UNIDAD 3.

- MTODOS DE SOLUCIN DE SISTEMAS DE ECUACIONES Solucin de sistemas de ecuaciones lineales Gran nmero de problemas prcticos de ingeniera se reduce al problema de resolver un sistema de ecuaciones lineales. Por ejemplo, pueden citarse la solucin de ecuaciones no lineales, la aproximacin polinomial, la solucin de ecuaciones diferenciales parciales, entre otros. Un sistema de m ecuaciones lineales en n incgnitas tiene la forma general: a1,1 x1 + a1,2 x2 + .. + a1,n xn = b1 a2,1 x1 + a2,2 x2 + .. + a2,n xn = b2 . . . . . . . . am,1 x1 + am,2 x2 + .. + am,n xn = bm
3.1 METODOS ITERATIVOS

3.1.1 JACOBI El mtodo Jacobi es el mtodo iterativo para resolver sistemas de ecuaciones lineales ms simple y se aplica slo a sistemas cuadrados, es decir a sistemas con tantas incgnitas como ecuaciones. 1. Primero se determina la ecuacin de recurrencia. Para ello se ordenan las ecuaciones y las incgnitas. De la ecuacin i se despeja la incgnita i. En notacin matricial se escribirse como: x = c + Bx ecu.(2.1)

donde x es el vector de incgnitas. 2. Se toma una aproximacin para las soluciones y a esta se le designa por xo 3. Se itera en el ciclo que cambia la aproximacin xi+1 = c + Bxi ecu.(2.2)

Ejemplo 3. Partiendo de (x = 1, y = 2) aplique dos iteraciones del mtodo de Jacobi para resolver el sistema: 5x+2y=1 x4y=0 Solucin

sistema de ecu.(2.3)

Debemos primeramente despejar de la ecuacin la incgnita correspondiente. x = 0.20 + 0.00 x 0.40 y y = 0.00 + 0.25 x + 0.00 y Escrito en la notacin vectorial quedara: Aplicamos la primera iteracin partiendo de x0 = 1.00 y y0 = 2.00: x1 = 0.20 + 0.00 (1.00) 0.40 (2.00) = 0.60 y1 = 0.00 + 0.25 (1.00) + 0.00 (2.00) = 0.25 3 Aplicamos la segunda iteracin partiendo de x1 = 0.60 y y1 = 0.25: x2 = 0.20 + 0.00 (0.60) 0.40 (0.25) = 0.10 y2 = 0.00 + 0.25 (0.60) + 0.00 (0.25) = 0.15 Aplicamos la siguiente iteracin partiendo de x2 = 0.10 y y1 = 0.15: x3 = 0.20 + 0.00 (0.10) 0.40 (0.15) = 0.26 y3 = 0.00 + 0.25 (0.10) + 0.00 (0.15) = 0.025 Aplicamos la siguiente iteracin partiendo de x3 = 0.26 y y3 = 0.025: x4 = 0.20 + 0.00 (0.26) 0.40 (0.025) = 0.190 y4 = 0.00 + 0.25 (0.26) + 0.00 (0.025) = 0.065 Aplicamos la siguiente iteracin partiendo de x4 = 0.190 y y4 = 0.065: x5 = 0.20 + 0.00 (0.19) 0.40 (0.065) = 0.174 y5 = 0.00 + 0.25 (0.19) + 0.00 (0.065) = 0.0475 Aplicamos la siguiente iteracin partiendo de x5 = 0.174 y y5 = 0.0475: x6 = 0.20 + 0.00 (0.174) 0.40 (0.0475) = 0.181 y6 = 0.00 + 0.25 (0.174) + 0.00 (0.0475) = 0.0435 Si uno dispone de una hoja de clculo como EXCEL es fcil realizar los clculos anteriores: Donde: Di = mx (|xi xi+1|, |yi yi+1|)

Este Di es utilizado como criterio de paro en las iteraciones: Cuando Di es menos que cierto valor dado (Digamos 0.001) uno ya no realiza la siguiente iteracin. Si se grafica las aproximaciones obtenidas en el plano x y se obtendr algo como: Convergencia y convergencia en Jacobi Uno de los principales problemas de los mtodos iterativos es la garanta de que el mtodo va a converger, es decir, va a producir una sucesin de aproximaciones cada vez efectivamente ms prximas a la solucin. En el caso del mtodo de Jacobi no existe una condicin exacta para la convergencia. Lo mejor es una condicin que garantiza la convergencia, pero en caso de no cumplirse puede o no haberla es la siguiente: Si la matriz de coeficientes original del sistema de ecuaciones es diagonalmente dominante, el Mtodo de Jacobi seguro converge.

3.1.2 GAUSS-SEIDEL El mtodo de Gauss-Seidel es muy semejante al mtodo de Jacobi. Mientras que en el de Jacobi se utiliza el valor de las incgnitas para determinar una nueva aproximacin, en el de Gauss-Seidel se va utilizando los valores de las incgnitas recin calculados en la misma iteracin, y no en la siguiente. Por ejemplo, en el Mtodo de Jacobi se obtiene en el primer clculo xi+1, pero este valor de x no se utiliza sino hasta la siguiente iteracin. En el mtodo de Gauss-Seidel en lugar de eso se utiliza de xi+1 en lugar de xi en forma inmediata para calcular el valor de yi+1 de igual manera procede con las siguientes variables; siempre se utilizan las variables recin calculadas. Ejemplo 4. Partiendo de (x = 1, y = 2) aplique dos iteraciones del mtodo de Gauss-Seidel para resolver el sistema: 5x+2y=1 x4y=0 Solucin Debemos primeramente despejar de la ecuacin la incgnita correspondiente. x = 0.20 + 0.00 x 0.40 y y = 0.00 + 0.25 x + 0.00 y Aplicamos la primera iteracin partiendo de x0 = 1.00 y y0 = 2.00: x1 = 0.20 + 0.00 (+1.000) 0.40 (2.00) = 0.600 y1 = 0.00 + 0.25 (0.600) + 0.00 (2.00) = 0.15

Aplicamos la segunda iteracin partiendo de x1 = 0.600 y y1 = 0.15: x2 = 0.20 + 0.00 (0.600) 0.40 (0.15) = 0.26 y2 = 0.00 + 0.25 (0.26) + 0.00 (0.15) = 0.065 Aplicamos la tercera iteracin partiendo de x2 = 0.26 y y2 = 0.065: x2 = 0.20 + 0.00 (0.26) 0.40 (0.065) = 0.174 y2 = 0.00 + 0.25 (0.174) + 0.00 (0.174) = 0.0435

3.2 SISTEMAS DE ECUACIONES NO LINEALES Un sistema de ecuaciones es no lineal, cuando al menos una de sus ecuaciones no es de primer grado.

La resolucin de estos sistemas se suele hacer por el mtodo de sustitucin, para ello seguiremos los siguientes pasos: 1 Se despeja una incgnita en una de las ecuaciones, preferentemente en la de primer grado. y=7x 2 Se sustituye el valor de la incgnita despejada en la otra ecuacin. x2 + (7 x)2 = 25 3 Se resuelve la ecuacin resultante. x2 + 49 14x + x2 = 25 2x2 14x + 24 = 0

x2 7x + 12 = 04 Cada uno de los valores obtenidos se sustituye en la otra ecuacin, se obtienen as los valores correspondientes de la otra incgnita. x=3 x=4 y=73 y=74 y=4 y=3

3.3 ITERACIN Y CONVERGENCIA DE SISTEMAS DE ECUACIN

Un mtodo iterativo trata de resolver un problema (como una ecuacin o un sistema de ecuaciones) mediante aproximaciones sucesivas a la solucin, empezando desde una estimacin inicial. Esta aproximacin contrasta con los mtodos directos, que tratan de resolver el problema de una sola vez (como resolver un sistema de ecuaciones Ax=b encontrando la inversa de la matriz A). Los mtodos iterativos son tiles para resolver problemas que involucran un nmero grande de variables (a veces del orden de millones), donde los mtodos directos tendran un coste prohibitivo incluso con la potencia del mejor computador disponible 3.3.1 SISTEMAS DE ECUACIONES DE NEWTON.
El Mtodo de Newton partiendo de unas condiciones iniciales X0 genera una secuencia de valores X1..Xn que convergen a la solucin si las condiciones iniciales Xo, estn suficientemente prximas a ellas. Ejemplo 1: La ecuacin 2x + 24x +61x -16x + 1 = 0 tiene dos races cerca de 0.1 (0.1213203436; 0.1231056256), encuntrelas mediante el mtodo de Newton-Raphson. Solucin: El mtodo de N-R, es el mtodo iterativo que requiere de la funcin, su derivada y un punto de inicio, la formula est dada por:

Entonces:

Al reemplazar los datos, se obtiene:

Entonces las iteraciones son: x1 = 0.1111328125 x2 = 0.11664780053787 x3 = 0.11936143263559 x4 = 0.12064808476922 x5 = 0.12117604663885 x6 = 0.12131031004941 x7 = 0.12132028783201 x8 = 0.12132034355771 Aproximacin a la raz buscada (0.1213203436) Ahora buscaremos la otra raz, tomando como punto de inicio -m 0.13 x1 = 0.12616290927433 x2 = 0.1242900624559 x3 = 0.12344358909839 x4 = 0.12315206375549 x5 = 0.123106774549 x6 = 0.12310562635671 x7 = 0.1231056256179 Aproximacin a la raz buscada (0.1231056256)

3.3.2 MTODO DE BAIRSTOW Si un polinomio posee races complejas conjugadas, stas no pueden determinarse con el mtodo de Newton o con los dems mtodos tradicionales estudiados, con excepcin del mtodo Muller, partiendo de valores iniciales reales.

Cuando se parte de valores iniciales complejos, pueden obtenerse ceros complejos con ayuda del mtodo de Newton pero mediante aritmtica compleja. La misma aritmtica es indispensable, como hemos visto, en el mtodo de Muller, a partir de valores iniciales reales o complejos.

Con el mtodo publicado por L. Bairstow en 1914 es posible la determinacin de ceros complejos de un polinomio, a partir de valores iniciales reales y sin necesidad de usar aritmtica compleja. El mtodo se sustenta en el mtodo de Newton y se formula a partir de la siguiente observacin, muy simple: Las races del polinomio, o factor, cuadrtico: x2-rx-q

3.4- APLICACIONES Los mtodos iterativos se aplican a matrices grandes y dispersas. El coste por iteracin es O(n2) o menor si se aprovecha la dispersidad. Se espera que converjan en menos de n pasos En la ingeniera civil: funcionaria de la siguiente manera: si tengo un grupo A que tiene un rendimiento X en obra (instalacin de cubiertas) y un grupo B que tiene Y rendimiento, y necesito terminar la instalacin en 25 das. Suponiendo que un grupo este en una ciudad cercana y el otro en una ms lejos. Planteando un sistema de ecuaciones puedo saber cuntos miembros de cada grupo puedo traer para terminar la actividad lo ms rpido posible