método de Sobre-relajación, lo que se
busca es acelerar la convergencia, sobre todo en aquellos casos en que la matriz de los coeficientes del
sistema No es estrictamente diagonal dominante.

8 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

La fórmula para aplicar la sobre-relajación a un sistema, surge del método de Gauss-Seidel con una ligera
perturbación o modificación en las componentes recién calculadas a través de un promedio ponderado de
las dos últimas iteraciones:
Si x es una aproximación de x en el sistema Ax = B, entonces R = B - A x , siendo R el resto en la
aproximación(valor verdadero menos el aproximado), este resto junto con la fórmula del método de Gauss-
Seidel proporciona la siguiente fórmula:

 
i−1 n
w bi − ∑ aij x j − ∑ aij x j
 k  k−1  j=1 j=i1 ; aii ≠ 0, i = 1, 2, . . , n (*)
x i = 1−w  x i 
aii

Observaciones:
(1) Si w = 1, la modificación (*) representa la forma iterativa de Gauss-Seidel
(2) Si 0<w<1, la modificación (*) se denomina sub-relajación y se emplea para que un sistema no
convergente sea convergente o apresure su convergencia.
(3) Si 1<w<2, la modificación (*) se denomina SOBRE-RELAJACIÓN, la cual está designada para
acelerar la convergencia. También se le llama sobre-relajación simultánea o sucesiva: SOR. Es
aplicable a sistemas muy grandes.
Generalmente, el valor de w se determina empíricamente.

Consideremos el sistema:
a11x1 + a12x2 + a13x3 + a14x4 = b1
a21x1 + a22x2 + a23x3 + a24x4 = b2
a31x1 + a32x2 + a33x3 + a34x4 = b4
a41x1 + a42x2 + a43x3 + a44x4 = b4

La fórmula de SOR para este sistema es:

 k  k−1  k−1  k−1  k−1

x1 = (1-w) x 1 + {b1 – (a12x 2 + a13x 3 + a14x 4 )}/ a11, con a11
 k  k−1  k  k−1  k−1
x 2 = (1-w) x 2 + {b2 – (a21 x 1 + a23x 3 + a14x 4 )}/a22, con a22 ≠ 0,
 k  k−1  k  k  k−1
x 3 = (1-w) x 3 + {b3 – (a31x 1 + a32x 2 + a34x 4 )}/a33, con a33 ≠ 0,
 k  k−1  k  k  k
x 4 = (1-w) x 4 + {b4 – ( a41x 1 + a42x 2 + a43x 3 )}/a44, con a44 ≠ 0.

Ejemplo:

   
4 −2 0 8
Resolver el sistema Ax = b, siendo A = −2 6 −5 ε
y b = −29 , con w = 1.2, x(0)=0 = 2*10-3
0 −5 11 43

 k  k−1 
w 82x k
−1
Solución: 4x1 – 2x2 =8 ⇒ SOR: x 1 = 1−w  x 1 2 / 4
-2x1 + 6x2 – 5x3 = -29 ⇒
 k
x 2 = 1−w  x 2 k −1  k
w −292x 1 5x3
 k −1
 /6
- 5x2 + 11x3 = 43 ⇒ x 3k  = 1−w  x k−1
3 w  43 5x 2k   / 11


3
2
Consideraremos para este problema l2 = ∥x  k  −x  k−1 ∥ =
2 ∑  x i k −x i k −1 
i=1
x 1k  =−0 . 2x1k −1  ++ 2 . 40 . 6x 2k −1
x 2k  =−0 . 2x 2k −1 −5 . 80 . 4x 1k  x k
−1
3
x 3k  =−0 . 2x3k −1 4 . 6909 0 . 5454 x 2k 

9 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

TABLA
k 1 2 3 4 5 6 7 8
x 1k  2.4 -0.984 0.6922 0.8582 0.9783 0.9932 0.9984 0.9995

x 2k  -4.84 -3.1744 -2.3389 -2.0835 -2.0185 -2.005 -2.0014 -2.0002

x 3k  2.0512 2.5493 2.9054 2.9735 2.9953 2.9983 2.9997 3.000

∥x  8− x 7 ∥2 =  0 . 0011 2 0 . 0012 20 . 0003 2 =0 . 00166 < 2*10-3

Ejemplo:
Resolver el siguiente sistema de ecuación por el método 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

Solución:

Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén 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 iteración se completa sustituyendo los valores de X1 y X2 calculados obteniendo:

10 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

En la segunda iteración, se repite el mismo procedimiento:

Comparando los valores calculados entre la

primera y la segunda iteración

Como podemos observar, no se cumple la

condición

Entonces tomamos los valores calculados en la última iteración y se toman como supuestos para la
siguiente iteración. Se repite entonces el proceso:

Comparando de nuevo los valores obtenidos

Como se observa todavía no se cumple la condición

Así que hacemos otra iteración

Comparando los valores obtenidos

11 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010

 UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA”
DEPARTAMENTO DE FÍSICA Y MATEMÁTICA
UNIDAD CURRICULAR: CÁLCULO NUMÉRICO

Dado que se cumple la condición, el resultado es:

X1 = 3.0 , X2 = -2.5 , X3 = 7.0

Como se puede comprobar no se tiene un número exacto de iteraciones para encontrar una solución. En
este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan más iteraciones.

PROPUESTO: Se deja de investigación al alumno alguna forma que haga que este método converga más
rápidamente.

EJERCICIOS PROPUESTOS

1.- Resuelva los siguientes sistemas aplicando eliminación Gaussiana, a demás encuentre la inversa de la
matriz de coeficientes de cada uno de los sistemas mediante el mismo método:

a.) 2X1 + X2 – 3X3 =b)

-1 4X1 – X2 –X3 = 1 c) 4X1 + 3X2 + 2X3 + X4= 1 d) X1 + 2X2 + X3 = 0
-X1 + 3X2 + 2X3 = 12 -X1 + 4X2 – X4 = 2 3X1 + 4X2 + 3X3 + 2X4 = 1 2X1 + 2X2 + 3X3 = 3
3X1 + X2 – 3X3 = 0 -X1 + 4X3 – X4 = 0 2X1 + 3X2 + 4X3 + 3X4 = -1-X1 - 3X2 = -2
-X2 – X3 + 4X4 = 1 X1 + 2X2 + 3X3 + 4X4 = -1

2.- Resuelva el sistema utilizando eliminación de Gauss

x + y – z = -3
6x + 2y + 2z = 2
-3x + 4y + z = 1
3.- Resolver los sistemas utilizando los métodos de Gauss Seidel y SOR, utilizando los valores de w
correspondientes. Si es necesario asuma nuevos valores de w para acelerar la convergencia, de manera
que se cumpla con una tolerancia de ε = 2*10-4.
10x1 + x2 – 2x3 = 6
x1 + 10x2 – x3 + 3x4 = 25 w = 1.2 ; 1.25 ; 1.3
-2x1 –x2 + 8x3 – x4 = -11
3x2 – x3 + 5x4 = -11

-5x + 12z = 80 -4x1 + x2 = 1

4x – y – z = -2 w = 0.8 x1 – 4x2 + x3 = 1 w = 1.2
6x + 8y = 45 x2 – 4x3 + x4 = 1
x3 – 4x4 = 1

12 Licda. ALEXANDRA NOGUERA, MSc – Departamento de Física y Matemática UNEFM 2010