Contenido

1. Introducción
2. Sistemas de ecuaciones lineales
3. Valores y vectores característicos
4. Ecuaciones no lineales
5. Diferencias finitas e integración numérica
6. Ecuaciones diferenciales de primer orden
1. Introducción
• Métodos numéricos: conjunto de procedimientos matemáticos
para obtener soluciones aproximadas a problemas en ciencia y
tecnología.

• Ideas más frecuentes:

Iteración: repetición de un proceso en forma tal que se obtienen
cada vez mejores aproximaciones a la solución.
Aproximación local de una función complicada por una línea:
interpolación entre dos líneas de una tabla, integración de una
función por el método de los trapecios, entre otras.
• Ejemplo de iteración:

Sea la función:

Se puede iterar usando la expresión: ;

C=2:
• Fuentes de error:

Datos
Simplificaciones en el modelo matemático
Truncación y redondeo: más importante. Ejemplo – suma en punto
flotante:
Sean:
2. Ecuaciones Algebraicas Lineales
• Se ha estimado que en un 75% de los problemas de ingeniería se
presenta, en alguna etapa del trabajo, la solución de un Sistema de
Ecuaciones Lineales (SEL):
2.1. Solución de Sistemas de Ecuaciones Lineales
• Existen 2 tipos de métodos para la solución de SEL:

Directos
oMétodo de Gauss
oDescomposición A=LU
oFactorización A=LDR
oMétodo de Gauss-Jordan
oMatriz inversa
Iterativos
oMétodo de Jacobi
oMétodo de Gauss-Seidel
2.1.1. Métodos Directos
• Sistemas triangulares:

Triangular Superior: Ux=b Sustitución inversa

Sustitución directa
Triangular Inferior: Lx=b
a. Método de Gauss
• Es el más importante de los métodos directos.
• La idea básica es combinar las distintas ecuaciones para ir eliminando
incógnitas en forma sistemática y obtener un sistema triangular.
• Sea el sistema Ax=b:
• Eliminando X1 de la ecuación i=2,3,…n:
Donde:

• Luego, eliminando X2 de la ecuación i=3,4,…n, y así sucesivamente

hasta obtener:
• Ejemplo:
Ejemplo Matlab
• Reducción de la matriz de coeficientes
Ejemplo Matlab
• Sustitución inversa
b. Descomposición A=LU
• L = Matriz triangular inferior con lii = 1.
• U = Matriz triangular superior.
• Ax=b Ly=b y Ux=y
• Ejemplo:
c. Factorización A=LDR
• L = L de la descomposición LU
• D = Matriz diagonal con dii=uii
• R = Matriz triangular superior con rii=1, rij=uij/dii
• Ejemplo:
d. Método de Gauss-Jordan
• Se usa la ecuación i para eliminar Xi no sólo de las ecuaciones que
siguen a la i sino también de la ecuaciones precedentes.
e. Matriz inversa
• Si la inversa de la matriz A se conoce:
• Se recomienda usar una variante del método de Gauss.
• Ejemplo:
2.1.2. Métodos Iterativos

• Son más eficientes cuando la matriz A es de baja densidad.

• Métodos de relajación: son adecuados solo cuando la

diagonal principal de la matriz de coeficientes es dominante.

• En general:
a. Método de Jacobi
• Aproximaciones :
• Ejemplo:
b. Método de Gauss-Seidel
• Aproximaciones :
• Ejemplo:
2.2. Errores en la solución de SEL
• Al resolver el sistema Ax=b, ¿El residuo r=b-Ax es una buena
medida del error introducido en x? NO. Por ejemplo:

• Al operar, se obtuvo:
Estudiante 1 Estudiante 2

• Respuesta correcta:
2.2.1. Normas de vectores y matrices
• Norma de un vector

• Norma de una matriz

;
2.2.2. Condicionamiento de una matriz
• En el sistema Ax=b, si

Donde es el número de condicionamiento de A

• Por otro lado, si

• En consecuencia, si K(A) es grande, pequeños cambios en A o b

pueden generar cambios importantes en la solución X.
2.2.3. Método iterativo para mejorar la solución
• Supongamos que x(1) es una solución aproximada de Ax=b, y
• Cálculo de x:

• Ejemplo:
3. Valores y Vectores Característicos
3.1.1. Introducción
• En el sistema Ax=b, b es habitualmente no proporcional a x. Sin
embargo, puede existir un vector x no nulo tal que:

• Se dice entonces que λ es un valor característico y ϕ un vector

característico de A. Ejemplo:

;
3.1.1. Conversión del problema general a la
forma clásica
• Problema general de valores y vectores propios:
• Conversión a forma clásica:
Método 1: Hallando
Método 2: Aplicando la descomposición de Cholesky
y cambio de variable

Los valores de λ son los mismos que los del problema original.
3.1.2. Polinomio característico y valores
propios
• El sistema se puede reescribir como ,
el cual tiene soluciones no triviales solo si:

Donde p(λ) es el polinomio característico.

• A y B = matrices cuadradas de orden n
p(λ) = polinomio de grado n con raíces
3.1.3. Vectores característicos: independencia
lineal y ortogonalidad
• Los Ф correspondientes a λ distintos son linealmente independientes.
Demostración:
Suponiendo que:

Por otro lado:

• Los Ф correspondientes a λ distintos son ortogonales entre sí.

Demostración:
3.1.4. Cociente de Rayleigh
• Si se conoce Фi, el correspondiente λi se puede determinar con el
cociente de Rayleigh:

3.1.5. Formas polinómicas

• Suponiendo que se conocen los Фi y λi de A:
Entonces:
• En general:
• Así:
3.1.6. Teorema de Gershgorin
3.1.6. Teorema de Gershgorin
3.2. Métodos de iteración con vectores
3.2.1. Iteración directa
• Se considera un vector inicial x0. Luego:

Donde rj+1 es el elemento de máximo valor absoluto en

• Este proceso converge a .
• Ejemplo:
3.2.2. Iteración inversa
• Se considera un vector inicial x0. Luego:
• Este proceso converge a . Ejemplo:
3.2.3. Método de Jacobi
• Sea el sistema . Empezando con y llamando
a los vectores característicos del problema original:
• Donde:
• Donde:
• Ejemplo: