Sistemas de ecuaciones lineales

1
Introducción

Si A es una matriz inversible, el sistema tendrá una solución.

2
3
I) MÉTODOS DIRECTOS
El método de Gauss
a) Resolución de Sistemas Triangulares

Ejemplo:
Consideremos el sistema de ecuaciones lineales

4
Entonces, aplicando el método de sustitución regresiva se tiene:

5
b) Triangulación por el Método de Gauss

6
Ejemplo:
Resolver por el método de Gauss el sistema de ecuaciones lineales cuya matriz
ampliada es

Solución:

Solución:

7
8
Inestabilidad del Método de Gauss y Estrategia de Pivote
Ejemplo 1.-

9
Condicionamiento de Sistemas de Ecuaciones Lineales
Para entender el concepto de condicionamiento, consideremos el siguiente
ejemplo
Ejemplo 1.-

Esto indica que el método de resolución de sistemas de ecuaciones empleado

(Gauss) están mal condicionado

10
Ejemplo 2.-

Considerando el siguiente sistema de ecuaciones lineales (Ax=b):

11
Por tanto, frente a pequeñas variaciones de A o de b; la solución x varía mucho.
Diremos en este caso que el sistema está mal condicionado.
Para medir la variación de la solución respecto a las variaciones de A o b
(condicionamiento del sistema) se define el número de condición de A:

para una norma matricial subordinada

Nosotros utilizaremos usualmente alguna de las normas matriciales

subordinadas siguientes:

12
Propiedades para las normas

Como consecuencia de estas propiedades y de la propia definición de número de

condición, este verifica:

13
Observación .- Por tanto, cuanto mayor sea el número de condición peor será
el condicionamiento del sistema.

Para resolver los sistemas mal condicionados se usan las técnicas de pre
condicionamiento:
Dado un sistema Ax = b mal condicionado (es decir, con cond(A) grande), se busca una
matriz inversible P tal que cond(PA) sea pequeño. Entonces, se resuelve el
sistema equivalente PAx = Pb que ya es bien condicionado.

El caso más favorable será P = A-1; pues entonces

cond(PA) = cond(I) = 1
Las técnicas de pre condicionamiento buscan una matriz P próxima a A-1; pero
fácilmente calculable.

14
Factorización LU

15
Ejemplo:

16
17
Factorización LU (version Crout)

Ejemplo:

Solución:

18
19
20
II) MÉTODOS ITERATIVOS
1.- Método de Jacobi

Solución:

21
22
23
Criterio de Convergencia
Uno de los principales problemas de los métodos iterativos es la garantía de que el
método va a converger, es decir, va a producir una sucesión de aproximaciones cada
vez efectivamente más próximas a la solución. En el caso del método de Jacobi no
existe una condición exacta para la convergencia. Lo mejor es una condición
que garantiza la convergencia, pero en caso de no cumplirse puede o no haberla es
la siguiente:
Si la matriz de coeficientes original del sistema de ecuaciones es diagonalmente
dominante, el método de Jacobi converge.

Matriz Diagonalmente Dominante

Una matriz se dice matriz diagonalmente dominante, si en cada uno de los
renglones, el valor absoluto del elemento de la diagonal principal es mayor que la
suma de los valores absolutos de los elementos restantes del mismo renglón. A
veces la matriz de un sistema de ecuaciones no es diagonalmente dominante pero
cuando se cambian el orden de las ecuaciones y las incógnitas el nuevo sistema
puede tener matriz de coeficientes diagonalmente dominante.

24
Son matrices diagonalmente dominantes:

No son matrices diagonalmente dominantes:

En ciertas ocasiones al aplicar Jacobi la matriz no es diagonalmente dominante y por

tanto no existirá garantía de convergencia. Sin embargo, en algunos casos será posible
reordenar las incógnitas en otra manera de forma que la nueva matriz de coeficientes sea
diagonalmente dominante.

25
2.- Método de Gauss Seidel
Es una versión mejorada del método de Jácobi. En el método de Jácobi es necesario
contar con un vector aproximado completo para proceder con la sustitución en las
ecuaciones y obtener una nueva aproximación. En Gauss Seidel se propone ir
sustituyendo conforme se vayan obteniendo y no esperar a tener el vector completo
y acelerar la convergencia.

26
27