SOLUCIÓN DE ECUACIONES

LINEALES ALGEBRAICAS
Sergio Galván Ph.D.
 ÍNDICE

SOLUCION DE ECUACIONES LINEALES ALGEBRAICAS

2.1. Introducción
2.2. Métodos de Eliminación directa
2.2.1. Método de Cramer
2.3. Método de Factorización LU
2.3.1. Método de Dolittle
2.3.2. Método de Crout
2.3.3. Método de Cholesky
2.4. Métodos Iterativos
2.4.1. Método de Jacobi
2.4.2. Método de Gauss-Seidel
2.4.3. Método de Sobre-relajación sucesiva

2
 INTRODUCCIÓN
3 masas m1; m2; m3 y tiene tres pesos W1; W2; W3 interconectados por cinco resortes
k1; k2; k3; k4 y k5.
En la configuración ilustrada en la
izquierda las tres masas son
soportadas por fuerzas F1; F2; F3
igual a los pesos W1;W2;W3
respectivamente para que los cinco
resortes estén en una configuración
de equilibrio estático estable.

Cuando las fuerzas de soporte F1 a

F3 son removidas, la masa se mueve
hacia abajo y alcanza una nueva
configuración de equilibrio estático
representado por x1; x2 y x3 que son
medidas desde el punto de
localización original.

Sistema estático mecánico masa-resorte. 3

Diagrama de cuerpo libre del sistema estático mecánico masa-resorte

Despejando el peso:

4
Suponiendo:

5
Así, un sistema de ecuaciones surge
en todas las ramas de la ingeniería y la
ciencia.
Este sistema podría ser a través de :

En este capítulo se verá la solución de un sistema de ecuaciones lineales de la forma:

O lo que es lo mismo:

6
7
La característica más importante de los métodos directos es que transforman la ecuación
original en ecuaciones equivalentes las cuales se pueden resolver de manera mas sencilla
obteniendo la solución en un número fijo de operaciones.

Los métodos de eliminación son procedimientos basados en eliminaciones algebraicas

directas.

Los métodos de factorización pretenden descomponer la matriz en el producto de dos

matrices triangulares una inferior y la otra superior.

Los métodos iterativos o indirectos obtienen la solución de manera asimptótica por un

procedimiento que se repite refinando la solución hasta alcanzar un cierto
criterio de convergencia.

8
METODO DE CRAMER

9
10
 Métodos de Factorización LU

Es posible mostrar que cualquier matriz cuadrada A puede ser expresada como A = LU
dónde L es una matriz triangular inferior y U una matriz triangular superior.

La matriz triangular es una matriz cuadrada en la cual todos lo elementos sobre un lado de
la diagonal principal son cero.

Los elementos restantes podrán ser cero o no.

11
El proceso de calcular L y U para una matriz dada A se llama descomposición o
factorización LU.
Son usados comúnmente tres métodos para el proceso de descomposición:

El teorema A = LU de factorización sin pivoteo dice que la solución x a un sistema

lineal de ecuaciones Ax = b se encuentra en cuatro pasos:
1. Construir las matrices A = LU.
2. Resolver Ly = b, substitución hacia adelante.
3. Resolver Ux = y, substitución hacia atrás.
4. Comprobar L(Ux) = Ly = b.

Estos métodos serán explicados con la matriz:

12
 Método de Dolittle

Paso 1: A = LU

13
14
Paso 2: Ly = b

15
Paso 3: Ux = y

16
Paso 4: L(Ux) = Ly = b

Si se tiene una matriz cuadrada 4 x 4 resulta:

17
 Método de Crout.

Este método puede ser expresar cada matriz cuadrada en el producto de una matriz
superior U por una inferior L la cual contiene la diagonal principal unitaria.

Paso 1: A = LU

18
Despejando los coeficientes de L y U:

19
Paso 2: Ly = b

20
Paso 3: Ux = y

Paso 4: L(Ux) = Ly = b

21
Si se tiene una matriz cuadrada 4x 4 resulta:

22
 Método de Cholesky.

Si A es una matriz simétrica y definida positiva: A = LU donde U = LT  A = L(LT )

Una matriz simétrica, se dice que es definida positiva, si satisface una cualquiera de
las siguientes condiciones (que son equivalentes):

23
 Para determinar si la matriz A es definida positiva, sólo es necesario verificar uno de
los cuatro criterios dados anteriormente.
Tomando el criterio número cuatro, las submatrices principales de A son:

Como el determinantes de las sub-matrices principales de A (A1;A2;A3) son positivos, se

24
confirma que A es una matriz definida positiva.
Paso 1: A = LU

25
Despejando los coeficientes de L:

Paso 2: Ly = b

26
Paso 3: LT x = y

27
Paso 4: L(Ux) = Ly = b

28
Si se tiene una matriz 4 x 4 resulta en:

29
 Métodos Indirectos.

En los métodos iterativos se supone un vector inicial x0 el cual es usado para generar un
vector solución mejorado x1 basado en alguna estrategia para reducir la diferencia entre x0 y
el vector solución x.

El procedimiento es repetido, es decir iterado hasta que converga.

El procedimiento converge si cada iteración produce aproximaciones al vector solución que

a su vez, aproxima el vector solución exacto como el numero de iteraciones se incrementa.

Los métodos iterativos no convergen para todos los conjuntos de ecuaciones ni para todos
los posibles arreglos de un particular juego de ecuaciones.

Diagonalmente dominante es una condición suficiente para la convergencia de los métodos

iterativos cuando se da cualquier vector inicial solución.

Algunos sistemas que no son diagonalmente dominantes se pueden re-arreglar para

convertirlos en esta condición.

Algunos sistemas que no son diagonalmente dominantes pueden converger para ciertos
vectores iniciales de solución.
30
Considerar el sistema lineal de ecuaciones algebraicas Ax = b

31
 Si se añade:

Re-arreglando:

32
 Método de Jacobi.
Cada ecuación del sistema se resuelve para las componentes de los vectores de solución
asociado con el elemento diagonal, xi.
El vector inicial de solución x0 se substituye en la ecuación para conducir el primer vector
de solución mejorado x1.
Para la primera iteración, k = 1

33
 para la segunda iteración k = 2:

Quedando el algoritmo como:

34
 Ejemplo:

Para cumplir con la condición de diagonal dominante:

Sea la aproximación inicial:

para la primera iteración, k=1:

35
 para la segunda iteración, k=2:

Los resultados finales se presentan en la Tabla:

36
 Método de Gauss-Seidel
Los valores mas recientes calculados de todas las xi se utilizan en todos los cálculos.
Llamado algunas veces el método de iteraciones simultaneas ya que todos los valores de xi
se iteran de manera simultanea.

para la primera iteración, k=1:

37
para la segunda iteración, k=2:

Quedando el algoritmo como:

38
 Ejemplo

para la primera iteración, k=1:

para la segunda iteración, k=2:

39
Resultados finales del método de Gauss-Seidel

40
 Método de Sobre-Relajación Sucesiva (SOR).
Métodos iterativos se conocen como métodos de relajación ya que el procedimiento
iterativo se puede ver como una relajación de x0 hacia el valor exacto de x.
En muchos casos, los cambios de xi de iteración a iteración son siempre en la misma
dirección.
En consecuencia, una sobre-corrección (sobre-reelajación) de los valores de xi por una
cantidad correcta acelera la convergencia.

para la primera iteración, k=1:

41
para la segunda iteración, k=2:

Quedando el algoritmo como:

42
 Ejemplo:

para la primera iteración, k=1:

para la segunda iteración, k=2:

43
Resultados finales del método de SOR cuando w = 1.12

44
Resultados finales del método de SOR cuando w = 0.85
 Doolitle
A b LU L y U X
5 2 1 1 5 2 1 1 0 0 y1= 1 5 2 1 X1= 0.15625
0 -3 2 0 0 -3 2 0 1 0 y2= 0 0 -3 2 X2= 0.0625
-4 1 6 0 -0.8 -0.866666667 8.533333333 -0.8 -0.86667 1 y3= 0.8 0 0 8.53333 X3= 0.09375

U11 U12 U13 1 u11 u12 u13

L21 U22 U23 0 l21u11 l21u12+u22 l21u13+u23
L31 L32 U33 0 l31u11 l31u12+l32u22 l32u13+l32u23+u33

Crout
A b LU L y U X
5 2 1 1 5 0.4 0.2 5 0 0 y1= 0.2 1 0.4 0.2 X1= 0.1563
0 -3 2 0 0 -3 -0.6667 0 -3 0 y2= 0 0 1 -0.6667 X2= 0.0625
-4 1 6 0 -4 2.6 8.5333 -4 2.6 8.5333 y3= 0.0938 0 0 1 X3= 0.0938

L11 U12 U13 1

L21 L22 U23 0

L31 L32 L33 0

Cholesky
A b L L y U=LT X
5 2 1 1 L11 0 0 2.23607 0 0 y1= 0.44721 2.23607 0 -1.78885 X1= #¡NUM!
0 -3 2 0 L21 L22 0 0 #¡NUM! 0 y2= #¡NUM! 0 #¡NUM! #¡NUM! X2= #¡NUM!
-4 1 6 0 L31 L32 L33 -1.78885 #¡NUM! #¡NUM! y3= #¡NUM! 0 0 #¡NUM! X3= #¡NUM!
Submatrices Positivas
-128 -23 5

L=LT Comprobación Simetría comprobación

5 0 -4 0 2 5 #¡NUM!
2 -3 1 -2 0 1 #¡NUM!
1 2 6 -5 -1 0 #¡NUM!

45
 Jacobi Gauss-Seidel SOR
DIAG DOM w 0.85
5 2 1 1 Si 5 2 1 1
5 2 1 1 0 -3 2 0
0 -3 2 0 Si
0 -3 2 0 -4 1 6 0
-4 1 6 0 Si k x1 x2 x3
k x1 x2 x3
-4 1 6 0
0 0.00000000 0.00000000 0.00000000
0 0 0 0 Error x1 Error x1 Error x1 k x1 x2 x3 1 0.17000000 0.00000000 0.09633333 No Si No
1 0.2 0 0 No Si Si 0 0 0 0 2 0.17912333 0.05458889 0.10821980 No No No
2 0.2 0 0.13333333 Si Si No 3 0.15991091 0.06951288 0.09700149 No No No
3 0.17333333 0.08888889 0.13333333 No No Si
1 0.2 0 0.13333333 Error x1 Error x1 Error x1
4 0.15386200 0.06539445 0.09247448 No No No
4 0.13777778 0.08888889 0.10074074 No Si No 2 0.17333333 0.08888889 0.10074074 No Si No 5 0.15512453 0.06221137 0.09296179 No No No
5 0.1442963 0.06716049 0.07703704 No No No 3 0.1442963 0.06716049 0.08500412 No No No 6 0.15631331 0.06201006 0.09373705 No No No
6 0.1577284 0.05135802 0.08500412 No No No 7 0.15642828 0.06241917 0.09386053 No No No
7 0.16245597 0.05666941 0.09659259 No No No
4 0.15613498 0.05666941 0.09464508 No No No
8 0.15628543 0.06255051 0.09377950 No No No
8 0.15801372 0.06439506 0.09885908 No No No 5 0.15840322 0.06309672 0.09508603 No No No 9 0.15623313 0.06252429 0.09374142 No No No
9 0.15447016 0.06590605 0.09460997 No No No 6 0.15574411 0.06339068 0.09326429 No No No 10 0.15624067 0.06249878 0.09374360 No No No
10 0.15471559 0.06307331 0.09199576 No No No 11 0.15625010 0.06249619 0.09374964 No No No
11 0.15637152 0.06133051 0.09263151 No No No
7 0.15599087 0.06217619 0.09363121 No No No 12 0.15625137 0.06249922 0.09375083 No No No
12 0.15694149 0.06175434 0.09402593 No No No 8 0.15640328 0.06242081 0.09386539 No No No 13 0.15625033 0.06250036 0.09375026 No No Si
13 0.15649308 0.06268395 0.09433527 No No No 9 0.1562586 0.06257692 0.09374291 No No No 14 0.15624988 0.06250020 0.09374994 Si Si Si
14 0.15605936 0.06289018 0.09388139 No No No 15 0.15624992 0.06250000 0.09374995 Si Si Si
15 0.15606765 0.0625876 0.09355788 No No No 10 0.15622065 0.06249527 0.09373122 No No No 16 0.15625000 0.06249997 0.09375000 Si Si Si
16 0.15625339 0.06237192 0.09361383 No No No 11 0.15625565 0.06248748 0.09375585 No No No 17 0.15625001 0.06249999 0.09375001 Si Si Si
17 0.15632847 0.06240922 0.0937736 No No No 12 0.15625384 0.0625039 0.09375191 No No No 18 0.15625000 0.06250000 0.09375000 Si Si Si
18 0.15628159 0.06251574 0.09381744 No No No 19 0.15625000 0.06250000 0.09375000 Si Si Si
19 0.15623022 0.06254496 0.09376844 No No No 13 0.15624806 0.06250127 0.09374849 No No No 20 0.15625000 0.06250000 0.09375000 Si Si Si
20 0.15622833 0.06251229 0.09372932 No No No 14 0.15624979 0.062499 0.09375003 No No No 21 0.15625000 0.06250000 0.09375000 Si Si Si
21 0.15624922 0.06248621 0.0937335 No No No 22 0.15625000 0.06250000 0.09375000 Si Si Si
15 0.1562504 0.06250002 0.09375026 No No No
22 0.15625881 0.062489 0.09375178 No No No 23 0.15625000 0.06250000 0.09375000 Si Si Si
23 0.15625404 0.06250119 0.09375771 No No No 16 0.15624994 0.06250017 0.09374993 Si No Si 24 0.15625000 0.06250000 0.09375000 Si Si Si
24 0.15624798 0.06250514 0.0937525 No No No 17 0.15624994 0.06249995 0.09374997 Si Si Si 25 0.15625000 0.06250000 0.09375000 Si Si Si
25 0.15624744 0.06250167 0.0937478 Si No No 26 0.15625000 0.06250000 0.09375000 Si Si Si
18 0.15625002 0.06249998 0.09375002 Si Si Si
26 0.15624977 0.06249853 0.09374802 No No Si 27 0.15625000 0.06250000 0.09375000 Si Si Si
27 0.15625098 0.06249868 0.09375009 No Si No 19 0.15625 0.06250001 0.09375 Si Si Si 28 0.15625000 0.06250000 0.09375000 Si Si Si
28 0.15625051 0.06250006 0.09375088 Si No Si 20 0.15624999 0.0625 0.09375 Si Si Si 29 0.15625000 0.06250000 0.09375000 Si Si Si
29 0.1562498 0.06250058 0.09375033 Si Si Si 30 0.15625000 0.06250000 0.09375000 Si Si Si
21 0.15625 0.0625 0.09375 Si Si Si
30 0.1562497 0.06250022 0.09374977 Si Si Si 31 0.15625000 0.06250000 0.09375000 Si Si Si
31 0.15624996 0.06249985 0.09374976 Si Si Si 22 0.15625 0.0625 0.09375 Si Si Si 32 0.15625000 0.06250000 0.09375000 Si Si Si
32 0.15625011 0.06249984 0.09375 Si Si Si 23 0.15625 0.0625 0.09375 Si Si Si 33 0.15625000 0.06250000 0.09375000 Si Si Si
33 0.15625006 0.0625 0.0937501 Si Si Si 34 0.15625000 0.06250000 0.09375000 Si Si Si
34 0.15624998 0.06250007 0.09375004 Si Si Si 35 0.15625000 0.06250000 0.09375000 Si Si Si
35 0.15624997 0.06250003 0.09374998 Si Si Si 36 0.15625000 0.06250000 0.09375000 Si Si Si
37 0.15625000 0.06250000 0.09375000 Si Si Si
38 0.15625000 0.06250000 0.09375000 Si Si Si
39 0.15625000 0.06250000 0.09375000 Si Si Si
40 0.15625000 0.06250000 0.09375000 Si Si Si
41 0.15625000 0.06250000 0.09375000 Si Si Si

46
 A b LU L y U X
14 2 4 14 14 2 4 1 0 0 y1= 14 14 2 4 X1= 1.39423
2 17 -5 -101 0.14286 16.714286 -5.571428571 0.14286 1 0 y2= -103 0 16.7143 -5.57143 X2= -5.67628
4 -5 83 155 0.28571429 -0.333333333 80 0.28571 -0.33333 1 y3= 116.667 0 0 80 X3= 1.45833

Doolitle U11 U12 U13 14 u11 u12 u13

L21 U22 U23 -101 l21u11 l21u12+u22 l21u13+u23
L31 L32 U33 155 l31u11 l31u12+l32u22 l32u13+l32u23+u33

A b LU L y U X
14 2 4 14 14 0.1429 0.2857 14 0 0 y1= 1 1 0.1429 0.2857 X1= 1.3942
2 17 -5 -101 2 16.714 -0.3333 2 16.714 0 y2= -6.1624 0 1 -0.3333 X2= -5.6763
4 -5 83 155 4 -5.5714 80 4 -5.5714 80 y3= 1.4583 0 0 1 X3= 1.4583
Crout
L11 U12 U13 14

L21 L22 U23 -101

L31 L32 L33 155

A b L L y U=LT X
14 2 4 14 L11 0 0 3.74166 0 0 y1= 3.74166 3.74166 0.53452 1.06904 X1= 1.39423
2 17 -5 -101 L21 L22 0 0.53452 4.08831 0 y2= -25.1938 0 4.08831 -1.36277 X2= -5.67628
4 -5 83 155 L31 L32 L33 1.06904 -1.36277 8.94427 y3= 13.0437 0 0 8.94427 X3= 1.45833
Cholesky Submatrices Positivas
18720 246 14

L=LT Comprobación Simetría comprobación

14 2 4 0 0 0 14
2 17 -5 0 0 0 -101
4 -5 83 0 0 0 155

47
 Jacobi
DIAG DOM
14 2 4 14 Si
2 17 -5 -101 Si
4 -5 83 155 Si
k x1 x2 x3
0 0 0 0 Error x1 Error x1 Error x1
1 1 -5.9411765 1.86746988 No No No
2 1.31517667 -5.5095677 1.46137491 No No No
3 1.36954541 -5.666087 1.4721862 No No No
4 1.38881637 -5.6693035 1.46013715 No No No
5 1.39271846 -5.6751145 1.45901466 No No No
6 1.39386931 -5.6759037 1.45847655 No No No
7 1.39413581 -5.6761974 1.45837354 No No No
8 1.39420719 -5.6762591 1.45834301 No No No
9 1.39422472 -5.6762764 1.45833586 No No No
10 1.39422925 -5.6762806 1.45833396 No No No
11 1.39423038 -5.6762817 1.45833349 No No Si
12 1.39423067 -5.676282 1.45833337 Si Si Si
13 1.39423074 -5.676282 1.45833334 Si Si Si
14 1.39423076 -5.676282 1.45833334 Si Si Si
15 1.39423077 -5.676282 1.45833333 Si Si Si

Gauss-Seidel SOR
w= 0.85
14 2 4 14 14 2 4 14
2 17 -5 -101 2 17 -5 -101
4 -5 83 155
4 -5 83 155
k x1 x2 x3
k x1 x2 x3
0 0.00000000 0.00000000 0.00000000
0 0 0 0
1 0.85000000 -5.13500000 1.28959337 No No No
1 1 -6.0588235 1.45428774 Error x1 Error x1 Error x1
2 1.28784875 -5.62663653 1.43992225 No No No
2 1.45003544 -5.6840372 1.45517677 No No No
3 1.37671635 -5.67168655 1.45652444 No No No
3 1.39624052 -5.6774469 1.45816631 No No No 4 1.39148488 -5.67577036 1.45820068 No No No
4 1.3944449 -5.6763564 1.45831854 No No No 5 1.39378897 -5.67619428 1.45833603 No No No
5 1.39424561 -5.6762881 1.45833225 No No No 6 1.39415319 -5.67626045 1.45833802 No No No
6 1.39423195 -5.6762825 1.45833325 No No No 7 1.39421537 -5.67627610 1.45833497 No No No
7 1.39423086 -5.6762821 1.45833333 No No Si 8 1.39422734 -5.67628041 1.45833380 No No No
8 1.39423078 -5.6762821 1.45833333 No Si Si 9 1.39422994 -5.67628160 1.45833346 No No Si
9 1.39423077 -5.6762821 1.45833333 Si Si Si 10 1.39423056 -5.67628193 1.45833337 Si Si Si
10 1.39423077 -5.6762821 1.45833333 Si Si Si 11 1.39423072 -5.67628202 1.45833334 Si Si Si
11 1.39423077 -5.6762821 1.45833333 Si Si Si 12 1.39423076 -5.67628204 1.45833334 Si Si Si 48
12 1.39423077 -5.6762821 1.45833333 Si Si Si