Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESCUELA SUPERIOR DE
INGENIERÍA MECÁNICA Y
ELÉCTRICA
UNIDAD CULHUACÁN
Análisis Numérico
Profesor:
Juan Angel Rodriguez Gómez
Guía
Unidad III
3.1. Sistemas de ecuaciones lineales.
Solución de sistemas de ecuaciones lineales.
Casos que se pueden presentar:
Con los métodos que se verán, se trata de obtener la solución única de un sistema de
ecuaciones lineales (sistema compatible determinado) y en caso contrario indicar que el
sistema o tiene soluciones múltiples o no tiene solución.
Utilización de métodos numéricos para sistemas de ecuaciones lineales.
Los métodos numéricos para la solución de este tipo de sistemas solamente nos sirven
cuando el sistema tiene una solución única (Compatible determinado).
Si dicho determinante es igual a cero el sistema no tiene una solución única y no es
aplicable la utilización de método numéricos Es recomendable antes de aplicar cualquier
método en verificar el valor del determinante de la matriz A.
AX B
Det (A)≠ 0
Si dicho determinante es igual a cero el sistema no tiene una solución única y no es
aplicable la utilización de método numéricos
3.1.1. Método de Gauss.
El primer método que se presenta usualmente en álgebra, para la solución de ecuaciones
algébricas lineales simultáneas, es aquel en el que se eliminan las incógnitas mediante la
combinación de las ecuaciones. Este método se conoce como Método de Eliminación. Se
denomina eliminación Gaussiana si en el proceso de eliminación se utiliza el esquema
particular atribuido a Gauss.
Utilizando el método de Gauss, un conjunto de n ecuaciones con n incógnitas se reduce a
un sistema triangular equivalente (un sistema equivalente es un sistema que tiene iguales
valores de la solución), que a su vez se resuelve fácilmente por "sustitución inversa”.
El esquema de Gauss empieza reduciendo un conjunto de ecuaciones simultáneas, tal
como se muestra en (2), a un sistema triangular equivalente como:
(6)
en el cual los superíndices indican los nuevos coeficientes que se forman en el proceso
de reducción. La reducción real se logra de la siguiente manera:
1. La primera ecuación (2) se divide entre el coeficiente de X1 en esa ecuación para
obtener:
(7)
(8)
La ecuación utilizada para eliminar las incógnitas en las ecuaciones que la siguen se
denomina Ecuación Pivote. En la ecuación pivote, el coeficiente de la incógnita que se va
a eliminar de las ecuaciones que la siguen se denomina el Coeficiente Pivote (a11 en los
pasos previos).
2. Siguiendo los pasos anteriores, la segunda ecuación (8) se convierte en la ecuación
pivote, y los pasos de la parte 1 se repiten para eliminar X2 de todas las ecuaciones que
siguen a esta ecuación pivote.Esta reducción nos conduce a:
(9)
X1 + 4 X2 + X3 = 7
X1 + 6 X2 - X3 = 13 (10)
2 X1 - X2 + 2 X3 = 5
Utilizando como ecuación pivote la primera ecuación (el coeficiente pivote es unitario),
obtenemos:
X1 + 4 X2 + X3 = 7
2 X2 - 2 X3 = 6 (11)
9 X2 + (0) X3 = -9
A continuación, utilizando la segunda ecuación del sistema (11) como ecuación pivote y
repitiendo el procedimiento, se obtiene el siguiente sistema triangular de ecuaciones:
X1 + 4 X2 + X3 = 7
2 X2 - 2 X3 = 6 (12)
- 9 X3 = 18
Finalmente mediante sustitución inversa, comenzando con la última de las ecs. (12) se
obtienen los siguientes valores:
X3 = -2
X2 = 1
X1 = 5
Ejemplo 1.
Resolver un sistema de ecuaciones con el método de Gauss:
Lo primero que tenemos que hacer es la matriz ampliada del sistema:
Como veremos luego, es mejor si el primer número de la primera fila es un 1. Por tanto,
vamos a cambiar de orden las filas 1 y 2:
El objetivo del método de Gauss es conseguir que los números por debajo de la diagonal
principal sean 0. Es decir, tenemos que convertir los números de color rojo en 0:
Para eliminar estos números debemos hacer las transformaciones adecuadas de las filas.
Por ejemplo, el -1, que es el primer elemento de la segunda fila, es el negativo de 1, el
primer elemento de la primera fila. Por tanto, si a la segunda fila le sumamos la primera
fila, se eliminará el -1:
Y con estas transformaciones hemos conseguido que todos los números por debajo de la
diagonal principal sean 0. Así que ya podemos resolver el sistema de ecuaciones.
Ahora debemos convertir la matriz en un sistema de ecuaciones con incógnitas. Para ello
recuerda que la primera columna corresponde a la x, la segunda columna a la y, la tercera
columna a la z y la última columna son los números sin incógnitas:
Y, finalmente, para resolver el sistema tenemos que ir despejando las incógnitas de las
ecuaciones de abajo hacia arriba. Ya que la última ecuación solo tiene una incógnita, y,
por tanto, la podemos despejar y encontrar su valor:
Y hacemos lo mismo con la primera ecuación: sustituimos los valores de las otras
incógnitas y despejamos x:
La matriz U no está como se pide en la definición Crout (debe ser una matriz triangular
superior) por lo cual se deben eliminar U21, U31 U32 y convertir la diagonal principal en
unos.
La matriz anterior figura como la matriz de Cholesky de E. Esta matriz actúa como la raíz
cuadrada de la matriz E. Sabemos que el dominio de la raíz cuadrada, es:
{ X ∈ ℜ : x ≥ 0}
La cual está definida en todos los números reales no negativos. De la misma manera que
la raíz cuadrada, la matriz de Cholesky solo existirá si la matriz está definida semi-
positiva. Una matriz está definida semi-positiva cuando los principales menores tienen un
determinante positivo o cero.
La descomposición de Cholesky de E es una matriz diagonal tal que:
Podemos ver que las matrices son cuadradas y contienen las características
mencionadas; triángulo de ceros por encima de la diagonal principal en la primera matriz y
triángulo de ceros por debajo de la diagonal principal en la matriz transformada.
Ejemplo 1.
Las matrices tienen que ser cuadradas, en este caso, la matriz es (2×2). Dos filas por dos
columnas. Además, cumple con las características de tener ceros por encima y por debajo
de la diagonal principal. Esta matriz está definida semi-positiva porque los principales
menores tienen un determinante positivo. Definimos:
Resolviendo para: c2 = 4; b·c=-2; a2+b2 = 5; tenemos cuatro posibles matrices de
Cholesky:
Por último calculamos para encontrar (a,b,c). Una vez los encontremos, tendremos las
matrices de Cholesky. El cálculo es el siguiente:
Ejemplo 2.
Encontrar los valores de x1, x2 y x3 para el siguiente sistema de ecuaciones:
SOLUCIÓN:
4 –2 –1 9
[A] = 5 1 –1 [B] = 7
1 2 –4 12
ITERACIÓN
1
a11 = a11
a12 = a12
a13 = a13
4 –2 –1
0 2.5 –
0.75
Encontrando [L]
1 0 0
[L] 1.2 0 0
= 5
0.2 0 0
5
ITERACIÓN
2
Encontrando [U]
fila 3 = – (factor 3) * (fila 2) + (fila 3)
4 –2 –1
0 0 – 0.9285714286
Encontrando [L]
1 0 0
[L] 1.25 1 0
=
0.25 0.714285714 1
3
Ahora ya se tiene la matriz [U] y la matriz [L]. El siguiente paso es resolver Ly = b para
encontrar la matriz y. En pocas palabras es como que se pidiera resolver el siguiente
sistema de ecuaciones, encontrando los valores de y1, y2 y y3:
Al resolver el sistema anterior, se obtienen los siguientes valores para y1, y2 y y3:
X2 = -2.5
X3 = 7.0
Ejemplo 2.
Iteración 2.
Iteración 3.
Iteración 4.
Iteración 5.
UNIDAD IV
4.1. Mínimos Cuadrados.
Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en
la que, dados un conjunto de pares ordenados: variable independiente, variable
dependiente, y una familia de funciones, se intenta encontrar la función continua, dentro
de dicha familia, que mejor se aproxime a los datos.
En su forma más simple, intenta minimizar la suma de cuadrados de las diferencias en las
ordenadas (llamadas residuos) entre los puntos generados por la función elegida y los
correspondientes valores en los datos.
Para encontrar la ecuación de la recta que mejor se ajusta para un conjunto de parejas
ordenadas se siguen los siguientes pasos.
Calcule la media de los valores de X y la media de los valores de Y.
Realice la suma de los cuadrados de los valores de X.
Realice la suma de cada valor de X multiplicado por su valor correspondiente Y.
Calcule la pendiente de la recta usando la fórmula: donde n es el número total de puntos
de los datos.
Calcule la intercepción en y de la recta usando la fórmula siguiente, donde y e x son las
medias de las coordenadas de x e y de los puntos de datos respectivamente.
Use la pendiente y la intercepción en y para formar la ecuación de la recta.
Ejemplo 1.
Use el método de mínimos cuadrados para determinar la ecuación de la recta que mejor
se ajusta para los datos. Luego grafique la recta.
Solución:
Graficando los puntos en un plano coordenado.
Calculando las medias de los valores de x y los valores de y, la suma de los cuadrados de
los valores de x, y la suma de cada valor de x multiplicado por su valor correspondiente y.
Lo cual se presenta en la siguiente tabla.
Calculando la intercepción en y.
Primero, calcule la media de los valores de x y la media de los valores de y.
Usando la fórmula para calcular la intercepción en y.
Ejemplo 2.
Aplicando el método de mínimos cuadrados, obtener la recta de regresión para los
siguientes datos:
1.7 1.8
Estatura (m) 1.79 1.78 1.75 1.80 1.79 1.70 1.68 1.73
2 1
Peso (kg) 74 81 76 77 87 86 92 67 76 74
Solución.
Su gráfica es: