UNIVERSIDAD FERMIN TORO ESCUELA DE COMPUTACION CABUDARE - LARA

ANLISIS NUMRICO (UNIDAD 3)

AUTOR: Anglica Garca C.I.: 19.673.675

ENERO DE 2013.

Objetivo Terminal Seleccionar mtodos numricos determinando la solucin aproximada de un sistema de ecuaciones lineales. Objetivos Especficos 1- Utilizar mtodos de eliminacin para resolver conjunto de ecuaciones lineales. 2- Descomponer una matriz cuadrada en una triangular superior (U) y una triangular inferior (L). 3- Calcular el determinante de una matriz. 4- Descomponer una matriz cuadrada en una triangular superior y su traspuesta. 5- Utilizar mtodos interactivos para resolver un conjunto de ecuaciones lineales.

MTODO GAUS-JORDAN

El Mtodo de Gauss Jordan o tambin llamado eliminacin de Gauss Jordan, es un mtodo por el cual pueden resolverse sistemas de ecuaciones lineales con n nmeros de variables, encontrar matrices y matrices inversas, en este caso desarrollaremos la primera aplicacin mencionada. Para resolver sistemas de ecuaciones lineales aplicando este mtodo, se debe en primer lugar anotar los coeficientes de las variables del sistema de ecuaciones lineales en su notacin matricial:

Entonces, anotando como matriz (tambin llamada matriz aumentada):

Una vez hecho esto, a continuacin se procede a convertir dicha matriz en una matriz identidad, es decir una matriz equivalente a la original, la cual es de la forma:

Esto se logra aplicando a las distintas filas y columnas de las matrices simples operaciones de suma, resta, multiplicacin y divisin; teniendo en cuenta que una operacin se aplicara a todos los elementos de la fila o de la columna, sea el caso. Obsrvese que en dicha matriz identidad no aparecen los trminos independientes, esto se debe a que cuando nuestra matriz original alcance la forma de la matriz identidad, dichos trminos resultaran ser la solucin del sistema y verificaran la igualdad para cada una de las variables, correspondindose de la siguiente forma:

d1 = x d2 = y d3 = z

Ahora que estn sentadas las bases, podemos explicar paso a paso la resolucin de sistemas de ecuaciones lineales por medio de este mtodo. Para ilustrarnos mejor lo analizaremos con un ejemplo concreto:

Sea el sistema de ecuaciones:

Procedemos al primer paso para encontrar su solucin, anotarlo en su forma matricial:

Una vez hecho esto podemos empezar a operar con las distintas filas y columnas de la matriz para transformarla en su matriz identidad, teniendo siempre en cuenta la forma de la misma:

Lo primero que debemos hacer es transformar el 2 de la 1 fila de la matriz original en el 1 de la 1 fila de la matriz identidad; para hacer esto debemos multiplicar toda la 1 fila por el inverso de 2, es decir .

Luego debemos obtener los dos ceros de la primera columna de la matriz identidad, para lograr esto, buscamos el opuesto de los nmeros que se ubicaron por debajo del 1 de la primera columna, en este caso el opuesto de 3 que ser -3 y el opuesto de 5 que ser -5. Una vez hecho esto, se proceder a multiplicar los opuestos de estos nmeros por cada uno de los elemento de la 1 fila y estos se sumaran a los nmeros de su respectiva columna. Por ej.: en el caso de la 2 fila, se multiplicara a -3 (opuesto de 3) por cada uno de los elementos de la 1 fila y se sumara su resultado con el numero que le corresponda en columna de la segunda fila. En el caso de la 3 fila se multiplicara a -5 (opuesto de 5) por cada uno de los elementos de la 1 fila y se sumara su resultado con el nmero que le corresponda en columna de la tercera fila.

Nuestro siguiente paso es obtener el 1 de la 2 fila de la matriz identidad, y procedemos de igual forma que antes, es decir multiplicamos toda la fila por el inverso del numero que deseamos transformar en 1, en este caso -13/2, cuyo inverso es -2/13 Adems si observamos la tercera fila, nos damos cuenta que todos los elementos poseen el mismo denominador, entonces podemos eliminarlos multiplicando todos los elementos de la 3 fila por 2 (el denominador); si bien este no es un paso necesario para el desarrollo del mtodo, es til para facilitar clculos posteriores.

MTODO DE DESCOMPOSICIN El mtodo de descomposicin LU para la solucin de sistemas de ecuaciones lineales debe su nombre a que se basa en la descomposicin de la matriz original de coeficientes (A) en el producto de dos matrices (L y U).

Esto es:

Donde: L - Matriz triangular inferior. U - Matriz triangular superior con todos los elementos de la diagonal principal iguales a 1. De lo anterior, para matrices de 3x3 se escribe:

= Si efectuamos la multiplicacin de L y U, igualando los elementos de ese producto con los de la matriz A correspondientes, se obtiene:

De aqu que los elementos de L y U son, en este caso:

Si el sistema de ecuaciones original se escribe como: Ax=b Lo cual resulta lo mismo escribir:

LUX=b Definiendo a: UX=Y Podemos escribir: LY=b Resolviendo para Y, encontramos:

El algoritmo de solucin, una vez conocidas L, U y b, consiste en encontrar primeramente los valores de "Y" por sustitucin progresiva sobre "L Y = b". En segundo lugar se resuelve "U x = y " por sustitucin regresiva para encontrar los valores de "x", obteniendo:

La determinacin de los elementos de las matrices L y U se realizan eficientemente aplicando una forma modificada del mtodo de eliminacin de Gauss. Se observa que el mtodo de descomposicin LU opera slo sobre la matriz de coeficientes, sin modificar el vector de excitacin (en este caso b), por lo que resulta superior al mtodo de eliminacin gausiana. Ejemplo: Resolver el siguiente sistema de ecuaciones, factorizando la matriz en LU:

= Las matrices de factores L y U de A son:

L=

U=

El primer paso es resolver la ecuacin L Y = b por sustitucin progresiva para obtener los elementos del vector auxiliar Y:

= Donde

El segundo paso es resolver la ecuacin U X = Y para encontrar los elementos de X, por sustitucin regresiva:

= De donde se obtiene:

FACTORIZACIN DE QR En muchas aplicaciones el nmero de filas (M) de una matriz de coeficientes A mxn puede ser 3 al nmero de columnas (N). La Factorizacin QR consiste en descomponer la matriz A mxn en el producto de dos matrices:

Una matriz Ortogonal: Qmxn QT. Q = INxN Una matriz Triangular Superior: U = RNxN

Para encontrar las matrices Q y R se utiliza un mtodo basado en Transformaciones Sucesivas de Householder. MTODO GAUS-SEIDEL Se define al tomar Q como la parte triangular inferior de A incluyendo los elementos de la diagonal:

Si, como en el caso anterior, definimos la matriz R=A-Q

y la ecuacin (63) se puede escribir en la forma:

Qx(k) = -Rx(k-1) + b

Un elemento cualquiera, i, del vector Qx(k) vendr dado por la ecuacin:

Si tenemos en cuenta la peculiar forma de las matrices Q y R, resulta que todos los sumandos para los que j > i en la parte izquierda son nulos, mientras que en la parte derecha son nulos todos los sumandos para los que entonces: . Podemos escribir

de donde despejando xi(k), obtenemos:

Obsrvese que en el mtodo de Gauss-Seidel los valores actualizados de xi sustituyen de inmediato a los valores anteriores, mientras que en el mtodo de Jacobi todas las componentes nuevas del vector se calculan antes de llevar a cabo la sustitucin. 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,..., xi-1. En la siguiente pgina se muestra el algoritmo de iteracin de Gauss-Seidel.

Algoritmo para la iteracin de Gauss-Seidel.

MTODO JACOBI En la iteracin de Jacobi, se escoge una matriz Q que es diagonal y cuyos elementos diagonales son los mismos que los de la matriz A. La matriz Q toma la forma:

y la ecuacin general se puede escribir como

Qx(k) = (Q-A)x(k-1) + b

Si denominamos R a la matriz A-Q:

La ecuacin anterior se puede reescribir como:

Qx(k) = -Rx(k-1) + b

El producto de la matriz Q por el vector columna x(k) ser un vector columna. De modo anlogo, el producto de la matriz R por el vector columna x(k-1) ser tambin un vector columna. La expresin anterior, que es una ecuacin vectorial, se puede expresar por n ecuaciones escalares (una para cada componente del vector). De este modo, podemos escribir, para un elemento i cualquiera y teniendo en cuenta que se trata de un producto matriz-vector:

Si tenemos en cuenta que en la matriz Q todos los elementos fuera de la diagonal son cero, en el primer miembro el nico trmino no nulo del sumatorio es el que contiene el elemento diagonal qii, que es precisamente aii. Ms an, los elementos de la diagonal de Rson cero, por lo que podemos eliminar el trmino i=j en el sumatorio del segundo miembro. De acuerdo con lo dicho, la expresin anterior se puede reescribir como:

de donde despejando xi(k) obtenemos:

que es la expresin que nos proporciona las nuevas componentes del vector x(k) en funcin de vector anterior x(k-1) en la iteracin de Jacobi. En la siguiente figura se presenta un algoritmo para el mtodo de Jacobi. Implementacin del mtodo de Jacobi.

El mtodo de Jacobi se basa en escribir el sistema de ecuaciones en la forma: