a11 x1
a12 x2
a13 x3
a1n xn C1
a 21 x1
a 22 x2
a23 x3 a2 n xn C 2
a31 x1
a32 x2
a33 x3 a3n xn C3
a n1 xn an 2 x2 an 3 x3 a nn xn C n
Donde las aij son coeficientes constantes, las C son constantes y n es el nmero de ecuaciones.
Un sistema de ecuaciones algebraicas lineales se puede representar en forma matricial como
a11
a
21
A a31
am1
a12
a22
a32
am 2
a13
a23
a33
am 3
T c1
T
[X] es un vector columna de n 1 incgnitas X x 1
[C] es un vector columna n 1 de constantes C
c2
x2
c3
x3
a1n
a2 n
a3n
amn
c4
x4
Si c1, c2, c3, cn son cero, se dice que el sistema es homogneo, en este caso tiene por lo menos la solucin
trivial x1 = x2 = x3 = xn = 0, tiene ms soluciones si y solo si, D = 0.
Si por lo menos c1 o cualquier otra cn no es cero, se dice que el sistema es no homogneo. Entonces si D es
distinto de cero, el sistema tiene precisamente una solucin que puede obtenerse por algn mtodo analtico o
numrico.
Determinantes
Los determinantes surgen en relacin con los sistemas de ecuaciones lineales.
Por ejemplo en el sistema
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2
(1)
Si a11 a22 - a21 a12 no es cero, puede dividirse y obtener el resultado deseado
x1
b1 a 22 b2 a12
a11 a 22 a 21 a12
x2
b2 a11 b1 a 21
a11 a 22 a 21 a12
(2)
a11
a 21
a12
a 22
a11
a12
a 21
a 22
Los cuatro nmeros a11, a12, a21, a22 se llaman elementos del determinante. Se dice que los elementos en una
lnea horizontal forman un rengln y que los elementos en una lnea vertical forman una columna del
determinante.
Ahora puede escribirse la solucin (2)del sistema (1) en la forma
x1
D1
D
x2
D2
D
(D 0)
donde
a11
a12
a 21
a 22
D1
b1
a12
b2
a 22
D2
a11
b1
a 21
b2
Esta frmula se llama Regla de Cramer. Ntese que D1 se obtiene reemplazando la primera columna de D por
la columna con elementos b1, b2 y D2 se obtiene reemplazando la segunda columna de D por esa columna.
Una forma distinta de evaluar el determinante de un sistema de ecuaciones se basa en el hecho de que el
determinante de una matriz triangular se puede calcular simplemente con el producto de los elementos de su
diagonal
D = a11 a22 a33 ... ann
3.2 Mtodos de Solucin de Ecuaciones Lineales
Estos generalmente son de dos tipos: mtodos directos y mtodos que usan tcnicas iterativas
3.2.1 Eliminacin Gaussiana
El mtodo de eliminacin de Gauss se usa para resolver conjuntos de ecuaciones lineales.
Un sistema de ecuaciones lineales puede representarse como:
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn
a11
a
21
a31
...
an1
a12
a22
a13
a23
a32
...
an 2
a33
...
an 3
... a1n
... a2 n
... a3 n
... ...
... ann
x1
x
2
b1
b
2
x3 b3
...
...
xn
bn
A
x = b
El mtodo consiste de dos fases: la eliminacin de incgnitas y su solucin mediante sustitucin hacia atrs.
Eliminacin de incgnitas.
1. Para aplicar el mtodo se divide la ecuacin pivote por el elemento que corresponde a la diagonal
principal, llamado elemento pivote
a x
a11 x1 a12 x2 a13 x3
b
... 1n n 1
a11
a11
a11
a11
a11
A este proceso se le conoce como normalizacin.
2.
Se multiplica esta ecuacin por el elemento que se quiere eliminar en la ecuacin correspondiente
a21
3.
a11 x1
a x
a x
a x
b
a21 12 2 a21 13 3 ... a21 1n n a21 1
a11
a11
a11
a11
a11
a 21 a 21
a
a
a11
a
b
x1 a 22 a 21 12 x 2 a 23 a 21 13 x1 ... a 2 n a 21 1n x n b2 a 21 1
a11
a11
a11
a11
a11
Descomposicin LU
Aunque a primera vista podra parecer que la eliminacin de Gauss no est relacionada con la eliminacin
LU, aqulla puede usarse para descomponer [A] en [L] y [U], lo cual se observa fcilmente para [U], que es el
resultado directo de la eliminacin hacia adelante.
Recuerde que en el paso correspondiente a esta eliminacin se pretende reducir la matriz de coeficientes [A] a
la forma
El primer paso en la eliminacin de Gauss consiste en multiplicar el rengln 1 por el factor [recuerde la
ecuacin (9.13)]
y el resultado se resta al tercer rengln para eliminar a31. El paso final es multiplicar el segundo rengln
modificado por
DIAGRAMA DE FLUJO DE LU
Descomposicin Crout
Observe que en la descomposicin LU con la
eliminacin de Gauss, la matriz [L] tiene nmeros 1 en la diagonal. Formalmente, a esto se le denomina
descomposicin o factorizacin de Doolittle. Un mtodo alternativo usa una matriz [U] con nmeros 1 sobre
la diagonal Esto se conoce como descomposicin Crout. Aunque hay algunas diferencias entre estos mtodos,
su funcionamiento es comparable (Atkinson, 1978; Ralston y Rabinowitz, 1978).
El mtodo de descomposicin de Crout genera [U] y [L] barriendo las columnas y los renglones de la matriz,
como se ilustra en la figura 10.3. La descomposicin de Crout
se puede implementar mediante la siguiente serie concisa de frmulas
Descomposicin de Cholesky
que una matriz simtrica es aquella donde aij = aji para toda i y j. En otras palabras, [A] = [A]T. Tales
sistemas se presentan comnmente en problemas de contexto matemtico y de ingeniera. Estas matrices
ofrecen ventajas computacionales, ya que nicamente se necesita la mitad de espacio de almacenamiento y, en
la mayora de los casos, slo se requiere la mitad del tiempo de clculo para su solucin.
Uno de los mtodos ms populares usa la descomposicin de Cholesky. Este algoritmo
se basa en el hecho de que una matriz simtrica se descompone as:
[A] = [L][L]T
El resultado se expresa en forma simple mediante relaciones de recurrencia. Para el rengln k-simo,
Mtodo Jacobi
El sistema de ecuaciones lineales
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn
puede representarse en forma matricial como A x = b.
Donde la matriz A puede representarse como la suma de dos matrices, una matriz diagonal D y otra matriz C
de modo que (D + C ) x = b, y reacomodando
Dx + Cx = b
Dx = b - Cx
b C x
D
Esta ltima ecuacin se puede usar para aproximar la solucin mediante un proceso iterativo.
Ntese la semejanza con el mtodo de punto fijo desarrollado en la unidad anterior. El criterio de
convergencia para este es que los elementos de la diagonal principal de la matriz A sean dominantes, es decir
x i 1
b C xi
D
x1,i 1
x 2 ,i 1
x 3,i 1
b a
1
12
b a
2
b a
3
x a 23 x3,i ... a 2 , n x n ,i
21 1, i
a 22
31
a ii a ij
i j
Que deber cumplirse para cada elemento del vector actual y previo; tambin se dar el nmero mximo de
iteraciones.
xi 1 xi
xi 1
100 s
Gauss-Seidel
Este mtodo es una mejora del mtodo de Jacobi, la cual consiste en que los valores de cada aproximacin se
usan inmediatamente para el clculo de las aproximaciones sucesivas.
El sistema de ecuaciones se modificar entonces de la siguiente manera:
x1,i 1
x 2,i 1
x3,i 1
b a
1
12
b a
2
b a
3
21 1,i 1
a 23 x 3,i ... a 2 , n x n ,i
a 22
31 1,i 1
a 32 x 2 ,i 1 ... a 3, n x n ,i
a 33
= A-1 b
Ahora X=
+X-
(3) X=
+eye=X-
, entonces
(4) e = A-1r o Ae = r
Los resultados (3) y (4) conducen a un procedimiento llamado mejoramiento iterativo o refinamiento
iterativo. El mtodo consiste en el mejoramiento de la aproximacin en la iteracin k a partir de
X(k) = X(k-1)+e(k-1) y r(k-1) = b - AX(k-1).
Ae(k-1) = r(k-1)
El xito del mtodo depende de calcular el vector residual r con doble precisin, con el fin de evitar la
prdida de dgitos significativos que resulta de la resta. Si se emplea la aritmtica de t dgitos un
10-t, para
Bibliografa
https://www.google.com.ec/search?q=diagrama+de+m
%C3%A9todo+de+refinamiento+iterativo&biw=1366&bih=623&source=lnms&tbm=isch&sa=X&ei=
TVJuVbS4IdK0sATv54HYBA&ved=0CAYQ_AUoAQ#imgrc=JFj-ORKKLybmzM%253A%3BpQ28FmOtvoiEM%3Bhttp%253A%252F%252Fwww.scielo.org.co%252Fimg%252Frevistas%252Feia
%252Fn12%252Fn12a04fig6.gif%3Bhttp%253A%252F%252Fwww.scielo.org.co%252Fscielo.php
%253Fpid%253DS1794-12372009000200004%2526script%253Dsci_arttext%3B859%3B699
http://www.scielo.org.co/scielo.php?pid=S0120-100X2013000200003&script=sci_arttext