Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ndice
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss, permite resolver
hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos significativos en las operaciones
aritmticas de la computadora. Este procedimiento se distingue del mtodo Gaussiano en que
cuando se elimina una incgnita, se elimina de todas las ecuaciones restantes, es decir, las que
preceden a la ecuacin pivote as como de las que la siguen.
Primero expresemos los coeficientes y el vector de trminos independientes como una matriz
aumentada.
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero del segundo
rengln. De una manera similar, restando 0.3 veces el primero del tercer rengln se elimina el
trmino con X1 del tercer rengln.
Finalmente, los trminos con X3 se pueden reducir de la primera y segunda ecuacin para obtener:
Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden parecer casi idnticos, el
primero requiere aproximadamente 50% menos operaciones. Por lo tanto, la eliminacin gaussiana
es el m todo simple por excelencia en la obtencin de soluciones exactas a las ecuaciones lineales
simultneas. Una de las principales razones para incluir el mtodo de Gauss-Jordan, es la de
proporcionar un mtodo directo para obtener la matriz inversa.
INVERSIN DE MATRICES
ndice
Sea A una matriz cuadrada no singular, es decir, que su determinante sea diferente de cero,
es la inversa de A si:
(13)
A X = I (14)
Puede considerarse que esta ecuacin matricial representa un sistema de ecuaciones simultneas, en
donde no hay un solo vector de trminos independientes sino n, los n vectores bsicos que forman
la matriz unitaria I. Adems, no existe un solo vector de incgnitas, sino n, los que corresponden a
cada columna de la matriz unitaria.
Por lo anterior, es posible determinar la inversa de una matriz con el mtodo de Gauss-Jordan de
eliminacin completa. Para lograrlo, bastar con aplicar las operaciones elementales sobre los
renglones de la matriz ampliada (A, I) de manera de transformar A en I. Cuando se haya hecho, se
EJEMPLO
Invertir la matriz
Usando a11 como pivote, el rengln 1 se normaliza y se usa para eliminar a X1 de los otros
renglones.
En seguida, se usa a22 como pivote y X2 se elimina de los otros renglones.
ndice
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes nmeros de
ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de Gauss-Seidel. Ninguno de
los procedimientos alternos es totalmente satisfactorio, y el mtodo de Gauss-Seidel tiene la
desventaja de que no siempre converge a una solucin o de que a veces converge muy lentamente.
Sin embargo, este mtodo convergir siempre a una solucin cuando la magnitud del coeficiente de
una incgnita diferente en cada ecuacin del conjunto, sea suficientemente dominante con respecto
a las magnitudes de los otros coeficientes de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros para
asegurar la convergencia y es an ms difcil predecir la velocidad de la convergencia para alguna
combinacin de valores de los coeficientes cuando esa convergencia existe. No obstante, cuando el
valor absoluto del coeficiente dominante para una incgnita diferente para cada ecuacin es mayor
que la suma de los valores absolutos de los otros coeficientes de esa ecuacin, la convergencia est
asegurada. Ese conjunto de ecuaciones simultneas lineales se conoce como sistema diagonal.
1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible hacer
una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar valores
seleccionados arbitrariamente. Los valores iniciales utilizados no afectarn la
convergencia como tal, pero afectarn el nmero de iteraciones requeridas para dicha
convergencia.
2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que tiene el
coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas los valores
supuestos.
3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene el
coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la incgnita del
paso 2 y los valores supuestos para las incgnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la
incgnita que tiene el coeficniente ms grande en cada ecuacin particular, y utilizando
siempre los ltimos valores calculados para las otras incgnitas de la ecuacin. (Durante la
primera iteracin, se deben utilizar los valores supuestos para las incgnitas hasta que se
obtenga un valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando un
valor para la nica incgnita, se dice que se ha completado una iteracin.
5. Continuar iterando hasta que el valor de cada incgnita, determinado en una iteracin
particular, difiera del valor obtenido en la iteracin previa, en una cantidad menor que cierto
seleccionado arbitrariamente. El procedimiento queda entonces completo.
Refirindonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor ser la
precisin de la solucin. Sin embargo, la magnitud del epsilon no especifica el error que puede
existir en los valores obtenidos para las incgnitas, ya que sta es una funcin de la velocidad de
convergencia. Mientras mayor sea la velocidad de convergencia, mayor ser la precisin obtenida
en los valores de las incgnitas para un dado.
EJEMPLO
SOLUCIN:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal esten los coeficientes
mayores para asegurar la convergencia.
Entonces tomamos los valores calculados en la ltima iteracin y se toman como supuestos para la
siguiente iteracin. Se repite entonces el proceso:
Comparando de nuevo los valores obtenidos
X1 = 3.0
X2 = -2.5
X3 = 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para encontrar una solucin.
En este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan ms iteraciones.
Se deja de investigacin al alumno alguna forma que haga que este mtodo converga ms
rpidamente.
Introduccin.
Mtodos exactos:
Aunque los mtodos de eliminacin tienen una gran utilidad, el uso de toda
la matriz de coeficientes puede ser un factor muy importante cuando se trata
de sistemas muy grandes y dispersos.
Mtodos aproximados:
El mtodo de Gauss-Seidel es diferente a los mtodos exactos, en cuanto que
ste, emplea un esquema iterativo en la obtencin progresiva de
aproximaciones ms cercanas a la solucin. Por lo tanto, el efecto de redondeo
es un punto discutible dentro del mtodo, ya que las iteraciones se pueden
prolongar tanto como sea posible para obtener la precisin deseada.
Puede aceptarse que las siguientes 3 operaciones sobre una matriz ampliada
producen otras correspondientes a un sistema equivalente:
ELIMINACIN DE GAUSS
Este algoritmo consiste en dos procesos:
Caractersticas
Desventajas del mtodo de eliminacin
Divisin entre cero
Errores de redondeo
cualquier ).
Ahora tomamos como pivote el elemento a33=2, multiplicamos la tercera ecuacin por y la
restamos a la primera:
Finalmente, tomamos como pivote a22=-4, multiplicamos la segunda ecuacin por y la sumamos
a la primera:
El sistema de ecuaciones anterior es, como hemos visto, fcil de resolver. Empleando la ecuacin
obtenemos las soluciones:
Ejercicio
4 x1 - 9 x 2 + 2 x 3 = 5
2 x1 - 4 x 2 + 6 x 3 = 3
x1 - x 2 + 3 x 3 = 4