INTRODUCCIN

Al momento de aplicar las Matemticas a situaciones del mundo real se

puede encontrar a menudo con problemas que no pueden ser resueltos
analticamente o de manera exacta y cuya solucin debe ser abordada con
ayuda de algn procedimiento numrico. A continuacin consideramos algunos
problemas tpicos, ya formulados matemticamente, para los cuales
estudiaremos tcnicas numricas de solucin.

Por medio de este trabajo se quiere mostrar la aplicacin general de los

mtodos para hallar la solucin numrica de sistemas de ecuaciones lineales,
adems se tocaran temas adicionales como lo es la interpolacin.

El problema de los sistemas lineales de ecuaciones es uno de los ms

antiguos de la matemtica y tiene una infinidad de aplicaciones, como por
ejemplo en procesamiento digital de seales, estimacin, prediccin y en
general en la programacin lineal, as como en la aproximacin de problemas
no lineales de anlisis numrico.

Es importante identificar las cantidades de operaciones realizadas en

cada uno de los diferentes mtodos, ya que a mayor numero o menor cantidad
de operaciones, se ver afectado por el error de redondeo o truncamiento
segn la naturaleza del mtodo.
OBJETIVOS

Expresar los sistemas de ecuaciones lineales, de una forma matricial,

construyendo una matriz de coeficientes y un vector con los trminos
independientes.

Analizar, observar y entender el desarrollo de los diferentes mtodos,

tanto directos como iterativos.

Analizar y entender los mtodos de sustitucin regresiva y progresiva,

que permiten el hallazgo de las variables.

Comprender las ventajas y desventajas de cada mtodo y tener claras

sus diferencias.

Entender el concepto de interpolacin y el fundamento de los diferentes

mtodos que permiten la interpolacin, analizando las estrategias
matemticas para la bsqueda y desarrollo de un polinomio interpolante
que permita la solucin a un problema.

Desarrollar el pseudocdigo para cada modelo matemtico.

Verificar que el mtodo numrico funcione adecuadamente.

 METODO DE JACOBI
DEFINICION
El algoritmo lleva el nombre del matemtico alemn Carl Gustav Jakob Jacobi.
En mtodos numricos el mtodo de jacobi es un mtodo iterativo, usado para
resolver sistemas de ecuaciones lineales del tipo Ax=b .
El mtodo de jacobi consiste en usar frmulas como iteracin de punto fijo.
Esta tcnica muestra cierta similitud con el mtodo de iteracin de punto
fijo, ya que consiste en despejar las incgnitas de una ecuacin dejndola en
funcin de las otras. La manera ms sencilla de despejar x 1 de la primera
ecuacin; x2 de la segunda ecuacin; xi de la i-esima ecuacin hasta x n dela n-
esima ecuacin. Es necesario, por razones obvias que todos los elementos de
la diagonal principal de la matriz de coeficientes del sistema lineal, sean
diferentes de cero.
OBJETIVO MTODO

Encontrar las aproximaciones de los valores de las variables de un

sistema de ecuaciones lineales, por medio de la realizacin de varios clculos,
los cuales se realizan por etapas, obteniendo as aproximaciones por cada
etapa.

GENERALIDADES

El mtodo de Jacobi permite hallar las aproximaciones a una solucin de

sistemas de ecuaciones lineales, utilizando los valores iniciales para la primera
aproximacin, luego los de la primera para la segunda y as sucesivamente; en
este mtodo el clculo de cada variable es independiente por lo tanto ninguna
variable depende de la otra.
El procedimiento a seguir para la aplicacin del mtodo es el siguiente:
Se debe introducir unas aproximaciones iniciales, la matriz de
coeficientes, el vector de trminos independientes, una tolerancia y un nmero
total de iteraciones.
Se toman las aproximaciones iniciales para hallar las nuevas
aproximaciones, teniendo en cuenta el fundamento del mtodo.
En cada paso, es posible calcular el error, que es este caso est definido
en normas (las cuales son infinitas).
Para la finalizacin del programa se tiene en cuenta, si el programa
sobrepasa el nmero de iteraciones, o si el error es menor del propuesto al
principio; una vez ocurra alguna de estas dos situaciones, la ltima iteracin
tendr las aproximaciones a la solucin del sistema de ecuaciones estudiado.

La sucesin se construye descomponiendo la matriz del sistema A en la

forma siguiente.
A=D+ L+U
Donde:
D=matriz diagonal
L=matriz triangular imferior

U=matriz triangular superior

Partiendo de Ax=b podemos reescribir dicha ecuacin como:

Dx+ ( L+U ) x=b
El mtodo se puede ilustrar usando las siguientes ecuaciones.

a . x + a . x + a . x = b
a . x + a . x + a . x = b

a . x + a . x + a . x = b
(1)
El mtodo comienza resolviendo la ecuacin anterior para x , x y x en
cada una de las iteraciones.
ba . x a . x ba . x a . x
x = a
x = a

b a . x a . x
x = a
(2)

CONDICIONES:
 Se requiere de un vector inicial
x ,x ,x )
Xi=
El cual representa la primera aproximacin de la solucin del sistema con lo
que se produce.
De no conocerse este vector se asume como:
0 , 0,0)
X =
Con estos valores y las frmulas de las ecuaciones (2) se van
calculando los nuevos valores de Xi .

El proceso se contina hasta que | X nuevo X anterior

X nuevo |.100
EJEMPLO
Resolver el siguiente sistema de tres ecuaciones para un 5 % :

17 x -2 x - 3x = 500

-5 x + 21 x - 2x = 200

5 x - 5x + 22 x = 30

Primera iteracin
b a . x a . x
x =
ba . x a . x
a
x = a
200(5 ) .0(2 ) .0
500(2 ) .0(3 ) .0 x =
x = 17 21
x = 29.41176 x = 9.52381

ba . x a . x
x = a
30(5 ) .0(5 ) .0
x = 22

x = 1.36364

Segunda iteracin:
 500(2 ) .9 .52381(3 ) .1.36364
x = 17
x = 30.77285

200(5 ) .2941176 (2 ) .1.36364

x = 21
x = 16.65648

30(5 ) .29 .41176(5 ) .9.52381

x = 22
x = 10.21263

Calculamos el error:

Xi = | X nuevoX anterior
X nuevo |.100
x = |30.7728529.41176
30.77285 |.100
x =4.423

x = |16.656489.52381
16.65648 |.100
x =42.822

x = |10.212631.36364
10.21263 |.100
x =86.648
 Sustituimos los valores que nos dieron en la ecuacin original
17 (33.88347) - 2 (18.76977) - 3(13.23415) = 498.77703
-5 (33.88347) + 21(18.76977) - 2(13.23415) = 198.27957
18.76977 13.23415
5 (33.88347) - )+ )= 27.88513
5 22

Calculamos el error en las ecuaciones originales.

Error EC = |500498.77703
500 |100 =0.03
Error EC = |200198.27947
200 |100 =0.10
Error EC = |3027.88513
30 |100 =0.88

METODO DE PIVOTE

Error EC = |200198.27947
200 |100 Error
=0.10 EC = |3027.88513
30 |100 =0.88
Pivoteo

Ocurren problemas obvios cuando un elemento pivote es 0, ya que el paso de

normalizacin origina una divisin entre 0.tambien llegan a surgir problemas
cuando el elemento pivote es cercano a 0 ms an que sea exactamente igual
a 0, debido a que si la magnitud del elemento pivote es pequea comparada
con los otros elementos, entonces se pueden introducir errores de redondeo.

Las estrategias de pivoteo se llevan a cabo en general seleccionando un nuevo

(k)
elemento como pivote a p , q intercambiando los renglones kyp , e
intercambiando las columnas k y q , si es necesario.

Adems de evitar la divisin entre cero, el pivoteo tambin minimiza el error de

redondeo. Como tal, sirve tambin para resolver parcialmente el mal
condicionamiento.

Piboteoparcial o pivoteo mximo de columna

Antes de normalizar cada rengln, resulta conveniente determinar el coeficiente

ms grande disponible en la columna debajo del elemento pivote. Los
renglones se pueden intercambiar de manera que el elemento ms grande sea
el elemento pivote; esto se conoce como pivoteo parcial o pivoteo mximo de
columna y es la estrategia ms simple, la cual consiste en seleccionar el
elemento en la misma columna que est debajo de la diagonal y que tiene el
mayor valor absoluto; es decir, se determina p tal que

|a(k)p ,k|=max
k i n
| i , k|
a(k) Y se efecta Ek E p . En este caso se considera un

intercambio de columna.
Ejemplo

Resuelva el siguiente sistema lineal usando eliminacin gaussiana con

sustitucin hacia atrs.

2 x 2 +3 x 3=0

2 x 1x 2x 3=6

7 x1 x2 +2 x 3=0

Solucin

Matriz de coeficientes ampliada

0 2 3 0 a11 a 12 a13 a14

2 -1 -1 6 a21 a22 a23 a 24

7 -1 2 0 a31 a32 a33 a 34

Siendo que a11=0 (elemento pivote) se debe hacer pivoteo parcial mediante el
intercambio de reglones se remplaza el regln 2 por el regln 1.

2 -1 -1 0 a11 a 12 a13 a14

0 2 3 6 a21 a22 a23 a 24

7 -1 2 0 a31 a32 a33 a 34

Siendo que a11 =2 (diferente de cero) el objetivo es crear un cero en las

posiciones donde estn a21 y a31 utilizando a11 como elemento pivote y
operaciones en base al primer regln. Obsrvese que en la posicin a 21 ya est
presente un cero. Por lo cual solo es necesario crear el cero en la posicin
correspondiente a a31 para lo cual se define la siguiente operacin.

Regln 3: E 3 = E 3 - 7/2 E 1 lo cual implica E =

3 E 3 - 3.5
E 1
Las operaciones estn indicadas a continuacin:

2 -1 -1 6
 0 2 3 0

7-3.5 (2) 1 -3.5 (-1) 2-3.5 (-1) 0-3.5 (6)

Y obtenemos:

2 -1 -1 6 a11 a 12 a13 a14

0 2 3 0 a21 a22 a23 a 24

0 2.5 5.5 -21 a31 a32 a33 a 34

Siendo que a22= 0 (diferente de cero) el objetivo es crear un cero e la posicin

donde esta a32 utilizando a22 como elemento pivote y operaciones en base al
segundo regln. Para lo cual se define la siguiente operacin.

Rengln 3: E = E 3- 2.5/2 E
3 2 lo cual implica E 3 = E 3- 1.25
E 2

2 -1 -1 6

0 2 3 0

0-1.25 (0) 2.5 -1.25 (2) 5.5-1.25 (3) -21-1.25 (0)

Y obtenemos:

2 -1 -1 6

0 2 3 0

0 0 1.75 -21

Sistema equivalente

2 x 1x 2x 3=6
 2 x 2 +3 x 3=0

1.75 x 3 =21

Sustitucin hacia atrs:

Dela ecuacin 3

x 3=21/1.75

x 3=12

De la ecuacin 2

x 2 = - 3 x 3 /2

x 2 = - 3*(-12)/2

x 2 = 18

De la ecuacin 1

x1 = 6 + x 2 + x 2 /2

x1 = 6 + 18 + (-12)/2

x1 = 6

La solucin del sistema de ecuaciones planteado utilizando el mtodo de gauss

es:

x1 = 6 x 2 = 18 x 3 = -12

Pivoteo escalonado de columna

El primer paso en este procedimiento consiste en definir un factor de escala

S i para cada rengln.
 S i= max |a i , j|
j=1,2 n

Si S i=0 para alguna i no existe solucin nica y el procedimiento se

detiene. El intercambio apropiado de renglones para obtener ceros en la
primera columna queda determinado escogiendo el primer entero k con

|a kl| |a jl|
= max
sk j=1,2 n sj

Y realizando E1 Ek . El efecto de escalar consiste en asegurar que el

elemento mayor de cada rengln tenga una magnitud relativa de 1 antes de
que se empiece la comparacin para el intercambio de renglones. El
escalamiento se hace solamente con propsitos de comparacin as que la
divisin entre los factores de escala no produce un error de redondeo en el
sistema.

Ejercicio.

Resolver el sistema usando eliminacin gaussiana con pivoteo parcial escalado

y aritmtica de corte a tres dgitos

Solucin:
Se escribe el sistema con los nmeros a tres dgitos usando corte

Luego

= 30/58900=0.000509...
 = 5.31/6.10=0.870

La fila que se escoge para pivote es la segunda y se efecta la operacin

E2 <-> E1 para obtener el sistema

El multiplicador es:

La operacin E2 - 5.64 E1 reduce el sistema a:

Si se resuelve con sustitucin hacia atrs la solucin es x1=10, x2=1

Si el sistema anterior se resuelve con eliminacin gaussiana y aritmtica de

corte a tres dgitos (sin usar Pivoteo), la solucin aproximada que se obtiene
es x1 30 y x2 0.99 que no es una buena aproximacin. Ya que la solucin
exacta del sistema es x1= 10, x2= 1.
Pivoteo mximo (completo o total)
Al procedimiento, donde tanto en las columnas como en los renglones se busca
el elemento ms grande y luego se intercambian, se le conoce como pivoteo
completo, el cual se usa en muy raras ocasiones debido a que al intercambiar
columnas se cambia el orden de las y, en consecuencia, se agrega
complejidad significativa y usualmente injustificada al programa de
computadora.
El pivoteo mximo en el K-simo paso busca todos los elementos:
aij , para i=k , k +1, , n , y j=k , k +1, , n

Para encontrar el elemento que tiene la magnitud ms grande. Se realizan

intercambios de renglones y de columnas para traer este elemento a la
posicin pivote.
El pivote mximo es consecuentemente una estrategia recomendada para la
mayora de los sistemas obstinados para los cuales se puede justificar la
cantidad de tiempo de ejecucin tan extensa.
CONCLUSIONES

Los mtodos de eliminacin gaussiana, utilizando las tcnicas de

pivoteo, es decir, pivoteo parcial y total, permiten una reduccin
significativa de los efectos de la propagacin del error y a su vez
aumentan en nmero de cifras significativas.

El nmero de operaciones para realizar una eliminacin Gaussiana es

mayor que el nmero de operaciones para realizar una sustitucin
regresiva.

El clculo del determinante en los mtodos de factorizacin directa de

matrices, sirve para garantizar la existencia de una solucin al sistema
de ecuaciones lineales estudiado.

La realizacin de esta prctica profundizo y clarifico la importancia de los

procesos nmeros y mtodos definidos que se llevan a cabo en el
desarrollo de la solucin de sistemas de ecuaciones lineales e
interpolacin; a su vez permiti entender como estos se ven afectados
por la menara en cmo se lleg a su solucin.
BIBLIOGRAFIA

- Chapra, Steven C; Raymond Canale P (2007) Mtodos numricos para

ingenieros, Quinta edicin, McGraw Hill, Mxico D.F, pp 124-139, 142-167.

- Mathews, John H; Fink, Kurtis D (2000) Mtodos numricos con MATLAB,

Tercera edicion, Prentice Hall, Santaf de Bogot, pp 661-673.

- Correa Z, Francisco J (2010) Mtodos numricos, Primera edicion, Fondo

editorial Universidad EAFIT, Medelln, Cap 4 y 5.