Está en la página 1de 7

Estudiante: kenj monruad [SOLUCIN DE SISTEMA DE ECUACIONES LINEALES]

A n l i s i s n u m r i c o : m t o d o n u m r i c o

Pgina 1
1




Mtodos de Eliminacin Gaussiana utilizando mtodos numricos

En forma general este mtodo propone la eliminacin progresiva de variables en el sistema de
ecuaciones, hasta tener slo una ecuacin con una incgnita. Una vez resuelta esta, se procede por
sustitucin regresiva hasta obtener los valores de todas las variables.

- Este algoritmo consiste en dos procesos:
a) Eliminacin hacia adelante: Esta fase reduce el conjunto de ecuaciones a un sistema triangular
Superior:
Paso 1: Consiste en dividir la primera ecuacin por el coeficiente de la primera incgnita aii
(coeficiente pivote). A este procedimiento se le conoce como normalizacin.
Paso 2: Despus se multiplica la ecuacin normalizada por el primer coeficiente de la segunda
ecuacin.
Paso 3: Ntese que el primer termina de la primera ecuacin es idntico al primer termino de la
segunda. Por lo tanto, se puede eliminar, la primera incgnita de la segunda ecuacin restando la
primera a la segunda.
Paso 4: Repetir el paso 2 y 3 hasta eliminar la primera incgnita de todas las ecuaciones
restantes.
Estos 4 pasos se repiten tomando como pivotes las ecuaciones restantes hasta convertir el
sistema en una matriz triangular superior.

b) Sustitucin hacia atrs:
Ya obtenido el sistema equivalente que es un sistema triangular superior este es ms manejable y se
puede resolver despejando primero la Xn y este valor utilizarlo para obtener despejando la segunda
incgnita hasta obtener el resultado completo del sistema.

Mtodo de Gauss-Jordan.
El mtodo de eliminacin de Gauss o simplemente mtodo de Gauss consiste en convertir
un sistema lineal de n ecuaciones con n incognitas, en uno escalonado, en el que la primera
ecuacin tiene n incgnitas, la segunda ecuacin tiene n - 1 incgnitas, ..., hasta la ltima ecuacin,
que tiene 1 incgnita. De esta forma, ser fcil partir de la ltima ecuacin e ir subiendo para
calcular el valor de las dems incgnitas.




Estudiante: kenj monruad [SOLUCIN DE SISTEMA DE ECUACIONES LINEALES]


A n l i s i s n u m r i c o : m t o d o n u m r i c o

Pgina 2
Eliminacin de Gauss-Jordan
Una variante de este mtodo, denominada eliminacin de Gauss-Jordan, es un mtodo
aplicable nicamente a los sistemas lineales de ecuaciones, y consistente en triangular la matriz
aumentadadel sistema mediante transformaciones elementales, hasta obtener ecuaciones de una sola
incgnita, cuyo valor ser igual al coeficiente situado en la misma fila de la matriz. Este
procedimiento es similar al anterior de reduccin, pero ejecutado de manera reiterada y siguiendo
un cierto orden algortmico un ejemplo:
Supngase que es necesario encontrar los nmeros x, y, z, que satisfacen simultneamente al
siguiente sistema de ecuaciones lineales:

Inicialmente, se escriben los coeficientes del sistema como una matriz aumentada. Lo que en
notacin matricial se denota por:

Posteriormente, se reduce la incgnita , sumando a la segunda fila, la primera multiplicada por ,
y a la tercera, la primera fila. La matriz queda as:

El siguiente paso consiste en eliminar la incgnita en la primera y tercera fila, para lo cual se
suma la segunda multiplicada por y por , respectivamente.

Por ltimo, se elimina , tanto de la primera como de la segunda fila, sumndoles la tercera
multiplicada por y por , respectivamente:


Llegados a este punto se puede resolver directamente las ecuaciones que se nos plantean:
Estudiante: kenj monruad [SOLUCIN DE SISTEMA DE ECUACIONES LINEALES]


A n l i s i s n u m r i c o : m t o d o n u m r i c o

Pgina 3

O, si se prefiere, se puede multiplicar las tres filas de la matriz por: , y respectivamente, y
obtener as automticamente los valores de las incgnitas en la ltima columna.

Descomposicin LU. Determinante de una matriz
Es un mtodo directo para resolver sistemas de ecuaciones de la forma [A] {X}= {B}
El principal recurso es que el paso de la eliminacin, que toma mucho tiempo, se puede formular de
tal manera que solo involucre operaciones con la matriz de coeficientes [A].
Muestra cmo el mtodo de eliminacin de Gauss se implementa como una descomposicin LU.
Una ventaja de este mtodo es que proporciona un medio eficiente para evaluar diversos vectores
del lado derecho

Factorizacin de Cholesky
Una matriz simtrica es aquella donde Aij = Aji para toda i y j, En otras palabras, [A]
=[A] T. Tales sistemas ocurren comnmente en problemas de ambos contextos: el matemtico y el
de ingeniera. Ellos ofrecen ventajas computacionales ya que slo se necesita la mitad de
almacenamiento y, en la mayora de los casos, slo se requiere la mitad del tiempo de clculo para
su solucin. Al contrario de la Descomposicin LU, no requiere de pivoteo. El mtodo de
Factorizacin de Cholesky se basa en demostrar que si una matriz A es simtrica y definida positiva
en lugar de factorizarse como LU, puede ser factorizada como el producto de una matriz triangular
inferior y la traspuesta de la matriz triangular inferior, es decir los factores triangulares resultantes
son la traspuesta de cada uno.
A = L . LT
Para un mayor entendimiento de este mtodo veamos un ejemplo practico del mtodo de Cholesky
Problema:

Resolver el siguiente sistema de ecuaciones lineales usando el mtodo de Cholesky

Estudiante: kenj monruad [SOLUCIN DE SISTEMA DE ECUACIONES LINEALES]


A n l i s i s n u m r i c o : m t o d o n u m r i c o

Pgina 4
A =
(
(
(

979 225 55
225 55 15
55 15 6
y C=
(
(
(

100
150
100


Solucin: En el mtodo de Cholesky el primer paso es encontrar la matriz L usando las frmulas

ii
i
j
kj ij ki
ki
l
l l a
l

=
1
1
y

=
=
1
1
2
k
j
kj kk kk
l a l

La primera ecuacin se usa para elementos fuera de la diagonal y la segunda para elementos en la
diagonal principal.

Entonces.

6
11 11
= = a l = 2.4495
4495 . 2
15
11
21
21
= =
l
a
l = 6.1237
4495 . 2
55
11
31
21
= =
l
a
l = 22.454 Ya sabemos que l
12
= 0

2 2
21 22 22
1237 . 6 55 = = l a l = 4.1833
1833 . 4
) 454 . 22 )( 1237 . 6 ( 55
22
31 21 32
32

=
l
l l a
l
= 20.916

De igual forma l
13
= l
23
= 0 y

) 916 . 20 454 . 22 ( 979 ) (
2 2 2
32
2
31 33 33
+ = + = l l a l = 6.1106

La matriz L es igual a

(
(
(

=
1106 . 6 916 . 20 454 . 22
0 1833 . 4 1237 . 6
0 0 4495 . 2
L

En el mtodo de Cholesky U = L
T


Estudiante: kenj monruad [SOLUCIN DE SISTEMA DE ECUACIONES LINEALES]


A n l i s i s n u m r i c o : m t o d o n u m r i c o

Pgina 5
(
(
(

=
1106 . 6 0 0
916 . 20 1833 . 4 0
454 . 22 1237 . 6 4495 . 2
U

El siguiente paso es encontrar el vector D de la misma manera que en el mtodo de descomposicin
de LU

ii
i
j
j ij i
i
l
d l c
d

=
1
1

4495 . 2
100
11
1
1
= =
l
c
d =40.8246
1833 . 4
) 8246 . 40 )( 1237 . 6 ( 150
22
1 21 2
2

=
l
d l c
d =-23.9045

1106 . 6
) 9045 . 23 )( 916 . 20 ( ) 8246 . 40 )( 454 . 22 (( 100 ) (
33
2 32 1 31 3
3
+
=
+
=
l
d l d l c
d =-51.826
Finalmente se calcula el vector de incgnitas comenzando por la ltima x.

ii
n
i j
j ij i
i
u
x u d
x

+ =

=
1

33
3
3
u
d
x = =-8.481
22
3 23 2
2
u
x u d
x

= = [-23.9045-(20.916)(-8.481)]/4.1833 = 36.690
11
3 13 2 12 1
1
) (
u
x u x u d
x
+
= = [40.8246 ((6.1237)(36.69)+(22.454)(-8.481))]/2.4495 = 2.685
El resultado se puede comprobar multiplicando A por X y el resultado debe ser igual a C.

factorizacin QR de una matriz es una descomposicin de la misma como producto de una matriz
ortogonal por una triangular superior. La descomposicin QR es la base del algoritmo QR utilizado
para el clculo de los vectores y valores propios de una matriz.

Householder . Esta propiedad se puede utilizar para realizar la transformacin QR de una matriz si
tenemos en cuenta que es posible elegir la matriz de Householder de manera que un vector elegido
quede con una nica componente no nula tras ser transformado (es decir, pre multiplicando por la
matriz de Householder). Grficamente, esto significa que es posible reflejar el vector elegido
respecto de un plano de forma que el reflejo quede sobre uno de los ejes de la base cartesiana.
Ejemplo
Vamos a calcular la descomposicin de la matriz
Estudiante: kenj monruad [SOLUCIN DE SISTEMA DE ECUACIONES LINEALES]


A n l i s i s n u m r i c o : m t o d o n u m r i c o

Pgina 6

En primer lugar necesitamos encontrar una reflexin que transforme la primera columna de la
matrizA, vector , en
usando la expresin,
y en nuestro caso :
y
Por lo tanto
y , entonces



Ahora observamos:

con lo que ya casi tenemos una matriz triangular. Slo necesitamos hacer cero en el elemento (3,2).
Tomando la submatriz bajo el (1, 1) y aplicando de nuevo el proceso a

Mediante el mismo mtodo que antes obtenemos la matriz de Householder

Finalmente obtenemos


Estudiante: kenj monruad [SOLUCIN DE SISTEMA DE ECUACIONES LINEALES]


A n l i s i s n u m r i c o : m t o d o n u m r i c o

Pgina 7
La matriz Q es ortogonal y R es triangular superior,
Solucin de Sistemas Lineales Utilizando Mtodos Iterativos
Un mtodo iterado de resolucin del sistema Ax = b es aquel que genera, a partir de un
vector inicial x0, una sucesin de vectores x1,x2, . . . xn.. "Un mtodo iterado se dir que
es consistente con el sistema Ax = b, si el lmite x de la sucesin (xn), en caso de existir, es solucin
del sistema. Se dir que el mtodo es convergente si la sucesin generada por cualquier vector
inicial x0 es convergente a la solucin del sistema".Es evidente que si un mtodo es convergente es
consistente, sin embargo, el recproco no es cierto.
Mtodo de Gauss-Seidel
Se proponer ir sustituyendo los nuevos valores de aproximacin siguiente conforme se vaya
obteniendo sin espera a tener un vector completo,de esta forma se acelera la covergencia Por contra,
en el mtodo de Gauss-Seidel los clculos deben llevarse a cabo por orden, ya que el nuevo
valor xi depende de los valores actualizados de x1, x2, ..., x i-1.
La desventaja del mtodo de Gauss-Seidel es que no siempre converge a la solucin exacta o
algunas veces los hace de manera muy lenta. nicamente es confiable para aquellos sistemas
dominantes diagonalmente.

Mtodo de Jacobi
Un mtodo iterativo con el cual se resuelve el sistema lineal Ax = b comienza con una
aproximacin inicial x
(0)
a la solucin x y genera una sucesin de vectores x
(k)
que converge a x. Los
mtodos iterativos traen consigo un proceso que convierte el sistema Ax = b en otro equivalente de
la forma x = Tx + c para alguna matriz fija T y un vector c.
Luego de seleccionar el vector inicial x
(0)
la sucesin de los vectores de la solucin aproximada se
genera calculando:
x
(k)
= Tx
(k-1)
+ c
para cada k = 1,2,3,....

El mtodo se escribe en la forma x
(k)
= Tx
(k-1)
+ c separando A en sus partes diagonal D y fuera de
la diagonal. Sea D la matriz diagonal cuya diagonal es la misma que A, sea -L la parte estrictamente
triangular inferior de la parte A y sea -U la parte estrictamente triangular superior de A.
Con esta notacin A = D-L-U, entonces transformamos la ecuacin Ax = b, o (D-L-U)x = b, en
Dx = (L+U)x + b
y, si D
-1
existe, es decir, si a
i,i
es distinto de cero para cada i, entonces x = D
-1
(L+U)x + D
-1
b.
Esto da origen a la forma matricial del mtodo iterativo de Jacobi: x
(k)
= D
-1
(L+U)x
(k-1)
+ D
-1
b, k =
1,2,...
Al introducir la notacin T
j
= D
-1
(L+U) y c
j
, esta tcnica tiene la forma x
(k)
= Tx
(k-1)
+ c