Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 1 de 20 ÁLGEBRA LINEAL NUMÉRICA Matrices y Vectores Una matriz es un arreglo rectangular de números. Cuando el arreglo es cuadrado se llama matriz cuadrada. Las matrices se escriben en forma simbólica 333233 232222 131211 aaa aaa aaa =A 333233 232222 131211 bbb bbb bbb B = Abreviación de las matrices: [ ]ijaA = y [ ]ijbB = Si una matriz es rectangular con m renglones o filas y n columnas decimos que es una matriz de m x n. Las matrices tienen cuatro operaciones básicas análogas a las de los números: suma, resta, multiplicación y división. Dos matrices del mismo tamaño pueden sumarse o restarse. La suma de [ ] [ ]ijij ba == BA y es la matriz cuyos elementos son la suma de los elementos correspondientes de : BA y [ ] [ ]ijijij cba =+=+= BAC La diferencia de dos matrices del mismo tamaño se obtiene al restar elementos correspondientes [ ] [ ]ijijij cba =−=−= BAC La multiplicación de A*B = C Donde C = [cij] y kjkj N k ij bac ⋅= ∑ =1 Como se puede ver fácilmente, en general el producto B.A no es igual a A.B, por lo tanto no es conmutativa. División: , es la inversa de B . La división es equivalente a CAB 1 =− 1B − BCA = La división es más restrictiva que las demás operaciones puesto que B-1 solo puede existir si B es una matriz cuadrada. Un vector renglón es un arreglo de columna de números o variables ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 3 2 1 x x x V Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 2 de 20 Si un vector columna está formado por n números, se dice que el orden del vector es n. Un vector columna también se puede pensar como una matriz de . 1nx Un vector renglón es un arreglo en renglón de números o variables. [ ]321 xxx=V Un vector renglón se considera como una matriz de xn1 Tipos especiales de matrices Matriz nula: Todos los elementos de la matriz nula son iguales a cero. Matriz diagonal: es una matriz cuadrada donde todos los elementos son iguales a cero excepto los elementos de la diagonal ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 33 22 11 00 00 00 a a a A Matriz identidad (I): es una matriz diagonal donde todos los elementos son iguales a cero excepto los elementos de la diagonal, que son iguales a uno. ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 100 010 001 A Matriz simétrica: es una matriz cuadrada donde jiij aa = para toda i y para toda j. ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 872 731 215 A Matriz triangular superior: matriz cuadrada donde todos los elementos bajo la diagonal principal son cero. ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = 44 3433 242322 14131211 000 00 0 a aa aaa aaaa A Matriz triangular inferior: todos los elementos arriba de la diagonal principal son cero. ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = 44434241 333231 2221 11 0 00 000 aaaa aaa aa a A Matriz transpuesta: Para una matriz definida por [ ]ijaA = su transpuesta se define como Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 3 de 20 [ ]jiaA = (se intercambia i y j). Matriz inversa. La inversa de una matriz cuadrada A se escribe como A-1 y satisface IAAAA 11 == −− . Siendo I la matriz identidad. Vector nulo: Todos sus elementos son iguales a cero. Vectores unitarios: Todos los elementos son iguales a cero excepto uno que vale 1 Vector Transpuesto: Si un vector esta dado por ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 3 2 1 x x x V Entonces su transpuesto se escribe como vt y se define como [ ]321 xxxt =V El transpuesto un vector columna es un vector renglón. Representación en forma matricial de sistemas de ecuaciones algebraicas lineales Las matrices proporcionan una notación concisa en la representación de ecuaciones de ecuaciones simultáneas lineales. El sistema lineal nnnnnn nn nn cxaxaxa cxaxaxa cxaxaxa =+++ =+++ =+++ L M L L 2211 22222121 11212111 se puede expresar como , donde A es una matriz cuadrada de coeficientes, C es un vector renglón de constantes, y X un vector renglón de incógnitas. CAX = nxn xn1 xn1 ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = n 2 1 n 2 1 21 22221 11211 c c c y MM L MMM L L CxA x x x aaa aaa aaa nnnn n n Algunas veces es útil aumentar A con C, para obtener la matriz aumentada [ ] , 21 222221 111211 ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nnnnn n n caaa caaa caaa L MMMM L L CA Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 4 de 20 donde se usa la línea punteada para separar los coeficientes de las incógnitas de los valores del lado derecho de las ecuaciones. Expresar de esta manera la ecuación tiene utilidad, ya que varias de las técnicas en la solución de sistemas lineales hacen operaciones idénticas a una fila de coeficientes y a la constante correspondiente del lado derecho. SOLUCIÓN DE SISTEMAS LINEALES: Los sistemas lineales de ecuaciones se presentan en muchos problemas de ingeniería y de ciencia, así como en las aplicaciones de las matemáticas a las ciencias sociales y al estudio cuantitativo de problemas de comercio y economía. Dentro de las técnicas para resolver sistemas lineales, se distinguen dos grandes familias de métodos: • Métodos directos: se obtiene la solución mediante un número finito de operaciones, sujeta solamente a errores de redondeo. • Métodos iterativos: se construye mediante una relación de recurrencia una sucesión infinita, que a partir de una estimación y bajo ciertas condiciones converge a la solución buscada. MÉTODOS DIRECTOS Eliminación de Gauss para problemas ideales sencillos La eliminación de Gauss es el método que se utiliza en forma más amplia para resolver un conjunto de ecuaciones lineales. Un conjunto de n ecuaciones con n incógnitas es de la forma: nnnnnn nn nn cxaxaxa cxaxaxa cxaxaxa =+++ =+++ =+++ L M L L 2211 22222121 11212111 donde los son coeficientes, los son la incógnitas y los son los términos conocidos llamados libres o independientes. En este caso, el número de incógnitas es igual al número de ecuaciones, que es la forma más usual de un conjunto de ecuaciones lineales. ija ix ic La eliminación de Gauss se aplica sólo al caso de los conjuntos no homogéneos de ecuaciones. Consideraremos un problema ideal en el que el conjunto de ecuaciones tiene una solución única y no aparece ninguna dificultad en el proceso de solución. La eliminación de Gauss consiste en: Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 5 de 20 a) la eliminación hacia adelante b) la sustitución hacia atrás. a) Eliminación hacia adelante La primera fase reduce el conjunto de ecuaciones a un sistema triangular superior. El paso inicial consiste en dividir la primera ecuación porel coeficiente de la primera incógnita : 11a 11 1 11 1 2 11 12 1 a cx a a x a ax n n =+++ L (Ecuación normalizada) En seguida se multiplica la ecuación normalizada por el primer coeficiente de la segunda ecuación, : 21a 11 1 21 11 1 212 11 12 21121 a cax a a ax a aaxa n n =⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ++⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ + L y se le resta a la segunda ecuación para eliminar el primer término de la segunda; 11 1 212 11 1 21222 11 12 2122 a c acx a a aax a a aa n n −=⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ −++⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − L o, 22222 cxaxa nn ′=′++′ L en donde el apóstrofe indica que los elementos han cambiado sus valores originales. El proceso se repite hasta que se elimina la primera incógnita de las ecuaciones restantes. Por ejemplo, la ecuación normalizada se multiplica por y el resultado se resta de la tercera ecuación para obtener 31a 33232 cxaxa nn ′=′++′ L Repitiendo el procedimiento para el resto de las ecuaciones da como resultado el siguiente sistema modificado: (4) (3) (2) (1) 22 33232 22222 11212111 nnnnn nn nn nn cxaxa cxaxa cxaxa cxaxaxa ′=′++′ ′=′++′ ′=′++′ =+++ L M L L L A la ecuación (1) se le llama ecuación pivotal y a se le llama pivote. 11a Se repite el proceso para eliminar la segunda incógnita de las ecuaciones (2) hasta la (4). Se usa como ecuación pivotal la (2) normalizándola y dividiéndola por el pivote . Multiplicando 22a′ Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 6 de 20 la ecuación normalizada por y restando el resultado a la ecuación (3) se elimina la segunda incógnita. Repitiendo el proceso con las ecuaciones restantes se obtiene: 32a′ 33 33333 22323222 11313212111 nnnnn nn nn nn cxaxa cxaxa cxaxaxa cxaxaxaxa ′′=′′++′′ ′′=′′++′′ ′=′++′+′ =+++′+ L M L L L en donde el apóstrofe doble indica que los coeficientes se han modificado dos veces. El procedimiento se puede continuar usando las ecuaciones restantes como pivotales. La operación final de esta secuencia es la de usar la ésiman −− )1( ecuación para eliminar el término de la n-ésima ecuación. 1−nx En ese momento el sistema se transforma en un sistema triangular superior. )1()1( 33333 22323222 11313212111 −− = = ′′=′′++′′ ′=′++′+′ =+++′+ n nn n nn nn nn nn cxa cxaxa cxaxaxa cxaxaxaxa MO L L L b) Sustitución hacia atrás El procedimiento de sustitución hacia atrás comienza con la última ecuación. Se obtiene la solución de x n en la última ecuación: 1 1 − − = n nn n n a c x n Este resultado se puede sustituir en la ésiman −− )1( ecuación y resolverse ésta para x n-1. El procedimiento se repite evaluando las restantes. Con esto se completa la eliminación de Gauss. x A continuación daremos un pequeño ejemplo de cómo se resuelve un sistema de ecuaciones mediante el método de Gauss. Ejemplo 1: Resuelva las siguientes ecuaciones lineales en forma de arreglo: Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 7 de 20 033 1223 132 321 321 321 =−+ =++− −=−+ xxx xxx xxx Solución: La expresión en arreglo de las ecuaciones es: 0313 12231 1312 − − −− Para comenzar la eliminación hacia adelante, se divide por 2 la primera ecuación para normalizarla y la multiplicamos por -1,y restamos de la segunda. Luego eliminamos de la tercera ecuación. El arreglo queda como 1x 2 3 2 3 2 1 2 23 2 1 2 7 0 0 1312 − −− Continuamos con la eliminación hacia adelante normalizamos el segundo renglón dividiendo por 27 y restamos el segundo renglón multiplicado por – 1/2 del tercer renglón: 7 22 7 11 2 23 2 1 2 7 00 0 1312 −− Esto concluye la eliminación hacia adelante. La sustitución hacia atrás comienza con el último renglón. Interpretamos el último renglón como: 7 22 7 11 3 =x 23 =⇒ x Análogamente 2 23 32 1 22 7 =+ xx 3 2 21 2 7 22 =⇒= xx y 132 321 −=−+ xxx 11 =⇒ x Eliminación de Gauss-Jordan Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 8 de 20 Es una variante de la eliminación de Gauss. La principal diferencia consiste en que el método de Gauss-Jordan cuando se elimina una incógnita no solo se elimina de las ecuaciones siguientes sino de todas las otras ecuaciones. De esta forma, el paso de eliminación genera una matriz identidad en vez de una matriz triangular. Por consiguiente, no es necesario emplear la sustitución hacia atrás para obtener la solución. Para preservar exactitud aritmética suele usarse el pivoteo. Ejemplo 2: Resolvemos ahora el mismo problema del ejemplo 1 mediante el método de Gauss-Jordan. 033 1233 132 321 321 321 =−+ =++− −=−+ xxx xxx xxx Solución: Se expresan los coeficientes y el vector de términos independientes como una matriz aumentada ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − −− 0313 12231 1312 Se normaliza el primer renglón dividiéndolo por el pivote 2 para obtener ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − −− 0313 12231 1 212321 El término se puede eliminar del segundo renglón restando -1 veces el primero del segundo renglón. De manera similar, restando 3 veces el primero del tercer renglón se elimina el término con del tercer renglón. 1x 1x ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −− 2 3 2 3 2 1 2 23 2 1 2 7 2 1 2 3 2 1 0 0 1 Se normaliza el segundo renglón dividiéndolo entre 7/2. Reduciendo los términos en del primer y tercer renglón 2x Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 9 de 20 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −− 14 44 14 22 7 23 7 1 14 30 14 22 00 10 01 El tercer renglón se normaliza dividiéndolo entre 22/14 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −− 2100 10 01 7 23 7 1 14 30 14 22 Los términos con se pueden reducir de la primera y segunda ecuación para obtener: 3x ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 2100 3010 1001 Estrategia de pivoteo La eliminación de Gauss se aplica a un problema ideal sencillo con coeficientes no nulos. Sin embargo, el método no funciona si el primer coeficiente del primer renglón es igual a cero o si un coeficiente de la diagonal se anula en el proceso de solución, ya que se usan como denominadores en la eliminación hacia adelante. El problema se presenta también cuando el coeficiente es muy cercano a cero, pues un elemento pivote que es pequeño comparado con los elementos de debajo de él en la misma columna puede llevar a un error de redondeo sustancial. Se ha desarrollado una estrategia del pivoteo para evitar parcialmenteeste problema. Existen diferentes estrategias para la elección del pivote, según que la reordenación afecte sólo a las filas (pivoteo parcial) o tanto a las filas como a las columnas (pivoteo total). Las ecuaciones no se afectan, matemáticamente por cambios en el orden secuencial, pero el cambio de orden hace posible el cálculo cuando el coeficiente de la diagonal sea nulo. Aún cuando todos los coeficientes de la diagonal fueran nulos, los cambios de orden aumentan la exactitud de los cálculos. Si a pesar del pivoteo, es inevitable un elemento nulo en la diagonal, esto indica que el problema es de los que no tienen solución única. Si así ocurre, detenemos el esfuerzo del cálculo. Ejemplo 3: Resolver Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 10 de 20 542 63 210 321 321 32 =++ =−+ =+ xxx xxx xx Solución: La expresión en arreglo de las ecuaciones es: 5142 6131 21100 − No se puede eliminar el primer número de los renglones segundo y tercero debido a que el primer número del primer renglón es igual a cero. En nuestro primer pivoteo, se intercambia el primer y el último renglón. Algunos podrían intercambiar el primer y segundo, en vez de esto, se lleva el tercer renglón a la parte de arriba debido a que el primer número del tercer renglón tiene el mayor módulo (valor absoluto) de la primera columna. El hecho de llevar el número más grande de la columna a la posición diagonal tiene la ventaja de reducir el error de redondeo. Después de este pivoteo, el arreglo queda como: 21100 6131 5142 − A continuación, eliminamos el primer número del segundo renglón restando a este el primero multiplicado por 1/2 2 4 1 5 0 1 -3/2 7/2 0 10 1 2 El primer número del tercer renglón ya es igual a cero, por lo que procedemos a eliminar el segundo número, 10, del tercer renglón. Sin embargo, este número es mayor que el segundo número del segundo renglón (coeficiente de la diagonal). En general, como ya se ha mencionado, no es recomendable eliminar el número mayor en magnitud que el término de la diagonal. Por lo tanto, intercambiamos el orden de los renglones 2° y 3°: 2 4 1 5 0 10 1 2 0 1 -3/2 7/2 Después eliminamos el segundo número del tercer renglón, con lo que el arreglo anterior se Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 11 de 20 transforma en 2 4 1 5 0 10 1 2 0 0 -16/5 33/5 Los datos 2, 10 y -16/5 se llaman coeficientes de la diagonal o pivotes. Las sustituciones hacia atrás dan como resultado x 3 = -2.0625 x 2 = ( 2 – x 3 ) / 10 = 0.4062 x 1 = ( 5- 4 x 2 – x 3 ) = 2.7187 Las eliminaciones de Gauss Jordan también producen 0625.2100 4062.0010 71875.2001 − Problemas Sin Solución Única No siempre es posible resolver un conjunto de ecuaciones lineales en forma numérica. Para ecuaciones simultáneas, cada ecuación representa un plano en el sistema de coordenadas tridimensional. El punto donde se intersecten los planos representa la solución. Más allá de tres ecuaciones los métodos gráficos no funcionan, pero resultan útiles para visualizar propiedades de la solución. Los siguientes conjuntos de ecuaciones lineales son tres ejemplos sencillos, pero importantes. a) - x + y =1 - 2x + 2y =2 La segunda ecuación es el doble de la primera, por lo que matemáticamente son idénticas. Cualquier punto (x,y) que satisfaga una de las ecuaciones, también es solución de la otra. Por lo tanto, el número de soluciones es infinito. En otras palabras no existe una solución única. Si una ecuación es múltiplo de otra, o se puede obtener sumando o restando otras ecuaciones, se dice que esa ecuación es linealmente dependiente de las otras. Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 12 de 20 b) - x + y = 1 - x + y = 0 las dos ecuaciones son rectas paralelas que no se intersecan por lo que no existe solución. (Sistema inconsistente). c) - x + y =1 x + 2y = -2 2x - y = 0 Un caso como el de c) no puede ocurrir si el número de ecuaciones es igual al número de incógnitas. Las condiciones necesarias para la existencia de una solución única son las siguientes: • El número de ecuaciones debe ser igual al número de incógnitas. • Cada ecuación es linealmente independiente; o en forma equivalente, ninguna ecuación se puede eliminar sumando o restando otras ecuaciones. Inversión de una matriz Si una matriz es cuadrada, entonces existe otra matriz, llamada la matriz inversa de , para el cual 1−A A IAAAA == −− 11 La inversa se puede usar para resolver un conjunto de ecuaciones simultáneas, si se toma CAX 1−= Se puede calcular la inversa de una matriz aplicando la eliminación de Gauss- Jordan, la matriz de coeficientes se aumenta con una matriz identidad . 100 010 001 333231 232221 131211 aaa aaa aaa Entonces seguimos la eliminación de Gauss-Jordan exactamente en la misma forma que al resolver un conjunto de ecuaciones lineales. Cuando la mitad izquierda de la matriz aumentada Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 13 de 20 se reduce a una matriz identidad, la mitad derecha se convierte en A-1. DESCOMPOSICIÓN LU El esquema de descomposición LU es una transformación de una matriz A como producto de dos matrices, A = LU donde L es una matriz triangular inferior y U es una matriz triangular superior. Cuando uno debe resolver varios conjuntos de ecuaciones lineales en los que todas las matrices de coeficientes son iguales pero los términos no homogéneos (lado derecho) son distintos, la solución de las ecuaciones utilizando la descomposición LU tiende a ser más eficiente que la eliminación de Gauss. La descomposición LU para una matriz de 3x3 se ilustra de la manera siguiente: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 33 2322 131211 333231 2221 11 333231 232221 131211 00 00 00 u uu uuu lll ll l aaa aaa aaa Los 9 elementos conocidos de A se pueden usar para determinar parcialmente 6 elementos desconocidos de L y el mismo número de los de U. Sin embargo, si el procedimiento nos debe llevar a una solución única, se necesitan 3 condiciones adicionales para los elementos de L y de U. El método a usar en este ejemplo consiste en requerir arbitrariamente que , éste se conoce como el método de Doolittle. 1332211 === lll ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 33 2322 131211 3231 21 333231 232221 131211 00 0 1 01 001 u uu uuu ll l aaa aaa aaa Para evaluar y en la ecuación sin pivoteo, primero multiplicamos el primer renglón de L por cada columna de U y comparamos el resultado con el primer renglón de A. Tenemos entonces que el primer renglón de U es idéntico al de A: iju ijl 3 ,2 ,1 11 == jau jj Multiplicamos el segundo y tercer renglón de L por la primera columna de U y lo comparamos con el lado izquierdo para obtener 11 21 21112121 u alula =⇒= 11 31 31113131 u alula =⇒= Multiplicamos el segundo renglón de L por la segunda y tercera columnas de U y las comparamos con el lado izquierdo para obtener Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 14 de 20 1221222222122122 ulauuula −=⇒+= 1321232323132123 ulauuula −=⇒+= Multiplicamos el tercer renglón de L por la segunda columna de U y tenemos ( ) 22 123132 322232123132 u ulalulula −=⇒+= Finalmente, se obtiene multiplicando el último renglón de L por la última columna de U y lo igualamos como sigue 33u 33a 233213313333332332133133 ululauuulula −−=⇒++= El esquema general de la descomposición LU para una matriz de orden N es el siguiente: El primer renglón de U, para j = 1 hasta N, se obtiene por medio de iju u1,j = a1,j j = 1 hasta N La primera columna de L, para i = 2 hasta N, se obtiene por medio de 1jl Niu al ij hasta 2 11 1 1 == El segundo renglón de U se obtiene como Njulau jjj hasta 2 12122 =−= La segunda columna de L se obtiene mediante ( ) Niu ulal iii hasta 3 22 1212 2 = −= El n-ésimo renglón de U se obtiene de Nnjulau n k kjnknjnj hasta 1 1 =−= ∑ − = La n-ésima columna de L se obtiene de Nniu ula l nn n k knikin in hasta 1 1 1 += ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = ∑ − = Una vez obtenida la descomposición se resuelve el sistema lineal CUXLLU == )()( X resolviendo sucesivamente los dos sistemas lineales triangulares YUX CLY = = Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 15 de 20 Ejemplo 4: resolver 033 1223 132 321 321 321 =−+ =++− −=−+ xxx xxx xxx Solución: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − 33 2322 131211 3231 21 00 0 1 01 001 313 231 312 u uu uuu ll l Procedemos 3 ,2 ,1 11 == jau jj 3 ,1 ,2 131211 −===⇒ uuu 2 1 1 211121 −=⇒=− lul 2/72/133 22221221 =+=⇒+= uuul 2 3 3 311131 =⇒= lul 2/12/322 23231321 =−=⇒+= uuul ( ) 7/12/7 2/311 3222321231 −= −=⇒+= lulul 7/1133 23321331333323321331 =−−−=⇒++=− ululuuulul Resolvemos LY=C ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡− = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − 0 12 1 17/12/3 012/1 001 3 2 1 y y y 7/2207/12/3 2/23122/1 1 3321 221 1 =⇒=+− =⇒=+− −= yyyy yyy y Ahora resolvemos por sustitución hacia atrás, UX=Y ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − 7/22 2/23 1 7/1100 2/12/70 312 3 2 1 x x x 1132 32/232/12/7 2 1321 232 3 =⇒−=−+ =⇒=+ = xxxx xxx x Determinantes El determinante es un número importante asociado con toda matriz cuadrada. De hecho, un Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 16 de 20 conjunto no homogéneo de ecuaciones lineales no tiene una solución única, a menos que el determinante de la matriz de coeficientes sea distinto de cero. Por otro lado, un conjunto homogéneo de ecuaciones lineales tiene más de una solución cuando el determinante es igual a cero. Hay muchas ocasiones en las que es necesario evaluar el determinante de una matriz. El determinante de una matriz A se denota por el det (A) y se define como ∑ ±= rNkji aaaa ,,)()det( 321 KA donde la suma se hace sobre todas las permutaciones de los primeros subíndices de a, y (�) toma el signo más si la permutación es par y menos si la permutación es impar. Para una matriz de 2x2, el determinante de A se calcula como 21122211 2221 1211det)det( aaaa aa aa −=⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =A Para una matriz de 3x3, el determinante es 132231331221233211132113312312332211 333231 232221 131211 det)det( aaaaaaaaaaaaaaaaaa aaa aaa aaa −−−++= ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ =A La regla para calcular el determinante de una matriz de 3x3 se conoce como la regla del espagueti. Esta regla no se pude extender a una matriz de orden mayor o igual que 4x4. Una forma práctica de calcular el determinante es utilizar el proceso de eliminación hacia delante en la eliminación de Gauss o, en forma alternativa, la descomposición LU descripta anteriormente. Primero haremos notar dos importantes reglas de los determinantes: Regla 1: det (BC) = det (B) det (C) Lo que significa que el determinante de un producto de matrices es el producto de los determinantes de todas las matrices. Regla 2: det (M) = el producto de todos los elementos de la diagonal de M, si M es una matriz triangular superior o inferior. Si no se utiliza el pivoteo, el cálculo del determinante mediante la descomposición LU es directo. Según la regla 1, el determinante se puede escribir como det (A) = det( LU) = det (L) det(U) = det(U) donde det (L) = 1 porque L es una matriz triangular inferior y todos los elementos de la diagonal valen 1. El det (U) es el producto de todos los elementos de la diagonal de U, que es Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 17 de 20 igual a det (A). También se puede calcular el determinante de una matriz durante el proceso de eliminación de Gauss. Esto se debe a que cuando se termina la eliminación hacia adelante, la matriz original se ha transformado en la matriz U de la descomposición LU. Por lo tanto, el determinante se puede calcular tomando el producto de todos los términos de la diagonal y multiplicando después por 1 o -1, según sea par o impar el número de operaciones de pivoteo realizadas, respectivamente. Problemas mal Condicionados En sentido matemático, los sistemas bien condicionados son aquellos en los que un cambio en uno o más coeficientes provoca un cambio similar en la solución. Los sistemas mal condicionados son aquellos en donde cambios pequeños en los coeficientes provocan cambios significativos en la solución. Una interpretación diferente del mal condicionamiento es que un rango amplio de respuestas puede satisfacer aproximadamente al sistema. Ya que los errores de redondeo pueden inducir cambios pequeños en los coeficientes, estos cambios artificiales puedengenerar errores grandes en la solución de sistemas mal condicionados. La inversa también suministra una manera de discernir cuando los sistemas están mal condicionados. La matriz A de un problema mal condicionado tiene las siguientes características: • Un ligero cambio de coeficientes (o elementos de la matriz) provoca cambios significativos en la solución. • Los elementos de la diagonal de la matriz de coeficientes tienden a ser menores que los elementos que no pertenecen a la diagonal. • El det ( A) det(A-1) difiere en forma significativa de 1. • El resultado de (A-1)-1 es muy distinto de A. • AA-1 difiere en grado sumo de la matriz identidad. • A-1 (A-1)-1 difiere más de la matriz identidad que lo que difiere AA-1. MÉTODOS ITERATIVOS Los métodos de eliminación directa analizados se pueden usar para resolver aproximadamente de 25 a 50 ecuaciones lineales simultáneas. Esta cantidad a veces se puede aumentar si el sistema está bien condicionado, si se emplea la estrategia pivotal o si la matriz es dispersa. Sin embargo, debido a los errores de redondeo, los métodos de eliminación algunas veces son inadecuados para sistemas muy grandes. En este tipo de problemas se pueden usar los Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 18 de 20 métodos iterativos o de aproximación con alguna ventaja. La razón por la cual los métodos iterativos son útiles en la disminución de los errores de redondeo en sistemas, se debe a que un método de aproximación se puede continuar hasta que converja dentro de alguna tolerancia de error previamente especificada. De esta forma, el redondeo no es un problema, ya que se controla el nivel de error aceptable. Método de Gauss - Seidel Supóngase que se ha dado un conjunto de n ecuaciones: CAX = si los elementos de la diagonal son diferentes de cero, la primera ecuación se puede resolver para , la segunda para , etcétera, lo que lleva a: 1x 2x (d) (c) (b) (a) 11,2211 22 32321313 3 22 23231212 2 11 13132121 1 nn nnnnnn n nn nn nn a xaxaxac x a xaxaxac x a xaxaxac x a xaxaxac x −−−−−−= = −−−− = −−−− = −−−− = L MM L L L Ahora, se puede empezar el proceso de solución usando un valor inicial para las x. La solución trivial puede servir de valor inicial, esto es, todas las x valen cero. Estos ceros sustituyen en la ecuación (a), que se usan para calcular un nuevo valor de 1111 acx = . Luego, se sustituye el nuevo valor de , con aun en cero, en la ecuación (b) con lo cual se calcula un nuevo valor de . Este proceso se repite en cada una de las ecuaciones hasta llegar a la ecuación (d) la cual calcula un nuevo valor de . En seguida se regresa a la primera ecuación y se repite todo el proceso hasta que la solución converja. La convergencia se puede verificar usando el criterio 1x nxx ,,3 K 2x nx %100 1 j i j i j i i x xx − =∈ − para toda i en donde j y j-1 denotan la iteración actual y la anterior. Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 19 de 20 Veamos un esquema gráfico de la diferencia entre el método de Gauss – Seidel y el de Jacobi, en la solución de ecuaciones algebraicas lineales simultáneas Primera iteración 11 13132121 1 a xaxaxac x nn −−−− = L 11 13132121 1 a xaxaxac x nn −−−− = L 22 23231212 2 a xaxaxac x nn −−−− = L 22 23231212 2 a xaxaxac x nn −−−− = L 22 32321313 3 a xaxaxac x nn −−−− = L 22 32321313 3 a xaxaxac x nn −−−− = L Segunda iteración 11 13132121 1 a xaxaxac x nn −−−− = L 11 13132121 1 a xaxaxac x nn −−−− = L 22 23231212 2 a xaxaxac x nn −−−− = L 22 23231212 2 a xaxaxac x nn −−−− = L 22 32321313 3 a xaxaxac x nn −−−− = L 22 32321313 3 a xaxaxac x nn −−−− = L Criterio de convergencia Jacobi y Gauss-Seidel son similares al método de iteración de punto fijo. Recuérdese que la iteración de punto fijo tiene dos problemas fundamentales: a) algunas veces no converge b) cuando lo hace, es a menudo, muy lento. Estos métodos también pueden tener estas fallas. Una condición de convergencia es que los coeficientes sobre la diagonal de cada una de las ecuaciones sean mayor que la suma de los otros coeficientes en la ecuación. Una expresión cuantitativa de este criterio es: ∑> ijii aa , En donde la sumatoria varía desde 1=j hasta n, excluyendo ij = . Esta ecuación es un criterio de convergencia suficiente pero no necesario. A los sistemas donde se cumple la ecuación se les conoce como diagonalmente dominante. Hay algunos casos del sistema CAX = en que la matriz de coeficientes no tiene dominancia diagonal pero ambos métodos convergen. Puede demostrarse que, si la matriz de coeficientes, A, es simétrica y definida positiva, entonces el método de Gauss – Seidel converge desde cualquier vector inicial. Cuando ambos métodos convergen, el método de Gauss – Seidel Facultad de Ingeniería UNJu APUNTES Año 2008 CALCULO NUMERICO- PROGRAMACIÓN APLICADA Pág. 20 de 20 converge más rápido. BIBLIOGRAFÍA • Chapra Steven C., Canale Raymond P.; MÉTODOS NUMÉRICOS PARA INGENIEROS. Con aplicaciones en computadoras personales, 1996, McGraw – Hill/Interamericana de México. • Burden Richard L., Faires J.Douglas; ANÁLISIS NUMÉRICO, 1996, Grupo Editorial Iberoamérica. • Gerald – Wheatley; ANÁLISIS NUMÉRICO CON APLICACIONES, 2000. • Nakamura Shoichiro, MÉTODOS NUMÉRICOS CON SOFTWARE, 1992, Pearson Educación.
Compartir