Professional Documents
Culture Documents
1. Introducción
Uno de los problemas fundamentales del análisis numérico de matrices es
la solución de sistemas lineales. Dada una matriz A de orden n×n y un vector
b, se desea encontrar un vector x solución de la ecuación Ax = b donde:
a11 a12 . . . a1n b1 x1
a21 a22 . . . a2n
b2
x2
A= .. .. .. ..
b = .. x = ..
. . . .
.
.
an1 an2 . . . ann bn xn
1
2. Métodos Directos
2.1. Método de Gauss
El método de Gauss o tambien llamado Elimiación Gaussiana es por uste-
des bien conocido. Este método fué estudiado en el curso de Algebra Lineal.
2
..
.
b1 − a12 x2 − . . . − a1n xn
x1 =
a11
(2)
(2) (2) (2) (2)
a22 pivot
a11 a12 . . . a1n b1
(2) (2) (2)
0 a22 . . . a2n b2 (2)
a32
0
(2) (2) (2)
a32 . . . a3n b3 F 3 = F3 − (2) F2
a22
.. .. ..
. . .
(2) (2)
(2) (2) a
0 an2 . . . ann bn Fn = Fn − n2 (2) F1
a22
3
Existe un problema cuando el pivot tiende a cero, ya que la solución de
la ecuación Ax = b no es buena. Para solucionar lo anterior existen dos
estrategias:
(k)
Estrategı́a del Pivot Parcial: El pivot es cualquier elemento aik con
k ≤ i ≤ n tal que:
(k) (k)
|aik | = máx |apk |
k≤p≤n
4
Obteniendo finalmente el vector x solución del sistema.
4 8 2 x3 2
Ahora debemos encontrar las matrices L y U . Recuerde la condición impuesta
por el teorema anterior para garantizar la unicidad. También puede visualizar
que la primera fila de la matriz U es siempre igual a la primera fila de la matriz
A.
2 3 4 1 0 0 2 3 4
4 5 10 = l21 1 0 0 u22 u23
2 −2 1 0 0 −2
5
Al resolver primero el sistema Ly = b tenemos:
1 0 0 y1 6
2 1 0 y2 = 16
2 −2 1 y3 2
Obtenemos que:
y1 6
y2 = 4
y3 −2
Ahora debemos resolver el sistema U x = y.
2 3 4 x1 6
0 −1 2 x2 = 4
0 0 −2 x3 −2
Obteniendo finalmente la solución del problema, donde:
x1 4
x2 = −2
x3 1
A = GGT
3. Métodos Iterativos
La idea es utilizar el método del punto fijo visto en el capitulo anterior
para buscar las raices de la ecuación AX = b donde A = An×n , X = Xn×1 y
b = bn×1 .
En este caso consideraremos la función de iteración dada por:
g(X) = BX + C
6
En su forma matricial, donde B = Bn×n es llamada la matriz de iteración
determinada por los distintos métodos de iteración, X = Xn×1 es el vector
solución y C = Cn×1 también depende el método iterativo utilizado.
En este caso se comienza de una aproximación X (0) y se genera una sucesión
de aproximaciones de la siguiente forma:
Sea Mn×n (R) el espacio vectorial de las matrices de n por n con coeficientes
reales, podemos definir la norma de una matriz como una función denotada
por || · || : Mn×n (R) −→ R+
0 tal que:
Norma 1: n
X
||A||1 = máx |aij |
1≤j≤n
i=1
Norma ∞: n
X
||A||∞ = máx |aij |
1≤i≤n
j=1
7
Norma Euclidiana: v
u n X
n
uX
||A||E = t (a2 ij )
i=1 j=1
7 −8 9
det(A − λI) = 0
X (k+1) = BX (k) + C
8
3.1. Método de Jacobi
Queremos resolver el sistema lineal dado por AX = b (1). Podemos
descomponer la matriz A de la siguiente forma:
A=D−E−F (2)
[D − (E + F )]X = b
DX − (E + F )X = b
DX = (E + F )X + b
Despejando la X de la izquierda tenemos:+
DX = (E + F )X + b /D−1
X = D−1 (E + F )X + D−1 b
Obteniendo una función de la forma X = BX + C donde:
B = D−1 (E + F ) ∧ C = D−1 b
A=D−E−F
9
(D − L)X = F X + b
Despejando:
X = (D − L)−1 F X + (D − L)−1 b
Donde:
B = (D − L)−1 F ∧ C = (D − L)−1 b
La matriz (D−L)−1 F es llamada matriz de iteración Gauss-Seidel y se denota
por Gs .
10
El método es más rápido cuando ρ(B) → 0
1 3 10 z 14
Usando el método de Jacobi (3 iteraciones). Previamente analice convergen-
cia.
1 3 10 0 0 10 −1 −3 0 0 0 0
Lo siguiente es calcular la inversa de la matriz D.
0,1 0 0
D−1 0 −0,1
= 0
0 0 −0,1
La matriz de Jacobi será:
0 −0,3 −0,1
−1
J = D (E + F ) = 0,2 0 0,3
−0,1 −0,3 0
Aunque ya está demostrada la convergencia, se demostrará usando el espec-
tro de la matriz de Jacobi para ejemplificar su uso (para este problema ya
11
no es necesario, si la matriz no fuese E.D.D si se debe realizar)
Ahora se deben encontrar los valores propios de la matriz J, los cuales sat-
isfacen la siguiente ecuacón:
|J − λI| = 0
−λ −0,3 −0,1
0,2 −λ 0,3 = 0
−0,1 −0,3 −λ
−λ 0,3 0,2 0,3 0,2 −λ
−λ + 0,3
− 0,1
=0
−0,3 −λ −0,1 −λ −0,1 −0,3
200λ3 + 28λ − 3 = 0
Cuyas raices son:
1
λ1 =
10
√
1 59
λ2 = − + i
20 20
√
1 59
λ2 = − + i
20 20
Como tenemos dos raices complejas, se debe considerar su módulo como
posible candidato a ser el espectro de J, por lo tanto:
√
1 15
ρ(J) = máx ,
10 10
√
15
ρ(J) = ≈ 0,38 < 1
10
Por lo tanto el método de Jacobi converge (Ya lo sabiamos).
12
Reemplazando:
0 −0,3 −0,1 1,4
X (k+1)
(k)
= 0,2 0 0,3 X + 0,5
−0,1 −0,3 0 1,4
0 −0,3 −0,1 1,4
X (2) 0,2
= 0 0,3 (1)
X + 0,5 =
0 −0,3 −0,1 1,4
X (3)
(2)
= 0,2 0 0,3 X + 0,5
=
13
Por lo tanto la solucion encontrada es:
0,929
X ≈ 1,055
0,929
4. Ejercicios Propuestos
14
a. Resolver por el método de LU.
b. Determinar la convergencia de los métodos de Jacobi y Gauss-Seidel, ade-
mas realizar 4 iteraciones.
0
a. Usando Jacobi. b. Usando Gauss-Seidel. c. Determine la tasa de conver-
gencia de cada método utilizando la norma 1 e ∞. Deducir cuan es más
rápido en su convergencia. (Considere ξ = 0,01)
0,0001x + y = 1
x+y = 2
15