Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes - Sistemas de Ecuaciones Lineales PDF
Apuntes - Sistemas de Ecuaciones Lineales PDF
donde aij, bj son constantes y xj son las incógnitas. Se dice que el sistema tiene n ecuaciones con n
incógnitas o simplemente que es de n n . En la notación aij, i se refiere a la fila, y j se refiere a la
columna donde está ubicado el elemento correspondiente.
Muchas de las ecuaciones fundamentales en Ingeniería se basan en leyes de conservación (masa,
energía y momentum), que describen el comportamiento del sistema (estímulo respuesta).
III. 1 MATRICES
El sistema de ecuaciones lineales se puede escribir en forma matricial si definimos:
a) La matriz de coeficientes:
a11 a12 .... a1n
a a .... a2 n
A 21 22
an1 an 2 .... ann
b) La matriz de incógnitas:
x1
x
X 2
...
xn
c) La matriz de términos independientes ó de resultados:
b1
b
B 2
...
bn
Entonces el sistema es equivalente a la ecuación matricial: A·X = B
filas , donde ai,j =(fila, columna)
a n1 a n 2 ....
anm
columnas
La matriz es cuadrada si n = m.
Vector fila = B b1 b2 .... bm
c1
c
Vector columna = C 2
c n
Matriz Diagonal:
a11
a22
Sólo los ai , j 0; i j . Ejemplo: A
anm
Matriz Identidad:
1
1
Todos los ai , j 1; i j . Ejemplo: I
1
Matriz Tridiagonal:
a11 a12
a a a
21 22 23
A a32 a33 a34
a nm-1 a nm
Multiplicación:
g a11 g a12 .... g a1m
g a g a .... g a2 m
Por un escalar: D g A 21 22
g an1 g an 2 .... g anm
Entre matrices:
C
A
B
n j nm m j
singular 1, existe otra matriz A , llamada la inversa de A, tal que: A A A A I .
1 1 1
1
Una matriz se dice no singular si detA 0
Capítulo III: Sistemas de Ecuaciones Lineales
Métodos y Análisis Numérico 3/22
Apuntes facilitados por L Reyes
n
La traza de una matriz es la suma de los elementos de su diagonal principal tr A ai ,i .
i 1
3. Operaciones Elementales
Para una matriz A se definen tres operaciones elementales por filas (ó columnas); nos remitiremos a las
operaciones por filas. Cuando se efectúan las operaciones elementales se obtiene una matriz
equivalente, y se utiliza el símbolo de equivalencia.
i) Intercambiar dos filas
Ejemplo: Si intercambiamos las filas 1 y 3:
~
ii) Multiplicar una fila por una constante distinta de cero
Ejemplo: Si multiplicamos la fila 3 por 2:
~
Las operaciones (ii) y (iii) se combinan para sumar un múltiplo de una fila a otra fila.
Ejemplo 1:
(i) Comenzamos con la matriz:
~
(iv) Finalmente multiplicamos por 0,5 la fila 1 (lo cual anula el paso (ii)):
~
Finalmente, las operaciones elementales se utilizan para “hacer ceros” debajo de algún elemento
a ij 0
.
Ejemplo 2: Hacer ceros debajo del elemento a11 en la siguiente matriz:
Solución: Podemos partir multiplicando la fila 1 por 2, y sumarla a la fila 2. Tambien podemos
multiplicar la fila 1 por –3, y sumársela a la fila 3:
~
El objetivo final es transformar una matriz A en una matriz escalonada.
Definición: Una matriz se llama escalonada si el primer elemento no cero en cada fila está más a la
derecha que la fila anterior.
Ejemplos:
1) La matriz A, sí es escalonada:
Obviamente el escalonamiento de una matriz se logra “haciendo ceros” debajo de los elementos
adecuados.
A
a11 a12 a11 a12
detA a11 a22 a21 a12
a21 a22 a21 a22
Regla de Cramer:
Para Un sistema de 3*3, cada xi (i=1,",3), La sOlución se obtiene a partir de:
b1 a12 a13
b2 a 22 a 23
b3 a32 a33
x1
detA
a11 a12 a13 b1
a21 a 22 a 23 b2
a31 a 32 a 33 b3
Eliminación hacia adelante
a11 a12 a13 b1
*
a22 *
a 23 b2*
**
a33 b3**
x3 b3** a33
**
x 2 b a x3 / a
*
2
*
23 *
22 Sustitución hacia atrás
x1 b1 a12 x2 a13 x3 a11
Con la etapa de eliminación hacia delante se o`tiene una matriz triangular superior. Ena fÓrmUla
'eneral, para kbtener la solución xI ej la etapa de susti4ución hacia atrás, es:
n
bii 1 a
j i 1
i 1
i, j xj
xi i 1 ; i n 1, n 2,.....,1
a i ,i
Conteo de operacion%s:
n la Elhminacmó. de Gauss silple se tiene:
n3
O n2
3
n2
On n
2
n3
O n 2
crece
3
Eliminación hacia adelante Sustitución hacia atrás
El método de eliminación Gaussiana (simple) puede presentar un problema cuando uno de los
elementos que se usan para hacer ceros, es cero.
Por ejemplo, supóngase que en algún paso del proceso de hacer ceros tenemos la siguiente matriz:
Sin embargo, el problema puede presentarse también si el elemento aquel es muy cercano a cero.
Los elementos que son cercanos a cero, son elementos malos para hacer ceros. En general, para evitar
este problema se elige como elemento para hacer ceros (el cual recibe el nombre de “elemento pivotal”
ó simplemente “pivote”), como el elemento mayor en valor absoluto de entre todos los candidatos.
A este procedimiento se le llama pivoteo parcial y aplicado a la eliminación Gaussiana, nos dá el
llamado método de eliminación Gaussiana con pivoteo (parcial).
I n B'
donde In es la matriz identidad de n n .
Para lograr esto, se usa la técnica del pivoteo con la única diferencia que el pivote se usa para hacer
ceros hacia abajo y hacia arriba.
Matriz Inversa
Una de las aplicaciones del método de Gauss-Jordan, es el cálculo de matrices inversas. Recordamos
primero la definición de matriz inversa.
Definición: Sea A una matriz de n n . La matriz inversa de A es una matriz B de n n ; tal que:
A·B = In
B·A = In
Se escribe B = A-1 para denotar la matriz inversa. Cuando la matriz inversa existe, es única, pero no
siempre existe la matriz inversa.
Un resultado de algebra lineal prueba que la matriz inversa A-1 existe, si y sólo si, el determinante de A
es distinto de cero.
I n A1
Es decir, en una matriz comenzamos por escribir la matriz A, y a su derecha agregamos la matriz
identidad In del mismo orden que la matriz A; enseguida aplicamos el método de Gauss-Jordan para
hacer los ceros y unos, y así, obtener del lado izquierdo la matriz identidad In. Del lado derecho,
obtendremos la matriz inversa de A.
Ejemplo: Usar el método de Gauss-Jordan para calcular la matriz inversa de la siguiente matriz:
El primer elemento pivote a11 = 4; está bien colocado y procedemos a hacer ceros debajo de este
elemento. Para ello, multiplicamos la fila 1 por -1/4 y lo sumamos a la fila 2. Esto nos da:
Nuestro segundo elemento pivote es a22 = 0,25. Para hacer ceros arriba de este elemento, multiplicamos
la fila 2 por -11/0,25 y lo sumamos a la fila 1. Esto nos da:
Finalmente, hacemos los unos en la diagonal principal. Para ello, multiplicamos la fila 1 por ¼ y la fila
2 por 1/0,25. Esto nos da la matriz final:
Por lo tanto, el método considera 2 pasos:
1. Descomposición LU: [A] se descompone en las matrices triangular inferior [L] y triangular
superior [U].
2. Sustitución: [L] y [U] se usan para determinar una solución x para un lado derecho b .
[L] se obtiene en la misma etapa, cuando se multiplica por un factor para hacer los ceros debajo de la
diagonal.
d
di a
j i 1
i, j xj
Sustitución hacia atrás: x n n ; xi ; i n 1, n 2, ...1
a nn a i ,i
3
Sustitución
Descomposición
Tarea: Demostrar que el número de operaciones requeridas en este caso, descomposición LU, es
idéntico al método de Gauss.
ai , j
Norma columna-suma: A 1 max
1 j n i 1
ai , j
Norma fila-suma: A max
1 i n j 1
D x k 1 L U x k b
n
aii x k 1
i a
j 1; j i
ij x kj bi i 1,2,..., n
D L x k 1 U x k b
i 1 n
aii xk 1
i aij x k 1
j a ij x kj bi
j 1 j i 1
En este método la componente i-ésima del vector solución en la etapa k+1 se actualiza usando
información de las componentes del vector xk y las nuevas componentes del vector xk+1 hasta la
componente i-1.
Desde otro punto de vista, el método de Gauss-Seidel, es un método “iterativo” y por lo mismo, resulta
ser un método bastante eficiente. Comenzamos con nuestro sistema de ecuaciones:
a11 x1 a12 x2 .... a1n xn b1
a21 x1 a22 x2 .... a2 n xn b2
...
an1 x1 an 2 x2 .... ann xn bn
De la ecuación 1 despejamos x1, de la ecuación 2 despejamos x2, de la ecuación n despejemos xn
Esto nos da el siguiente conjunto de ecuaciones:
b1 a12 x2 ... a1n xn
x1
a11
b2 a 21 x1 ... a 2 n x n
x2
a 22
...
bn a n1 x1 ... a nn1 xn 1
xn
a nn
Este último conjunto de ecuaciones son las que forman nuestras fórmulas iterativas. Para comenzar el proceso iterativo, le
damos el valor de cero a las variables x2,…, xn; esto nos dará un primer valor para x1.
b1
x1
a11
b
b2 a21 1
x2 a11
a22
Estos últimos valores de x1 y x2; los sustituímos en la ecuación 3, mientras que x4,…, xn; siguen
teniendo el valor de cero; y así sucesivamente hasta llegar a la última ecuación. Todo este paso, nos
arrojará una lista de primeros valores para nuestras incógnitas, la cual conforma nuestro primer paso en
el proceso iterativo. Digamos que tenemos:
x1 1
x2 2
...
xn n
Volvemos a repetir el proceso, pero ahora sustituyendo estos últimos datos en vez de ceros como al
inicio, obtendremos una segunda lista de valores para cada una de las incógnitas. Digamos que ahora
tenemos:
x1 1
x2 2
...
xn n
En este momento, podemos calcular los errores aproximados relativos, respecto a cada una de las
incógnitas. Así, tenemos la lista de errores como sigue:
1 1
a ,1 100%
1
2 2
a , 2 100%
2
....
n n
a ,n 100%
n
La condición de ser una matriz diagonalmente dominante simplemente significa que los elementos de
la diagonal son mayores (en valor absoluto) que la suma de los valores absolutos de los demás
elementos de la misma fila.
Sin embargo, la condición de la matriz diagonalmente dominante, solamente es una condición
suficiente pero no necesaria, es decir, existen sistemas de ecuaciones que no cumplen con la condición
y que si convergen a la solución y también existen sistemas de ecuaciones que no cumplen con la
condición y que no convergen a la solución.
Finalmente, obsérvese que aunque un sistema no cumpla con la condición de ser diagonalmente
dominante, es posible a veces, lograr que si se cumpla con esta condición mediante un intercambio de
filas.
Primera Iteración
b1 a12 x2 a13 x3 b1 a12 x2 a13 x3
x1 x1
a11 a11
b2 a 21 x1 a 23 x3 b2 a 21 x1 a 23 x3
x2 x2
a 22 a 22
b2 a 21 x1 a 23 x3 b2 a 21 x1 a 23 x3
x2 x2
a 22 a 22
ambos métodos.
b) Rapidez de convergencia: Jacobi < Gauss-Seidel < Relajaciones.
T
c) Si 0 < w < 2 y A es definida positiva ( x A x 0 , para todo vector x 0 ), el método de
relajaciones sucesivas converge.
d) Si 0 < w < 1 y A es diagonal dominante, el método de relajaciones sucesivas converge.
de ecuaciones:
3 x1 0,5 x2 0,6 x3 5,24
0,3 x1 4 x2 x3 0,387
0,7 x1 2 x2 7 x3 14,803
de ecuaciones:
5 x1 0,2 x 2 x3 1,5
0,1x1 3 x 2 0,5 x3 2,7
0,3 x1 x 2 7 x3 9,5
Problemas Adicionales:
3x1 2 x2 18
a) Con el método gráfico resuelva:
x1 2 x2 2
b) Utilice la regla de Cramer para resolver:
0,3 x1 0,52 x2 x3 0, 01
0,5 x1 x2 1,9 x3 0, 67
0,1x1 0,3 x2 0,5 x3 0, 44
c) Emplee la eliminación de Gauss simple para resolver el sistema. Efectué los cálculos con seis
cifras significativas.
3 x1 0,1x2 0, 2 x3 7,85
0,1x1 7 x2 0,3 x3 19,3
0,3 x1 0, 2 x2 10 x3 71, 4
Sistemas mal condicionados:
x1 2 x2 10
d) Resuelva el siguiente sistema:
1,1x1 2 x2 10,4
Después, resuélvalo de nuevo, pero con el coeficiente x1 de la segunda ecuación modificado
ligeramente como 1,05. Analice sus resultados.
Pivoteo Parcial:
Capítulo III: Sistemas de Ecuaciones Lineales
Métodos y Análisis Numérico 21/22
Apuntes facilitados por L Reyes
0, 0003 x1 3 x2 2, 0001
e) Emplee la eliminación de Gauss simple para resolver:
x1 x2 1
Como de esta forma el elemento pivote, a11 = 0,0003, es muy cercano a cero, entonces, realice un
nuevo cálculo, pero ahora considerando pivoteo parcial, invirtiendo el orden de las ecuaciones. La
solución exacta es x1 = 1/3 y x2 = 2/3.
2 x1 100000 x2 100000
f) Para el siguiente set de ecuaciones:
x1 x2 2
Resuelva el siguiente sistema de ecuaciones usando la eliminación de Gauss y una estrategia de
pivoteo:
Repita el problema después de escalar las ecuaciones de tal forma que el coeficiente máximo de
cada fila sea 1.
h) Dado el sistema:
12 x1 x2 x3 20
2 x1 4 x2 2 x3 10
x1 2 x2 2 x3 25
i. Resuelva por el método de eliminación de Gauss simple y muestre todos los pasos de los cálculos.
ii. Sustituya los resultados en las ecuaciones originales y compruebe las respuestas.
j) Resolver los sistemas lineales y compare sus resultado con el valor real.
8 x1 x2 x3 9
x1 7 x2 2 x3 7
x1 x2 10 x3 4
En ambos casos, use como punto de partida: x0 1,1,0.4
T
3 x1 0,1x2 0, 2 x3 7,85
0,1x1 7 x2 0,3 x3 19,3
0,3 x1 0, 2 x2 10 x3 71, 4
Suponga que inicialmente: x2 = x3 = 0. Determine el error generado, si la solución verdadera es x1=3; x2
= -2,5 y x3 = 7.
i. El método de Jacobi.
ii. El método de Gauss-Seidel.
iii. El método de relajación c