Académique Documents
Professionnel Documents
Culture Documents
Contenido
Forma matricial.
Ax = b
a11 a12 a1n x1 b1
a21 a22 a2n x2 b2
.. .. .. .. .. = ..
. . . . . .
an1 an2 xn ann bn
Gauss
Mtodos directos = Despejan x1 , x2 , . . . , xn .
Cramer
1
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 2
Matricialmente, resulta
(j+1) (j)
x1 0 0.1 0.1 x1 1.2
(j+1)
x2 = 0.2 0 0.2 x(j)
2
+ 1.4 .
(j+1) 0.05 0.05 0 (j) 0.05
x3 x3
0 0.1 0.1 1.2 1.2 1. 055
x(2) = 0.2 0 0.2 1.4 + 1.4 = 1. 15 ,
0.05 0.05 0 0.05 0.05 0.0 8
0 0.1 0.1 1. 055 1.2 1. 093
x(3) = 0.2 0 0.2 1. 15 + 1.4 = 1. 205 ,
0.05 0.05 0 0.0 8 0.05 0.0 6025
0 0.1 0.1 1. 093 1.2 1. 08552 5
x(4) = 0.2 0 0.2 1. 205 + 1.4 = 1. 19345 ,
0.05 0.05 0 0.0 6025 0.05 0.0 649
1. 08714 5 1. 08680 738
(5)
x = 1. 19587 5 , (6)
x = 1. 19536 075 ,
0.0 63948 75 0.0 64151
1. 08687 903 1. 08686 397
x(7) = 1. 19546 872 , x(8) = 1. 19544 587 .
0.06 41084 0 0.06 411738
Vemos que los sucesivos vectores convergen a un vector que, con 4 decimales,
sera
1.0869
= 1.1954 .
0.0641
La solucin del sistema, con 8 decimales, es
1. 08686 66
= 1. 19544 984 .
0.06 41158 2
x(j+1) = M x(j) + c,
donde
0 0.1 0.1 1.2
M = 0.2 0 0.2 , c = 1.4 .
0.05 0.05 0 0.05
Ax = b
con solucin .
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 4
x = Mx + c
x(j+1) = M x(j) + c
2. Expresamos A = N P.
x = M x + c,
con
P = N A,
M = N1 P,
c = N1 b.
Demostracin. Partimos de
Ax = b,
sustituimos A = N P
(N P) x = b,
resulta
Nx Px = b,
Nx = Px + b,
x = N1 (Px + b) ,
x=N 1 1
| {z P} x+ |N{z b} .
M c
donde
N matriz que dene el mtodo,
P = N A,
M = N1 P,
c = N1 b.
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 5
Calculamos M.
0 0 0.0 5 1 2 0
M = N1 P = 0 0. 1 0 2 0 1
0.033333 0 0 0 1 1
0 0.0 5 0.0 5
M= 0. 2 0 0. 1 .
0.0 33333 0.0 66666 0
Calculamos c.
0 0 0.0 5 1 0. 15
c = N1 b = 0 0. 1 0 2 = 0. 2 .
0.033333 0 0 3 0.0 33333
Frmula de recurrencia.
(j+1) (j)
x1 0 0.0 5 0.0 5 x1 0. 15
(j+1)
x2 = 0. 2 0 0. 1 x(j)
2
+ 0. 2 .
(j+1) 0.0 33333 0.0 66666 0 (j) 0.0 33333
x3 x3
(b) Iteraciones.
Partimos del vector
0
x(0) = 0 ,
0
obtenemos
0. 15
x(1) = 0. 2 ,
0.0 33333
0 0.0 5 0.0 5 0. 15 0. 15
x(2) = 0. 2 0 0. 1 0. 2 + 0. 2
0.0 33333 0.0 66666 0 0.0 33333 0.0 33333
0.13833 3
= 0.16666 7 ,
0.015000
0 0.0 5 0.0 5 0. 13833 3 0. 15
x(3) = 0. 2 0 0. 1 0. 16666 7 + 0. 2
0.0 33333 0.0 66666 0 0.015000 0.0 33333
0.14091 7
= 0.17083 3 ,
0.017610
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 7
0 0.0 5 0.0 5 0. 14091 7 0. 15
x(4) = 0. 2 0 0. 1 0. 17083 3 + 0. 2
0.0 33333 0.0 66666 0 0.017610 0.0 33333
0.14057 8
= 0.17005 6 ,
0.017247
0 0.0 5 0.0 5 0. 14057 8 0. 15
x(5) = 0. 2 0 0. 1 0. 17005 6 + 0. 2
0.0 33333 0.0 66666 0 0.017247 0.0 33333
0.14063 5
= 0.170160 ,
0.017310
0 0.0 5 0.0 5 0.14063 5 0. 15
x(6) = 0. 2 0 0. 1 0.170160 + 0. 2
0.0 33333 0.0 66666 0 0.017310 0.0 33333
0.14062 7
= 0.17014 2 .
0.017301
El vector de error es
0.6 5 106
e(6) = x(6) = 0. 219 105 .
0.178 105
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 8
Se cumple
A = LA +DA +UA .
Si A es de orden 3,
a11 a12 a13
A = a21 a22 a23
a31 a32 a33
resulta
0 0 0 a11 0 0 0 a12 a13
LA = a21 0 0 , DA = 0 a22 0 , UA = 0 0 a23 .
a31 a32 0 0 0 a33 0 0 0
Matriz P
10 0 0 10 1 1 0 1 1
P = N A = 0 10 0 1 10 1 = 1 0 1 .
0 0 10 1 1 10 1 1 0
Inversa de N
0.1 0 0
N1 = 0 0.1 0 .
0 0 0.1
Matrices M y c
0.1 0 0 0 1 1 0 0. 1 0.1
M = N1 P = 0 0.1 0 1 0 1 = 0.1 0 0.1 ,
0 0 0.1 1 1 0 0.1 0.1 0
0.1 0 0 12 1. 2
c = N1 b = 0 0.1 0 1 = 0. 1 .
0 0 0.1 61 6. 1
Mtodo iterativo.
(j+1) (j)
x1 0 0. 1 0.1 x1 1. 2
(j+1)
x2 = 0.1 0 0.1 x(j)
2
+ 0. 1 .
(j+1) 0.1 0.1 0 (j) 6. 1
x3 x3
0 0. 1 0.1 0. 6 1. 2 0. 564
x(3) = 0.1 0 0.1 0. 39 + 0. 1 = 0. 437 ,
0.1 0.1 0 5. 97 6. 1 6. 079
0 0. 1 0.1 0. 564 1. 2 0. 5484
(4)
x = 0.1 0 0.1 0. 437 + 0. 1 = 0. 4515 .
0.1 0.1 0 6. 079 6. 1 6. 0873
(c) Error estimado.
0. 5484 0. 564 0.0 156
e(4) = x(4) x(3)
= 0. 4515 0. 437 = 0.0 145 .
6. 0873 6. 079 0.00 83
(d) Resolvemos el sistema por Cramer.
10 1 1 12 1 1
= 1 10 1 = 968, 1 = 1 10 1 = 528,
1 1 10 61 1 10
10 12 1 10 1 12
2 = 1 1
1 = 440, 3 = 1 10 1 = 5896.
1 61 10 1 1 61
La solucin del sistema es
528/968
= 440/968 ,
5896/968
si aproximamos con 6 decimales, obtenemos
0. 54545 5
= 0. 45454 5 .
6. 090909
El vector de error es
0. 54545 5 0. 5484 0.00 2945
e(4) = x(4) = 0. 45454 5 0. 4515 = 0.00 3045 .
6. 090909 6. 0873 0.00 3609
Ejemplo 2.2 Consideramos el sistema de ecuaciones lineales
10x1 x2 x3 = 12
x1 + 10x2 x3 = 1
x1 x2 + 10x3 = 61
(a) Formula el mtodo de Gauss-Seidel.
(b) Haz 4 iteraciones a partir del vector inicial x(0) = ~0.
(c) Calcula el vector de error estimado e(4) = x(4) x(3)
(d) Calcula el vector de error e(4) = x(4) .
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 11
0 0. 1 0. 1 1. 2 1. 2 0. 6262
x(2) = 0 0.0 1 0. 11 0. 22 + 0. 22 = 0. 43318 ,
0 0.0 11 0.0 21 5. 958 5. 958 6. 0807
0 0. 1 0. 1 0. 6262 1. 2 0. 54861 2
x(3) = 0 0.0 1 0. 11 0. 43318 + 0. 22 = 0. 45320 9 ,
0 0.0 11 0.0 21 6. 0807 5. 958 6. 09046
0 0. 1 0. 1 0. 54861 2 1. 2 0. 54563 3
x(4) = 0 0.0 1 0. 11 0. 45320 9 + 0. 22 = 0. 45448 3 .
0 0.0 11 0.0 21 6. 09046 5. 958 6. 09088
(c) Error estimado.
0. 54563 3 0. 54861 2 0.00 2979
e(4) = x(4) x(3)
= 0. 45448 3 0. 45320 9 = 0.00 1274 .
6. 09088 6. 09046 0.000 42
1. kxk 0.
3. kxk = || kxk .
4. kx + yk kxk + kyk .
Norma 1
kxk1 = |x1 | + |x2 | + + |xn | .
Norma 2 (norma eucldea)
q
kxk2 = x21 + x22 + + x2n .
Norma de innito
kxk = max |xi | .
i
Podemos entender que cada norma nos proporciona una manera de medir
la longitud de los vectores. Nosotros utilizaremos kxk .
Ax = b
con solucin
1
2
= .. ,
.
n
y sea x(j) una sucesin de vectores
(0) (1) (j)
x1 x1 x1
.. (1) .. ..
x(0) = . ,x = . , . . . , x(j) = . .
(0) (1) (j)
xn xn xn
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 14
La sucesin de errores es
Supongamos la solucin
1
= 2 .
3
Si la primera aproximacin es
0.9
x(1) = 2.1 ,
3.2
obtenemos
1 0.9 0. 1
e(1) = x(1) = 2 2.1 = 0. 1 .
3 3.2 0. 2
(1)
e = max{0.1, 0.1, 0.2} = 0.2.
Supongamos que la segunda aproximacin es
0.99
x(2) = 2.01 ,
3.02
entonces
1 0.99 0. 01
e(2) = x(2) = 2 2.01 = 0. 01 ,
3 3.02 0. 02
(2)
e = max{0.01, 0.01, 0.02} = 0.02.
1
Puede demostrarse que si se cumple para una norma, entonces se cumple para todas.
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 15
kMk = max{s1 , s2 , . . . , sp }.
i
Entonces
kMk = max{4, 3, 5} = 5.
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 16
3.4.2 Propiedades de k k
Sean M y N matrices reales, R y supongamos que, en cada caso, las
matrices tienen las dimensiones adecuadas para que las operaciones puedan
realizarse. Se cumplen las siguientes propiedades:
1. kMk 0.
2. kMk = 0 si y slo si M es una matriz nula.
3. k Mk = || k Mk .
4. kM + Nk kMk + kNk .
5. kM Nk kMk kNk .
Las propiedades 1-4, son las mismas que las de las normas vectoriales. La
propiedad 5, es aplicable cuando x es un vector columna, entonces resulta
kM xk kMk kxk .
P = N A.
M = N1 P.
c = N1 b.
Entonces,
1. La solucin cumple
= M + c.
e(j+1) = Me(j) .
3. La norma del error e(j) = x(j) , cumple
(j+1)
e kMk e(j) .
x(j+1) = M x(j) +c
Demostracin.
(1)
A = b
(N P) = b
N P = b
N = P + b
= N1 (P + b)
1 1
| {z P} + |N{z b}
=N
M c
(2)
e(j+1) = x(j+1)
= (M + c) M x(j) +c
= M M x(j) = M x(j) = Me(j) .
Demostracin.
e(j+1) = x
(j+1)
x(j)
= M x(j) +c M x(j1) +c
= Mx(j) M x(j1) = M x(j) x(j1) = M
e(j) .
Demostracin.
(j)
e = x(j) = x(j+1) + x(j+1) x(j)
(j+1)
x(j+1) + x(j+1) x(j) = e(j+1) +
e
(j)
kMk e(j) + kMk
e
obtenemos
(j) (j)
e kMk e(j) kMk
e
(j) (j)
(1 kMk ) e kMk
e
Si kMk < 1, el factor (1 kMk ) es positivo, por lo tanto
(j)
(j) kMk e
e
.
1 kMk
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 20
(j) j
e (kMk ) e(1)
1 kMk
(1) kMk
e
e(1) . (2)
1 kMk
(j) j
e (kMk ) e(1) .
1 kMk
(a)
20 1 x1 18
=
1 20 x2 41
20 1 18 1 20 18
= = 401, = = 401, 2 = = 802
1 20 1 41 20 1 41
1 2
x1 = = 1, x2 = =2
Francisco Palacios Tema 6: Sistemas de ecuaciones lineales. 21
1
= .
2
(b) Matriz del mtodo de Jacobi
20 0
N= .
0 20
Calculamos M y c
20 0 20 1 0 1
P=NA= = ,
0 20 1 20 1 0
1 1/20 0 0.0 5 0
N = = ,
0 1/20 0 0.0 5
0.0 5 0 0 1 0 0.05
M = N1 P = = ,
0 0.0 5 1 0 0.05 0
1 0.0 5 0 18 0. 9
c=N b= = .
0 0.0 5 41 2. 05
Frmula de recurrencia.
! (j) !
(j+1)
x1 0 0.05 x1 0. 9
(j+1) = (j) +
x2 0.05 0 x2 2. 05
(c) Tenemos