Beruflich Dokumente
Kultur Dokumente
LINEALES
Ing. Jorge J. L. Ferrante
Colaboradores
Lic. Mario Di Blasi Regner
Ing. Carlos Krujovsky
UNIVERSIDAD TECNOLGICA NACIONAL
aij
(k )
= aij
( k 1)
aik
( k 1)
akk
akj
( k 1)
( k 1)
2010
PROEMIO
Es muy raro que quienes escriben sobre Clculo Numrico omitan un
captulo sobre Sistemas de Ecuaciones Lineales (SEL).
Ello es as porque los SEL se presentan con tanta frecuencia en los
modelos que utilizan la ciencia, la ingeniera y otras disciplinas que no hacerlo
suena a pecado.
Entonces, los mtodos para resolver SEL deben estar presentes. Como en
este caso.
Esto plantea una dificultad que puede sintetizarse con una pregunta qu
mtodos deben estar presentes?
Como en todo el Clculo Numrico lo que abundan son mtodos
aparentemente aplicables a una misma clase de problemas. Por qu entonces no
se incluye un mtodo patrn para cada clase en lugar de recargar al lector con
distintos mtodos aplicables a esa clase de problemas?
No existe un solo mtodo para toda una clase de problemas.
Si as fuese, un texto con el mtodo de Newton para resolver ecuaciones,
el de Euler para resolver ecuaciones diferenciales, el de Simpson para calcular
integrales definidas y el de Gauss para los SEL estara completo y seguramente
ya escrito.
Sin embargo, son tantos los tipos de problemas que se presentan que en
cada caso que es necesario desarrollar mtodos especiales para cada uno de ellos
y, por si esto fuese poco, criterios de eficacia, de costo y de precisin tambin
intervienen y es necesario aplicar esfuerzo para satisfacerlos.
Y este esfuerzo no est completo. Es ms, nunca lo estar porque una
ciencia nunca est acabada. Siempre habr algo nuevo para hacerla crecer y
mejorar.
Estas notas contienen
llamados mtodos exactos y
mtodos
aproximados.
Entre los primeros, por supuesto, el mtodo de Gauss, sus errores, su
correccin, las tcnicas de pivoteo para reducirlo, etc.; el mtodo de Gauss
Jordan como mtodo en si para resolver SEL y como mtodo para, en otro
captulo, invertir matrices.
Luego se presentan los mtodos LU, que cuando se resuelve el mismo SEL
por segunda vez y sucesivas el nmero de operaciones cae abruptamente, el
mtodo de Cholesky para matrices simtricas definidas positivas, muy comunes
en las aplicaciones; los SEL tridiagonales que aparecen al resolver ecuaciones
diferenciales por mtodos numricos, cuyas matrices se manejan como vectores,
ahorrando memoria y tambin el llamado mtodo de ortogonalizacin, apto para
matrices mal condicionadas.
INTRODUCCION
1
Se presentan en estas pginas distintos mtodos de solucin de Sistemas
de Ecuaciones Lineales, en adelante SEL, de mltiples aplicaciones en la
ingeniera y en otras disciplinas.
2
La hiptesis de linealidad de muy importante y extendida aplicacin lleva
en forma casi inexorable a modelos matemticos constituidos por SEL; la
aplicacin de diferencias finitas para aproximar la solucin de determinados
tipos de ecuaciones diferenciales en derivadas parciales tambin exige sea
resuelto un SEL, eventualmente de grandes o muy grandes dimensiones; en
economa la matriz insumo producto est ntimamente ligada con este tema y,
explorando un poco ms seguramente se encuentran otras aplicaciones.
3
Sin ninguna duda, el desarrollo de los mtodos de clculo ha permitido
afrontar la solucin de SEL de grandes o muy grandes dimensiones -varios miles
de incgnitas- permitiendo incursionar en campos donde era materialmente
imposible hacerlo por clculo manual. Tngase presente que siendo imperiosa la
necesidad de resolver grandes SEL antes del advenimiento de las computadoras,
mucho esfuerzo se hizo para determinar el tiempo necesario para resolver un
SEL de orden "n".
4
La aplicacin a estos esfuerzos a uno de los mtodos ms conocidos de
solucin de SEL -el mtodo de Gauss- da una estimacin de kn3 en horas para
resolverlo. Los textos dan para k un valor aproximado de 0.01, lo que indica que,
con calculadora un operador tarda 0.01*27 horas para resolver un sistema de
3x3 (15 a 20 minutos segn su habilidad, pero 0.01*1000 para resolver un
sistema de 10x10 10 horas de trabajo!). Adems debe tenerse en cuenta que,
cuanto ms grande es el SEL ms peligrosos se vuelven los errores y su
propagacin a travs del algoritmo en uso, para no hablar de los siempre posibles
errores humanos.
5
El trabajo sigue los lineamientos clsicos. Por un lado los mtodos llamados
"exactos" no por la exactitud de los resultados que brindan sino porque, "a
priori" puede determinarse el nmero de operaciones necesarias para obtenerlos
y, por otro, los llamados "aproximados" que suelen dar mejores resultados que los
exactos, pero que no permiten determinar el nmero de operaciones necesarias
para obtenerlos con una precisin preestablecida.
6
En todo lo que sigue se supondr que el SEL en estudio tiene una solucin
nica. En consecuencia slo se trabajar con SEL cuya matriz cuadrada de
nmeros reales, sea no singular.
II
METODOS EXACTOS
7
Se denominan mtodos exactos los mtodos que permiten determinar a
priori el nmero de operaciones -productos, cocientes, adiciones, sustraccionesnecesarias para alcanzar la solucin buscada.
8
Sea el SEL
AX=B
a11
a
21
a31
...
a n1
a12
a 22
a 32
...
an 2
...
...
...
...
...
...
...
...
...
...
a1n x1 b1
a 2 n x2 b2
a 3n x 3 = b3
... ... ...
a nn xn bn
11
El mtodo consiste en transformar la matriz A y concurrentemente el
vector B hasta obtener un SEL equivalente (con la misma solucin) que sea
triangular superior. Es decir, obtener un SEL equivalente de este aspecto.
a11*
0
0
...
0
12
a12
a 22
0
...
0
*
*
... ... a1n x1 b1
*
*
... ... a 2 n x2 b2
*
*
... ... a 3n x 3 = b3
... ... ... ... ...
*
*
... ... a nn xn bn
b
xn = n *
ann
con este valor en la penltima ecuacin se puede obtener xn-1 despejndolo de
*
a n 1,n 1 xn 1 + a n 1,n x n = bn 1
xn 1 =
bn 1 a n 1,n xn
*
a n 1,n 1
con estos dos valores se puede obtener xn-2, luego xn-3 y as sucesivamente hasta
obtener x1
13
Queda entonces planteado el problema: cmo se reduce la matriz A y
concurrentemente el vector B a un sistema equivalente de matriz triangular
superior?
II.1.1
Etapa progresiva
14
Para ello se utiliza un mtodo de sumas y restas de filas que permite ir
"fabricando" ceros (0) debajo de la diagonal principal de la matriz dada A.
15
Tomando al elemento a11 como pivote y, por supuesto, suponiendo que es
distinto de cero, se divide la primer fila de la matriz y el primer elemento del
vector B por este valor. Se tiene as:
1
a
21
a31
...
a n1
16
a12 / a11
a 22
a 32
...
an 2
...
...
...
...
...
...
a 3n x 3 = b3
...
... ... ...
...
a nn x n bn
a 21
a
21
a 31
...
a n1
a 21a12 / a11
a 22
a 32
...
an2
...
...
...
...
...
x b
...
a 2n
2
2
...
a 3n
x 3 = b3
...
...
... ...
x n bn
...
a nn
a 21
0
a31
...
a n1
a 21a12 / a11
a22 a21a12 / a11
a 32
...
an 2
...
...
...
...
...
...
a 21a1n / a11 x1 a 21b1 / a11
... a2 n a 21a1n / a11 x2 b2 a 21b1 / a11
...
a 3n
x 3 =
b3
...
...
...
...
xn
...
a nn
bn
17
Luego, la primera fila de la matriz del prrafo 15 se multiplica por a31
obtenindose.
a31
0
a31
...
a n1
a 31a12 / a11
a 22 a 21a12 / a11
a 32
...
an 2
...
...
...
...
...
...
a31a1n / a11 x1 a 31b1 / a11
... a 2 n a 21a1n / a11 x2 b2 a 21b1 / a11
...
a 3n
b3
x 3 =
...
...
...
...
xn
...
a nn
bn
a31
0
...
a n1
18
a 31a12 / a11
a 22 a 21a12 / a11
a32 a 31a12 / a11
...
an 2
...
...
...
...
...
...
a31a1n / a11 x1 a 31b1 / a11
... a 2 n a 21a1n / a11 x2 b2 a 21b1 / a11
...
...
...
...
xn
...
a nn
bn
a n1
0
...
a n1
a n1a12 / a11
a 22 a 21a12 / a11
a32 a 31a12 / a11
...
an 2
...
...
...
...
...
...
a n1a1n / a11 x1 a n1b1 / a11
... a 2 n a 21a1n / a11 x2 b2 a 21b1 / a11
...
...
...
...
xn
...
a nn
bn
...
...
...
...
...
...
a n1a1n / a11 x1 a n1b1 / a11
... a 2 n a 21a1n / a11 x 2 b2 a 21b1 / a11
...
...
...
...
y, luego, restando
a n1
0
...
0
a n1a12 / a11
a 22 a 21a12 / a11
a 32 a 31a12 / a11
...
a n 2 a n1a12 / a11
19
Se han "fabricado" ceros (0) en la primera columna debajo de la primera
fila pudiendo sacarse las siguientes conclusiones preliminares:
aij
(2)
= aij
(1)
ai1 a1 j
a11
(1)
(1)
0
0
0
0
a12
(1)
... ...
a 22
( 2)
... ...
a 32
( 2)
... ...
...
an 2
( 2)
... ...
... ...
(1)
(1)
a1n x1 b1
(2)
(2)
a 2 n x 2 b2
(2)
( 2)
a 3n x 3 = b3
21
Suponiendo ahora que a22(2) es distinto de cero, se lo toma como
pivote y se procede como en los pasos anteriores. Es decir, se divide la
segunda fila por ese valor obtenindose:
a11(1)
0
0
0
0
22
tendr.
(1)
1
a 32
... ...
( 2)
...
an 2
... ...
... ...
... ...
( 2)
... ...
x1 b1(1)
( 2)
(2)
( 2)
( 2)
a 2 n / a 22 x 2 b2 / a 22
( 2)
x 3 = b3( 2 )
a 3n
...
...
...
( 2)
( 2)
a nn
x n bn
a1n
(1)
a11(1)
0
0
0
0
a11(1)
0
0
0
0
a12
a12
(1)
... ...
a 32
( 2)
... ...
a 32
( 2)
... ...
...
an 2
( 2)
a12
(1)
... ...
a 32
( 2)
... ...
... ...
...
... ...
an 2
( 2)
... ...
... ...
... ...
(1)
x1
b1
( 2) ( 2)
( 2)
(2)
( 2)
( 2)
a 32 a 2 n / a 22 x2 a 32 b2 / a 22
(2)
(2)
x3 =
a3n
b3
...
...
...
( 2)
( 2)
x n
a nn
b
n
a1n
(1)
(1)
x1
b1
(2)
( 2)
(2)
( 2) ( 2)
( 2)
a 32 a 2 n / a 22
x2 a 32 b2 / a 22
( 2)
( 2)
( 2)
( 2)
(2)
(2) ( 2)
(2)
x
=
a 3n a 32 a 2 n / a 22
b3 a 32 b2 / a 22
3
...
...
...
(2)
( 2)
x
a nn
bn
n
a1n
(1)
a11(1)
0
0
0
0
a12
(1)
... ...
an2
( 2)
... ...
... ...
... ...
an2
( 2)
... ...
(1)
x1
b1
( 2)
( 2)
(2)
( 2)
( 2)
(2)
a n 2 a 2 n / a 22
x 2 a n 2 b2 / a 22
(2)
( 2)
( 2)
(2)
(2)
(2)
(2)
( 2)
a 3n a 32 a 2 n / a 22 x 3 = b3 a n 2 b2 / a 22
...
...
...
( 2)
( 2)
x n
a nn
b
n
a1n
(1)
a11(1)
0
0
0
0
a12
(1)
... ...
an 2
( 2)
... ...
... ...
... ...
... ...
(1)
x1
b1
( 2)
( 2)
( 2)
( 2) ( 2)
( 2)
a n 2 a 2 n / a 22
x2 a n 2 b2 / a 22
( 2)
( 2)
(1)
( 2)
(2)
( 2) ( 2)
( 2)
a 3n a 32 a 2 n / a 22 x 3 = b3 a n 2 b2 / a 22
...
...
...
(2)
( 2)
(2)
( 2)
( 2)
(2) ( 2)
(2)
a nn a n 2 a 2 n / a 22 xn bn a n 2 b2 / a 22
a1n
(1)
aij
25
( 3)
= aij
( 2)
ai 2 a 2 j
a 22
(2)
(2)
0
0
0
0
a12
(1)
...
...
a 22
( 2)
...
...
( 3)
a33
...
a 3n
( 3)
...
...
...
(1)
(1)
a1n x1 b1
(2)
( 2)
a 2 n x 2 b2
( 3)
( 3)
a 3n x 3 = b3
26
Suponiendo nuevamente que a33(3) no es nulo, se lo toma como pivote
y se repiten los pasos anteriores hasta obtener
a11(1)
0
0
0
0
a12
(1)
a13
(1)
...
a 22
( 2)
a 23
( 2)
...
a 33
( 3)
...
...
...
x1 b1(1)
(2)
( 2)
a 2 n x 2 b2
( 3)
( 3)
a 3n x 3 = b3
(1)
27
aij
( 3)
= aij
( 2)
ai 3 a3 j
a 33
(2)
(2)
28
El procedimiento descripto se aplica en forma sistemtica hasta
tener al elemento an-1,n-1(n-1) como pivote. Una vez efectuadas las operaciones
indicadas el SEL resultante es
a11(1)
0
0
0
0
II.1.2
a12
(1)
a13
(1)
...
a 22
( 2)
a 23
( 2)
...
a 33
( 3)
...
a n 1,n 1
( n 1)
(1)
(1)
a1n x1 b1
( 2)
( 2)
a 2 n x2 b2
( 3)
( 3)
a 3n x 3 = b3
Etapa Regresiva
29
30
En efecto, aislando el "ngulo inferior derecho" del esquema
anterior se tendr
a n 2 ,n 2
( n 2 )
x n 2 + a n 2,n 1
...........0.......... + a n 1,n 1
( n2)
( n 1)
x n 1 + a n 2,n
xn 1 + a n 1,n
(n)
( n 2 )
( n 1)
xn = bn 2
xn = bn 1
...........0.......... + ..........0......... + a n ,n xn = bn
31
De la ltima
(n)
( n2)
( n 1)
(n)
xn
( 0)
b
= n (n)
a n ,n
de la penltima
x n 1
( 0)
bn 1
( n 1)
a n 1,n
a n 1,n 1
( n 1)
xn
( 0)
( n 1)
de la antepenltima
x n 2
(0)
bn 2
( n2)
a n 2,n 1
( n 1)
x n 1
a n 2 ,n 2
( 0)
+ a n 2 ,n
( n 1)
xn
(0)
( n 2 )
x1
x2
x3
x4
x5
x6
x7
x8
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
ak,k
0
0
ai,k
-----
-----
-----
-----
-----
-----
ak,j
ai,j
x9
x10
34
El grfico permite apreciar los ceros "fabricados" y en proceso de
"fabricacin" bajo el pivote; la fila del pivote puede o no quedar dividida por
el pivote (no hacerlo ahorra operaciones) mientras que cualquier elemento que
NO est en la fila o la columna del pivote se transforma mediante la
expresin:
ai , j
(k )
= ai , j
( k 1)
a i ,k
( k 1)
ak , j
( k 1)
a k ,k
( k 1)
k +1 i n
k +1 j n +1
1 k < n
35
x1
x2
x3
x4
x5
x6
x7
x8
x9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
x10
Ejemplo
36
8
2
3
9
2
1
2
1
7
1
1 x1 24
3 x 2 14
=
2 x 3 8
5 x 4 7
2*3
2*2
0 9
1
8
8
0 2 1 * 3 7 1 * 2
8
8
1* 3
1* 2
1
0 1
8
8
24
x1 14 2 * 24
1*1
3
8
8 x2 =
1 * 24
1 * 1 x3 8
2
8
8 x
1 * 24
1 * 1 4 7
5
8
8
1
3
2
1 x1 24
8
0 8.250 0.500 2.875 x 8.000
2 =
3
2
1
24
x1
0 8.250
0.500
2.875
8.000
x
1.625 * 0.500
1.625 * 2.875 2
1.625 * 8.000
= 5.000
0
6.750
1.875
8.250
8.250
8.250
x3
0.500 * 0.625
0.625 * 2.875 x
0.625 * 8.000
0
0
0.750
4.875
4.000
4
8.250
8.250
8.250
3
2
1 x1 24
8
0 8.250 0.500 2.875 x 8.000
2 =
0
0
6.651 1.309 x3 3.424
0
0.712 4.657 x 4 3.394
0
3
2
1
24
8
x1
0 8.250 0.500
2.875
8.000
x2
0
6.651
1.309
3.424
0
x =
0.712 * 1.309 3
0.712 * 3.424
0
0
4.657
0
x 4 3.394
6.651
6.651
3
2
1 x1 24
8
0 8.250 0.500 2.875 x 8.000
2 =
0
0
6.651 1.309 x3 3.424
0
0
4.517 x4 3.027
0
Calculando la etapa regresiva resulta como valor de las incgnitas.
x4 =
3.027
= 0.6701
4.517
x3 =
x2 =
x1 =
3 2 1 2.5531 23.9994
9 1 3 0.7129 13.9155
2 7 2 0.3829 7.9994
1 1 5 0.6701 6.9994
8 7.9994 0.0006
7 6.9994 0.0006
37
Esta (relativa) falta de precisin de ninguna manera es una
casualidad. Es un hecho comn al resolver SEL. Confluyen para ello la
aritmtica utilizada en los clculos, la condicin de la matriz, la magnitud de
los sucesivos pivotes (qu pasa si uno de ellos se anula o se hace muy
"pequeo" en un paso de clculo?), la confiabilidad de los elementos de la
matriz (tngase en cuenta que los mismos pueden ser resultado de un clculo
anterior o de una medicin, ambos con errores) y la forma en que los errores
de un paso de clculo se transfieren al siguiente. Todo esto hace imperativo
que al resolver un SEL haya que tomar las precauciones necesarias para
"mantener a raya" a los errores o, por lo menos, conocerlos y su
eventualmente perversa manera de propagarse.
38
Esto, en casos patolgicos, puede no ser sencillo. Vase sino el
siguiente ejemplo:
x1 + 100 x2 = 100
x1 + 99 x2 = 90
resolviendo este sistema se obtiene
x1 900
x = 10
2
Supngase ahora el SEL muy "parecido" al dado
x1 + 101x2 = 100
x1 + 98 x 2 = 90
donde slo han variado del orden del 1% los coeficientes de x2 por algn error
de clculo o de medicin previos. La tendencia a creer que la solucin de este
SEL estar prxima a la anterior se ve notablemente frustrada cuando se
hacen los clculos y resulta
x1 236.666
x = 3.33333
2
con variaciones porcentuales en el valor de las incgnitas desmesurados
frente al 1% de variacin de alguno de los elementos de la matriz.
39
Existen varias tcnicas para prevenir o, en forma ms realista,
atenuar este tipo de cosas.
II.1.4
40
En un orden convencional la primera de ellas es la iterativa. Para ello
se resuelve el SEL obtenindose los valores "crudos" de las incgnitas.
(supraindice cero)
a n1 x1 + a n 2 x 2 + a n 3 x3 + ... + a nn xn = bn
...
...
(0)
x n
(0)
(0)
(0)
( 0)
(0)
a 21 x1 + a 22 x2 + a 23 x3 + ... + a 2 n xn = b2
( 0)
( 0)
( 0)
( 0)
( 0)
a 31 x1 + a 32 x2 + a 33 x3 + ... + a 3n xn = b3
..........................................................
a n1 x1( 0) + a n 2 x2 ( 0 ) + a n 3 x3 ( 0 ) + ... + a nn xn ( 0) = bn ( 0)
(0)
(0)
( 0)
( 0)
(0)
a 21 ( x1 x1 ) + a 22 ( x 2 x2 ) + a 23 ( x3 x3 ) + ... + a 2 n ( xn xn ) = b2 b2
( 0)
(0)
(0)
(0)
( 0)
a 31 ( x1 x1 ) + a 32 ( x2 x2 ) + a 33 ( x3 x3 ) + ... + a 31n ( x n x n ) = b3 b31
..........................................................
a n1 ( x1 x1( 0) ) + a n 2 ( x 2 x2 ( 0 ) ) + a n 3 ( x3 x3 ( 0) ) + ... + a nn ( xn xn ( 0) ) = bn bn ( 0 )
a n1 1 + a n 2 2 + a n 3 3 + ... + a nn n = n
un nuevo SEL de igual matriz e incgnitas i . Una vez resuelta pueden
corregirse los valores "crudos" haciendo
xi
(1)
= xi
( 0)
+ i
Propagacin de errores
42
Al progresar el clculo para transformar el SEL dado en otro
equivalente de matriz triangular superior la transformacin de los elementos
de la matriz dada se produce por aplicacin de la expresin.
ai , j
(k )
= ai , j
( k 1)
a i ,k
( k 1)
ak , j
( k 1)
a k ,k
( k 1)
43
Corresponde analizar cmo se propagan los errores. Para ello se
construye el siguiente grafico de proceso (ver Aritmtica de t-dgitos,
Ferrante)
+1
ai,k
i,k
ai,kak,j +.
(ai,kak,j/ak,k)/(ai,j- ai,kak,j/ak,k)
*
ak,j
k,j
/
ak,k
k,k
+1
-1
ai,j
i,j
ai,j/(ai,j- ai,kak,j/ak,k)
44
k 1
ai ,k ak , j
{[(
k 1
k 1
i ,k
k 1
ai , j
a k ,k
+ k , j + * ) + k ,k ] + / }
k 1
k 1 i , j
k 1
k 1 + = ai , j
ai ,k ak , j
ai ,k ak , j
k 1
k 1
ai , j
ai , j
k 1
k 1
a k ,k
a k ,k
k 1
k 1
k 1 ai ,k k 1a k , j k 1
a i ,k a k , j
k
k
k
ai , j . ai , j
= ai , j .ai , j = ei , j = ( * + / )
+ ai, j
k
1
k
a k ,k
a k ,k
de donde, finalmente
ei , j
= ( * + / )
a i ,k
k 1
ak , j
a k ,k
k 1
k 1
+ ai , j
47
Para evitar esta circunstancia se aplican tcnicas denominadas de
"Pivoteo", tcnicas que consisten en hacer que el pivote sea lo ms grande
posible, segn criterios que a continuacin se presentan.
II.1.6
Pivoteo
48
El pivoteo mencionado se puede hacer por filas, por columnas y por
filas y columnas. El pivoteo de columnas introduce una complicacin adicional
que debe ser tratada en forma especial.
49
El denominado pivoteo por filas consiste en determinar el mayor
elemento en valor absoluto existente en la columna del pivote, debajo de este,
y llevarlo a la posicin pivote, intercambiando las filas correspondientes. El
siguiente esquema explica el tema:
x1
x2
x3
x4
.........
0
0
0
0
0
ak,k
ak+1,k
ak+2,k
..........
an-1,k
an,k
..........
...........
xn-1
xn
pivote
= max
{a
k ,k
, a k + 1 , k , a k + 2 , k ,..., a n 1 , k , a n , k
columnas intercambiadas, cambian de nombre, de tal forma que hay que llevar
una contabilidad de estos cambios para reconstruir el SEL en el momento del
clculo de las incgnitas.
x1
x2
x3
0
0
0
0
0
xk
.........
..........
...........
ak,k ak,k+1
ak+1,k
ak+2,k
..........
an-1,k
an,k
ak,k+2
ak,k+3
x2
x3
0
0
0
0
0
xk
.........
..........
...........
ak,k ak,k+1
ak+1,k
ak+2,k
..........
an-1,k
an,k
k+1
kk
ak,k+2
ak,k+3
k+2
ak,n-1
xn
ak,n
xn-1
y la n-1 sima,
xk pasa a ser
nota de estos
se coloquen los
xn-1
xn
ak,n-1
ak,n
n-1
-------
x2
x3
xn-1
.........
..........
...........
0
0
0
0
0
ak,n-1
ak,k+1
ak,k+2
ak,k+3
n-1
k+1
k+2
xk
xn
ak,k ak,n
ak+1,k
ak+2,k
..........
a
an,k
n
kk
-------
x2
x3
x4
x5
x6
x7
x8
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
ak,k
ai,k
-----
-----
-----
-----
-----
-----
ak,j
ai,j
x9
x10
53
Los elementos de la matriz A y del trmino independiente b pueden
ser resultado de un proceso de clculo, de medida o de estimacin de valores.
Por ejemplo, si el SEL es modelo de un sistema estructural, los trminos b
sern las acciones exteriores a dicho sistema, muchos de las cuales slo
admiten estimaciones aproximadas, estadsticamente validadas, por ejemplo,
efectos variables de viento o efectos horizontales y verticales generados por
movimientos ssmicos.
54
Por ese motivo es importante considerar los efectos que, sobre la
solucin, producen las incertidumbres en los coeficientes del SEL. El ejemplo
del prrafo 38 es ilustrativo al respecto. Una variacin del orden del 1% en
dos elementos de la matriz del SEL produjo variaciones mayores al 100% en el
valor de las incgnitas.
55
El tema no es sencillo. La pregunta fundamental es ver si pequeas
variaciones en los valores de los elementos de A y/o de B producen pequeas
variaciones en los valores de las incgnitas o si, por el contrario, esas
pequeas variaciones generan grandes cambios en el valor de las incgnitas. En
el primer caso el SEL ser estable y, en el segundo, inestable.
56
Contestarla requiere hablar de tamao de matrices, como se indica
en el siguiente razonamiento mediante el cual se resuelve un SEL en el que
existen variaciones en sus trminos independientes:
AX = B
A( X + X ) = B + B
Restando ambas expresiones se tiene
AX = B
Como el SEL dado tiene matriz no singular (hiptesis inicial de este trabajo)
puede hacerse:
X = A 1 B
2
i
i =1
que, en estos casos se denomina norma del vector. Para las matrices se
definen, entre otros nmeros posibles, las siguientes normas:
A
= max ai , j
i
A l = max a i , j
j
2
i, j
i, j
59
al valor
( A) = A 1 . A
Cuyo clculo requiere (nada menos) que hallar la inversa de la matriz dada.
Cuando el nmero (A) no es muy grande, el SEL estar bien condicionado o,
en otras palabras, ser estable, mientras que un valor grande de (A) indica
un SEL mal condicionado o inestable.
60
Con estas definiciones previas y mediante recursos que el lector
interesado puede ver en ANALYSIS OF NUMERICAL METHODS Eugene
Isaacson & Herbert Bishop Keller ed. John Wiley and Son puede afrontarse
el problema general:
( A + A)( X + X ) = B + B
Llegndose a establecer la cota
X
X
B
A
+
A B
A
1 ( A)
A
( A)
61
Como ejemplo se consigna que la matriz de 4x4 del SEL de prrafo
36 tiene un nmero de condicin (A) = 3.218 mientras que la matriz de 2x2
de prrafo 38 tiene un (A) = 19803. El primero es estable mientras el
segundo no lo es como se ha visto en el ejemplo.
63
La matriz cuadrada
10 1 1 1
1 10 1 1
A=
1 1 10 1
1 1 1 10
Tiene un nmero de condicin (A) = 1.4444 lo que indica que un SEL con esa
matriz es fuertemente estable.
II.2
80
El mtodo de Gauss Jordan es una variante interesante del mtodo
de Gauss. Su caracterstica ms importante es que, a costa de un mayor
trabajo sobre la matriz del sistema, no requiere etapa regresiva.
81
En efecto, el mtodo de Gauss est basado en la "fabricacin" de
ceros en la columna del pivote y en todas las filas que estn bajo el mismo. Al
final del proceso de clculo se obtiene una matriz triangular superior que
obliga a la etapa regresiva para el clculo de las incgnitas.
82
En el mtodo de Gauss Jordan los ceros se "fabrican" en la columna
del pivote pero en todas las filas, desde la primera a la n-sima, excepto la
fila del pivote, que se divide por el pivote. Procediendo de esta forma, al
finalizar el clculo la matriz slo tiene elementos iguales a 1 en su diagonal
principal. La columna de trminos independientes contiene entonces los
valores de las incgnitas o races del SEL. Puede decirse que mediante el
algoritmo de Gauss Jordan se obtiene un SEL "desacoplado" es decir un SEL
donde cada una de las variables es nica en su respectiva fila
.
83
x1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
x3
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
x4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
x5
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
x6
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
...
0
0
0
0
0
0
ak,k
0
0
0
ai,k
...
xj
...
...
...... .....
....
ai , j = ai , j
k 1
a i ,k
1 i n, i k
k +1 j n +1
1 k < n
k 1
ak , j
a k ,k
k 1
k 1
...
xn-1 xn
84
x1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
85
SEL
x3
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
x4
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
x5
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
x6
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
...
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
...
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
xj
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
...
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
...
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
....
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
...
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
xn-1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
xn
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
8
2
3
9
2
1
2
1
7
1
1 x1 24
3 x 2 14
=
2 x3 8
5 x 4 7
8
2
1
1
3
9
2
1
2
1
7
1
1
3
2
5
24
14
8
7
1
0
0
0
0.375
8.250
1.625
0.625
0.250
0.500
6.750
0.750
0.125
2.750
1.875
4.875
3.000
8.000
5.000
4.000
1
0
0
0
1
0
0.2275
0.0606
6.651
0
0.3334
1.333
2.636
0.9697
3.424
0.7121
4.666
3.394
1
0
0
0
0
1
0
0
0
0
1
0
-0.0456
0.3232
0.2004
4.523
2.518
0.9385
0.5148
3.027
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
2.5480
0.7235
0.3806
0.6692
ai , j = ai , j
k 1
ai ,k ak , j
a k ,k
k 1
k 1
II. 3
DESCOMPOSICIN LU
86
Frecuentemente es necesario resolver SEL para distintos vectores
trminos independientes. Ello es as porque en general en los sistemas cuyo
ENTRADA AL
SISTEMA
RESPUESTA DEL
SISTEMA
fi(t)
fo(t)
fi1(t)
fo1(t)
fi2(t)
fo2(t)
fik(t)
fok(t)
afi(t)
afo(t)
90
Esta es, obviamente, una tarea mproba. Por ello se han desarrollado
mtodos que con menor esfuerzo permiten resolver SEL para distintos
trminos independientes sin necesidad de repetir clculos. La factorizacin
LU de la matriz A es uno de ellos.
91
Para aplicar este mtodo se supone que la matriz A se puede
factorear en el producto de dos matrices denominadas respectivamente L y U
por ser la primera una matriz triangular inferior (lower) y la segunda
triangular superior (upper).
92
En principio el problema est indeterminado porque teniendo la
matriz A, n2 elementos y n2 + n elementos entre L y U corresponde definir de
alguna manera n elementos de L y/o U. Dos elecciones son clsicas. Una,
debida a Doolittle toma los elementos de la diagonal principal de L iguales a
uno, es decir lii = 1 mientras que otra, debida a Crout toma iguales a uno los
elementos de la diagonal principal de U, es decir uii = 1
93
1
2
3
4
5
6
EN PALABRAS
EN SIMBOLOS
SEL DADO
AX = B
FACTORIZACION
DE LA MATRIZ A
A = LU
SEL RESULTANTE
LUX = B
SUSTITUCION
U X = Y
SEL RESULTANTE
L Y = B ->Y
U X=Y ->X
95
Segn lo expresado en prrafo 92 precedente, la opcin de Doolittle
es hacer iguales a uno los elementos de la diagonal principal de la matriz L,
esto es, segn Doolittle
1, 0
l
1
21
l31 l32
l
l
L = 41 42
l51 l52
... ...
... ...
ln 1 ln 2
0 0
0 0
1 0
l43 1
l53 l54
... ...
... ...
ln 3 ln 4
0 0 0
0 0 0
0 0 0
0 0 0
1 0 0
... 1 0
... ... 1
ln 5 ln 6 ...
0
0
0
,
0
0
0
concurrentemente ser
u11
0
0
U =
0
0
0
0
debiendo verificarse que
u12
u 22
0
0
0
0
0
u13
u 23
u 33
0
0
0
0
u14
u 24
u 34
u 44
0
0
0
u15
u 25
u 35
u 45
u 55
0
0
...
...
...
...
...
u 66
0
...
...
...
...
...
...
u n 1,n 1
u1n
u 2 n
u 3n
u4n
u 5n
u 6n
u n 1,n
u n ,n
a11
a
21
a 31
a
A = LU = 41
a51
a 61
...
a n1
96
a12
a 22
a 32
a 42
a52
...
...
an2
a13
a 23
a33
a 43
a53
...
...
an 3
a14
a 24
a34
a 44
a54
...
...
an 4
a15
a 25
a35
a 45
a55
...
...
an5
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
a1n
a2n
a 3n
a4n
a5n
a6n
...
a nn
1)
a 21
u11
a31
u11
........................................
l n1 * u11 = a n1 l n1 =
2)
a n1
u11
a 32 l 31 * u12
u 22
...........................................................................
l n1 * u12 + l n 2 * u 22 = a n 2 l n 2 =
3)
a n 2 l n1 * u12
u 22
a 43 (l 41 * u13 * l 42 * u 23 )
u33
.........................................................................................................
l n1 * u13 + l n 2 * u23 + l n 3 * u33 = a n 3 l n 3 =
4)
a n 3 (l n1 * u13 + l n 2 * u23 )
u33
a 54 (l 51 * u14 + l 52 * u 24 + l 53 * u 34 )
u 44
a 54 (l n1 * u14 + l n 2 * u 24 + l n 3 * u 34 )
u 44
5)
1 * u 15 = a 15 u 15 = a 15
l 21 * u 15 + 1 * u 25 = a 25 u 25 = a 25 l 21 * u 15
l 31 * u 15 + l 32 * u 25 + 1 * u 35 = a 35 u 35 = a 35 ( l 31 * u 15 + l 32 * u 25 )
l 41 * u 15 + l 42 * u 25 + l 43 * u 35 + 1 * u 45 = a 45
u 45 = a 35 ( l 41 * u 15 + l 42 * u 25 + l 43 * u 35 )
l 51 * u 15 + l 52 * u 25 + l 53 * u 35 + l 54 * u 45 + 1 * u 55 = a 55
u 55 ( l 51 * u 15 + l 52 * u 25 + l 53 * u 35 + l 54 * u 45 )
l 61 * u 15 + l 62 * u 25 + l 63 * u 35 + l 64 * u 45 + l 65 * u 55 = a 65
l 65 =
a 65 ( l 61 * u 15 + l 62 * u 25 + l 63 * u 35 + l 64 * u 45 )
u 55
.......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ...
97
u1 j = a1 j , j = 1,2,..., n
li1 =
ai 1
,i 2
a11
k = i 1
uij = aij
u , j i, j = 1, n
ik kj
k =1
k = j 1
aij
lij =
ik kj
k =1
u jj
, j i , i = 2, n
98
Grficamente se puede representar el avance del clculo de la
siguiente forma, estando superpuestas en un mismo arreglo L y U
Paso 1
Paso 2
Paso 3
Paso 4
Paso 5 y siguientes
99
8
2
3
9
2
1
2
1
7
1
1 x1 24
3 x2 14
=
.
2 x3 8
5 x4 7
8
2
3 2 1 1
0
0
9 1 3
0.25
1
0
=
2 7 2 0.125 0.1970
1
1 1 5 0.125 0.0757 0.1071
0 8
3
2
1
0 0 8,25 0.50
2.75
0 0
0 6.6515 1.3332
1 0
0
0
4.4860
100
Se procede ahora al clculo del vector Y y posteriormente el del
vector X. Debe observarse la facilidad del clculo, notando especialmente que
recin en esta etapa interviene el vector de trminos independientes.
0
0
1
0.25
1
0
0.125 0.1970
1
0 y1 24
0 y 2 14
=
0 y 3 8
1 y 4 7
3
2
1 x1 24
8
0 8,25 0.50
2.75 x 2 8
=
0
4.4860 x 4 3.0410
0 0
El clculo se corresponde al de la etapa regresiva del mtodo de Gauss. Se
obtiene
x1 2.5545
x 0.7219
X = 2 =
x3 0.3601
x 4 0.6778
pudiendo apreciarse que los valores son coherentes con los hallados al aplicar
el mtodo de Gauss o el de Gauss Jordan al SEL dado. Las variaciones son
causadas por la aritmtica utilizada, los eventuales redondeos efectuados con
la mejor intencin y, quiz, algn error embozado en alguna parte..
II.3.2
102
Segn el criterio de Crout, las matrices L y U tienen la siguiente
estructura
l11
l
21
l 31
l
L = 41
l 51
...
...
l n1
0
l 22
l 32
l 42
l52
...
...
ln 2
0
0
l 33
l 43
l 53
...
...
ln 3
0
0
0
l 44
l 54
...
...
ln 4
0
0
0
0
l 55
...
...
ln5
0 0
0 0
0 0
0 0
,
0 0
0 0
... 0
... l nn
0
0
0
0
0
l 66
...
ln6
concurrentemente ser
1 u12
0 1
0 0
0 0
U =
0 0
0 0
0 0
0 0
u13
u14
u15
... ...
u 23
u24
u34
... ...
1 ...
u1n
u2 n
u3n
u4 n
u5 n
u6 n
un 1,n
a11
a
21
a 31
a
A = LU = 41
a51
a 61
...
a n1
96
a12
a 22
a32
a 42
a52
...
...
an 2
a13
a 23
a 33
a 43
a53
...
...
an 3
a14
a 24
a 34
a 44
a54
...
...
an 4
a15
a 25
a35
a 45
a55
...
...
an5
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
a1n
a2n
a 3n
a4n
a5n
a6n
...
a nn
1)
a12
l11
a13
l11
........................................
l11 * u1n = a1n u1n =
2)
a1n
l11
a 32 l 31 * u12
u 22
...........................................................................
l n1 * u12 + l n 2 * u 22 = a n 2 l n 2 =
3)
a n 2 l n1 * u12
u 22
a 43 (l 41 * u13 * l 42 * u 23 )
u33
.........................................................................................................
l n1 * u13 + l n 2 * u23 + l n 3 * u33 = a n 3 l n 3 =
4)
a n 3 (l n1 * u13 + l n 2 * u23 )
u33
a 54 (l 51 * u14 + l 52 * u 24 + l 53 * u 34 )
u 44
a 54 (l n1 * u14 + l n 2 * u 24 + l n 3 * u 34 )
u 44
5)
1 * u 15 = a 15 u 15 = a 15
l 21 * u 15 + 1 * u 25 = a 25 u 25 = a 25 l 21 * u 15
l 31 * u 15 + l 32 * u 25 + 1 * u 35 = a 35 u 35 = a 35 ( l 31 * u 15 + l 32 * u 25 )
l 41 * u 15 + l 42 * u 25 + l 43 * u 35 + 1 * u 45 = a 45
u 45 = a 35 ( l 41 * u 15 + l 42 * u 25 + l 43 * u 35 )
l 51 * u 15 + l 52 * u 25 + l 53 * u 35 + l 54 * u 45 + 1 * u 55 = a 55
u 55 ( l 51 * u 15 + l 52 * u 25 + l 53 * u 35 + l 54 * u 45 )
l 61 * u 15 + l 62 * u 25 + l 63 * u 35 + l 64 * u 45 + l 65 * u 55 = a 65
l 65 =
a 65 ( l 61 * u 15 + l 62 * u 25 + l 63 * u 35 + l 64 * u 45 )
u 55
.......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ...
97
li1 = ai1
u1 j =
a1 j
l11
j 1
i j >1
k =1
k = j 1
aij
ik
u kj
k =1
uij =
98
1< i < j
lii
8
2
3
9
2
1
2
1
7
1
1 x1 24
3 x 2 14
=
.
2 x 3 8
5 x 4 7
0
0
0
8
2 8.2500
0
0
L=
1 1.7500 6.53125
0
0
0
1
0
Se resuelve
0
0
0 y1 24
8
2 8.2500
0
0 y 2 14
=
LY = B
1 1.7500 6.63125
0 y3 8
1 0.6250 0.71212 4.52584 y 4 7
Este sistema tiene races
y1 3
y 0.96969
Y = 2 =
y 3 0.50572
y 4 0.67033
Con estos valores, ahora se resuelve
=
0
0
1
0.19778 x3 0.50572
0
0
1 x 4 0.67033
0
Obtenindose
x1 2.55155
x 0.72365
X = 2 =
x3 0.37314
x 4 0.67033
II.4
99
Con frecuencia los SEL de sistemas de inters en fsica e
ingeniera tienen matriz simtrica, es decir matrices en las que se verifica la
igualdad entre la matriz del sistema y su traspuesta. A = AT (aij = aji)
100
Por ejemplo, al efectuarse una aproximacin por cuadrados mnimos
a un conjunto de m puntos (xi,yi) por un polinomio de grado n, resulta un SEL
cuya matriz es la siguiente
m
xi
2
xi
xi 3
...
xn
i
x
x
x
i
2
2
i
3
...
...
...
x
x
i
n +1
x
x
x
x
3
i
i
n+2
...
...
...
....
...
n +1
...
n+2
...
...
...
n
i
x
x
x
i
n+2
i
...
...
2n
xi
n
i
n +1
[x1
x2
a11
a
21
... ... x n ] ...
...
a n1
a12
a 22
...
...
an 2
..
...
...
...
...
... a1n x1
... a 2 n x 2
... ... ... > 0
... ... ...
... a nn xn
A I = 0
3
.............................................................................................
la superior izquierda de A de dimensin (n-1)x(n-1)
A en si misma.
Es decir, si
a11 > 0
a11
a12
a 21
a 22
a11
a12
a13
a 21
a 22
a 23 > 0
a 31
a32
a 33
>0
.................................
A >0
104
En esas condiciones, la matriz A puede factorearse como el
producto de una matriz triangular inferior L por otra triangular superior,
traspuesta de L.
A = LLT
a11
a
21
a 31
a
A = 41
a51
a 61
...
a n1
a 21
a 22
a 32
a 42
a52
...
...
an 2
a31
a 32
a 33
a 43
a53
...
...
an3
a 41
a 42
a 43
a 44
a54
...
...
an 4
a51
a52
a53
a54
a55
...
...
an5
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
a n1
an 2
an3
an 4
an5
an6
...
a nn
l11
l
21
l 31
l
L = 41
l 51
l 61
...
l n1
l 22
l 32
l 42
l 52
l 62
...
ln 2
l11
T
U =L =
l 33
l 43
l 53
l 63
...
ln3
l 21
l 22
l 44
l54
l 64
...
ln4
l 31
l 32
l 33
l55
l 65
...
l n5
l 41
l 42
l 43
l 44
... ...
... l nn
l 66
...
l n6
l 51
l52
l53
l 54
l 55
l 61
l 62
l 63
l 64
l 65
l 66
...
...
...
...
...
...
...
l n1
l n 2
ln3
ln 4
l n5
l n6
...
l nn
105
Desarrollando el producto L LT , igualando a A y despejando, se
obtiene (se recomienda hacerlo)
l11 = a11
l1 j =
a1 j
j >1
l11
i 1
l ii = aii l ki
1< i n
k =1
i 1
a ij l ki l kj
l ij =
l ij = 0
k =1
i< j
lii
i> j
106
Una vez descompuesta la matriz A en el producto L LT se resuelve el
SEL como en los casos en que el factoreo es del tipo A = L U.
107
Ejemplo
7
2
0
1
2
8
4
3
1
3
4
6
4
2
0
3
4
7
4
1 x1 1
1 x2 1
2 x3 = 1
4 x4 1
5 x5 1
l 22 =
a 22 l 12
8 0 . 7559
= 2 . 7255
a2 j
l2 j =
ki kj
k =1
l 22
4 0 . 7559 * 1 . 1338
= 1 . 1531
2 . 7255
3 0 . 7559 * 0 . 0000
=
= 1 . 1007
2 . 7255
1 0 . 7559 * 0 . 3779
=
= 0 . 2620
2 . 7255
l 23 =
l 24
l 25
0
2.7255 1.1531 1.1007 0.2620
a3 j l k 3l k 3
k =1
l3 j =
l 33
l 34 =
l 35
La matriz resulta
7 = 2.6457 0.7559 1.1338 0.0000 0.3779
0
2.7255 1.1531 1.1007 0.2620
0
0
1.8397 1.4843 0.6900
El clculo contina
3
k =1
3
a 45 l k 4 l k 5
l 45 =
k =1
l 44
Con lo cual
0
2.7255 1.1531
0
0
1.8397
0
0
0
0.0000 0.3779
1.1007 0.2620
1.4843 0.6900
1.8934 1.4193
Por ltimo
De donde
0
2.7255 1.1531
T
L =
0
0
1.8397
0
0
0
0
0
0
2.6457
0.7559
L = 1.1338
0.0000
0.3779
0.0000 0.3779
1.1007 0.2620
1.4843 0.6900
1.8934 1.4193
0
1.5159
2.7255
0
0
0
1.1531 1.8397
0
0
Siendo
AX = B
A = LLT LLT X = B
LT X = Y
LY = B
y1
y
2
Y = y3
y4
y 5
0 . 3779
0 . 2620
= 0 . 1464
0 . 2611
0 . 2091
entonces
0
0
1.8397
0
0
0
0
0
0
0.0000
1.1007
1.4843
1.8934
0
0.3779 x1 0.3779
0.2620 x 2 0.2620
0.6900 x3 = 0.1464
1.4193 x 4 0.2611
1.5159 x5 0.2091
x1
0 . 1034
x
0 . 0689
2
X = x 3 = 0 . 0000
x4
0 . 0345
x 5
0 . 1379
7
2
0
1
2 3 0 1 0.1034 0.9995
8 4 3 1 0.0689 0.9994
4 6 4 2 0.0000 = 0.9996
3 4 7 4 0.0345 0.9998
1 2 4 5 0.1379 0.9998
II.5
SEL Tridiagonales
108
En la resolucin de ecuaciones diferenciales con condiciones de
contorno aplicando operadores en diferencias finitas se obtienen SEL cuyas
matrices tienen la siguiente forma.
a11
a
21
0
A=
0
0
a12
a 22
a 32
0
0
0
0
a 23
a 33
a 41
0
0
0
0
a 34
a 44
a51
0
0
0
0
a 45
a55
a 65
0
0
0
a 56
a 66
aij = 0
109
ij / i j > 1
b1
a
2
0
0
A=
0
...
0
c1
b2
a3
0
0
...
0
0
0
c2
b3
a4
0
...
0
0
0
0
c3
b4
a5
...
0
0
0
0
0
c4
b5
...
0
0
0
0
0
0
...
cn 1
bn
0
...
0
...
0
...
0
...
c5
...
...
...
a n 1 bn 1
0
an
110
Obsrvese que se ha utilizado un slo subndice para identificar
elementos con distintas denominaciones. Ello es as para permitir su
almacenamiento en memoria como tres vectores de n elementos (3n posiciones
de memoria) en lugar de las n2 posiciones que seran necesarias para
almacenar todos los elementos de una matriz de este tipo, con elementos
mayoritariamente nulos.
111
1 0 0 0 ...
1 0 0 ...
2
0 3 1 0 ...
A = LU =
0 0 4 1 ...
... ... ... ... ...
0 0 0 0 n
0 1
0 0
0 0
0 0
... ...
1 0
1 = b1
2 1 = a 2
2 c1 + 2 = b2
3 2 = a3
3c2 + 3 = b3
........................
c1
2
0
0
...
0
0
c2
3
0
...
0
0
0
c3
4
...
0
... 0
... 0
... 0
... 0
... ...
0 n
k =
ak
k 1
k = bk k ck 1
113
y1 = b1
y k = bk k y k 1
114
k = 2,3,4,..., n
xk =
yn
n
y k ck xk +1
k = n 1, n 2, n 3,...,3,2,1
0
0
0
0 x1 10
2 1
1 2 1
0
0
0 x 2 20
0
1 2 1
0
0 x3 20
=
0
1 2 1
0 x 4 20
0
0
0
0
1 2 1 x5 20
0
0
0
1 2 x6 10
0
Matriz L
1
1
2
L=
0
2
3
LY = B
5
4
4
3
3
4
4
5
2
3
3
4
2 1
0 3
0
0
U=
0
0
0
0
0
0
1
1
2
0
0 0
0 0
0 0
1 0
1
6
4
5
6
5
0
0
1
7
6
0
0 0 y 10
1
y 20
0 0 2
y 3 20
=
0 0 y 4 20
y 20
1 0 5
y 6 10
5
1
6
despejando se tiene
10
25
110
3
Y = 95
2
58
175
poniendo ahora
UX = Y
2 1
0 3
0
0
0
0
0
0
0
0
4
3
5
4
resulta
50
90
110
X =
110
90
50
6
5
0
0 x 10
1
x 25
0 2 110
x3 3
=
0 x4 95
2
x
1 5 58
175
x6
7
3
6
II.5 Ortogonalizacin
116
117
A efectos de poner en claro los clculos que se efectuarn, se
recuerda que el producto escalar de dos vectores dados por sus componentes
cartesianas es:
r
u = (u1 , u2 , u3 ,..., un )
r
v = (v1 , v2 , v3 ,..., v n )
n
rr
(u .v ) = u k v k
k =1
118
Si el producto escalar as calculado es nulo, los vectores u y v son
ortogonales.
119
Sea Q una matriz cuadrada de n filas por n columnas. Si se cumple
que el producto escalar de cada una de las filas de Q por las restantes es nulo, la
matriz Q se denomina ortogonal.
q 11
q
21
Q = q 31
...
q n 1
q
k =1
ik
0
q jk =
c
q 12
q 22
q 13
q 23
...
...
q 32
...
q 33
...
...
...
qn 2
qn3
...
q1n
q2n
q 3n
...
q nn
i j
cR c 0
i= j
esto indica que cada fila es ortogonal a todas las dems filas y, por supuesto que
todas ellas son ortogonales entre si. Si el nmero real c, en todos los casos vale 1,
la matriz Q es ortonormal.
120
Sea ahora una matriz cuadrada A de n filas por n columnas. En los
cursos de lgebra se demuestra que toda matriz de elementos reales A puede
ser factoreada como el producto de un matriz triangular inferior, con diagonal
unitaria, por una matriz ortogonal.
a11
a
21
a 31
...
a n1
a12
a 22
a 32
...
an2
a13
a 23
a 33
...
an3
...
...
...
...
...
a1n 1
a 2 n l 21
a 3n = l31
... ...
a nn l n1
0
1
l32
...
ln 2
0
0
1
...
ln 3
...
...
...
...
...
0 q11
0 q21
0 q31
0 ...
1 qn1
q12
q22
q32
...
qn 2
q13
q23
q33
...
qn 3
...
...
...
...
...
q1n
q2 n
q3 n
...
qnn
A = LQ
121
Adems, toda matriz ortogonal multiplicada por su traspuesta da
como resultado una matriz diagonal D. Si la matriz es ortonormal, la traspuesta
es directamente su matriz inversa.
122
Mediante este factoreo, un SEL AX = B puede transformarse de la
siguiente forma.
AX
LQX
= B
= B
L 1 LQX
QX
= L 1 B
= C
X = Q
por ser L una matriz triangular inferior, el clculo de su inversa es sencillo y, con
ella se transforma el vector B en el vector C. El paso siguiente, inmediato, sera
calcular el vector de incgnitas mediante el producto entre la inversa de la
matriz Q y el vector C.
123
Naturalmente esto requiere el clculo de la inversa de la matriz Q,
clculo que complica el mtodo en lugar de hacerlo ms simple. Sin embargo, el
siguiente razonamiento permite obviar ese clculo y trabajar con la traspuesta
QT y la inversa de la matriz D, que por ser una matriz diagonal tiene una inversa
inmediata.
124
En efecto, siendo QQT = D donde D es una matriz diagonal, tmese
una matriz E, diagonal, que cumpla la propiedad D = E2 y hgase Q=E U donde U
es una nueva matriz ortonormal.
125
Entonces Q-1 = ( E U )-1 = U-1 E-1. Por ser U ortonormal ser
U-1=UT
y E-1 = ET E-2 con lo que resulta Q-1 = UT ET E-2 = (EU)T E-2 = QT D-1 con lo que el
clculo de la inversa de Q se reduce al producto de su traspuesta por la inversa
de la matriz D. Entonces
X = Q T D 1C
126
Corresponde justificar la igualdad E-1 = ET E-2. Para ello se
demostrar que se trata de una identidad, es decir una igualdad que se cumple
para toda matriz diagonal. Supuesta vlida la igualdad anterior, se la
posmultiplica por E, tenindose entonces
E 1 = E . T E 2
E 1 . E = E T .(E 1 ) . E
2
I = E T . E 1 . E 1 . E
I = E. E 1 . E 1 . E
I=I
verificndose la identidad mencionada.
127
Este mtodo, bastante lejano a los gaussianos, tiene su razn de ser
para el clculo de las races de SEL con matriz inestable, donde el determinante
del sistema, presente de una u otra forma en aquellos mtodos y fuente de
errores y su propagacin, es evitado.
128
Se desarrolla a continuacin un mtodo para ortogonalizar matrices.
En lneas generales. es el denominado procedimiento de Gramm - Schmidt.
129
Tmese como primera fila de la matriz ortogonal Q la primera fila
de la matriz A
q1 = [q11 , q12 , q13 ,..., q1n ]
a1 = [a11 , a12 , a13 ,..., a1n ]
q1 = a1
q 2 = 21 q 1 + a 2
donde
(q1 .a2 )
(q1.q1 )
q2 = a 2
(q1.a 2 ) q
(q1.q1 ) 1
(q1.q3 ) = (q1.31q1 + 32 q2 + a3 ) = 0
(q2 .q3 ) = (q2 .31q1 + 32 q2 + a ) = 0
recordando que (q1,q2) = (q2,q1) = 0, resulta
31 =
(q1.a3 )
(q1.q1 )
32 =
(q2 .a3 )
(q2 .q2 )
q3 = a3
en general, se tiene
ij =
(q .a )
(q .q )
j
i 1
qi = a i
j =1
130
j<i
(q .a ) q
(q .q )
j
i = 1, n
...
a n1
a12
a 22
a 32
...
an2
0
1
0
0
l32
...
...
ln 2
ln 3
... 0 q11
... 0 q21
... 0 q31
... 0 ...
... 1 qn1
q12
q22
q32
...
qn 2
1 0
l
1
21
l31 l32
... ...
ln1 ln 2
0
0
1
...
ln 3
...
...
...
...
...
0 1
0 21
0 = 31
0 ...
1 n1
0
1
32
...
n 2
0
0
1
...
n 3
...
...
...
...
...
0
0
0
1
131
Como ejemplo de lo expuesto se resuelve por ortogonalizacin el SEL
(dado como ejemplo de SEL inestable por Francis Scheid, Theory and Problems
of Numerical Analysis. La matriz es denominada matriz de Wilson)
10
7
7 8 7 x1 32
5 6 5 x2 23
=
6 10 9 x3 33
5 9 10 x4 31
q1 = a1 = [10 7 8 7]
21 =
(10
(10
7 8 7 )(7 5 6 5)
94
=
7 8 7 )(10 7 8 7 )
131
con lo cual
q 2 = (7 5 6 5)
94
(10 7 8 7 ) = 23 3 34 3
131 131
131
131
131
31 =
(q1 , a 3 )
265
=
(q1 , q1 )
262
32 =
(q 2 , a 3 ) 111
=
(q 2 , q 2 )
13
23
4 55
8
q 3 = a 3 + 31 q1 + 32 q 2 = ,
, ,
13 26 13 26
41 =
(q1 , a4 ) = 247
(q1 , q1 ) 262
42 =
(q2 , a4 ) = 100
(q2 , q2 )
13
43 =
(q3 , a 4 ) = 251
(q3 , q3 ) 149
3
2
6 10
q4 = a 4 + 41q1 + 42 q2 + 43 q3 =
,
,
,
132
262
247
262
1
0 0
111
1 0
13
100 251
1
13 149
7
8
10
23
3
34
26
13
13
10
3
6
149 149
149
7
3
131
55
26
2
149
Y se verifica que
0
0
1
94
1
0
131
A = NQ = 265 111
1
262 13
247 100 251
262 13 149
0 10
7
8
3
34
23
0
131
131 131
8
23
4
0
26
13
13
6
10
3
1
149
149 149
7
3
10
7
131
55 ==
8
26
2
7
149
7
5 6 5
6 10 9
5 9 10
7
133
Para hallar el vector C necesariamente se debe invertir la matriz
diagonal inferior N, con lo cual se obtiene.
0
0
1
94
1
0
131
C = 265 111
1
262 13
247 100 251
262 13 149
1
32 94
23 131
= 133
33
26
31 602
149
0
32
32 5
1
0
0
131
23 = 4
111
1
0 33
13
13
997
251 31 3
1
149
149
149
0
entonces
23
8
10 131 13
3
23
7
131
26
QT =
34
4
8
131
13
3
55
7
131 26
6
149
10
149
3
149
2
149
0
262 0
13
0 131 0
149
D = QQ T =
0
0
26
0
0
0
1
262
0
=
0
131
13
0
0
26
149
0
1
149
0
149
23
8
10 131 13
3
23
7
131
26
X = Q T D 1C =
34
4
8
131
13
3
55
7
131 26
6
1
149
10 262
149 0
3
149 0
2
0
149
32
0 5
131
131
0
0 4 1
=
13
1
26
13
0
0 3 1
149
0
0 149 149
Lo que significa que x(1) = 1; x(2) = 1; x(3) = 1 y x(4) = 1 como puede verificarse
fcilmente reemplazando en el SEL en estudio.
134
Obsrvese que se han obtenido los resultados exactos a pesar que el
nmero de condicin de la matriz es
( A ) = A A 1 =
10
7
7
5
8
6
8
7
6
5
10
9
7 10
5 7
9 8
10 7
7
5
8
6
6
5
10
9
7
5
9
10
= 2984 , 09
III
ESFUERZO DE CALCULO
135
Los SEL fueron necesarios con anterioridad al advenimiento de las
computadoras digitales y an con estas, es necesario ser cuidadoso para evaluar
correctamente el esfuerzo de clculo necesario para resolverlos, porque con el
mismo est directamente relacionado el tiempo que se demora en hallar las
soluciones.
136
Antes de las computadoras el tema se meda en horas/calculista, con
computadoras, la unidad de esfuerzo de clculo puede ser horas/mquina, sin
n(n 1)(4n + 7 )
2
= O n 3
6
3
O(2/3 n3)
P(n)
5
19
46
90
705
5510
84525
5.3
18
42.6
83.3
666.6
5333.3
83333.3
140
Para tener una idea del tiempo requerido para resolver un SEL de
50x50 a mano, sin ayuda de calculadora y, se debera aadir, con gran posibilidad
de cometer errores, se requieren unos 100 das de 12 horas de trabajo continuo.
Al respecto, la bibliografa de esa poca, incorpora al esquema de clculo otras
columnas mediante las cuales se verificaba la marcha del clculo, aadiendo
operaciones, por supuesto. Por obvios motivos esas tcnicas no se exponen en el
presente. Las mismas pueden ser tomadas como una interesante referencia
histrica.
141
III
METODOS APROXIMADOS
143
Los mtodos aproximados no permiten determinar a priori el nmero
de operaciones necesarias para alcanzar la solucin de un SEL. Esto, a su vez,
exige establecer un criterio de corte que permita finalizar el proceso de
clculo.
144
Debe tenerse presente que, a pesar de ser llamados mtodos
aproximados, los resultados que se obtienen al aplicarlos, suelen ser ms
precisos que aquellos otros obtenidos por mtodos llamados exactos.
145
Ello es debido a que un mtodo exacto acumula y eventualmente
amplifica los errores debidos a la ineludible aritmtica en uso el todos los
pasos de clculo, mientras que un mtodo aproximado slo acumula los errores
del ltimo paso.
146
Los mtodos aproximados son especialmente tiles para grandes
SEL de matrices ralas, es decir matrices con un elevado nmero de elementos
nulos. Este tipo de matrices aparecen naturalmente cuando se resuelven
ecuaciones en derivadas parciales por mtodos de diferencias finitas, por
ejemplo.
147
lim R (k ) = 0
III-1
148
Sea el SEL
AX = B
ai 3 x3
ai1 x1 + ai 2 x 2 +
... +
... +
... +
a n1 x1 + a n 2 x 2 + a n 3 x3 +
... +
...
a1n xn = b1
... +
...
a 2 n xn = b2
... +
... +
... = ...
... + aij x j + ... ain xn = bi
... +
... +
... = ...
... +
... +
a nn x n = bn
150
Una forma posible de hacerlo es descomponer la matriz A del
sistema en tres matrices del mismo orden. La primera constituida por los
elementos de la diagonal principal de A; la segunda formada por los elementos
de la matriz A situados bajo la diagonal principal y, por ltimo la tercera
formada por los elementos de A situados sobre la diagonal principal. Este
proceso suele denominarse splitting
151
Lo expresado es
A = D L U
a11
a 21
...
a n1
a12
a 22
...
an2
152
... a1n
a11
... a 2 n
0
=
... ...
0
... a nn
0
0
a 22
0
0
0
0
a ii
0
0
0
0
a 21
0
...
a nn a n1
0
0
...
an 2
0
0
0
...
0 0 a12
0 0
0
0 0
0
0 0
0
... a1n
... a 2 n
0 ain
0
0
x1
a11
...
x2
0
=
...
...
a22
...
...
a33
0
...
...
ann
xn
0
0
... 0 0 a12 ... a1n x1 a11 0
0
... 0 0
0 a 22
0
... a2 n x 2
a21
+
+
...
...
0 ... ... ...
... ...
0
... ...
a
0
0
an 2 ... 0 0
0
...
0 xn
n1
...
b1
...
a33
0
...
b2
...
...
a nn
bn
X = P + QX
a11
0
P=
0
0
0
a 22
0
0
0
0
a ii
0
0
0
0
a nn
b1
b2
...
bn
a11
0
Q=
0
0
0
a 22
0
0
0
0
a ii
0
0
0
0
a nn
a 21
...
a
n1
0
0
...
an 2
...
...
0
...
0 0 a12
0 0
0
+
... ... ...
0 0
0
153
Lo anterior es equivalente a despejar x1 de la primera ecuacin, x2
de la segunda, x3 de la tercera y as sucesivamente hasta despejar xn de la
ltima.
... a1n
... a 2 n
0
...
...
0
154
x1 =
b1 a12
a
a
a
x2 13 x3 14 x4 ... 1n xn
a11 a11
a11
a11
a11
x2 =
b2 a 21
a
a
a
x1 23 x3 24 x4 ... 2 n x n
a 22 a 22
a 22
a 22
a 22
x3 =
b3 a31
a
a
a
x1 32 x 2 34 x 4 ... 3n x n
a 33 a 33
a 33
a 33
a nn
de la segunda
de la tercera
de la ltima
xn =
155
bn a n1
a
a
a
x1 n 2 x 2 n 3 x3 ... nn 1 xn 1
a nn a nn
a nn
a nn
a nn
a11
0
0
0
0
a 22
0
0
0
0
a 33
0
0
0
0
a nn
1
a11
1
a 22
1
a 33
1
a nn
(1)
x2
x3
x4 ... 1n xn
a11 a11
a11
a11
a11
x2
(1)
a
b2 a 21 ( 0) a 23 ( 0 ) a 24 ( 0 )
(0)
x1
x3
x4 ... 2 n xn
a 22 a 22
a 22
a 22
a 22
x3
(1)
b3 a 31 ( 0) a 32 ( 0 ) a34 ( 0 )
a
(0)
x1
x2
x4 ... 3n xn
a33 a 33
a33
a 33
a 33
x1
.........................................................................................
(1)
bn a n1 ( 0 ) a n 2 ( 0 ) a n 3 ( 0)
a
( 0)
x1
x2
x3 ... nn 1 xn 1
a nn a nn
a nn
a nn
a nn
( 2)
a
b1 a12 (1) a13 (1) a14 (1)
(1)
x2
x3
x4 ... 1n xn
a11 a11
a11
a11
a11
x2
( 2)
x1
x3
x4 ... 2 n xn
a 22 a 22
a 22
a 22
a 22
x3
( 2)
x1
x2
x4 ... 3n x n
a 33 a 33
a 33
a 33
a 33
xn
x1
.........................................................................................
xn
(2)
x1
x2
x3 ... nn 1 x n 1
a nn a nn
a nn
a nn
a nn
....................................................................................................
xi
III- I 2
(k )
aij ( k 1)
bi
xj
a ii j i aii
ANLISIS DE LA CONVERGENCIA
157
Naturalmente es necesario responder una pregunta clave converge
el procedimiento de clculo planteado?. Es decir, se verifica que
X = lim X ( k )
k
X = P + QX
158
En prrafos 57 y siguientes de este trabajo se trat el tema del
tamao de matrices, definindose all las normas
= max a i , j
i
A l = max ai , j
j
2
i, j
i, j
159
Estas sern utilizadas ahora para tratar el problema de la
convergencia del mtodo de Jacobi. Sea entonces el SEL preparado para
iteracin simple X = P +QX.
160
El proceso de iteracin simple converge si alguna de las normas de la
matriz Q es menor que la unidad.
161
En efecto, siendo
(1)
X .. = P + QX ( 0)
X ( 2 ) = P + QX (1) = P + Q[ P + QX ( 0 ) ] = ( I + Q) P + Q 2 X ( 0 )
X (3) = P + QX ( 2) = P + Q[ P + QX (1) ] = P + Q[( I + Q) P + Q 2 X ( 0 ) ] = ( I + Q + Q 2 ) P + Q 3 X ( 0)
X ( 4 ) = P + QX (3) = P + Q[ P + QX ( 2)] = P + Q[( I + Q + Q 2 ) P + Q 3 X ( 0) ] = ( I + Q + Q 2 + Q 3 ) P + Q 4 X ( 0)
............................................................................................................................................................
X ( K ) = ( I + Q + Q 2 + Q 3 + ... + Q K 1 ) P + Q k X ( 0)
lim Q k = 0
k
( I Q) X = P
X = P + QX
162
La transformacin del sistema dado en otro equivalente X = P + QX
no es nica, pudiendo encontrarse otras variantes dependientes del caso en
estudio. En estos casos, un anlisis de la convergencia es absolutamente
necesario como paso previo al procedimiento de clculo propiamente dicho.
163
ai 3 x3
ai1 x1 + ai 2 x 2 +
... +
... +
... +
a n1 x1 + a n 2 x 2 + a n 3 x3 +
... +
...
a1n x n = b1
... +
...
a 2 n x n = b2
... +
... +
... = ...
... + aij x j + ... ain x n = bi
... +
... +
... = ...
... +
... +
a nn x n = bn
a12 x2 +
a13 x3 +
(1 + 11 ) x1 +
a x +
(1 + 22 ) x 2 + a 23 x3 +
21 1
... +
... +
... +
ai 2 x 2 +
ai 3 x3
ai1 x1 +
... +
... +
... +
an 2 x2 +
a n 3 x3 +
a n1 x1 +
... +
...
a1n x n = b1
... +
...
a 2 n x n = b2
... +
... +
... = ...
... + a ij x j +
ain xn = bi
... +
... +
... = ...
... +
... +
(1 + nn ) xn = bn
x n = bn a n1 x1 a n 2 x2 a n 3 x3 ... nn x n
o, en forma matricial
X = B + RX
164
Lgicamente antes de operar es necesario buscar condiciones que
debe cumplir la matriz A del SEL dado para el el mtodo de Jacobi sea
1
n
1
<1
n
j
j i
a
166
j
j i
aii
ij
III-1 3
APROXIMACION
168
Se trata ahora de ver cmo es el proceso de convergencia y si es
posible determinar "a priori" el nmero de ciclos de iteracin necesarios para
una dada precisin, por supuesto, de no mediar errores de clculo en algn
siendo adems
X ( m +1) = P + QX ( m )
X ( m ) = P + QX ( m 1)
resulta
X ( m+1) X ( m ) = Q (X ( m ) X ( m 1) )
m j
X ( j +1) X ( j )
reemplazando
X ( k + p ) X ( k ) < X ( k +1) X ( k ) + Q X ( k +1) X ( k ) + Q
X ( k + p ) X ( k ) X ( k +1) X ( k ) 1 + Q + Q + Q + ... Q
X ( k +1) X ( k ) + ... + Q
p 1
p 1
X ( k +1) X ( k )
de donde
X (k + p) X (k )
1
X ( k +1) X ( k )
1 Q
XX
(k )
1 Q
X (1) X ( 0 )
171
resulta
XX
(k )
k +1
1 Q
172
Esquemticamente el mtodo de Jacobi puede presentarse de la
siguiente forma
x1(k+1)
x2(k+1)
x3(k+1)
........
xi(k+1)
........
xn(k+1)
p1
p2
p3
........
pi
.........
pn
q11
q21
q31
........
qi1
.......
qn1
q12
q22
q32
.......
qi2
......
qn2
.......
........
.......
......
.......
........
.....
q1j
q2j
q3j
......
qij
......
qnj
......
.......
.....
........
.......
........
.......
q1n
q2n
q3n
.......
qin
.......
qnn
x1(k)
x2(k)
x3(k)
.......
xi(k)
........
xn(k)
xi
( k +1)
= pi + qij x j
(k )
i = 1, n
j =1
173
x3
10 x1 + 2 x 2 +
2 x + 10 x +
2 x3
1
2
2 x 2 + 10 x3 + 2 x 4
x2 +
2 x3 + 10 x 4
= 10
= 10
= 10
= 10
D=
0 0 10 0
0 0 0 10
0
0
0
2 0
0
L=
0 2 0
0 1 2
0
0
0
0 2 1 0
0 0 2 0
U =
0 0
0 2
0
0
0 0
X = D 1 ( L + U ) X + D 1 B
x1 0
x 0
X = 2 =
x 3 0
x 4 0
174
k
0
1
2
3
4
5
6
7
8
9
10
11
12
III-2
x1
0.000000
1.000000
0.700000
0.820000
0.788000
0.793600
0.787960
0.790024
0.789273
0.789547
0.789447
0.789483
0.789470
x2
0.000000
1.000000
0.600000
0.740000
0.688000
0.706800
0.699920
0.702424
0.701510
0.701843
0.701722
0.701766
0.701750
x3
0.000000
1.000000
0.600000
0.740000
0.688000
0.706800
0.699920
0.702424
0.701510
0.701843
0.701722
0.701766
0.701750
x4
0.000000
1.000000
0.700000
0.820000
0.788000
0.793600
0.787960
0.790024
0.789273
0.789547
0.789447
0.789483
0.789470
175
La idea subyacente en el mtodo de Gauss Seidel es simple. En el
mtodo de Jacobi el vector X(k) permite calcular el nuevo vector X(k+1) segn el
esquema de clculo detallado en el prrafo 729 precedente. Sin embargo
debe notarse que una vez que se ha calculado x1(k+1) este valor queda
disponible y, si el proceso es convergente, debera ser una mejor
aproximacin al valor de la incgnita x1. La pregunta pertinente en este caso
es por qu no usar este valor x1(k+1) en el clculo de x2(k+1)? Y despus, por
qu no utilizar x1(k+1) y x2(k+1) en el clculo de x3(k+1)? Esta pregunta puede
repetirse hasta la correspondiente al uso de todas las incgnitas calculadas
en ese paso, excepto la ltima, para el clculo precisamente de la ltima.
176
177
P = ( D L) 1 B
Q = ( D L) 1U
x1(k+1)
p1
q11
q12
.......
q1j
......
q1n
x1(k)
x2(k)
x3(k)
.......
xi(k)
........
xn(k)
Clculo de x2(k+1)
x1(k+1)
x2(k+1)
p1
p2
q11
q21
q12
q22
.......
........
q1j
q2j
......
.......
x1(k+1)
x2(k)
x3(k)
.......
xi(k)
........
xn(k)
x1(k+1)
x2(k+1)
x3(k)
.......
xi(k)
........
xn(k)
x1(k+1)
x2(k+1)
x3(k+1)
.......
xi(k)
........
xn(k)
q1n
q2n
Clculo de x3(k+1)
x1(k+1)
x2(k+1)
x3(k+1)
p1
p2
p3
=
q11
q21
q31
q12
q22
q32
.......
........
.......
q1j
q2j
q3j
......
.......
.....
q1n
q2n
q3n
Clculo de xi(k+1)
x1(k+1)
x2(k+1)
x3(k+1)
........ =
xi(k+1)
p1
p2
p3
........
pi
q11
q21
q31
........
qi1
q12
q22
q32
.......
qi2
.......
........
.......
......
.......
q1j
q2j
q3j
......
qij
......
.......
.....
........
.......
q1n
q2n
q3n
.......
qin
Clculo de xn(k+1)
x1(k+1)
x2(k+1)
x3(k+1)
........ =
xi(k+1)
........
xn(k+1)
p1
p2
p3
........
pi
.........
pn
q11
q21
q31
........
qi1
.......
qn1
q12
q22
q32
.......
qi2
......
qn2
.......
........
.......
......
.......
........
.....
q1j
q2j
q3j
......
qij
......
qnj
......
.......
.....
........
.......
........
.......
q1n
q2n
q3n
.......
qin
.......
qnn
x1(k+1)
x2(k+1)
x3(k+1)
.......
xi(k+1)
........
xn(k)
xi
( k +1)
i 1
= pi + qij x j
( k +1)
+ qij x j
j =1
III-2 1
178
que
(k )
j =i
ANLISIS DE LA CONVERGENCIA
Para analizar la convergencia del mtodo de Gauss Seidel se supone
179
Suponiendo alcanzada la solucin X tal que X = P + QX puede
escribirse
n
xi = pi + qij x j
i = 1,2,3,..., n
j =1
xi
(k )
i 1
= pi + qij x j
(k )
+ qij x j
j =1
( k 1)
j =i
xi xi
(k )
i 1
= qij ( x j x j
j =1
(k )
) + qij ( x j x j
j =i
( k 1)
xi xi
i 1
qij x j x j
(k )
(k )
+ qij x j x j
j =1
180
( k 1)
j =i
Siendo
X X (k )
resulta x j x j
(k )
X X (k )
= max xi xi
(k )
y llamando
i 1
ri = qij
si = qij
j =1
j =i
se escribe
xi xi
(k )
ri X X ( k )
+ si X X ( k 1)
(k )
= max xi xi
(k )
= X X (k )
con lo cual
X X (k )
X X (k )
+ sl X X ( k 1)
rl X X ( k )
rl X X ( k ) sl X X ( k 1)
de donde
X X (k )
sl
X X ( k 1)
1 rl
haciendo
= max
i
si
1 ri
resulta
X X (k )
X X ( k 1)
pero como
n
ri + si = qij Q m < 1
j =1
entonces
Q ri
Q ri Q m
si
m
m
= Qm
1 ri
1 ri
1 ri
X X (k )
X X ( k 1)
X X (k )
k X X (0)
de donde
lim X ( k ) = X
k
X X (k )
k
X (1) X ( 0 )
1
184
x3
10 x1 + 2 x 2 +
2 x + 10 x +
2 x3
1
2
2 x 2 + 10 x3 + 2 x 4
x2 +
2 x3 + 10 x 4
10 0 0 0
0 10 0 0
D=
0 0 10 0
0 0 0 10
0
0
0
2 0
0
L=
0 2 0
0 1 2
0
0
0
0 2 1 0
0 0 2 0
U =
0 0
0 2
0
0
0 0
= 10
= 10
= 10
= 10
10
10
B=
10
10
k
0
1
2
3
4
5
6
x1
0.000000
1.000000
0.756000
0.792496
0.789998
0.789518
0.789476
x2
0.000000
0.800000
0.680800
0.698813,
0.701522,
0.701742
0.701754
x3
0.000000
0.840000
0.713440
0.702391
0.701767
0.701752
0.701754
x4
0.000000
0.752000
0.789230
0.789641
0.789494
0.789475
0.789474
185
Obsrvese que se ha obtenido el mismo resultado anterior con
varios ciclos de clculo menos, lo que en este caso indica una mayor velocidad
de convergencia.
III-3
RELAJAMIENTO
186
Est claro que si la matriz del SEL es diagonal dominante, los
mtodos de Jacobi y de Gauss - Seidel convergen a la solucin del problema.
Sin embargo, dependiendo de la matriz A del sistema y del conjunto de
valores iniciales tomados como primera aproximacin, la convergencia puede
ser lenta o, en ocasiones, muy lenta.
187
Resulta importante entonces la bsqueda de algn mtodo que
permita acelerar dicha convergencia.
188
Para ello se debe profundizar en el estudio del resto R (k ) = B AX (k )
anteriormente definido.
189
Para cada paso de clculo se existir un resto Ri(k) que, como vector,
puede se expresado
Ri
(k )
ri1( k )
(k )
ri 2
= ri 3( k )
...
r (k )
in
190
Si se calculan los componentes del vector X segn el procedimiento
de Gauss Seidel puede escribirse, como l-simo elemento del vector R
rli
(k )
i 1
= bl alj x j
alj x j
(k )
j =1
( k 1)
j =i
191
En particular, si se calcula el resto correspondiente al paso de
clculo se tendr
rii
(k )
i 1
= bi aij x j
(k )
aij x j
j =1
( k 1)
i 1
= bi aij x j
j =i
(k )
j =1
a x
ij
( k 1)
j
aii xi
( k 1)
j =i +1
de donde
rii
(k )
+ aii xi
( k 1)
i 1
= bi aij x j
(k )
j =1
ij
xj
( k 1)
= aii xi
(k )
j =i +1
de donde, a su vez
(k )
xi
(k )
= xi
( k 1)
r
+ ii
aii
192
Se obtiene as una expresin que relaciona la k-sima aproximacin
con la anterior (k-1)-sima. La actualizacin corre por cuenta de un factor
(k )
r
aditivo ii . La idea bsica del mtodo en estudio es la de afectar con un
aii
coeficiente el trmino aditivo de tal forma que la convergencia del mtodo
mejore, es decir que sea ms rpida.
193
(k )
xi
(k )
= xi
( k 1)
r
+ ii
aii
xi
(k )
aii xi
= (1 ) xi
(k )
i 1
( k 1)
+ aij x j
(k )
i 1
bi aij x j
aii
j =1
= (1 )aii xi
(k )
( k 1)
j =1
ij
xj
( k 1)
j =i +1
aij x j
( k 1)
+ bi
j =i +1
y, por ltimo
X ( k ) = ( D L) 1 [(1 )D + U ]X ( k 1) + ( D L) 1 B
196
Como ejemplo se resuelve repetidas veces un sistema de 6x6
resultante de aplicar un operador en diferencias finitas a un problema de
transmisin del calor en una placa plana con las siguientes condiciones de
contorno.
50
100
t1
50
t3
100
t5
50
t2
t4
t6
50
50
50
4t1
t
1
t1
t2
+ 4t 2
t2
t3
4t3
t3
t3
t4
t4
4t 4
t4
t5
4t 5
t5
t6
t6
+ 4t 6
= 150
= 50
= 50
= 50
= 150
= 50
197
Mediante un programa se lo resuelve repetidas veces con
condiciones de salida uniformes, al slo efecto de presentar la mejora /
desmejora que se produce en el nmero de iteraciones para diferentes
valores del parmetro.
La siguiente curva muestra claramente los resultados obtenidos, con
un optimo alrededor de los valores 1.1 - 1.2. La desmejora, es decir el aumento
de trabajo medido en nmero de iteraciones, es notable fuera de ese rango.
numero de iteraciones
140
120
100
80
60
40
20
0.5
1.0
omega
1.5
50
100
60.86
50
54.34
100
60.86
50
39.13
45.65
39.13
50
50
50
III-4
198
El mtodo de aniquilacin del resto es especialmente til en aquellos
casos en que la habilidad y/o la experiencia del calculista le permite estimar
con bastante precisin el valor de las incgnitas del SEL o cuando la matriz
del mismo permita apreciarlas con una buena aproximacin. En realidad este
mtodo es una variante del mtodo de relajamiento donde se elige anular uno
slo de los restos en cada paso de clculo, como se detalla a continuacin.
199
Se denomina X(0) el vector solucin del SEL estimado segn se ha
expresado en el prrafo anterior. Se calcula con este valor el "error de
cierre" o resto.
AX = B
B AX ( 0 ) = R
a11
a21
a31
a41
a12
a22
a32
a42
a13
a23
a33
a43
a14
a24
a34
a44
...
...
...
...
a1j
a2j
a3j
a4j
...
...
...
...
a1n
a2n
a3n
a4n
*
ai1
ai2
ai3
ai4
...
aij
...
ain
an1n
an2
an3
an4
...
anj
...
ann
x1(0)
x2(0)
x3(0)
x4(0)
...
xi(0)
...
xn(0)
r1(0)
r2(0)
r3(0)
r4(0)
...
ri(0)
...
rn(0)
luego se determina
rk = mx ri
i
b1
b2
a11
a21
a12
a22
a13
a23
a14
a24
...
...
a1j
a2j
...
...
a1n
a2n
bk
...
bi
ak1
ak2
ak3
ak4
...
akj
...
akn
x1(0)
x2(0)
*
ai1
ai2
ai3
ai4
...
aij
...
ain
xk(0)+xk(0)
...
=
(0)
xi
r1(0)
r2(0)
0
...
ri(0)
...
bn
an1n
bk a k 1 x1
(0)
an2
an3
(0)
+ a k 3 x3
+ a k 2 x2
an4
( 0)
...
anj
...
+ ... + akk xk
( 0)
...
xn(0)
ann
+ xk
(0)
) + ...a
kn
xn
( 0)
...
rn(0)
]= 0
desarrollando resulta
xk
[ (
)]
( 0)
r
1
(0)
(0)
( 0)
( 0)
(0)
=
bk a k 1 x1 + a k 2 x2 + a k 3 x3 + ... + a kk xk + ... + a kn x n
= k
a kk
a kk
( 0)
y se hace
xk
204
(1)
= xk
(0)
+ x k
(0)
a11
a21
a12
a22
a13
a23
a14
a24
...
...
a1j
a2j
...
...
a1n
a2n
x1(0)
x2(0)
r1(1)
r2(1)
bk
...
bi
...
bn
ak1
ak2
ak3
ak4
...
akj
...
akn
xk(1)
...
xi(0)
...
xn(0)
0
...
ri(1)
...
rn(1)
*
ai1
ai2
ai3
ai4
...
aij
...
ain
an1n
an2
an3
an4
...
anj
...
ann
se busca
rl = max ri
(1)
xl
(1)
r
= l
all
y se corrige
xl
(2)
= xl
(0)
+ xl
(1)
= xl
(1)
+ xl
(1)
205
Ntese que en cada paso slo una incgnita cambia de valor,
permaneciendo las restantes inalteradas, razn por la cual su suprandice slo
210
6 x1 + 4 x 2 + x3 = 3
2 x1 + 7 x 2 + 2 x3 = 1
x + x + 8x = 7
2
3
1
Se toma como vector solucin inicial al vector nulo y se calculan los restos.
Naturalmente estos son directamente los trminos independientes. Se elige
el mayor de ellos (R3) y se calcula x3.
211
El resto mayor se destaca en sombreado y lo propio se hace con el
correspondiente valor de x3. Se recalcula el vector X y se calculan
nuevamente los restos. Las operaciones son muy sencillas con los lenguajes
algebraicos disponibles. La tabla siguiente indica los clculos realizados hasta
obtener restos que se consideran despreciables.
X1(k)
X2(k)
0.000000
0.000000
0.000000
0.000000
X3(k)
0.000000
0.875000
0.875000
R1
R2
R3
3.000000
1.000000
7.000000
2.125000
-0.750000
0.000000
0.354167
0.354167
0.354167
0.138889
0.493056
0.493056
0.493056
0.0256076
0.518663
10
11
III-5
0.518663
0.004877
0.523541
0.523541
0.524715
0.000000
-0.208333
-0.208333
0.875000
0.000000
-1.458330
-0.354167
0.875000
0.8333333
0.000000
0.145833
-0.208333
0.875000
-0.030590
0.839410
0.000000
-0.277778
-0.482722
0.0305903
-0.206597
0.000000
0.839410
0.153646
0.000000
0.0295139
-0.237847
-0.007316
-0.245154
0.839410
0.000000
-0.051215
0.002906
0.839410
0.0295659
0.000000
0.0112227
-0.245154
-0.001393
-0.246557
-0.247148
0.839410
0.000000
-0.009755
0.006345
-0.208333
-0.029513
-0.237847
0.839410
0.843044
212
Para resolver el SEL AX = B se han desarrollado varios mtodos que,
en esencia buscan la solucin del sistema mediante un algoritmo de bsqueda
del mnimo de un determinado funcional. Estos mtodos, por supuesto, son
iterativos y, en determinadas ocasiones su convergencia suele ser lenta o muy
lenta, como se ver un poco ms adelante.
213
En todos los casos estos mtodos se plantean para SEL cuyas
matrices sean simtricas y definidas positivas (SDP), en el sentido que en el
prrafo 103 se dio a esta caracterstica.
214
Para aclarar ideas, antes de dar un tratamiento general al tema, se
considera un SEL de dos ecuaciones con dos incgnitas al slo efecto de
permitir la apreciacin analtica y grfica del proceso de clculo.
215
Sea entonces el SEL AX = B con A una matriz simtrica definida
positiva. Se plantea el siguiente funcional
q ( x, y ) =
1
[x
2
a
y ]. 11
a 21
a12 x
[b1
a 22 y
x
b2 ].
y
216
q ( x, y ) =
Desarrollando queda
1
[x
2
a x + a12 y
1
(b1 x + b2 y ) = (a11 x 2 + a12 xy + a 21 xy + a 22 y 2 ) (b1 x + b2 y )
y ] 11
2
a 21 x + a 22 y
a11 2
a
x + a12 xy + 22 y 2 b1 x b2 y
2
2
217
Obsrvese que la funcin de dos variables independientes q(x,y)
representa en los ejes coordenados x, y y z una superficie cuyas respectivas
curvas de nivel son elipses.
218
Asimismo esa funcin q(x,y) tendr extremo donde sus derivadas
parciales se anulen, es decir donde
q ( x, y )
= a11 x + a12 y b1 = 0
x
q ( x, y )
= a 21 x + a 22 y b2 = 0
y
2 q ( x, y )
a11
xy
=
2
q ( x, y ) a 21
y 2
a12
a 22
>0
Y como a11 tambin es mayor que cero por ser A una matriz SDP, el extremo
relativo del funcional q(x,y) es un mnimo cuyas coordenadas son la solucin
del SEL planteado.
219
En consecuencia, la solucin del SEL se transforma en la bsqueda
del mnimo de una superficie cuyas lneas de nivel son elipses. Para ello, una
forma de hacerlo es pararse en un punto de la misma y deslizarse sobre ella
hacia el buscado mnimo, que por tratarse de la solucin de un SEL, es nico.
220
Esto es similar a lo que hace un esquiador cuando desde un punto en
la ladera de las montaas obviamente nevadas- que rodean un valle, se
desliza con sus esques en bsqueda del fondo del mismo. Si se trata de un
esquiador avezado, su trayectoria ser una curva regular, suave, sobre las
laderas.
221
Tratando de emular al esquiador avezado, partiendo de un punto (x0,
y0 ) sobre la superficie, o lo que es lo mismo, de un vector u0 = x0 I + y0 J se
iniciar el deslizamiento desde ese punto (vector) segn la direccin de otro
vector, hasta que el trayecto indique que se ha dejado de descender para
comenzar a subir una pendiente.
222
Es decir, se bajar segn la direccin de un vector v0 hasta llegar
a un mnimo a partir del cual, se gana altura. Ese mnimo corresponde a un
nuevo punto (x1, y1) o vector u1 = x1 I + y1 J lugar desde donde se busca una
nueva direccin de descenso v1 y se la sigue hasta llegar a un mnimo de la
u 0 = x0 I + y0 J
u1 = u 0 + tv0 = ( x0 + tv0 x ) I + ( y 0 + tv0 y ) J
u 2 = u1 + tv1 = ( x1 + tv1x ) I + ( y1 + tv1 y ) J
.....................
u k = u k 1 + tv k 1 = ( x k 1 + tv k 1x ) I + ( y k 1 + tv k 1 y ) J
............................
223
Al reemplazar las componentes del vector u1 en la funcin q(x,y)
esta queda reducida a una funcin del parmetro t
q ( x, y ) =
a11 2
a
x + a12 xy + 22 y 2 b1 x b2 y =
2
2
a11
a
( x0 + tv0 x ) 2 + a12 ( x0 + tv0 x )( y 0 + tv0 y ) + 22 ( y 0 + tv0 y ) 2 b1 ( x0 + tv 0 x ) b2 ( y 0 + tv0 y ) =
2
2
1
1
2
2
( a11v0 x + a12 v0 x v0 y + a 22 v0 y )t 2 + (a11 x0 v0 x + a12 x0 v0 y + a12 y 0 v0 x + a 22 y 0 v 0 y b1 v0 x b2 v0 y )t +
2
2
1
1
2
2
+ a11 x 0 + a12 x 0 y 0 + a 22 y 0 b1 x0 b2 y 0 = (t )
2
2
d (t )
1
1
2
2
= 2 t ( a 11 v 0 x + a 12 v 0 x v 0 y +
a 22 v 0 y ) +
dt
2
2
+ ( a 11 x 0 v 0 x + a 12 x 0 v 0 y + a 12 y 0 v 0 x + a 22 y 0 v 0 y b 1 v 0 x b 2 v 0 y )
y se anula para
t=
225
Este vector es
q( x, y ) = (a11 x + a12 y b1 ) I + (a 21 x + a 22 y b2 ) J = AU B
Entonces, comenzando desde un punto (vector) arbitrario se comienza el
descenso segn la direccin del gradiente en ese punto, hasta que un cambio
de direccin sea necesario, en cuyo caso se continua el descenso segn el
nuevo gradiente, formando, como se ha dicho, un zigzag que conduce al
mnimo, solucin del SEL.
228
Antes de generalizar, se resuelve por este mtodo un SEL de 2x2
que permite ver la marcha de la solucin.
2 x + 5 y = 8
la matriz SDP es
7 2
A=
2 5
Y el vector de incgnitas es
x
u=
y
u1 = u 0 + t q 0 = [ 2 + 10 t
3 + 11t ]
q 2 = [0.43375 0.47715]
Y las coordenadas de u3
u 3 = u 2 + tq 2 = [1.13595 + 0.43375t 1.24105 + 0.47715t ]
Se obtiene ahora
q 3 = 10.1015 + 0.415811t + 1.64159t 2
dq 3
= 0.415811 + 3.28319t
dt
y
u4 = u3 + tq3 = [1.08101 0.07169t 1.18062 + 0.06512t ]
su derivada
dq4
= 0.0093778 + 0.0385055t
dt
q4 = [0.0188368 0.020737]
u5 = u4 + tq4 = [1.09847 + 0.0188368t 1.16476 + 0.020737t ]
q 5 = 10.129 + 0.000784847t + 0.00309818t 2
dq5
= 0.000784847 + 0.00619636t
dt
teniendo en cuenta que las raices del SEL son [1.09677 1.16129] se aprecia como
buena la aproximacin alcanzada. El siguiente grfico muestra el "camino" en
zigzag seguido para obtener dicha aproximacin.
Obsrvese que los tramos recorridos son cada vez menores (en mdulo) y
que no siempre la convergencia es tan limpia como en este caso en que las
elipses, curvas de nivel, definen un "pozo" cuyo punto ms bajo -solucin del
SEL- es fcilmente perceptible.
Si el "valle" por el cual se desciende es alargado y estrecho, el zigzag
puede ser interminable entre ambos faldeos hasta alcanzar el mnimo solucin
del SEL
229
Ahora, un poco de imaginacin, tal vez mucha, ayudar a comprender
lo que sigue.
230
El SEL de 2x2 estudiado dio origen a una forma cuadrtica
interpretable como una superficie en E3 cuyas lneas de nivel son elipses en
E2.
231
Un SEL de 3x3 da origen a una forma cuadrtica en E4 cuyas
superficies de nivel son elipsoides en E3 que se pueden asimilar a las distintas
capas de una cebolla en cuyo centro est la raz buscada. El trayecto del
esquiador se realiza en tres dimensiones, pasando a travs de sucesivas capas
(sin llorar) (elipsoides) hasta llegar al centro.
232
Un SEL de 4x4 o de nxn (ya da lo mismo) da lugar a una forma
cuadrtica interpretable como una hper superficie en En+1 cuyas superficies
de nivel son hper elipsoides en En. Nuestro esquiador se desliza ahora en un
hiperespacio, atravesando hper elipsoides hasta llegar al centro solucin del
SEL. Ya no hay grfico posible. Slo frmulas interpretables
matemticamente. Con eso se contina.
233
Para hacerlo, se toma nuevamente la expresin que permite calcular
el parmetro t en cada caso
t=
a11v0 x + 2a12 v0 x v0 y + a 22 v0 y
q0 .( AU 0 B )
( AU 0 B ).( AU 0 B )
=
( AU 0 B ). A.( AU 0 B )
q0 . Aq0
234
Obsrvese que la expresin AU0 - B es lo que ha sido denominado
resto o, mejor an, error de cierre del SEL con la aproximacin U0. Llamando
Ro a este resto o, en el caso general Rk, se tiene
tk =
Rk
Rk . ARk
235
Aceptando generalidad para esta expresin, el mtodo puede
sintetizarse de la siguiente forma.
1
2
3
Rk . ARk
236
Como se observa, el algoritmo es muy sencillo. Pero el zigzag puede
ser muy largo en casos como el que se ha indicado en prrafo precedente.
237
Otras elecciones del vector v dan lugar a mtodos similares al
presente, entre los que merece destacarse el denominado "Gradiente
Conjugado" que asegura la convergencia en n pasos (razn por la cual debera
ser incluido como mtodo "exacto")
238
Se desarrollan a continuacin dos ejemplos. Uno de ellos con la
matriz del SEL bien condicionada y otro con matriz mal condicionada.
239
7
1
1
0
0
0
1
7
1
0
1
0
0
0
1
7
1
0
1
0
1
0
1
7
1
0
1
0
1
0
1
7
1
0
0
0
1
0
1
7
1
0 x1 10
0 x 2 10
0 x3 10
1 x 4 = 10
0 x5 10
1 x6 10
7 x7 10
Y se calcula
R0 = A.U 0 B
t=
R0 .R0
R0 .( A.R0 )
K
1
2
3
4
5
6
7
8
9
10
X1
0.00000
1.01449
1.16591
1.17199
1.17269
1.17680
1.17661
1.17727
1.17724
1.17735
X2
0.00000
1.01449
0.98925
0.97780
0.96629
0.96573
0.96382
0.96371
0.96339
0.96337
X3
0.00000
1.01449
0.98925
1.03624
1.03338
1.03890
1.03865
1.03961
1.03957
1.03973
X4
0.00000
1.01449
0.812604
0.812842
0.799106
0.798168
0.795764
0.795627
0.795219
0.795195
X5
0.00000
1.01449
0.98925
1.03624
1.03338
1.03890
1.03865
1.03961
1.03957
1.03973
X6
0.00000
1.01449
0.98925
0.97780
0.966297
0.96573
0.96382
0.96371
0.96339
0.96337
X7
0.00000
1.01449
1.16591
1.17199
1.17269
1.17680
1.17661
1.17727
1.17724
1.17735
240 El segundo ejemplo muestra una posible marcha hacia el fracaso. El SEL a
resolver es el siguiente
1
1
2
1
3
1
4
1
5
1
6
1
7
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
3
1
4
1
5
1
6
1
7
1
8
1
9
1 1 1
1
4 5 6 7
1 1 1
1
x 10
5
6 7
8 1
1 1 1
1 x 2 10
6 7 8
9 x3 10
1 1 1
1
x 4 = 10
7 8 9 10
10
1 1 1
1 x5
8 9 10 11 x6 10
1 1 1
1 x 10
7
9 10 11 12
1 1 1
1
10 11 12 13
Nada menos que un sistema cuya matriz es la matriz de Hilbert de orden 7!.
Procediendo exactamente igual que en caso anterior, tomando como vector
inicial el vector nulo en E7 se repiten los ciclos de iteracin calculando la
distancia (sea lo que ella sea en un espacio de 7 dimensiones) entre Uk+1 y Uk.
El resultado de estos ciclos de iteracin puede apreciarse en el siguiente
grfico donde, en abscisas se ha llevado k, el paso de iteracin y, en
ordenadas, la distancia entre dos vectores (puntos) sucesivos de clculo.
Se nota un posible ciclo donde la distancia oscila entre dos valores con
tendencia muy leve hacia valores menores, pero a un costo de operaciones muy
elevado, razn por la cual se descarta continuar el clculo.
Tngase presente que el nmero de condicin de la matriz del SEL es
BIBLIOGRAFIA CONSULTADA
Algunos de estos textos fueron consultados para el presente trabajo:
Anlisis Numrico.
Richard Burden Douglas Faires
Grupo Editorial Iberoamericano
Anlisis Numrico
Mario Salvadori Melvin Baron
CECSA