Solucin de Sistemas de

Ecuaciones Algebraicas Lineales

y No Lineales
Mtodos Numricos

Ecuaciones Algebraicas Lineales

En la parte pasada determinamos el valor de x que
satisface auna sola ecuacin f(x)=0. Ahora nos
ocuparemos del caso para determinar los valores x1,
x2, xn que en forma simultnea satisfacen a un
conjunto de ecuaciones:
f1(x1,x2,x3,xn)=0
f2(x1,x2,x3,xn)=0
.
.
fn(x1,x2,x3,xn)=0
Tales sistemas pueden ser lineales o no lineales. Por
ahora trataremos ecuaciones lineales que son de la
forma general:
a11x1+a12x2++a1nxn=b1
a21x1+a22x2++a2nxn=b2
.
.
an1x1+an2x2++annxn=bn
2

Ecuaciones Algebraicas Lineales

Donde las a son coeficientes constantes, las b son
constantes y n es el numero de ecuaciones.
Mtodo sin computadora para resolver sistemas de
ecuaciones
Para pocas ecuaciones, las ecuaciones lineales (y
algunas no lineales) pueden resolverse con rapidez
mediante tcnicas simples. Sin embargo, para cuatro
o mas ecuaciones, las soluciones se vuelven
laboriosas y se debe usar una computadora.
Histricamente, la incapacidad para resolver a mano
an los conjuntos de ecuaciones mas pequeos, ha
limitado el alcance de problemas para resolver en
muchas aplicaciones de la Ingeniera.
Antes de las computadoras, las tcnicas para resolver
ecuaciones algebraicas lineales, consuman mucho
3
tiempo y eran poco practicas.

Ecuaciones Algebraicas Lineales

Estos procedimientos restringieron la creatividad
debido a que con frecuencia los mtodos eran
difciles de implementar y entender.
Como resultado, en ocasiones se
sobreenfatizaron las tcnicas a expensas de otros
aspectos del proceso de solucion de problemas
tales como la formulacin e interpretacin.
El surgimiento de las computadoras hizo posible
resolver grandes conjuntos de ecuaciones
algebraicas lineales. As, se puede enfrentar
ejemplos y problemas ms reales y complejos.
Adems, se cuenta con ms tiempo en la
formulacin del problema y en su interpretacin
(de la solucin).
4

Ecuaciones Algebraicas Lineales y

prctica de la Ingeniera
Muchas de las ecuaciones fundamentales de
Ingeniera estn basadas en las leyes de la
conservacin, entre algunas cantidades
conocidas que conforman tales leyes estn la
masa, energa y momentum.
En trminos matemticos, esos principios nos
conducen a ecuaciones de balance o de
continuidad que relacionan el comportamiento
del sistema al representarlo por niveles o
respuesta de la cantidad sujeta a modelamiento
con las propiedades o caractersticas del
sistema y de los estmulos externos o funciones
5
forzadas que actan sobre el sistema.

Ecuaciones Algebraicas Lineales y

prctica de la Ingeniera
Como un ejemplo, se puede usar el principio de
la conservacin de la masa para formular un
modelo en una serie de reactores qumicos.
Para este caso, la cantidad que habr de ser
modelada es la masa de los qumicos en cada
reactor. Las propiedades del sistema son la
reaccin caracterstica del qumico, los tamaos
del reactor y los flujos volumtricos.
Las funciones forzadas son los caudales
alimentados de los qumicos hacia el sistema.
En la unidad pasada se vieron como sistemas
de un solo componente resultan en una sola
ecuacin que puede resolverse mediante
tcnicas de localizacin de races. 6

Ecuaciones Algebraicas Lineales y

prctica de la Ingeniera
Los sistemas multicomponentes
resultan en un conjunto agrupado de
ecuaciones matemticas que deben
ser resueltas simultneamente.
Las ecuaciones son acopladas, ya
que las partes individuales del
sistema estn influenciadas por otras
partes.
7

Ecuaciones Algebraicas Lineales y

prctica de la Ingeniera
Dos tipos de sistemas
que pueden
modelarse mediante
ecuaciones
algebraicas lineales:
a) Sistemas de
variables agrupadas
que involucran
componentes finitos
conectados
b) Sistemas de
variables distribuidas
que involucran un
continuo
8

Ecuaciones Algebraicas Lineales y

prctica de la Ingeniera

Por ejemplo, en la figura anterior, el rector 4 escribe entradas de qumicos de

los rectores 2 y 3, en consecuencia, su respuesta depende de la cantidad de
qumicos en esos otros reactores.
Cuando esas dependencias se expresan matemticamente, las ecuaciones
resultantes son a menudo de la siguiente forma algebraica lineal:
a11x1+a12x2++a1nxn=b1
a21x1+a22x2++a2nxn=b2
.
.
an1x1+an2x2++annxn=bn
Las x son como frecuencia de una medida de magnitud de las respuestas a
los componentes individuales. Al usar la figura anterior (a) como ejemplo, x1
podra cuantificar la cantidad de masa en el primer reactor, x2 cuantificara la
cantidad en el segundo, y as sucesivamente.
Las a presentan comnmente las propiedades y caractersticas relacionadas
con las interacciones entre los componentes.
Por ejemplo, las a en la figura (a) anterior, podran reflejar las razones de
flujo de masa entre los reactores.
Por ultimo, las b representan con frecuencia las funciones forzadas actuando
9
sobre el sistema, como la razn de alimentacin.

Ecuaciones Algebraicas Lineales y

prctica de la Ingeniera
Problemas multicomponentes de los tipos anteriores surgen tanto
de modelos matemticos variables agrupados (macro) como los
distribuidos (micro).
Los problemas de variables agrupados involucran componentes
finitos acopladas. Los ejemplos incluyen armaduras, reeactores
(figura a) y circuitos elctricos. Estos tipos de problemas usan
modelos que proporcionan poco o ningn detalle espacial.
Por lo contrario, los problemas con variables distribuidas intentan
describir detalles espaciales de los sistemas sobre una base
continua o semicontinua. La destribucin de qumicos junto con la
longitud de un rector rectangular alargado (figura b) es un ejemplo
de un modelo de variable continua.
Las ecuaciones diferenciales derivadas a partir de las leyes de
conservacin especifican la distribucin de la variable
dependiente para tales sistemas.
Estas ecuaciones diferenciales pueden resolverse numricamente
al convertirlas en un sistema equivalente de ecuaciones
algebraicas simultaneas.
10

Ecuaciones Algebraicas Lineales y

prctica de la Ingeniera
La solucin de tales conjuntos de ecuaciones representa una
importante rea de aplicacin de ingeniera para los mtodos por
ver, estas ecuaciones son acopladas ya que las variables en una
localizacin son dependientes de las variables en regiones
adyacentes. Por ejemplo, la concentracin a la mitad del rector es
una funcin de la concentracin en regiones contiguas. Podran
desarrollarse ejemplos similares para la distribucin espacial de
temperatura o momentum.
Adems de sistemas fsicos, las ecuaciones algebraicas lineales
simultneas surgen tambin en diferentes contextos de problemas
matemticos. Estos resultan cuando se requiere de funciones
matemticas para satisfacer varias condiciones en forma
simultanea. Cada condicin resulta en una ecuacin que contiene
coeficientes conocidos y variables desconocidas. Las tcnicas
analizadas en esta parte pueden usarse para resolver la
incgnitas cuando las ecuaciones son lineales y algebraicas.
Algunas otras tcnicas numricas de uso general que emplean
ecuaciones simultaneas son el anlisis de regresin
y la
11
interpolacin segmentaria.

Eliminacin de Gauss Simple

En las exposiciones se uso la eliminacin de

incgnitas para resolver un par de ecuaciones
simultaneas. El procedimiento se realizo en dos
pasos:
1. Las ecuaciones se manipularon para eliminar una de las
incgnitas de las ecuaciones. El resultado de este paso
de eliminacin fue el de una sola ecuacin con una
incgnita
2. Por consiguiente, esta ecuacin se podra resolver
directamente y el resultado ser sustituido en una de las
ecuaciones originales para encontrar la incgnita restante

Esta tcnica bsica se puede extender a grandes

sistemas de ecuaciones desarrollando un esquema
sistemtico para eliminar incgnitas y sustituir hacia
atrs.
La eliminacin de gauss es lo bsico de estos
12
esquemas.

Eliminacin de Gauss Simple

Esta tcnica sistemtica es la de eliminacin

hacia delante y la sustitucin hacia atrs que
comprende la eliminacin gaussiana.
Aunque estas tcnicas son muy adecuadas para
implementarlas en computadoras, se requiere de
algunas modificaciones para obtener un
procedimiento sistemtico confiable.
En particular, el procedimiento debe evitar la
divisin entre 0.
Al mtodo siguiente se la llama Eliminacin
Gaussiana Simple, ya que no evita este
problema.
Se pueden analizar algunas caracteristicas
adiconales necesarias para tener un
procedimiento sistemtico mas confiable
con el fin
13
de hacerlo de computo y efectivo.

Eliminacin de Gauss Simple

El procedimiento esta diseado para resolver un

conjunto de N ecuaciones
a11x1+a12x2++a1nxn=b1
a21x1+a22x2++a2nxn=b2
.
.
an1x1+an2x2++annxn=bn

Como en el caso de solucin de dos

ecuaciones, la tcnica para N ecuaciones
consiste en dos fases:
La eliminacin de las incognitas y
Su solucin mediante sustitucin14hacia atrs

Eliminacin de Gauss Simple

Eliminacin hacia delante de la incgnitas.
La primera fase se designa para reducir el conjunto de
ecuaciones a un sistema triangular superior.
a11 a12 a13 c1
a21 a22 a23 c2
a31 a32 a33 c3
a11 a12 a13 c1
a22 a23 c2
a33 c3
x3=c3/a33
x2=(c2- a23x3)/ a22

Las dos fases de la

eliminacin de gauss:
Eliminacin hacia
delante
Sustitucin hacia atrs.
Las superndices prima
indica el numero de
veces que los
coeficientes y
constantes han sido
modificados.

15

Eliminacin de Gauss Simple

El paso inicial ser el de eliminar la primera incgnita, x1, desde
la segunda hasta la n- sima ecuacin. Para esto, se
multiplica la primera fila por a21/a11 para obtener:

Ahora, esta ecuacin nueva se le puede restar a la segunda fila

del sistema de ecuaciones para dar:

esto es:
a22x2 + + a2nxn = b2
16

Eliminacin de Gauss Simple

Donde el superndice prima indica que los elementos

han cambiados sus valores originales.
El procedimiento es entonases repetido para las
ecuaciones restantes.
Por ejemplo la fila uno (ecuacin) se puede multiplicar
por a31/ a11 y el resultado se resta a la tercera fila
(ecuacin). Se repite el procedimiento para las
ecuaciones restantes y da como resultado el siguiente
sistema modificado

a11x1 + a12x2 + a12x2 ++ a1nxn =b1

a22x2 + a23x3 ++ a2nxn =b2
a32x2 + a33x3 ++ a3nxn =b3
17

an2x2 + a12x2 ++ annxn =bn

Eliminacin de Gauss Simple

Para los pasos anteriores, la fila 1 (ecuacin 1) es llamada la

ecuacin pivote, y a11 es llamado coeficiente pivote o
elemento. Observe que el proceso de multiplicacin de
primer rengln por a21/a11 es equivalente a dividirlo entre a11
y multiplicarlo por a21.

Algunas veces la operacin de divisin es referida como

normalizacin. Se hace esta distincin por que un elemento
pivote cero, puede interferir con la normalizacin al causar
una divisin entre cero. Mas adelante se regresara a este
punto importante, una vez que se complete la descripcin de
la eliminacin Simple de Gauss.
Ahora se repite el procedimiento antes descrito para
eliminar, la segunda incgnita de la fila 3 (ecuacin 3) hasta
la fila 4 (ecuacin 4). Para realizar esto multiplique la fila 2
(ecuacin 2) por a32/a22 y reste el resultado18 a la fila 3
(ecuacin 3).

Eliminacin de Gauss Simple

Se realiza en forma similar la eliminacin

para las ecuaciones restantes para dar
a11x1 +
a12x2 + a13x3 ++ a1nxn =b1
a22x2 + a23x3 ++ a2nxn =b2
a33x3 ++ a3nxn=b3
..
an3x3 ++ annxn=bn

donde el superndice biprima indica que los

elementos se han modificado dos veces.
El procedimiento se puede continuar usando
las ecuaciones pivote restantes. 19

Eliminacin de Gauss Simple

El procedimiento final en la secuencia
es el uso en la (n-1)-stima ecuaciones
para eliminar el termino xn-1 de la nsima ecuacin. En este punto el
sistema se transforma en un sistema
triangular superior:
a11x1 +
a12x2 + a13x3 ++a1nxn =b1
a22x2 + a23x3 ++a2nxn =b2
a33x3 ++a3nxn=b3
..
a(n-1)nnxn=b(n-1)n
20

Procedimiento
Se elije el rengln pivote. Un rengln arriba de
donde se ocupa el primer cero
Se elije el dato pivote para cada rengln (es fijo
para todo el rengln), que es:
(1er dato donde se ocupa el cero/ dato de la
posicin que le corresponde del rengln pivote)
Se hace la operacin:
(dato de la posicin del rengln donde se
ocupa el cero) (dato pivote)*(dato
correspondiente a esta posicin del rengln
pivote)
21

Eliminacin de Gauss Simple

3x1
0.1x1
0.3x1

- 0.1x2
+ 7x2
- 0.2x2

- 0.2x3
- 0.3x3
+ 10x3

=
=
=

7.85
-19.3
71.4

3
0.1
0.3

- 0.1
+ 7
- 0.2

- 0.2
- 0.3
+ 10

=
=
=

7.85
-19.3
71.4

22

Eliminacin de Gauss Simple

3x1
- 0.1x2
- 0.2x3
= 7.85
0.1x1
+ 7x2
- 0.3x3
= -19.3
0.3x1
- 0.2x2
+ 10x3
= 71.4

Igual a la matriz, ahora haremos la matriz triangular superior

3
-0.1
-0.2
7.85
0.1
7
-0.3
-19.3
0.3
-0.2
10
71.4

Primero es trabajar para hacer ceros los elementos a21 y

a31, primeros elementos de las filas 2 y 3, primero
trabajaremos la segunda fila.
Segunda Fila, primera columna

Multiplicaremos la primera fila por (a21/a11) (0.1/3)=.033333

0.1
-0.0033
-0.0066
0.26166

despus se le resta esta fila resultante a la segunda fila para

obtener la nueva segunda fila y la matriz queda como sigue:
23
3
-0.1
-0.2
7.85

Eliminacin de Gauss Simple

1. Matriz Original

3
0.1
0.3

-0.1
7
-0.2

-0.2
-0.3
10

7.85
-19.3
71.4

Tercera fila, primera columna

Multiplicaremos la primera fila por (a31/a11) (0.3/3)=.01

0.3
-0.01
-0.02
0.785

y despus se le resta esta fila resultante a la segunda fila

para obtener la nueva segunda fila:
0
-0.19
10.02
70.615

La matriz va quedando como sigue:

2. Matriz Modificada1
3
-0.1
-0.2
7.85
0
7.0033
-.293333 -19.56166
0
-0.19
10.02
70.615
24

Eliminacin de Gauss Simple

3
-0.1
-0.2
7.85
0
7.0033
-.293333 -19.56166
0
-0.19
10.02
70.615
Tercera fila, segunda columna
Multiplicaremos la segunda fila por (a32/a22)=
(-0.19/7.0033)=-.027
0.3
-0.19
0.0079
0.5307
y despus se le resta esta fila resultante a la
tercera fila para obtener la nueva tercera fila:
0
0
10.0120
70.0842
quedando la Matriz: 3. Matriz Modificada 2
3
-0.1
-0.2
7.85
0
7.0033
-.293333 -19.56166
0
0
10.0120 25 70.0842

Eliminacin de Gauss Simple

3
0
0

-0.1
7.0033
0

Ahora haremos los despejes:

-0.2
7.85
-0.2933 -19.56166
10.0120
70.0842

x3=c3/a33
x2=(c2- a23x3)/ a22
x1=(c1- a12x2-a13x3)/a11

4. Despejes, operaciones y resultados

x3=70.0842/10.0120 = 7
x2=(-19.56166-(-0.2933*7))/7.0033 = -2.5
x1=(7.85-(-0.1*(-2.5))-(-0.2*7))/3 = 3
26

Mtodo de Gauss Jordan

El mtodo de Gauss/Jordan es una variacin de la eliminacin de

Gauss.

La principal diferencia consiste en que cuando una incgnita se

elimina en el mtodo de Gauss/Jordan, esta es eliminada de todas
las otras ecuaciones en lugar de hacerlo solo en las subsecuentes.

Adems, todos los renglones se normalizan al dividirlos en su

elemento pivote.
a11
a12
a13
c1
a21
a22
a23
c2
a31
a32
a33
c3
1
0
0

0
1
0

0
0
1

c1
c2
c3

27

Mtodo de Gauss Jordan

De esta forma, el paso de eliminacin genera una
matriz de identidad en vez de una triangular. En
consecuencia, no es necesario utilizar la
sustitucin hacia atrs para obtener la solucin. El
mtodo se ilustra mejor con un ejemplo

3x1
7.85
0.1x1
19.3
0.3x1
1. Matriz
Original
71.4

0.1x2

0.2x3

7x2

0.3x3

0.2x2

10x3

primero expresar la matriz:

28

Mtodo de Gauss Jordan

se normaliza el primer rengln, al dividirlo entre el elemento
pivote a11=3, y se obtiene:
1
0.1
0.3

-0.033 -0.0667
2.6167
7
-0.3
-19.3
-0.2
10
71.4

Se elije un pivote, que es el elemento que se har cero. Y se

hace la operacin siguiente:
Elemento a modificar pivote * elemento correspondiente al
rengln normalizado del elemento a modificar
2. Matriz Modificada 1
1
0
0

-0.033
7.0033
-0.190

-0.0667
2.6167
-0.2933
-19.5617
29
10.020
70.6150

Mtodo de Gauss Jordan

1
0
0

-0.033
7.0033
-0.190

-0.0667
2.6167
-0.2933
-19.5617
10.020
70.6150

enseguida, se normaliza el segundo rengln dividindolo

entre a22 (7.00333):
1
0
0

-0.033 -0.0667
2.6167
1
-0.04188
-2.7932
-0.190 10.020
70.6150

al reducir los trminos x2 de las ecuaciones primera y tercera

se obtiene:
3. Matriz
Modificada 2
1
0
0

0
1
0

-0.06806
-0.04188
10.0120

2.52356
-2.7932
70.0843

30

Mtodo de Gauss Jordan

1
0
0

0
1
0

-0.06806
-0.04188
10.0120

2.52356
-2.7932
70.0843

el tercer rengln se normaliza entonces al dividirlo entre

a33=10.0120
4. Matriz Modificada 3

1
0
0

0
1
0

0
0
1

3.0000
-2.5001
7.00003

de esta forma la matriz de coeficientes se ha transformado

en la matriz identidad, y la solucin se obtiene en el lado
derecho del vector. Observe que no se requiere
31
sustitucin hacia atrs para obtener la solucin.

Mtodo de Gauss Jordan

Aunque la tcnica de Gauss-Jordan y la

eliminacin de gauss puede parecer casi
idnticas, la primera requiere mas trabajo.
El mtodo de Gauss-Jordan requiere de
aproximadamente 50% menos operaciones que el
de eliminacin gaussiana, por lo tanto, la
eliminacin de Gauss es el mtodo simple de
eliminacin preferido para obtener soluciones para
ecuaciones algebraicas lineales. Sin embargo,
unas de las razones principales por la que se
introduce Gauss-Jordan es que todava esta en
uso en la ingeniera, as como en algunos
algoritmos numricos.
32

Mtodo de Gauss Jordan

En resumen, la eliminacin de Gauss es el mtodo

fundamental para resolver ecuaciones algebraicas
lineales simultaneas. Aunque es una de las tcnicas
mas antiguas concebidas para este propsito es, sin
embargo, es un procedimiento en extremo efectivo para
obtener soluciones para muchos problemas de la
ingeniera.
Adems, se presento en forma breve las bases del
mtodo de Gauss-Jordan.
Las respuestas obtenidas al usar la eliminacin de
Gauss se pueden verificar al sustituirlas en las
ecuaciones originales. Sin embargo, realizar esto no
siempre representa una prueba confiable para sistemas
mas condicionados.
33

Mtodo de Gauss Seidel

Los mtodos iterativos o aproximados proveen una

alternativa en los mtodos de eliminacin descritos hasta
ahora.
Tales enfoques son similares a las tcnicas que se
desarrollaron en la parte anterior para obtener las races de
una ecuacin simple.
Aquellos planteamientos consistan en suponer un valor y
luego usar un mtodo sistemtico para obtener una
estimacin refinada de la raz.
Esta parte trata con un problema similar (obtener los valores
que simultneamente satisfagan un conjunto de ecuaciones)
se podra esperar que tales mtodos aproximados pudiesen
ser tiles en este contexto. El mtodo de Gauus-Seidel es el
mtodo iterativo mas comnmente usado.
34

Mtodo de Gauss Seidel

Suponga que se da un conjunto de n ecuaciones

[A]{X}={B}
Suponga que para ser concisos se limita a un
conjunto de ecuaciones de 3 x 3. Si los elementos de
la diagonal no son todos cero, la primera ecuacin se
puede resolver para x1, la segunda para x2 y la tercera
para X3, para obtener:

35

Mtodo de Gauss Seidel

Ahora, se pude empezar el proceso de solucin al

escoger los valores iniciales de las x. Una forma
simple para obtener los valores iniciales, es suponer
que todos son cero, estos ceros se pueden sustituir en
la ecuacin 1 para el calculo de x1 la cual se puede
usar para calcular un nuevo valor x1=(b1/a11).
Despus se sustituye este nuevo valor de x1 junto
con los valores previos de cero para x3 en la
ecuacin 2 y calcular el nuevo valor para x2. Este
proceso se repite en la ecuacin 3 para el calculo de
x3 para calcular un nuevo estimado de x3. Despus
se regresa a la primera ecuacin y se repite todo el
procedimiento hasta que la solucion converja los
36
suficientemente cercano a los valores reales.

Mtodo de Gauss Seidel

La convergencia se puede verificar usando el criterio:

para todas las i, donde j y j-1 son las iteraciones

actuales y previas.

37

Mtodo de Gauss Seidel

Problema 1.Enunciado: Use el mtodo de Gauss
Seidel para obtener la solucin al mismo sistema
usado en los ejemplos de Gauss Simple y Gauss
Jordan:
3 x1 - 0.1 x2 - 0.2 x3 = 7.85
0.1 x1 + 7

x2 - 0.3 x3 = -19.3

0.3 x1 - 0.2 x2 + 10 x3 = 71.4

3
0.1

-0.1
7

-0.2
-0.3

7.85
-19.3

38

Mtodo de Gauss Seidel

Sol.
3

-0.1

-0.2

7.85

0.1

-0.3

-19.3

0.3

-0.2

10

71.4

39

Mtodo de Gauss Seidel

no

x1

Ea

X2

Ea

2.616666667

2.99055651

12.5

-2.49962468

11.79

7.000290811

0.07

3.0000319

0.31

-2.49998799

0.01

6.999999283

0.004

3.00000035

0.001 -2.50000004

0.0004

6.999999989

0.00001

-2.79452381

X3

Ea

7.005609524

40

Mtodo de Gauss Seidel

Problema 2.Tarea: Use el mtodo de Gauss
Seidel para obtener la solucin al sistema:
-12 x1 + x2
- x3 = -20
-2 x1 - 4 x2
x1

+ 2 x3 = 10

2 x2 + 2 x3 = 25

41