Sistemas de Ecuaciones Lineales

MTODOS NUMRICOS Cap.
IV: Sistemas de ecuaciones lineales

__________________________________________________________________________________________________________
CAPTULO V
SISTEMAS DE ECUACIONES LINEALES
5.1. INTRODUCCIN
Los sistemas de ecuaciones lineales muy bien pueden ser el principal problema de los
mtodos numricos. Se utilizan en muchos problemas de las ciencias y de la ingeniera,
as como en aplicaciones de la matemtica a las ciencias sociales y al estudio
cuantitativo de problemas de administracin, economa y negocios.
El lgebra lineal es fundamental para los mtodos numricos, ya que no podramos
hacer mucho sin tener un conocimiento bsico de ella. En este caso, las matrices,
proporcionan una notacin concisa para representar ecuaciones lineales simultneas.
El objetivo de este apartado es examinar los aspectos numricos que se presentan al
resolver sistemas de ecuaciones lineales., a travs de tcnicas que proporcionan una
respuesta a un nmero fijo de pasos y que slo estn sujetos a los errores de redondeo.
La forma ms usual de expresar un conjunto de ecuaciones lineales es:

11 1 12 2 13 3 1n n 1
a x a x a x a x b + + + +

21 1 22 2 23 3 2n n 2
a x a x a x a x b + + + +

31 1 32 2 33 3 3n n 3
a x a x a x a x b + + + +

. . . . . . . . . . . . . . . . . . . . . . .

m1 1 m2 2 m3 3 mn n m
a x a x a x a x b + + + +
donde las
ij
a
son los coeficientes constantes, las
i
b son trminos conocidos llamados
trminos libres o independientes, las
i
x son las incgnitas, m es el nmero de
ecuaciones y n es el nmero de incgnitas. En forma matricial
AX B
Cuando al menos uno de los trminos libres es diferente de cero, se dice que el conjunto
es no homogneo.
Ejemplo 5.1. Expresar matricialmente el planteamiento del siguiente problema:
La mezcla que se emplea para construir aceras se compone de cemento, arena y grava
en distintas proporciones. Un distribuidor tiene ya preparados sacos con tres tipos de
mezclas diferentes: El primer tipo contiene cemento, arena y grava segn las
proporciones
8
1
,
8
3
,
8
4
, las proporciones en el segundo tipo son
10
2
,
10
5
,
10
3

y las proporciones en el tercero son
5
2
,
5
3
,
5
0
.
Solucin
Si
1
x ,
2
x y
3
x son las cantidades (en metros cbicos) de cada uno de los tipos de
mezcla que hay que usar para formar una cantidad total de 10 metros cbicos de dicha
Prof. Eleazar de la Torre Quevedo 108 edelatq@yahoo.com
MTODOS NUMRICOS Cap. IV: Sistemas de ecuaciones lineales
__________________________________________________________________________________________________________
mezcla que contenga 3 . 2 b
1
, 8 . 4 b
2
, 9 . 2 b
3
metros cbicos de cemento,
arena y grava, respectivamente. Entonces el sistema de ecuaciones lineales para los
ingredientes es:
3 . 2 x 400 . 0 x 200 . 0 x 125 . 0
3 2 1
+ + (cemento)
8 . 4 x 600 . 0 x 500 . 0 x 375 . 0
3 2 1
+ + (arena)
9 . 2 x 000 . 0 x 300 . 0 x 500 . 0
3 2 1
+ + (grava)
Expresado en forma matricial
1
1
1
]
1
1
1
1
]
1
1
1
1
]
1
9 . 2
8 . 4
3 . 2
x
x
x
000 . 0 300 . 0 500 . 0
600 . 0 500 . 0 375 . 0
400 . 0 200 . 0 125 . 0
3
2
1
La solucin del sistema lineal es [ ] 3 ; 3 ; 4 X
T
, como puede comprobarse
sustituyendo directamente en las ecuaciones:
0.125(4) 0.200(3) 0.400(3) 2.3 + +
0.375(4) 0.500(3) 0.600(3) 4.8 + +
0.500(4) 0.300(3) 0.000(3) 2.9 + +
Observaciones
1. Hay sistemas cuyas soluciones se vuelven imprecisas debido a severos errores de
redondeo.
2. Un ligero cambio de los coeficientes o elementos de la matriz A, provoca cambios
significativos en la solucin del sistema, estos cambios se llaman mal
condicionados.
__________________________________________________________________________________________________________
3. Un problema mal condicionado tiene las siguientes caractersticas:
i) Los elementos de la diagonal de la matriz de coeficientes A, tienden a ser
menores que los elementos que no pertenecen a la diagonal.
ii) El
1
A A
difiere significativamente de 1.
iii) El resultado de
1
1
A

es muy distinto de A.
iv)
1
A A
difiere en grado sumo de la matriz identidad, I.

v)
( )
1
1 1
A A

difiere ms de la matriz identidad que lo que difiere
1
A A
.
Ejemplo 5.2. Resolver el sistema con cuatro cifras de precisin
E1: 414 . 6 x 281 . 5 x 133 . 1
2 1
+
E2 : 93 . 22 x 210 . 1 x 14 . 24
2 1

donde los valores 000 . 1 x x
2 1
son la solucin exacta del sistema.
Solucin
Cuando tratamos de resolver el sistema con cuatro cifras de precisin se obtiene el
sistema equivalente
E1: 414 . 6 x 281 . 5 x 133 . 1
2 1
+
E2 : 8 . 113 x 7 . 113
2

De la ecuacin E2 , se deduce que 001 . 1 x
2
, valor que reemplazado en E1
1
1.133x 5.281(1.001) 6.414 +

9956 . 0 x
1

Por lo tanto, la solucin 9956 . 0 x
1
y 001 . 1 x
2
, resulta ser una aproximacin de
000 . 1 x x
2 1
, donde el error al calcular
1 2
x y x
, es
1
0.9956 1.0000
100% 0.44%
1.0000
x

y
2
1.001 1.000
100% 0.1%
1.000
x

respectivamente.
Ejemplo 5.3. El sistema
0.0001 1.0001 x y +
2.0000 x y +
tiene solucin exacta , est bien condicionado.
Puesto que,
>>[x,y]=solve('0.0001*x+y=1.0001','x+y=2','x','y')
x =
1.
y =
1.
Sin embargo, si se cambia el trmino independiente de la primera ecuacin a 1.00001,
__________________________________________________________________________________________________________
0.0001 1.00001 x y +
2.0000 x y +
la solucin cambia a
>> [x,y]=solve('0.0001*x+y=1.00001','x+y=2','x','y')
x =
1.0000900090009000900090009000900
y =
0.99990999099909990999099909990999

2.0000
1.0001 2.0001
x y
x y
+
'
+
est bien condicionado.

>> [x,y]=solve('x+y=2.0000','x+1.0001*y=2.0001','x','y')
x =
1.
y =
1.
Si se cambia el trmino independiente de la segunda ecuacin a 2.0002

2.0000
1.0001 2.0002
x y
x y
+
'
+
la solucin cambia a
>> [x,y]=solve('x+y=2.0000','x+1.0001*y=2.0002','x','y')
x =
0.
y =
2.
pues la solucin es poco sensible a los errores de los datos.
5.2. ALGUNOS CONCEPTOS BSICOS
Los aspectos numricos que se presentan al resolver sistemas de ecuaciones lineales,
requieren recordar ciertos conceptos bsicos, matlab dispone de funciones que realizan
tareas ms complejas sobre matrices. Por ejemplo, por ahora las que necesitaremos son
las siguientes:
a) El rango de una matriz, es el nmero mximo de vectores linealmente independientes
que podemos tener.
rank(A); % calcula el rango de la matriz A
det(A); % calcula el determinante de la matriz A.
inv(A); % calcula la inversa de la matriz A.
B=transpose(A)
C=A
__________________________________________________________________________________________________________
eye(n); % devuelve la matriz identidad de orden n.
b)La matriz ampliada,
A B 1
]
, se obtiene incorporando a la matriz de coeficientes A, los
trminos independientes, B.
c)Si el rango A = rango
A B 1
]
= r y r = n, entonces el sistema es compatible
determinado.
d) Si el rango A = rango
A B 1
]
= r y r < n, el sistema es compatible indeterminado con
n-r grados de libertad.
e)Dada una matriz A=[0 1 1;1 1 1;2 -1 2]
Veamos a continuacin cmo matlab nos permite extraer elementos, filas y columnas
de
una matriz:
>> A=[0 1 1;1 1 1;2 -1 2];
A(3,2)
ans =
-1
>> A(1,:)
ans =
0 1 1
>> A(:,2)
ans =
1
1
-1
Al igual que podemos extraer filas y columnas, podemos componer una matriz a partir
de vectores:
>> u=[1;2;3]; v=[4;5;6];
C=[u v]
C =
1 4
2 5
3 6
>> C(1,:)
ans =
__________________________________________________________________________________________________________
1 4
>> D=[u ; v]
D =
1
2
3
4
5
6
Con esta informacin, podemos realizar operaciones elementales sobre matrices que
son la base de la eliminacin gaussiana.
Dada una matriz A=[0 1 1;1 1 1;2 -1 2]
que almacenar provisionalmente una fila mientras realizamos el intercambio
>> A=[0 1 1;1 1 1;2 -1 2]
A =
0 1 1
1 1 1
2 -1 2
Vamos a permutar las dos primeras filas. Para ello emplearemos un vector intermedio
(aux)
>>aux=A(1,:)
aux =
0 1 1
>> A(2,:)=aux
A =
1 1 1
0 1 1
2 -1 2
La siguiente operacin sobre A:
>> A(1,:)=A(2,:)
A =
1 1 1
1 1 1
2 -1 2
Tambin, la operacin sobre A
>> A(3,:)=A(3,:)-2*A(1,:)
A =
1 1 1
0 1 1
0 -3 0
Dado un sistema lineales escrito en forma matricial, AX B , matlab proporciona
siempre valores que son una solucin del sistema en algn sentido, incluido el caso de
sistemas incompatibles, introduciendo: A\B
__________________________________________________________________________________________________________
f) El sistema es compatible, cuando tiene solucin, en el caso contrario, es
incompatible.
g) Dado un sistema compatible, se debe averiguar si es determinado (solucin
nica) o indeterminado (infinitas soluciones)
Por ejemplo, para realizar las operaciones realizadas en el ejemplo
h)Dado el sistema
1 n n 1 3 13 2 12 1
) 1 (
11
b x a x a x a x a + + + +
2 n n 2 3 23 2
) 2 (
22 1 21
b x a x a x a x a + + + +

3 n n 3 3
) 3 (
33 2 32 1 31
b x a x a x a x a + + + +
. . . . . . . . . . . . . . . . . . . . . . .

n n
) n (
nn 3 3 n 2 2 n 1 1 n
b x a x a x a x a + + + +
Los coeficientes de la diagonal, llamados pivotes, son los coeficientes de
1
x en la
primera ecuacin E1, el de
2
x en la segunda ecuacin E2. En general, el coeficiente de
n
x en la n-sima ecuacin En es
) n (
nn
a .
i) Se dice que dos sistemas de ecuaciones lineales de orden nxn son equivalentes
cuando tienen el mismo conjunto de soluciones.
j) Para sistemas de dos o ms ecuaciones, no es fcil analizar grficamente su
condicionamiento. Algortmicamente, el mal condicionamiento se puede observar por el
pequeo tamao de los pivotes.
E1: 0.0001 1.0001 x y +
E2: 2.0000 x y +
est bien condicionado. Pero si se elimina normalmente x en la segunda ecuacin, se
obtiene un sistema casi singular
E1: 0.0001 1.0001 x y +
E2: 9999 9999 y
El comportamiento es debido a que el pivote
(1)
11
0.0001 a , es diez mil veces menor que
el coeficiente a eliminar
21
1 a .
5.3. SOLUCIN DE SISTEMAS DE ECUACIONES LINEALES
Los mtodos de solucin de sistemas de ecuaciones lineales se pueden dividir en dos
grandes grupos: Mtodos directos y mtodos indirectos
Los mtodos directos que permiten obtener la solucin del sistema de manera exacta e
inmediata.
Los mtodos indirectos o aproximados que calculan la solucin del sistema por
aproximaciones sucesivas. Utilizan algoritmos iterativos e infinitos.
__________________________________________________________________________________________________________
4.3.1MTODOS DIRECTOS
Los mtodos directos, llamados tambin, mtodos exactos o algoritmos finitos, consisten
en transformar el sistema en otro equivalente cuya resolucin sea prcticamente
inmediata. Estos mtodos devuelven resultados exactos y son apropiados para sistemas
de ecuaciones con pocas incgnitas (4 o 5) y con pocos coeficientes nulos. Esta
transformacin se hace mediante las llamadas operaciones elementales, cuya
interpretacin nos proporciona una interesante y conocida factorizacin de la matriz del
sistema.
4.3.1.1 SISTEMAS LINEALES TRIANGULARES
Dado un sistema triangular superior
E1 :
1 n n 1 1 n 1 n 1 3 13 2 12 1 11
b x a x a x a x a x a + + + +

E2 :
2 n n 2 1 n 1 n 2 3 23 2 22
b x a x a x a x a + + +

E3 :
3 n n 3 1 n 1 n 3 3 33
b x a x a x a + +

(2)
. . . . . . . . . . . . . . . . . . . . . . .
En-1:
n n n 1 n 1 n 1 n 1 n
b x a x a +

En :
n n nn
b x a
Si
qq
a 0
, para q =1, 2, 3, . . .,n, entonces existe una solucin nica de (2).
La solucin es fcil de hallar. Por ejemplo, de la ltima ecuacin, En, se despeja
n
n
nn
b
x
a
Ahora, En-1 implica que: Si ya conocemos

n
x , entonces podemos usarla en la penltima
ecuacin:

1 n 1 n
n n 1 n 1 n
1 n
a
x a b
x

As mismo, En-2 implica que: Usamos

n
x y
1 n
x

para hallar
2 n
x

2 n 2 n
n n 2 n 1 n 1 n 2 n 2 n
2 n
a
x a x a b
x

Sucesivamente, mediante el proceso hacia atrs, se calculan los dems valores

2 n
x

,
n 3
x

, . . .,
1 k
x
+
.
Siendo el paso general

q q
j qj
n
1 q j
q
q
a
x a b
x

+
, para q = n-1 , n-2 , , 3, 2, 1
__________________________________________________________________________________________________________
La unicidad de la solucin es fcil de ver. As, la ltima ecuacin implica que
n n
n
a
b
es el
nico posible valor de
n
x y, por induccin finita, los valores de
1 n
x

,
2 n
x

, . . .,
1
x
tambin son nicos.
Ejemplo 5.6. Usar la sustitucin regresiva para resolver el sistema lineal
E1 :
1 2 3 4 5
4x x 2x 2x x 4 + +

E2 :
2 3 4 5
x 6x 2x 7x 0 + + +
E3 :
3 4 5
x x 2x 10

E4 :
4 5
2x x 10
E5 :
5
3x 6
Solucin
En primer lugar de la ecuacin
E5:
5
3x 6
se despeja
5
x

5
6
x 2
3

Este resultado se sustituye en la ecuacin
E4:
4
2x (2) 10
, de la que se obtiene
4
10 (2)
x 6
2
+

Ahora, los valores

5
x 2
y
4
x 6
se reemplazan en la ecuacin
E3 :
3
x ( 6) 2(2) 10
y se despeja
3
10 ( 6) 2(2)
x 8
1
+ +

As mismo, los valores
5
x 2
,
4
x 6
y
3
x 8
se reemplazan en la ecuacin
E2 :
2
x 6(8) 2( 6) 7(2) 0 + + +

2
0 6(8) 2( 6) 7(2)
x 50
1

Por ltimo,
1
x
se obtiene de la primera ecuacin
E1 :
1
4x (50) 2(8) 2( 6) (2) 4 + +

1
4 (50) 2(8) 2( 6) (2)
x 13
4
+ +

Luego, la solucin es
[ ]
T
X 13, 50, 8, 6, 2
Observaciones
4. El mtodo de sustitucin hacia atrs funciona slo si todos los elementos de la
diagonal son diferentes de cero.
5. El siguiente Programa MATLAB permite la resolucin de un sistema triangular
inferior Ax=b por el mtodo de sustitucin progresiva.
% A: Matriz triangular inferior del sistema
% b: Vector columna parte derecha del sistema
% Valor de salida
__________________________________________________________________________________________________________
% x: Solucin del sistema de ecuaciones
for k=1:size(A)
x(k)=b(k);
for i=1:k-1
x(k)=x(k)-A(k,i)*x(i);
end
x=(k)=x(k)/A(k,k);
end
x=x';
Ejemplo 5.7. Resolver el sistema
1
2
3
1 0 0 x 1
2 3 0 x 2
1 2 3 x 4
1 1 1
1 1 1
1 1 1
1 1 1
] ] ]
Mediante la sustitucin progresiva.
Solucin
flops(0); A=[1,0,0;2,3,0;1,2,3]; b=[1,2,4]'; x=s p(A,b)',flops
>>
x=
1 0 1
function X = backsub(A;B)
% Datos
% A es una matriz triangular superior
% invertible de orden nxn
% B es una matriz de trminos libres de orden nx1
% Resultado
% X es la solucin del sistema lineal AX=B
% Clculo de la dimensin de B e inicializacin de X:
n = length(B);
X = zeros(n,1) ; X(n) = B(n)/A(n,n);
for q = n-1:-1:1
X(q) = (B(q)-A(q,q+1:n)*X(q+1:n))/A(q,q);
end

4.3.1.2 MTODO DE ELIMINACIN DE GAUSS
La eliminacin gaussiana es uno de los algoritmos ms antiguos y sigue siendo uno de
los ms utilizados. El mtodo se desarrolla mediante dos procesos:
-La eliminacin progresiva o hacia delante. Obtiene un sistema triangular superior
UX=Y equivalente al sistema lineal
11 1 12 2 13 3 1n n 1
a x a x a x a x b + + + +
21 1 22 2 23 3 2n n 2
a x a x a x a x b + + + +
__________________________________________________________________________________________________________

31 1 32 2 33 3 3n n 3
a x a x a x a x b + + + +
(3)
. . . . . . . . . . . . . . . . . . . . .

n1 1 n2 2 n3 3 nn n n
a x a x a x a x b + + + +
-La eliminacin regresiva o hacia atrs. Obtiene las componentes del vector X
mediante la sustitucin regresiva o sustitucin hacia atrs.
Observaciones
6. El mtodo de eliminacin gaussiana se aplica slo al caso de los conjuntos no
homogneos de un sistema general de n ecuaciones lineales con n incgnitas
AX=B
7. Si A es una matriz invertible de orden n, entonces existe un sistema lineal de
ecuaciones
Y X U
, equivalente al sistema
B X A
, en el que U es una
matriz triangular superior con elementos diagonales 0 u
) q (
qq
, q = 1, 2, 3, . . . , n
8. Si
(q)
qq
u 0
para q = 1 , 2 , 3 , , n , entonces el sistema triangular superior
Y X U
, tiene solucin nica, y recprocamente.
9. Todas las etapas de la eliminacin gaussiana hacia adelante se escribe en forma de
arreglo

( ) B I A

Ejemplo 5.8. Resolver por eliminacin gaussiana el sistema
E1 : 4 x 3 x 0 x x
4 3 2 1
+ + +
E2 : 1 x x x x 2
4 3 2 1
+ +
E3 : 3 x x x x 3
4 3 2 1
+
E4 : 4 x x 3 x 2 x
4 3 2 1
+ +
Solucin
La primera parte del procedimiento es la eliminacin hacia adelante.
Para ello, utilizamos la ecuacin E1 para eliminar la incgnita
1
x en E2 , E3 y E4 al
efectuar:
(E2 - 2E1) (E2)
(E3 - 3E1) (E3)
(E4 + E1) (E4)
El sistema resultante es
E1 :
4 x 3 x 0 x x
4 3 2 1
+ + +

E2 :
7 x 5 x x
4 3 2

E3 :
15 x 7 x x 4
4 3 2

E4 :
8 x 2 x 3 x 3
4 3 2
+ +
donde, por razones de simplicidad, se vuelve a marcar las nuevas ecuaciones con E1 ,
E2 , E3 y E4.
__________________________________________________________________________________________________________
En el sistema nuevo, se usa E2 para eliminar
2
x en E3 y E4 al efectuar
(E3 - 4E2) (E3)

(E4 + 3E2) (E4)
lo cual, da por resultado el sistema equivalente:
E1 : 4 x 3 x 0 x x
4 3 2 1
+ + +
E2 : 7 x 5 x x
4 3 2

E3 : 13 x 13 x 3
4 3

E4 : 13 x 13
4

Este sistema de ecuaciones, presenta ahora una forma triangular (o forma reducida) y
puede resolverse para las incgnitas mediante el proceso de sustitucin hacia atrs. Es
decir,
E4 implica que 1 x
4
,
E3 puede resolverse para
3
x
y dar
( ) ( ) 0 13 13
3
1
x 13 13
3
1
x
4 3

Continuando el proceso, de E2 se obtiene
( ) ( ) 2 0 5 7 x x 5 7 x
3 4 2
+ + + +
Finalmente de E1 resulta
1 2 3 4 x x 3 4 x
2 4 1

Por tanto, la solucin del sistema es
( ) { } 1 ; 0 ; 2 ; 1 CS
Ejemplo 5.9. Hallar el miembro de la familia de parbolas
c bx ax y
2
+ +
Sabiendo que pasa por los puntos ) 1 ; 1 ( P
1
, ) 1 ; 2 ( P
2
y
) 1 ; 3 ( P
3
Solucin
Para cada punto se obtiene una ecuacin que relaciona el valor de la abscisa x con el de
la ordenada y. El resultado es el sistema lineal
E1:
1 c b a + +
E2 :
1 c b 2 a 4 + +

E3 :
1 c b 3 a 9 + +
Primero se utiliza la ecuacin E1 para eliminar la incgnita a en E2 y E3 al efectuar:
(E2 - 4E1) (E2)
(E3 - 9E1) (E3)
El sistema resultante es:
E1:
1 c b a + +
__________________________________________________________________________________________________________
E2 :
5 c 3 b 2

E3 :
8 c 8 b 6
En este sistema nuevo, se considera E2 para eliminar b en E3 al efectuar
(E3 - 3E2) (E3)
lo que ahora da por resultado el sistema
E1:
1 c b a + +
E2 :
5 c 3 b 2

E3 :
7 c
donde
7 c , ( ) 8 ) 7 ( 3 5
2
1
b y 2 7 ) 8 ( 1 a
Por tanto, el elemento de la familia de parbolas tiene como ecuacin
7 x 8 x 2 y
2
+
Observacin
10. Existen diferentes variantes del mtodo de eliminacin de Gauss que tienen como
objetivo disminuir el efecto del error de redondeo en la solucin.
4.3.1.3 MTODO DE ELIMINACIN DE GAUSS-JORDAN
La eliminacin de Gauss-Jordan es una variante de la eliminacin de Gauss y comparte
con sta el proceso de eliminacin hacia adelante, pero difiere en el proceso hacia atrs.
Siguiendo un procedimiento similar al empleado en el mtodo de eliminacin de Gauss,
el mtodo de Gauss-Jordan transforma el arreglo

( ) I B A

hasta obtener una matriz diagonal unitaria ( )
ij
a 0 , i j
.
( )
1
A X I

y la solucin se puede leer directamente de la tabla
( ) X I
Ejemplo 5.10. Resolver el sistema lineal
E1: 2
1
x + 3
2
x -
3
x +
4
x = 2
E2: -
1
x + 2
2
x + 3
3
x - 2
4
x = 13
E3:
1
x -
2
x + 2
3
x + 2
4
x = 3
E4: -2
1
x - 2
2
x - 4
3
x - 3
4
x = -12
Solucin
1ro. Se toma la matriz aumentada y a continuacin a la derecha una matriz identidad del
mismo orden.
__________________________________________________________________________________________________________
1
1
1
1
1
1
1
1
1
1

]
2 3 1 1 2 1 0 0 0
1 2 3 2 13 0 1 0 0
1 1 2 2 3 0 0 1 0
2 2 4 3 12 0 0 0 1
2do. Se toma como pivote el elemento
(1)
11
a ubicado en la 1ra. fila y 1ra. columna. Se
deja intacta la primera fila y se hacen determinantes (2x2) con respecto al elemento
pivote y las dems filas una por una, lo cual modifica toda la matriz:
a) El resultado del determinante se coloca diagonalmente en el lugar opuesto al
elemento pivote, recorriendo hacia abajo la columna que se est modificando.
b) Abajo del pivote se ponen ceros.
+
22
2 3
a (2)(2) ( 1)(3) 4 3 7
1 2
,
23
2 1
a (2)(3) ( 1)( 1) 6 1 5
1 3
+
24
2 2
a (2)(13) ( 1)(2) 26 2 28
1 13

32
2 3
a (2)( 1) (1)(3) 2 3 5
1 1
+
33
2 1
a (2)(2) (1)( 1) 4 1 5
1 2

34
2 1
a (2)(2) (1)(1) 4 1 3
1 2
+

42
2 3
a (2)( 2) ( 2)(3) 4 6 2
2 2

43
2 1
a (2)( 4) ( 2)( 1) 8 2 10
2 4
De manera que el nuevo sistema equivalente es
1
1
1
1
1
1
1

1
1
1

]
2 3 1 1 2 1 0 0 0
0 7 5 3 28 1 2 0 0
0 5 5 3 4 1 0 2 0
0 2 10 4 20 2 0 0 2
__________________________________________________________________________________________________________
3ro. Se toma el elemento
(2)
22
a , ubicado en la 2da. fila y 2da. columna, como el nuevo
pivote.
c) Se considera el pivote anterior como divisor
d) Se deja intacta la segunda fila con el nuevo pivote
e) Se vuelve a hacer el procedimiento de los determinantes (2x2), pero cada uno se
divide entre el pivote anterior.
f) Al terminar, se ponen los ceros abajo y arriba del pivote nuevo.

11
7 0
3 2 (7)(2) (3)(0)
a 7
2 2
,

13
7 5
3 1 (7)( 1) (3)(5)
a 11
2 2
,

14
7 3
3 1 (7)(1) (3)( 3)
a 8
2 2
,

15
7 28
3 2 (7)(2) (3)(28)
a 35
2 2
,

33
7 5
5 5 (7)(5) ( 5)(5)
a 30
2 2
,

34
7 3
5 3 (7)(3) ( 5)( 3)
a 3
2 2
,

43
7 5
2 10 (7)( 10) (2)(5)
a 40
2 2
,

44
7 3
2 4 (7)( 4) (2)( 3)
a 11
2 2
1
1
1
1
1
1
1
1
1
1

]
7 0 11 8 35 2 3 0 0
0 7 5 3 28 1 2 0 0
0 0 30 3 84 1 5 7 0
0 0 40 11 98 6 2 0 7
4to. En esta iteracin se toma el elemento
(3)
33
a , ubicado en la 3ra. fila y 3ra. columna,
como el nuevo pivote.
g) Se considera el pivote anterior como divisor
h) Se deja intacta la tercera fila con el nuevo pivote
i) Se vuelve a hacer el procedimiento de los determinantes (2x2), pero cada uno se
divide entre el pivote anterior, hasta la ltima fila de la matriz.
j) Al terminar, se ponen los ceros abajo y arriba del pivote nuevo.
__________________________________________________________________________________________________________

11
30 0
11 7 (30)(7) ( 11)(0)
a 30
7 7
,

14
30 3
11 8 (30)(8) ( 11)(3)
a 39
7 7

15
30 84
11 35 (30)( 35) ( 11)(84)
a 18
7 7

22
30 0
5 7 (30)(7) (5)(0)
a 30
7 7

24
30 3
5 3 (30)( 3) (5)(3)
a 15
7 7

25
30 84
5 28 (30)(28) (5)(84)
a 60
7 7
,

44
30 3
40 11 (30)( 11) ( 40)(3)
a 30
7 7

45
30 84
40 98 (30)( 98) ( 40)(84)
a 60
7 7
De manera que la nueva tabla equivalente es:
1
1
1
1
1
1
1
1
1
1
]
30 0 0 39 18 7 5 11 0
0 30 0 15 60 5 5 5 0
0 0 30 3 84 1 5 7 0
0 0 0 30 60 20 20 40 30
5to. Se repite iterativamente el paso 4to., hasta terminar la ltima fila de la matriz

11
30 0
0 30 ( 30)(30) (0)(0)
a 30
30 30
,

15
30 60
39 18 ( 30)( 18) (39)(60)
a 60
30 30
,

22
30 0
0 30 ( 30)(30) (0)(0)
a 30
30 30
,

25
30 60
15 60 ( 30)(60) ( 15)(60)
a 30
30 30
,
__________________________________________________________________________________________________________

33
30 0
3 30 ( 30)(30) (3)(0)
a 30
30 30
,

35
30 60
3 84 ( 30)(84) (3)(60)
a 90
30 30
1
1
1
1
1
1
1

1
1
1
]
30 0 0 0 60 33 21 63 39
0 30 0 0 30 5 5 25 15
0 0 30 0 90 1 7 11 3
0 0 0 30 60 20 20 40 30

30 A
Matriz adjunta
6to. Se divide el sistema equivalente entre el determinante. Finalmente se tiene el
conjunto solucin

1
1
1
1
1
]
2
1
X
3
2
de la tabla
1
1
1
1
1
1
1
1
1
1

]
1 0 0 0 2 33/ 30 21/ 30 63/ 30 39/ 30
0 1 0 0 1 5/ 30 5/ 30 25/ 30 15
0 0 1 0 3 1/ 30 7/ 30 11/ 30 3/ 30
0 0 0 1 2 20/ 30 20/ 30 40/ 30 30/ 30

Matriz Vector Matriz Inversa
Identidad Solucin
Observaciones
11. El mtodo de eliminacin de Gauss-Jordan con pivoteo, consiste en elegir como
pivote el elemento de mayor valor absoluto en la columna a eliminar.
12. Sin embargo, el mtodo no funciona si el primer coeficiente de la primera fila es
igual a cero o si un coeficiente de la diagonal se anula en el proceso de solucin, ya
que se usan como denominadores en la eliminacin hacia delante.

__________________________________________________________________________________________________________
4.3.1.4 MTODO DE DESCOMPOSICIN LU
Se dice que una matriz invertible A admite una descomposicin LU o factorizacin
triangular si puede expresarse como el producto de una matriz triangular inferior L,
cuyos elementos diagonales son todos iguales a 1, por una matriz triangular superior U:
A = LU
Dado el sistema AX =B, en lugar de repetir el proceso de eliminacin sobre la matriz A,
se resuelven dos sistemas
LY =B, UX =Y
El primero de ellos mediante sustitucin progresiva y el segundo mediante sustitucin
regresiva. De esta manera la factorizacin LU, nos permite resolver fcilmente el sistema
que contiene la matriz A
AX = LUX = B
y el ahorro en el nmero de operaciones es considerable , lo que repercute
positivamente en el error de redondeo.
Ejemplo 5.11. Obtener una descomposicin LU basndose en la eliminacin de
Gauss para resolver el sistema
E1 : 85 . 7 x 2 . 0 x 1 . 0 x 0 . 3
3 2 1

E2 : 3 . 19 x 3 . 0 x 0 . 7 x 1 . 0
3 2 1
+
E3 : 4 . 71 x 0 . 10 x 2 . 0 x 3 . 0
3 2 1
+
Solucin
La primera parte del procedimiento es la eliminacin hacia delante.
Paso 1: utilizamos la ecuacin E1 para eliminar la incgnita
1
x en E2 y E3 al efectuar:
(E2 -
3
1 . 0
E1) (E2)
(E3 -
3
3 . 0
E1) (E3)
E1 :
1 2 3
3.0x 0.1x 0.2x 7.85
E2 :
2 3
7.00333x 0.293333 x 19.5617

E3 :
2 3
0.190000x 10.0200x 70.6150 +

Paso 2: En el sistema nuevo, se usa E2 para eliminar
2
x en E3 al efectuar
(E3 -
00333 . 7
190000 . 0
E2) (E3)
E1 : 85 . 7 x 2 . 0 x 1 . 0 x 0 . 3
3 2 1

E2 : 5617 . 19 x 293333 . 0 x 00333 . 7
3 2

E3 : 0843 . 70 x 0200 . 10
3

Los multiplicadores para obtener la matriz triangular superior
__________________________________________________________________________________________________________
U =
1
1
1
1
]
1 0.1 0.2
0 7.00333 0.293333
0 0 10.0120
se pueden colocar en una matriz triangular inferior
En el Paso 1, los elementos
21
a y
31
a se eliminaron al usar los factores
03333333 . 0
3
1 . 0
m
21
y 1000000 . 0
3
3 . 0
m
31

En el Paso 2, el nuevo elemento
32
a
se elimin al usar el factor
0271300 . 0
00333 . 7
19 . 0
m
32

As, la matriz triangular inferior es

L =
1
1
1
1
]
1 0 0
0.0333333 1 0
0.1000000 0.0271300 1
Por razones de simplicidad, se vuelve a marcar las nuevas ecuaciones con E1 , E2 y E3 al
sistema triangular inferior, aplicada al sistema
E1 : 85 . 7 y
1

E2 : 3 . 19 y y 333 0333 . 0
2 1
+
E3 : 4 . 71 y 02713 . 0 y 1 . 0
2 1

Se resuelve la primera ecuacin E1 para
1
y ,
85 . 7 y
1

Ahora, E2 implica
5617 . 19 ) 85 . 7 ( 0333333 . 0 3 . 19 y
2

As mismo, E3 implica
0843 . 70 ) 5617 . 19 ( 02713 . 0 ) 85 . 7 ( 1 . 0 4 . 71 y
3
+
Este resultado se sustituye en el sistema, para obtener
E1 :
85 . 7 x 2 . 0 x 1 . 0 x 0 . 3
3 2 1

E2 :
5617 . 19 x 293333 . 0 x 00333 . 7
3 2

E3 :
0843 . 70 x 0120 . 10
3

que se resuelve por sustitucin hacia atrs para obtener la solucin final.
3 x
1
, 5 . 2 x
2
y 00003 . 7 x
3
.
Ejemplo 5.12. Obtener una descomposicin LU basndose en la eliminacin de
Gauss para resolver el sistema
E1 : 85 . 7 x 2 . 0 x 1 . 0 x 0 . 3
3 2 1

E2 : 3 . 19 x 3 . 0 x 0 . 7 x 1 . 0
3 2 1
+
E3 : 4 . 71 x 0 . 10 x 2 . 0 x 3 . 0
3 2 1
+
__________________________________________________________________________________________________________
Solucin
La primera parte del procedimiento es la eliminacin hacia delante.
Paso 1: utilizamos la ecuacin E1 para eliminar la incgnita
1
x en E2 y E3 al efectuar:
(E2 -
3
1 . 0
E1) (E2)
(E3 -
3
3 . 0
E1) (E3)
E1 : 85 . 7 x 2 . 0 x 1 . 0 x 0 . 3
3 2 1

E2 : 5617 . 19 x 293333 . 0 x 00333 . 7
3 2

E3 : 6150 . 70 x 0200 . 10 x 190000 . 0
3 2
+
Paso 2: En el sistema nuevo, se usa E2 para eliminar
2
x en E3 al efectuar
(E3 -
00333 . 7
190000 . 0
E2) (E3)
E1 :
85 . 7 x 2 . 0 x 1 . 0 x 0 . 3
3 2 1

E2 : 5617 . 19 x 293333 . 0 x 00333 . 7
3 2

E3 :
0843 . 70 x 0200 . 10
3

Los multiplicadores para obtener la matriz triangular superior
U =
1
1
1
1
]
1 0.1 0.2
0 7.00333 0.293333
0 0 10.0120
se pueden colocar en una matriz triangular inferior
En el Paso 1, los elementos
21
a y
31
a
se eliminaron al usar los factores
03333333 . 0
3
1 . 0
m
21
y 1000000 . 0
3
3 . 0
m
31

En el Paso 2, el nuevo elemento
32
a se elimin al usar el factor
0271300 . 0
00333 . 7
19 . 0
m
32

As, la matriz triangular inferior es

L =
1
1
1
1
]
1 0 0
0.0333333 1 0
0.1000000 0.0271300 1
Por razones de simplicidad, se vuelve a marcar las nuevas ecuaciones con E1 , E2 y E3 al
sistema triangular inferior, aplicada al sistema
E1 : 85 . 7 y
1

E2 : 3 . 19 y y 333 0333 . 0
2 1
+
E3 : 4 . 71 y 02713 . 0 y 1 . 0
2 1

__________________________________________________________________________________________________________
Se resuelve la primera ecuacin E1 para
1
y ,
85 . 7 y
1

Ahora, E2 implica
5617 . 19 ) 85 . 7 ( 0333333 . 0 3 . 19 y
2

E3 implica
0843 . 70 ) 5617 . 19 ( 02713 . 0 ) 85 . 7 ( 1 . 0 4 . 71 y
3
+
Este resultado se sustituye en el sistema, para obtener
E1 :
85 . 7 x 2 . 0 x 1 . 0 x 0 . 3
3 2 1

E2 :
5617 . 19 x 293333 . 0 x 00333 . 7
3 2

E3 :
0843 . 70 x 0120 . 10
3

que se resuelve por sustitucin hacia atrs para obtener la solucin final.
3 x
1
, 5 . 2 x
2
y 00003 . 7 x
3
.
Esta misma solucin vemosla con MATLAB
% escribir la matriz de coeficientes y la matriz de trminos independientes
A=[3,-0.1,-0.2;0.1,7,-0.3;0.3,-0.2,10];
B=[7.85,-19.3,71.4]';
% el smbolo \ , significa divisin-izquierda
x = A\B
>>
x =
3.0000
-2.5000
7.0000
Por tanto, la solucin final coincide con:
3 x
1
, 5 . 2 x
2
y 00003 . 7 x
3
.
Observacin
13.La razn de elegir
ij
m
en vez de
ij
l
es que los multiplicadores y la matriz triangular
superior producen la factorizacin LU.
Ejemplo 5.13. Determinar los elementos de L y de U tales que A = LU, mediante una
comparacin directa de los elementos correspondientes de
A =
1
1
1
1
1
1
1
1
]
1 1
1
2 3
1 1 1
2 3 4
1 1 1
3 4 5
Solucin
Los multiplicadores y la matriz triangular superior producen la factorizacin:
__________________________________________________________________________________________________________
A =
1
1
1
1
1
1
1
1
]
1 1
1
2 3
1 1 1
2 3 4
1 1 1
3 4 5
=
1
1
1
1
]
21
31 32
1 0 0
l 1 0
l l 1
1
1
1
1
]
11 12 13
22 23
33
u u u
0 u u
0 0 u
= LU
Primero multiplicamos la 1ra. fila de L por las columnas de U, para obtener

1j 1j
u a
, j = 1 , 2, 3
Es decir,

11 11
u a 1
,
12 12
1
u a
2
y
13 13
1
u a
3
, respectivamente
Despus multiplicamos las filas de L (omitiendo la 1ra.) por la 1ra. columna de U,
encontrando

i1 11 i1
l u a
, i = 2 , 3
Se despeja
i1
l
,

i1
i1
11
a
l
u
, i = 2 , 3
y se obtiene

21
21
11
a 1
l
u 2

,
31
31
11
a 1
l
u 3

Ahora, sigue el turno de la segunda fila de L para multiplicar las columnas de U (omitida
la 1ra.). El resultado es entonces

21 1j 2j 2j
l u u a +
, j = 2, 3
donde

2j 2j 21 1j
u a l u
, j = 2, 3
Es decir,

22 22 21 12
1 1 1 1
u a l u
3 2 2 12
,

23 23 21 13
1 1 1 1
u a l u
4 2 3 12

Finalmente, multiplicamos las filas de L (omitiendo las dos 1ras.) por la 2da. columna de
U. El resultado es
31 21 32 22 33 32 32
l u l u l u a + +
32 31 12 33 32
32
22
1 1 1
a l u l u
4 3 2
l 1
1
u
12

donde
33 33 31 13 32 23
u a l u l u
Es decir
__________________________________________________________________________________________________________

33
1 1 1 1 1
u 1
5 3 3 12 180

En consecuencia, se cuenta con todos los elementos implicados
A =
1
1
1
1
1
1
1
1
]
1 1
1
2 3
1 1 1
2 3 4
1 1 1
3 4 5
=
1
1
1
1
1
1
1
1
]
1 0 0
1
1 0
2
1
1 1
3
1
1
1
1
1
1
1
1
]
1 1
1
2 3
1 1
0
12 12
1
0 0
180
= LU
Por tanto
L =
1
1
1
1
1
1
1
1
]
1 0 0
1
1 0
2
1
1 1
3
y U =
1
1
1
1
1
1
1
1
]
1 1
1
2 3
1 1
0
12 12
1
0 0
180
, respectivamente
Observaciones
14. MATLAB proporciona la descomposicin LU de una matriz, mediante la funcin 1u.
15. Si la eliminacin tiene lugar sin intercambio de filas, entonces
[L , U] = 1u(A)
16. En el caso general, hay que efectuar una permutacin de filas para poder factorizar.
La matriz de esta permutacin se obtiene junto con los factores L y U de [L , U , P]
= 1u(A). Verificndose PA =LU
Ejemplo 5.14. Resolver el sistema

1 2 3 4
x x 0x 3x 4 + + +

1 2 3 4
2x x x x 1 + +

1 2 3 4
3x x x x 3 +

1 2 3 4
x 2x 3x x 4 + +
Solucin
%function X=suregresiva(A,B)
%datos:
%A es la matriz de coeficientes, invertible de orden 4x4
%B es la matriz de trminos independientes, orden 4x1
%resultado X es la solucin del sistema lineal AX=B
%calculo de la dimensin de B e inicializacin de X
A=[1,1,0,3;2,1,-1,1;3,-1,-1,1;-1,2,3,-1];
B=[4;1;-3;4];
LU=A;
LUX=B;
[L U] = lu(A)
>>X=L*U\B
__________________________________________________________________________________________________________
L =
0.3333 0.8000 0.6000 1.0000
0.6667 1.0000 1.0000 0
1.0000 0 0 0
-0.3333 1.0000 0 0
U =
3.0000 -1.0000 -1.0000 1.0000
0 1.6667 2.6667 -0.6667
0 0 -3.0000 1.0000
0 0 0 2.6000
X =
-0.6667
1.6667
0.3333
1.0000
Observacin
17. Cuando uno debe resolver varios conjuntos de ecuaciones lineales en los que todas
las matrices de coeficientes son iguales pero los trminos no homogneos (lado
derecho) son distintos, la solucin de las ecuaciones utilizando la descomposicin
LU tiende a ser ms eficiente que la eliminacin de Gauss.
4.2.3 MATRICES ESPECIALES
Ciertas matrices tienen una estructura particular que puede aprovecharse para
desarrollar esquemas de solucin eficientes. En estos casos los mtodos de eliminacin
pueden estar sujetos a errores de redondeo, debido a que el error es determinado por el
nmero de iteraciones. Sin embargo, el error de redondeo no es un tema que preocupe,
sino las ventajas o desventajas que se tienen entre los mtodos de eliminacin e
iterativos al analizar la rapidez de convergencia hacia el resultado correcto.
1. MATRIZ BLANDEADA.- Una matriz blandeada es una matriz cuadrada en la que
todos sus elementos son cero, con excepcin de una banda centrada sobre la diagonal
principal.

1
1

1
1

1

1
1

1
1

]
11 12
21 22 23
32 33 34
n 1n 2 n 1n 1 n 1n
nn 1 nn
a a 0 0 0 0 0 0
a a a 0 0 0 0 0
0 a a a 0 0 0 0
0 0 0 0 0 a a a
0 0 0 0 0 a a
2. SISTEMA TRIDIAGONAL.- Un sistema tridiagonal es un sistema con un ancho de
banda 3 y se expresa en forma general como:
__________________________________________________________________________________________________________

1
1
1
1
1

1
1
1
1
]
1 1
2 2 2
3 3 3
n 1 n 1 n 1
n n
f g
e f g
e f g
e f g
e f

1
1
1
1
1
1
1
1
1
]
1
2
3
n 1
n
x
x
x
x
x
=
1
1
1
1
1
1
1
1
1
]
1
2
3
n 1
n
r
r
r
r
r
(18)
Observacin
18. Se ha cambiado la notacin para los coeficientes; en lugar de a y b se usa e, f, g y r.
Esto para evitar guardar un gran nmero de ceros que no se utilizan en la matriz
cuadrada de las a.
19. Esta modificacin es ms ventajosa para ahorrar espacio, ya que el algoritmo
resultante, llamado algoritmo de Thomas para resolver el sistema (18), requiere
menos memoria de cmputo.
20. Como la descomposicin LU convencional, el algoritmo consiste en tres pasos:
descomposicin, sustitucin hacia adelante y sustitucin hacia atrs.
21. Las ventajas de la descomposicin LU, tales como la evaluacin de vectores
mltiples del lado derecho y el clculo de la matriz inversa, se obtienen mediante
una apropiada aplicacin de este algoritmo.
Ejemplo 5.15. Resolver el sistema tridiagonal con el algoritmo de Thomas

1
1

1
1
1
]
2.04 1
1 2.04 1
0 1 2.04 1
1 2.04
1
1
1
1
1
1
]
1
2
3
4
x
x
x
x
=
1
1
1
1
1
]
40.8
0.8
0.8
200.8
(19)
Solucin
Primero, la descomposicin es
49 . 0
04 . 2
1
e
2

550 . 1 ) 1 )( 49 . 0 ( 04 . 2 f
2

645 . 0
550 . 1
1
e
3

395 . 1 ) 1 )( 645 . 0 ( 04 . 2 f
3

717 . 0
395 . 1
1
e
4

323 . 1 ) 1 )( 717 . 0 ( 04 . 2 f
4

Por tanto, la matriz se transforma en
__________________________________________________________________________________________________________
1
1

1
1
1
]
2.04 1
0.49 1.550 1
0 0.645 1.395 1
0.717 1.323
y la descomposicin LU es

A =
1
1
1
1
1
]
1
0.49 1
0.645 1
0.717 1
1
1
1
1
1
]
2.04 1
1.550 1
1.395 1
1.323
= LU
La sustitucin hacia adelante se realiza de la siguiente manera
8 . 20 ) 8 . 40 )( 49 . 0 ( 8 . 0 r
2

221 . 14 ) 8 . 20 )( 645 . 0 ( 8 . 0 r
3

996 . 210 ) 221 . 14 )( 717 . 0 ( 8 . 200 r
4

De esta forma el vector del lado derecho se modifica a

1
1
1
1
1
]
40.8
20.8
14.221
210.996
el cual se utiliza de manera conjunta con la matriz U, para realizar la sustitucin hacia
atrs y obtener la solucin
480 . 159
323 . 1
996 . 210
x
4

538 . 124
395 . 1
) 48 . 159 )( 1 ( 221 . 14
x
3

778 . 93
550 . 1
) 538 . 124 )( 1 ( 800 . 20
x
2

970 . 65
550 . 1
) 778 . 93 )( 1 ( 800 . 40
x
1

3. SISTEMA TRIDIAGONAL.- Una matriz A de orden nxn es de diagonal dominante
cuando

>
n
k j
1 j
kj kk
a a
para k = 1 , 2 , 3 , . . . , n
En estos sistemas la matriz de coeficientes es dispersa; es decir, un alto porcentaje de
los elementos de la matriz de coeficientes son iguales a cero.

4. MATRIZ CONVERGENTE.- Una matriz A de orden nxn es convergente si
__________________________________________________________________________________________________________

0 A
lim
k
k

Ejemplo 5.16. Sea la matriz

1
1
1
1
]
1
2
1
4
1
0
2
1
A

calculando las potencias de A se tiene

1
1
1
1
]
1
4
1
4
1
0
4
1
A
2
,
1
1
1
1
]
1
8
1
16
3
0
8
1
A
3
,
1
1
1
1
]
1
16
1
8
1
0
16
1
A
4
, . ,
1
1
1
1
1
]
1
,
_
,
_
+
k
1 k
k
k
2
1
2
k
0
2
1
A
donde

1
1
1
1
1
]
1
,
_
,
_

+

k
k
1 k
k
k
k
k
lk
2
1
lim
2
k
lim
0
2
1
lim
A
lim
=
1
]
1
0 0
0 0
= 0
Luego la matriz A es convergente
4.4. MTODO INDIRECTOS, ITERATIVOS O APROXIMADOS
Los mtodos iterativos representan una alternativa potente para solucionar problemas
con los redondeos y aproximaciones a la solucin real, puesto que stos se acercan ms
a la solucin real esperada a medida que se itera, de manera que la calidad de la
__________________________________________________________________________________________________________
aproximacin obtenida depender de la cantidad de iteraciones que se est dispuesto a
efectuar. El planteamiento consiste en suponer un valor inicial y luego usar un mtodo
sistemtico para obtener una estimacin refinada de la solucin.
Devuelven, por tanto, valores aproximados, con la precisin que deseemos.
Los mtodos iterativos rara vez se usan para resolver sistemas lineales de pequea
dimensin, ya que el tiempo necesario para conseguir una exactitud satisfactoria rebasa
el que requieren los mtodos directos. Estos mtodos son adecuados para sistemas con
ms de 5 incgnitas o ms de 35% o 40% de coeficientes nulos. Es decir, en el caso de
sistemas grandes con un alto porcentaje de elementos cero, son eficientes tanto el
almacenamiento de computadora como en el tiempo de cmputo. Este tipo de sistemas
se presentan frecuentemente en los anlisis de circuitos, en la resolucin numrica de
ecuaciones en derivadas parciales suelen aparecer sistemas de ecuaciones lineales con
incluso 100 000 incgnitas. Un mtodo iterativo puede resultar muy eficaz en la
resolucin de estos sistemas tan enormes.
El objetivo de esta seccin es el extender a espacios de dimensin mayor que uno
algunos de los mtodos iterativos introducidos en el Captulo III.
Un mtodo iterativo con el cual se resuelve el sistema lineal
AX = B
comienza con una aproximacin inicial
) 0 (
X
a la solucin X y genera una sucesin de
vectores
{ }
0 k
) k (
X
que convergen a X.
Los mtodos iterativos traen consigo un proceso que convierte el sistema
AX = B
en otro equivalente de la forma
X = TX + C
para alguna matriz fija T y un vector C.
Luego de seleccionar el vector inicial
) 0 (
X
la sucesin de los vectores de la solucin
aproximada se genera calculando
C TX X
) 1 k ( ) k (
+

, para cada k = 1 , 2 , 3 ,
4.4.1 MTODO DE JACOBI
Consiste en resolver la i-sima ecuacin en

1 n n 1 3 13 2 12 1 11
b x a x a x a x a + + + +

2 n n 2 3 23 2 22 1 21
b x a x a x a x a + + + +

3 n n 3 3 33 2 32 1 31
b x a x a x a x a + + + + (20)
. . . . . . . . . . . . . . . . . . . . . . .

n n nn 3 3 n 2 2 n 1 1 n
b x a x a x a x a + + + +
para
i
x a fin de obtener ( a condicin de que 0 a
ii
)
__________________________________________________________________________________________________________

,
_
n
i j
1 j
ii
j j i
ii
i
i
a
x a
a
b
x
, para i = 1, 2, 3, . . . . ,n
y generar cada
) k (
i
x a partir de las componentes de
) 1 k (
X

cuando
1 k
por medio
de

( )
ii
n
i j
1 j
) 1 k (
j ij i
) k (
i
a
x a b
x
+
, para i = 1, 2, 3, . . . ,n
Ejemplo 5.17. Por medio del mtodo iterativo de Jacobi resolver el sistema lineal
E1: 10
1
x -
2
x + 2
3
x = 6
E2: -
1
x + 11
2
x -
3
x + 3
4
x = 25 (21)
E3: 2
1
x -
2
x + 10
3
x -
4
x = -11
E4: 3
2
x -
3
x + 8
4
x = 15
Sabiendo que la solucin nica es X = ( )
t
1 ; 1 ; 2 ; 1
Solucin
Para convertir AX = B en la forma X = TX + C, resolvemos la ecuacin Ei para
i
x con
cada i = 1, 2, 3, 4 y as obtenemos

1
x =
10
1
2
x -
5
1
3
x +
5
3

2
x =
11
1
1
x +
11
1
3
x -
11
3
4
x +
11
25

3
x = -
5
1
1
x +
10
1
2
x +
10
1
4
x -
10
11

4
x = -
8
3
2
x +
8
1
3
x +
8
15
lo que sugiere el proceso iterativo

) k (
1
x =
10
1
) 1 k (
2
x

-
5
1
) 1 k (
3
x

+
5
3

) k (
2
x =
11
1
) 1 k (
1
x

+
11
1
) 1 k (
3
x

-
11
3
) 1 k (
4
x

+
11
25

) k (
3
x = -
5
1
) 1 k (
1
x

+
10
1
) 1 k (
2
x

+
10
1
) 1 k (
4
x

-
10
11

) k (
4
x = -
8
3
) 1 k (
2
x

+
8
1
) 1 k (
3
x

+
8
15
para cada i = 1, 2, 3, 4 y para cada k = 1, 2, 3, . . .
En el caso de una aproximacin inicial
t ) 0 (
) 0 ; 0 ; 0 ; 0 ( X
generamos las iteraciones

) 1 (
1
x = +
10
1
) 0 (
2
x -
5
1
) 0 (
3
x +
5
3
=
5
3
= 0.6000
__________________________________________________________________________________________________________

) 1 (
2
x =
11
1
) 0 (
1
x +
11
1
) 0 (
3
x -
11
3
) 0 (
4
x -
11
25
=
11
25
= 2.2727

) 1 (
3
x = -
5
1
) 0 (
1
x +
10
1
) 0 (
2
x +
10
1
) 0 (
4
x -
10
11
= -
10
11
= -1.1000

) k (
4
x = -
8
3
) 0 (
2
x +
8
1
) 0 (
3
x +
8
15
=
8
15
= 1.8750
Las iteraciones adicionales se generan siguiendo el mismo procedimiento y se muestran
en la tabla
k
) k (
1
x
) k (
2
x
) k (
3
x
) k (
4
x
0 0.0000 0.0000 0.0000 0.0000
1 0.6000 2.2727 -1.1000 1.8750
2 1.0473 1.7159 -0.8052 0.8852
3 0.9326 2.0530 -1.0493 1.1309
4 1.0152 1.9537 -0.9681 0.9739
5 0.9890 2.0114 -1.0103 1.0214
6 1.0032 1.9922 -0.9945 0.9944
7 0.9981 2.0023 -1.0020 1.0036
8 1.0006 1.9987 -0.9990 0.9989
9 0.9997 2.0004 -1.0004 1.0006
10 1.0001 1.9998 -0.9998 0.9998
La decisin de parar despus de diez iteraciones se bas en el criterio
9997 . 0 x
) 9 (
1
, 0001 . 1 x
) 10 (
1
% 030 . 0 % 100
0001 . 1
9997 . 0 0001 . 1
r

0004 . 2 x
) 9 (
2
, 9998 . 1 x
) 10 (
2
% 030 . 0 % 100
9998 . 1
0004 . 2 9998 . 1
r

0004 . 1 x
) 9 (
3
, 9998 . 0 x
) 10 (
3

% 060 . 0 % 100
9998 . 0
0004 . 1 9998 . 0
r

+

0006 . 1 x
) 9 (
4
, 9998 . 0 x
) 10 (
4
% 080 . 0 % 100
9998 . 0
0006 . 1 9998 . 0
r

Que nos muestra una valoracin conservativa de la convergencia hacia la solucin
( )
t
1 ; 1 ; 2 ; 1 X
Observaciones
22. Calcula los valores de las variables a partir de los valores obtenidos en la iteracin
anterior.
23. El algoritmo usa dos vectores, uno para los valores actuales (que se estn
calculando) y otro para los anteriores (anterior iteracin). El resultado queda en el
vector de los valores actuales.
Ejemplo 5.18. Por medio del mtodo iterativo de Jacobi resolver el sistema lineal
E1: 5
1
x +
2
x -
3
x
= -7
E2: -
1
x + 3
2
x = 1
E3:
1
x +
2
x + 6
3
x
= 11
__________________________________________________________________________________________________________
Sabiendo que la solucin nica es X = ( ) 1; 0 ; 2
t
Solucin
i
x con
2 3
1
7
5
x x
x
+
;

1
2
1
3
x
x
+
;
1 2
3
11
6
x x
x

;
A partir de aqu podemos definir el proceso iterativo.
( ) ( )
( 1) 2 3
1
7
5
k k
k
x x
x
+
+
;

( )
( 1) 1
2
1
3
k
k
x
x
+
+
;
( ) ( )
( 1) 1 2
3
11
6
k k
k
x x
x
+

;
Solucin
Para ello usamos el siguiente cdigo MATLAB:
>> fprintf('\t\t\t\t\t\t MTODO DE JACOBI\t\t');
x1=0.1;x2=0;x3=0;xn1=0;xn2=0;xn3=0;
i=0; e=1; tol=.01;
while(e>tol)
i=i+1;x1=xn1;x2=xn2;x3=xn3;
xn1=(-7-x2+x3)/5;
xn2=(1+x1)/3;
xn3=(11-x1-x2)/6;
e=max([abs(x1-xn1) abs(x2-xn2) abs(x3-xn3)]);
fprintf('\n---------------------------------------------------------------------');
fprintf('\nIter.=%i x1=%f x2=%f x3=%f e=%f \n',i,xn1,xn2,xn3,e);
end
MTODO DE JACOBI
----------------------------------------------------------------------------------------------
Iter.=1 x1=-1.400000 x2=0.333333 x3=1.833333 e=1.833333
-----------------------------------------------------------------------------------------------
Iter.=2 x1=-1.100000 x2=-0.133333 x3=2.011111 e=0.466667
-----------------------------------------------------------------------------------------------
Iter.=3 x1=-0.971111 x2=-0.033333 x3=2.038889 e=0.128889
__________________________________________________________________________________________________________
----------------------------------------------------------------------------------------------
Iter.=4 x1=-0.985556 x2=0.009630 x3=2.000741 e=0.042963
---------------------------------------------------------------------------------------------
Iter.=5 x1=-1.001778 x2=0.004815 x3=1.995988 e=0.016222
---------------------------------------------------------------------------------------------
Iter.=6 x1=-1.001765 x2=-0.000593 x3=1.999494 e=0.005407
>>
====================================================
En este caso el proceso iterativo converge hacia la solucin del sistema de ecuaciones,
que es x1 = -1, x2 = 0, x3 = 2
Ejemplo 5.19. Mediante el mtodo iterativo de Jacobi resolver el sistema de
ecuaciones dado por
E1: 2
1
x -
2
x + 3
3
x
= -3
E2: -
1
x + 4
2
x + 2
3
x
= 5
E3:
1
x - 10
3
x
- 3
4
x = 8
E4: -3
2
x +
3
x
+ 8
4
x = 1
t
1 ; 1 ; 2 ; 1
Solucin
Se puede simplificar el proceso con el siguiente cdigo MATLAB:
>> fprintf('\t\t\t\t\t\t MTODO DE JACOBI\t\t');
x1=0.1;x2=0;x3=0;xn1=0;xn2=0;xn3=0;
i=0; e=1; tol=.01;
while(e>tol)
xn1=(-7-x2+x3)/5;
xn2=(1+x1)/3;
xn3=(11-x1-x2)/6;
fprintf('\n------------------------------------------------------------------');
fprintf('\nNIter.:%i x1=%f x2=%f x3=%f e=%f \n',i,xn1,xn2,xn3,e);
end
fprintf('\n============================================================
=====');
MTODO DE JACOBI
------------------------------------------------------------------------------------------- ---
NIter.:1 x1=-1.400000 x2=0.333333 x3=1.833333 e=1.833333
__________________________________________________________________________________________________________
-----------------------------------------------------------------------------------------------
NIter.:2 x1=-1.100000 x2=-0.133333 x3=2.011111 e=0.466667
-----------------------------------------------------------------------------------------------
NIter.:3 x1=-0.971111 x2=-0.033333 x3=2.038889 e=0.128889
-----------------------------------------------------------------------------------------------
NIter.:4 x1=-0.985556 x2=0.009630 x3=2.000741 e=0.042963
-----------------------------------------------------------------------------------------------
NIter.:5 x1=-1.001778 x2=0.004815 x3=1.995988 e=0.016222
-----------------------------------------------------------------------------------------------
NIter.:6 x1=-1.001765 x2=-0.000593 x3=1.999494 e=0.005407
======================================================>>
4.4.2 MTODO DE GAUSS-SEIDEL
Es el mtodo iterativo ms comnmente usado. Este mtodo aprovecha los ltimos
valores calculados de las variables anteriores en la misma iteracin, para calcular las
nuevas variables. Esta variacin simplifica ligeramente el algoritmo (no se necesitan dos
vectores) y hace que se aproxime ms rpidamente a las soluciones.
Supongamos que se da un sistema limitado a un conjunto de ecuaciones 4x4
E1:
1 4 14 3 13 2 12 1 11
b x a x a x a x a + + +

E2:
2 4 24 3 23 2 22 1 21
b x a x a x a x a + + +
E3:
3 4 34 3 33 2 32 1 31
b x a x a x a x a + + +
(1)
E4:
4 4 44 3 43 2 42 1 41
b x a x a x a x a + + +
Si los elementos de la diagonal no son todos cero, la primera ecuacin se puede resolver
para
1
x , la segunda para
2
x , la tercera para
3
x y la cuarta para
4
x , para obtener

11
4 14 3 13 2 12 1
1
a
x a x a x a b
x

(1-1)

22
4 24 3 23 1 21 2
2
a
x a x a x a b
x

(1-2)

33
4 34 2 32 1 31 3
3
a
x a x a x a b
x

(1-3)

44
3 43 2 42 1 41 4
4
a
x a x a x a b
x

(1-4)
Ahora se puede empezar el proceso de solucin al escoger valores iniciales para el
vector X. Una manera simple para obtener los valores iniciales es suponer que todos son
cero:
t ) 0 (
) 0 ; 0 ; 0 ; 0 ( X
__________________________________________________________________________________________________________
Estos ceros se sustituyen en la ecuacin (1-1), la cual se utiliza para calcular un nuevo
valor
11
1 ) 1 (
1
a
b
x
. Despus, se sustituye este nuevo valor de
) 1 (
1
x junto con el valor
previo cero de
3
x
y de
4
x en la ecuacin (1-2) y se calcula el nuevo valor de
) 1 (
2
x .
Este proceso se repite con la ecuacin (1-3) para calcular
) 1 (
3
x y con la ecuacin (1-4)
para calcular
) 1 (
4
x , respectivamente. Despus se regresa a la primera ecuacin y se
repite todo el procedimiento hasta que las
) k (
1
x ,
) k (
2
x ,
) k (
3
x y
) k (
4
x para cada k 1,
converja suficientemente cerca a los valores verdaderos, respectivamente.
Observaciones
24. Probablemente las
) k (
1
x ,
) k (
2
x ,
) k (
3
x y
) k (
4
x sean mejores aproximaciones de las
soluciones reales
1
x ,
2
x ,
3
x
y
4
x que
) 1 k (
1
x

,
) 1 k (
2
x

,
) 1 k (
3
x

y
) 1 k (
4
x

.
25. Por lo que parece ms razonable calcular
) k (
i
x , por medio de los valores calculados
ms recientemente. Es decir, podemos usar
( ) ( )
ii
1 i
1 j
n
1 i j
) 1 k (
j ij
) k (
j ij i
) k (
i
a
x a x a b
x

para cada i = 1, 2, 3, . . . , n
26. La convergencia se verifica usando el criterio
% 100
x
x x
) j (
i
) 1 k (
i
) k (
i
i , a

para cada i = 1, 2, 3, . . . , n, donde k y k-1 son las iteraciones actuales y previas,
respectivamente.
Ejemplo 5.20. Mediante el mtodo iterativo de Gauss-Seidel resolver el sistema de
ecuaciones dado por
E1: 10
1
x -
2
x + 2
3
x = 6
E2: -
1
x + 11
2
x -
3
x + 3
4
x = 25 (2)
E3: 2
1
x -
2
x + 10
3
x -
4
x = -11
E4: 3
2
x -
3
x + 8
4
x = 15
Solucin
Primero, despejamos la incgnita sobre la diagonal para cada una de las ecuaciones

10
x 2 x 6
x
3 2
1
+
(2-1)
__________________________________________________________________________________________________________

11
x 3 x x 25
x
4 3 1
2
+ +
(2-2)

10
x x x 2 11
x
4 2 1
3
+ +
(2-3)

8
x x 3 15
x
3 2
4
+
(2-4)
Suponiendo que los valores iniciales son todos ceros
t ) 0 (
) 0 ; 0 ; 0 ; 0 ( X , se utiliza
la ecuacin (2-1) para calcular

10
0 0 6
x
) 1 (
1
+
= 0.6000
Este valor, junto con los valores iniciales 0 x
) 0 (
3
y 0 x
) 0 (
4
, se sustituye en la
ecuacin (2-2) para calcular

11
0 0 6000 . 0 25
x
) 1 (
2
+ +
= 2.3273
Este valor, junto con el valor calculado 6000 . 0 x
) 1 (
1
y el valor inicial 0 x
) 0 (
4
, se
sustituyen en la ecuacin (21-3) para calcular

10
0 3273 . 2 ) 6000 . 0 ( 2 11
x
) 1 (
3
+ +
= -0.9873
La primera iteracin termina al sustituir los valores calculados 6000 . 0 x
) 1 (
1
,
3273 . 2 x
) 1 (
2
y 9873 . 0 x
) 1 (
3
en la ecuacin (21-4) para dar

8
) 9873 . 0 ( ) 3273 . 2 ( 3 15
x
) 1 (
4
+
= 0.8789
En la segunda iteracin, se repite el proceso para calcular
030 . 1 x
) 2 (
1

% 75 . 41 % 100
030 . 1
6000 . 0 030 . 1
r

037 . 2 x
) 2 (
2

% 25 . 14 % 100
037 . 2
3273 . 2 037 . 2
r

014 . 1 x
) 2 (
3

% 63 . 2 % 100
014 . 1
9873 . 0 014 . 1
r

+

9844 . 0 x
) 2 (
4

% 71 . 10 % 100
9844 . 0
8789 . 0 9844 . 0
r

Es posible aplicar iteraciones adicionales para mejorar los resultados. Sin embargo, en
un problema real no se podra saber a priori el resultado correcto. En consecuencia la
ecuacin

% 100
x
x x
) k (
i
) 1 k (
i
) k (
i
i , a

<
S
, para cada i = 1, 2, 3,. . . ,n y k = 1, 2, 3, . . .
__________________________________________________________________________________________________________
nos da un criterio para estimar el error, tal como se muestra en la tabla, para la 5ta.
iteracin
k 0 1 2 3 4 5
( ) ( 1)
, ( )
100%
k k
i i
a i k
i
x x
x

) k (
1
x
0.0000 0.6000 1.030 1.0065 1.0009 1.0001 0.080
) k (
2
x
0.0000 2.3273 2.037 2.0003 2.0003 2.0000 0.015
) k (
3
x
0.0000 -0.9873 -1.014 -1.0025 -1.0003 -1.0000 0.030
) k (
4
x
0.0000 0.8789 0.9844 0.9983 0.9999 1.0000 0.010
Que nos muestra una valoracin conservativa de la convergencia hacia la solucin
( )
t
1 ; 1 ; 2 ; 1 X
Ejemplo 5.21. Mediante el mtodo iterativo de Gauss-Seidel resolver el sistema
lineal de ecuaciones dado por
E1: 5
1
x +
2
x -
3
x
= -7
E2: -
1
x + 3
2
x = 1
E3:
1
x +
2
x + 6
3
x
= 11
Sabiendo que la solucin nica es X = ( ) 1; 0 ; 2
t
Solucin
i
x con
2 3
1
7
5
x x
x
+
;

1
2
1
3
x
x
+
;
1 2
3
11
6
x x
x

;
A partir de aqu podemos definir el proceso iterativo usando los valores ya calculados
para la iteracin actual.
( ) ( )
( 1) 2 3
1
7
5
k k
k
x x
x
+
+
;

( 1)
( 1) 1
2
1
3
k
k
x
x
+
+
+
;
( 1) ( 1)
( 1) 1 2
3
11
6
k k
k
x x
x
+ +
+

;
Para ello usamos el siguiente cdigo MATLAB:
>> fprintf('\t\t\t\t\t MTODO DE GAUSS-SEIDEL\t\t\n');
x1=0.1;x2=0;x3=0;xn1=-1.4;xn2=0;xn3=0;
i=0; e=1; tol=0.01;
__________________________________________________________________________________________________________
while(e>tol)
xn1=(-7-x2+x3)/5;
xn2=(1+xn1)/3;
xn3=(11-xn1-xn2)/6;
fprintf('\n-------------------------------------------------------------------');
fprintf('\nNIt.: %i x1= %f x2= %f x3= %f e=%f \n',i,xn1,xn2,xn3,e);
end
fprintf('\n=============================================================
=======');
>>
MTODO DE GAUSS-SEIDEL
----------------------------------------------------------------------------------------------
NIt.: 1 x1= -1.400000 x2= -0.133333 x3= 2.088889 e=2.088889
---------------------------------------------------------------------------------------------
NIt.: 2 x1= -0.955556 x2= 0.014815 x3= 1.990123 e=0.444444
----------------------------------------------------------------------------------------------
NIt.: 3 x1= -1.004938 x2= -0.001646 x3= 2.001097 e=0.049383
----------------------------------------------------------------------------------------------
NIt.: 4 x1= -0.999451 x2= 0.000183 x3= 1.999878 e=0.005487
=====================================================>>
Ejemplo 5.22. Mediante el mtodo iterativo de Gauss-Seidel resolver el sistema de
ecuaciones dado por
E1: 2
1
x -
2
x + 3
3
x = -3
E2: -
1
x + 4
2
x + 2
3
x = 5
E3:
1
x - 10
3
x - 3
4
x = 8
E4: -3
2
x +
3
x + 8
4
x = 1
t
1 ; 1 ; 2 ; 1
Solucin
>> fprintf('\t\t\t\t\t MTODO DE GAUSS-SEIDEL\t\t\t\n');
x1=0.1;x2=0;x3=0;x4=0;xn1=x1;xn2=x2;xn3=x3;xn4=x4;
i=0; e=1; tol=.01;
while(e>tol)
i=i+1;x1=xn1;x2=xn2;x3=xn3;x4=xn4;
xn1=(-3+x2-3*x3)/2;
xn2=(5+xn1-2*x3)/3;
xn3=(-8+xn1-3*x4)/10;
xn4=(1+3*xn2-xn3)/8;
__________________________________________________________________________________________________________
e=max([abs(x1-xn1) abs(x2-xn2) abs(x3-xn3) abs(x4-xn4)]);
fprintf('\n-----------------------------------------------------------------------------------------');
fprintf('\nNIter. %i x1=%f x2=%f x3=%f x4=%f e=%f
\n',i,xn1,xn2,xn3,xn4,e);
end
fprintf('\n============================================================
=============================');
MTODO DE GAUSS-SEIDEL
----------------------------------------------------------------------------------------------------------------------
NIter. 1 x1=-1.500000 x2=1.166667 x3=-0.950000 x4=0.681250 e=1.600000
-----------------------------------------------------------------------------------------------------------------------
NIter. 2 x1=0.508333 x2=2.469444 x3=-0.953542 x4=1.170234 e=2.008333
----------------------------------------------------------------------------------------------------------------------
NIter. 3 x1=1.165035 x2=2.690706 x3=-1.034567 x4=1.263336 e=0.656701
----------------------------------------------------------------------------------------------------------------------
NIter. 4 x1=1.397203 x2=2.822112 x3=-1.039280 x4=1.313202 e=0.232169
----------------------------------------------------------------------------------------------------------------------
NIter. 5 x1=1.469977 x2=2.849512 x3=-1.046963 x4=1.324438 e=0.072773
----------------------------------------------------------------------------------------------------------------------
NIter. 6 x1=1.495201 x2=2.863042 x3=-1.047811 x4=1.329617 e=0.025224
----------------------------------------------------------------------------------------------------------------------
NIter. 7 x1=1.503238 x2=2.866287 x3=-1.048561 x4=1.330928 e=0.008037
=====================================================================>>
REFERENCIAS BIBLIOGRFICAS
ESPECFICA PARA LA UNIDAD:
Cordero, A. MTODOS NUMRICOS. Edit. UPV.
Martnez, E. con MATLAB Valencia, 2005
John H. Mathews MTODOS NUMRICOS PRENTICE HALL
Curts D. Fink Madrid, 2004.
Csar Prez MATLAB PRENTICE HALL.
Espaa, 2003
Eleazar de la Torre MDULO DE MTODOS Facultad de Ingeniera
NUMRICOS U. Wiener, 2011
INFORMTICAS
http://www.scribd.com/doc/16865677/METODOS-NUMERICOS-EN-MATLAB
__________________________________________________________________________________________________________
http://www.wikilearning.com/tutorial/introduccion_informal_a_matlab_y_octave-
matlab_iv/19256-7

Sistemas de Ecuaciones Lineales

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Sistemas de Ecuaciones Lineales

Transféré par

Droits d'auteur :

Formats disponibles

MTODOS NUMRICOS Cap.

IV: Sistemas de ecuaciones lineales

difiere en grado sumo de la matriz identidad, I.

est bien condicionado.

Ahora, En-1 implica que: Si ya conocemos

As mismo, En-2 implica que: Usamos

Sucesivamente, mediante el proceso hacia atrs, se calculan los dems valores

Ahora, los valores

As, la matriz triangular inferior es

As, la matriz triangular inferior es

Vous aimerez peut-être aussi