Algebra Lineal Numerica

Universidad Nacional de Santiago del Estero
Facultad de Ciencia Exactas y Tecnologas

METODOS NUMERICOS
Y
ALGEBRA LINEAL

Carreras de Ingeniera

Maria Luisa Avila de Busso
Mtodos Numricos y Algebra Lineal
1
Mtodos Iterativos

En la actualidad para el estudio de muchas reas de la ingeniera, la computacin, de la
fsica, la qumica, las naturales y sociales, y por supuesto, de las matemticas puras y aplicadas,
se requiere de conocimientos de lgebra Lineal.

En la prctica de la ingeniera es frecuente tener la necesidad de resolver sistemas de
ecuaciones lineales, que modelizan diversos problemas. Dada esta necesidad, se requiere
resolverlos en forma eficiente, para ello es necesario recurrir a diferentes mtodos.

Los mtodos numricos que resuelven los sistemas de ecuaciones lineales se pueden
clasificar en:
Directos: determinan la solucin en un nmero determinado de pasos.
Indirectos o Iterativos: obtienen la solucin aproximndose a ella en un nmero
finito, pero no definido de pasos.

Los mtodos indirectos para resolver Sistemas de Ecuaciones Lineales, suelen utilizarse
cuando la matriz de coeficientes del sistema de ecuaciones tiene muchos ceros o cuando es muy
grande.

Desarrollaremos dos de estos mtodos mediante un ejemplo.

Mtodo de Jacobi

Dado el siguiente sistema de ecuaciones

= +
= + +
= + +
5 . 3 2 . 3 1 . 1 5 . 1
3 . 10 6 . 1 4 . 5 7 . 0
5 . 15 9 . 0 6 . 1 8 . 3
z y x
z y x
z y x

1er paso:

Se reescribe el sistema de ecuaciones de modo tal que en la i-sima ecuacin aparezca la
incgnita x
i
despejada en funcin de las restantes

x = z y
8 . 3
9 . 0
8 . 3
6 . 1
8 . 3
5 . 15

y= z x
4 . 5
6 . 1
4 . 5
7 . 0
4 . 5
3 . 10
+

z= - y x
2 . 3
1 . 1
2 . 3
5 . 1
2 . 3
5 . 3
+ +

2
2do paso

Se escoge de manera arbitraria una aproximacin inicial de la solucin del sistema:

x
(0)
, y
(0)
, z
(0)

Si no se dispone de ninguna informacin adicional, puede tomarse como una primera
aproximacin x
(0)
= 0 , y
(0)
= 0, z
(0)
= 0

3er paso

A continuacin se sustituyen las variables en los segundos miembros del 1er paso, para obtener
una nueva aproximacin x
(1)
, y
(1)
, z
(1)
, es decir:

x
(1)
= 0 0
8 . 3
5 . 15
Luego x
(1)
= 4.0789

y
(1)
= 0 0
4 . 5
3 . 10
+ Luego y
(1)
= 1.9074

z
(1)
= - 0 0
2 . 3
5 . 3
+ + Luego z
(1)
= -1.0938

4to paso

Se usan los valores obtenidos en el paso anterior para calcular una nueva aproximacin
x
(2)
, y
(2)
, z
(2)
.

X
(2)
= ) 0938 . 1 (
8 . 3
9 . 0
9074 . 1
8 . 3
6 . 1
8 . 3
5 . 15
Luego x
(2)
= 3.5349

y
(2)
= ) 0938 . 1 (
4 . 5
6 . 1
0789 . 4
4 . 5
7 . 0
4 . 5
3 . 10
+ Luego y
(2)
= 2.7602

z
(2)
= - 9074 . 1
2 . 3
1 . 1
0789 . 4
2 . 3
5 . 1
2 . 3
5 . 3
+ + Luego z
(2)
= 1.4739

Procediendo e esta manera se obtienen las sucesiones { }
n
x , { }
n
y , { }
n
z , cuyos primeros 15
primeros trminos que vienen dados por la siguiente tabla

3
Iteracin x
(n)
y
(n)
Z
(n)

0 0 0 0
1 4.0789 1.9074 -1.0938
2 3.5349 2.7602 1.4739
3 2.5677 1.9289 1.5121
4 2.9087 1.7922 0.7729
5 3.1413 2.0554 0.8858
6 3.0037 2.0522 1.0853
7 2.9578 1.9752 1.0197
8 3.0058 1.9887 0.9717
9 3.0115 2.0091 0.9988
10 2.9964 2.0018 1.0085
11 2.9972 1.9970 0.9990
12 3.0015 1.9999 0.9977
13 3.0006 2.0009 1.0007
14 2.9995 1.9999 1.0006
15 2.9999 1.9998 0.9997

Se puede observar en la tabla que { }
n
x , { }
n
y , { }
n
z , convergen hacia los valores x= 3, y= 2, z= 1
que son la solucin del sistema.

Mtodo de Gauss Seidel

Podemos ver que en el ejemplo anterior con el mtodo de Jacobi , las iteraciones convergen
hacia la solucin del sistema con cierta lentitud. La rapidez de la convergencia se puede mejorar
con el mtodo iterativo de Gauss Seidel.

1er Paso

Se procede de la misma manera que en el mtodo de Jacobi, obteniendo:

x = z y
8 . 3
9 . 0
8 . 3
6 . 1
8 . 3
5 . 15

y= z x
4 . 5
6 . 1
4 . 5
7 . 0
4 . 5
3 . 10
+

z= - y x
2 . 3
1 . 1
2 . 3
5 . 1
2 . 3
5 . 3
+ +
2do paso

Se elige como una primera aproximacin x
(0)
= 0 , y
(0)
= 0, z
(0)
= 0, para obtener x
(1)
. Se
obtiene
4
x
(1)
= 0 0
8 . 3
5 . 15
Luego x
(1)
= 4.0789

A continuacin para obtener y
(1)
, se sustituye por x
(1)
, z
(0)
, obteniendo

y
(1)
= 0
4 . 5
6 . 1
0789 . 4
4 . 5
7 . 0
4 . 5
3 . 10
+ Luego y
(1)
=2.4362

Para calcular z
(1)
, se utilizan las nuevas aproximaciones x
(1)
, y
(1)
, obteniendo

z
(1)
= - 4362 . 2
2 . 3
1 . 1
0789 . 4
2 . 3
5 . 1
2 . 3
5 . 3
+ + Luego z
(1)
= 1.6557

Utilizando siempre las aproximaciones mas recientes, se puede obtener la siguiente tabla

Iteracin X
(n)
y
(n)
z
(n)

0 0 0 0
1 4.0789 2.4362 1.6557
2 2.6611 1.7618 0.7592
3 3.1573 2.0917 1.1053
4 2.9364 1.9606 0.9567
5 3.0269 2.0163 1.0182
6 2.9888 1.9932 0.9924
7 3.0047 2.0029 1.0032
8 2.9980 1.9988 0.9987
9 3.0008 2.0005 1.0006
10 2.9997 1.9998 0.9998
11 3.0001 2.0001 1.0001

Nuevamente observamos en la tabla que { }
n
x , { }
n
y , { }
n
z , convergen hacia los valores x= 3,
y= 2, z= 1 que son la solucin del sistema, en menos iteraciones que con el mtodo de Jacobi..

Obsrvese que en el mtodo de Gauss-Seidel los valores actualizados de x
i
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 x
i
depende de
los valores actualizados de x
(1)
, x
(2)
, ..., x
(i-1)
.

En trminos generales, podemos decir que el mtodo de Gauss- Seidel es ms eficiente
que el mtodo de Jacobi.
5
Debemos tener en cuenta que en algunos casos puede darse que con un mtodo converge y con
otro diverge.

Recordemos ahora que se dice que una matriz A tiene la diagonal estrictamente
dominante, si en cada fila el valor absoluto del elemento de la diagonal es mayor que la suma
de los valores absolutos de los elementos situados fuera de la diagonal.
Es decir,
ii
a >
=
n
i j
j
ij
a
1
, i= 1,2,,n.
Por ejemplo la matriz A =
|
|
|
\
|

5 . 4 2 . 3 3 . 0
4 . 1 6 . 4 1 . 3
2 . 0 1 . 4 3 . 5
tiene diagonal estrictamente dominante ya que:
3 . 5 > 2 . 0 1 . 4 +
6 . 4 > 4 . 1 1 . 3 +
5 . 4 > 2 . 3 3 . 0 +

Tengamos en cuenta que no todas las matrices tienen diagonal estrictamente dominante,
pero en algunos casos es posible que intercambiando filas, obtengamos una matriz que tenga
diagonal estrictamente dominante.

La importancia de las matrices con diagonal estrictamente dominante esta dada por el
siguiente teorema que nos proporciona una condicin suficiente para la convergencia de los dos
mtodos iterativos.

Teorema: Si la diagonal de la matriz a es estrictamente dominante, entonces las iteraciones de
Jacobi y de Gauss - Seidel convergen a la solucin nica del sistema AX=B

Consideremos que luego de haber analizado estos dos mtodos iterativos, surge la
pregunta Cuntas iteraciones son necesarias para obtener una respuesta razonablemente
exacta?. Es de esperar que debamos iterar hasta que el error relativo
) (
) 1 ( ) (
n
n n
r
x
x x

= sea
menor que algn valor preestablecido de

6
Ejercicios Propuestos

1.- Resuelva los siguientes sistemas de ecuaciones lineales
a.- Usando el mtodo de Jacobi, Calcule los resultados con cuatro cifras decimales
b.- Usando el mtodo de Gauss-Seidel
c.- Determine una aproximacin del error cometido en cada sistema.

1.1-
4.4 2.3 0.7 7.43
0.8 2.52 1.1 12.17
1.6 0.4 5.2 26.12
x y z
x y z
x y z
+ =
+ + =
+ =

1.2-
3.3 1.2 2 7.67
2.4 5.1 1.3 9.95
4.6 6.3 11.94
x y z
x y z
x y z
+ =
+ =
+ =

1.3-
31 2.2 9 82.33
22 40 2 1112.63
9 2 31 113.03
x y z
x y z
x y z
+ + =
+ + =
+ + =

2.- Un ingeniero requiere 4800 m
3
de arena, 5810 m
3
de grava fina y 5690 m
3
grava gruesa para
la construccin de un proyecto. Existen tres canteras donde pueden obtener estos materiales. La
composicin en cada cantera es de:
Cantera
%
Arena
%
Grava Fina
%
Grava Gruesa
%
1 52 30 18
2 20 50 30
3 25 20 55
Cuntos metros cbicos se debe tomar de cada cantera para cubrir con los requerimientos del
ingeniero?

3.-Para la produccin de cuatro tipos de computadoras, se requieren cuatro clases de recursos,
horas/hombre, metales, plsticos y componentes electrnicos, en la produccin. En el cuadro se
resume las cantidades necesarias para cada unote estos recursos en la produccin de cada tipo de
computadora. Si se dispone diariamente de 504 horas/hombre, 1970 kg de metal, 970 kg de
plstico y 601 componentes electrnico. Cuntas computadoras de cada tipo se pueden
construir por da?
computadoras Horas/hombre
Kg/computadora
Metales
Kg/computadora
Plsticos
Kg/computadora
Componentes
Unidades/Computadora
1 3 20 10 10
2 4 25 15 8
3 7 40 20 10
4 20 50 22 15

7
Mtodo iterativo para calcular los valores y vectores propios de una matriz

Para el clculo de los valores propios de matrices, en muchas ocasiones resulta difcil
calcular las races del polinomio caracterstico. Por tal motivo se han desarrollado mtodos
iterativos para el clculo de valores y vectores propios de una matriz. Desarrollaremos el
mtodo de la potencia.

Mtodo de las potencias.

Este mtodo nos permite calcular el valor y vector propio dominante de una matriz.

Ejemplo:
Dada la matriz
|
|
\
|

=
5 4
2 1
A Calcular su valor propio dominante y un vector propio asociado
Solucin
Teniendo en cuenta que:
w A w
k k ) 1 (
= ,

1
) 1 (
) (
) (
=
+
j
k
j
k
k
j
w
Aw
.
Si
j
>
i
para i= 1, 2, ,n ,
j
es el valor dominante de
1
,
2
, ,
n

valores propios de A
Suponiendo que
0
w = (1,1).obtenemos la siguiente tabla

Se observa en la tabla que
1
y
2
tienden al valor -3, que puede comprobarse que es el valor
propio dominante. El vector
10
w es aproximadamente el vector propio de A asociado a dicho
valor propio. Es posible simplificar este vector multiplicndolo por el reciproco de su
componente de mayor valor absoluto.
) 1 ,
2
1
( ) 1 , 49999 . 0 ( ) 236193 , 118095 (
236193
1
10
= = w

Iteracin
k
w
1

2

0 (1,1) - -
1 (3,-9) 3 -9
2 (-15,33) -5 -3,6667
3 (51,-105) -3.4 -3.1818
4 (-159,321) -3.1176 -3.0571
5 (483,-969) -3.0377 -3.0187
6 (-1455,2913) -3.0124 -3.0062
7 (4371,-8745) -3.0041 -3.0021
8 (-13119,26241) -3.0014 -3.0007
9 (39363,-78729) -3.0005 -3.0002
10 (-118095,236193) -3.0002 -30001
8
Ejercicios Propuestos

Aplique el mtodo de las potencias para encontrar el valor propio dominante y un vector propio
asociado.

a)
|
|
|
\
|

1 1 1
3 5 1
3 3 1
b)
|
|
|
\
|
1 0 0
0 4 2
0 2 4
c)
|
|
|
\
|
1 1 2
1 2 3
4 1 1

Mtodos Iterativos y Matlab

En las aplicaciones del lgebra Lineal, la influencia de las computadoras ha sido de
mucha importancia puesto que por medio de software con capacidad de resolucin numrica de
problemas sumamente complicados, capacidad de clculo rpido, de compresin del tiempo y
de alta definicin grfica; han sealando tanto en la matemtica como en el resto de las ciencias
el inicio de grandes innovaciones.
Ejercicio Resuelto Ejercicio Resuelto Ejercicio Resuelto Ejercicio Resuelto (*) (*) (*) (*)
Dado el siguiente sistema de ecuaciones lineales:
= +
=
2 3
1 4
y x
y x

Se obtendr una aproximacin de su solucin mediante los mtodos de aproximacin de
Gauss-Seidel y Jacobi.
Se fija un error, el cual determina el grado de aproximacin que se desea en la solucin
que devuelve el procedimiento. Para la obtencin de las primeras aproximaciones, consideramos
05 , 0 = .
Estos procedimientos de aproximacin han sido programados mediante el software
matemtico Matlab, por lo que los resultados que se obtendrn se mostrarn en el formato de
salida en el que lo muestra este.
Consideramos ahora el primer caso. Primeramente, se carga la matriz de coeficientes, el
vector de trminos, y se usa una variable e para manejar el valor del error.
% Se carga la matriz de coeficientes
A=[4,-1;1,3]

A =

4 -1
1 3

% Se carga el vector de trminos independientes

B=[1,2]'
9

B =

1
2

% Asignamos en una variable el valor del error e=0.05
e=0.05

e =

0.0500

% Se realiza una aproximacin a la solucin del sistema mediante Gauss-
Seidel
% El algoritmo se encuentra codificado en una funcin llama GSEIDEL
% Esta solucin ser asignada a una variable X
X=gseidel(A,B,e)
Iteracin nmero 1.
0.2500
0.5833

Iteracin nmero 2.
0.3958
0.5347

Iteracin nmero 3.
0.3837
0.5388

X =

0.3837
0.5388

% Se verifica ahora la aproximacin de la solucin
A*X

ans =

0.9959
2.0000

B

B =

1
2

% Se realiza ahora la aproximacin a la solucin del sistema mediante Jacobi
% El algoritmo se encuentra codificado en una funcin llamada JACOBI
% La solucin se asignara a una variable Y
Y=jacobi(A,B,e)
Iteracin nmero 1.
0.2500
0.6667

10
Iteracin nmero 2.
0.4167
0.5833

Iteracin nmero 3.
0.3958
0.5278

Iteracin nmero 4.
0.3819
0.5347

Y =

0.3819
0.5347

% Se verifica ahora la aproximacin realizada
A*Y

ans =

0.9931
1.9861

B

B =

1
2
A partir de los resultados obtenidos, puede observarse que con el mtodo de Jacobi la
convergencia hacia la solucin es mas lenta que con el mtodo de Gauss-Seidel. Es decir, con el
mtodo de Gauss-Seidel se requieren menos iteraciones para llegar a la aproximacin requerida.

(*)El ejercicio y el archivo .m ha sido desarrollado por Ricardo Miranda. Ayudante de Algebra II - 2007
Ejercicios Propuestos Ejercicios Propuestos Ejercicios Propuestos Ejercicios Propuestos
Para cada uno de los siguiente sistemas de ecuaciones lineales se pide encontrar una
aproximacin a la solucin de los mismos haciendo uso del mtodo de Jacobi y el mtodo de
Gauss-Seidel, con Matlab. Considerar inicialmente el error 05 , 0 = , y determinar el nmero de
iteraciones que se requieren para cada caso.

Realice las mismas operaciones considerando un error 0001 , 0 = .

1.
40
0
16
6
3
5 8
=
=
=
+
+
z y
y x
z x

11
2.
= +
= +
= + +
3 4
9 3
1 3
z y x
z y x
z y x

3.
|
|
|
\
|
=
|
|
|
\
|
|
|
|
\
|
1
12
10
5 1 1
0 4 2
1 1 5
z
y
x

4.
|
|
|
\
|
=
|
|
|
\
|
|
|
|
\
|
61
51
8
9 4 4
3 7 1
3 1 12
z
y
x

5.
= +
=
= +
44 8 6
2 4
60 13 6

6. Supongamos que calentamos una placa metlica segn indica la figura a una temperatura
constante. Encuentre la temperatura de equilibrio en cada uno de los puntos interiores indicados.

40

40

40

12
BIBLIOGRAFIA

Grossman, S. (1996) lgebra Lineal - 5 Edicin - Editorial MacGraw - Hill

Hill, R. O. Jr. (1997) lgebra Lineal Elemental con Aplicaciones 3 Edicin Ed.
Prentice-Hall Hispanoamericana, S.A.

de Burgos, Juan (1994) lgebra Lineal - Editorial McGraw - Hill / Interamericana de
Espaa

Ayres, Frank (1971) lgebra moderna - Serie Schaum - Editorial McGraw Hill

S. Nakamura Anlisis Numrico y Visualizacin Grfica con MATLAB (1997) 1
Edicin Ed. Prentice-Hall Hispanoamericana, S.A.

Burden, Richard - Faires, Douglas (1998) Anlisis Numrico - 6 Edicin - International
Thomson Editores- Mxico

The Math Works, Inc MATLAB, Versin 5, Gua del Usuario, Edicin 1997

The Math Works, Inc MATLAB (1996), Edicin de Estudiante, Versin 4, Gua del
Usuario, 1Edicin - Editorial Prentice Hall

Florey, F. (1993) Fundamentos de lgebra Lineal y Aplicaciones - 1 Edicin - Ed.
Prentice-Hall

Noble, B. - Daniel, J. (1989) lgebra Lineal Aplicada - 3 Edicin Ed. Prentice - Hall

Perry, William L. (1990) lgebra Lineal con aplicaciones - Editorial McGraw - Hill

Algebra Lineal Numerica

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Lineal Numerica

Uploaded by

Copyright:

Available Formats

Universidad Nacional de Santiago del Estero

Facultad de Ciencia Exactas y Tecnologas

You might also like