6/29/2018

SISTEMAS LINEALES
1 ALGEBRA MATRICIAL
Norma vectorial y matricial
Una norma vectorial en ℝ𝑛 es una función es una función . de ℝ𝑛 en
ℝ con las siguientes propiedades:

6/29/2018
En particular definimos:

La norma 2 es la que se denomina norma euclídea

2
6/29/2018
3
Desigualdad de Cauchy- Schwarz
Para todo 𝑥 = 𝑥1 , … , 𝑥𝑛 e 𝑦 = 𝑦1 , … , 𝑦𝑛 ∈ ℝ𝑛 𝑠𝑒 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎:

6/29/2018
Distancia
Dados dos vectores de ℝ𝑛 se define la distancia entre ellos como la
norma de la diferencia. Así tenemos:

Definición
Se dice que una sucesión 𝑥 𝑘 𝑘≥1 de vectores de ℝ𝑛 converge a x
respecto de la norma . si ∀𝜺 > 𝟎 ∃ 𝑵 𝜺 tal que:
4
Teorema
Para todo 𝑥 ∈ ℝ𝑛 se verifica:

6/29/2018
Demostración (en clase).
La siguiente figura muestra el resultado anterior cuando n=2

5
Definición
Una norma matricial sobre el conjunto de las matrices de nxn es
una función de valor real . que satisface:

6/29/2018
La distancia entre dos matrices se define como : 𝑨 − 𝑩 .
Propiedad
Si . es una norma vectorial en ℝ𝑛 entonces:

Es una norma matricial.

A esta norma se la llama norma natural o inducida por la norma

6
vectorial
Corolario
Para todo vector 𝑧 ≠
0 , 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑦 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑛𝑜𝑟𝑚𝑎 𝑛𝑎𝑡𝑢𝑟𝑎𝑙 . 𝑡𝑒𝑛𝑒𝑚𝑜𝑠:

6/29/2018
Las normas que veremos son:

7
Para el caso n=2 y la matriz igual a:

Tenemos la siguiente interpretación gráfica:

6/29/2018
8
Teorema
Si 𝐴 = 𝑎𝑖𝑗 es una matriz nxn, entonces:

6/29/2018
Ejemplo
Calcular 𝐴 ∞ siendo :

Autovalores de una matriz

Si A es una matriz cuadrada el polinomio definido por:

Se denomina polinomio característico de A y los ceros de éste son

9
los Autovalores o valores propios de la matriz A
Definición
Si 𝜆 𝑒𝑠 𝑢𝑛 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝐴 𝑦 𝑠𝑖 𝑥 ≠ 0 𝑡𝑖𝑒𝑛𝑒 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑝𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑:
𝐴 − 𝜆𝐼 𝑥 = 0 entonces x se denomina autovector o vector propio de A,
asociado al autovalor 𝜆

6/29/2018
Radio espectral
El radio espectral de una matriz A se define como:

Teorema
Si A es una matriz nxn entonces:

10
Ejemplo
Calcule:
i) El radio espectral de A
ii) Calcule 𝐴 2

6/29/2018
iii) Verifique que: 𝜌 𝐴 ≤ 𝐴 ∞
Siendo

11
Métodos iterativos para resolver sistemas lineales

Veremos los métodos de Jacobi y Gauss-Seidel, que datan de fines del

siglo XVIII.

6/29/2018
Un método iterativo con el cual se resuelve el sistema lineal A.x=b
comienza con una aproximación lineal 𝑥 0 y genera una sucesión de
vectores 𝑥 𝑘 𝑘≥0 que converge a x, siendo x la solución del sistema.
Básicamente consisten en convertir el sistema A.x=b en otro
equivalente de la forma x=T.x+c para alguna matriz fija T y un vector
fijo c.
Luego de seleccionar el vector inicial 𝑥 0 , la sucesión de los vectores de
la solución aproximada se genera calculando:

𝑥 𝑘+1 = 𝑇𝑥 𝑘 +c
Ejemplo:
Resolver por el método de Jacobi
el siguiente sistema, iterar hasta
Que: 12
La siguiente tabla muestra los resultados de las sucesivas iteraciones

6/29/2018
Podemos observar que:

Y además:

1
Siendo 𝑥 = 2 la solución real del sistema
−1
1

13
Ejemplo
Resolver por el método de Gauss-Seidel el sistema, del ejercicio
anterior.
¿Cuántas iteraciones son necesarias para obtener la misma precisión?

6/29/2018
La siguiente tabla muestra las cinco primeras iteraciones del método
tomando como semilla el vector nulo.

Observamos que:

Esto quiere decir que el método de Gauss- Seidel requirió la mitad de14
las iteraciones que Jacobi para obtener la misma precisión!!!!
Convergencia de los métodos iterativos
El método de Jacobi se puede escribir de la forma

6/29/2018
Escribiendo la matriz

De la forma:

15
Luego:
La ecuación A.x=b se puede reescribir como:

6/29/2018
Si existe 𝐷 −1 (es decir si 𝑎𝑖𝑖 ≠ 0) tenemos:

Luego el método de Jacobi se puede escribir como:

Si llamamos:

Tenemos:
16
En el ejemplo anterior tenemos:

6/29/2018
Para el método de Gauss-Seidel dado que actualizamos los valores,
tenemos:

17
Siguiendo la notación anterior tenemos:

6/29/2018
Y

Llamando

El método de Gauss-Seidel se puede escribir como:

Para que exista 𝐷 − 𝐿 −1 𝑒𝑠 𝑠𝑢𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑎𝑖𝑖 ≠ 0

18
Dado que ambos métodos se han escrito de la forma:

para 𝑥 0 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑜

Veremos las condiciones que debe cumplir la matriz T para asegurar la

6/29/2018
convergencia del método.
Teorema
Para cualquier 𝑥 0
∈ ℝ𝑛 , la sucesión 𝑥 𝑘
𝑘≥0
definida por

Converge a la única solución de si y solo si 𝜌 𝑇 < 1

Corolario
Si 𝑇 < 1 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑛𝑜𝑟𝑚𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙 𝑦 𝑐 es un vector cualquiera,
entonces la sucesión 𝑥 𝑘 𝑘≥0 definida por

Converge a la única solución de y las siguientes cotas son

19
válidas:
Otras propiedades interesantes para investigar la
convergencia:
Definición previa.
Se dice que la matriz A de n x n es estrictamente

6/29/2018
diagonal dominante por filas cuando se satisface:

Se dice que la matriz A de n x n es estrictamente

diagonal dominante por columnas cuando se
satisface: 𝑎𝑖,𝑖 > σ𝑛𝑖=1,𝑖≠𝑗 𝑎𝑖,𝑗 , ∀𝑖 = 1, … , 𝑛

Una matriz es estrictamente diagonal dominante,

cuando lo es por filas o por columnas.

20
Teorema
Si A es estrictamente diagonal dominante, entonces para
cualquier elección de 𝒙 𝟎 el método de Jacobi y Gauss-Seidel
generan una sucesión 𝑥 𝑘
𝑘≥0
que converge a la única solución

6/29/2018
del sistema A.x=b.

Teorema
Si 𝒂𝒊𝒋 ≤ 𝟎 𝒑𝒂𝒓𝒂 𝒄𝒂𝒅𝒂 𝒊 ≠ 𝒋 𝒚 𝒂𝒊𝒊 > 𝟎 ∀𝒊 = 𝟏, 𝟐 … . , 𝒏, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝒔𝒆𝒓á
𝒗á𝒍𝒊𝒅𝒂 𝒖𝒏𝒂 𝒚 𝒔ó𝒍𝒐 𝒖𝒏𝒂 𝒅𝒆 𝒍𝒂𝒔 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆𝒔 𝒂𝒇𝒊𝒓𝒎𝒂𝒄𝒊𝒐𝒏𝒆𝒔:

La parte i) indica que cuando un método da convergencia

entonces ambos la dan y el método de Gauss-Seidel converge mas
rápidamente que el de Jacobi. La parte ii) indica que, cuando un
método diverge, entonces ambos divergen y la divergencia es más
rápida en el método de Gauss-Seidel.

21