Académique Documents
Professionnel Documents
Culture Documents
ndice
1. Introduccin 2. Mtodo de Gauss 2.1 2.2 2.3 2.4 Resolucin de sistemas triangulares Triangulacin por el mtodo de Gauss Variante Gauss-Jordan Comentarios al mtodo de Gauss
3. Inestabilidad del Mtodo de Gauss y Estrategias de Pivote 3.1 Pivote parcial 3.2 Pivote total 4. Condicionamiento de sistemas de ecuaciones lineales 5. Otros mtodos directos 5.1 Factorizacin LU 5.2 Mtodo de Cholesky 6. Mtodos iterativos usuales 6.1 Mtodo de Jacobi 6.2 Mtodo de Gauss-Seidel 6.3 Mtodo de relajacin
1.
Introduccin
El objetivo de este tema es la resolucin de un sistema de n ecuaa11 x1 + a12 x2 + + a1n xn = b1 , a21 x1 + a22 x2 + + a2n xn = b2 , ... an1 x1 + an2 x2 + + ann xn = bn ,
Mtodos directos: son mtodos que, en un nmero nito de operaciones, obtienen la solucin exacta.
Mtodos iterativos: son mtodos que generan una sucesin de aproximaciones {x(m) } que converge a la solucin del sistema: x = A1 b. Recordemos que el Mtodo de Cramer para la resolucin de un sistema de n con n incgnitas x1 , . . . , xn consiste en calcular las incgnitas mediante la frmula
xi = det Ai , det A i = 1, . . . , n,
siendo A la matriz de coecientes y Ai la matriz que resulta de sustituir la columna i-sima de la matriz de coecientes por el vector de trminos independientes. Teniendo en cuenta que el coste de un proceso de clculo se puede estimar mediante el nmero total de operaciones aritmticas necesarias, entonces el coste de un determinante de orden n es n!n 1 y, por tanto, el coste del Mtodo de Cramer es (n + 1)n! 1. A continuacin aparece una tabla con el tiempo estimado para resolver con el mtodo de Cramer un sistema de orden n, para distintos valores de n, con una mquina que realice unas 106 operaciones por segundo:
n Coste del Mtodo de Cramer Tiempo (106 oper/s) 5 3600 3,6 milisegundos 10 4 108 6 minutos 39 segundos 20 1,02 1021 32,4 millones de aos
si verica
AT = A1 AT = A
Ortogonal Simtrica Diagonal Tridiagonal Triangular superior Hessenberg superior (Semi)Denida positiva (Estrictamente)Diagonalmente dominante
si i = j entonces aij = 0 si |i j | > 1 entonces aij = 0 si i > j entonces aij = 0 si i > j + 1 entonces aij = 0
xt Ax() > 0, x = 0 |aij |(<)|aii |, i
j =i
2.
2.1.
El mtodo de Gauss
Resolucin de Sistemas Triangulares
Sea Ux = b un sistema de ecuaciones lineales con solucin nica (det U = 0) en el que la matriz de coecientes Unn es triangular superior. Entonces las componentes de la solucin se pueden calular mediante el mtodo de sustitucin regresiva, es decir, se despeja la ltima incgnita de la ltima ecuacin, se sustituye en la penltima ecuacin; despus se despeja de esta ecuacin la penltima incngnita y se repite el proceso hacia arriba hasta calcular el valor de la primera incgnita.
bi xi =
j =i+1
uij xj uii , i = n, n 1, . . . , 1.
2.2.
Se trata de transformar el sistema de ecuaciones lineales Ax = b en otro equivalente Ux = c que sea triangular superior. El mtodo se realiza por etapas: 1 etapa: Transformar a21 , a31 , . . . , an1 en ceros.
(2) 2 etapa: Transformar a(2) 32 , . . . , an2 en ceros. (3) 3 etapa: Transformar a(3) 43 , . . . , an3 en ceros
. . .
n1) etapa n-1: Transformar a( n,n1 en cero.
Las transformaciones en cero de cada etapa se relizarn mediante opek) raciones elementales: para transformar a( ik en cero usado como pivote
akk , se multiplica la ecuacin nmero k por
(k)
aik
(k)
nmero i.
akk
(k)
y se le suma la ecuacin
Para evitar pivotes nulos se permite permutar las ecuaciones desde la nmero k hasta la n.
1 etapa:
3 2 1 0 3 3 0 3 2 2 2 2 0 2 0 5 5 1 0 0 1 2 2 2
2 etapa:
0 3 2 1 3 3 0 3 2 2 2 0 0 12 5 14 3 13 0 0 5 3 3 2 3 2 1 0 3 3 0 3 2 2 2 14 0 0 12 5 3 11 43 0 0 0 2 18 2 14 33 4 33 23 33 86 33
3 etapa:
Solucin:
Faltara aadirle el coste de la sustitucin regresiva. En la siguiente tabla se calculan algunos costes y tiempos de triangulacin con el mtodo de Gauss en una mquina que realice 106 operaciones por segundo.
n Coste del Mtodo de Gauss Tiempo (106 oper/s) 5 90 90 microsegundos 10 705 0,7 milisegundos 20 5510 5,5 milisegundos 100 671550 0,67 segundos 1000 667 millones 11 minutos
2.3.
Variante de Gauss-Jordan
Se trata de transformar el sistema de ecuaciones lineales Ax = b en un sistema equivalente Dx = c, con D una matriz diagonal.
k) (k) (k ) (k) En cada etapa k se deben hacer cero las posiciones a( 1k , . . . , ak1,k , ak+1,k , . . . , ank , donde k = 1, . . . , n (n etapas).
El coste del mtodo de Gauss-Jordan es n3 + n2 2n, a falta de aadir n divisiones para calcular las incgnitas.
2.4. Comentarios al mtodo de Gauss
3.
1,00010... 0,99990...
Si aplicamos el mtodo de Gauss con una mquina que admite solo 3 decimales se tiene la siguiente triangulacin:
1 0,0001 1 0 10000 10000
0 1
Pivote Parcial
Se busca la ecuacin
i>k
tal que
|aik | = m ax |ark |
krn
y se
k. 1,00010... 0,99990
p.p.
0,0001 1 1 1 1 2
exacta
Pero
p.p.
3.2.
Pivote total
(k)
Para entender el concepto de condicionamiento, consideremos el siguiente ejemplo de R.S. Wilson: Se trata del sistema de ecuaciones lineales cuya matriz ampliada y solucin exacta son:
10 7 8 7 7 8 7 5 6 5 6 10 9 5 9 10 32 23 sol.exacta 33 31 1 1 , 1 1
mientras que si se produce una pequea variacin en los trminos independentes (datos) se produce una gran modicacin en la solucin (resultados):
10 7 8 7 7 8 7 5 6 5 6 10 9 5 9 10 32,1 9,2 22,9 sol.exacta 12,6 4,5 33,1 30,9 1,1 .
Esto indica que el mtodo de resolucin de sistemas de ecuaciones empleado (Gauss) estn mal condicionado.
5.
5.1.
LU
U
una matriz
A = LU,
con
Ax =
Ly = b, Ux = y, 2n2
operaciones.
con un coste de
Ejemplo:
1 2 3 5 0 2 0 2 0 0 2 1 0 2 3 3 0 0 0 3 2 2 0 0 0 1 1 1 0 0 0 2 7 x = 16 . 17 39
10
= akk
r=1 k 1
kr urk ;
aik
ik
ir urk r=1
= akj
ukk
k 1 kr urj r=1 kk
i = k + 1, . . . , n;
ukj =
j = k + 1, . . . , n.
Algunas variantes: Variante de Doolittle: L tiene diagonal de 1. Variante de Crout: U tiene diagonal de 1. Factorizacin LU para matrices tridiagonales
Si A = LU es tridiagonal (aij = 0 si |i j | > 1), entonces L y U tambin lo son y, para k = 1, . . . , n,
kk ukk
k,k1 uk1,k ;
k+1,k
uk,k+1
5.2.
Mtodo de Cholesky
Se trata de un mtodo de descomposicin LU en el caso en que la matriz A sea simtrica y denida positiva. Basta con tomar U = LT y, por tanto,
A = LLt .
Mtodo de Cholesky
Para k = 1, . . . , n,
k1 kk
akk
r=1 k1
2 k,r ;
ai,k
i,k
ir kr r=1 kk
i = k + 1, . . . , n.
Coste: O(
n3 ). 3
Propiedades
Sirve para saber si una matriz simtrica es denida postiva Es estable.
12
6.
Consisten en descomponer la matriz de coecientes A en la forma A = D L U, donde D = diag (A), L es triangular inferior con ij = aij , para i > j , y U es triangular superior, con uij = aij , para i < j . Suponemos que A y D son invertibles.
6.1. Mtodo de Jacobi
siendo
, . . . 0
aij xj
j =i
(m)
aii
i = 1, . . . , n.
13
6.2.
Mtodo de Gauss-Seidel
que se trata de un sistema triangular inferior en cada paso, que se resuelve por sustitucin progresiva. Por tanto, el valor de cada incgnita en cada paso del mtodo m es
bi xi
6.3.
(m+1)
aij xj
j<i
(m+1)
j>i
aij xj
(m)
aii
i = 1, . . . , n.
Mtodo de relajacin
Luego
(D L)x = ((1 )D + U)x + b.
que se trata de un sistema triangular inferior en cada paso, que se resuelve por sustitucin progresiva. Por tanto, el valor de cada incgnita en cada paso del mtodo m es
bi xi
(m+1)
aij xj
j<i
(m+1)
j>i
aij xj
(m)
aii
+ (1 )xi ,
(m)
i = 1, . . . , n.
Teorema: Teorema:
Si
[0, 2].
15