Sunteți pe pagina 1din 72

Sistemas de Ecuaciones

Lineales
Capitulo III
INTRODUCCIN
En las distintas ramas de la
ingeniera se plantean
problemas en que se hace
necesario resolver sistemas de
ecuaciones lineales
simultneas con un nmero
bastante grande de
ecuaciones.
MTODO GRFICO
Las ecuaciones tiene la siguiente forma:
X
2
=(pendiente) X
1
+Interseccin
Para graficar asumimos que
X
2
= eje de las ordenadas
X
1
= eje de las abscisas
Graficar las dos ecuaciones considerando el
punto de interseccin de las lneas
representadas la solucin

Mtodo grfico
(Ejemplo)
Mtodo Grfico
Desventajas
Este mtodo no es muy preciso
Es solo aplicable cuando tenemos 2 a lo
mucho 3 ecuaciones.
Metodos Numericos
Ingenieria de Sistemas
ESQUEMA GRAFI CO DE SI STEMAS MAL
CONDI CI ONADOS

Metodos Numericos
Ingenieria de Sistemas
DEFINICIONES
SISTEMA DE ECUACIONES LINEALES - Es un conjunto de
ecuaciones que deben resolverse simultneamente.
a
11
X
1
+ a
12
X
2
+ a
13
X
3
+... + a
1n
X
n
= C
1

a
21
X
1
+ a
22
X
2
+ a
23
X
3
+... + a
2n
X
n
= C
2

...
a
n1
X
1
+ a
n2
X
2
+ a
n3
X
3
+ ... + a
nn
X
n
= C
n

En forma matricial





Este sistema de ecuaciones puede escribirse simblicamente como:
AX = C
Matriz Ampliada del Sistema

Una matriz cuadrada es la que tiene igual nmero de renglones que de columnas.
Una matriz diagonal es una matriz cuadrada con D =(d
ij
) con d
ij
= 0 simpre que i<>j.
La matriz identidad de orden n, I
n
= (o
ij
) es una matriz diagonal con o
ij
= 1 si i = j y o
ij

=0 si i<>j.
Una matriz triangular superior de n x n U = (u
ij
) tiene, para toda j = 1, 2, ..., n, los
elementos
u
ij
= 0, para cada i = j +1, j + 2, ..., n
Una matriz triangular inferior de n x n L = (l
ij
) tiene, para toda j = 1, 2, ..., n, los
elementos
l
ij
= 0, para cada i = 1, 2, ..., j 1
La traspuesta de una matriz A de n x m es una matriz A
t
tal que la i_sima columna
de A
t
es la misma que el i-simo rengln de A.
Se cumple que
a. (A
t
)
t
= A
b. (A + B)
t
= A
t
+ B
t
c. (AB)
t
= B
t
A
t
d. Si A
-1
existe, (A
-1
)
t
= (A
t
)
-1

Determinante
Si A es una matriz de 1 x 1, entonces det(A) = x.
Si a es de orden mayor que 1, calcule el determinante de
A como sigue:
Escoja cualquier fila o columna. para cada elemento A[i,
j] en esa fila o columna, forme el producto
(-1)
(i+ j)
*A[i, j]*det(menor(A[i, j]))
Donde det(menor(A[i, j])) es el determinante del menor
de A[i, j].
det(A) = suma de todos los productos para la columna o
fila seleccionada.
Propiedades
a. Si un rengln o columna tiene solo ceros, el determinante es cero.
b. Si se intercambian 2 renglones o columnas, el signo del determinante cambia
c. Si dos columnas o renglones son iguales, el determinante es cero.
d. Si se multiplica un rengln o columna por un numero real el determinante se
multiplica por ese nmero real.
e. Si se suma un mltiplo de un rengln o columna a otro rengln o columna, el
determiante no se altera.
f. El determinante de un producto de matrices es iugual al producto de los
determinantes de cada una.
g. El determinante de la inversa es el inverso del determiante de la matriz
original.
Clculo eficiente del determinante
Convertir la matriz en una matriz triangular superior y calcular el determinante de
sta.
El determinante de una matriz triangular superior es igual al producto de los
elementos de la diagonal principal.
La matriz triangular se obtiene mediante la eliminacin gaussiana.
Mtodos directos frente a mtodos
iterativos
DIRECTOS
Ax =b
x = A\

b
Tamao moderado
Modifican la
estructura
Error de redondeo
ITERATIVOS
x = Cx + d
x
(k+1)
= Cx
(k)
+ d
Tamao grande
Conservan los ceros
Error de
truncamiento
Mtodos directos
Regla de Cramer
Inversa
La inversa de una matriz A de n x n es una matriz A
-1
tal que A x A
-1
= A
-1
x A = I
n
Una matriz que tiene inversa se le llama matriz no singular.
Una matriz que no tiene inversa es una matriz singular.
Se cumple que:
a. La inversa es nica.
b. La inversa de una matriz no singular es no singular y (A
-1
)
-1
= A
c. Si A y B son no singulares, (AB)
-1
= B
-1
A
-1

Obtencin de la inversa
Sea B
j
la j-sima columna de la matriz B de n x n.
(
(
(
(
(

=
nj
j
j
j
b
b
b
B

2
1
Si AB = C, entonces la j-esima columna de C est dada por:
(
(
(
(
(

=
(
(
(
(
(

(
(
(
(

= = =
(
(
(
(
(

=
=
=
n
k
kj nk
n
k
kj k
n
k
kj k
nj
j
j
nn n n
n
n
j j
nj
j
j
b a
b a
b a
b
b
b
a a a
a a a
a a a
AB C
c
c
c
1
1
2
1
1
2
1
2 1
2 22 21
1 12 11
2
1

Ejemplo
(
(
(

=
2 1 1
0 1 2
1 2 1
A
(
(
(

(
(
(

=
33 32 31
23 22 21
13 12 11
2 1 1
0 1 2
1 2 1
b b b
b b b
b b b
AB
(
(
(

+ + + + + +
+ + +
+ + +
=
33 23 13 32 22 12 31 21 11
23 13 22 12 21 11
33 23 13 32 22 12 31 21 11
2 2 2
2 2 2
2 2 2
b b b b b b b b b
b b b b b b
b b b b b b b b b
AB
Si B = A
1
, entonces AB = I se tiene
1 2 0 2 0 2
0 2 1 2 0 2
0 2 0 2 1 2
33 23 13 32 22 12 31 21 11
23 13 22 12 21 11
33 23 13 32 22 12 31 21 11
= + + = + + = + +
= + = + = +
= + = + = +
b b b b b b b b b
b b b b b b
b b b b b b b b b
3
1
3
1
3
1
9
2
9
1
9
4
9
1
9
5
9
2
33 32 31
23 22 21
13 12 11
= = =
= = =
= = =
b b b
b b b
b b b
(
(
(
(
(
(

3
1
3
1
3
1
9
2
9
1
9
4
9
1
9
5
9
2
1
A
20
Eliminacin de Gauss Simple
Un mtodo importante para resolver un sistema lineal de n ecuaciones con
n incgnitas que tenga una solucin nica, es el Mtodo de Eliminacin de
Gauss. Para esto, considrese un sistema de n ecuaciones y n incgnitas
a
11
x
1
+a
12
x
2
+.....+a
1n
x
n
=b
1

a
21
x
1
+a
22
x
2
+.....+a
2n
x
n
=b
2
:
:

a
n1
x
1
+a
n2
x
2
+.....+a
nn
x
n
=b
n

y considrese la matriz asociada a este sistema
|
|
|
|
|
|
.
|

\
|
nn 2 n 1 n
n 2 22 21
n 1 12 11
a . . a a
. . . . .
. . . . .
a . . a a
a . . a a
21
Para aplicar el Algoritmo de Gauss, se forma la matriz aumentada (A,b),
donde A es la matriz asociada y b es el vector columna con i-simo
registro b
i
, es decir:





Para encontrar las soluciones, es necesario realizar las siguientes
Operaciones elementales por filas
O1) Intercambio de filas f
i
f
j

O2) Cambio de escala de una fila k f
i
f
j

O3) Suma de filas f
i
+ k f
j
f
i

|
|
|
|
|
|
.
|

\
|
n nn 2 n 1 n
n n 2 22 21
1 n 1 12 11
b a . a a
. . . . .
. . . . .
b a . a a
b . a . a a
22
Para resolver el sistema de ecuaciones, la idea principal es llevar,
mediante las operaciones elementales, la matriz aumentada a la matriz
triangular superior





A partir de esta forma, se puede obtener las solucin del sistema de
ecuaciones por substitucin regresiva. Los siguientes ejemplos aclaran
este mtodo.


|
|
|
|
|
|
.
|

\
|
n
n n 2
1 n 1 12
c 1 . 0 0
. . . . .
. . . . .
c u . 1 o
c . u . u 1
ELIMINACIN DE GAUSS SIMPLE

El esquema de Gauss empieza reduciendo un conjunto de
ecuaciones simultneas, a un sistema triangular equivalente
como:






en el cual los superndices indican los nuevos coeficientes
que se forman en el proceso de reduccin.

La reduccin real se logra de la siguiente manera:
La primera ecuacin se divide entre el coeficiente de X
1:



y se multiplica por el coeficiente de X
1
de la segunda ecuacin. La ecuacin
que resulta se resta de la misma, eliminando as X
1
.
El procedimiento se repita para la primera y tercera ecuacin. En forma
similar, X
1
se elimina de todas las ecuaciones del conjunto excepto la primera,
de manera que el conjunto adopta la forma:






Siguiendo los pasos anteriores, la segunda ecuacin se convierte en la ecuacin pivote,
y los pasos se repiten para eliminar X
2
de todas las ecuaciones que siguen a esta
ecuacin pivote:







A continuacin se utiliza la tercer ecuacin como ecuacin pivote, y se usa el
procedimiento descrito para eliminar X
3
de todas las ecuaciones que siguen a la tercer
ecuacin.
Este procedimiento, utilizando diferentes ecuaciones pivote, se contina hasta que el
conjunto original de ecuaciones ha sido reducido a un conjunto triangular.
Una vez obtenido el conjunto triangular de ecuaciones, la ltima ecuacin de este
conjunto equivalente suministra directamente el valor de Xn . Este valor se sustituye
entonces en la antepenltima ecuacin del conjunto triangular para obtener un valor de
Xn-1, que a su vez se utiliza junto con el valor de Xn en la penltima ecuacin del
conjunto triangular para obtener un valor Xn-2 y asi sucesivamente. Este es el
procedimiento de sustitucin inversa al que nos referimos previamente.
( )
( )
atras hacia
n Sustitucio
/
' / ' '
' ' / ' '
adelante hacia
n Eliminacio
' '
'
' '
' '
11 3 13 2 12 1 1
22 3 23 2 2
33 3 3
3
2
1
33
23 22
13 12 11
3
2
1
33 32 31
23 22 21
13 12 11
(
(
(

(
=
=
=

(
(
(
(
(
(
(
(
(
(

(
(
(
(


(
(
(

a x a x a c x
a x a c x
a c x
c
c
c
a
a a
a a a
c
c
c
a a a
a a a
a a a Las dos fases de la
eliminacin de Gauss
27
Resumen:
Al desarrollar el mtodo de Gauss pueden presentarse tres casos:
a) Que la matriz final tenga la forma siguiente:









en cuyo caso la solucin es nica y se obtiene con sustitucin regresiva.
|
|
|
|
|
|
.
|

\
|
n
n n 2
1 n 1 12
c 1 . 0 0
. . . . .
. . . . .
c u . 1 o
c . u . u 1
28
b) Que la matriz final tenga la forma:







en cuyo caso existen infinitas
soluciones que se obtienen asignando a
una de las variables, por ejemplo x
n
,
cualquier valor escalar y despejando
las otras en funcin de esta variable
libre. En este caso habr tantas
variables libres como filas de ceros
resulten. Este tipo de situaciones se da
frecuentemente en sistemas de
ecuaciones que tienen ms incgnitas
que ecuaciones.

c) Que la matriz final tenga la forma:







en cuyo caso no existe solucin si c
n
es
distinto a cero. Este tipo de situaciones
se presenta frecuentemente en sistemas
de ecuaciones con ms ecuaciones que
incgnitas.

|
|
|
|
|
|
.
|

\
|
0 0 . 0 0
. . . . .
. . . . .
c u . 1 o
c . u . u 1
n n 2
1 n 1 12
|
|
|
|
|
|
.
|

\
|
n
n n 2
1 n 1 12
c 0 . 0 0
. . . . .
. . . . .
c u . 1 o
c . u . u 1
EJEMPLO ELIMINACION
Se utilizarn tres operaciones para simplificar un sistema lineal:
1. La ecuacin E
i
puede multiplicarse por una constante distinta de cero. (E
i
)
(E
i
)
2. La ecuacin E
j
puede multiplicarse por una constante distinta de cero y
sumarse a otra ecuacin E
i
. (E
i
+E
j
) (E
i
)
3. El orden de las ecuaciones E
i
y E
i
puede intercambiarse. (E
i
) (E
i
)
Simplificar
E
1
: x
1
+ x
2


+ 3x
4
= 4
E
2
: 2x
1
+ x
2
x
3
+ x
4
= 1
E
3
: 3x
1
- x
2
x
3
+ 2x
4
= -3
E
4
: -x
1
+2x
2
+3x
3
- x
4
= 4
Las operaciones:
(E
2
2E
1
)E
2
, (E
3
3E
1
) E
3
, (E
4
+ E
1
)E
4
Transforman el sistema en:
positivo
E
1
: x
1
+ x
2


+ 3x
4
= 4
E
2
: - x
2
x
3
- 5x
4
= -7
E
3
: - 4x
2
x
3
-7x
4
=-15
E
4
: + 3x
2
+3x
3
+ 2x
4
= 8
Las operaciones:
(E
3
4E
2
)E
3
, (E
4
+3E
2
) E
4
Transforman el sistema en:
E
1
: x
1
+ x
2


+ 3x
4
= 4
E
2
: - x
2
x
3
- 5x
4
= -7
E
3
: 3x
3
+13x
4
= 13
E
4
: -13x
4
= -13
El sistema se puede resolver hacia atrs.
x
4
= 1
x
3
= (13-13x
4
)/3 = 0
x
2
= -(x
3
+ 5x
4
-7) = 2
x
1
= -x
2
- 3x
4
+ 4 = -1
Comprobacin
E
1
: (-1)+(2)+3(1)= 4
E
2
: 2(-1)+(2)(0)+(1) = 1
E
3
: 3(-1)-(2)(0)+2(1)= -3
E
4
: -(-1)+2(2)+3(0)-(1) = 4
E
1
: x
1
+ x
2


+ 3x
4
= 4
E
2
: 2x
1
+ x
2
x
3
+ x
4
= 1
E
3
: 3x
1
- x
2
x
3
+ 2x
4
= -3
E
4
: -x
1
+2x
2
+3x
3
- x
4
= 4
x
1
= -1
x
2
= 2
x
3
= 0
x
4
= 1
DESVENTAJAS DEL MTODO DE ELIMINACIN
DIVISIN ENTRE CERO
ERRORES DE REDONDEO
SISTEMAS MAL CONDICIONADOS La obtencin de la solucin depende de
la condicin del sistema. En sentido matemtico, los sistemas bien condicionados
son aquellos en los que un cambio en uno o ms coeficientes provoca un cambio
similar en la solucin. Los sistemas mal condicionados son aquellos en los que
cambios pequeos en los coeficientes provocan cambios grandes en la solucin.
DESCOMPOSICIN LU
Partiendo de un sistema de ecuaciones
lineales de la forma,

Este se puede ordenar como,

El primer paso de la eliminacin de Gauss
resulta en un sistema con una matriz
tringular superior




Que puede ser expresada como,
Ahora, suponga que existe una matriz
triangular inferior con nmeros 1 sobre
la diagonal




que tiene la siguiente propiedad


si esta propiedad se cumple, de las
reglas de multiplicacin de matrices se
obtiene,
| |{ } { } B X A =
| |{ } { } 0 = B X A

(
(
(

3
2
1
3
2
1
33
23 22
13 12 11
0 0
0
d
d
d
x
x
x
u
u u
u u u
| |{ } { } D X U = | |{ } { } 0 = D X U
| |
(
(
(

=
1
0 1
0 0 1
32 31
21
l l
l L
| | | |{ } { } ( ) | |{ } { } B X A D X U L =
| || | | |
| |{ } { } B D L
A U L
=
=
Descomposicin LU
Estrategia para resolver el sistema
1. Paso de descomposicin LU: la matriz [A], se factoriza o descompone
en matrices triangulares inferior [L] y superior [U]
2. Paso de sustitucin: [L] y [U] se usan par determinar una solucin {X}
para un vector {B}. Este paso consta de dos subpasos:
Se determina el vector intermedio {D} resolviendo [L]{D}={B} por
sustitucin hacia delante, debido a que [L] es una matriz triangular inferior
Se determina {X} resolviendo [U]{X}={D} por sustitucin hacia atrs
Descomposicin LU
Descomposicin LU con base en la eliminacin de Gauss
Partiendo de una matriz de coeficientes, se llega a una matriz triangular
superior


Para llegar a esta matriz [U]

(
(
(

33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
| |
(
(
(

=
' ' 0 0
' ' 0
33
23 22
13 12 11
a
a a
a a a
U
se multiplic la fila 1 por el factor f
21
= a
21
/a
11
y
restando el resultado a la fila 2 se elimin a
21
se multiplic la fila 1 por el factor f
31
= a
31
/a
11
y
restando el resultado a la fila 3 se elimin a
31
se multiplic la fila 2 por el factor f
32
= a
32
/a
22
y
restando el resultado a la fila 3 se elimin a
32

La matriz triangular inferior
que tiene la propiedad
requerida para la
descomposicin LU es
| |
(
(
(

=
1
0 1
0 0 1
32 31
21
f f
f L
Descomposicin LU
Descomposicin LU con base en la eliminacin de Gauss
1. Paso de descomposicin LU: la matriz [A], se factoriza o descompone en matrices
triangulares inferior [L] y superior [U]
2. Paso de sustitucin: [L] y [U] se usan par determinar una solucin {X} para un vector {B}.
Este paso consta de dos subpasos:
Se determina el vector intermedio {D} resolviendo [L]{D}={B} por sustitucin hacia
delante


Se determina {X} resolviendo [U]{X}={D} por sustitucin hacia atrs

=
= = =
1
1
1 1
, , 2 para ;
i
j
j ij i i
n i b l b d b d
1 , , 1 , 1 para ;
1
=

= =

+ =
n n i
u
d u d
x
u
d
x
ii
n
i j
j ij i
i
nn
n
n
Ejemplo
Sea el sistema:
-6x1 + x2 + x3 = -37
4x1 + 3x2 + x3 = -25
5x1 - 3x2 + x3 = -34
(
(
(

=
1 3 5
1 3 4
1 1 6
A
(
(
(

=
34
25
37
b
La descomposicin LU nos da
(
(
(


=
1 5909 . 8333 .
0 1 6667 .
0 0 1
L
(
(
(

=
8182 . 2 0 0
6667 . 1 6667 . 3 0
1 1 6
U
(
(
(


=
(
(
(

(
(
(

=
180 . 94
667 . 49
37
8182 . 2 0 0
6667 . 1 6667 . 3 0
1 1 6
3
2
1
x
x
x
Ux
(
(
(

=
(
(
(

(
(
(


=
34
25
37
1 5909 . 8333 .
0 1 6667 .
0 0 1
3
2
1
z
z
z
Ly
z
1
= -37
-.6667z
1
+ z
2
= -25
-.8333z
1
- .5909z
2
+ z
3
= -34
2.8182x
3
= -94.180
3.6667x
1
+ 1.6667x
2
= -49.667
-6x
1
+ x
2
+ x
3
= -37
X
1
= 0.87097
X
2
= 1.64516
X
3
= -33.41935
Algoritmo de CHOLESKI
Choleski
Comando: chol(.)
MTODO DE CHOLESKY
Este mtodo consiste en factorizar la matriz simtrica A





de manera que los factores triangulares sean la transpuesta de cada uno.
De multiplicar e igualar entre s los trminos de la ecuacin (tal como lo hicimos
en el mtodo de Crout) se obtienen las relaciones recurrentes
T
A LL =
donde L es una matriz triangular inferior de orden n, es decir,
L tiene la siguiente forma:

MTODO DE CHOLESKY
MTODO DE CHOLESKY
Descompuesta de esta forma la matriz A, la resolucin del
sistema A x = b queda dada por la resolucin de dos sistemas
triangulares. En efecto,
Si hacemos,
entonces :
el cual resulta un sistema
triangular inferior en y, con:

Mtodo de Cholesky
Para poder aplicar el mtodo de Choleski, es necesario que la
matriz A sea simtrica y positiva definida. Se dice que una
matriz A es simtrica si aij=aji siempre y que es positiva
definida si todas las submatrices de una matriz cuadrada A
tienen determinante positivo.

El valor del factor L que se obtiene no es nico porque se
puede asignar valores positivos o negativos a las races
cuadradas. Para simplificar las cosas, se considerar la raz
cuadrada positiva.
MTODO DE CHOLESKY
Mtodo de Cholesky
Mtodo de Cholesky
El algoritmo del mtodo es el que sigue:
Hacer
Calcular la primera columna partiendo del segundo
rengln para i=2,3,n

Calcular las siguientes columnas comenzando por el
elemento en la diagonal

11 11
l a =
1
1
11
i
i
a
l
l
=
( )
1
2
1
; 2, , 1
i
ii ii ik
k
l a l i n

=
= =

Mtodo de Cholesky
y luego los elementos de la columna por debajo de la
diagonal



Calcular el valor del elemento de la ltima columna de la
matriz

Factorizacion de CROUT
Ejemplo Crout
Mtodos iterativos
El mtodo de Jacobi
Sistema de ecuaciones lineales
a x
a x
a x
a x
a x a x a x
a x a x a x
a x a x a x
a x a x a x
b
b
b
b
11 1
21 1
31 1
n1 n
12 2 13 3 1n n
22 2 23 3 2n n
32 2 33 3 3n n
n2 2 n3 3 nn n
1
2
3
n
+
+
+
+
+ +
+ +
+ +
+ +
=
=
=
=

Ecuacin de punto fijo


x (b
x (b
x (b
x (b
a x a x a x ) / a
a x a x a x ) / a
a x a x a x ) / a
a x a x a x ) / a
1 1
1 2
2 3
n n
12 2 13 3 1n n 11
21 1 23 3 2n n 22
31 1 32 2 3n n 33
n1 1 n2 2 n,n 1 n 1 nn
=
=
=
=



Iteracin de Jacobi
x (b
x (b
x (b
x (b
a x a x a x ) / a
a x a x a x ) / a
a x a x a x ) / a
a x a x a x ) / a
1
(k+1)
1
2
(k+1)
2
3
(k+1)
3
n
(k+1)
n
12 2
(k)
13 3
(k)
1n n
(k)
11
21 1
(k)
23 3
(k)
2n n
(k)
22
31 1
(k)
32 2
(k)
3n n
(k)
33
n1 1
(k)
n2 2
(k)
n,n 1 n 1
(k)
nn
=
=
=
=



METODO DE JACOBI
b Ax=
c Tx x + =
JACOBI MATRICIAL
Sea D la matriz diagonal cuya diagonal es la misma que A, sea L la parte
estrictamente tringular inferior de A y sea U la parte estrictamente
triangular superior de A, luego:

A = D L U

A x =b entonces (D L U) x =b

D x =(L + U) x +b
JACOBI MATRICIAL
Expresin matricial
Resolucin con MATLAB
U = triu(A,1); L = tril(A,-1);
d = diag(A);
x = (b-(L+U)*x)./d
A L D U
x D (b (L U)x )
(k 1) 1 (k)
= + +
= +
+
% ejemplo de Jacobi
A=[10 -1 2 0;-1 11 -1 3;2 -1 10 -1;0 3 -1 8]
b=[6;25;-1;15]
% Generacion de la matriz de Jacobi
D=diag(diag(A))
L=-tril(A,-1)
U=-triu(A,1)
A, D-L-U % son iguales
Tj=inv(D)*(L+U)
cj=inv(D)*b
reTj=max(abs(roots(poly(Tj)))) % calculo del radio espectral
APLICANDO MATLAB
% Iteracion de Jacobi
x=randn(4,1)
for q=1:6
x(:,q+1)=Tj*x(:,q)+cj
ej(q+1)=norm(x(:,q+1)-x(:,q))
pause
end
plot(ej) % Grafico del error
plot(x') % grafico de aproximacin de cada componente
for q=1:4 % uno a uno la aproximacin
plot(x(q,:)),pause
end
Condicin suficiente de
convergencia
Matriz estrictamente diagonalmente
dominante: para i=1,2,...,n

Si A es estrictamente diagonalmente
dominante, los iterados de Jacobi
convergen a la solucin del sistema
partiendo de cualquier estimacin inicial.
|a | |a | |a | |a | |a |
ii i1 i,i 1 i,i 1 in
> + + + + +
+

MTODO ITERATIVO DE GAUSS-SEIDEL
( ) ( )
n i para
a
b x a x a
x
ii
i
n
i j
k
j ij
i
j
k
j ij
k
i
...., , 2 , 1
1
1
1
1
=
+
=

+ =

=
En el mtodo de Jacobi se calcula x
k
con las componentes x
k-1
. El mtodo de
Gauss-Seidel sugiere una mejora, como para i >1 ya se calcularon x
1
k
, ., x
i-
1
k
, se utilizan para calcular x
i
k
Iteracin de Gauss-Seidel
x (b
x (b
x (b
x (b
a x a x a x ) / a
a x a x a x ) / a
a x a x a x ) / a
a x a x a x ) / a
1
(k+1)
1
2
(k+1)
2
3
(k+1)
3
n
(k+1)
n
12 2
(k)
13 3
(k)
1n n
(k)
11
21 1
(k+1)
23 3
(k)
2n n
(k)
22
31 1
(k+1)
32 2
(k+1)
3n n
(k)
33
n1 1
(k+1)
n2 2
(k+1)
n,n 1 n 1
(k+1)
nn
=
=
=
=



MTODO ITERATIVO DE GAUSS-SEIDEL


( ) ( )
n i para
a
b x a x a
x
ii
i
n
i j
k
j ij
i
j
k
j ij
k
i
...., , 2 , 1
1
1
1
1
=
+
=

+ =

=
En el mtodo de Jacobi se calcula x
k
con las componentes x
k-1
. El mtodo de
Gauss-Seidel sugiere una mejora, como para i >1 ya se calcularon x
1
k
, ., x
i-
1
k
, se utilizan para calcular x
i
k
Expresin matricial
Resolucin con MATLAB
A L D U
(L D)x b Ux
x (L D) (b Ux )
(k 1) (k)
(k 1) 1 (k)
= + +
+ =
= +
+
+
d = diag(A); D = diag(d);
U = triu(A,1); L = tril(A,-1);
x = (L + D)\(b - U*x)



Mtodo de sobrerrelajacin
Gauss Seidel:
x x z
Sobrerrelajacion:
x x wz ; 0 < w < 2
z x x
x (1 w)x wx
i
(k+1)
i
(k)
i
i
(k+1)
i
(k)
i
i i
(k+1)
i
(k)
i
(k+1)
i
(k)
i
(k+1)

= +
= +
=
= +

x
i
k
z
i
x
i
k+1

i
k+1
x
Paso de sobrerrelajacin
x (1 )x (b
x (1 )x (b
x (1 )x (b
x (1 )x (b
a x a x a x ) / a
a x a x a x ) / a
a x a x a x ) / a
1
(k+1)
1
(k)
1
2
(k+1)
2
(k)
2
3
(k+1)
3
(k)
3
n
(k+1)
n
(k)
n
12 2
(k)
13 3
(k)
1n n
(k)
11
21 1
(k+1)
23 3
(k)
2n n
(k)
22
31 1
(k+1)
32 2
(k+1)
3n n
(k)
33
= +
= +
= +
= +



e e
e e
e e
e e


a x a x a x ) / a
n1 1
(k+1)
n2 2
(k+1)
n,n 1 n 1
(k+1)
nn


Expresin matricial
Resolucin con MATLAB
D = diag(diag(A));
c = e*b; C = (1-e)*D - e*U
x = (eL + D)\(c + C*x)
( L D)x (1 )Dx (b Ux
(k+1) (k)
e e e + = +
(k)
)
( L D)x b ((1 )D U)x
(k+1) (k)
e e e e + = +



A L D U = + +
Condicin suficiente de
convergencia
Matriz simtrica definida positiva:
A
T
= A, x
T
Ax > 0

Si A es simtrica definida positiva y
0<w<2, los iterados de SR convergen a la
nica solucin del sistema, partiendo de
cualquier estimacin inicial.
Resumen
Los mtodos iterativos se aplican a
matrices grandes y dispersas.
El coste por iteracin es O(n
2
) o menor si
se aprovecha la dispersidad
Se espera que converjan en menos de n
pasos.
La matriz ha de cumplir ciertas
condiciones para que el mtodo converja.