Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3 SEL Métodos - Directos
3 SEL Métodos - Directos
1
Nociones Elementales de Matrices
2
Nociones Elementales de Matrices
3
Nociones Elementales de Matrices
4
Ejercicio 1
5
Nociones Elementales de Matrices
6
Ejercicio 2
Sea el sistema A x = b :
Para k=-1, es la matriz A definida positiva?
2 k x1 6
1 3 x 9
2
7
Ejercicio 2 (continuación…)
A es definida positiva si:
8
Nociones Elementales de Matrices
9
Ejercicio 3
10
Ejercicio 4
11
Nociones Elementales de Matrices
12
Ejercicio 5
13
Ejercicio 6
14
Ejercicio 6
15
Solución de sistemas de ecuaciones
lineales
Análisis de Circuitos (ecuaciones de malla y nodos)
Solución Numérica de ecuaciones diferenciales (Método de las
diferencias Finitas)
Solución Numérica de ecuaciones de integrales (Metodo de los
Elementos Finitos, Método de los Momentos)
16
Consistencia (Solubilidad)
El sistema lineal de ecuaciones Ax=b tiene una solución, o es
consistente si y solo si Rango{A}=Rango{A|b}
Un sistema es inconsistente cuando
Rango{A}<Rango{A|b}
17
Operaciones Elementales de filas (ERO)
Las siguientes operaciones aplicadas a la matriz aumentada[A|b],
producen un sistema lineal equivalente
18
Un ejemplo inconsistente
1 2 x1 4
2 4 x 5
2
ERO:Multiplicar la primera fila por -2 y
sumar la segunda fila
1 2
0 0 Rank{A}=1 Entonces este
sistema de
ecuaciones no
1 2 4 es soluble
0 0 3 Rank{A|b}=2
19
Unicidad de las soluciones
Rango{A}=Rango{A|b}=n
20
Sistemas rango completo (Full-rank)
Si Rango{A}=n
Det{A} 0 A es no singular por lo tanto invertible
Solución Única
1 2 x1 4
1 1 x 2
2
21
Matrices de rango deficiente
Si Rango{A}=m<n
Det{A} = 0 A is singular por lo tanto no es invertible
número infinito de soluciones (n-m variables libres)
sistema sub-determinado
1 2 x1 4
2 4 x 8
2
Rank{A}=Rank{A|b}=1
Consistente soluble
22
Sistema de ecuaciones
mal-condicionadas
Una pequeña desviación en las entradas de la matriz A,
causa una gran desviación en la solución.
1 2 x1 3 x1 1
0.48 0.99 x 1.47 x 1
2 2
1 2 x1 3 x1 3
0.49 0.99 x 1.47 x 0
2 2
23
Mal condicionada (continua.....)
Un sistema lineal de
ecuaciones se dice a
ser “mal
condicionada” si la
matriz de coeficientes
tiende a ser singular
24
25
Ejercicio 7
Sea un sistema de Ecuaciones lineal: Ax=b
Si el Numero de condicionamiento es 104
Y en los cálculos se emplean 8 digitos
significativos, determine el número de dígitos
significativos exactos que se espera tener en los
resultados de la solucion:
t=8
s≥t-log k(A)=8-4=4
10
26
Tipos de ecuaciones de sistemas lineales
a ser estudiados
27
Técnicas de Solución
Métodos directos de solución
Back substitution
a11 a1i a1n x1 b1 a11 a1i a1n x1 b1
~
ai1 aii ain xi bi 0 a~ii a~in xi bi
ERO
~
an1 ani ann xn bn 0 0 a~nn xn bn
29
Primer paso de la eliminación
Elemento pivotal a11 a1(1n) x1 b1(1)
(1) (1) (1)
a12 a13
(1) (1) (1) (1)
a21 a22 a23 a2(1n) x2 b2
a31
(1) (1)
a32 (1)
a33 a3(1n) x3 b3(1)
a (1) an(12) an(13) (1)
ann x b (1)
n1 n n
a11
(1) (1)
a12 (1)
a13 a1(1n) x1 b1(1)
m2 ,1 a21
(1) (1)
/ a11 ( 2) ( 2) ( 2)
0 a22 a23 a2( 2n) x2 b2
m3,1 a31
(1) (1)
/ a11 0 ( 2)
a32 ( 2)
a33 a3( 2n ) x3 b3( 2 )
mn ,1 an(11) / a11
(1) 0 an( 22) an( 23) ( 2)
ann x b ( 2)
n n
30
Segundo paso de la eliminación
a11
(1) (1)
a12 (1)
a13 a1(1n) x1 b1(1)
( 2) ( 2) ( 2) ( 2)
Elemento Pivotal 0 a22 a23 x
a2 n 2 b2
0 ( 2)
a32 ( 2)
a33 a3( 2n ) x3 b3( 2 )
0 an( 22) an( 23) ( 2)
ann x b ( 2 )
n n
a11
(1) (1)
a12 (1)
a13 a1(1n) x1 b1(1)
( 2) ( 2) ( 2) ( 2)
0 a22 a23 x
a2 n 2 b2
m3, 2 a32
( 2) ( 2)
/ a22 0 0 ( 3)
a33 a3( 3n) x3 b3( 3)
mn , 2 an( 22) / a22
( 2) 0 0 an( 33) ( 3)
ann x b ( 3 )
n n
31
Ejemplo de Eliminación Gaussiana
33
Sustitucion inversa :
3 x4 3 x4 1
2 x3 5 x4 9 x3 2
4 x2 2 x3 2 x4 10 x2 3
6 x1 2 x2 2 x3 4 x4 12 x1 1
34
Pivoteo
Computadoras usan precisión aritmética finita
Pequeños errores son introducidos en cada operación
aritmética, propagación de errores
Cuando los elementos pivotales son muy pequeños, los
multiplicadores podrían ser muy grandes.
La adición de números de magnitud diferente puede
conducir a la pérdida de significación .
Para reducir el error, se realiza intercambio de filas
para maximizar la magnitud del elemento pivotal.
35
Ejemplo: Sin Pivoteo
1.133 5.281 x1 6.414
aritmética 4-digit 24.14 1.210 x 22.93
2
x1 0.9956
x 1.001 Pérdida de precisión
2
36
Ejemplo: Con Pivoteo
24.14 1.210 x1 22.93
1.133 5.281 x 6.414
2
x1 1.000
x 1.000
2
37
Procedimiento de Pivoteo
a11(1) a12(1) a13(1) a1(i1) a1(1j) a1(1n)
( 2) ( 2) ( 2) ( 2) ( 2)
0 a22 a23 a2i a2 j a2 n
0 0 a33(3) a3(3i ) a3(3j) a3(3n)
Parte
Eliminada
0 0 0 aii(i ) aij(i ) ain(i ) Fila
Pivotal
0 0 0 a (jii ) a (jji ) a (jni )
(i ) (i ) (i )
0 0 0 ani anj ann
Columna Pivotal
38
Pivoteo por fila
Más comúnmente llamado procedimiento de
pivoteo parcial
Busque la columna pivotal
Encuentre el mas grande elemento en magnitud
Luego intercambie esta fila con la fila pivotal.
39
Pivoteo por filas
a11(1) a12(1) a13(1) a1(i1) a1(1j) a1(1n)
( 2) ( 2) ( 2) ( 2) ( 2)
0 a22 a23 a2i a2 j a2 n
0 0 a33(3) a3(3i ) a3(3j) a3(3n) Intercambio
de filas
0 0 0 aii(i ) aij(i ) ain(i )
0 0 0 a (jii ) a (jji ) a (jni )
(i ) (i ) (i )
0 0 0 ani anj ann
41
Pivoteo por columna
a11(1) a12(1)a13(1) a1(i1) a1(1j) a1(1n)
( 2) ( 2) ( 2) ( 2) ( 2)
0 a22 a23 a2i a2 j a2 n
0 0 a33(3) a3(3i ) a3(3j) a3(3n)
0 0 0 aii(i ) aij(i ) ain(i )
El mas
0 grande
0 0 a (jii ) a (jji ) a (jni )
en
magnitud
(i ) (i ) (i )
0 0 0 ani anj ann
Intercambio de
Estas columnas 42
Pivoteo Completo
a11(1) a12(1)a13(1) a1(i1) a1(1j) a1(1n)
( 2) ( 2) ( 2) ( 2) ( 2)
0 a22 a23 a2i a2 j a2 n
0 0 a33(3) a3(3i ) a3(3j) a3(3n) Intercambie
estas filas
0 0 0 aii(i ) aij(i ) ain(i )
0 0 0 a (jii ) a (jji ) a (jni )
Más grande
(i )
0 0 0 ani anj ann en magnitud
(i ) (i )
Intercambie
estas columnas 43
Ejercicio 9
44
Ejercicio 9
45
Decomposición LU
A=LU
Ax=b LUx=b
Define Ux=y
Ly=b Resolver y por sustitución hacia adelante
Ux=y Resolver x por sustitución hacia atrás
Las operaciones elementales entre filas debe ser desarrolladas en
b así como en A.
La información de estas operaciones es almacenada en L
En verdad y es obtenida aplicando operaciones elementales al
vector b.
46
Diferentes formas de factorización LU
Forma de Doolittle a11 a12 a13 1 0 0 u11 u12 u13
Obtenida por a a22 a23 l21 1 0 0 u 22 u23
Eliminación Gaussiana
21
a31 a32 a33 l31 l32 1 0 0 u33
Forma de Choleski
l11 0 0 l11 l12 l13
l l 22 0 0 l 22 l 23
21
l31 l32 l 33 0 0 l 33
47
Decomposición LU por Eliminación
Gausiana
Existen infinitas formas diferentes para descomponer A.
Una de las más populares es: U=Matriz de la Eliminación Gaussiana
L=Multiplicadores usados para la eliminación
49
Ejemplo 11
50
Ejemplo 12
51
Ejemplo 12
52
Ejemplo 13
53
Ejemplo 13
54
Ejemplo 13
55
Problema 1
Resolver por Eliminación Gaussiana con pivoteo parcial
de filas: 4 0 2 3 x1 9
3 2 2 3 x 14
2
2 4 1 1 x3 9
1 1 1 1 x
4 4
E2-(3/4)E1 =>E2
4 0 2 3 x1 9
E3-(1/2)E1 =>E3 0 2 0.5 0.75 x 7.25
2
E4-(-1/4)E1=>E4 0 4 2 2.5 x3 13.5
0 1 1. 5 1. 75 x
4 6 . 25
56
Problema 1
Intercambiamos las Ecuaciones 2 y 3 (E2E3)
4 0 2 3 x1 9
0 4 2 2. 5 x 13.5
2
0 2 0.5 0.75 x3 7.25
0 1 1. 5 1 . 75 x
4 6.25
4 0 2 3 x1 9
E3-(-1/2)E2 =>E3 0
4 2 2.5 x2 13.5
E4-( 1/4)E2 =>E4 0 0 2 2.375 x3 9.625
0 0 0.5 0.5 x4 0.5
57
Problema 1
E4-(-1/4)E3 =>E4
4 0 2 3 x1 9
0
4 2 2.5 x2 13.5
0 0 2 2.375 x3 9.625
0 0 0 0.09375 x4 2.90625
58
Problema 2
Obtener la factorización de Doolite:
6 1
A
2 4
Solución 1
A partir de la Eliminacion Gaussiana:
m21= a21/a11 =2/6=1/3 6 1
U
E2-(1/3)E1=>E2 0 13 / 3
1 0 1 0 6 1
L A L *U *
m12 1 1 / 3 1 0 13 / 3
59
Problema 2
Solución 2 6 1 1 0 u11 u12
A L *U *
2 4 l
21 1 0 u 22
Planteando el producto matricial:
6 u11
1 u12
2 l21u11 l21 1 / 3
4 l21u12 u22 u22 13 / 3
6 1 1 0 6 1
A L *U *
2 4 1 / 3 1 0 13 / 3
60
Problema 3
Resolver por la factorización de Doolite:
6 1 x1 5
2 4 x 6
2
Solución
Del ejercicio anterior ya tenemos la factorización LU:
1 0 6 1 x1 5
L *U * x b *
1 / 3 1 0 13 / 3 x2 6
61
Problema 3
Se obtienen dos sistemas triangulares fáciles de resolver.
Resolviendo el sistema triangular inferior por sustitución
directa:
1 0 z1 5 z1 5
L* z b *
1 / 3 1 z 6 z
2 2 13 / 3
Resolviendo el sistema triangular superior por sustitución
directa:
6 1 x1 z1 5 x1 1
U *x z
0 13 / 3 x2 z 2 13 / 3 x2 1
62
Problema 4
Obtener la factorización de Crout:
60 30 20
A 30 20 15
20 15 12
Solucion
Debemos plantear la multiplicacion matricial:
a11 a12 a13 l11 0 0 1 u12 u13
A a21 a22 a23 L *U l21 l22 0 0 1 u23
a31 a32 a33 l31 l32 l33 0 0 1
63
Problema 4
a11 l11
a12 l11u12
a13 l11u13
a21 l21
64
Problema 5
Método de Crout para sistemas tridiagonales
a11 a12 0 0 l11 0 0 0 1 u12 0 0
a a22 a23 0 l21 l22 0 0 0 1 u23 0
21
0 a32 a33 a34 0 l32 l33 0 0 0 1 u34
0 0 a43 a44 0 0 l43 l44 0 0 0 1
2 1 0 0 2 0 0 0 1 1 / 2 0 0
1 2 1 0 1 3 / 2 0 0 0 1 2 / 3 0
0 1 2 1 0 1 4 / 3 0 0 0 1 3 / 4
0 0 1 2 0 0 1 5 / 4 0 0 1
65
Problema 6
Factorizar por el método de Choleski la siguiente
matriz:
4 1 1
1 4.25 2.75
1 2.75 3.5
Solución
Se requiere que la matriz sea simétrica y definida
positiva para aplicar Choleski.
66
Problema 6
Es evidente que la matriz es simétrica; para
verificar que es definida positiva verificamos si se
satisface el criterio de Silvester:
det 4 0
4 1
det 0
1 4 .25
4 1 1
det 1 4.25 2.75 0
1 2.75 3.5
67
Problema 6
Dado que los determinantes de todos los menores
principales son positivos podemos afirma que la
matriz es definida positiva y podemos aplicar la
factorización de Choleski con seguridad.
A L *U L * L U *U T T
68
Problema 6
Resolviendo la multiplicación matricial:
a 0 0 a b d
b c 0 0 c e
d e f 0 0 f
a 2 4
ba 1 0 0 2 1 / 2 1 / 2
2
4.25 b 2 c 2
1 / 2 2 0 0 2 3 / 2
1 ad
2.75 db ec 1 / 2 3 / 2 1 0 0 1
3.5 d 2 e 2 f 2
69