Вы находитесь на странице: 1из 43

Tema: Sistemas de ecuaciones lineales

A) Condicionamiento del problema.


e Resolucin de sistemas linealess
Clculo umrico

B) Mtodos iterados: Jacobi, Gauss-Seidel y Relajacin

C) Mtodos directos: Factorizacin LU y Factorizacin QR

D) Sistemas superdeterminados.
Tema 2:

Problema Encontrar una solucin del sistema, de manera aproximada:

1 2 x1 1 x1 2 x2 = 1
=
3 1 x2 4 3 x1 + x2 = 4
Resolucin de sistemas de ecuaciones lineales Ax=b.
Un sistema de m ecuaciones lineales con n incgnitas
consiste en una coleccin de ecuaciones del tipo A x = b,
Tema 2: Resolucin de sistemas lineales para una matriz rectangular A de m filas y n columnas y un
vector b de trminos independientes de m componentes.
Clculo umrico

a11 L a1n b1
x1
M M M
M M =
M M
xn
a L a b
m1 mn m
Teorema de Rouch-Frobenius: un sistema de ec. lineales A x=b
es compatible (i.e. tiene solucin) si y slo si rg(A)=rg(A|b), en
cuyo caso es determinado (i.e. tiene solucin nica) si y slo si
rg(A)=rg(A|b)=n.

A continuacin estudiaremos cmo resolver numricamente sistemas


compatibles de rango mximo (i.e. rg(A)=rg(A|b)=n).
Resolucin de sistemas de ecuaciones lineales Ax=b. ESQUEMA:
A) Condicionamiento del problema:

Estabilidad de la solucin por errores


Tema 2: Resolucin de sistemas lineales
Clculo umrico

Normas matriciales: || ||1, || ||2, || ||

Nmero de condicin: (A)=||A||||A-1||


B) Mtodos iterados:
Jacobi

Gauss-Seidel

Relajacin o SOR

C) Mtodos directos:
Factorizacin LU: Doolittle, Crout, Cholesky

Factorizacin QR

D) Sistemas superdeterminados: seudosolucin


Resolucin de sistemas de ecuaciones lineales Ax=b.
A) Condicionamiento del problema:

Estabilidad de la solucin por errores


Tema 2: Resolucin de sistemas lineales
Clculo umrico

Sera deseable que las soluciones de los sistemas siguientes


fueran parecidas

1.01 0.99 x 2 x 1
= =
0.99 1.01 y 2 y 1

1.01 0.99 x 2.02 x 2


= =
0.99 1.01 y 1.98 y 0

1.01 0.99 x 1.98 x 0


= =
0.99 1.01 y 2.02 y 2

El problema est mal condicionado, ya que pequeos errores en


los datos de entrada tienen un reflejo notorio en las soluciones
que se ofrecen como salida.
Resolucin de sistemas de ecuaciones lineales Ax=b
A) Condicionamiento del problema:

Estabilidad de la solucin por errores


Tema 2: Resolucin de sistemas lineales
Clculo umrico

Asimismo, sera deseable que fueran diferentes los vectores b y


c de los sistemas Ax=b y Ax=c de soluciones x(1) y x(2),
3.02 1.05 2.53 1 0.88
(1)
( 2)

A = 4.33 0.56 1.78 x = 2 x = 2.34
0.83 0.54 1
1 2.66
1 .47

1.61 1.6047

A x (1) = 7.23 A x( 2) = 7.2348
3.38 3.3716

El problema est mal condicionado, en tanto en cuanto


pequeos errores en los datos de entrada tienen un reflejo
notorio en las soluciones que se ofrecen como salida.
Resolucin de sistemas de ecuaciones lineales Ax=b
A) Condicionamiento del problema:

ormas matriciales y nmero de condicin


Tema 2: Resolucin de sistemas lineales
Clculo umrico

El nmero de condicin del sistema es (A)=||A||||A-1||, para


alguna norma matricial. Siempre es mayor o igual que 1.
El sistema estar tanto mejor condicionado cuanto
ms prximo a 1 sea su nmero de condicin.

Las normas matriciales que nosotros utilizaremos sern estas tres:


n
orma 1 columna: || A ||1 = max
1 j n
| a
i =1
ij |

orma 2, eucldea espectral: || A ||2 = maxT | | = ( AT A)


{| |: |I A A| = 0}
n
orma fila: || A || = max
1 i n
| a
j =1
ij |
Resolucin de sistemas de ecuaciones lineales Ax=b
A) Condicionamiento del problema:

ormas matriciales y nmero de condicin


Tema 2: Resolucin de sistemas lineales
n
Clculo umrico

orma 1 columna: || A ||1 = max


1 j n
| a
i =1
ij |

orma 2, eucldea espectral: || A ||2 = maxT | | = ( AT A)


{| |: |I A A| = 0}
n

orma fila: || A || = max


1 i n
| a
j =1
ij |

1.01 0.99 x 2 (A)=||A||||A-1||


=
0.99 1.01 y 2
1
1.01 0.99 25.25 24.75
A =
1
= ( A) = 100
0.99 1.01 24.75 25.25

|| A ||1 =|| A ||2 =|| A || = 2 || A1 ||1 =|| A1 ||2 =|| A1 || = 50


Resolucin de sistemas de ecuaciones lineales Ax=b
A) Condicionamiento del problema:

ormas matriciales y nmero de condicin


Tema 2: Resolucin de sistemas lineales
n
Clculo umrico

orma 1 columna: || A ||1 = max


1 j n
| a
i =1
ij |

orma 2, eucldea espectral: || A ||2 = maxT | | = ( AT A)


{| |: |I A A| = 0}
n

orma fila: || A || = max


1 i n
| a
j =1
ij |

3.02 1.05 2.53


(A)=||A||||A-1||
A = 4.33 0.56 1.78
0.83 0.54 1 .47

|| A ||1 = 8.18, || A ||2 = 5.353139939, || A || = 6.67

|| A1 ||1 = 944.349181 || A1 ||2 = 802.058621 || A1 || = 1138.6758

1 ( A) = 7724.7763, 2 ( A) = 4293.53204, ( A) = 7594.96759


Resolucin de sistemas de ecuaciones lineales Ax=b
A) Condicionamiento del problema:

Tema 2: Resolucin de sistemas lineales


Resolver el siguiente sistema utilizando aritmtica exacta
Clculo umrico

0.003 59.14 x 59.17 x 10


= =
5.291 6.13 y 46.78 y 1

2 ( A ) 11 . 298

Resolver el mismo sistema utilizando aritmtica de 3 cifras


decimales exactas mediante el mtodo de reduccin por filas
0.003 59.14 x 59.17
=
5.291 6.13 y 46.78

0.003 59.14 x 59.17 x 1


= =
0 104309.396 y 104309.396 y 1

2 ( B ) 0.347 10 8
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados: Suponemos que A es regular (|A|0).

Un mtodo iterado consiste en establecer una sucesin de vectores


en la forma
Tema 2: Resolucin de sistemas lineales
( k +1)
Clculo umrico

(k )
x = K x +c

El mtodo converge para cualquier eleccin inicial x(0) si y slo si


( I K ) invertible y
( K ) = max{| |: es autovalor de K } < 1

Adems, converge a la nica solucin de Ax=b si:


c = ( I K ) A 1 b
De ser ste el caso, cotas para medir el error vienen dadas por:
|| x ( k ) x |||| K ||k || x ( 0 ) x ||

|| K ||
|| x (k )
x || || x ( k ) x ( k 1) ||
1 || K ||
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados: Buscamos K tal que x ( k +1) = K x ( k ) + c,
( I K ) invertible y c = ( I K ) A1 b
Tema 2: Resolucin de sistemas lineales
Por descomposicin, A=M-=L+D+U
Clculo umrico

x ( k +1) = M 1  x ( k ) + M 1b

Jacobi: M = D,  = L U
Gauss-Seidel: M = D + L,  = U
1 1
Relajacin: M = D + L,  = D U

Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:
Jacobi: M = D,  = L + U
Tema 2: Resolucin de sistemas lineales
x ( k +1) = D 1 ( L U ) x ( k ) + D 1b
Clculo umrico

Consiste en utilizar la i-sima ecuacin de Ax=b para obtener el


valor de xi(k+1) en funcin de x(k)

1
xi
( k +1)
=
aii
( (k ) (k ) (k ) (k )
ai1 x1 L aii 1 xi 1 aii +1 xi +1 L ain xn + bi )
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:

1 2 x1 1 x1 2 x2 = 1
=
Tema 2: Resolucin de sistemas lineales
Clculo umrico

3 1 x2 4 3x1 + x2 = 4

Jacobi:

1
xi
( k +1)
=
aii
( (k ) (k ) (k ) (k )
ai1 x1 L aii 1 xi 1 aii +1 xi +1 L ain xn + bi )

x1( k +1) = 2 x2
(k )
1 x1
( k +1)
0 2 x1( k ) 1
( k +1) (k )
( k +1) = ( k ) +
x2 = 3x1 + 4 x2 3 0 x2 4
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:

Tema 2: Resolucin de sistemas lineales Gauss-Seidel: M = D L,  = U


Clculo umrico

x ( k +1) = ( D + L) 1 (U ) x ( k ) + ( D + L) 1 b

Consiste en utilizar la i-sima ecuacin de Ax=b para obtener el


valor de xi(k+1) en funcin de x(k) y de las componentes ya calculadas

1
xi
( k +1)
=
aii
(
ai1 x1
( k +1)
L aii 1 xi 1
( k +1) (k ) (k )
aii +1 xi +1 L ain xn + bi )
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:

1 2 x1 1 x1 2 x2 = 1
=
Tema 2: Resolucin de sistemas lineales
Clculo umrico

3 1 x2 4 3x1 + x2 = 4

Gauss-Seidel:
1
xi
( k +1)
=
aii
(
ai1 x1
( k +1)
L aii 1 xi 1
( k +1) (k ) (k )
aii +1 xi +1 L ain xn + bi )

x1( k +1) = 2 x2
(k )
1 x1
( k +1)
0 2 x1( k ) 1
( k +1) ( k +1)
( k +1) = ( k ) +
x2 = 3x1 + 4 x2 0 6 x2 7
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:
1 1
Relajacin: M= D L,  = D +U
Tema 2: Resolucin de sistemas lineales
Clculo umrico

1 1
( k +1) 1 1 (k ) 1
x = D + L D U x + D + L b

Consiste en utilizar la i-sima ecuacin de Ax=b para obtener el


valor de xi(k+1) en funcin de x(k) y de las componentes ya calculadas
modificadas por un peso .

( k +1)
xi = (1 ) xi( k )
1
+
aii
(
ai1 x1
( k +1)
L aii 1 xi 1
( k +1) (k ) (k )
aii +1 xi +1 L ain xn + bi )
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:

1 2 x1 1 x1 2 x2 = 1
=
Tema 2: Resolucin de sistemas lineales
Clculo umrico

3 1 x2 4 3x1 + x2 = 4

Relajacin, =0.75

( k +1)
xi = (1 ) xi( k )
1
+
aii
(
ai1 x1
( k +1)
L aii 1 xi 1
( k +1) (k ) (k )
aii +1 xi +1 L ain xn + bi )

( k +1) 1 (k ) 3 (k ) 3 1 3 3
x1 = x1 + x2
4 x1
( k +1)
4 x
( k )


4 2 2 1 + 4
1 (k ) 9 ( k +1) x ( k +1) = 9 25 x ( k ) 75
x2 ( k +1) = x2 x1 + 3 2 2
4 4 16 8 16
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:

1 2 x1 1 x1 2 x2 = 1
=
Tema 2: Resolucin de sistemas lineales
Clculo umrico

3 1 x2 4 3x1 + x2 = 4

Jacobi

x1( k +1) 0 2 x1( k ) 1


( k +1) =
x 3 0 x ( k ) + 4
2 2

Gauss-Seidel
x1( k +1) 0 2 x1( k ) 1
( k +1) =
x 0 6 x ( k ) + 7
2 2

Relajacin, =0.75
1 3 3
x ( k +1)
4 x
( k )
1 = 2 1 + 4
x ( k +1) 9 25 x ( k ) 75
2 2
16 8 16
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados: convergencia de los mtodos.
(k + 1) (k )
En general, para que un mtodo iterado x = K x +c
converja, debe cumplirse que (K) < 1.
Tema 2: Resolucin de sistemas lineales
Clculo umrico

CASOS PARTICULARES:
Mtodos de Jacobi y Gauss-Seidel:
o Convergen para matrices A diagonal dominantes (i.e. el
valor absoluto de los elementos de la diagonal mayoran
la suma de los valores absolutos de los restantes
elementos de su fila).
Mtodo de Relajacin:
o Diverge para fuera del intervalo (0,2).
o Para A simtrica definida positiva (es decir, AT=A y los
determinantes de las matrices principales son todos positivos),
el mtodo de relajacin converge si y slo si pertenece al
intervalo (0,2).
o Para A diagonal dominante, el mtodo de relajacin converge
si pertenece a (0,1], teniendo incertidumbre en otro caso.
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados:
1 2 x1 1 x1 2 x2 = 1
=
Tema 2: Resolucin de sistemas lineales
3 1 x2 4 3x1 + x2 = 4
Clculo umrico

Jacobi: ( J ) = 6 > 1 El mtodo de Jacobi no converge.

x1( k +1) = 2 x2
(k )
1 x1
( k +1)
0 2 x1( k ) 1
( k +1) (k )
( k +1) = ( k ) +
x2 = 3x1 + 4 x2 3 0 x2 4

G.-S.: (GS ) = 6 > 1 El mtodo de G.-S. no converge.


x1( k +1) = 2 x2
(k )
1 x1
( k +1)
0 2 x1( k ) 1
( k +1) ( k +1)
( k +1) = ( k ) +
x2 = 3x1 + 4 x2 0 6 x2 7

Relaj., =0.75: ( R) = 2.85 > 1 El mtodo de Relaj. no converge.

( k +1) 1 (k ) 3 (k ) 3 1 3 3
x1 = x1 + x2
4 x1
( k +1)
4 x ( k )

4 2 2 1 + 4
1 (k ) 9 ( k +1) x ( k +1) = 9 25 ( k ) 75
x2 ( k +1) = x2 x1 + 3 2 x2
4 4 16 8 16
Resolucin de sistemas de ecuaciones lineales Ax=b
B) Mtodos iterados: Si A es diagonal dominante

3 1 x1 4 3x1 + x2 = 4
=
Tema 2: Resolucin de sistemas lineales
Clculo umrico

1 2 x2 1 x1 2 x2 = 1

Jacobi ( J ) 0.40824829 < 1


x1( k +1) = 13 x2
(k )
+ 4
x1( k +1) 0 13 x1( k ) 43
( k +1)
3 ( k +1) = 1

+
(k ) 1
x2 = 1
x1
(k )
+ 1
x2
2
0 x2 2
2 2

Gauss-Seidel (GS ) = 0.16666 < 1


x1( k +1) = 13 x2
(k )
+ 4
x1( k +1) 0 13 x1( k ) 43
( k +1)
3 ( k +1) =
1 ( k ) + 7
1 ( k +1) 1
x 2 = 2
x1 + 2 x2 0 6 x2 6

Relajacin, =0.75 (0,1] ( R) = 0.25 < 1


Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky

Tema 2: Resolucin de sistemas lineales Se trata de descomponer la matriz de coeficientes A en la forma A=LU
para ciertas matrices triangulares inferior y superior. Las matrices
Clculo umrico

L y U son nicas, prefijadas una de sus diagonales.

Esto ser posible si y slo si los determinantes de las matrices


principales son todos no nulos.
Si la matriz A es regular, entonces siempre existe una
reordenacin de filas y columnas que facilitan esta condicin.
Si la matriz A es diagonal dominante, entonces los determinantes
de las matrices principales son todos no nulos

En estas condiciones, resolver el sistema Ax=b se reduce a resolver


dos sistemas triangulares: primero, Ly=b, de solucin c; despus,
Ux=c, cuya solucin es la solucin del sistema original.

Gran inconveniente: puede empeorar el condicionamiento del


sistema original.
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky
Si los determinantes de las matrices principales son todos no
Tema 2: Resolucin de sistemas lineales nulos.
Clculo umrico

Dependiendo de cmo se tomen L y U podemos distinguir:

Factorizacin de Doolittle: L con diagonal de unos.

Factorizacin de Crout: U con diagonal de unos.

Factorizacin de Cholesky: U=LT


Aqu, adicionalmente A ha de ser simtrica y definida positiva. Es
decir, A=AT y los determinantes de las matrices principales son
todos positivos.
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky

Factorizacin de Doolittle: L con diagonal de unos.


Tema 2: Resolucin de sistemas lineales
Clculo umrico

60 30 20 0 1 0 0 u11 u12 u13



A = 30 20 15 b = 10 L = l21 1 0 U = 0 u22 u23
20 15 12 10 l 1 0 u33
31 l32 0
60 30 20
60 30
1 = 60 0, 2 = = 300 0, 3 = 30 20 15 = 100 0
30 20
20 15 12

u11 u12 u13 60 30 20



LU = l21u11 l21u12 + u22 l21u13 + u23 = 30 20 15 = A
l u l31u13 + l32u23 + u33 20 15 12
31 11 l31u12 + l32u22
1 1
u11 = 60, u12 = 30, u13 = 20 l21 = , l31 =
u 22 = 5, u23 = 5 2 3
1 l32 = 1
u33 =
3
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky

Factorizacin de Doolittle: L con diagonal de unos.


Tema 2: Resolucin de sistemas lineales
1 0 0
Clculo umrico

60 30 20 0 60 30 20

1 0 U = 0 5 5
1
A = 30 20 15 b = 10 L =
2 1
20 15 12 10 1 0 0

1 1 3
3
1 0 0
x 0
1
Ly = b 1 0 y = 10 c = (0,10,0)T
2
1 z 10
1 1
3

60 30 20
x 0

Ux = c 0 5 5 y = 10 x = (1,2,0)T


1 z 0
0 0
3
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky

Factorizacin de Crout: U con diagonal de unos.


Tema 2: Resolucin de sistemas lineales
Clculo umrico

60 30 20 0 l11 0 0 1 u12 u13



A = 30 20 15 b = 10 L = l21 l22 0 U = 0 1 u23
20 15 12 10 l l33 0 0 1
31 l32
60 30 20
60 30
1 = 60 0, 2 = = 300 0, 3 = 30 20 15 = 100 0
30 20
20 15 12

l11 l11u12 l11u13 60 30 20



LU = l21 l21u12 + l22 l21u13 + l22u23 = 30 20 15 = A
l l31u13 + l32u23 + l33 20 15 12
31 l31u12 + l32
1 1 l11 = 60, l21 = 30, l31 = 20
u12 = , u13 =
2 3 l22 = 5, l32 = 5
u 23 = 1 1
l33 =
3
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky

Factorizacin de Crout: U con diagonal de unos.


Tema 2: Resolucin de sistemas lineales
60 0 0 1 1
Clculo umrico

60 30 20 0 1
2 3
A = 30 20 15 b = 10 L = 30 5 0 U = 0 1 1
20 15 12 10
1 0 0 1

20 5
3
60 0 0
x 0

Ly = b 30 5 0 y = 10 c = (0,2,0)T


1 z 10
20 5
3

1 1
1
2 3 x 0

Ux = c 0 1 1 y = 2 x = (1,2,0)T

z 0
0 0 1

Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky

Factorizacin de Cholesky: LT=U.


Tema 2: Resolucin de sistemas lineales
Clculo umrico

60 30 20 0 l11 0 0 l11 l21 l31



A = 30 20 15 b = 10 L = l21 l22 0 U = 0 l22 l32
20 15 12 10 l l33 0 0 l
31 l32 33

60 30 20
60 30
AT = A, 1 = 60 > 0, 2 = = 300 > 0, 3 = 30 20 15 = 100 > 0
30 20
20 15 12

l112 l11l21 l11l31 60 30 20



LU = l21l11 l212 + l222 l21l31 + l22l32 = 30 20 15 = A
l l l312 + l322 + l332 20 15 12
31 11 l31l21 + l32l22
1 1
l11 = 60 , l21 = 15 , l31 = 60 l22 = 5 , l32 = 5 l33 = 3
3 3
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin LU: Doolittle, Crout, Cholesky

Factorizacin de Cholesky: LT=U.



Tema 2: Resolucin de sistemas lineales
0
Clculo umrico

60 30 20 0 60 0
T
A = 30 20 15 b = 10 L =U = 15 5 0
20 15 12 10 60 3
5
3 3
60 0 0
x 0

Ly = b 15 5 0 y = 10 c = (0,2 5 ,0)T
z 10
60 3
5
3 3
60
60 15
3 x 0

Ux = c 0 5 5 y = 2 5 x = (1,2,0)T
z 0
3
0 0
3
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder

Se trata de descomponer la matriz de coeficientes A en la forma A=QR


para R triangular superior y Q unitaria (QTQ=I).
Tema 2: Resolucin de sistemas lineales
Clculo umrico

En estas condiciones, resolver el sistema Ax=b se reduce a resolver el


sistema triangular Rx=QTb.

Aunque esta factorizacin es ms costosa que la LU, presenta la


ventaja de que preserva el condicionamiento del sistema original.
Gram Schmidt:
Consiste en encontrar una base ortonormal de las columnas de A.
La columna k+1 de Q se genera como una combinacin lineal de la
columna k+1 de A y las primeras k columnas ya construidas de Q,
tal que los coeficientes de la combinacin lineal favorezcan que
dicho vector sea ortogonal a los anteriormente construidos.
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
1 1 1 x 0 1
1
Tema 2: Resolucin de sistemas lineales
Ax = b 2 0 1 y = 4 Q= 2
Clculo umrico

2 3
7 1 z 7 - 2

1 1
1
2 = 3 q = 2
(1)

- 2 3
- 2

Gram Schmidt:
Consiste en encontrar una base ortonormal de las columnas de A.
La columna k+1 de Q se genera como una combinacin lineal de la
columna k+1 de A y las primeras k columnas ya construidas de Q,
tal que los coeficientes de la combinacin lineal favorezcan que
dicho vector sea ortogonal a los anteriormente construidos.
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
1 1 1 x 0 1 5 2
11
Tema 2: Resolucin de sistemas lineales
Ax = b 2 0 1 y = 4 Q = 210 10
Clculo umrico

15
3
y ( 2) 2 7 1 z 7 - -
2 10 11
q ( 2) = ( 2)
y
- 1 1 2
1 1
y = 0 + 2 , y q 1 = 5,q = 10
( 2) ( 2) (1) ( 2)

7 3 - 2 15
11
Gram Schmidt:
Consiste en encontrar una base ortonormal de las columnas de A.
La columna k+1 de Q se genera como una combinacin lineal de la
columna k+1 de A y las primeras k columnas ya construidas de Q,
tal que los coeficientes de la combinacin lineal favorezcan que
dicho vector sea ortogonal a los anteriormente construidos.
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
1 1 1 x 0 5 5 2 2 14

11
Tema 2: Resolucin de sistemas lineales
Ax = b 2 0 1 y = 4 QQ= = 1010 1010 5
Clculo umrico

1515 2
y ( 3) 2 7 1 z 7 - 10
- 10 11
11
q ( 3) = ( 3)
y
- 1 1 2
1 - 14
1 2 1 = 1
y ( 3) y ( 3) q ,q
(1) ( 2) 3 ( 3)
19
= 1 + 2 + 10 , ,q = 5
1 3 - 2 15 11 2 = 15
- 2
15
Gram Schmidt:
Consiste en encontrar una base ortonormal de las columnas de A.
La columna k+1 de Q se genera como una combinacin lineal de la
columna k+1 de A y las primeras k columnas ya construidas de Q,
tal que los coeficientes de la combinacin lineal favorezcan que
dicho vector sea ortogonal a los anteriormente construidos.
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
1 1 1 x 0 5 2 14
1
Tema 2: Resolucin de sistemas lineales
Ax = b 2 0 1 y = 4 Q = 10 10 5
Clculo umrico

2 15
7 1 z 7 - 10 11 2

45 75 5 x 110
T T 1 1
Ax = b Q Ax = Q b 0 75 19 y = 37
15 15
0 0 17 z 34

x = (1,1,2)T
Gram Schmidt:
Consiste en encontrar una base ortonormal de las columnas de A.
La columna k+1 de Q se genera como una combinacin lineal de la
columna k+1 de A y las primeras k columnas ya construidas de Q,
tal que los coeficientes de la combinacin lineal favorezcan que
dicho vector sea ortogonal a los anteriormente construidos.
Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
Householder:
Tema 2: Resolucin de sistemas lineales
Consiste en realizar una sucesin de simetras para llevar las
Clculo umrico

columnas de A a una forma triangular superior.

2 < v, x >
x a H v (x) = x v
< v, v >

Para llevar x en y basta realizar Hx-y, siempre que ||x||=||y||.


Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
Householder:
Tema 2: Resolucin de sistemas lineales
Consiste en realizar una sucesin de simetras para llevar las
Clculo umrico

columnas de A a una forma triangular superior.


1 1 1 x 0

Ax = b 2 0 1 y = 4
2 7 1 z 7

1 3 - 2

2 = 3, y (1) (1) (1) (1)
= 0 , v = x y = 2
- 2 0 - 2

2 < v, x >
x a H v ( x) = x v
< v, v >

Para llevar x en y basta realizar Hx-y, siempre que ||x||=||y||.


Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
Householder:
Tema 2: Resolucin de sistemas lineales
Consiste en realizar una sucesin de simetras para llevar las
Clculo umrico

columnas de A a una forma triangular superior.


1 1 1 x 0
- 2

Ax = b 2 0 1 y = 4 v (1) = 2
2 7 1 z 7 - 2

1 3 - 1 - 5 - 1 - 1/3 0 22/3

H v (1) 2 = 0 H v (1) 0 = 4 H v (1) 1 = 1/3 H v (1) 4 = - 10/3
- 2 0 7 3 1 5/3 - 7 1/3

2 < v, x >
x a H v ( x) = x v
< v, v >

Para llevar x en y basta realizar Hx-y, siempre que ||x||=||y||.


Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
Householder:
Tema 2: Resolucin de sistemas lineales
Consiste en realizar una sucesin de simetras para llevar las
Clculo umrico

columnas de A a una forma triangular superior.

9 15 1 x 22
1 1
H v (1) Ax = H v (1) b 0 12 1 y = 10
3 3
0 9 5 z 1

12 15 - 3
= 15 y ( 2 ) = , v ( 2 ) = x ( 2 ) y ( 2 ) =
9 0 9

2 < v, x >
x a H v ( x) = x v
< v, v >

Para llevar x en y basta realizar Hx-y, siempre que ||x||=||y||.


Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
Householder:
Tema 2: Resolucin de sistemas lineales
Consiste en realizar una sucesin de simetras para llevar las
Clculo umrico

columnas de A a una forma triangular superior.

9 15 1 x 22 - 3
1 1 v ( 2) =
H v (1) Ax = H v (1) b 0 12 1 y = 10 9
3 3
0 9 5 z 1

12 15 1 19/5 - 10 - 37/5
H v ( 2 ) = H v ( 2 ) = H v ( 2 ) =
9 0 5 - 17/5 1 - 34/5

2 < v, x >
x a H v ( x) = x v
< v, v >

Para llevar x en y basta realizar Hx-y, siempre que ||x||=||y||.


Resolucin de sistemas de ecuaciones lineales Ax=b
C) Mtodos directos: Factorizacin QR: Gram Schmidt, Householder
Householder:
Tema 2: Resolucin de sistemas lineales
Consiste en realizar una sucesin de simetras para llevar las
Clculo umrico

columnas de A a una forma triangular superior.

45 75 5 x 110
1 1
H v ( 2 ) H v (1) Ax = H v ( 2 ) H v (1) b 0 75 19 y = 37
15 z 15 34
0 0 17

1

x = - 1 Q T = H v ( 2 ) H v (1)
2

Resolucin de sistemas de ecuaciones lineales Ax=b
D) Sistemas superdeterminados:

Consisten en sistemas incompatibles, con ms ecuaciones que


incgnitas. Se trata de encontrar aquellos vectores x que
Tema 2: Resolucin de sistemas lineales
Clculo umrico

aproximen mejor a la solucin, en tanto en cuanto hacen que el


mdulo del vector diferencia Ax-b sea mnimo. Se habla de
soluciones en mnimos cuadrados. De entre ellas, la que menor
mdulo tiene recibe el nombre de seudosolucin.

Una manera de determinar las soluciones en mnimos


cuadrados es mediante el uso de las ecuaciones normales,
ATAx=ATb.

Otra forma es utilizar una factorizacin QR de A, de manera


que las soluciones en mnimos cuadrados provienen de la
solucin del sistema triangular superior que determinan las
ecuaciones no nulas de Rx=QTb. La norma del error viene dada
por la norma del vector de trminos independientes que
corresponde a las ecuaciones nulas desechadas.
Resolucin de sistemas de ecuaciones lineales Ax=b
D) Sistemas superdeterminados:

1 1 1
Tema 2: Resolucin de sistemas lineales x1
1 1 = 2
Clculo umrico

2 2 x2 1

Ecuaciones normales:

1 1 1
1 1 2 x1 1 1 2 6 6 x1 1
1 1 = 2 =
1 1 2 2 2 x2 1 1 2 1 6 6 x2 1

t
Soluciones en mnimos cuadrados: 1 t
210
= Ax b =
6
6
1
t
2

x = Seudosolucin: f (t ) = 1 = 2t 2 t + 1 f ' (t ) = 4t 1
12
1 t 3 36 3
12 6
Resolucin de sistemas de ecuaciones lineales Ax=b
D) Sistemas superdeterminados:

1 1 1 6 6
x 1
1
Tema 2: Resolucin de sistemas lineales x1
1 1 = 2 0 0 =
1
2 6 1
Clculo umrico

2 2 x2 1 x2 6
0 0 2+ 6
1 2 6 1 210
= =
Householder:
6 2+ 6 6
1 6 1 - 6

- 1 = 6 y
(1)
= 0 , v (1) = x (1) y (1) = -1

2 0 2

t
Soluciones en mnimos cuadrados: 1 t
210
= Ax b =
6
6
1
t
2

x = 12 Seudosolucin: f (t ) = 1 = 2t 2 t + 1 f ' (t ) = 4t 1
1 t 3 36 3
12 6