Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LINEALES
INTRODUCCION
Axiomas. Sea un espacio vectorial real V que contiene dos operaciones binarias
llamadas suma y multiplicación se pueden numerar los siguientes axiomas:
Tipos de matrices
Matriz cuadrada. Esta matriz se caracteriza por tener igual cantidad de filas y de
columnas. Es un matriz de orden nxn o simplemente de orden n
Matriz diagonal. Una matriz cuadrada A=(aij)nxn es una matriz diagonal si aij = 0 ∀
i ≠j; es decir, si todos sus elementos son nulos a excepción de por lo menos un
elemento de la diagonal principal. Se denota de la siguiente manera:
𝑑1 0 0 0
0 𝑑2 0 0
( )
0 0 ⋱ 0
0 0 0 𝑑𝑛
Matriz identidad. Es una matriz escalar cuyos elemento no nulos son iguales a uno
1 0 0 0
0 1 0 0
( )
0 0 ⋱ 0
0 0 0 1
𝑎11 0 0 0
𝑎21 𝑎22 0 0
( )
⋮ ⋮ ⋱ 0
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛
−1 0 3
( 0 2 7)
3 7 5
Matriz anti simétrica. Una matriz cuadrada A=(aij)nxn es triangular superior si aij=-
aji ∀ i , j ; esto es, cuando todos los elementos dispuestos simétricamente a la
diagonal principal son de signos opuestos.
0 4 3
(−4 0 −7)
−3 7 0
MÉTODOS ITERATIVOS
AX=B
El método más conocido y estudiado para la solución de esta ecuación viene a ser
el método sistemático de la eliminación de Gauss. La eliminación gaussiana
consiste en factorizar la matriz A=LU en una matriz L triangular inferior y una matriz
U triangular superior. Sin embargo cuando los sistemas lineales son de orden muy
grande las matrices son en general dispersas (cuando muy pocos de los elementos
no son ceros).
A=M - N
El método de Jacobi
El método de Gauss – Seidel
El método de relajación
Ventajas y desventajas:
Un elemento en contra que tienen los métodos iterativos sobre los métodos directos
es que calculan aproximaciones a la solución. Los métodos iterativos se usan
cuando no se conoce un método para obtener la solución en forma exacta. También
se utilizan cuando el método para determinar la solución exacta requiere mucho
tiempo de cálculo, cuando una respuesta aproximada es adecuada, y cuando el
número de iteraciones es relativamente reducido.
METODO DE JACOBI
𝑥̅ = 𝐵𝑥̅ + 𝑑̅
(0)
Donde 𝑥𝑖 son arbitrarias (𝑖 = 1, … , 𝑛 ; 𝑘 = 1,2, … )
0 0 0 0 0 𝑎12 … 𝑎1𝑛
𝑎21 0 0 0 0 0 … 𝑎2𝑛
𝐿=( ); 𝑈 = ( );
⋮ ⋮ ⋱ 0 0 0 ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 … 0 0 0 0 0
𝑎11 0 … 0
0 𝑎22 … 0
𝐷=( )
0 0 ⋱ ⋮
0 0 0 𝑎𝑛𝑛
Es evidente que 𝐴 = 𝐿 + 𝐷 + 𝑈
O lo que es igual
𝑥̅ (𝑘) = 𝐵𝑥̅ (𝑘−1) + 𝑑̅
Dónde: 𝐴 = 𝑀 − 𝑁 , 𝑀 = 𝐷 , 𝑁 = −(𝐿 + 𝑈)
2𝑥1 + 𝑥2 = 11
5𝑥1 + 7𝑥2 = 13
Con
1
𝑥 (0) = ( )
1
Solucion:
0 0 2 0 0 1
𝐿=( ) ,𝐷 = ( ) ,𝑈 = ( )
5 0 0 7 0 0
Determinamos 𝐵 = −𝐷−1 (𝐿 + 𝑈)
1/2 0 0 0 0 −1 0 −0.5
𝐵=( ) {( ).( )} = ( )
0 1/7 −5 0 0 0 −0.714 0
Determinamos 𝑑̅
1/2 0 11 5.5
𝑑̅ = {( ) . ( )} = ( )
0 1/7 13 1.857
𝑥 (1) = 𝐵𝑥 (0) + 𝑑̅
7.111
𝑥 =( )
−3.222
Veamos el código de programación del método Jacobi en el programa MATLAB
METODO DE GAUSS - SEIDEL
Consideremos ahora otro método iterativo que a veces converge más rápido que el
de Jacobi. Suponemos nuevamente que los elementos diagonales de la matriz A
son diferentes de cero 𝑎𝑖𝑖 ≠ 0 , (𝑖 = 1, … , 𝑛) y escribimos el sistema de ecuaciones
lineales
𝐴𝑥̅ = 𝑏̅
𝑥̅ = 𝐵𝑥̅ + 𝑑̅
𝐴=𝐿+𝐷+𝑈
O lo que es igual
Dónde: 𝑀 = 𝐷 + 𝐿 , 𝑁 = −𝑈