MÉTODO DE GAUSS - JORDAN
Este método, que constituye una variación del método de eliminación de Gauss, permite
resolver hasta 15 o 20 ecuaciones simultáneas, con 8 o 10 dígitos significativos en las
operaciones aritméticas de la computadora. Este procedimiento se distingue del método
Gaussiano en que cuando se elimina una incógnita, se elimina de todas las ecuaciones
restantes, es decir, las que preceden a la ecuación pivote así como de las que la siguen.
El método se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de términos independientes como una
matriz aumentada.
Se normaliza el primer renglón dividiendo entre 3 para obtener:
El término X1 se puede eliminar del segundo renglón restando 0.1 veces el primero del
segundo renglón. De una manera similar, restando 0.3 veces el primero del tercer
renglón se elimina el término con X1 del tercer renglón.
En seguida, se normaliza el segundo renglón dividiendo entre 7.00333:
Reduciendo los términos en X2 de la primera y la tercera ecuación se obtiene:
El tercer renglón se normaliza dividiéndolo entre 10.010:
Finalmente, los términos con X3 se pueden reducir de la primera y segunda ecuación
para obtener:
Nótese que no se necesita sustitución hacia atrás para obtener la solución.
Las ventajas y desventajas de la eliminación gaussiana se aplican también al método de
Gauss-Jordan.
Aunque los métodos de Gauss-Jordan y de eliminación de Gauss pueden parecer casi
idénticos, el primero requiere aproximadamente 50% menos operaciones. Por lo tanto,
la eliminación gaussiana es el método simple por excelencia en la obtención de
soluciones exactas a las ecuaciones lineales simultáneas. Una de las principales razones
para incluir el método de Gauss-Jordan, es la de proporcionar un método directo para
obtener la matriz inversa.
Aplicación del método Gauss-Jordán Para la resolución de un
problema de Ingeniería
DISTRIBUCIÓN DE RECURSOS
Todos los campos de la ingeniería enfrentan situaciones en las que la distribución
correcta de recursos es un problema crítico. Estas situaciones se presentan al organizar
inventarios deconstrucción, distribución de productos y recursos en la ingeniería,
Aunque los problemas siguientes tienen que ver con la fabricación de productos, el
análisis general tiene importancia en un amplio panorama de otros problemas. Un
ingeniero Civil supervisa la producción de cuatro tipos de mezclas de concreto para la
elaboración de prefabricados. Se requieren cuatro clases de recursos- Horas-hombre,
grava, Arena y Agua
En este cuadro se resumen las cantidades necesarias para cada uno de estos recursos en
la producción de cada tipo de mezclas. Si se dispone diariamente de 504 horas, hombre,
1970 kg Grava, 970 kg de Arena y 601 litros de agua. ¿Cuántas mezclas de cada tipo se
pueden realizar por día?
SOLUCION: La cantidad total producida de cada mezcla esta restringida al total de
recursos disponibles encada categoría diariamente. Estos recursos disponibles se
distribuyen entre los cuatro tipos de mezcla.
3x1 + 4x2 + 7x3 + 20x4 =< 504Y
Así sucesivamente con los demás recursos.
20x1 + 25x2 + 40x3 + 50x4 =< 1970
10x1 + 15x2 + 20x3 + 22x4 =< 970
10x1 + 8x2 + 10x3 + 15x4 =< 601
Cada una de estas ecuaciones se debe satisfacer de forma simultánea de otra manera, se
acabaría uno o más de los recursos necesarios en la producción de los cuatro tipos de
mezclas. Si los recursos disponibles representados por el vector de término
independiente de las ecuaciones anteriores, se reducen todos a cero simultáneamente,
entonces se puede remplazar el signo menor o igual por el de igual. En este caso la
cantidad total de cada tipo de mezcla producida se puede calcular resolviendo un
sistema de ecuaciones de 4 por 4 usando los métodos de gauss. Aplicando la
eliminación Gaussiana con los pasos anteriores se tiene que:
X1=10
X2=12
X3=18
X4=15
Esta información se usa en el cálculo de las ganancias totales. Por ejemplo, suponiendo
las ganancias que corresponden a cada mezcla están dadas por P1, P2, P3 y P4. La
ganancia total asociada con un día de actividad está dada por:
P = p1x1 + p2x2 +p3x3 + p4x4
Se sustituyen los resultados de X’s y se calculan las ganancias usando los coeficientes
del siguiente cuadro.
P = 1000(10)+ 700(12)+ 1100(18)+ 400(18) = 44 200
De esta forma se pueden obtener una ganancia de $44 200 diarios con los recursos
especificados en el problema. Las ventajas y desventajas de la eliminación gaussiana se
aplican también al método de Gauss-Jordan. Aunque los métodos de Gauss-Jordan y de
eliminación de Gauss pueden parecer casi idénticos, el primero requiere
aproximadamente 50% menos operaciones. Por lo tanto, la eliminación gaussiana es el
método simple por excelencia en la obtención de soluciones exactas a las ecuaciones
lineales simultáneas. Una de las principales razones para incluir el método de Gauss-
Jordan, es la de proporcionar un método directo para obtener la matriz inversa
MÉTODO DE GAUSS-SEIDEL
El método de eliminación para resolver ecuaciones simultáneas suministra soluciones
suficientemente precisas hasta para 15 o 20 ecuaciones. El número exacto depende de
las ecuaciones de que se trate, del número de dígitos que se conservan en el resultado de
las operaciones aritméticas, y del procedimiento de redondeo. Utilizando ecuaciones de
error, el número de ecuaciones que se pueden manejar se puede incrementar
considerablemente a más de 15 o 20, pero este método también es impráctico cuando se
presentan, por ejemplo, cientos de ecuaciones que se deben resolver simultáneamente.
El método de inversión de matrices tiene limitaciones similares cuando se trabaja con
números muy grandes de ecuaciones simultáneas.
Sin embargo, existen varias técnicas que se pueden utilizar, para resolver grandes
números de ecuaciones simultáneas. Una de las técnicas más útiles es el método de
Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el
método de Gauss-Seidel tiene la desventaja de que no siempre converge a una solución
o de que a veces converge muy lentamente. Sin embargo, este método convergirá
siempre a una solución cuando la magnitud del coeficiente de una incógnita diferente en
cada ecuación del conjunto, sea suficientemente dominante con respecto a las
magnitudes de los otros coeficientes de esa ecuación.
Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a los otros
para asegurar la convergencia y es aún más difícil predecir la velocidad de la
convergencia para alguna combinación de valores de los coeficientes cuando esa
convergencia existe. No obstante, cuando el valor absoluto del coeficiente dominante
para una incógnita diferente para cada ecuación es mayor que la suma de los valores
absolutos de los otros coeficientes de esa ecuación, la convergencia está asegurada. Ese
conjunto de ecuaciones simultáneas lineales se conoce como sistema diagonal.
Un sistema diagonal es condición suficiente para asegurar la convergencia pero no es
condición necesaria. Afortunadamente, las ecuaciones simultáneas lineales que se
derivan de muchos problemas de ingeniería, son del tipo en el cual existen siempre
coeficientes dominantes.
La secuencia de pasos que constituyen el método de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incógnita que aparezca en el conjunto. Si es
posible hacer una hipótesis razonable de éstos valores, hacerla. Si no, se pueden
asignar valores seleccionados arbitrariamente. Los valores iniciales utilizados
no afectarán la convergencia como tal, pero afectarán el número de iteraciones
requeridas para dicha convergencia.
2. Partiendo de la primera ecuación, determinar un nuevo valor para la incógnita
que tiene el coeficiente más grande en esa ecuación, utilizando para las otras
incógnitas los valores supuestos.
3. Pasar a la segunda ecuación y determinar en ella el valor de la incógnita que
tiene el coeficiente más grande en esa ecuación, utilizando el valor calculado
para la incógnita del paso 2 y los valores supuestos para las incógnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado
de la incógnita que tiene el coeficniente más grande en cada ecuación particular,
y utilizando siempre los últimos valores calculados para las otras incógnitas de
la ecuación. (Durante la primera iteración, se deben utilizar los valores supuestos
para las incógnitas hasta que se obtenga un valor calculado). Cuando la ecuación
final ha sido resuelta, proporcionando un valor para la única incógnita, se dice
que se ha completado una iteración.
5. Continuar iterando hasta que el valor de cada incógnita, determinado en una
iteración particular, difiera del valor obtenido en la iteración previa, en una
cantidad menor que cierto seleccionado arbitrariamente. El procedimiento
queda entonces completo.
Refiriéndonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor
será la precisión de la solución. Sin embargo, la magnitud del epsilon no especifica el
error que puede existir en los valores obtenidos para las incógnitas, ya que ésta es una
función de la velocidad de convergencia. Mientras mayor sea la velocidad de
convergencia, mayor será la precisión obtenida en los valores de las incógnitas para un
dado.
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 esten 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 X 1 y X2 calculados
obteniendo:
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
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.
