Mtodos Numricos

Mdulo II: Sistemas Lineales.

Consideremos el sistema de ecuaciones lineal dado por:

11 1 + 12 2 + + 1 = 1
+ 22 2 + + 2 = 2
{ 21 1

1 1 + 2 2 + + =

En este mdulo se trabajar con el sistema lineal matricial dado por = , donde:
1. La matriz es la matriz formada por los coeficientes de las ecuaciones del sistema
lineal:

11 12 1
21 22 2
=[ ]
1 2

2. El vector es el formado por las incgnitas del sistema lineal:

1
2
=[ ]

3. El vector es el formado por los trminos independientes del sistema lineal:

1

= [ 2]

Prof. Felvir Rivas

Los mtodos para resolver sistemas de ecuaciones lineales en forma matricial, se pueden
clasificar en mtodos directos y mtodos iterativos.

Mtodos Directos.

Mtodo de Gauss-Jordan.

Este mtodo se usa para resolver un conjunto de ecuaciones donde se genera una matriz
identidad. El procedimiento es el siguiente:
1. Se expresan los coeficientes y el vector de trminos independientes como una matriz
aumentada.
2. Se normaliza la 1ra fila (se divide entre el coeficiente de la 1ra incgnita).
3. Se multiplica la 1ra fila por el 1er Coeficiente de las siguientes filas, y se restan.
4. Se normaliza la 2da fila.
5. Se multiplica la 2da fila por el 2do coeficiente de las otras filas y se restan.
6. Se normaliza la 3ra fila.
7. Se multiplica la 3ra fila por el 3er coeficiente de las otras filas y se restan.
8. Continuar hasta la fila

Ejemplo: Consideremos el siguiente sistema de ecuaciones:

41 2 + 3 = 8
{21 + 52 + 23 = 3
1 + 22 + 43 = 11
En este ejemplo se tiene:
4 1 1 8 1
= 2 5 2] ,
[ = 3 ],
[
= 2]
[
1 2 4 11 3

Paso 1: La matriz aumentada viene dada por

4 1 1 8
[2 5 2 3]
1 2 4 11

Prof. Felvir Rivas

Paso 2: Se normaliza la 1ra fila (se divide entre 4)
1 0.25 0.25 2
[2 5 2 3]
1 2 4 11

Paso 3: Se multiplica la 1ra fila por el 1er Coeficiente de las siguientes filas, y se restan.
Fila 2 221 = 0 5 2 (0.25) = 5.5 2 2 0.25 = 1.5 3 2 2 = 1
Fila 3 111 = 0 2 1 (0.25) = 2.25 4 1 0.25 = 3.75 11 1 2 = 9

1 0.25 0.25 2
[ 0 5.50 1.50 1 ]
0 2.25 3.75 9

Paso 4: Se normaliza la 2da fila (se divide entre 5.5)

1 0.25 0.2500 2.0000
[0 1.00 0.2727 0.1818]
0 2.25 3.7500 9.0000

Paso 5: Se multiplica la 2da fila por el 2do coeficiente de las otras filas y se restan.
Fila 1 1 0 (0.25) 0.25 1 (0.25) 0.25 0.2727 2 (0.1818)
=1 =0 (0.25) = 0.3181 (0.25) = 1.9545

Fila 3 0 0 (2.25) 2.25 1 (2.25) = 0 3.75 0.2727 9 (0.1818)

=0 (2.25) = 3.1364 (2.25) = 9.4090

1 0 0.3181 1.9545
[0 1 0.2727 0.1818]
0 0 3.1364 9.4090

Paso 6: Se normaliza la 3ra fila (se divide entre 3.1364)

1 0 0.3181 1.9545
[0 1 0.2727 0.1818]
0 0 1.1364 2.9999

Paso 7: Se multiplica la 3ra fila por el 3er coeficiente de las otras filas y se restan.

Prof. Felvir Rivas

Fila 1 1 0 0.3181 0 0 0.3181 = 0 0.3181 1 0.3181 1.9545 2.9999
=1 =0 0.3181 = 1.0002

Fila 2 0 0 0.2727 1 0 0.2727 = 1 0.2727 1 0.1818 2.9999

=0 0.2727 =0 0.2727 = 0.9999

1 0 0 1.0002
[0 1 0 0.9999]
0 0 1 2.9999

As, la solucin del sistema viene dado por:

1
= [1]

3

Mtodo de Cholesky.

Una matriz simtrica y positiva definida puede ser factorizada de manera eficiente por
medio de una matriz triangular inferior y una matriz triangular superior.

Para una matriz no singular la descomposicin nos lleva a considerar una

descomposicin de tal tipo = ; dadas las condiciones de , simtrica y definida
positiva, no es necesario hacer pivoteo, por lo que sta factorizacin se hace eficientemente
y en un nmero de operaciones la mitad de tomando la forma = , donde (la
cual podemos "verla" como la raz cuadrada de ) es una matriz triangular inferior donde los
elementos de la diagonal son positivos.

Para resolver un sistema lineal = con simtrica definida positiva y dada su

factorizacin de Cholesky = , primero debemos resolver = entonces resolver
= para lograr .

Prof. Felvir Rivas

Una variante de la factorizacin de Cholesky es de la forma = , donde es una
matriz triangular superior, en algunas aplicaciones se desea ver la matriz en esa forma y no
de otra.

Para encontrar la factorizacin = , bastara ver la forma de y observar las ecuaciones

que el producto derecho nos conduce al igualar elementos:

= ( 2 )
=1

( 1
=1 )
= ,

Para todo = 1,2, , y = 1, 2, ,

Ahora bien, ya que es simtrica y definida positiva, podemos asegurar que los elementos
sobre la diagonal de son positivos y los restantes elementos reales desde luego.

Una de las aplicaciones de la factorizacin de Cholesky es resolver las ecuaciones normales

de un problema de cuadrados mnimos, esas ecuaciones son = , en la que es
simtrica y definida positiva.

Ejemplo: Consideremos el siguiente sistema de ecuaciones:

31 2 3 = 5
{ 1 + 22 = 4
1 + 3 = 0

Para utilizar el mtodo de Cholesky, la matriz de los coeficientes debe cumplir con las
siguientes propiedades:
sea simtrica, es decir, = . En efecto:

Prof. Felvir Rivas

 3 1 1
= [1 2 0]
1 0 1
3 1 1

= 1 2 0] (Se intercambian filas por columnas de la matriz )
[
1 0 1

sea definida positiva: Todos los determinantes de los menores principales de son
positivos, en efecto:
1 = |3| = 3 > 0
3 1
2 = | | = [3 2] [(1) (1)] = 6 1 = 5 > 0
1 2
3 1 1
3 = |1 2 0|
1 0 1
= [3 2 1 + (1) 0 (1) + (1) 0 (1)]
[(1) 2 (1) + (1) (1) 1 + 0 0 3] = [6 + 0 + 0] [2 + 1]
=63= 3>0

Por lo tanto, es una matriz no singular, ya que det() 0, encontremos la matriz

triangular inferior:
=1

11

11 = (11 1 2 ) = 3 0 = 3
=1

(1 11
=1 1 )
1 =
11
= 1, =2 = 1, =3
(21 11
=1 2 1 ) 1 0 (31 11
=1 3 1 ) 1 0 1
21 = = 31 = = =
11 3 11 3 3
1 3
= 31 =
3 3
3
21 =
3

Prof. Felvir Rivas

 =2

21 1 2
3
2 2
22 = (22 2 ) = 2 2 = 2 21 = 2 21 2 2
= 2 ( )
3
=1 =1

3 5 15
22 = 2 = =
9 3 3

(2 21
=1 2 )
2 =
22
= 2, =1 = 2, =3
(12 21
=1 1 2 ) (32 21
=1 3 2 ) 0 1=1 3 2
12 = 32 = =
22 22 15
3
(1 1=1 1 2 )
12 = 3 3
15 0 [ ] [ ]
3 0 31 21 3 3
32 = =
(1 11 21 ) 15 15
= 3 3
15
3 3
15
32 = 9 =
3 15 15
(1 3 [ ])
3 0 3
12 = = =0
15 15
3 3
=3

31 2 2 2
2 2 2 2 3 15
33 = (33 3 ) = 1 3 = 1 (31 + 32 ) = 1 [( ) + ( ) ]
3 15
=1 =1

3 15 2 3 15
33 = 1 [ ] = 1 [ ] = =
9 225 5 5 5

(3 31
=1 3 )
3 =
33
= 3, =1 = 3, =2
(13 31
=1 1 3 ) (23 31
=1 2 3 )
13 = 23 =
33 33
(1 2=1 1 3 ) (0 2=1 2 3 )
13 = 23 =
15 15
5 5

Prof. Felvir Rivas

 (1 [11 31 + 12 32 ]) (0 [21 31 + 22 32 ])
13 = 23 =
15 15
5 5
3 23
(1 [3 ( ) + 0 0])
3
13 = 3 3 15 15
(0 [( ) ( ) + ( ) ( )])
15 3 3 3 15
5 =
15
3 5
(1 [3 ( )])
3 0 3 15
13 = = =0 (0 [ ])
15 21 23 = 9 3 15 = 0 = 0
5 3 15 15
5 5

Por lo tanto;
3 0 0
3 15
= 0
3 3
3 15 15
[ 3 15 5 ]
Resolvemos el sistema = ,

3 0 0
3 15 1 5
0 [2 ] = [ ]
3 3 4
3 0
3 15 15

[ 3
15 5 ]

De donde:
3 1 = 5 1 = 5/3 1 = 53 /3
3 15 3 53 15
( ) 1 +( ) 2 = 4 ( )( 3 )+ ( ) 2 = 4
3 3 3 3
5 15 15 5 15 7
3+( ) 2 = 4 ( ) 2 = 4 + 3 ( ) 2 = 3
3 3 3

715
2 =
15

3 15 15
( ) 1 + ( ) 2 +( ) 3 =0
3 15 5

3 53 15 715 15
( )( 3 )+ ( ) ( 15 ) + ( ) 3 =0
3 15 5

Prof. Felvir Rivas

 6 15 6 5 6 215
5+( ) 3 =0 3 = 5 ( ) 3 = 3 =
5 15 15 5

Por ltimo resolvemos el sistema = para lograr .

3 3 53
3
3 3 1 3

0
15

15 [2 ] = 715
3 15 3 15
15 215
[ 0 0 5 ] [ 5 ]
As:
15 215 215 5
( ) 3 = 3 = ( ) 3 = 2
5 5 5 15

15 15 715 15 15 715
( ) 2 ( 15 ) 3 = ( ) 2 ( 15 ) (2) =
3 15 3 15

15 215 715 15 715 215 15 15

( ) 2 = ( ) 2 = + ( ) 2 =
3 15 15 3 15 15 3 3

15 3
2 = ( ) 2 = 1
3 15

3 3 53 3 3 53
3 1 = 3 1 (1) (2) =
3 2 3 3 3 3 3 3

3 53 53 3 63 63
3 1 3
= 3
3 1 = 3
+ 3
3 1 = 3
1 = 3
3

1 = 2

Por lo tanto la solucin del sistema, utilizando el mtodo de Cholesky es:

1 2
[
= 2 = 1]
] [
3 2

Mtodo Mnimos Cuadrados

Consideremos ahora un sistema de ecuaciones = , no necesariamente cuadrado, donde

es una matriz cuyas columnas son linealmente independientes. Esto implica que
hay ms filas que columnas, , y que adems el rango de es . Este mtodo plantea
que el sistema de ecuaciones tiene solucin nica dada por:

Prof. Felvir Rivas

 = ( )1

Ejemplo: Consideremos el siguiente sistema de ecuaciones:

01.00 1.00 1.00 0.15

02.25 1.50 1.00 0.24
04.00 2.00 1.00 0.68
06.25 2.50 1.00 1.04
= 09.00 3.00 1.00 , = 1.21
12.25 3.50 1.00 1.15
16.00 4.00 1.00 0.86
20.25 4.50 1.00 0.41
[25.00 5.00 1.00] [0.08]

Para utilizar el mtodo debemos verificar que la matriz es de rango completo por
columnas, es decir, verificar que el rango de la matriz es 3. Para ello, utilizaremos el mtodo
por determinantes y podemos asegurar que el ran() 3, ya que la submatriz cuadrada de
orden mximo que se puede tomar es de 3 3. Ahora bien, para ver que el rango es igual a
3 basta verificar que el determinante de una de las submatrices sea diferente de cero, por
ejemplo si tomamos las tres primeras filas de la matriz se tiene:
01.00 1.00 1.00
|02.25 1.50 1.00| = [1.50 + 4 + 4.5] [6 + 2.25 + 2] = 10 10.25 = 0.25 0
4.00 2.00 1.0

As, el rango de la matriz es igual a 3. Luego:

01.00 1.00 1.00
02.25 1.50 1.00
04.00 2.00 1.00
1 2.25 4 6.25 9 12.25 16 20.25 25 06.25 2.50 1.00

= [1 1.50 2 2.50 3 03.50 40 4.500 50 ] 09.00 3.00 1.00
1 1.00 1 1.00 1 01.00 10 1000 10 12.25 3.50 1.00
16.00 4.00 1.00
20.25 4.50 1.00
[25.00 5.00 1.00]
1583.25 378 96
= [378000 960 27], donde el det( ) = 2598.75. Por lo tanto es invertible,
960000 270 90
as:

Prof. Felvir Rivas

 0.0519 0.3116 0.3809
( )1 = [0.3116 1.9367 2.4857]
0.3809 2.4857 3.5047

Por otro lado,

0.15
0.24
0.68
1 2.25 4 6.25 9 12.25 16 20.25 25 1.04 54.65
=[1 1.50 2 2.50 3 03.50 40 4.500 50 ] 1.21 = [16.71]
1 1.00 1 1.00 1 01.00 10 1000 10 1.15 05.36
0.86
0.41
[0.08]
Luego la estimacin mnimos cuadrados plantea lo siguiente:

0.0519 0.3116 0.3809 54.65 0.3274

= [0.3116 1.9367 2.4857] [16.71] = [2.0066]
0.3809 2.4857 3.5047 05.36 1.9317

Mtodos Iterativos.

Los mtodos iterativos ms comunes son los de un solo punto y entre ellos se encuentran:
mtodo del Punto Fijo y mtodo de Newton-Raphson. Tambin estudiaremos el mtodo del
Gradiente Conjugado. Estos mtodos estn basados en la eleccin de una solucin inicial
aproximada 0 y del establecimiento de una ley de recurrencia mediante la cual dicha
solucin aproximada vaya acercndose o tendiendo a la solucin que se busca. El criterio de
1
parada de estos mtodos es cuando
< , para dado

Mtodo del Punto Fijo.

Este mtodo es tambin llamado como mtodo de Sustituciones Sucesivas o de Picard.

Plantea lo siguiente:

Prof. Felvir Rivas

Dado un sistema lineal = se transforma en = . Se busca una matriz y un
vector tales que = + s, y slo s, = . Utilizando las ecuaciones del punto
fijo que son:

(1 12 2 13 3 1 )
1 = 11

(2 21 1 23 3 2 )
2 = 22

( 1 1 2 2 1 1 )
=

Para un vector inicial 0 se itera en el ciclo que cambia la aproximacin +1 = + para

todo > 0.

Ejemplo: Consideremos el siguiente sistema de ecuaciones:

101 2 + 23 = 6
1 + 112 3 + 34 = 25
{
21 2 + 103 4 = 11
32 3 + 84 = 15
Cuya aproximacin inicial es 0 = (0 0 0 0) . Encontremos cuatro iteraciones.

Las ecuaciones del punto fijo son:

De la primera ecuacin del sistema se despeja 1
1 1 3
1 = 2 3 +
10 5 5
De la segunda ecuacin del sistema se despeja 2
1 1 3 25
2 = 1 + 3 4 +
11 11 11 11
De la tercera ecuacin del sistema se despeja 3
1 1 1 11
3 = 1 + 2 + 4
5 10 10 10

Prof. Felvir Rivas

 De la cuarta ecuacin del sistema se despeja 4
3 1 15
4 = 2 + 3 +
8 8 8
As la matriz es la formada por los coeficientes de las variables y el vector es el
formado por los trminos independientes de las ecuaciones del punto fijo:
1 1 3
0 0
10 5 5
1 3 1 25
0
= 11 11 11 = 11
1 1 1 11
0
5 10 10 10
3 1 15
[ 0 80 8 0 ]
[ 8]

Para la aproximacin inicial 0 = (0 0 0 0) se tiene 1 = 0 +

1 1 3
0 10 5 0 5
1 1 3 0 25 0.6000
11 0 11 11 0 11 2.2727
1 = 1 1 1 [0]+ 11 = [1.1000]
5 0 10 10
10
3 1
0 15
1.8750
[ 0 80 8 0 ]
[ 8]
Donde,
0 1 mx|(0 0.6), (0 2.2727), (0 + 1.1), (0 1.8750)| 2.2727
= = =
1 mx|0.6, 2.2727, 1.1, 1.8750| 2.2727
=1

Continuando con el mismo procedimiento se tiene:

1 1 3
0 10 5 0 5
1 1 3 0.6000 25 1.0473
11 0 11 11 2.2727 11 1.7159
2 = 1+ = 1 1 1 [1.1000]+ 11 = [0.8052]
5 0 10 10
10
3 1
1.8750 15
0.8852
[ 0 80 8 0 ]
[ 8]
Donde,

Prof. Felvir Rivas

 1 2
=
2
mx|(0.6 1.0473), (2.2727 1.7159), (1.1 + 0.8052), (1.8750 0.8852)|
=
mx|1.0473, 1.7159, 0.8052, 0.8852|
0.9898
= = 0.5768
1.7159

1 1 3
0 10 5 0 5
1 1 3 1.0473 25 0.9326
11 0 11 11 1.7159 11 2.053
3 = 2 + = 1 1 1 [0.8052]+ 11 = [1.0493]
5 0 10 10
10
3 1
0.8852 15
1.1309
[ 0 80 8 0 ]
[ 8]
Donde,
2 3
=
3
mx|(1.0473 0.9326), (1.7159 2.053), (0.8052 + 1.0493), (0.8852 1.1309)|
=
mx|0.9326, 2.053, 1.0493,1.1309|
0.3371
= = 0.1641
2.053

1 1 3
0 10 5 0 5
1 1 3 0.9326 25 1.0152
11 0 11 11 2.053 11 1.9537
4 = 3 + = 1 1 1 [1.0493]+ 11 = [0.9681]
5 10
0 10 10
3 1
1.1309 15
0.9739
[ 0 80 8 0 ]
[ 8]
Donde,
3 4
=
4
mx|(0.9326 1.0152), (2.053 1.9537), (1.0493 + 0.9681), (1.1309 0.9739)|
=
mx|1.0152, 1.9537, 0.9681, 0.9739|
0.157
= = 0.08036
1.9537
Por lo tanto, hasta la cuarta iteracin se obtiene < 10%

Prof. Felvir Rivas

Mtodo de Newton Raphson

Dado un sistema lineal = se transforma en = . Sea = . El mtodo

vienen dado por:

= 1 1 [1 ], 1 dado un vector inicial

Ejemplo: Consideremos el siguiente sistema de ecuaciones:

2 1 0 1 1
[1 1 2] [2 ] = [2]
2 3 0 3 1

Encontremos dos iteraciones. Primero debemos verificar si la matriz de coeficientes de las

variables, la matriz , es invertible. Para encontremos su determinante:
2 1 0
|1 1 2| = 8 0, por lo tanto es invertible, cuya inversa viene dada por:
2 3 0
3 1
0
4 4
2 1 0 1 1
[1 1 2 ] = 0
2 3 0 2 4
1 1 1

[ 8 2
8]

Aplicando el mtodo, cuya condicin inicial es = (1 3 2) , se tiene:

La matriz , es la matriz formada por las ecuaciones del sistema igualadas a cero, en efecto:
21 + 2 1
= [1 + 2 + 23 2]
21 + 32 + 1
La primera iteracin vienen dada por:
3 1
0 0
1 4 4 2 1 1 1
1 0 1 0 1
= [ ] = [3] 2 0 4
1
[0] = [3] [ 2] = [2.5]
1
2 1 1 1 6 2 2 2.5
[ 8 2
]
8

Ya que,

Prof. Felvir Rivas

 2(1) + (3) 1 231 2
0]
[ = [1 + (3) + 2(2) 2] = [1 3 + 4 2] = [0]
2(1) + 3(3) + 1 29+1 6
Por otro lado:
0 1 mx|(1 1), (3 + 2.5), (2 2.5)| 0.5
= = = = 0.2
1 mx|1, 2.5,2.5| 2.5

La segunda iteracin vienen dada por:

3 1
4 0 4
1 1.5 1.00
2 1 1 1 1 1
= [ ] = [2.5] 2 0 4 [1.5] = [2.12]
2.5 1 1 1 4.5 2.12
[ 8 2
8]

Ya que,
2(1) + (2.5) 1 2 2.5 1 1.5
1]
[ = [1 + (2.5) + 2(2.5) 2] = [1 2.5 + 5 2] = [1.5]
2(1) + 3(2.5) + 1 2 7.5 + 1 4.5
Por otro lado:
1 2 mx|(1 1), (2.5 + 2.12), (2.5 2.12)| 0.38
= = = = 0.1792
2 mx|0, 2.12,2.12| 2.12

Hasta la segunda iteracin se obtiene < 20%.

Mtodo del Gradiente Conjugado.

El mtodo del gradiente conjugado es muy til como mtodo iterativo de aproximacin para
resolver sistemas cuadrados de gran tamao, donde la matriz es simtrica y definida
positiva. El mtodo plantea como solucin del sistema:
+1 = +
Donde la primera iteracin vienen dada por:
0 = 0 = 0
(0 ) 0
0 =
(0 ) 0

Prof. Felvir Rivas

 1 = 0 + 0 0

Para las siguientes iteraciones, = 1, 2, , 1, se tiene:

= 1 1 1
( )
=
(1 ) 1
= + 1
( )
=
( )
+1 = +

Ejemplo: Consideremos el siguiente sistema de ecuaciones:

+ 22 = 3
{ 1
21 + 52 = 7
Cuya aproximacin inicial es 0 = (2 2) . Encontremos dos iteraciones.

1 2
Primero debemos verificar que la matriz = [ ] cumple las condiciones, en efecto:
2 5
1 2
es simtrica, ya que = [ ]
2 5
es definida positiva, pues 1 = 1 y 2 = 5 4 = 1 son positivos.

Luego, para la primera iteracin se tiene:

3 1 2 2 3
0 = 0 = [ ] [ ][ ] = [ ]
7 2 5 2 7
[3 7] [3] 58
0 = 7 = = 0.1715
[3 7] [1 2] [3] 338
2 5 7
2 3 1.4852
1 = [ ] + (0.1715) [ ] = [ ]
2 7 0.7988
0 1 mx|(2 1.4852), (2 0.7988)| 1.2012
= = = = 0.8087
1 mx|1.4852, 0.7988| 1.4852

Prof. Felvir Rivas

Para la segunda iteracin tenemos:
1 = 0 0 0
3 1 2 3 3 0.1715 0.3430 3 0.0828
1 = [ ] (0.1715) [ ][ ] = [ ][ ][ ] = [ ]
7 2 5 7 7 0.3430 0.8575 7 0.0355

(1 ) 1
1 = 0 0
( )
0.0828
[0.0828 0.0355] [ ]
1 = 0.0355 = 0.00014
3
[3 7] [ ]
7

1 = 1 + 1 0
0.0828 3 0.0832
1 = [ ] + (0.00014) [ ] = [ ]
0.0355 7 0.0345

(1 ) 1
1 = 1 1
( )
0.0828
[0.0828 0.0355] [ ]
1 = 0.0355 = 5.827
1 2 0.0832
[0.0832 0.0345] [ ] [ ]
2 5 0.0345

2 = 1 + 1 1
1.4852 0.0832 0.9999
2 = [ ] + (5.827) [ ]=[ ]
0.7988 0.0345 0.9999

1 2 mx|(1.4852 0.9999), (0.7988 0.9999)| 0.4853

= = = = 0.4853
2 mx|0.9999, 0.9999| 0.9999

Prof. Felvir Rivas