Teora de los Sistema Lineales.

La forma general de un sistema de ecuaciones algebraicas lineales es:

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

[A] [X] = [C]

a11
a
21
A a31

am1

a12
a22
a32

am 2

a13
a23
a33

am 3

Donde [A] es una matriz cuadrada de n por n

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)

en el que las incgnitas son x1, y x2.

Para resolver este sistema, puede multiplicarse la primera ecuacin por a22, la segunda por
-a12 y sumar, encontrando
(a11 a22 - a21 a12) x1 = b1 a22 b2 a12
Entonces se multiplica la primera ecuacin de (1) por -a21, la segunda por a11 y se suma nuevamente,
encontrando
(a11 a22 - a21 a12) x2 = a11 b2a21 b1

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)

La expresin de los denominadores se escribe en la forma

a11
a 21

a12
a 22

y se llama determinante de segundo orden. Entonces

a11

a12

a 21

a 22

= a11 a22 - a21 a12

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

Escrito en forma matricial:

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

La ecuacin resultante se resta de la ecuacin que contiene el trmino a eliminar

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

a22 x2 + a23 x3 +........+ a2n xn = b2

El sistema lineal queda
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a22 x2 + a23 x3 +........+ a2n xn = b2a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn
El procedimiento se repite hasta que se elimina la primera incgnita de las ecuaciones restantes, y despus la
segunda, tercera y hasta la n-1esima incgnitas
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a22 x2 + a23 x3 + ........+ a2n xn = b2
a33 x3 + ........+ a3n xn = b3
................................................
an-1nn xn = bn-1n
DIAGRAMA DE FLUJO DE GAUSS

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

que es el formato triangular superior deseado.

Aunque quiz no sea muy clara, la matriz [L] se produce durante este paso. Lo anterior se ilustra fcilmente
con un sistema de tres ecuaciones

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

y restar el resultado al tercer rengln para eliminar a32.

Ahora suponga que realizamos todas esas operaciones slo en la matriz [A]. Resulta claro que si no se quiere
modificar la ecuacin, se tiene que hacer lo mismo con el lado derecho {B}. Pero no existe ninguna razn
para realizar las operaciones en forma simultnea. Se podran conservar las f y despus manipular {B}.
Dnde se guardan los factores f21, f31 y f32? Recuerde que la idea principal de la eliminacin fue crear
ceros en a21, a31 y a32. Entonces, se puede guardar f21 en a21, f31 en a31, y f32 en a32. Despus de la
eliminacin la matriz [A], por lo tanto, se describe como

De hecho, esta matriz representa un almacenamiento eficiente de la descomposicin LU de [A].

[A] [L][U]
Donde

El paso de la sustitucin hacia adelante se representa en forma concisa como

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,

Digrama de flujo de cholesky

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

La aplicacin de la ecuacin del mtodo al sistema de ecuaciones sera entonces

x1,i 1
x 2 ,i 1
x 3,i 1

b a
1

12

b a
2

b a
3

x 2,i a13 x3,i ... a1, n x n ,i

a11

x a 23 x3,i ... a 2 , n x n ,i

21 1, i

a 22

31

x3,i a 32 x 2,i ... a 3, n x n ,i

a 33

bn a n,1 x1,i a n,2 x 2,i ... a n,n1 x n1,i

x n ,i 1
a n,n
Como en todos los procesos iterativos, se requiere dar una aproximacin inicial, que en este caso sera un
vector solucin inicial x0, as como un criterio de convergencia

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

x 2 ,i a13 x 3,i ... a1, n x n ,i

a11

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

bn a n,1 x1,i 1 a n,2 x 2,i 1 ... a n,n1 x n1,11

x n ,i 1
a n,n
REFINAMIENTO ITERATIVO
Si el sistema lineal Ax=b se resuelve en una mquina o usando aritmtica de dgitos con el mtodo de
eliminacin gaussiana, entonces debido a errores de redondeo se espera que la solucin encontrada no sea
exacta, sino una aproximacin.

Observe que si x es una aproximacin de x,

AX=b y A = b
X=A-1b y

= A-1 b

Ahora X=

+X-

(3) X=

, si se define el vector error e = X-

+eye=X-

, entonces

= A-1b - A-1 b = A-1(b - b) = A-1 r

(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

procedimiento adecuado para interrumpir el procedimiento consiste en iterar que |e i(k)|

cada i=1,2,...,n.

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