Sisetmas de Ecuaciones

Matemáticas III

Rodrigo Araya-Alexis Rojas.

May 22, 2022

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Eliminación Gaussiana
La solución de sistemas de ecuaciones lineales es uno de los
problemas básicos en métodos numéricos porque es un problema
que aparece frecuentemente en la práctica, muchas veces como
parte de un problema más grande. Consideremos el sistema lineal
con m ecuaciones y n incógnitas

a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2
... = ...
am1 x1 + am2 x2 + ... + amn xn = bm

en donde los aij son los coeficientes de la incógnita i de la ecuación

j y los bm son los términos independientes de la ecuación m.

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Eliminación Gaussiana
En forma matricial se escribe:

AX = b

donde:
     
a11 a12 ... a1n x1 b1
 a12 a22 ... a2n   x2   b2 
A= ,X =   , b=
     
... ... ... ... ... ...

     
a1m a2m ... amn xn bm

Consideremos la matriz ampliada

 
a11 a12 ... a1n b1
 a12 a22 ... a2n b2 
(A|b) = 
 
... ... ... ...

 
a1m a2m ... amn bm

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Eliminación Gaussiana
Si Fi denota la fila i de (A|b), las operaciones elementales
aplicadas sobre A|b no modifican la solución del sistema AX = b.
El algoritmo de eliminación gaussiana requiere que, cuando se está
eliminando la columna j por debajo de la diagonal, el pivote ajj
no sea nulo, en caso contrario se hace un intercambio de fila (si
hay solución única; siempre es posible hacer el cambio de fila).
Supongamos que un sistema n × n tiene solución única,entonces es
posible encontrar una fila con entrada aij 6= 0 (en la primera
columna).
Supongamos que a11 6= 0 y que la matriz ampliada del sistema
AX = b es

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Eliminación Gaussiana
 
a11 a12 ... a1n b1
 a12 a22 ... a2n b2 
(A|b) = 
 
... ... ... ...

 
a1m a2m ... amn bm

El primer paso, aplicamos las operaciones

ai,1
Fi − F1 , i = 1, 2, . . . n obtenemos la nueva matriz
a11

a11 a12 ... a1n b1

 
(2) (2) (2)

 0 a22 ... a2n b2 

... ... ... ...
 
 
(2) (2) (2)
0 an2 ... ann bn

Ahora procedemos inductivamente, aplicando operaciones a la

(2)
submatriz en azul. El pivote ahora es a22 6= 0 (sino,
intercambiamos filas).
Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones
Eliminación Gaussiana
(2)
ai,2
Aplicamos las operaciones Fi − (2)
F2 , i = 3, 4, . . . n obtenemos
a11
la nueva matriz
 
a11 a12 a12 ... a1n b1
(2) (2) (2)
0 a22 a23 ... a2n b2
 
 
(3) (3) (3)
 

 0 0 a33 ... a3n b2 


 ... ... ... ... 

(3) (3) (3)
0 0 an3 ... ann bn

La última operación sería (si el pivote no es nulo),

(2)
ai,n−1
Fi − (2) F2 , i = n y obtenemos la matriz triangular
an−1,n−1

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Eliminación Gaussiana
 
a11 a12 a12 ... a1n b1
(2) (2) (2)
0 a22 a23 ... a2n b2
 
 
(3) (3) (3)
 

 0 0 a33 ... a3n b2 


 ... ... ... ... 

(n−1) (n−1)
0 0 0 ... ann bn

La solución x = (x1 , x2 , ..., xn )t la obtenemos haciendo sustitución

(n−1) (i−1) P (i−1)
bb bi − aij xj
hacia atrás, xn = (n−1) , xi =
ann aii (i − 1)

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Descomposición LU
Sea la matriz An×n . Si la matriz A se puede factorizar como
A = L · U donde L es triangular superior (con unos en la diagonal)
y U es triangular inferior, entonces el sistema Ax = b se puede
resolver usando L y U de la siguiente manera
1 Resolvemos LY = b y obtenemos la solución Y ∗
2 Resolvemos U X = Y ∗ y obtenemos la solución X ∗ , donde X ∗
es la solución del sistema original.
La ganancia es que si tenemos la descomposición LU de A,
entonces el sistema AX = b lo podemos resolver para distintas
matrices b sin tener que estar aplicando el método de eliminación
gaussiana cada vez desde el principio.
Observemos que los sistemas LY = b y U X = Y ∗ son sistemas
sencillos pues L y U son matrices triangulares.

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Descomposición LU
Ejemplo:
Use la factorización LU de A
    
4 −2 1 1 0 0 4 −2 1
A =  20 −7 12  =  5 1 0   0 3 7  = LU
    
−8 13 17 −2 3 1 0 0 −2

para despecjar x = (x1 , x2 , x3 ) en el sistema:

Ax = (11, 70, 17)t = b

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Descomposición LU
Consideremos la matriz
 
a11 a12 a12 ... a1n

 a21 a22 a23 ... a2n 

A= a31 a32 a33 ... a3n
 

 
 ... ... ... ... 
an1 an2 an3 ... ann
ai1
Algoritmo: Sea mi1 = , i > 1 entonces la primera columna se
a11
elimina con las operaciones Fi − mi1 · F1 , i = 2, . . . , n. Pero esto
es equivalente a multiplicar las matrices E1 y A, donde
 
0 0 0 ... 0

 m21 0 0 ... 0 

E1 = I −  m31 0 0 ... 0
 

 
 ... ... ... ... 
mn1 0 0 ... 0
Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones
Descomposición LU
Es decir,

a11 a12 a12 ... a1n

 
(2) (2) (2)
 0 a22 a23 ... a2n 
E1 · A = 
 
... ... ... ...

 
(2) (2) (2)
0 an2 an3 ... ann
ai2
Ahora si mi1 = (2)
, i > 2, entonces:
a22
 
0 0 0 ... 0

 0 0 0 ... 0 

 0 m22 0 ... 0 
E2 = I − 
 
0 m32 0 ... 0

 
 
 ... ... ... ... 
0 mn2 0 ... 0

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Descomposición LU
y se tiene
 
a11 a12 a12 ... a1n
(2) (2) (2)
0 a22 a23 ... a2n
 
 
(3) (3)
 
E2 · E1 · A = 
 0 0 a33 ... a3n 


 ... ... ... ... 

(3) (3)
0 0 an3 ... ann

El algoritmo lo podemos establecer con ayuda de las matrices

(k) (k)
Rik = (rij ) donde las entradas de Rk se definen como:

(k)
 aik
si j = k, i > k



 (k)
(k) akk
rij =





0 en otro caso

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Descomposición LU
Es decir, las entradas de Rk son nulas excepto tal vez las entradas
(k)
(k) a
rik = ik (k)
, i = k + 1, . . . , n. Con esta notación, se tiene
akk

Ek = I − Rk

U = En En−1 · E2 E1 y
L = (En En−1 · E2 E1 )−1 = I + R1 + R2 + . . . + Rn−1
en R

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Descomposición LU
Ejemplo Encuentre la factorización LU de
 
4 −2 1
A =  20 −7 12 
 
−8 13 17

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Análisis de error
En general hay tres fuentes de error.
1 Primero los coeficientes de la matriz, pues trabajamos con una
matriz perturbada (debido a errores en la toma de datos o por
errores de redondeo) A + δA en lugar de la matriz exacta A.
2 Error en el lado derecho del sistema porque trabajamos con
b + δb en lugar de b
3 Errores de redondeo porque calculamos con valores
aproximados (no exactos).
Normas: La norma de una matriz va a ser útil para el análisis de
error y para criterios de parada en el caso de métodos iterativos.
Definición: La norma de un vector x es una función ||x|| ∈ R que
cumple las siguientes condiciones:
1 ||x|| > 0, si x 6= 0
2 ||α · x|| = |α| · ||x||
3 ||x + y|| ≤ ||x|| + ||y||

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Análisis de error
Ejemplos: Sea x = (x1 , x2 , . . . , xn ) ∈ Rn . Algunos ejemplos de
norma son:
n
X
1 ||x||1 = |xi |
i=1
v
u n
uX
2 ||x||2 = t x2i
i=1
3 ||x||∞ = max|xi |, 1 ≤ x ≤ n
Ejemplo: Sea el vector x = (1−, 4, 8). Calcular las normas
||x||1 , ||x||2 , ||x||∞ .
Teorema: Sea x ∈ Rn , entonces:
√
||x||∞ ≤ ||x||2 ≤ n||x||∞

La siguiente figura muestra gráficamente este resultado cuando

n = 2.

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Análisis de error

Ejemplos:

3, 3330x1 +1590x2 −10, 333x3 = 1513

2, 2220x1 +16, 710x2 +9, 6120x3 = 25, 544
1, 561x1 +5, 179x2 +1, 6852x3 = 8, 4254

tiene solución x = (x1 , x2 , x3 )t = (1, 1, 1)t . En R utilizando

eliminación gaussiana obtenga la solución x e. Calcule ||x − x
e||∞ y
||x − x
e||2

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Análisis de error
Definición: Una norma matricial sobre el conjunto de todas las
matrices de n × n es una función de valor real,|| · ||, definida en
este conjunto y que satisface para todas las matrices A y B de
n × n y todos los números reales α:
1 ||A|| ≥ 0
2 ||A|| = 0 ⇔ A = θ
3 ||α · A|| ≥ |α| · ||A||
4 ||A + B|| ≤ ||A|| + ||B||
5 ||A · B|| ≤ ||A|| · ||B||
La distancia entre las matrices A y B de n × n respecto a esta
norma matricial es ||A − B||.

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Análisis de error
Teorema: Si || · || es una norma para vectores x ∈ Rn

max ||Ax||
||x||=1

es una norma matricial de A.

A ésta se le llama norma matricial natural o inducida asociadada
con la norma vectorial. Supondremos que todas las normas
matriciales son naturales, a menos que especificamos lo contrario.
Una forma alternativa de definir la norma anterior es:
||Ax||
max
||x||6=0 ||x||

. Las normas matriciales que consideraremos aquí tienen las formas

1 ||A||∞ = max||x||∞ =1 ||Ax||∞

2 ||A||2 = max||x||2 =1 ||Ax||2
Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones
Análisis de error
Ejemplo:
Sea la matriz
 
4 −6 2
A= 0 4 1 
 
1 2 3

Calcular ||A||2 , ||A||∞

Teorema:
Supongamos que x e es una aproximación deñ sistema Ax = b,
donde A es una matriz no singular y r es el vector residual de x
e.
Entonces
e|| ≤ ||r|| · ||A−1 ||
||x − x
y
||x − xe|| ||r||
≤ ||A||||A−1 ||
||x|| ||b||

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Análisis de error
Definición:
El número de condición de una matriz no singular A relativo a la
norma || · || es
κ(A) = ||A|| · ||A−1 ||
Definición:
Una matriz A es bien condicionada si κ(A) ≈ 1 y es mal
condicionada si κ(A) > 1.
Dentro de este contexto, el término condición se refiere a la
seguridad relativa de que un vector residual pequeño implica una
solución aproximada exacta correspondiente.

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Análisis de error
Ejemplo: Sea el sistema

3, 3330x1 +1590x2 −10, 333x3 = 1513

2, 2220x1 +16, 710x2 +9, 6120x3 = 25, 544
1, 561x1 +5, 179x2 +1, 6852x3 = 8, 4254

tiene solución x = (x1 , x2 , x3 )t = (1, 1, 1)t . En R utilizando

eliminación gaussiana obtenga la solución x e. Calcule
a) r = b − Ax e
b) ||r||∞
c) κ(A)

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Vectores y valores propios

Una matriz A de orden m × n se puede considerar como una

función que usa la multiplicación de matrices para llevar vectores
m dimensionales en vectores n-dimensionales en sí mismo.
En este caso, ciertas vectores no nulos x son paralelos a Ax, lo que
significa que existe una constante λ tal que

Ax = λx

. Para estos vectores, tenemos (A − λI)x = 0. Existe una relación

muy estrecha entre estos números λ y la posibilidad de que un
método iterativo para resolver sistemas de ecuaciones converja.
Definición: Si A s una matriz cuadrada, el polinomio definido por

p(λ) = det(A − λ · I)

recibe el nombre de polinomio característico de A.

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Vectores y valores propios

Definición:
1 Si p es el polinomio característico de la matriz A, los ceros de
p se llaman valores característicos o propios de esa matriz.
2 Si A es un valor característico de A y si x 6= 0 tiene la
propiedad de que (A − λ · I)x = 0 entonces a x se le llama
vector característico o propio de la matriz A correspondiente
al valor característico A.
Ejemplo:
Sea la matriz
 
1 −1 4
A =  3 2 −1 
 
2 1 −1

Encuentre los valores y vectores propios de la matriz A

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Vectores y valores propios

Definición: El radio espectral ρ(A) de una matriz A está definido

por:
ρ(A) = max|λ|
donde λ es un valor propio de A.
Teorema: Si A es una matriz de orden n × n, entonces
√
1 ||A|| =
2 At A
2 ρ(A) ≤ ||A|| para cualquier norma natural || · ||
Ejemplo:
Sea la matriz
 
1 −1 4
A =  3 2 −1 
 
2 1 −1

Encuentre ρ(A), ||A||2

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones

Vectores y valores propios
Definición: Llamaremos convergente a una matriz A de orden
n × n si

lim (Ak )ij = 0, ∀i = 1, 2, . . . , n; j = 1, 2, . . . , n

k→∞

Ejemplo:Sea la matriz
1
 
 2 0 
A= 1 1 
4 2
Calcule ρ(A) y muestre que A es una matriz convergente.
Teorema: Las siguientes afirmaciones son equivalentes
1 A es una matriz convergente.
2 limk→∞ ||Ak || = 0
3 ||ρ(A)|| < 1
4 limk→∞ Ak x = 0, ∀x
Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones
Vectores y valores propios

Teorema: Las siguientes afirmaciones son equivalentes

1 A es una matriz convergente.
2 limk→∞ ||Ak || = 0
3 ||ρ(A)|| < 1
4 limk→∞ Ak x = 0, ∀x

Rodrigo Araya-Alexis Rojas. Sisetmas de Ecuaciones