Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas de Ecuaciones Lineales 2011-12
Sistemas de Ecuaciones Lineales 2011-12
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.
CAPTULO 2.
SEL
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
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.
As obtenemos el sistema
1
a x1 + a112 x2 + .... + a11n xn = b11
11
a122 x2 + .... + a12n xn = b12
S1
................................................
a1
1 E2 )
22
a
(E4 ) (E4 1142 E2 )
a22
T2
..
..
..
.
.
.
obtenemos el sistema
2
a11 x1 + a212 x2 + a213 x3 + ... +a21n xn = b21
..........................................
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
n2
n2
an1
n2
n2
n2
an n1 xn1 + an n xn = bn
(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
n1
n1
n1
an1
n1
an n xn = bn1
n
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
ann xn = bn
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:
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
(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
..........................................
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
n1
an n x n = b n
CAPTULO 2.
SEL
(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
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
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
a1j2
con j = 3, ..., n. Se obtiene el sistema
a122
S2 A2 X = M2 A1 X = M2 M1 A X = M2 M1 B = B2
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
i1
X
lik ukj
k=1
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.
|aii | >
n
X
|aij |
i = 1, 2, ..., n
j=1
j6=i
que verica:
1. ||X|| 0 para todo X Rn
2.4.
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
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
1jn
n
X
i=1
|aij |
10
CAPTULO 2.
||A|| = mx ||AX|| = mx
1in
||X|| =1
n
X
SEL
|aij |
j=1
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
.
2.4.1.
(k)
||T ||k
||X (1) X (0) ||
||
1 ||T ||
(2.1)
2.4.
11
7+yz
4
y =
21 + 4x + z
8
z =
15 + 2x y
5
(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
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
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
(2.2)
15 + y + 5z
2
y =
21 + 4x + z
8
z = 7 4x + y
15 + y (k) + 5z (k)
2
y (k+1) =
21 + 4x(k) + z (k)
8
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).
2.4.
13
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
(k)
(k)
(k)
xi =
n
X
j=1
j6=i
(2.3)
bi
aij xj
+
aii
aii
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
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
14
CAPTULO 2.
2.4.2.
SEL
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)
(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