5 Sistemas de Ecuaciones Lineales SEL

Solucion de un Sistema Lineal Metodos Directos Metodos Iterativos
Resoluci on de Sistema de Ecuaciones Lineales

Hermes Pantoja Carhuavilca
Facultad de Ingeniera Industrial
Universidad Nacional Mayor de San Marcos
Metodos Computacionales
Hermes Pantoja Carhuavilca Resolucion de Sistema de Ecuaciones Lineales
Contenido
1
Solucion de un Sistema Lineal
Introduccion
Nociones Elementales
SEL
Teorema de Rouche-Frobenius
Ejemplos
2
Metodos Directos
Eliminacion Gaussiana
Eliminacion Gaussiana con Pivoteo
Cotas de Error
Factorizacion LU
3
Metodos Iterativos
Metodo de Jacobi
Metodo de Gauss Seidel
Convergencia
Introduccion
Aplicaciones de los Sistemas Lineales
La solucion de sistemas lineales de ecuaciones lineales es un tema
clasico de las matematicas, rico en ideas y conceptos y de gran
utilidad en diversas ramas del conocimiento como la biologa,
fsica, psicologa, economa, etc. La resolucion de sistemas de casi
cualquier n umero de ecuaciones (10, 100, 1000, etc) es una
realidad hoy en dia gracias a las computadoras, lo cual proporciona
un atractivo especial a las tecnicas de solucion directa e iterativas.
Una red electrica.
Una red de calles.
La ecuacion del calor.
Introduccion
Una red electrica.
Una red de calles.
Introduccion
Una red electrica.
Una red de calles.
Nociones Elementales de Matrices
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
A = [a
ij
] a
ij
: i = i . . . m; j = 1 . . . n
A es de orden m n; si m = n A se dice que es una matriz
cuadrada. Para matrices cuadradas de orden n:
D = [d
ij
] Matriz diagonal si d
ij
= 0, para todo i = j
Ademas si d
ii
= 1, se llama matriz identidad I .
U = [u
ij
] es una matriz triangular superior cuando u
ij
= 0,
para todo i > j
L = [l
ij
] es una matriz triangular inferior cuando l
ij
= 0, para
todo i < j
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
A = [a
ij
] a
ij
: i = i . . . m; j = 1 . . . n
D = [d
ij
ij
Ademas si d
ii
U = [u
ij
ij
= 0,
para todo i > j
L = [l
ij
ij
= 0, para
todo i < j
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
A = [a
ij
] a
ij
: i = i . . . m; j = 1 . . . n
D = [d
ij
ij
Ademas si d
ii
U = [u
ij
ij
= 0,
para todo i > j
L = [l
ij
ij
= 0, para
todo i < j
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
A = [a
ij
] a
ij
: i = i . . . m; j = 1 . . . n
D = [d
ij
ij
Ademas si d
ii
U = [u
ij
ij
= 0,
para todo i > j
L = [l
ij
ij
= 0, para
todo i < j
SEL
Soluci on de un Sistema Lineal
Escribiremos un sistema lineal de m ecuaciones con n
incognitas x
1
, x
2
, . . . , x
n
, en la forma
_
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
,
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
,
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
Ax = b
A : Matriz de coecientes;
x = (x
1
, x
2
, . . . , x
n
)
T
; b = (b
1
, b
2
, . . . , n
n
)
T
Sistema Homogeneo (No Homogeneo): si b=0 (si b= 0)
Teorema de Rouche-Frobenius
Denicion (Teorema de Rouche-Frobenius)
Sistema Compatible
_
_
Compatible Determinado
Si rang(A)=rang(A|b)=n
Compatible Indeterminado
rang(A)=rang(A|b)< n
Sistema Incompatible
_
No tiene Solucion
Si rang(A) = rang(A|b)
Ejemplos
Un Ejemplo Incompatible
Ejemplos
Un Ejemplo Compatible indeterminado
Un Ejemplo Compatible determinado
Ejemplos
Un Ejemplo Compatible indeterminado
Un Ejemplo Compatible determinado
Ejemplos
Sistema de ecuaciones mal condicionadas
Una peque na desviacion en las entradas de la matriz A, causa una
gran desviacion en la solucion.
Ejemplo
Generalidades sobre metodos directos
Encuentra una solucion en un n umero nito de operaciones(en
ausencia de errores de redondeo) transformando el sistema en
un sistema equivalente que sea mas facil de solucionar.
Triangulares (Superior o Inferior), Diagonales, .
Generalidades sobre metodos directos
Encuentra una solucion en un n umero nito de operaciones(en
ausencia de errores de redondeo) transformando el sistema en
un sistema equivalente que sea mas facil de solucionar.
Triangulares (Superior o Inferior), Diagonales, .
Usando Operaciones Elementales por Renglones (OER), la
matriz A es transformada en una matriz triangular superior
(todos los elementos debajo de la diagonal son cero).
Sustitucion hacia atras es usada para resolver un sistema
triangular superior
triangular superior
triangular superior
Primer Paso de Eliminacion
Segundo Paso de Eliminacion
Sustitucion Regresiva
Algoritmo
Ejemplo
Ejemplo
Utilizando Eliminacion Gaussiana resolver:
3x
1
+ 2x
2
+ 4x
3
= 1
x
1
+ x
2
+ 2x
3
= 2
4x
1
+ 3x
2
2x
3
= 3
Ejemplo
Mtodo de Eliminacin Gaussiana
Sistema equivalente:
Solucin:
=
= +
= + +
0 8
3 / 5 3 / 2 1/3
1 4 2 3
3
3 2
3 2 1
x
x x
x x x
|
|
|
.
|
\
|
=
0
5
3
* x
Computadoras usan precision aritmetica nita.
Peque nos errores son introducidos en cada operacion
aritmetica, propagacion de errores
Cuando los elementos pivotales son muy peque nos, los
multiplicadores podran ser muy grandes.
La adicion de n umeros de magnitud diferente puede conducir
a la perdida de signicacion.
Para reducir el error, se realiza intercambio de las para
maximizar la magnitud del elemento pivotal.
Pivoteo
Ejemplo (Sin Pivoteo)
Pivoteo
Ejemplo (Con Pivoteo)
Procedimiento con Pivoteo
Pivoteo por Filas
Mas com unmente llamado procedimiento de pivoteo parcial.
Busque la columna pivotal.
Encuentre el mas grande elemento en magnitud.
Luego intercambie esta la con la la pivotal.
Pivoteo por Filas
Pivoteo por Filas
Pivoteo por Filas
Pivoteo por Filas
Ejemplo de Pivoteo por Filas
|
|
|
|
|
.
|
\
|
=
15
7
6
5

0
7
3
1 -

4
5 -
0
1

2
3 -
1
2

0
0
0
3
|
) 1 ( ) 1 (
b A
|
|
|
|
|
.
|
\
|
=
15
6
7
5

0
3
7
1 -

4
0
5 -
1

2
1
3 -
2

0
0
0
3
|
) 1 ( ) 1 (
b A
3
3 | | max 4
32
2
2
= =
= = =
>
a pivote
a n
i
i

tenemos 2, k , Para
En la etapa k, escoger para pivote el elemento de mayor
mdulo entre a
ik
, i=k,k+1,...,n;
Pivoteo Completo
Ejemplo de Pivoteo Completo
Luego, intercambiamos las filas 2 y 3 y las columnas 2 y 4:
|
|
|
|
|
.
|
\
|
=
15
7
6
5

0
7
3
1 -

4
5 -
0
1

2
3 -
1
2

0
0
0
3
|
) 1 ( ) 1 (
b A
|
|
|
|
|
.
|
\
|
=
15
6
7
5

2
1
3 -
2

4
0
5 -
1

0
3
7
1 -

0
0
0
3
|
) 1 ( ) 1 (
b A
7 7 | | max 4
34
2 ,
= = = = =
>
a pivo a n
j i
ij
tenemos 2, k e Para
Cotas de Error
Norma Vectorial
Una norma vectorial en R
n
es una funcion ||.||, de R
n
en R con las
siguientes propiedades:
||x|| 0 para todo x R
n
.
||x|| = 0 si y solo si x = (0, 0, ..., 0)
t
.
||ax|| = |a|||x|| para todo a R y x R
n
.
||x + y|| ||x|| +||y|| para todo x, y R
n
.
Para nuestro proposito solo necesitaremos dos normas especcas
de R
n
Cotas de Error
Norma Vectorial
n
n
en R con las
n
.
||x|| = 0 si y solo si x = (0, 0, ..., 0)
t
.
n
.
n
.
de R
n
Cotas de Error
Norma Vectorial
n
n
en R con las
n
.
||x|| = 0 si y solo si x = (0, 0, ..., 0)
t
.
n
.
n
.
de R
n
Cotas de Error
Norma Vectorial
n
n
en R con las
n
.
||x|| = 0 si y solo si x = (0, 0, ..., 0)
t
.
n
.
n
.
de R
n
Cotas de Error
Vector en R
n
El vector
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
Se denotara por: x = (x
1
, x
2
, . . . , x
n
)
t
Cotas de Error
Deniciones
Cotas de Error
Ejemplo
Ejemplo
El vector x = (1, 1, 2)
t
en R
3
tiene normas
||x||
2
=
_
(1)
2
+ (1)
2
+ (2)
2
=
6
||x||
= max{| 1|, |1|, | 2|} = 2

Cotas de Error
Deniciones
Si x = (x
1
, x
2
, . . . , x
n
)
t
y y = (y
1
, y
2
, . . . , y
n
)
t
son vectores en R
n
las distancias l
2
y l
entre x e y estan denidas por

||x y||
2
=
_
n
i =1
|x
i
y
i
|
2
_
1
2
||x y||
= max
1i n
|x
i
y
i
|
Cotas de Error
Norma Matricial
Una norma matricial en R
nn
nn
en R
con las siguientes propiedades:
||A|| 0 para todo A R
nn
.
||A|| = 0 si y solo si A es 0.
||A|| = ||||A|| para todo R y A R
nn
.
||A + B|| ||A|| +||B|| para todo A, B R
nn
.
||AB|| ||A||||B||
Teorema (Norma Matricial)
Si A = (a
ij
) es una matriz de n n, entonces
||A||
= max
1i n
n
j =1
|a
ij
|
Cotas de Error
Norma Matricial
nn
nn
en R
nn
.
nn
.
nn
.
||AB|| ||A||||B||
Si A = (a
ij
||A||
= max
1i n
n
j =1
|a
ij
|
Cotas de Error
Norma Matricial
nn
nn
en R
nn
.
nn
.
nn
.
||AB|| ||A||||B||
Si A = (a
ij
||A||
= max
1i n
n
j =1
|a
ij
|
Cotas de Error
Norma Matricial
nn
nn
en R
nn
.
nn
.
nn
.
||AB|| ||A||||B||
Si A = (a
ij
||A||
= max
1i n
n
j =1
|a
ij
|
Cotas de Error
Norma Matricial
nn
nn
en R
nn
.
nn
.
nn
.
||AB|| ||A||||B||
Si A = (a
ij
||A||
= max
1i n
n
j =1
|a
ij
|
Cotas de Error
Teorema
Si A es una matriz real de n n entonces
[(A
t
.A)]
1
2
= ||A||
2
(A) ||A|| para cualquier norma ||.||
Cotas de Error
Criterios de Parada
Una vez jada una toleracia , para cuando se cumpla uno o varios
de los siguientes criterios:
||x
(k+1)
x
(k)
|| <
||x
(k+1)
x
(k)
||
||x
(k+1)
||
<
||Ax
(k)
b|| <
Cotas de Error
Condicionamiento de un sistema lineal
Sabemos que el condicionamiento inuye en la calidad de la
solucion de un problema cualquiera. En particular, en el problema
de hallar la solucion de un sistema lineal nos encontramos con que
al comparar el valor exacto del termino independiente de un
sistema con el calculado puede haber discrepancias. En concreto,
deniendo el vector residual r en la forma
r =

b b
en donde

b es el valor calculado.
Teorema
Si A es una matriz invertible, se verica
1
|| x x|| ||r ||||A
1
||
2
|| x x|
||x||
||A|||A
1
|||
||r ||
||b||
Cotas de Error
Condicionamiento de un sistema lineal
Denicion
Se denomina n umero de condicionamiento de una matriz al n umero
k(A) = ||A||||A
1
||
Si k(A) es peque no, se dice que la matriz A esta bien
condicionada, si es grande que A esta mal condicionada.
Cotas de Error
Ejemplo
Factorizacion LU
Algoritmo de la factorizaci on LU
Descomposicion de una matriz como producto de dos triangulares
Supongamos que la matriz de un sistema Ax = b se puede
descomponer como A = LU, con L triangular inferior y U
triangular superior.
LUx = b, Ly = b, Ux = y
Teorema
Una matriz cuadrada A es factorizable LU si y solo si en el
algoritmo de Gauss para encontrar una matriz escalonada por las
que sea equivalente por las a la matriz A no es necesario aplicar
operaciones elementales ( de las).
Factorizacion LU
Teorema
Factorizacion LU
Teorema
Factorizacion LU
Diferentes Formas de Factorizacion
Factorizacion LU
Forma de Doolitle(Algoritmo)
Factorizacion LU
Forma de Crout
Calculo de la primera columna de L l
i 1
= a
i 1
Calculo de la primera la de U u
1j
=
a
1j
l
11
Calculo alternado de las columnas de L y las de U
l
ij
= a
ij

j 1
k=1
l
ik
u
kj
j i , i = 1, 2, . . . , n
u
ij
=
a
ij

i 1
k=1
l
ik
u
kj
l
ii
i j , j = 2, 3, . . . , n
Factorizacion LU
Factorizacion LU
Descomposicion de Cholesky
Descomposicion de Cholesky. Sea A una matriz simetica y
denida positiva, existe una unica matriz triangular inferior L con
l
ii
> 0 tal que
A = LL
T
Esto es
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
=
_
_
l
11
0 0 0
l
21
l
22
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
l
n1
l
n2
. . . l
nn
_
_
_
_
l
11
l
12
. . . l
1n
0 l
22
. . . l
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . l
nn
_
_
Factorizacion LU
Note que
a
11
= l
2
11
l
11
=
a
11
l
11
es un n umero real positivo ya que a
11
> 0 por que A es
denida positiva.
a
i 1
= l
i 1
l
11
l
i 1
=
a
i 1
l
11
Factorizacion LU
Como
a
ij
= l
i 1
l
j 1
+ l
i 2
l
j 2
+ . . . + l
ij
l
jj
; j = 1, 2, . . . , i 1
luego
l
ij
=
a
ij

j 1
k=1
l
ik
l
jk
l
jj
; j = 1, 2, . . . , i 1
Factorizacion LU
Ademas
a
ii
= l
2
i 1
+ . . . + l
2
ii
lo que implica
l
ii
=
_
a
ii

i 1
k=1
l
2
ik
_
1
2
Factorizacion LU
Descomposicion de Cholesky-MatLab
Factorizacion LU
Ejemplo:
Ejemplo
Dada la matriz A
A =
_
_
6 15 55
15 55 225
55 225 979
_
_
Factorizar utilizando descomposicion de Cholesky.
Solucion:
A es simetrica y denida positiva, en efecto:
det(6) > 0;
det
_
6 15
15 55
_
= 105 > 0
det(A) = 3920 > 0
Factorizacion LU
Metodos Iterativos
La ventaja frente a los metodos directos es que son menos
sensibles a los errores de redondeo y esto se aprecia en sistemas de
orden elevado donde los errores de redondeo de los metodos
directos son considerables.
Denicion de Metodo Iterativo
Un metodo iterativo construye una sucesion de vectores x
(k)
tal
que
lm
k
x
(k)
= x
siendo x la solucion del sistema Ax = b.
Construccion de un metodo iterativo
Se parte de una aproximacion inicial x
(0)
y luego se calcula
x
(k+1)
= F(x
(k)
) k = 0, 1, . . . ,
donde F se toma de forma lineal: F(x) = Tx + c.
x
(k+1)
= Tx
(k)
+ c k = 0, 1, . . . ,
La matriz T se denomina matriz de iteracion.
Diferentes Metodos Iterativos
Metodo de Jacobi
Metodo de Gauss-Seidel
Metodo de Jacobi
Metodo de Jacobi
El metodo Jacobi es el metodo iterativo para resolver sistemas de
ecuaciones lineales mas simple y se aplica solo a sistemas
cuadrados, es decir a sistemas con tantas incognitas como
ecuaciones.
Metodo de Jacobi
Metodo de Jacobi
Metodo de Jacobi
Forma Matricial
Sea el sistema Ax = b, donde
A =
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
trabajamos sobre la siguiente particion de A:
D =
_
_
a
11
0 . . . 0
0 a
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 . . . 0 a
nn
_
_
, L =
_
_
0 0 . . . 0
a
21
0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . 0
_
_
Metodo de Jacobi
U =
_
_
0 a
12
.
.
. a
1n
0 0 . . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0
_
_
De tal forma que:
A = D L U
x
(k+1)
= D
1
(L + U)x
(k)
+ D
1
b
T
j
= D
1
(L + U), Matriz de Iteracion de Jacobi
c = D
1
b
Metodo de Jacobi
Ejemplo
Ejemplo
Sea el sistema
_
7 6
8 9
__
x
1
x
2
_
=
_
3
4
_
Aproximar la solucion utilizando el metodo de Jacobi. x
0
1
= 0 y
x
0
2
= 0
El metodo de Gauss-Seidel es muy semejante al metodo de Jacobi.
Mientras que en el de Jacobi se utiliza el valor de las incognitas
para determinar una nueva aproximacion, en el de Gauss-Seidel se
va utilizando los valores de las incognitas recien calculados en la
misma iteracion, y no en la siguiente.
Ejemplo
Ejemplo
Sea el sistema
_
7 6
8 9
__
x
1
x
2
_
=
_
3
4
_
Aproximar la solucion utilizando el metodo de Gauss Seidel. x
0
1
= 0
y x
0
2
= 0
Forma Matricial
A = D L U
x
(k+1)
= (D L)
1
Ux
(k)
+ (D L)
1
b
T
gs
= (D L)
1
U, Matriz de Iteracion de Gauss Seidel
c = (D L)
1
b
Convergencia
Convergencia
Denicion
A es de diagonal estrictamente dominante si para cada la i se
cumple:
|a
ii
| >
n
j =1;j =i
|a
ij
|
Una matriz se dice matriz diagonalmente dominante, si en cada
uno de los renglones, el valor absoluto del elemento de la diagonal
principal es mayor que la suma de los valores absolutos de los
elementos restantes del mismo renglon. A veces la matriz de un
sistema de ecuaciones no es diagonalmente dominante pero cuando
se cambian el orden de las ecuaciones y las incognitas el nuevo
sistema puede tener matriz de coecientes diagonalmente
dominante.
Convergencia
Teorema
Si A es una matriz diagonalmente estrictamente dominante,
entonces la iteracion de Jacobi y de Gauss Seidel converge para
cualquier valor inicial
En ciertas ocasiones al aplicar Jacobi o Gauss Seidel la matriz no
es diagonalmente dominante y por tanto no existira garanta de
convergencia. Sin embargo, en algunos casos sera posible reordenar
las incognitas en otra manera de forma que la nueva matriz de
coecientes sea diagonalmente dominante. Esto se puede detectar
revisando todos los posibles ordenamientos de las incognitas y ver
como es la matriz resultante. Claro que esto conlleva un bueno
n umero de pruebas pues el n umero posible de ordenamientos en n
variables es (n 1)! pero cuando n es reducido es sencillo.
Convergencia
Denicion (Polinomio Caracterstico)
P() = det(A I )
Denicion (Espectro)
Se llama espectro de la matriz A al conjunto de soluciones de
la ecuacion P() = 0
Denicion (Radio Espectral)
Radio espectral de la matriz A: (A) = Max{||},
Convergencia
P() = det(A I )
Denicion (Espectro)
la ecuacion P() = 0
Convergencia
P() = det(A I )
Denicion (Espectro)
la ecuacion P() = 0
Convergencia
Teorema
La sucesion x
(k+1)
= Tx
(k)
+ c, para k 0 converge a la solucion
unica x = Tx + c si y solo si (T) < 1.
Ejemplo
Analizar la convergencia del siguiente sistema lineal
x
1
+ x
2
= 3
x
1
3x
2
= 3

5 Sistemas de Ecuaciones Lineales SEL

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5 Sistemas de Ecuaciones Lineales SEL

Cargado por

Copyright:

Formatos disponibles

Solucion de un Sistema Lineal Metodos Directos Metodos Iterativos

Resoluci on de Sistema de Ecuaciones Lineales

= max{| 1|, |1|, | 2|} = 2

entre x e y estan denidas por

También podría gustarte