Análisis Numérico I Sistema de Ecuaciones Lineales

PLAN DE CLASE
I. Datos Generales

Fecha: 1 de Octubre 2018 Carrera: Lic. En Matemática e Ing. En Estadística

Asignatura: Análisis Numérico I Unidad: II Hora: Jueves 2:40pm-4.45pm

Lunes 1:00pm-2:30pm
II. Objetivos
Entender los distintos métodos y algoritmos de solución de los sistemas de
ecuaciones lineales nxn.

III. Contenidos
Método de Cholesky
Número de condición

IV. Actividades
Entrega de materiales que contienen ejercicios resueltos y propuestos por parte del
docente a los estudiantes, para la revisión, justificación y exposición de estos
contenidos.

4.1. Iniciales
El docente tratara de establecer un ambiente armonioso con los estudiantes, para
introducir la importancia y contenido de la clase.

4.2. De desarrollo

El docente explicara al estudiante la metodología, la cual consiste en que el

estudiante deberá justificar algunos ejercicios resueltos, para resolver en casa
ejercicios que luego deberán exponerse en clase.

1
Análisis Numérico I Sistema de Ecuaciones Lineales

4.3. Finales
El docente explicará las dudas e inquietudes que tengan los estudiantes de los
ejercicios, donde le explicará la vía por la cual tendrán comunicación con el
docente.

V. Evaluación

Exposición de los ejercicios resueltos y propuestos con las aplicaciones, lo cual tendrá
una evaluación.

VI. Observaciones:
_____________________________________________________________
_____________________________________________________________
______

VII. Bibliografía

Antonio Nieves, F. D. (1995). Métodos Numéricos Aplicados a la Ingeniería. CECSA.

Chapra, S. (1988). Métodos Numéricos para ingenieros con aplicaciones en
computadoras personales. Mc Graw-Hill.
Richard Burden, D. F. (1985). Análisis Numérico. Iberoamericana.
Fascículo del Docente

Docente: Firma:
_____________________________ _________________________________

2
Análisis Numérico I Sistema de Ecuaciones Lineales

INTRODUCCIÓN

La solución de los sistemas de ecuaciones lineales es un tema clásico de las

matemáticas, en ideas y conceptos, de gran utilidad en ramas de conocimiento

tan diversas como la economía, biología, física, psicología, etc.

La resolución de sistemas casi de cualquier número de ecuaciones (10, 100, 1000,

etc.) es una realidad hoy en día gracias a las computadoras, lo cual proporciona

un atractivo especial a las técnicas de soluciones directas interactivas: su

propagación, los cálculos necesarios, la propagación de errores, etc.

Sin embargo, todo lo anterior requiere una revisión de los conceptos básicos sobre

matrices, ortogonalización de vectores y la existencia y unicidad delas soluciones.

I. EXPLICAR METODO

SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

Gran número de problemas prácticos de ingeniería se reduce al problema de

resolver un sistema de ecuaciones lineales. Por ejemplo:

 Puede citarse la solución de sistemas de ecuaciones no lineales, la

aproximación polinomial la solución de ecuaciones diferenciales parciales.
 Un sistema de m ecuaciones lineales en n incognitas tiene la forma general

a x a
1 ,1 1 1 ,2x  ...  a x  b
2 1, n n 1

a x a
2 ,1 1 2 ,2x  ...  a x  b
2 2, n n 1

. . . .
. . . .
. . . .
a x a
m ,1 1 m ,2x  ...  a x  b
2 m, n n 1

3
Análisis Numérico I Sistema de Ecuaciones Lineales
 Puede demostrarse que el número máximo de vectores columna
linealmente independientes de una matriz A es igual al número máximo de
vectores fila linealmente independientes
Con la notación matricial se puede escribir la ecuación anterio como:
Y correctamente como Ax=b.

 a 1 ,1 x 1 a 1 , 2 x 2 . . . a 1 , n xn   x 1  b1 
 a 2 ,1 x 1 a 2 , 2 x 2 . .  
. a 2 , n xn x 2  b 2 
    
 . . .   x 3   b 3 
    
 . . .   x4
b 4 
 . . .   x5 b5 
    
 am , 1 x 1 am , 2 x 2 . . . am , n xn   x 6  b6 
 Donde A es una matriz del sistema, el vector incógnita y b el vector de
términos independientes
Dados a y b, se entiende por resolver el sistema, encontrar el valor x que lo
satisfaga. Antes de estudiar las técnicas que permita encontrar x se
expondrán algunas consideraciones teóricas

SISTEMAS SIMÉTRICOS

En caso de que la matriz coeficiente del sistema Ax = b sea simétrica, los

cálculos de la factorización (si es posible) se simplifican, ya que se reduce a:

Esto disminuye considerablemente el trabajo, en particular cuando n es

grande.

aji
lij  i  j  1,..., n; j  1,2,..., n - 1
ajj

MÉTODO DE CHOLESKY

Una matriz A cuyas componentes son números reales, es positiva definida si y

solo si los determinantes de A son positivas.

4
Análisis Numérico I Sistema de Ecuaciones Lineales

a1,1 a 1, 2 . . . a 1, n

a 1,1  0, a 1,1 a  0,…,

1,1
a2 ,1 a 2,2 . . . a 0
2, n

a 1,1 a 1,1
. . .
. . .
. . .
an ,1 a n ,1 . . . a n, n

En caso de tener un sistema AX=b, con A positiva definida, la factorización

de A en la forma L U es posible y muy sencilla ya que toma la forma L LT,
donde L es triangular inferior.

l 1 ,1 l 1 ,2 . . . l 1, n
L  l 2 ,1 l 2 ,2 . . . l 2, n
. . .
. . .
. . .
ln,2 ln,2 . . . ln, n

Los cálculos se reducen, ya que ahora vasta estimar n(n+1) elementos (los

l 1 ,1  0), en lugar de los n2 elementos de una factorización nominal (los l 1 ,1

tales que i j y los u 1 ,1 tales que i j). El número de cálculos es

prácticamente la mid.

II. DEDUCCION DE FORMULAS

1. Si se tiene un sistema de la forma AX=B donde la matriz A es simétrica y

su determinante es mayor que cero.
2. Se aplica EL METODO CHOLESKY que es la factorización de A en la
forma LU que toma la forma LLT
3. Para poder factorizar la matriz L debe ser triangular superior.
4. Una vez hallado la matriz L
5. Se resolver el sistema LC=B donde se encontrara la matriz columna C
6. Luego con la matriz transpuesta LT se resuelve el sistema LTX=C de
donde nos dará el resultado de las X

5
Análisis Numérico I Sistema de Ecuaciones Lineales

DEDUCCION
 AX=B

 a 1 ,1 a 1 ,2 . . . a 1, n   x 1   b1 
 a 2 ,1 a 2 ,2 . . . a 2, n x 2  b2 
  
    
 . . .  .  .
  .   
 . . .   .
 . . .  .  .
    
am ,1 am ,2 . . . am , n   xm   bm 

 FACTORIZA A

l11 0 0 0 0  l 1 ,1 l 2 ,1 l 3 ,1 l 4 ,1 l 5 ,1   a 1 ,1 a 1 , 2 . . a 1 ,5 
l 21 l 22 0 0 0   a 2 ,1 a 2 , 2

 0 l 2 ,2 l 3 ,2 l 4 ,2 
l 5 ,2   . . a 2 ,5 

l 31 l 32 l 33 0 0  0 0 l 3 ,3 l 4 ,3 =
l 5 ,3   . . . 
     
l 41 l 42 l 43 l 44 0  0 0 0 l 4 ,4 l 5 ,4   . . . 
l 51 l 52 l 53 l 54 l 55  0 0 0 0  
l 5 ,5   a 5 ,1 a 5 , 2 a 5 , 3 a 5 , 4 a 5 ,5 

Primera fila por columnas (1, 2, 3, 4, 5)

 l211 = a11 a 1 ,4
l 4 ,1 =
l11 =  a11 l 1 ,1

 l11 l2,1 = a1,2  l 1 ,1  l 5 , 1  a 1 ,5

a 1 ,2 a 1 ,5
l 2 ,1 = l 5 ,1 =
l 1 ,1 l 1 ,1
 l 1 ,1  l 3 ,1  a 1 ,3
a 1 ,3
l 3 ,1 =
l 1 ,1

 l 1 ,1  l 4 ,1  a 1 ,4

6
Análisis Numérico I Sistema de Ecuaciones Lineales

Segunda fila por columna (2, 3, 4, 5)

2 2
l 2 ,1  l 2 ,2  a 2 ,2

2 2
l 2 ,2  a 2 ,2  l 2 ,1

l 2 ,2  a 2 , 2 l 2 2 ,1

l 2,1  l l l a
3,1  2,2  3,2  2,3

l 2,2  l a l l
3,2  2,3 - 2,1  3,1

a - l  l
2,3 2,1 3,1
l 3,2 
l 2,2

l l
2,1 l l a4,1  2,2  4,2  2,4

l l a - l l
2,2  4,2  2,4 2,1  4,1

a - l  l 2,4 2,1 4,1

l 4,2 
l 2,2

l l l l
2,1  a 5,1  2,2  5,2  2,4

l l a - l l
2,2  5,2  2,5 2,1  5,1

a - l  l 2,5 2,1 5,1

l 5,2 
l 2,2

Tercera fila por columna (3, 4, 5)

l
2
3,1  l 2 3,2  l 2 3,3  a3,3
l 2 3,3  a3,3 - ( l 3,1  l 3 ,2 )
2 2

l3,3  a3,3 - ( l 2 3,1  l 2 3,2 )

l3,1 l4,1  l3,2  l4,2  l3,3  l4,3  a3,4
l3,3  l4,3  a3,4 - (l 3,1 l4,1  l3,2  l4,2 )
a3,4 - (l 3,1 l4,1  l3,2  l4,2 )
l4,3 
l3,3

7
Análisis Numérico I Sistema de Ecuaciones Lineales

l3,1 l5,1  l3,2  l5,2  l3,3  l5,3  a3,4

l3,3  l4,3  a3,4 - (l3,1 l4,1  l3,2  l4,2 )
a3,4 - (l3,1 l4,1  l3,2  l4,2 )
l5,3 
l3,3

Cuarta fila por columna (4, 5)

l 2 4,1  l 2 4,2  l  l 2 4,4  a4,4

2
4,3

l
2
4,4  a4,4 - ( l 2 4,1  l 2 4,2  l 2 4,3 )
l4,4  a4,4 - ( l 2 4,1  l 2 4,2  l 2 4,3 )

l4,1 l5,1  l4,2  l5,2  l4,3  l5,3  l4,4  l5,4  a3,4

l4,4  l5,4  a3,4 - (l 4,1 l5,1  l4,2  l5,2  l4,3  l5,3 )
a3,4 - (l 4,1 l5,1  l4,2  l5,2  l4,3  l5,3 )
l5,4 
l4,4

Quinta fila por columna (5)

l 5,2  l 5,3  l 5,4  l 5,5  a4,4

2 2 2 2 2
l 5,1 

l
2
5,5  a5,5 - ( l 2 5,1  l 2 5,2  l 2 5,3 )
l5,5  a 5,5 - ( l 2 5,1  l
2
5,2  l
2
5,3 )

8
Análisis Numérico I Sistema de Ecuaciones Lineales

Formulas de la deducción de este algoritmo para un

sistema de “n” ecuaciones

l1,1  a1,1
a1,1
li ,1  i  2,3..., n
l1,1
1

  i 1 2

li , i   a  
i,i l 
2
i, k i  2,3..., n
 k 1 
1 i 1 2

li , i   a i, i   l i, k l j, k 
li , i  k 1 
i  2,3..., n
j  i  1,i  2,..., n  1
li , i  0 i j

 Luego resolver el sistema Lc = b

 l 1 ,1 0 0 0 0   c 1   b1 
 l 2 ,1 l 2 ,2 0 0 0  c 2  b 2 
    
 l 3 ,1 l 3 ,2 l 3 ,3 0 0  c 3   b 3 
    
 l 4 ,1 l 4 , 2 l 4 , 3 l 4 ,4 0  c 4  b 4 
 l 5 ,1 l 5 , 2 l 5 , 3 l 5 ,4 l 5 ,5  c 5  b 5 

l 1 ,1  c1  b1
 b1
 c1 
l 1 ,1
l 2 ,1  c1  l2,2  c2  b 2
 b 2  l 2 ,1  c1
 c2 
l2,2
l 3 ,1  c1  l3,2  c2  l3,3  c3  b3
 b3 - l 3 ,1  c1  l3,2  c2 
 c3 
l3,3

9
Análisis Numérico I Sistema de Ecuaciones Lineales

l 4 ,1  c1  l4,2  c2  l4,3  c3  l4,3  c4  b4

 b4 - l 4 ,1  c1  l4,2  c2  l4,3  c3 
 c4 
l4,3
l 5 ,1  c1  l5,2  c2  l5,3  c3  l5,3  c3  l5,4  c5  b5
 b5 - l 5 ,1  c1  l5,2  c2  l5,3  c3  l5,3  c3 
 c5 
l5,4

 Luego resolver el sistema LT X  c 1

 l 1 ,1 l 2 ,1 l 3 ,1 l 4 ,1 l 5 ,1   x1 c1
 0 l 2 ,2 l 3 ,2 l 4 ,2 l 5 ,2   x 2  c 2 
     
0 0 l 3 ,3 l 4 ,3 l 5 ,3   x 3   c 3 
     
0 0 0 l 4 ,4 l 5 ,4   x 4  c 4 
 0 0 0 0 l 5 ,5   x 5  c 5 

l 5 ,5  x5  c 5
 c5
 x5 
l 5 ,5
l 4 ,4  x4 l5,4  x5  c 4


 c 4 - l 4 ,4  lx4
 x5 
l5,4
l 3 ,3  x3  l4,3  x4  l5,3  x5  c 3
 c 3  l 3 ,3  x3  l4,3  x4 
 x5 
l5,3
l 2 ,2  x2 l3,2  x3  l4,2  x4  l5,2  x5  c 4


 c 4 - l 2 ,2  x2  l3,2  x3  l4,2  x4 
 x5 
l5,2
l 1,1  x 1  l1,2  x2  l1,3  x3  l1,4  x3  l1,5  x5  c 5
 x 5 - l 1,1  x1  l1,2  x2  l1,3  x3  l1,4  x3 
 x5 
l1,5

10
 Análisis Numérico I Sistema de Ecuaciones Lineales

IV. EJEMPLOS
Sistemas de ecuaciones lineales mediante los métodos de CHOLESKY

4 1 2   x 1  1 
1.
1 2 0   x 2  
2 
    
2 0 5   x 3  4 

Solución:
L.LT = A
 l 1 ,1 0 0  l 1 ,1 l 2 ,1 l 3 ,1  4 1 2 
l 2 ,1 l 2 ,2 0   0 l 2 ,2 l 3 ,2  =  1 2 0 
    
l 3 ,1 l 3 ,2 l 3 ,3   0 0 l 3 ,3  2 0 5 

l 1 ,1 = 4 l2,1 l3,1  l2,2  l3,2  a2,3

l 1,1  2
- 

0 0.5 1
1 l3,2
l 2 ,1 =
2 1.3229
l 2 ,1  0.5 l3,2  - 0.3780
2
l 3 ,1 =
2
l 3 ,1 = 1

l 2
2 ,1  l 2
2 ,2  a 2 ,2 l
2
3,1  l 2 3,2  l 2 3,3  a3,3
2 l3,3  5 - 1  0.3780 2 2

l 2 ,2  2 1 
2 l3,3  1.9640
l 2 ,2  1.3229

11
Análisis Numérico I Sistema de Ecuaciones Lineales

 Luego resolver el sistema Lc = b

2 0 0   c1  1
0.5 1.3229 0  c 2  = 2 
 1  0.3780 1.9640 c 3  4 
    
 l c b
1 ,1  1  1 l 2 ,1  c1  l2,2  c2  b 2
1 2 - 0.5(0.5)
c1  c2 
2 1.3229
c1  0.5 c2  1.3229

 l 3 ,1  c1  l3,2  c2  l3,3  c3  b3
4 - 1  0.5  0.3780  1.3229
c3 
1.9640
c3  2.0367

 Luego resolver el sistema Lx = c

2 0.5 1  x 1   0.5 
0 1.3229  0.3780   x   1.3229 
0    
2

 0 1.9640   x 3
  2 . 0367 

l 3 ,3  x3  c 3
 x3  2.0367
1.9640
x3  1.0370
12
Análisis Numérico I Sistema de Ecuaciones Lineales

l 2 ,2  x2  l2,3  x3  c2
1.3229  0.3780  1.0370
 x2 
1.3229
x2  1.2963

l 1 ,1 x1  l2,1 x2  l3,1 x3  c 3

 0.5  0.5  1.2963  1  1.0370
x1 
2
x1  - 0.5926

EJERCICIOS A DESARROLLAR POR CHOLESKY EN

Ejercicio Nº 1. Desarrollar el Sistema A * X = b, con el Método de Cholesky, donde la
Matriz A es Simétrica y Definida Positiva de orden 3 x 3:

4 1 2 𝑥1 1
𝐴 = (1 2 0) ; 𝑋 = (𝑥2 ) ; 𝑏 = (2)
2 0 5 𝑥3 4

Ejercicio Nº 2. Desarrollar el Sistema A * X = b, con el Método de Cholesky, donde la

Matriz A es Simétrica y Definida Positiva de orden 4 x 4:

4 −1 0 2 𝑥1 6
𝐴=( −1 4 −1 0 ) ; 𝑋 = ( 𝑥2 ) ; 𝑏 = ( 3 )
0 −1 4 1 𝑥3 16
2 0 1 3 𝑥4 12

13