Universidad de Sucre & Departamento de Matemáticas
Curso virtual: Métodos numéricos, Julio-2020
Guía 5. Métodos Iterativos para la solución de sistemas 𝐴𝑋 = 𝑏, compatible-determinado
Son pocas ecuaciones (𝑛 ≤ 3), las ecuaciones lineales que pueden resolverse con rapidez mediante técnicas simples. Sin embargo, con cuatro o
más ecuaciones, la solución se vuelve laboriosa y debe usarse una computadora. Históricamente, la incapacidad para resolver a mano los sistemas
de ecuaciones más grandes ha limitado la solución de problemas, de las ciencias y la ingeniería, que se expresan mediante sistemas de ecuaciones
lineales.
Ejemplo 1. La distribución de temperatura de estado estable en una placa caliente está modelada por la ecuación de Laplace. Si se representa la
placa por una serie de nodos (imagen 1), la ecuación diferencial puede cambiarse por sistema de ecuaciones lineales, cuyas dimensiones dependen
del número de nodos elegidos sobre la placa.
Para el caso en que 𝑛 = 𝑚 = 3 y temperaturas fijas en los bordes, como las mostrada en la imagen 2, se obtiene el siguiente sistema de ecuaciones
lineales
Sistemas de ecuaciones lineales consistentes determinados
Teorema de Rouché-Frobenius: La condición necesaria y suficiente para que un sistema de 𝑚 ecuaciones lineales con 𝑛 incógnitas sea compatible es que el rango de la matriz
de los coeficientes de las incógnitas (𝐴) sea igual al rango de la matriz ampliada con los términos independientes (𝐴∗ ). Es decir: rango (𝐴) = rango (𝐴∗ ).
Si el valor común de los rangos coincide con el número de incógnitas, el sistema es compatible determinado. Si, por el contrario, el valor de los rangos es menor que el número de
incógnitas el sistema es compatible indeterminado. En resumen:
• Si rango (𝐴) =rango (𝐴∗ ) = 𝑛 (número de incógnitas), el sistema es compatible determinado (tiene una única solución).
• Si rango (𝐴) = rango (𝐴∗ ) < 𝑛 (número de incógnitas), el sistema es compatible indeterminado (tiene infinitas soluciones).
• Si rango (𝐴) ≠ rango (𝐴∗ ), el sistema es incompatible (no tiene solución).
El teorema establece que para que un sistema de ecuaciones lineales sea compatible es condición necesaria y suficiente que la matriz formada por
los coeficientes junto con la ampliada por los términos independientes posean el mismo rango. Por lo demás, el sistema constituido será
determinado si su rango coincide con el número de incógnitas ó será indeterminado si posee un valor menor a tal número.
Ejemplo 2 Consideremos el siguiente sistema de ecuaciones lineales
1𝑥1 + 2𝑥2 + 3𝑥3 + 4𝑥4 =1
6𝑥1 + 7𝑥2 + 8𝑥3 + 9𝑥4 =2
1𝑥1 − 2𝑥2 − 3𝑥3 − 4𝑥4 =3
1𝑥1 + 2𝑥2 − 3𝑥3 + 5𝑥4 =4
1 2 3 4 1 2 3 4 1
6 7 8 9 [𝐴|𝑏] 6 7 8 9 2
𝐴=[ ]; =[ ]
1 −2−3−4 1 −2−3−4 3
1 −2−3−4 1 −2−3−4 4
como rank(A) = rank([𝐴|𝑏]) = n = 4, de acuerdo con el teorema de Rouché-Frobenius, el sistema tiene solución única, es decir es compatible
determinado.
Definición: Forma escalonada reducida por renglones y pivote
Una matriz se encuentra en la forma escalonada reducida por renglones si se cumplen las siguientes condiciones:
▪ Todos los renglones (si los hay) cuyos elementos son todos cero aparecen en la parte inferior de la matriz.
▪ El primer número diferente de cero (comenzando por la izquierda) en cualquier renglón cuyos elementos no todos son cero es 1.
▪ Si dos renglones sucesivos tienen elementos distintos de cero, entonces el primer 1 en el renglón de abajo está más hacia la derecha que
el primer 1 en el renglón de arriba.
▪ Cualquier columna que contiene el primer 1 en un renglón tiene ceros en el resto de sus elementos. El primer número diferente de cero
en un renglón (si lo hay) se llama pivote para ese renglón.
1 2 0 5 1 0 0 0 0 1 0 0
0 1 3 0 0 1 0 0 1 0 0 0
𝐴=[ ]; 𝐵 = [ ]; 𝐶 = [ ]
0 0 1 4 0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 2 0
Se dice que una matriz que tiene las tres primeras propiedades está en forma escalonada, por ejemplo la matriz 𝐴; por tanto toda matriz en forma
escalonada reducida está necesariamente en forma escalonada, pero no a la inversa.
1. Métodos directos del Algebra lineal para sistemas 𝑨𝑿 = 𝒃
1.1 Eliminación de Gauss: se reduce por renglón la matriz de coeficientes a la forma escalonada por renglones, se despeja el valor de la última
incógnita y después se usa la sustitución hacia atrás para las demás incógnitas.
Programa para el algoritmos: Solución de sistemas con A triangular y Eliminación de Gauss
1.2 Método eliminación de Gauss-Jordan: se reduce por renglón la matriz de coeficientes a la forma escalonada reducida por renglones.
1.3 Dificultades en los métodos de eliminación: mientras que hay muchos sistemas que se pueden resolver con la eliminación de Gauss, existen
algunas dificultades que se deben analizar, antes de escribir un programa de cómputo general donde se implemente el método.
▪ División por cero: durante las fases de eliminación y sustitución hacia atrás es posible que ocurra una división entre cero. También se
pueden presentar problemas cuando un coeficiente está muy cercano a cero.
▪ Errores de redondeo: el problema de los errores de redondeo llega a volverse particularmente importante cuando se trata de resolver un
gran número de ecuaciones. Esto se debe al hecho de que cada resultado depende del anterior. Por consiguiente, un error en los primeros
pasos tiende a propagarse, es decir a causar errores en los siguientes pasos.
▪ Sistemas mal condicionados: los sistemas bien condicionados son aquellos en los que un pequeño cambio en uno o más coeficientes
provoca un cambio similarmente pequeño en la solución. Los sistemas mal condicionados son aquellos en donde pequeños cambios en los
coeficientes generan grandes cambios en la solución. Debido a que los errores de redondeo llegan a provocar pequeños cambios en los
coeficientes, estos cambios artificiales pueden generar grandes errores en la solución de sistemas mal condicionados.
Ejemplo 3 Un sistema 𝐴𝑋 = 𝑏 mal condicionado
1.3 Número de condición de una matriz: NCond[𝐴] = ‖𝐴‖ ∗ ‖𝐴−1 ‖, donde ‖𝐴‖ = ‖𝐴‖∞ = 𝑚á𝑥 ∑𝑛𝑗=1 |𝑎𝑖𝑗 |, norma infinita de una matriz.
Un sistema 𝐴𝑋 = 𝑏, está mal condicionado si NCond[𝐴] ≫ 1
Ejemplo 4: la matriz de coeficientes del sistema anterior tiene un numero de condición, NCond[𝐴] = ‖𝐴‖ ∗ ‖𝐴−1 ‖ = 23 ∗ 33.3076923077 =
766.076923077 ≫ 1, sistema mal condicionado, muy perturbable por errores de redondeo en los coeficientes.
En Scilab la norma infinita de una matriz se calcula mediante norm(A,%inf), por lo que el número de condición, se puede calcular con
NCondA=norm(A,%inf)*norm(inv(A),%inf)
Ejemplo 5 P 12.13 Un ingeniero civil que trabaja en la construcción requiere 4800, 5800 y 5700 m3 de arena, grava fina, y grava gruesa,
respectivamente, para cierto proyecto constructivo. Hay tres canteras de las que puede obtenerse dichos materiales. La composición de dichas
canteras es la que sigue
¿Cuántos metros cúbicos deben extraerse de cada cantera a fin de satisfacer las necesidades del proyecto constructivo?
Solución: sean 𝑥1 : la cantidad de material que extrae de la cantera 1, 𝑥2 : la cantidad de material que extrae de la cantera 2 y 𝑥3 : la cantidad de
material que extrae de la cantera 3. Entonces se tienen las siguientes ecuaciones
0.55𝑥1 + 0.25𝑥2 + 0.25𝑥3 = 4800
0.30𝑥1 + 0.45𝑥2 + 0.20𝑥3 = 5800
0.15𝑥1 + 0.30𝑥2 + 0.55𝑥3 = 5700
¿Tiene solución única?, rank(A) = rank([𝐴|𝑏]) = n = 3 → por el teorema de Rouché-Frobenius, el sistema 𝐴𝑋 = 𝑏, tiene solución única.
Como resolveremos el sistema mediante un algoritmo implementado en una computadora, y ésta puede modificar los datos de entrada,
revisaremos la sensibilidad de la matriz de coeficientes mediante NCond[A].
NCond[𝐴] = ‖𝐴‖ ∗ ‖𝐴−1 ‖ = 1.05 ∗ 5.8 = 6.09 ligeramente mayor a 1.
Utilizamos el algoritmo de eliminación de Gauss, X=ElimGauss(A,b), se obtiene: 𝑋 = [2416.66666667 9193.3333333 4690]′
Ahora al modificar el coeficiente 𝑎11 = 0.55, por 𝑎11 = 0.60, se obtiene 𝑋 = [2148.14814815 9386.66666667 4657.77777778]′
Bibliografía
1. Steven C. Chapra, Raymond P. Canale. Métodos numéricos para Ingenieros. Edición 5ta., editorial Mc. Graw Hill.
2. John H. Mathews, Kurtis D. Fink. Métodos Numéricos con Matlab. Edición 3ra., editorial Prentice-Hall.
3. Teorema Rouche-Frobenius: [Link]
