You are on page 1of 20

Universidad Fermn Toro Ingeniera de Computacin Ctedra: Anlisis Numrico

Sistemas de Ecuaciones Lineales

Participante: Asisclo Serrano C.I. 10.940.077

Sistemas de Ecuaciones Lineales


Se denomina ecuacin lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incgnitas no estn elevadas a potencias, ni multiplicadas entre s, ni en el denominador. Por ejemplo, 3x + 2y + 6z = 6 es una ecuacin lineal con tres incgnitas. Como es bien sabido, las ecuaciones lineales con 2 incgnitas representan una recta en el plano. Si la ecuacin lineal tiene 3 incgnitas, su representacin grfica es un plano en el espacio. Un ejemplo de ambas representaciones puede observarse en la figura: Figura:

Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales de la forma: a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2 ... am1 x1 + am2 x2 + am3 x3 + + amn xn = bm

Mtodo de Eliminacin Gaussiana


Este mtodo propone la eliminacin progresiva de variables en el sistema de ecuaciones, hasta tener slo una ecuacin con una incgnita. Una vez resuelta esta, se procede por sustitucin regresiva hasta obtener los valores de todas las variables. El mtodo de eliminacin Gaussiana para la solucin de sistemas de ecuaciones lineales consiste en convertir a travs de operaciones bsicas llamadas operaciones de rengln un sistema en otro equivalente ms sencillo cuya respuesta pueda leerse de manera directa. El mtodo de eliminacin Gaussiana es el mismo para sistemas de ecuaciones 22, 33, 44 y as sucesivamente siempre y cuando se respete la relacin de al menos una ecuacin por cada variable. A continuacin se muestra el siguiente sistema de ecuaciones: Se buscan 3 nmeros, los cuales satisfagan a las tres ecuaciones. El mtodo de solucin ser simplificar las ecuaciones, de tal modo que las soluciones se puedan identificar con facilidad. Se comienza dividiendo la primera ecuacin entre 2, obteniendo: x1+2x2+3x3= 9 4x1+5x2+6x3= 24 3x1+x2+2x3= 4 Se simplificar el sistema si multiplicamos por -4 ambos lados de la primera ecuacin y sumando esta a la segunda. Entonces: -4x1-8x2-12x3=-36 4x1+5x2+6x3=24 Al sumarla tenemos -3x2-6x3=-12 La nueva ecuacin se puede sustituir por cualquiera de las dos. Ahora tenemos: x1+2x2+3x3= 9 0x1-3x2-6x3= -12 3x1+x2-2x3= 4

Luego, la primera se multiplica por -3 y se le suma a la tercera, obteniendo: x1+2x2+3x3= 9 0x1-3x2-6x3= -12 0x1-5x2-11x3=-23 A continuacin, la segunda ecuacin se divide entre -3. Ahora se multiplica por 5 y se le suma a la tercera: x1+2x2+3x3= 9 0x1+x2+2x3= 4 0x1+0x2+x3= 3 Tenemos el valor de x3, ahora y se procede a hacer la sustitucin hacia atrs, y automticamente se van obteniendo los valores de las otras incgnitas. Se obtendr: x3= 3 x2= 4-2(x3) = -2 x1= 9-3(x3)-2(x2) = 4 Se ha visto que al multiplicar o dividir los lados de una ecuacin por un nmero diferente de cero se obtiene una ecuacin nueva y vlida.

Mtodo de Gauss - Jordan


El mtodo de Gauss-Jordan es un mtodo aplicable nicamente a los sistemas lineales de ecuaciones, consiste en que a partir de la matriz aumentada del sistema de ecuaciones (matriz de coeficientes y de trminos independientes), se halla otra matriz equivalente a la matriz aumentada mediante operaciones elementales de fila y/o columna, hasta obtener ecuaciones de una sola incgnita, cuyo valor ser igual al coeficiente situado en la misma fila de la matriz. La nueva matriz hallada puede ser una matriz identidad o una matriz escalonada reducida por filas. Sea el sistema de ecuaciones 2x + 3y + z = 1 3x 2y 4z = -3 5x y z = 4 Su matriz aumentada correspondiente es:

Y las soluciones que obtendremos al aplicar el mtodo son: x= 1 y=-1 z= 2

a.- Escribimos la matriz aumentada correspondiente al sistema de ecuaciones. b.- Ir a la columna no cero extrema izquierda. Si la primera fila tiene un cero en esta columna, intercambiarla con otra que no lo tenga, tambin se puede intercambiar por otra columna.

c. Realizamos operaciones de fila o columna, segn sea el caso, para obtener el 1 en la primera fila: * Multiplicar una fila o columna por un escalar no nulo. * Intercambiar de posicin dos filas entre si o dos columnas entre si. * Sumar a una fila o columna un mltiplo de otra. Nota: las operaciones se realizan entre filas o entre columnas, no entre filas y columnas, por ejemplo no se puede hacer esto: a la fila 1 sumar la columna dos. d. Obtener ceros debajo de este primer elemento delantero (el 1 conseguido en el paso anterior), mediante las operaciones anteriores. e. Se aplican los mismos pasos para obtener el 1 en las siguientes filas, procurando que este mismo 1 sea el primer elemento no nulo de cada fila (1 principal), este debe estar ms a la derecha que el 1 principal de la fila anterior. Debajo de cada 1 principal deben constar ceros. En resumen: cada fila debe comenzar con un 1, teniendo ceros a su izquierda y debajo, se realiza as para que el proceso sea ms fcil. f. Comenzando con la ltima fila no nula, avanzar hacia arriba: para cada fila obtener un 1 e introducir ceros arriba de este aplicando las operaciones necesarias para conseguirlo. Luego de realizar este paso con todas las filas se obtendr una matriz escalonada reducida por filas o una matriz identidad. g. Cada coeficiente correspondiente a cada uno de los 1 de la matriz hallada se iguala con su respectiva solucin que se encuentra en la matriz de trminos independientes, obteniendo as las soluciones al sistema de ecuaciones.

Descomposicin LU
Su nombre se deriva de las palabras inglesas Lower" y Upper. Estudiando el proceso que se sigue en la descomposicin LU es posible comprender el por qu de este nombre, analizando cmo una matriz original se descompone en dos matrices triangulares, una superior y otra inferior. Pasos para resolver un sistema de ecuaciones por el mtodo de descomposicin LU 1. Obtener la matriz triangular inferior L y la matriz triangular superior U. 2. Resolver Ly = b (para encontrar y). 3. El resultado del paso anterior se guarda en una matriz nueva de nombre y. 4. Realizar Ux = y (para encontrar x). 5. El resultado del paso anterior se almacena en una matriz nueva llamada x, la cual brinda los valores correspondientes a las incgnitas de la ecuacin. Ejemplo
Encontrar los valores de x1, x2 y x3 para el siguiente sistema de ecuaciones: 4X1 5X1 X1 -2X2 +X2 +2X2 -X3 -X3 -X3 = = = 9 7 12

4 a= 5 1

-2 1 2

-1 -1 -1 b=

9 7 12

Solucin Hallar U

4 5 1

-2 1 2

-1 -1 -1 R2 -> R3 -> R2 (5/4)*R1 R3 (1/4)*R1

4 0 0

-2 7/2 5/2

-1 -3/4 R3 -> R3 (5/2)/(7/2)*R2

1. Se halla U: 4 0 0 -2 7/2 0 -1 -13/14

U=

2. Se halla L: 1 L = ? ? 0 1 ? 0 0 1 1 0 L = 5/4 1 5/7 0 0 1

3. Se verifica L*U = A

1 5/4 4+0+0 5+0+0 1+0+0

0 1 5/7

0 0 1

4 x 0 0

-2 7/2 0

-1 = -13/14 = 4 5 1 -2 1 2 -1 -1 -1

-2+0+0 -5/2+7/2+0 -1/2 +5/2+0

-1+0+0 -5/4+1/4+0 -1/4+5/28-13/14

4. Se despeja Y de L*Y = b 1 5/4 Y1 5/4Y1 1/4Y1 0 1 5/7 0 Y1 0 * Y2 1 Y3 9 7 12 Y1 = 9 Y2 = -17/4 Y3 = 179/14

+ Y2 + 5/7Y2 +Y3

=9 -> =7 -> = 12 ->

5. Se despeja X de U*X = Y 4 0 0 4X1 -2 -1 X1 14/4 * X2 0 -13/14 X3 -2X2 14/4X2 = 9 -17/4 179/14

-X3 = 9 -> X1 = -17/13 +1/4X3 = -17/4 -> X2 = -3/13 -13/14X3 = 179/14 -> X3 = -179/13

Mtodo de Cholesky
Una matriz simtrica definida positiva puede ser descompuesta como el producto de una matriz triangular inferior y la traspuesta de la matriz triangular inferior. La matriz triangular inferior es el tringulo de Cholesky de la matriz original positiva definida. El resultado de Cholesky ha sido extendido a matrices con entradas complejas. Es una manera de resolver sistemas de ecuaciones matriciales y se deriva de la factorizacin LU con una pequea variacin. Problema: Resolver el siguiente sistema de ecuaciones lineales usando el mtodo de Cholesky
6 15 55 A = 15 55 225 55 225 979 100 y C= 150 100

Solucin: En el mtodo de Cholesky el primer paso es encontrar la matriz L usando las frmulas
a ki l ij l kj
j =1 i 1

l ki =

l ii

2 l kk = a kk l kj j =1

k 1

La primera ecuacin se usa para elementos fuera de la diagonal y la segunda para elementos en la diagonal principal. Entonces.
l11 = a11 = 6 = 2.4495

l 21 =

a 21 15 = = 6.1237 l11 2.4495

l 21 =

a 31 55 = = 22.454 l11 2.4495

Ya sabemos que l12 = 0

2 l 22 = a 22 l 21 = 55 6.1237 2 = 4.1833

l 32 =

a 32 l 21l 31 55 (6.1237)(22.454) = = 20.916 l 22 4.1833

De igual forma l13 = l23 = 0 y

2 2 l 33 = a 33 (l 31 + l 32 ) = 979 (22.454 2 + 20.916 2 ) = 6.1106

La matriz L es igual a
0 0 2.4495 6.1237 4.1833 L= 0 22.454 20.916 6.1106

En el mtodo de Cholesky U = LT
2.4495 6.1237 22.454 U = 0 4.1833 20.916 0 0 6.1106

El siguiente paso es encontrar el vector D de la misma manera que en el mtodo de descomposicin de LU


ci l ij d j
j =1 i 1

di =

l ii
d2 = c 2 l 21 d1 150 (6.1237)(40.8246) = =l 22 4.1833

c1 100 = =40.8246 l11 2.4495 23.9045 d1 = d3 =

c3 (l 31 d1 + l 32 d 2 ) 100 ((22.454)(40.8246) + (20.916)(23.9045) = =-51.826 l 33 6.1106

Finalmente se calcula el vector de incgnitas comenzando por la ltima x.


di xi =

j = i +1

u
u ii

ij

xj

d3 =-8.481 u 33 = 36.690 x3 = x1 =

x2 =

d 2 u 23 x3 = [-23.9045-(20.916)(-8.481)]/4.1833 u 22

d1 (u12 x 2 + u13 x3 ) = [40.8246 ((6.1237)(36.69)+(22.454)(-8.481))]/2.4495 u11 = 2.685

El resultado se puede comprobar multiplicando A por X y el resultado debe ser igual a C.

Factorizacin QR
De la misma forma como el algoritmo de Eliminacin de Gauss nos permiti factorizar una matriz como el producto de dos matrices triangulares, una inferior y otra superior, el Proceso de ortogonalizacin de Gram-Schmidt (Teorema 30) nos permite factorizar una matriz como el producto de dos matrices, una ortonormal y otra triangular superior. Aunque el resultado es vlido para cualquier matriz de tamao m n, en el siguiente teorema, nos limitamos al caso de las matrices de rango completo (matrices cuyo rango es igual al nmero de columnas; es decir, matrices cuyas columnas forman un conjunto l.i.) Para toda matriz A de tamao mn, cuyas columnas forman un conjunto l.i., existe una matriz Q de tamao mn, cuyas columnas forman un conjunto ortonormal, y una matriz triangular superior R de tamao nn tales que A = QR. Calculemos la factorizacin QR de la matriz 2 -2 0 1 2 0 2 5 0 6 0 3

A=

Utilizando el Proceso de Ortogonalizacin de Gram-Schmidt para hallar {u1,u2, u3}, una base ortogonal de CA, a partir del conjunto de vectores formados por las columnas de A, obtenemos u1 = (2,2, 0, 1)T , u2 = (0, 2, 2, 4)T y u3 = (2, 2,2, 0)T . Por el resultado del Teorema 31, si Q = [u1u2 u3],

1 ^R = 0 0

1 1 0

-1 1 1

D = ||u1|| 0 0 0 ||u2|| 0 0 ||u3||

3 0 0

0 26 0

0 0 23

Entonces A = QR, donde

Q = QD

= u1 ||u1||

u2 ||u2||

u3 ||u3||

2/3 = 2/3 0 1/3

0 1/3 1/6 1/3 1/6 1/3 2/6 0

y R = DR =

3 3 3 0 26 26 0 0 23

Mtodo de Gauss-Seidel
Este mtodo es iterativo o de aproximacin y es similar a las tcnicas para obtener races vistas en el tema anterior. Aquellos mtodos consisten en la determinacin de un valor inicial a partir del cual, mediante una tcnica sistemtica se obtiene una mejor aproximacin a la raz. La razn por la cual los mtodos iterativos son tiles en la disminucin de los errores de redondeo en sistemas, se debe a que un mtodo de aproximacin se puede continuar hasta que converja dentro de alguna tolerancia de error previamente especificada. Las tcnicas iterativas se emplean rara vez para resolver problemas de dimensiones pequeas ya que el tiempo requerido para lograr una precisin suficiente excede al de las tcnicas directas. Sin embargo, para sistemas grandes con un gran porcentaje de ceros, sta tcnica es eficiente. Los sistemas de este tipo surgen frecuentemente en la solucin numrica de problemas de valores frontera y de ecuaciones diferenciales parciales. Este mtodo iterativo utiliza la misma transformacin que el mtodo de Jacobi, de hecho es una mejora al mtodo de Jacobi. La mejora consiste en utilizar la incgnita encontrada, en la misma iteracin para calcular la siguiente incgnita. Por ejemplo, en el mtodo de Jacobi se obtiene en el primer clculo xi+1, pero este valor de x no se utiliza sino hasta la siguiente iteracin. En el mtodo de Gauss-Seidel en lugar de eso se utiliza de xi+1 en lugar de xi en forma inmediata para calcular el valor de yi+1 de igual manera procede con las siguientes variables; siempre se utilizan las variables recin calculadas. Entrada el nmero de ecuaciones o incgnitas n; los elementos de axn de la matriz A; los elementos bi, 1 ? i ? n de b; los elementos X0i, 1 ? i ? n de X0 = x0; la tolerancia Es (error sugerido); el nmero mximo de iteraciones, iter. Algoritmo: 1) Se debe despejar da cada ecuacin despejar la variable sobre la diagonal principal. 2) Dar un valor inicial a las incgnitas (X generalmente se establecen ceros). 3) Sustituir los valores iniciales en la primera ecuacin para obtener un nuevo valor para la primera incgnita.

4) Ese nuevo valor es usado para obtener el valor de la siguiente incgnita. Este procedimiento se repite hasta obtener los nuevos valores de todas las incgnitas despejadas. 5) Se evala la aproximacin relativa de todas las incgnitas hasta que la solucin converja bastante cerca de la solucin real, segn la tolerancia establecida para el mtodo. Se puede observa que los resultados obtenidos son prcticamente iguales a los obtenidos con los mtodos directos y con el mtodo de Jacobi, con la ventaja de un nmero menor de iteraciones.

Mtodo de Jacobi
El mtodo Jacobi es el mtodo iterativo para resolver sistemas de ecuaciones lineales ms simple y se aplica slo a sistemas cuadrados, es decir a sistemas con tantas incgnitas como ecuaciones. 1. Primero se determina la ecuacin de recurrencia. Para ello se ordenan las ecuaciones y las incgnitas. De la ecuacin i se despeja la incgnita i. En notacin matricial se escribirse como: x = c + Bx (1), donde x es el vector de incgnitas. 2. Se toma una aproximacin para las soluciones y a esta se le designa por x. 3. Se itera en el ciclo que cambia la aproximacin xi+1 = c + Bxi (2)