Escolar Documentos
Profissional Documentos
Cultura Documentos
Resoluci
on de sistemas de
ecuaciones lineales
2.1
2.1.1
M
etodos directos de resoluci
on de sistemas de ecuaciones
lineales
Resoluci
on de sistemas triangulares
Definici
on 2.1.1 Una matriz A se dice triangular superior si
aij = 0, i > j,
es decir, si todos los elementos por debajo de la diagonal principal son nulos. An
alogamente, A es triangular inferior si
aij = 0, i < j,
es decir, si todos los elementos por encima de la diagonal principal son nulos.
Sea
Ax = b, A Rn,n , b Rn ,
un sistema de ecuaciones lineales compatible determinado (|A| 6 =0) expresado en
forma matricial, siendo A una matriz triangular superior. Entonces la solucion del
sistema es inmediata:
bn
,
xn =
ann
n
X
1
x
=
b
a
x
k
ki i , k = n 1, . . . , 1.
k a
kk
i=k+1
inferior.
2.1.2
M
etodo de Gauss (o de eliminaci
on)
Sea
Ax = b, A Rn,n , |A| 6 =0, b Rn ,
un sistema de ecuaciones lineales con solucion u
nica. Se trata de transformarlo en
un sistema triangular superior equivalente, es decir, con la misma solucion.
Por ejemplo, resolvamos por el metodo de Gauss descrito el sistema de ecuaciones
lineales:
+z = 6,
+
3z = 5,
y 2z =
2.
x 3y
2x
2x
1 3
(A|b) =
2
1 6
3 5
2 1 2
2
0
x 3y +z = 6,
6y +5z = 17,
1
1
z = ,
6
6
cuyas soluciones son
x = 1, y = 2, z = 1.
El n
umero de operaciones elementales que se realizan durante el proceso de eliminacion sucesiva de incognitas es del orden de O(n3 /3) multiplicaciones y sumas. Las
necesidades de memoria se cifran en una matriz de n n elementos y un vector de
n componentes, es decir, O(n2 ) posiciones de memoria.
(i)
Si en alg
un momento aii = 0, bastara con cambiar dos ecuaciones entre s para
conseguir un elemento no nulo en la misma posicion. A este elemento se le llama
pivote iesimo.
Debido a que los errores de redondeo en un denominador producen grandes
errores en el cociente, una buena tecnica para evitar un gran error en la solucion
es modificar el orden de las ecuaciones y las incognitas en cada paso, para que el
pivote sea el mayor posible, en valor absoluto, dejando invariantes las i1 ecuaciones
anteriores. Si el pivote se elije entre los elementos aji , con j > i, se dice que se ha
elegido el mejor pivote parcial. Si se elije entre los elementos ajk , con j, k > i, se
dice que se ha elegido el mejor pivote total.
Esta u
ltima tecnica garantiza casi siempre la estabilidad numerica de la eliminacion gaussiana. Sin embargo, presenta dos inconvenientes: exige realizar O(n3 )
comparaciones suplementarias, y destruye la estructura particular (por ejemplo, de
tipo banda) de ciertas matrices. Por ello, en la practica suele preferirse la estrategia de pivote parcial, combinada, en todo caso, con un equilibrado de filas. Cabe
destacar que, en numerosas ocasiones, el metodo de Gauss es estable sin necesidad
de aplicar ninguna estrategia de pivoteo: es el caso de sistemas con matrices de
coeficientes diagonal dominantes o simetricas definidas positivas.
2.1.3
M
etodo de descomposici
on LU
a1j
u1j =
, j 2,
l11
ai1
li1 =
, i 2,
u
11
k1
X
lkk ukk = akk
lkr urk , k 2,
r=1
k1
u
=
a
l
u
kj
kj
kr rj , j > k, k 2,
l
kk
r=1
k1
3 1
A=
1
0
2 1
0 0
2 3 1
A=
1 0
0 1
0
0 0
1 4 1
1 .
a1 c1 0
b2 a2 c2
. . .
A = .. .. ..
0 0 0
0 0 0
es decir,
... 0
... 0
..
.
..
.
..
.
..
.
1 0 . . . 0
0
0
1
b2 2 . . . 0
0
0
.
..
..
..
..
.. ..
A = ..
.
.
.
.
. .
0
0
.
.
.
b
0
n1
n1
0 0 ... 0
bn
n
0
siempre que
1 = a1 , 1 =
bn
an
1 0
... 0 0
2 . . . 0 0
..
.
..
.
..
.
. . . 1 n1
... 0 1
..
.
..
.
(2.1.1)
c1
,
1
i = ai bi i1 , i = 2, . . . , n,
ci
, i = 2, . . . , n,
i
y esto es posible si y solo si i 6 =0, para todo i = 1, . . . , n.
i =
M
etodo de Cholesky para matrices sim
etricas definidas positivas
l11 = a11 ,
ai1
l
=
, i 2,
i1
11
u
k1
u
X
t
2
, k 2,
lkk = akk
lkr
r=1
k1
aik
lir lkr
r=1
lik =
, i > k.
lkk
Por ejemplo, la matriz
1 1
A=
5 5
1
1 5
6
es simetrica, obviamente, y sus menores principales son:
|1| = 1 > 0,
1 1
= 4 > 0,
1
5
|A| = 4 > 0,
por lo que A es definida positiva. Por tanto, admite una descomposicion del tipo
LLT mediante el metodo de Cholesky descrito. Aplicando el metodo se tiene que:
l11 = 1 = 1,
1
= 1,
1
1
= = 1,
1
p
= 5 (1)2 = 2,
l21 =
l31
l22
5 1.(1)
= 2,
2
p
= 6 1 (2)2 = 1,
l32 =
l33
0 0
L = 1
2 0
.
1 2 1
Comprobemoslo:
1
0 0
1 1
1
1 1
1
LL = 1
2 0 0
2 2 = 1
5 5
= A.
1 2 1
0
0
1
1 5
6
2.2
M
etodos iterativos para la resoluci
on de sistemas de ecuaciones lineales
(2.2.1)
(2.2.2)
es equivalente al sistema
(M N )x = b
y este es equivalente al sistema
M x = N x + b,
es decir,
x = M 1 N x + M 1 b.
Por tanto, en este caso, se trata del sistema equivalente al inicial
x = Bx + c, B = M 1 N, c = M 1 b,
(2.2.3)
es decir
c = (I B)A1 b,
relacion llamada condici
on de consistencia.
Una vez considerado el sistema en la forma (2.2.3), podemos considerar para su
resolucion el metodo iterativo:
x(m+1) = Bx(m) + c, x(0) dado.
Una condicion necesaria y suficiente para la convergencia del metodo es que todos
los valores propios de B sean menores que 1.
2.2.1
El m
etodo de Jacobi
(2.2.4)
a1
0 ...
0
0 a22 . . .
,
D=
.
..
..
..
..
.
.
.
0
0 . . . ann
0 a12 a13 . . .
a1n
0
0
a
a
23 . . .
2n
..
..
..
..
..
U = .
.
.
.
. ,
0
0 . . . an1,n
0
0
0
0 ...
0
0
0
0 ...
0
a21
0
0 ...
0
0 ...
0
L = a31 a32
..
..
..
..
..
.
.
.
.
.
0
0
0
..
.
Eligiendo
M = D, N = L + U,
se tiene que A = M N y se puede aplicar el metodo (2.2.4). Al metodo resultante
se le denomina metodo de Jacobi y se puede escribir en la forma:
a13 (m)
a1n (m)
b1
a12 (m)
(m+1)
x3
...
xn
+
x1
=
x2
a11
a11
a11
a11
a21 (m)
a23 (m)
a2n (m)
b2
(m+1)
= x1
x3
...
xn
+
x2
a22
a22
a22
a22
..
..
..
..
..
..
..
.
.
.
.
.
.
.
an1 (m)
an2 (m)
ann1 (m)
bn
x(m+1)
=
x1
x2
...
xn1
+
n
ann
ann
ann
ann
10
2.2.2
El m
etodo de GaussSeidel
a12 (m)
a13 (m)
a1n (m)
b1
(m+1)
x1
=
x2
x3
...
xn
+
a11
a11
a11
a11
a21 (m+1)
a23 (m)
a2n (m)
b2
(m+1)
= x1
x3
...
xn
+
x2
a22
a22
a22
a22
..
..
..
..
..
..
.
.
.
.
.
.
an2 (m+1)
ann1 (m+1)
bn
an1 (m+1)
x(m+1)
x1
x2
...
xn1
+
=
n
ann
ann
ann
ann
La diferencia respecto de metodo de Jacobi es que el metodo de Gauss-Seidel
(m+1)
aprovecha las componentes calculadas del vector x(m) , es decir, para hallar xi
(m+1)
(m+1)
(m)
(m
Por tanto, mientras que para el metodo de Jacobi se necesitan tener almacenadas
todas las componentes de x(m) para calcular x(m+1) , en el metodo de GaussSeidel
basta con un vector x en el que, en el paso iesimo esten almacenados los valores
(m+1)
x1
2.2.3
(m+1)
(m)
(m)
, . . . , xi1 , xi , . . . , xn .
M
etodo de relajaci
on
Al metodo de Gauss-Seidel, en el que no hay por que conservar x(m) para calcular
completo x(m+1) se le denomina un metodo de relajacion. Pero no es el u
nico.
Si 6 =0, se puede escribir
D=
y, por tanto,
A=
1
1
D
D
1
1
D
D L U.
11
a11 x1
(m+1)
a22 x2
1 a x(m+1)
nn n
1
1
D L, N =
D + U,
1
(m)
a11 x1
...
1
(m)
...
a22 x2
....
..
..
..
.
.
(m+1)
an1 x1
(m+1)
(m+1)
an2 x2
...
(m+1)
se utilizan x1
(m)
+b1
(m)
+b2
a1n xn
(m+1)
a21 x1
..
.
=
(m)
a12 x2
a2n xn
..
.
1
ann x(m)
+bn
n
(m)
(m)
(m)
, . . . , xi1 , xi , . . . , xn . El
Convergencia de los m
etodos
12
2.3
Ejercicios
60 30 20
30 20 15
20 15 12
2.- Demostrar que, si una matriz tiene una factorizacion LU , donde L es una
matriz triangular inferior unitaria, entonces L y U son u
nicas.
3.- Demostrar que las matrices no regulares de la forma
!
0 a
,
0 b
donde a, b R, tienen una factorizacion LU .
4.- Resolver, por el metodo de Cholesky, el sistema
2x
+z = 1,
x +3y 2z = 2,
x 2y +4z = 0.
5.- Resolver el sistema
9x 2y
= 5,
2x +4y z = 1,
5
y +z = ,
6
aplicando 6 veces
a) el metodo de Jacobi;
b) el metodo de Gauss-Seidel.
6.- Dado el sistema
3x
+y
z = 4,
x +2y
+z = 7,
+y +2z = 5,
cuya solucion es x = 2, y = 1, z = 3,
13
x =
0
0
con 4 aproximaciones.
b) Estudiar la convergencia de tales metodos.