Captulo 2

Resolucin Numrica de Sistemas de

Ecuaciones Lineales
2.1.

Introduccin

Muchas de las ecuaciones fundamentales en ingeniera se basan en las leyes de conservacin. Entre las cantidades que se someten a tales leyes estn la masa, la energa,
el momentum. Despus de establecer un modelo matemtico que representa el problema, se presenta la etapa de resolucin numrica. En muchos casos hay que resolver un
sistema de ecuaciones lineales. Ejemplos que veremos en este curso aparecern en los
temas de resolucin de ecuaciones diferenciales o en derivadas parciales.
Dentro de las tcnicas para resolver sistemas lineales se distinguen dos grandes
mtodos: Mtodos directos y Mtodos iterativos.
2.2.

Mtodos directos para la resolucin de S.E.L.

Los mtodos directos para la resolucin de sistemas de ecuaciones lineales (S.E.L.)

utilizan las operaciones elementales para transformar el sistema y obtener otro con las
mismas soluciones pero que sea ms fcil de resolver. Estos mtodos sern: Mtodo de
Gauss, mtodo de Gauss-Jordan.
Las operaciones elementales que vamos a efectuar son las siguientes:
1. Intercambio de las ecuaciones i-sima y j -sima. Lo indicaremos por (Ei ) (Ej ).
2. Sustituir la ecuacin i-sima por ella multiplicada por un escalar no nulo . Lo
indicaremos por (Ei ) (Ei ).
3. Sustituir la ecuacin i-sima por la suma de ella con la j -sima multiplicada por
un escalar . Lo indicaremos por (Ei ) (Ei + Ej ).
1

CAPTULO 2.

SEL

Sistema de m ecuaciones lineales con n incgnitas:

a11 x1 + a12 x2 + .... + a1n xn = b1

a21 x1 + a22 x2 + .... + a2n xn = b2

S
...................................................................

am1 x1 + am2 x2 + .... + amn xn = bm

donde aij , bi R, para 1 i m, 1 j n.

Supondremos que n = m y S es un sistema compatible y determinado.
Los sistemas que son sencillos de resolver son los triangulares y los diagonales.

a11 x1 + a12 x2 + .... + a1n xn = b1

a22 x2 + .... + a2n xn = b2

T
................................

ann xn = bn

con aii 6= 0, para 1 i n. Este sistema llamado triangular tiene solucin nica que
se calcula despejando xn , xn1 , ..., x2 , x1 (sustitucin regresiva).

a11 x1

a22 x2

= b1
= b2

...

ann xn = bn

con aii 6= 0, para 1 i n. Este sistema llamado diagonal tiene solucin nica que se
calcula despejando x1 , x2 , ..., xn
2.2.1.

Mtodo de Gauss

Dado el sistema

a11 x1 + a12 x2 + .... + a1n xn = b1

a21 x1 + a22 x2 + .... + a2n xn = b2

S
................................................................

an1 x1 + an2 x2 + .... + ann xn = bn

Podemos suponer que a11 6= 0 pues si no fuera as, como existe un 1 < j n tal que
aj1 6= 0 haramos el intercambio (E1 ) (Ej ). Para conseguir ceros por debajo de a11 ,
realizamos las siguientes operaciones elementales

T1

(E2 ) (E2

(E3 ) (E3

..
.

..
.

(En ) (En

a21
E)
a11 1
a31
E)
a11 1

..
.

an1
E)
a11 1

2.2.

MTODOS DIRECTOS PARA LA RESOLUCIN DE S.E.L.

As obtenemos el sistema
1
a x1 + a112 x2 + .... + a11n xn = b11

11
a122 x2 + .... + a12n xn = b12
S1
................................................

a1n2 x2 + .... + a1nn xn = b1n

i1
Para transformar cada ecuacin, a partir de la 2a , hemos hecho un cociente aa11
,n
productos y n sumas, por lo tanto, el nmero de operaciones que hemos realizado para
pasar de S a S1 es n 1 cocientes, (n 1)n productos y (n 1)n sumas. Suponiendo
que a122 6= 0 y mediante las transformaciones

a1

(E3 ) (E3 a32

1 E2 )

22

a
(E4 ) (E4 1142 E2 )
a22
T2
..
..
..

.
.
.

(En ) (En a1n2

E2 )
a1
22

obtenemos el sistema
2
a11 x1 + a212 x2 + a213 x3 + ... +a21n xn = b21

a222 x2 + a223 x3 + ... +a22n xn = b22

a233 x3 + ... +a23n xn = b23

S2

..........................................

a2n3 x3 + ... +a2nn xn = b2n

1

Para transformar cada ecuacin, a partir de la 3a , hemos hecho un cociente aa1i2 , n1

22
productos y n 1 sumas, por lo tanto, el nmero de operaciones que hemos realizado
para pasar de S1 a S2 es n 2 cocientes, (n 2)(n 1) productos y (n 2)(n 1)
sumas.
Para pasar del sistema Sn2 al Sn1

Sn2

n2
n2
n2
n2
a11 x1 + an2
xn2 + a1n2

n1 xn1 + a1 n xn = b1
12 x2 + +a1 n2

n2
n2
n2

an2
xn2 + a2n2

n1 xn1 + a2 n xn = b2
22 x2 + +a2 n2

..................................................................................................

n2
n2
n2
n2
+an2

n2 xn2 + an2 n1 xn1 + an2 n xn = bn2

n2
n2
n2

an1

n1 xn1 + an1 n xn = bn1

n2
n2
n2
an n1 xn1 + an n xn = bn

las transformaciones que hay que hacer son:

Tn1

(En ) (En

an2
nn1
n2
an1n1

En1 )

Sn1

CAPTULO 2.

SEL

n1
n1
n1
n1
a11 x1 + an1
xn2 + an1

12 x2 + +a1 n2
1 n1 xn1 + a1 n xn = b1

n1
n1
n1

an1
xn2 + an1

22 x2 + +a2 n2
2 n1 xn1 + a2 n xn = b2

..................................................................................................

n1
n1
n1
+an1

n2 n2 xn2 + an2 n1 xn1 + an2 n xn = bn2

n1
n1
n1

an1

n1 xn1 + an1 n xn = bn1

n1
an n xn = bn1
n

El nmero de operaciones en esta ltima transformacin con lo que llegamos al sistema

triangular es 1 cociente, 2 productos y 2 sumas.
El nmero total de transformaciones para pasar del sistema S al triangular vienen
expresadas en la siguiente tabla:
Transf.
T1
T2

Tn1

Cocientes
n-1
n-2

Productos
(n-1)n
(n-2)(n-1)

Sumas
(n-1)n
(n-2)(n-1)

1
n1
X

Total

2
k

1
2

n n
2

Total

n1
X

(k + 1)k

n3 n
3

n1
X
1

(k + 1)k

n3 n
3

Una vez obtenido el sistema triangular

a11 x1 + a12 x2 + .... + a1n xn = b1

a22 x2 + .... + a2n xn = b2

T
................................

ann xn = bn

con aii 6= 0, para 1 i n despejamos xn , xn1 , ..., x2 , x1 (sustitucin regresiva) de

la siguiente forma:
xn

xn1

x2

x1

bn
ann
bn1 an1n

bn
ann

an1n1

b2 (a23 x3 + + a2n xn )
a22
b1 (a12 x2 + + a1n xn )
a11

2.2.

es:

MTODOS DIRECTOS PARA LA RESOLUCIN DE S.E.L.

El nmero de operaciones para obtener la solucin mediante sustitucin regresiva

Incgnita
xn
xn1

x2
x1

Total

Sumas
0
1

1
1

n-2
n-1

n-2
n-1

n1
X

Total
2.2.2.

Cocientes Productos
1
0
1
1

1
2

n n
2

n1
X

1
2

n n
2

Mtodo de Gauss-Jordan

El primer paso es idntico que en el mtodo de Gauss.

El segundo paso, suponiendo a122 6= 0, consiste en hacer ceros todos los dems
coecientes de x2 . Las transformaciones que haremos sern:

(E1 )

(E3 )
T2
(E4 )

..

(En )

(E1
(E3
(E4

..
.

(En

a112
E)
a122 2
a132
E)
a122 2
a142
E)
a122 2

..
.

a1n2
E)
a122 2

obtenindose el sistema
2
a11 x1 + +
a213 x3 + ... +a21n xn = b21

a222 x2 + a223 x3 + ... +a22n xn = b22

a233 x3 + ... +a23n xn = b23

S2

..........................................

a2n3 x3 + ... +a2nn xn = b2n

Calcular el nmero de operaciones.

Por ltimo para pasar del sistema Sn1 al Sn diagonal

Sn1

n1
n1
a11 x1
an1

1 n x n = b1

n1
n1
n1

a22 x2
a2 n x n = b 2

...................................................................

n1
n1
n1

an1

n1 xn1 + an1 n xn = bn1

n1
n1
an n x n = b n

CAPTULO 2.

SEL

las transformaciones que hay que hacer, suponiendo ann1

n 6= 0,son:

(E1 )

(E2 )
Tn
(E3 )

..

(E )
n1

(E1

(E2

(E3

..
.

(En1

an1
1n
En )
an1
nn
n1
a2 n
En )
an1
nn
n1
a3 n
En )
an1
nn

..
.

n1
an1
n

an1
nn

En )

Calcular el nmero de operaciones de esta ltima transformacin y el total de operaciones de cada tipo para transformar un sistema S en uno diagonal.
Transf.
T1
T2

Tn1

Cocientes Productos Sumas

Total
Total
Finalmente, para despejar las incgnitas son necesarios n cocientes ms por lo que el
mtodo de Gauss-Jordan requiere:....
2.3.

Factorizacin de matrices

Acabamos de ver que la eliminacin gaussiana aplicada a un sistema lineal AX = B

4n3

requiere del orden de

operaciones aritmticas para determinar X . Lo que vamos a
6
ver a continuacin es si la matriz A se puede factorizar en la forma A = LU donde L
es una matriz triangular inferior y U es triangular superior.

1
0
0
l21 1
0

L = l31 l32 1

ln1 ln2 ln3

0
0

u11 u12
0 u22

0
U =
0

0
0

u13
u23
u33

u1n
u2n

u3n

un

Para resolver el sistema AX = LU X = B se pueden resolver los dos sistemas siguientes LY = B y U X = Y . Resolver LY = B requiere n2 n y conocida Y hallar X de
U X = Y requiere n2 operaciones las mismasque en la parte de eliminacin gaussiana
la sustitucin hacia atrs. Para factorizar la matriz A se requerirn

4n3 3n2 n
.
6

2.3.

FACTORIZACIN DE MATRICES

Resolver por Gauss y mediante factorizacin LU requieren el mismo nmero de operaciones y menos que Gauss-Jordan. Sin embargo una vez factorizada la matriz A = LU
si tenemos que resolver varios sistemas con la misma matriz A es mejor factorizar que
Gauss.
Al realizar la eliminacin gaussiana las transformaciones T1 consistan en realizar
a
para j = 2, ..., n las operaciones Ej Ej mj1 E1 donde mj1 = j1 . El nuevo sistema
a11
S1 se puede escribir como A1 X = B1 donde la matriz A1 tiene nulos los elementos
de la primera columna situados por debajo de la diagonal principal. Esta matriz A1 se
obtiene de multiplicar por la izquierda la matriz A por la matriz

1
0 0
m21 1 0

M1 =
m31 0 1
... ... ...
mn1 0 0

0
0

. . . . . .
1

matriz que se obtiene de sustituir en la matriz unidad los elementos de la primera

columna que estn por debajo de la diagonal principal por mj1 con j = 2, ..., n. As
tenemos
S1 A1 X = M1 A X = B1

De manera semejante construimos la matriz M2 a partir de la unidad reemplazando

los elementos de la segunda columna que estn por debajo de la diagonal principal por
mj 2 =

a1j2
con j = 3, ..., n. Se obtiene el sistema
a122

S2 A2 X = M2 A1 X = M2 M1 A X = M2 M1 B = B2

El proceso termina con

Sn1 An1 X = Mn1 ... M2 M1 A X = Mn1 ... M2 M1 B = Bn1

As obtenemos la matriz U = An1 = Mn1 ... M2 M1 A. Como las matrices Mk

son todas inversibles y adems

Mk1

1 0
0
0 1
0

. . . . . . . . .
...

1
= 0 0
0 0 mk+1 k

. . . . . . . . .
...
0 0 mn k

0
0

. . . . . .

. . . . . .
1

1
y se est buscando que A = L U se tendr que L = M11 M21 ... Mn1
Si
podemos efectuar la eliminacin gaussiana en el sistena lineal Ax = B sin intercambios

CAPTULO 2.

SEL

de ecuaciones, entonces podemos factorizar la matriz A en el producto de una matriz

triangular inferior L y una matriz triangular superior U , A = L U donde:
Para i j, i = 1, 2, ..., n
uij = aij

i1
X

lik ukj

k=1

Para j < i, j = 1, 2, ..., n 1

aij

El clculo de U requiere

k(nk) =

k=1

El clculo de L requiere

n1
X

lik ukj

k=1

lij =
n1
X

j1
X

ujj
n3 n
sumas y el mismo nmero de productos.
6

(k 1)(n k) =

k=2

n3 3n2 + 2n
sumas y el mismo
6

n1
X

n2 n
k=
cocientes.
nmero de productos y
2
k=1

Si tenemos que cambiar alguna la ello equivale a multiplicar por la izquierda la
matriz de los coecientes por la matriz de permutacin que se obtiene de la matriz
unidad cambiando las las correspondientes.

Denicin 2.3.1. Se dice que una matriz A de orden nn es de diagonal estrictamente

dominante cuando

|aii | >

n
X

|aij |

i = 1, 2, ..., n

j=1
j6=i

Si la matriz del sistema es de diagonal estrictamente dominante no es necesario

intercambiar las para resolver el sistema.
2.4.

Mtodos iterativos para S.E.L.

Denicin 2.4.1. Una norma vectorial en Rn es toda aplicacin

|| || : Rn R

que verica:
1. ||X|| 0 para todo X Rn

2.4.

MTODOS ITERATIVOS PARA S.E.L.

2. ||X|| = 0 X = 0
3. ||X|| = ||||X|| para todo R y X Rn
4. ||X + Y || ||X|| + ||Y || para todo X, Y Rn .
Las normas l1 , l2 y l y del vector X = (x1 , x2 , ..., xn ) Rn estn denidas por
||X||1 = |x1 | + |x2 | + ... + |xn |
v
u n
uX 2
||X||2 = t
xi
i=1

||X|| = mx |xi |
1in

La norma l2 se llama norma eucldea

A partir de la norma de un vector se dene la distancia entre dos vectores X, Y Rn
como la norma de la diferencia de ellos.
d(X, Y ) = ||X Y ||

Denicin 2.4.2. Una norma en Mn (R) (Mn (R) es el conjunto de las matrices
cuadradas de orden n con elementos en R) es toda aplicacin
|| || : Mn (R) R

que verica para todos A, B Mn R y R:

1. ||A|| 0
2. ||A|| = 0 A es la matriz nula
3. ||A|| = ||||A||
4. ||A + B|| ||A|| + ||B||
5. ||A B|| ||A|| ||B||.
Si ||.|| es una norma vectorial en Rn , entonces
||A|| = mx ||Ax||
||x||=1

es una norma matricial, llamada norma matricial inducida.

Ejemplos:
||A||1 = mx ||AX||1 = mx
||X||1 =1

1jn

n
X
i=1

|aij |

10

CAPTULO 2.

||A|| = mx ||AX|| = mx

1in

||X|| =1

n
X

SEL

|aij |

j=1

Veremos los mtodos iterativos de Jacobi y de Gauss-Seidel, mtodos clsicos de

nes del siglo XVIII. Los mtodos iterativos rara vez se usan para resolver sistemas
lineales de pequea dimensin, pues el tiempo necesario para conseguir una exactitud
satisfactoria es mayor que el que requieren los mtodos directos que hemos visto. Sin
embargo, en el caso de sistemas grandes con muchos ceros son ecientes. Estos sistemas
se presentan constantemente en los anlisis de circuitos y en la solucin numrica de
los problemas con valor frontera y de ecuaciones diferenciales en derivadas parciales.
Un mtodo iterativo para resolver el sistema de ecuaciones lineales AX = B comienza con una aproximacin inicial o semilla X (0) genera una sucesin de vectores
{X (k) }
k=0 que converge a X
Se trata de transformar el sistema AX = B en otro equivalente de la forma X =
T X + C para alguna matriz ja T y un vector C . Despus de elegir la semilla X (0) se
genera la sucesin de aproximaciones a la solucin calculando
X (k+1) = T X (k) + C

Teorema 2.4.1 (Teorema de convergencia). Si ||T || < 1 para alguna norma matricial
inducida, entonces la sucesin recurrente denida
X (0) Rn

semilla

X (k+1) = T X (k) + C

converge a la solucin de la ecuacin X = T X + C .

Ademas las cotas de error son:
||X X (k) || ||T ||k ||X (0) X||
||X X

.
2.4.1.

(k)

||T ||k
||X (1) X (0) ||
||
1 ||T ||

Mtodo de iteracin de Jacobi

Consideremos el sistema de ecuaciones lineales:

4x y + z = 7
4x 8y + z = 21
2x + y + 5z = 15

(2.1)

2.4.

MTODOS ITERATIVOS PARA S.E.L.

11

Estas ecuaciones las podemos escribir como

x =

7+yz
4

y =

21 + 4x + z
8

z =

15 + 2x y
5

Esto sugiere el siguiente proceso iterativo:

x

(k+1)

7 + y (k) z (k)
=
4

y (k+1) =

21 + 4x(k) + z (k)
8

z (k+1) =

15 + 2x(k) y (k)
5

Si comenzamos con X (0) = (1, 2, 2) entonces la iteracin anterior da lugar al punto

X (1) = (1.75, 3.375, 3.00) que est ms cerca de la solucin que es (2, 4, 3) que el X (0) .

k
0
1
2
3
4
5
15
19

x(k)

y (k)

z (k)

1.00
1.75
1.84375
1.9625
1.99062500
1.99414063
1.99999993
2.00000000

2.00
3.375
3.875
3.925
3.97656250
3.99531250
3.99999985
4.00000000

2.00
3.00
3.025
2.9625
3.00000000
3.00093750
2.99999993
3.00000000

Tabla 2.1: Mtodo Jacobi para el sistema (2.1).

Este proceso se conoce como mtodo de iteracin de Jacobi y puede usarse para
resolver alguna clase de sistemas de ecuaciones lineales. Algunas veces no funciona pues
las iteraciones en lugar de acercarse a la solucin se alejan. El sistema anterior si se
reordenan las ecuaciones de otra manera el mtodo de Jacobi nos da una sucesin
divergente.

12

CAPTULO 2.

SEL

Si reordenamos el sistema anterior podemos obtener:

2x + y + 5z = 15
4x 8y + z = 21
4x y + z = 7

(2.2)

Si ahora escribimos las ecuaciones como:

x =

15 + y + 5z
2

y =

21 + 4x + z
8

z = 7 4x + y

Esto sugiere el siguiente proceso iterativo:

x(k+1) =

15 + y (k) + 5z (k)
2

y (k+1) =

21 + 4x(k) + z (k)
8

z (k+1) = 7 4x(k) + y (k)

Si comenzamos con X (0) = (1, 2, 2) entonces la iteracin anterior da lugar al punto

X (1) = (1.5, 3.375, 5.00) que est ms lejos de la solucin que el X (0) .

k
x(k)
y (k)
z (k)
0
1.00
2.00
2.00
1
-1.5
3.375
5.00
2
6.6875
2.5
16.375
3
34.6875
8.015625
-17.25
4 -46.617188
17.8125
-123.73438
5 -307.929688 -36.150391 211.28125
6 502.62793 -124.929688 1202.56836
Tabla 2.2: Iteraciones para el sistema (2.2).

Supongamos que tenemos un sistema de n ecuaciones lineales con n incgnitas:

2.4.

13

MTODOS ITERATIVOS PARA S.E.L.

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn n = b2

an1 x1 + an2 x2 + + ann xn = bn
A partir de la ecuacin i despejamos la incgnita xi y dado un punto inicial o
semilla X (0) obtenemos las siguientes aproximaciones como una combinacin lineal de

los valores previamente obtenidos:

(k)

(k)

(k)

(k)

bi ai1 x1 ai i1 xi1 ai i+1 xi+1 ain xn

=
aii
para i = 1, 2, ..., n.
(k+1)
xi

xi =

n
X

j=1
j6=i

(2.3)

bi
aij xj
+
aii
aii

A esta expresin se llega escribiendo A de la siguiente forma:

A=DLU

donde

a11
a21
A=

an1

0
a21
L =

an1

a12
a22

an2

0
0

an2

a1n
a2n

ann

0
0

a11 0 0
0 a22 0

D=

0
0 ann

0 a12 a1n
0
0 a2n

U =

0
0 0

Por lo que A X = B se puede escribir (D L U ) X = B y D X = (L + U ) X + B

y X = D1 (L + U ) X + D1 B = T X + C donde T = D1 (L + U ) y C = D1 B
Semilla

X (0)

X (k+1) = D1 (L + U ) X (k) + D1 B
n
X
(k)

(aij xj ) + bi
(k+1)

xi

j=1
j6=i

aii

Teorema 2.4.2 (Mtodo iterativo de Jacobi). Si A es una matriz de diagonal estric-

tamente dominante, entonces el sistema de ecuaciones lineales AX = B tiene solucin

nica X . Adems el proceso iterativo dado por la frmula (2.3) produce una sucesin
de vectores {X (k) } que converge a X cualquiera que sea el vector de partida X (0) .

14

CAPTULO 2.

2.4.2.

SEL

Mtodo iterativo de Gauss-Seidel

Algunas veces podemos acelerar la convergencia del mtodo iterativo de Jacobi

utilizando en el paso k + 1 los valores obtenidos de las incgnitas anteriores obtenidas
en el mismo paso. En el caso del sistema (2.1):
x(k+1) =

7 + y (k) z (k)
4

y (k+1) =

21 + 4x(k+1) + z (k)
8

z (k+1) =

15 + 2x(k+1) y (k+1)
5

En general
(k+1)

(k+1)
xi

bj ai1 x1

(k+1)

(k)

(k)

ai i1 xi1 ai i+1 xi+1 ain xn

aii

(2.4)

para i = 1, 2, ..., n.
El mtodo iterativo de Gauss-Seidel tambin converge si la matriz del sistema A
es de diagonal estrictamente dominante as como para matrices simtricas denidas
positivas. Normalmente el mtodo de Gauss-Seidel converge ms rpidamente que el
de Jacobi, aunque hay algunas excepciones.

k
0
1
2
3
..
.
8
9
10

x(k)

y (k)

z (k)

1.00
1.75
1.95
1.995625
.
...
1.99999983
1.99999998
2.00000000

2.00
3.75
3.96875
3.99609375
.
...
3.99999988
3.99999999
4.00000000

2.00
2.95
2.98625
2.99903125
.
...
2.99999996
3.00000000
3.00000000

Tabla 2.3: Convergencia del mtodo iterativo de Gauss-Seidel para el sistema (2.1).
En este caso A X = B se puede escribir como (D L) X = U X + B y luego
multiplicar por la inversa de la matriz (D L) para despejar X .
Semilla
X (0)
X (k) = (D L)1 U X (k1) + (D L)1 B