Sistemas de Ecuaciones Lineales (1)
-
Upload
iveth-martell -
Category
Documents
-
view
219 -
download
1
description
Transcript of Sistemas de Ecuaciones Lineales (1)
Sistemas de Ecuaciones Lineales
Sea el sistema donde A es la matriz de coeficientes y b el vector columna(de la mano derecha RHS)
bAx
nnnmnn
m
m
b
bb
x
xx
aaa
aaaaaa
2
1
2
1
21
22221
11211
Para el intervalo existen técnicas como las de :1. Eliminación Gaussiana simple2. Eliminación Gaussiana con pivoteo3. Eliminación Gauss-Jordan4. Iteración de Jacobi5. Iteración de Gauss-Seidel
1. Eliminación de Gauss
Tiene dos fases:
• Eliminación hacia adelante por medio de operaciones elementales(Forward).
• Sustitución hacia atrás (Backward)
• Ejemplo: aplicar la eliminación de Gauss con pivoteo al siguiente sistema.
-8=x-2x+x- x:E 43211
-20=3x-3x+2x-2x:E 43212
-2=x+x+ x:E 3213
4=3x+4x+x- x:E 43214
Solución:La matiz aumentada es:
Al efectuar las operaciones elementales
Obtenemos:
Como es el pivote y es cero(0), no se puede continuar el procedimiento.¿Qué hacemos?
42
208
3411011133221211
~~ )1(AA
144
133
122 2
EEEEEEEEE
12648
4200112011001211
~ )2(A
)2(22a
La operación es permitida por ello buscamos en y un elemento diferente de cero y encontramos para obtener la nueva matriz
Ya hemos eliminado X2 de E3 y E4 ahora será y realizando obtenemos:
ji EE
)2(32a
)2(42a
32 EE
124
68
42001100
11201211
'~ )2(A
)3(~A '~ )2(A
344 2EEE
44
68
20001100
11201211
'~ )4(A
El paso final es aplicar la sustitución hacia atrás
El vector solución es:
71
)1(2)1(8
32
)1(6
21
)1(422/4
2341
342
43
4
xxxx
xxx
xx
x
Tx 2237
Ejercicio: Resolver mediante eliminación de Gauss los sistemas:A.
B.
¿A y B tienen solución única?
62622
4
321
321
321
xxxxxx
xxx
62422
4
321
321
321
xxxxxx
xxx
A. La matriz aumentada
Se hacen las siguientes operaciones:
Donde:
Tiene solución única
664
211122111
133
122 2EEEEEE
22
4
100100
111
202
1
2
3
xxx
B. La matriz aumentada
Se hacen las siguientes operaciones:
Donde:
No tiene solución única
644
211122111
133
122 2EEEEEE
204
100100
111
420
02
1
2
3
xxx
2. Método de Gauss-Jordan
El método de Gauss-Jordan es una variante del método de eliminación de Gauss. La variación consiste en que cuando una incógnita es eliminada esto se hace no solo en las subsecuentes sino también en las anteriores
Ejemplo: Aplicar el método de Gauss-Jordan para resolver el sistema
4336425294
321
321
321
xxxxxxxxx
Solución:1. La matriz aumentada
2. Eliminar debajo de la primera fila
3. Intercambiamos la fila 3 con la fila 2
4. Sumando la 2da fila multiplicada por a la 1ra fila y la 2da fila multiplicada por a la 3ra se obtiene:
5.075.25
55.005.225.10
294
))25.1/9((
)25.1/25.0(
435
311642294
75.25.0
5
5.225.1055.00294
5. Sumando la 3ra fila multiplicando por a la 1ra fila y a la 3ra multiplicada por
De donde:
6.075.2
8.24
4005.225.10
2004
)4/20(
)4/5.2(
6.0125.3
8.27
400025.10004
6.04125.325.1
8.274
3
2
1
xx
x
15.05.2
95.6x
Vectores y Normas Matriciales
Vectores y Nomas Matriciales
Una norma es una función de valor que proporciona una medida del “tamaño o longitud” de las entidades multicomponentes, tales como los vectores y matrices
Norma Euclidiana:
Para un vector n-dimensional se tiene: , la norma euclidiana se escribe como:El concepto se extiende a una matriz
Esta ultima es conocida como la Norma de Frobenius, al igual que los vectores proporciona una medida o cuantificación de la matriz A.
222 zyxVe
nxxxxx ...,, 321
n
iinexxxxV
1
2222
21 ...
n
i
n
jijaA
1 1
Otras Normas:Existen alternativas a las Normas de Frobenius y Euclidiana y estas son:a.Normas de un Vector
Uniforme:
Es decir el elemento máximo en valor absoluto se toma como la norma
b. Norma de una matriz uniforme o “norma suma-fila”
Es decir la suma en valor absoluto mas grande es la que se toma como la norma
ini xx 1max
n
jijaA
1
max
Propiedades de las Normas:1. Y si y solo si
2.
3. Desigualdad triangular
4.
0A 0A 0A
AkkA
BABA
BABA
Números de CondiciónEl estudio de condicionamiento de un sistema reviste suma importancia puesto que con el se puede prevenir errores de redondeo en los cálculos de la solución del sistema. De allí que se hable de sistema “bien” o “mal” condicionado.El numero de condición suele definirse como el producto de dos normas matriciales:
1)( AAAcondicion
Cuando el resultado del numero de condición es grande muy grande, se dice que el sistema es mal condicionado, por el contrario si es pequeño (cercano a la unidad), se dice que es sistema es bien condicionado
Ejemplo:Considere la matriz:
Aplicando normas matriciales se tiene el número de condición de A
El numero de condición de A es bastante grande por tanto se concluye que A es mal condicionado
47.154.083.078.156.033.4
53.205.102.3A
9.2556.10285.769.6693.2685.200
55.18273.7661.51A
7595)7.1138)(67.6(1 AA
Síntomas para un Sistema mal Cond.
1. , calculando se aparta de 12. calculada es diferente de A3. calculada se aparta de la matriz
identidad4. calculada se aparta de la matriz
identidad de forma mas significativa que
)det(),det( 1AA11)( A
1AA
111 )( AA
1AA
Sistemas mal condicionadosConsidere el sistema Ax=b de 2 ecuaciones y 2 incógnitas
La solución es obvia
Supóngase que el lado derecho se modifica tan solo un poco:
La solución es:
Por ultimo hacemos una nueva modificación en b
La solución es:
0.20.2
01.199.099.001.1
yx
11 yx
98.102.2
01.199.099.001.1
yx
02 yx
02.298.1
01.199.099.001.1
yx
20 yx
Es un sistema mal condicionado “Para cambios pequeños en la entrada, se
tienen grandes cambios en la salida”
bAx b1b2b3
x1x2x3
Métodos Iterativos
1. Método de iteración de Jacobi
Ejemplo:
Sol:Mediante la iteración en las dos variables, podemos resolver una ecuación para x y otra para y
Ahora se generan nuevas aproximaciones sucesivamente mediante:
0420537
yxyx 22/2/)4(
7/)53(
xxy
yx
27
53
121
1
1
kk
kk
xy
yx
Tabla de resultados
m
0 0 0
1 0.7142857 2.357142857
2 1.724489796 2.86224498
3 1.940962099 2.97048105
4 1.987349021 2.993674511
5 1.997289076 2.998644538
6 1.999419087 2.999709544
)(mkx
)(mky
Existe convergencia hacia
3999.22999.1
yx
Ejercicio:Resolver mediante Jacobi (5 iteraciones) el sistema
Sol:
m
0 0 0 0
1 -0.5 -0.25 0.375
2 -0.625 -0.125 0.4375
3 -0.5625 -0.0625 0.46875
4 -0.53125 -0.03125 0.484375
5 -0.515625 -0.015625 0.492187
1202
12
32
321
21
xxxxx
xx
21
2
21
1213
31112
211
kk
kkk
kk
xx
xxx
xx
)(1mkx
)(2mkx
)(3mkx
5.00
5.0
3
2
1
xxx
2. Iteración de Gauss-Seidel
Si la iteración de Jacobi converge, la iteración de Gauss-Seidel lo hará mas rápido. Un criterio para aplicar Gauss-Seidel es reordenar las ecuaciones de manera que el sistema sea “diagonalmente dominante”.
Ejemplo: Resolver el sistema
Sol: Para aplicar Gauss-Seidel se debe tener el sistema diagonalmente dominante
1. Reordenando se tiene:
2. Resolviendo para x se tiene
02537444
432
zyxzyxzyx
4320253
7444
zyxzyxzyx
324
523
47
yxz
zxy
zyx
3. Planteando las formulas de iteración
4. Tabla de resultados Empezando con el vector [0,0,0]
m
0 0 0 0
1 1.75 1.05 0.05
2 0.65 0.37 0.87
3 0.51 -0.042 1.19133
4 0.60067 -0.116133 1.21053
5 0.655599 -0.0908521452 1.17536843
6 0.6654837 -0.0708571428 1.158743529
7 0.66211361 -0.066229243 1.156781624
10 0.65893921 -0.068255616 1.159190674
324
523
47
111
11
1
kkk
kkk
kkk
yxz
zxy
zyx
)(mkx
)(mky
)(mkz
1592.106826.0
6589.0
zyx
1. Resolver por Gauss-Seidel
a. Comenzar con solución inicial(0,0,0)
b. Comenzar con solución inicial(2,2,-1)
c. ¿Cuál de los dos converge mas rápido?
Ecuaciones iterativas:
La tabla de resultados son:
6545
95
32
321
21
xxxxx
xx
56
54
59
1213
31112
211
kk
kkk
kk
xx
xxx
xx
m
0 0 0 0
1 1.8 1.16 0.968
2 2.032 1.0128 -0.99744
3 2.00256 1.001024 -0.99979
4 2.000205 1.000082 -0.999983
5 2.0000164 1.0000067 -0.999999
m
0 2 2 -1
1 2.2 1.04 -0.992
2 2.008 1.0032 -0.99936
3 2.00064 1.000256 -0.999949
4 2.0000512 1.0000205 -0.999999
)(1mkx
)(2mkx
)(3mkx
)(1mkx
)(2mkx
)(3mkx
112
3
2
1
xxx
112
3
2
1
xxx
Cuando la solución inicial es (2,2,-1) converge más rápido
2. Resolver el sistema
a. Por Gauss-JordanLa matriz aumentada es:
Efectuando operaciones básicas, la matriz es:
Donde:
4336425294
321
321
321
xxxxxxxxx
6.004.3
2.27
2.400025.10004
435
311642294
15.05.295.6
3
2
1
xxx
b. Por Gauss-Seidel
Las ecuaciones iterativas son:
m
0 0 0 0
1 1.25 -2.75 -1.75
2 -4.0775 -13.3275 -7.02583
364243
5294
321
321
321
xxxxxxxxx
642334
4295
121113
31112
3211
kkk
kkk
kkk
xxx
xxx
xxx
)(1mkx
)(2mkx
)(3mkx
Las soluciones no convergen
Descomposición LU
1. Supóngase que A se puede descomponer en A=LU donde L es una matriz triangular inferior(Lower) y U una matriz triangular superior(Upper) de allí que AX=b puede representarse como
)1(bLUx
2. Si z es la matriz columna de n filas resultante del producto Ux, se tiene que LUx=b se puede reescribir como:
A partir de (1) y (2) se puede plantear un algoritmo para resolver el sistema de ecuaciones en dos etapasObtener z aplicando el algoritmo de sustitución regresiva o sustitución hacia atrás en una ecuación:
)2(bLz
zUx
Ejemplo: Sea el sistema Ax=b
Sol:Los multiplicadores para hacer ceros en la 1ra columna de A,son 2 y 1 respectivamente y se tiene:
Ahora el multiplicador para hacer cero al final de la 2da columna de A es 3, por ello
Dando:
312811
17421034312
101012001
1L
1430410312
11 ALA
130010001
2L
200410312
12122 ALLALAU
Por último:
Así la solución del sistema
Implica en primer lugar la aplicación al sistema de la sustitución hacia adelante
De donde:
Ahora aplicamos sustitución hacia atrás
Para obtener:
131012001
130010001
101012001
12
11LLL
312811
bLUx
312811
131012001
3
2
1
zzz
2)6(3)11(1316)11(228
11
3
2
1
zzz
26
11
200410312
3
2
1
xxx
123
x
Factorización de Crout
La factorización de A en las matrices generales de orden 3 L y U se expresa como:
Para determinar L y U se multiplican :
333231
232221
131211
33
2322
131211
333231
2221
11
0000
00
aaaaaaaaa
uuuuuu
lllll
l
a. 1 fila de L por las 3 columnas de U
b. 2 fila de L por las 3 columnas de U
c. 3 fila de L por las 3 columnas de U
Se tiene un sistema de 9 ecuaciones y 12 incógnitas. Para resolver se puede establecer tres condiciones arbitrarias.Tomando Se tiene el método de Crout
131311
121211
111111
aulaulaul
2323221321
2222221222
211121
aululaulul
aul
33333323321331
3222321231
311131
aulululaulul
aul
1332211 lll
Desarrollo de la factorización tomando
Se tiene de a
De b
De c
1332211 lll
1313
1212
1111
auauau
1311
212313212323
1211
212212212222
1121112121 //
aaaaulau
aaaaulau
aaual
]][[
//
1311
2123
1211
2122
1211
3132
1311
3133
233213313333
1211
2122
1211
3132
22
12313232
1131113131
aaaa
aaaa
aaaa
aaaa
ululau
aaaa
aaaa
uulal
aaual
Ejemplo:Aplicar Crout para resolver el sistema
Sol:Con se procede al calculo de la 1 fila de U
Calculo de la 1 columna de L
Calculo de la 2 fila de U
Calculo de la 2 columna de L
4336425294
321
321
321
xxxxxxxxx
1332211 lll
29
4
13
12
11
uuu
25.04/15.04/2
1
31
21
11
lll
5)2)(4/2(65.0)9)(4/2(4
0
23
22
21
uuu
5.2))9)(4/2)(4/()9)(4/1(1(10
32
22
12
lll
Calculo de la 3 fil de U, o mas bien los elementos faltantes
Aquí finaliza la factorización!Las matrices L y U obtenidas
El producto de LxU=ASe resuelve el sistema Lc=b, donde b es el vector de términos independientemente del sistema original.
10))2)(42(6(
))9)(42(4(
)9)(41(1(
)2)(41(3
0
33
3231
u
uu
100055.00294
15.225.0015.0001
UL
435
15.225.0015.0001
3
2
1
ccc
5.1)5.0(5.2)5(25.045.0)5(5.03
5
3
2
1
ccc
Finalmente resolvemos el sistema Ux=c para obtener la solución del sistema original Ux=b
Donde
5.15.0
5
100055.00294
3
2
1
xxx 95.6
4)15.0(2)5.2(95
5.25.0
)15.0(55.015.0
3
2
3
x
x
x
15.05.2
95.6x