Sistemas de Ecuaciones

Lineales I
matricial. Dificultades numericas.

Preliminares: Expresion

521230

-1-

DIM Universidad de Concepcion

 matricial
Expresion
Todo sistema de ecuaciones lineales puede escribirse matricialmente:

a x + + a1n xn = b1

11 1
..
..

Ax = b,
.
.

a x + + a x
= bn
n1 1
nn n
donde

a
11
.
A := ..

an1

son los datos y

521230

a1n
..
.

Rnn

ann

x
1
.
x = .. Rn

xn

-2-

b
1
.
b = .. Rn

bn

es el vector de incognitas.

DIM Universidad de Concepcion

Matriz inversa
unica
si A
El sistema de ecuaciones lineales Ax = b tiene solucion
si y solo

es una matriz no singular.

Recordemos que una matriz A

si se cumple
Rnn es no singular si y solo

cualquiera de estas condiciones:

1.

A es invertible:

2.

det(A) 6= 0;

A1 Rnn : AA1 = A1 A = I ;

3. todas las filas (y columnas) de A son l.i.:

4.

0 no es valor propio de A:

rango(A) = n.

0
/ (A).

Si A es no singular, entonces
Ax = b

x = A1 b.

Sin embargo, en general, no es conveniente calcular la matriz inversa A

para resolver un sistema de ecuaciones, pues hacerlo as resulta mucho mas

costoso computacionalmente.
521230

-3-

DIM Universidad de Concepcion

Matriz inversa (cont.)

Por el contrario, una manera natural de calcular la inversa de una matriz
A Rnn consiste en resolver n sistemas de ecuaciones lineales. Si
1
llamamos c1 , . . . , cn a las columnas de A :









1
1
n
n
1


A = c   cn
,
.
.
.
,
c

R
,
,
c





entonces

Ac1   Acn = A c1   cn = AA1 = I = e1   en ,








donde las columnas e1 , . . . , en de I son los vectores de la base canonica

de

Rn . Por lo tanto, A1 puede calcularse columna por columna resolviendo:

Aci = ei ,
521230

-4-

i = 1, . . . , n.

DIM Universidad de Concepcion


Dificultades numericas
un algoritmo para
Los siguientes aspectos deben tenerse en cuenta al disenar
resolver un sistema de ecuaciones lineales:

Costo operacional. El tiempo de calculo

del computador necesario para
resolver el sistema debe ser lo menor posible.
Una medida standard del costo operacional es la cantidad de operaciones

(+,
aritmeticas

, , /) que requiere un algoritmo. Este

usualmente se

expresa en flop (floating point operations).

Costo de almacenamiento. La cantidad de posiciones de memoria que

de los
requiere el computador para ejecutar un algoritmo (representacion
debe ser la menor posible.
datos, variables auxiliares, etc.) tambien
de los resultados. Los algoritmos deben ser estables, en el sentido
Precision
de amplificar lo menos posible los errores de los datos y los de redondeo.

521230

-5-

DIM Universidad de Concepcion

Costo operacional
Un
Los sistemas que aparecen en muchas aplicaciones son de gran tamano.
moderado y en algunas
sistema de 1000 1000 hoy se considera de tamano
aplicaciones deben resolverse sistemas de ecuaciones con cientos de miles de

incognitas.

Hay metodos
que en teora permiten resolver cualquier sistema de ecuaciones

lineales, pero que en la practica

requieren tiempos de calculo
prohibitivos.

Mal ejemplo: Regla de Cramer. Este procedimiento permite calcular

de un sistema Ax = b mediante:
explcitamente la solucion
xi =

det(Ai )
,
det(A)

i = 1, . . . , n,

donde Ai es la matriz que se obtiene a partir de A reemplazando

en esta
su

por el segundo miembro b.

columna i-esima

Si los determinantes se calculan mediante la formula

recursiva usual de
desarrollo por fila (o por columna), el costo operacional de la Regla de Cramer
es de aproximadamente (n + 1)! flop.
521230

-6-

DIM Universidad de Concepcion

Costo operacional (cont.)

Gaussiana. Este procedimiento se

Buen ejemplo: Metodo
de Eliminacion

basa en el metodo
algebraico de transformaciones elementales. Su costo
operacional veremos que es de aproximadamente 23 n3 flop.

Comparacion:
En un computador de 1 Gflop (109 flop) por segundo:

10

15

20

100

1000

2000

Regla de Cramer
flop

4 107

2 1013

5 1019

10160

tiempo

0.04 s

5.5 horas

1500 anos

Gaussiana
Eliminacion

521230

flop

666

2250

5333

7 105

7 108

5 109

tiempo

0. s

0. s

0. s

0s

0.73 s

4.88 s

-7-

DIM Universidad de Concepcion

Costo de almacenamiento
En muchas aplicaciones los sistemas de ecuaciones lineales que deben
pero tales que la mayor parte
resolverse involucran matrices de gran tamano,
de sus entradas son nulas.
y en M ATLAB,
Estas matrices se denominan dispersas o ralas (en ingles

requieren una cantidad

sparse) y existen tecnicas
para almacenarlas que solo
de posiciones de memoria aproximadamente igual al numero
de entradas no

nulas de la matriz.

Los metodos
algebraicos usuales (por ejemplo el de transformaciones
elementales) requieren modificar la matriz original del sistema y, muchas

veces, destruyen el caracter

disperso de la misma.
otros procedimientos (metodos

Para evitar esto, estudiaremos tambien

mas

iterativos) que no modifican la matriz del sistema, por lo que resultaran

convenientes desde el punto de vista del costo de almacenamiento.

exacta del sistema, sino en

Estos metodos
no se basan en calcular la solucion
construir iterativamente aproximaciones cada vez mejores de la misma.
521230

-8-

DIM Universidad de Concepcion

 de los resultados
Precision
de un sistema de ecuaciones lineales en el computador involucra
La resolucion
de errores en los datos y errores de redondeo. Por ello:
la propagacion

1. Hay que disponer de alguna tecnica

que permita predecir cuando la

de un sistema de ecuaciones puede propagar drasticamente

resolucion
estos errores.
metodos

2. Hay que disenar

numericos
estables, que reduzcan la propagacion
de los errores de redondeo tanto como sea posible.
tecnicas

de
3. Hay que disenar
computacionales que nos permitan, despues
de un sistema de ecuaciones, estimar a posteriori la
calcular la solucion
de la solucion
calculada. Es decir, testear si el error con el que se
precision
la calculo esta por debajo de una tolerancia aceptable.

521230

-9-

DIM Universidad de Concepcion