Sistemas de ecuaciones Lineales Algebraicas.

Olmedo Torres Oscar Geovani.

Instituto Tecnolgico de Oaxaca.
12161357.
Mtodos Numricos.
ISC.
 ii

Resumen

Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas
matemticos, de una forma que se puedan resolver mediante operaciones aritmticas. Aunque
hay bastantes mtodos numricos todos tienen en comn que necesitan un buen nmero de
tediosos clculos aritmticos. Pero con la invencin de la computadora los mtodos numricos en
la solucin en ingeniera han aumentado en los ltimos aos.
 Tabla de Contenidos iii

Mtodo de eliminacin gaussiana. .................................................................................................. 1

Mtodo de Gauss-Jordan................................................................................................................. 1
Estrategias de pivoteo. .................................................................................................................... 2
Mtodo de descomposicin LU. ..................................................................................................... 3
Mtodo de Gauss-Seidel. ................................................................................................................ 3
Mtodo de Krylov. .......................................................................................................................... 4
Obtencin de Eigenvalores y Eigenvectores................................................................................... 5
Mtodo de diferencias finitas. ......................................................................................................... 6
Mtodo de mnimos cuadrados. ...................................................................................................... 6
Conclusin. ..................................................................................................................................... 6
Lista de referencias ......................................................................................................................... 7
 1

Mtodo de eliminacin gaussiana.

Es un algoritmo para resolver sistemas de ecuaciones lineales, esto es usualmente

entendido como una secuencia de operaciones a realizar en una matriz de coeficientes.
Tambin puede ser usado para encontrar rango de una matriz, para encontrar la
determinante de una matriz y la inversa de una matriz cuadrada invertible.

Operaciones en filas.
Hay 3 tipos de operaciones de fila elementales:
1. Intercambia la posicin de dos filas.
2. Multiplicar una fila por un escalar no cero.
3. Agregar a una fila un mltiple escalar de otra.
Operaciones en columnas.
Para cada fila de una matriz, si la fila no consta slo de ceros, entonces la entrada distinta
de cero a la izquierda se denomina el coeficiente principal (o pivote) de esa fila. Por lo
tanto, si dos coeficientes principales estn en la misma columna, entonces se podra usar
una operacin de fila de tipo 3 para hacer que uno de esos coeficientes sea cero. A
continuacin, utilizando la operacin de intercambio de filas, siempre puede ordenar las
filas de modo que, para cada fila distinta de cero, el coeficiente inicial est a la derecha
del coeficiente inicial de la fila anterior.
Si este es el caso, entonces se dice que la matriz est en forma de fila escalonada. Por lo
tanto, la parte inferior izquierda de la matriz contiene slo ceros y todas las filas cero
estn debajo de filas que no son cero. La palabra "escaln" se utiliza aqu porque se
puede pensar en filas que se clasifican por su tamao, con el ms grande en la parte
superior y el ms pequeo en la parte inferior.

Mtodo de Gauss-Jordan.

Un sistema de ecuaciones se resuelve con este mtodo cuando se obtienen sus soluciones
mediante la reduccin del sistema dado a otro equivalente en el que cada ecuacin tiene
una incgnita menos que la anterior. El mtodo trasforma una matriz de coeficientes en
una matriz triangular superior y continua el proceso de transformacin hasta obtener una
matriz diagonal.

Algoritmo.

1. Ir a la columna no cero extrema izquierda

2. Si la primera fila tiene un cero en esta columna, intercambiarlo con otra que no lo
tenga.
 2

3. Luego, obtener ceros debajo de este elemento delantero, sumando mltiplos

adecuados del rengln superior a los renglones debajo de l.
4. Cubrir el rengln superior y repetir el proceso anterior con la submatriz restante.
Repetir con el resto de los renglones (en este punto la matriz se encuentra en forma
escalonada).
5. Comenzando con el ltimo rengln no cero, avanzar hacia arriba: para cada
rengln obtener un 1 delantero e introducir ceros arriba de ste sumando mltiplos
correspondientes a los renglones correspondientes.

Estrategias de pivoteo.

Pivoteo parcial.
La estrategia consiste en comparar el tamao de todos los elementos de la columna j,
desde el que est en la diagonal hasta el de la ltima fila y escoger el elemento que est
debajo de la diagonal y que tiene el mximo valor absoluto; es decir el elemento pivote
es:

Si la fila p es la que tiene el elemento ms grande entonces se intercambia la fila p con la

fila j y se utiliza esa fila como fila pivote.

Pivoteo parcial escalonado.

En el pivoteo parcial escalado se elige como pivote al elemento que tiene mayor tamao
relativo con respecto a los elementos de la fila. El primer paso del procedimiento es
buscar el elemento que tiene el mximo valor absoluto de cada fila.

el segundo paso es dividir cada elemento de la columna en valor absoluto por el mximo
de cada fila, por ejemplo, en la columna 1.

o i = 1, 2, . . ., n

La fila p escogida como pivote es aquella que

 3

Mtodo de descomposicin LU.

Suponga que la matriz A es una matriz de mxn se puede escribir como el producto de dos
matrices:
A=LU
Donde:
L es una matriz triangular inferior mxm.
U matiz escalonado mxn.
Entonces para resolver el sistema
Ax=b
Escribimos
Ax=(LU)x=L(Ux)
Una posible estrategia de solucin consiste en tomar y=Ux y resolver para y:
Ly=b
Como la matriz L es triangular superior se puede resolver mediante sustitucin hacia
abajo. Una vez encontrado los valores de y, las incgnitas al sistema inicial se resuelven
despejando x de
Ux=y
Como U es escalonada, se puede resolver mediante sustitucin hacia atrs, factorizar A
como el producto de una matriz L triangular superior por otra U que es escalonada se le
llama Descomposicin LU.

Mtodo de Gauss-Seidel.

Este mtodo iterativo utiliza la misma transformacin que el mtodo de Jacobi, de hecho,
es una mejora al mtodo de Jacobi.

La mejora consiste en utilizar la incgnita encontrada, en la misma iteracin para calcular

la siguiente incgnita. Por ejemplo, en el mtodo de Jacobi se obtiene en el primer
clculo xi+1, pero este valor de x no se utiliza sino hasta la siguiente iteracin.
En el mtodo de Gauss-Seidel en lugar de eso se utiliza de xi+1 en lugar de xi en forma
inmediata
para calcular el valor de yi+1 de igual manera procede con las siguientes variables;
siempre se utilizan las variables recin calculadas.

Algoritmo.
1. Se debe despejar de cada ecuacin la variable sobre la diagonal principal.

2. Dar un valor inicial a las incgnitas (X generalmente se establecen ceros).

3. Sustituir los valores iniciales en la primera ecuacin para obtener un nuevo valor
para la primera incgnita.
 4

4. Ese nuevo valor es usado para obtener el valor de la siguiente incgnita. Este
procedimiento se repite hasta obtener los nuevos valores de todas las incgnitas
despejadas.

5. Se evala la aproximacin relativa de todas las incgnitas hasta que la solucin

converja bastante cerca de la solucin real, segn la tolerancia establecida para el
mtodo.

Mtodo de Krylov.

Las matrices de orden nxn no singulares poseen un polinomio caracterstico; las races de
este polinomio son llamados valores caractersticos (eigenvalores) y cada valor
caracterstico tiene asociado un vector caracterstico (eigenvector).

Iniciando con la determinacin del polinomio caracterstico. El polinomio caracterstico

de la matriz A se obtiene por medio de la expresin:

|A ni | = 0 (1)

El resultado de este determinante es un polinomio en funcin de de grado igual al orden

de la matriz A, en este caso, de orden n. Este polinomio caracterstico posee n races, o
valores caractersticos; por lo cual, la matriz A de orden n posee n valores caractersticos.

El polinomio caracterstico es de la forma:

a0n + a1n1 + a2n2 + ... + an1 + an= 0 (2)

El mtodo de Krylov se fundamenta en la aplicacin del Teorema de Cayley-

Hamilton, mismo que establece que toda matriz A verifica su ecuacin caracterstica:

F (A) = 0 (3)

Es decir, si sustituimos a la matriz A en el polinomio, el resultado debera ser cero. Sin

embargo, operativamente es necesario hacer algunos comentarios. De inicio, la matriz A
es de orden n, por lo cual la sustitucin arrojar un sistema de n ecuaciones lineales; en
consecuencia, el coeficiente a0 deber ser diferente de cero. Resulta conveniente hacer
que este coeficiente sea la unidad, por lo cual se divide el polinomio entero por a0,
resultando:

n + b1 n1 + b2 n2 + ... + bn1 + bn= 0 (4)

 5

Donde los coeficientes bi se obtienen como bi = ai/a0. Aplicando el teorema de Cayley-

Hamilton en el polinomio anterior:

F (A) = An + b1An1 + b2An2 + ... + bn1A + bnI = 0 (5)

El polinomio 5 representa un sistema de ecuaciones lineales cuyas incgnitas son los

coeficientes bi . La solucin de este sistema nos proporciona los coeficientes bi que
sustituidos en el polinomio 4 nos proporciona el polinomio caracterstico de A.

Una forma sencilla de realizar este procedimiento es simplificar la elevacin de la matriz

A las potencias necesarias. Esto se logra multiplicando la matriz A por un vector y
compatible diferente de cero. Debe recordarse que la multiplicacin de una matriz por un
vector compatibles arroja un vector.

Ubicando al elemento 1 en una posicin estratgica de acuerdo con los coeficientes de A

de tal forma que se minimicen las operaciones.

Atendiendo a la anterior recomendacin, el sistema que de la forma:

An y + b1 An1 y + b2An2 y + ... + bn1Ay + bnyI = 0 (6)

Finalmente, el sistema de ecuaciones puede ser resuelto por el mtodo de preferencia.

El mtodo de Krylov debe utilizarse en conjunto con un mtodo de solucin de sistemas

de ecuaciones lineales. Esta unin arroja una alternativa muy apropiada cuando se trata
de evitar resolver determinantes de orden mayor considerando que se debe hacer en
forma analtica.

Obtencin de Eigenvalores y Eigenvectores.

Valor propio
El valor propio de un vector propio es el factor de escala por el que ha sido multiplicado.
Vector propio
Son vectores que, o no son afectados por la trasformacin o solo resultan multiplicados
por un escalar y, por tanto, no varan su direccin.
Polinomio caracterstico

En general, el polinomio que resulta de desarrollar |A I|, cuyos ceros son

precisamente los valores propios de A, se denomina polinomio caracterstico.
 6

Mtodo de diferencias finitas.

En anlisis numrico, el mtodo de las diferencias finitas es utilizado para calcular de

manera numrica las soluciones a las ecuaciones diferenciales usando ecuaciones
diferenciales finitas para aproximar derivadas.

Mtodo de mnimos cuadrados.

Es una tcnica de anlisis numrico en las que dados un conjunto de pares ordenados: una
variable independiente, variable dependiente y una familia de funciones, se intenta
encontrar la funcin continua dentro de dicha familia que mejor se aproxime a los datos.

Conclusin.

El estudio de los mtodos numricos, es muy til e importante para quien quiera que
necesite herramientas para resolver operaciones, las cuales se saben que pueden resultar
complicadas, y por ms que se dominen los mtodos tradicionales, estos muchas veces
pueden no ser suficientes, sin embargo, no esto no quiere decir que la operacin sea
imposible de solucionar, y es ah donde los mtodos numricos se aplican, y facilitan es
trabajo de cierta manera.
 7

Lista de referencias

https://en.wikipedia.org/wiki/Gaussian_elimination

https://es.wikipedia.org/wiki/Eliminaci%C3%B3n_de_Gauss-
Jordan#Algoritmo_de_eliminaci.C3.B3n_de_Gauss-Jordan

https://sites.google.com/site/metalmetnumericos/home/unidad-3/3-5-metodo-de-gauss-
seidel

http://cb.mty.itesm.mx/ma1010/materiales/ma1010-26.pdf

https://sites.google.com/site/metalmetnumericos/home/unidad-3/3-7-obtencion-de-
eigenvalores-y-eigenvectores

https://arturoguillen90.wordpress.com/interpolacion/diferencias-divididas/

https://www.slideshare.net/arturosanchezpadilla1/mtodo-de-mnimos-cuadrados-
39818851