Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas de Ecuaciones Lineales. Métodos Directos PDF
Sistemas de Ecuaciones Lineales. Métodos Directos PDF
El método de eliminación gaussiana es uno de los métodos directos clásico para resolver el sistema
Ax = b, consiste de dos etapas.
Etapa 1. Triangularización.
Para efectos de la operatoria, resulta más simple, efectuar las operaciones sobre la matriz aumen-
tada à en lugar de A.
El método consiste en obtener una sucesión de sistemas equivalentes
donde,
(1)
a1 n+1
.
..
b(k) = a(k) (36)
n n+1
..
.
(k)
an n+1 .
con
A(1) = Ã ,
31
(k)
Ã(k) = (aij ) se obtiene de la siguiente manera:
(k−1)
a si, i = 1, 2, . . . k − 1 ; j = 1, 2, . . . n + 1
ij
(k)
aij = 0 si, i = k, k + 1, . . . n ; j = 1...k − 1 , (37)
(k−1)
ai k−1
a(k−1) (k−1)
− ak−1 j sii = k, k + 1 . . . n ; j = k, k + 1 . . . n + 1 ..
ij (k−1)
ak−1 k−1
El proceso termina cuando Ã(n) es triangular superior, teniéndose el sistema A(n) x = b(n) .
Nótese que en esta etapa sólo se obtiene una matriz triangular superior. En la etapa siguiente, se
resuelve el sistema.
Etapa 2. Retrosustitución.
Resolvemos la n-ésima ecuación
(n)
a n+1
xn = n(n) .
an n
Usando xn se puede despejar xn−1 de la n − 1-ecuación
(n−1) (n−1)
an−1 ,n+1 − an−1 n xn
xn−1 = ;
an−1 n−1
Actividades 4.1
32
Solución : la matriz aumentada es
3 −0,1 −0,2 7,85
à = 0,1 7 −0,3 −19,4
0,3 −0,2 10 71,4
a2 1 0,1
m2 1 = = = 0,03333333
a1 1 3
y
a3 1 0,3
m3 1 = = = 0,09999999
a1 1 3
ii) Ejemplo 4.2 Use eliminación de Gauss para resolver los siguientes sistemas: a)
b)
De la Actividad I.ii), se observa que pueden surgir dificultades en algunos casos, como cuando el
pivote es pequeño en relación a los otros elementos de la columna a la que pertenece el elemento
pivote. Una forma de mejorar las soluciones se usa como estrategia pivotear. El llamado pivoteo
parcial consiste en seleccionar el elemento de mayor valor absoluto ubicado en la misma columna
que el pivote, bajo la diagonal e intercambiar filas. Al procedimiento de buscar el elemento de
mayor valor absoluto tanto en las columnas como en las filas y luego intercambiar se conoce como
pivoteo total.
El pivoteo completo o total no es muy usado puesto que el intercambio de columnas implica un
intercambio de las incógnitas, lo que agrega complejidad injustificada.
x1 + x2 − x3 = −3 ,
6x1 + 2x2 + 2x3 = 2,
−3x1 + 4x2 + x3 = 1,
usando,
33
Gauss simple.
Eliminación gaussiana con pivoteo parcial.
Eliminación gaussiana con pivoteo total.
2. Para k = 0, 1, 2, ..., sea x(k) = [xk , yk , zk ]T generada por :
4xk+1 = −xk − yk + 2 ,
6yk+1 = +2xk + yk − zk − 1 ,
−4xk+1 = −xk + yk − zk + 4 ,
0,10 · 10−1 x + y = 1
x−y = 0
34
4.2. Factorización LU
A = LU
Una primera interrogante es ¿Existe tal factorización? . Un primer resultado que garantiza la
existencia de esta factorización dice,
A = LU ,
donde
(1) (1) (1)
a11 a12 ... a1n
.. 1 0 ... 0
(2) ..
0 a22 . .
.. ..
m21 1 . .
U =
.. .. .. (n−1) L =
.
(39)
. . . an−1 n−1 .. .. ..
. . 0
(n)
0 ... 0 ann
mn1 ... mn n−1 1
y
Ax = b ⇔ L(U x) = b
entonces, es posible resolver el sistema utilizando dos sistemas que involucran matrices triangulares,
se resuelve primero Ly = b y luego U x = y. De modo que si L = (lij ), entonces se obtiene el
vector y por sustitución hacia adelante,
b1
y1 =
l11
y los yi para cada i = 2, 3, . . . n, mediante
i−1
1 X
yi = bi − lij yj .
lii j=1
35
Analicemos el problema general, el factorizar A como LU , significa que hay que resolver las ecua-
ciones
l11 0 0 ... 0 u11 u12 u13 ... u1n
a11 a12 . . . a1n l21 l22 0 . . . 0 0 u22
a21 a22 . . . a2n u23 ... u2n
l31 l32 l33 . . . 0 0 0 u33 ... u3n
= ·
.. .. . .. .
.. .
. . . .. .. . . .. .. .. .. .. ..
. . . . . . . . . .
an1 an2 . . . ann
ln1 ln2 ln3 . . . lnn 0 0 0 ... unn .
(40)
Notemos que las ecuaciones anteriores, no determinan a L y a U en forma única. Para cada i se
puede asignar un valor no nulo lii o uii (pero no a ambos). ¿Porqué ? Justifique . Por ejemplo, si
lii = 1 para i = 1, 2, . . . , n, es la descomposición de Doolitle que se obtiene como vimos al aplicar
eliminación gaussiana. Otra elección simple es uii = 1 para cada i en este caso la factorización es
la de Crout, o bién asumir que lii = uii en cuál caso tenemos la factorización de Choleski
Actividades 4.3
ii) Problema N ◦ 3 de la PEP1 (Sem II-2000) Para determinar la temperatura en cuatro puntos
interiores equidistantes de una barra, hay que resolver la ecuación :
Atk+1 = tk , k = 0, 1, 2, ...
donde,
3 −1 0 0 10
−1 3 −1 0 0 12
0 −1 3 −1 , t = 12
A=
(41)
0 0 −1 3 10
(tk es la distribución de la temperatura en los puntos interiores de la barra en el instante k.
a) Mediante el método de Gauss (sin pivote) determine t1 .
b) Obtenga t2 y t3 , usando una descomposición A = LU .
iii) Resolver el sistema
−x1 + 2x2 + 3x3 + x4 = 1
2x1 − 4x2 − 5x3 − x4 = 0
−3x1
(42)
+ 8x2 + 8x3 + x4 = 2
x1 + 2x2 − 6x3 + 4x4 = −1
36
4.2.1. Matrices definidas positivas.
En la práctica puede resultar difı́cil determinar si una matriz es definida positiva a partir de la
definición, el siguiente resultado constituye un criterio de gran utilidad para este propósito.
Teorema 4.4 Si A es una matriz real, simétrica y definida positiva, entonces A = LLT , donde L
es una matriz triangular inferior con diagonal positiva.
Dem. Consultar Análisis Numérico de Burden - Faires o Kincaid - Cheney
Definición 4.2 Sea A una matriz cuadrada de orden n, diremos que A es diagonal dominante
si
n
X
|aii | ≥ |aij |, ∀i, 1 ≤ i ≤ n (45)
j=1
j6=i
37
Teorema 4.5 Si A es diagonal dominante, entonces A es invertible.
Teorema 4.6 Si A es diagonal dominante y todos los elementos de la diagonal son reales positivos
, entonces la parte real de cada valor propio es positiva. Dem. Álgebra Lineal. Grossman. Mc Graw
Hill.
Teorema 4.7 Si A es simétrica, diagonal dominante, con los coeficientes diagonales positivos,
entonces A es definida positiva.
Dem. Usando el teorema anterior, si λi > 0 deduciremos que xt Ax > 0. Como A es simétrica,
tiene un conjunto de autovectores ortonormales (teorema espectral), entonces cualquier vector x
puede escribirse como una combinación lineal de ellos,
x = c1 x1 + c2 x2 + ... + cn xn ,
entonces
Ax = c1 Ax1 + c2 Ax2 + ... + cn Axn = c1 λ1 x1 + c2 λ2 x2 + ... + cn λn xn .
De la ortogonalidad y la normalización xti xi = 1. Luego,
Observación 4.1 El recı́proco del teorema anterior es falsa, es decir existen matrices simétricas
definidas positivas que no son diagonal dominante. Dé un contraejemplo.
38