ENSAYO:

MTODOS NUMRICOS

ASESOR DEL CURSO:

Guadalupe Lpez Roln
AUTORES:
Ceja Tejeda Eduardo.
Hernndez Anzaldo Francisco Aldair.
Magaa Paz Juan Luis.
Ramrez Verduzco Diego.
Snchez Granada Briand Alfredo.

INSTITUTO TECNOLGICO DE COLIMA

INGENIERA EN MECATRNICA G2

Viernes 24 de octubre del 2017

Contenido
Introduccin.....................................................................................................................iv
Mtodo de Eliminacin Gaussiana .................................................................................. v
Eliminacin hacia adelante .......................................................................................... v
Sustitucin hacia atrs................................................................................................. v
Ejemplo 1..................................................................................................................... v
Ejemplo 2.....................................................................................................................vi
Ejemplo 3.................................................................................................................... vii
Ejemplo 4................................................................................................................... viii
Mtodo de Gauss-Jordan ................................................................................................xi
Ejemplos ......................................................................................................................xi
Ejemplo 1: .................................................................................................................. xiv
Ejemplo 2: .................................................................................................................. xiv
Ejemplo 3: .................................................................................................................. xiv
Ejemplo 4: .................................................................................................................. xiv
Ejemplo 5: ...................................................................................................................xv
Estrategias de pivoteo ................................................................................................... xvi
Ejemplo...................................................................................................................... xvi
Mtodo de descomposicin LU ................................................................................... xviii
Ejemplo 1: ................................................................................................................ xviii
Ejemplo 2: .................................................................................................................. xix
Ejemplo 3: .................................................................................................................. xix
Ejemplo 4: ...................................................................................................................xx
Ejemplo 5: .................................................................................................................. xxi
Mtodo de Gauss Seidel .............................................................................................. xxii
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel ...................... xxiii
Ejemplo 1................................................................................................................. xxiii
Ejemplo 2................................................................................................................. xxiv
Ejemplo 3.................................................................................................................. xxv
Ejemplo 4................................................................................................................. xxvi
Ejemplo 5................................................................................................................ xxvii
Mtodo de Krylov ...................................................................................................... xxviii

ii
Obtencin de Eigenvalores y Eigenvectores (Vectores y Valores propios). ................ xxix
Ejemplo 1. ................................................................................................................ xxix
Ejemplo 2. ................................................................................................................ xxxi
Ejemplo 3. ............................................................................................................... xxxii
Mtodo de Diferencias Finitas ................................................................................... xxxiv
Mtodo mnimo cuadrado.......................................................................................... xxxvi
Ejemplo 1............................................................................................................... xxxvi
Ejemplo 2.............................................................................................................. xxxvii
Ejemplo 3.............................................................................................................. xxxvii
Aplicaciones .............................................................................................................. xxxix
Conclusin ..................................................................................................................... xli
Bibliografa ................................................................................................................. xlii

iii
Introduccin

Esta ocasin pondremos en prctica un poco de los conocimientos que nos fueron
brindados, puesto que en la materia de mtodos numricos podremos visualizar esas
problemticas. Comprendiendo lo simple de un algoritmo, hasta la complejidad de un
simple redondeo o en el peor de los casos de no poder conseguir una solucin, acudir a
la solucin por los tipos de errores que se pueden propiciar. Principalmente si se torda
complicado en las misas frmulas que algunos mtodos nos dan acceso.
Antes de adentrarnos en lo que presentamos en este ensayo, es importante
recalcar que un mtodo es un procedimiento mediante el cual se obtiene, casi siempre
de manera aproximada, la solucin de ciertos problemas realizando clculos puramente
aritmticos y lgicos, operaciones elementales, funciones, entre otras opciones.
Se tratar desde los mtodos cerrados, a los mtodos abiertos los cuales se
relacionan unos a otros de una u otra forma. Comprenderemos y analizaremos
detalladamente dichos procesos que nos propician los mtodos para poder comprender
las aplicaciones que se les pueden dar a nuestra vida y nuestro futuro como ingeniero
mecatrnico, eso es lo que principalmente se busca que se logre compartir.
De los cuales resaltaremos lo ms esenciales ante la ingeniera como lo es el
mtodo de Gauss Jordan y sus derivados, como el de Krylov entre otros mtodos de
suma importancia como las anteriores ya mencionados.

iv
Mtodo de Eliminacin Gaussiana

El mtodo de Gauss consiste en transformar un sistema de ecuaciones en otro

equivalente de forma que ste sea escalonado. La 1 ecuacin siempre se deja igual,
(procurando que esta sea la ms sencilla) y a la 2 y 3 ecuacin se debe anular el
trmino que lleva la x. O podemos intercambiarlas entre s. Este mtodo consiste en dos
procesos:
Eliminacin hacia adelante
Esta fase reduce el conjunto de ecuaciones a un sistema triangular superior:
1) Consiste en dividir la primera ecuacin por el coeficiente de la primera incgnita
(coeficiente pivote). A este procedimiento se le conoce como normalizacin.
2) Despus se multiplica la ecuacin normalizada por el primer coeficiente de la
segunda ecuacin.
3) Ntese que el primer termina de la primera ecuacin es idntico al primer trmino
de la segunda. Por lo tanto, se puede eliminar, la primera incgnita de la segunda
ecuacin restando la primera a la segunda.
4) Repetir el paso 2 y 3 hasta eliminar la primera incgnita de todas las ecuaciones
restantes
Estos 4 pasos se repiten tomando como pivotes las ecuaciones restantes hasta convertir
el sistema en una matriz triangular superior. (Chapra & Canale, 2007)
Sustitucin hacia atrs
Ya obtenido el sistema equivalente que es un sistema triangular superior este es
ms manejable y se puede resolver despejando primero la Xn y este valor utilizarlo para
obtener despejando la segunda incgnita hasta obtener el resultado completo del
sistema.
Ejemplo 1
3 = 2
6 + 2 = 4
La matriz ampliada del sistema es

Realizamos operaciones elementales fila para obtener la matriz en forma escalonada

reducida
Multiplicamos la segunda fila por

v
Sumamos la primera fila a la segunda

Multiplicamos la primera fila por 1/3

Esta ltima matriz es la forma escalonada reducida y tiene una fila nula, lo que quiere
decir que las filas del sistema inicial son linealmente dependientes (cualquiera de ellas
se puede obtener de la otra multiplicndola por un escalar no nulo).
Calculamos los rangos

Ejemplo 2
5 + 2 = 3
3 + 3 = 15
La matriz ampliada del sistema es

De la misma dimensin que el sistema (2x3). La lnea vertical separa la matriz de

coeficientes del vector de trminos independientes.
Realizamos operaciones elementales fila para obtener la matriz en forma escalonada
reducida
Multiplicamos la primera fila por 1/5 y la segunda por 1/3

Sumamos a la segunda fila la primera

Multiplicamos la segunda fila por 5/7

vi
Sumamos a la primera fila la segunda fila multiplicada por -2/5

Esta ltima matriz equivalente ya tiene forma escalonada reducida y nos permite ver
rpidamente los rangos de la matriz de coeficientes y de la ampliada.
Calculamos los rangos de la matriz coeficientes y de la matriz ampliada

Ejemplo 3
5x + 2y = 0
2 + = 0
2 + 3 = 3
La matriz ampliada del sistema es

Que es una matriz de dimensin 3x4.

Realizamos operaciones elementales fila para obtener la matriz en forma escalonada
reducida
Multiplicamos la primera fila por 1/5

Sumamos a la segunda y tercera fila la primera multiplicada por -2

Multiplicamos las filas segunda y tercera por 5

vii
Sumamos a la segunda fila la tercera multiplicada por -1

Multiplicamos la segunda fila por -1/10 y la tercera por 1/11

Sumamos a la primera fila la segunda multiplicada por -2/5 y a la tercera, la segunda

por -1

Multiplicamos la tercera fila por -11/5

Esta ltima matriz es la forma escalonada reducida (lo sabemos porque tenemos la
matriz identidad). Al tener la matriz identidad, sabemos que se trata de un sistema
compatible determinado y podemos obtener de ella la nica solucin del sistema.
Calculamos los rangos

La matriz obtenida representa el sistema

Que son la solucin del sistema inicial.

Ejemplo 4

La matriz ampliada del sistema es

viii
Realizamos operaciones elementales fila para obtener la matriz en forma
escalonada reducida
Multiplicamos las filas primera y segunda por 1/3 y por 1/6 respectivamente

Restamos a la segunda fila la tercera

Sumamos a la primera fila la segunda

Multiplicamos la tercera fila por 3

Esta ltima matriz ya tiene forma escalonada reducida, por lo que podemos
calcular fcilmente los rangos:
Calculamos el rango

La matriz obtenida representa el sistema

Las soluciones del sistema son

ix
x
Mtodo de Gauss-Jordan

El mtodo de Gauss-Jordan es una variante de la eliminacin de Gauss, ya que se usa

el mismo procedimiento. La nica diferencia consiste en seguir efectuando los pasos de
la eliminacin Gaussiana hasta encontrar el valor de cada variable. Esto genera una
matriz identidad en vez de una triangular. Por lo que es innecesario obtener el valor de
las dems variables sustituyendo la primera que se obtiene en las ecuaciones restantes.
Aunque la tcnica de Gauss-Jordan y la eliminacin de Gauss podran parecer
casi idnticas, la primera requiere ms trabajo. As, la tcnica de Gauss-Jordan involucra
aproximadamente 50 por ciento ms operaciones que la eliminacin de Gauss. Por tanto,
la eliminacin de Gauss es el mtodo de eliminacin sencilla que se prefiere para obtener
las soluciones de ecuaciones algebraicas lineales. (Chapra & Canale, 2007)

Ejemplos
%** Metodo de Gauss Jordan **

%** por pasos ITColima **

%** Materia: Mtodos Numricos **

%**********************************************************

clear;

clc;
format short %Muestra pocas cifras significativas(pocos
decimales)
fprintf('Ingrese la matriz aumentada\n\n');

f=input('Cuantas filas tiene la matriz: ');

c=input('Cuantas columnas tiene la matriz: ');

%***********************************************************

%** En los siguentes for anidados se da entrada a los **

%** datos de la matriz aumentada, los cuales son dados **

%** primero la columna 1, despues la 2 y asi sucesivamente**

%***********************************************************

xi
for k = 1:c

for j = 1:f

fprintf('fila : %x\n',j)

fprintf('columna : %x\n',k)

r = input(' Nmero de esta fila y columna: ');

a(j,k) = r;

j = j+1;

end

k = k+1;

end

%Imprime la matriz que ha sido llenada con datos

pause

%*********************************************************

%** En seguida se normalizan los pivotes y se hacen cero**

%** todos los numeros por debajo de ellos **

%*********************************************************

for k = 1:c-1

a(k,:) = a(k,:)/a(k,k);

for j = k+1:f

a(j,:) = a(j,:)-a(k,:)*a(j,k);

j = j+1;

xii
 end

k = k+1;

end

%******************************************************

%** En la siguiente seccin se hacen cero los nmeros**

%** que estn por encima de la diagonal principal **

%******************************************************

for k = f:-1:2

for j = k-1:-1:1

a(j,:) = a(j,:)-a(k,:)*a(j,k); %a(j,:)=Toma toda la fila que est en la

posicin j

j = j-1;

end

k = k-1;

end
clc
fprintf('resultado\n');
pause
disp(a);
pause

xiii
Ejemplo 1:
3 0.1 0.2 7.85
0.1 7 0.3 = 19.3
0.3 0.2 10 71.4
Resultado
X=3
Y=-2.5
Z=7

Ejemplo 2:
2 6 1 38
3 1 7 = 34
8 1 2 20
Resultado
X=4
Y=8
Z=-2

Ejemplo 3:
2 1 1 1
5 2 2 = 4
3 1 1 5
Resultado
X=14
Y=-32
Z=-5

Ejemplo 4:
1 1 1 3
6 2 2 = 2
3 4 1 1
Resultado
X=-0.25
Y=-0.5
Z=2.25

xiv
Ejemplo 5:
8 2 2 2
10 2 4 = 4
12 2 2 6
Resultado
X=1.5
Y=-6.5
Z=0.5

xv
Estrategias de pivoteo

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. (Chapra & Canale, 2007)

Ejemplo.
Resolver el sistema usando eliminacin gaussiana con pivoteo parcial y aritmtica de
redondeo a tres dgitos.
0,031 + 58,92 = 59,2
5,311 6,102 = 47,0
Solucin:
{|11 |, |21 |} = {|0,03|, |5,31|} = 5,31
En este caso
Se efecta la operacin E2 <-> E1 para obtener el sistema
5,311 6,12 = 47,0
0,031 + 58,92 = 59,2
El multiplicador es
21 0,03
21 = = = 0,00565
11 5,31

La operacin E2 - 0.00565E1 reduce el sistema a

5,311 6,102 = 47,0
58,92 58,9
Si se resuelve con sustitucin hacia atrs la solucin es x1 = 10, x2 = 1. Observe que,
aunque se trabaja a 3 dgitos, la respuesta que se obtiene es la solucin real (no siempre
es as).

xvi
 Para motivar el estudio de varias tcnicas de pivoteo consideremos dos ejemplos
cuando la eliminacin con pivotes diagonales no procede. Luego veremos un ejemplo
cuando la eliminacin con pivotes diagonales funciona mal por cuestiones de redondeo.
1. Ejemplo cuando la eliminacin con pivotes diagonales no procede. Consideremos
al sistema de ecuaciones lineales dado por la siguiente matriz aumentada:

1 2 1
2 4 3
1 3 4

xvii
Mtodo de descomposicin LU

El principal recurso de la descomposicin LU es que el paso de la eliminacin que toma

mucho tiempo se puede formular de tal manera que involucre slo operaciones con la
matriz de coeficientes [A]. Por esto, es muy adecuado para aquellas situaciones donde
se deben evaluar muchos vectores {B} del lado derecho para un solo valor de [A].
La descomposicin LU proporciona un medio eficiente para calcular la matriz
inversa. La inversa tiene muchas aplicaciones valiosas en la prctica de la ingeniera. En
algunos casos la descomposicin LU resulta ms efectiva cuando deben resolverse
ecuaciones con iguales coeficientes y diferentes constantes del lado derecho. (Chapra &
Canale, 2007)

Ejemplo 1:
function [L,U]=slu(A)
[n,n] = size(A);
for k = 1:n
if abs(A(k, k)) < sqrt(eps)
disp(['Pivote muy pequeo encontrado en columna' int2str(k) '.'])
end
L(k,k) = 1;
for i = k+1:n
L(i,k) = A(i,k) / A(k,k);
for j = k+1:n
A(i,j) = A(i,j) - L(i,k)*A(k,j);
end
end
for j = k:n
U(k,j) = A(k,j);
end
end

3 0.1 0.2 7.85

A= 0.1 7 0.3 = 19.3
0.3 0.2 10 71.4

1 0 0
L= 0.033 1 0
0.1 0.0271 1

3 0.1 0.2
U= 0 7.0033 0.2933
0 0 10.012

xviii
 3
X= 2.5
7

Ejemplo 2:
function [L,U]=slu(A)
[n,n] = size(A);
for k = 1:n
if abs(A(k, k)) < sqrt(eps)
disp(['Pivote muy pequeo encontrado en columna' int2str(k) '.'])
end
L(k,k) = 1;
for i = k+1:n
L(i,k) = A(i,k) / A(k,k);
for j = k+1:n
A(i,j) = A(i,j) - L(i,k)*A(k,j);
end
end
for j = k:n
U(k,j) = A(k,j);
end
end

3 4 6 43
A= 23 12 32 = 65
5 6 8 79

1 0 0
L= 7.67 1 0
1.67 0.0357 1

3 4 6
U= 0 18.67 14
0 0 15

6.619
X= 22.5714
11.1905
Ejemplo 3:
function [L,U]=slu(A)
[n,n] = size(A);
for k = 1:n
if abs(A(k, k)) < sqrt(eps)
disp(['Pivote muy pequeo encontrado en columna' int2str(k) '.'])
end

xix
 L(k,k) = 1;
for i = k+1:n
L(i,k) = A(i,k) / A(k,k);
for j = k+1:n
A(i,j) = A(i,j) - L(i,k)*A(k,j);
end
end
for j = k:n
U(k,j) = A(k,j);
end
end

90 76 43 34
A= 24 54 32 = 23
12 64 75 65

1 0 0
L= 0.267 1 0
0.133 1.5968 1

90 76 43
U= 0 33.73 20.533
0 0 36. .4783

0.0669
X= 0.2247
1.0477
Ejemplo 4:
function [L,U]=slu(A)
[n,n] = size(A);
for k = 1:n
if abs(A(k, k)) < sqrt(eps)
disp(['Pivote muy pequeo encontrado en columna' int2str(k) '.'])
end
L(k,k) = 1;
for i = k+1:n
L(i,k) = A(i,k) / A(k,k);
for j = k+1:n
A(i,j) = A(i,j) - L(i,k)*A(k,j);
end
end
for j = k:n
U(k,j) = A(k,j);
end
end

xx
 23 9 4 43
A= 12 6 45 = 123
32 9 8 18

1 0 0
L= 0.5217 1 0
1.3913 2.7 1

23 9 4
U= 0 1.3043 42.913
0 0 118.3

3.6407
X= 13.2189
1.9417

Ejemplo 5:
function [L,U]=slu(A)
[n,n] = size(A);
for k = 1:n
if abs(A(k, k)) < sqrt(eps)
disp(['Pivote muy pequeo encontrado en columna' int2str(k) '.'])
end
L(k,k) = 1;
for i = k+1:n
L(i,k) = A(i,k) / A(k,k);
for j = k+1:n
A(i,j) = A(i,j) - L(i,k)*A(k,j);
end
end
for j = k:n
U(k,j) = A(k,j);
end
end

31 21 9 21
A= 23 21 43 = 43
12 43 24 90

1 0 0
L= 0.7419 1 0
0.3871 6.4345 1

xxi
 31 21 9
U= 0 5.4194 36.3226
0 0 213.2024

0.865
X= 2.0869
0.4435

Mtodo de Gauss Seidel

El mtodo de Gauss-Seidel es el ms comnmente usado para resolver sistemas muy

grandes de ecuaciones lineales. Comienza con una aproximacin inicial x(0) a la solucin
x y genera una sucesin de vectores x(k) que convergen a la solucin x. Un sistema de
ecuaciones algebraicas lineales es un conjunto de ecuaciones de la forma:
11 12 13 = 1
21 22 23 = 2
31 32 33 = 3
1 2 3 =
El valor que se le d al vector inicial carece de importancia, ya que el mtodo
convergir a la solucin rpidamente no obstante que el vector inicial tenga valores muy
lejanos a la solucin. Es por esto que se acostumbra a dar el vector 0 como vector inicial.
En la solucin de estos problemas pueden presentarse 3 casos:
1.- Solucin nica Sistema compatible determinado.
2.-Ms de una solucin Sistema compatible e
indeterminado.(Nmero infinito de soluciones)
3.- Sin solucin Sistema incompatible.

Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los
otros para asegurar la convergencia y es an ms difcil predecir la velocidad de la
convergencia para alguna combinacin de valores de los coeficientes cuando esa
convergencia existe.
No obstante, cuando el valor absoluto del coeficiente dominante para una
incgnita diferente para cada ecuacin es mayor que la suma de los valores absolutos
de los otros coeficientes de esa ecuacin, la convergencia est asegurada. Ese conjunto
de ecuaciones simultneas lineales se conoce como sistema diagonal.

xxii
 Un sistema diagonal es condicin suficiente para asegurar la convergencia, pero
no es condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales que
se derivan de muchos problemas de ingeniera, son del tipo en el cual existen siempre
coeficientes dominantes.

La secuencia de pasos que constituyen el mtodo de Gauss-Seidel

1) Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es
posible hacer una hiptesis razonable de stos valores, hacerla. Si no, se
pueden asignar valores seleccionados arbitrariamente. Los valores
iniciales utilizados no afectarn la convergencia como tal, pero afectarn el
nmero de iteraciones requeridas para dicha convergencia.
2) Partiendo de la primera ecuacin, determinar un nuevo valor para la
incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando
para las otras incgnitas los valores supuestos.
3) Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita
que tiene el coeficiente ms grande en esa ecuacin, utilizando el valor
calculado para la incgnita del paso 2 y los valores supuestos para las
incgnitas restantes.
4) Continuar con las ecuaciones restantes, determinando siempre el valor
calculado de la incgnita que tiene el coeficiente ms grande en cada
ecuacin particular, y utilizando siempre los ltimos valores calculados para
las otras incgnitas de la ecuacin. (Durante la primera iteracin, se deben
utilizar los valores supuestos para las incgnitas hasta que se obtenga un
valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando
un valor para la nica incgnita, se dice que se ha completado una
iteracin.
5) Continuar iterando hasta que el valor de cada incgnita, determinado en
una iteracin particular, difiera del valor obtenido en la iteracin previa, en
una cantidad menor que cierto numero seleccionado arbitrariamente. El
procedimiento queda entonces completo.

Ejemplo 1
2 5 3 = 1 0 = 0
3 9 = 9 Con 0 = 0
8 4 3 = 14 0 = 0

Intercambiamos filas de la diagonal por el mayor nmero dominante:

8 4 3 = 14
2 5 3 = 1
3 9 = 9
Despajamos x de la primera fila:
= (14 + 4 + 3)/(8)

xxiii
 Despajamos y de la segunda fila:
= (1 2 3)/(5)
Despajamos z de la primera fila:
= (9 + 3 )/(9)
Sustituimos los valores iniciales de 0 y 0 en x
= (14 + 4 0 + 3 0)/(8)
1 = 1.75
Sustituimos los valores iniciales de 1 y 0 en y
= (1 2 1.75 3 0)/(5)
1 = 0.9
Sustituimos los valores iniciales de 1 y 1 en z
= (9 + 3(1.75) 0.9)/(9)
1 = (89)/(60)
Ahora sustituimos en cualquier fila a comprobar
31 + 1 91 = 9
89
3(1.75) + 0.9 + 9( 60) = 9

Ejemplo 2
4 = 10 0 = 0
Con
2 4 = 14 0 = 0

Despajamos x de la primera fila:

= (10 + )/(4)
Despajamos y de la segunda fila:
= (14 2)/(4)
Sustituimos los valores iniciales de 0 en x
= (10 + 0)/(4)
1 = 2.5
Sustituimos los valores iniciales de 1 en y
= (14 2(2.5))/(4)

xxiv
 1 = 2.25
Volvemos a sustituir 1 en 1
1 = (10 + 2.25)/(4)
2 = 3.06
Volvemos a sustituir 2 en 1
1 = (14 2(3.06))/(4)
2 = 1.97
Tomamos el valor que se aproxima de y
=3 =2
3 = 10
3(3) 2 = 10

Ejemplo 3
10 0 =9 0 = 0
10 2 = 7 Con 0 = 0
0 4 10 =6 0 = 0

Despajamos x de la primera fila:

= (9 + )/(10)
Despajamos y de la segunda fila:
= (7 + + 2)/(10)
Despajamos z de la primera fila:
= (6 + 4)/(10)
Sustituimos los valores iniciales de 0 y 0 en x
= (9 + 0)/(10)
1 = 0.9
Sustituimos los valores iniciales de 1 y 0 en y
= (7 + 0.9 + 2(0))/(10)
1 = 0.79
Sustituimos los valores iniciales de 1 y 1 en z

xxv
 = (6 + 4(0.79)/(10)
1 = 0.916
Ahora sustituimos en cualquier fila a comprobar
=1 =1 =1
10 + 0 = 9
10(1) 1 = 9

Ejemplo 4
3 =1 0 = 0
3 = 3 Con 0 = 0
2 4 = 7 0 = 0

Despajamos x de la primera fila:

= (1 + )/(3)
Despajamos y de la segunda fila:
= (3 + )/(3)
Despajamos z de la primera fila:
= (7 2 )/(4)
Sustituimos los valores iniciales de 0 y 0 en x
= (1 + 0 0)/(3)
1 = 1/3
Sustituimos los valores iniciales de 1 y 0 en y
= (3 + 1/3 0)/(3)
1 = 10/9
Sustituimos los valores iniciales de 1 y 1 en z
= (7 2(1/3) 10/9)/(4)
1 = 47/36
Hacemos otra iteracin para ver un nmero ms cercano al valor que queremos
obtener
Sustituimos los valores iniciales de 1 y 1 en x

xxvi
 = (1 + 10/9 47/36)/(3)
2 = 29/108
Sustituimos los valores iniciales de 2 y 1 en y
= (3 + 29/108 47/36)/(3)
2 = 53/81
Sustituimos los valores iniciales de 2 y 2 en z
= (7 2(29/108) 53/81)/(4)
1 = 941/648
Ahora sustituimos en cualquier fila a comprobar con un valor aproximado
=1 =1 =1
2 + + 4 = 7
2(1) + 1 + 4(1) = 7

Ejemplo 5
3 0.1 0.2 = 7.85 0 = 0
0.1 7 0.3 = 19.3 Con 0 = 0
0.3 0.2 10 = 71.4 0 = 0

Despajamos las incgnitas:

= (7.85 + 0.1 + 0.2)/(3)
= (19.3 0.1 + 0.3)/(7)
= (71.4 0.3 + 0.2)/(10)
Iniciamos la primera iteracin y sustituimos los valores iniciales de 0 , 0 y 0 en las
ecuaciones
= (7.85 + 0.1(0) + 0.2(0))/(3) = 2.616667
= (19.3 0.1(2.616667) + 0.3(0))/(7) = 2.794524
= (71.4 0.3(2.616667) + 0.2(2.794524))/(10) = 7.005610
Hacemos la segunda iteracin con los nuevos valores:
= (7.85 + 0.1(2.616667) + 0.2(7.005610))/(3) = 2.990557
= (19.3 0.1(2.990557) + 0.3(7.005610))/(7) = 2.499625

xxvii
 = (71.4 0.3(2.990557) + 0.2(2.499625))/(10) = 7.00021
Ahora, sustituimos los valores finales en una de la fila para comprobar:
= 3 = 2.5 = 7
3 0.1 0.2 = 7.85
3(3) 0.1(2.5) 0.2(7) = 7.85

Mtodo de Krylov

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:
() = 0
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 0 , resultando:
+ 1 1 + 2 2 + . . . + 1 + = 0

Donde los coeficientes bi se obtienen como = . Aplicando el teorema de

Cayley-Hamilton en el polinomio anterior:
() = + 1 1 + 2 2 + . . . +1 + = 0
Una forma sencilla de realizar este procedimiento es simplificar la elevacin de la
matriz A 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 compatible arroja un vector.
Este vector y puede ser libremente elegido, proponindose que su conformacin
permita realizar de mejor forma las operaciones. Una buena eleccin es elegir al vector
con la forma:
1
=0
0
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:

xxvii
i
 + 1 1 + 2 2 + . . . + 1 + = 0
Finalmente, el sistema de ecuaciones puede ser resuelto por el mtodo de preferencia.

Obtencin de Eigenvalores y Eigenvectores (Vectores y Valores

propios).

El vector caracterstico, propio o eigenvector de la matriz de es una matriz de

tal que = donde es un valor escalar real que recibe el nombre de valor
caracterstico, propio o eigenvalor.La alternativa ms obvia sera el vector caracterstico
cero. Este ltimo se descarta ya que la condicin = se cumplira para cualquier
valor de teniendo entonces, un nmero infinito de soluciones para .
Con la finalidad de encontrar el valor de , se analiza la expresin = de la
cual se puede escribir como (I) y, por lo tanto:
=
= 0
(I) = 0
(I A) = 0
Esta ltima representa un sistema homogneo de ecuaciones que tiene al
menos la solucin trivial. La nica manera de que tenga soluciones no triviales es que:
det(I A) = 0
La ecuacin det(I A) = 0 recibe el nombre de ecuacin o polinomio
caracterstico de .

Ejemplo 1.
4 1
Sea una matriz = [ ] determinar sus valores y vectores propios.
6 3
La matriz identidad multiplicada por para matrices 2x2 queda
0
I = [ ]
0
La diferencia

(I A) = [ 4 1
]
6 +3

xxix
Cuya determinante se puede escribir

(I A) = | 4 1
| = ( 4)( + 3) (6)(1) = 2 12 + 6 = 2 6
6 +3

Qu es el polinomio caracterstico. Mediante factorizacin o por frmula general

obtenemos sus races, o valores caractersticos

(1)2 (4)(1)(6) 1 5
= (1) = 1 = 3, 2 = 2
(2)(1) 2
Para encontrar los vectores propios o eigenvectores de la matriz se utiliza (I A) =
0 donde es el vector propio:

(I A) = [ 4 1 ] [] = [0]
6 +3 0
Sustituyendo 1 se tiene
34 1 1 1 0
[ ] [] = [ ][ ] = [ ]
6 3+3 6 6 0
Que representa el siguiente sistema homogneo de ecuaciones lineales:
= 0
6 + 6 = 0
Cuya solucin evidente es:
=
Y es variable libre. De modo que el vector propio que corresponde a 1 es:
1
1 = [ ] = [ ]

1
Si = 1
1
1 = [ ]

1
A manera de comprobacin se puede verificar que
1 = 1 .
1
El segundo vector propio se obtiene de la misma manera, sustituyendo 2 queda
2 4 1 6 1 0
[ ] [ ] = [ ][ ] = [ ]
6 2 + 3 6 1 0
De donde el vector
2 es

xxx
 1 1
2 = [ 6 ] = [ 6]

1
Si = 6
1
2 = [ ]

6
Se puede verificar que
2 = 2 .
2

Ejemplo 2.
1 2
Sea una matriz = [ ] determinar sus valores y vectores propios con ayuda de
2 1
Matlab.
Ingresamos nuestra matriz de 2x2 en Matlab

Obtenemos su polinomio caracterstico

() = 2 2 3
Ahora resolvemos la ecuacin cuadrtica anterior y obtenemos nuestros valores propios
o eigenvalores.

1 = 3, 2 = 1
Otra forma de poderlos obtener sera con el comando ().

xxxi
Por ultimo para obtener los eigenvectores usamos el comando [, ] = (), la cual
nos devuelve una matriz x y una matriz diagonal d, con la condicin de que = .

Los valores arrojados por la matriz X seran nuestros vectores propios.

0.7071
1 = [
]
0.7071
0.7071
2 = [
]
0.7071

Ejemplo 3.
2 1 0
Sea una matriz = 1 2 1 determinar sus valores y vectores propios.
0 1 2
Ingresamos nuestra matriz en Matlab

Obtenemos los eigenvalores con el comando ().

xxxii
1 = 0.5858, 2 = 2, 3 = 3.4142

Por ultimo para obtener los eigenvectores usamos el comando [, ] = (), la cual
nos devuelve una matriz x y una matriz diagonal d, con la condicin de que = .

De la matriz X sacaremos nuestros eigenvectores.

0.5
1 = 0.7071

0.5
0.7071
2 = 0

0.7071
0.5
3 = 0.7071

0.5

xxxii
i
Mtodo de Diferencias Finitas

El Mtodo de Diferencias Finitas es un mtodo de carcter general que permite la

resolucin aproximada de ecuaciones diferenciales en derivadas parciales definidas en
recintos finitos. Es de una gran sencillez conceptual y constituye un procedimiento muy
adecuado para la resolucin de una ecuacin bidimensional.
El primer paso para la aplicacin del mtodo consiste en discretizar el recinto del
plano en el que se quiere resolver la ecuacin con una malla, por conveniencia cuadrada.
Los puntos de la malla estn separados una distancia en ambas direcciones e .
Podemos desarrollar (, ) en serie de Taylor alrededor de un punto:
(, ) 2 (, ) 2
( + , ) (, ) + . + . + (3 )
2 2
(, ) 2 (, ) 2
( , ) (, ) . + . + (3 )
2 2
Sumando miembro a miembro, agrupando, despreciando los trminos (3 ) y
despejando el trmino de la derivada segunda, resulta:
2 (, ) (, ) 2(, ) + ( + , )
=
2 2
De forma similar se obtiene la expresin equivalente:
2 (, ) (, ) 2(, ) + (, + )
=
2 2
Pero de la ecuacin de Laplace:
2 (, ) 2 (, )
+ =0
2 2
Por lo tanto:
( , ) + ( + , ) + (, + ) + (, )
(, ) =
4
Lo que significa que el valor de la temperatura en un punto se puede escribir como
la media de las temperaturas de los 4 puntos vecinos.
Otro aspecto importante es que las diferencias finitas aproximan cocientes
diferenciales a medida que h se acerca a cero. As que se pueden usar diferencias finitas
para aproximar derivadas. Esta tcnica se emplea a menudo en anlisis numrico,
especialmente en ecuaciones diferenciales numricas ordinarias, ecuaciones en
diferencias y ecuacin en derivadas parciales.

xxxi
v
 Los mtodos resultantes reciben el nombre de mtodos de diferencias finitas. Las
aplicaciones habituales de los mtodos de diferencias finitas son en los campos de la
computacin y reas de la ingeniera como ingeniera trmica o mecnica de fluidos.

xxxv
Mtodo mnimo cuadrado

Se usa para buscar valores desconocidos usando como referencia otras muestras del
mismo evento. El mtodo consiste en acercar una lnea o una curva, segn se escoja, lo
ms posible a los puntos determinados por la coordenada [x, f(x)], que normalmente
corresponden a muestras de algn experimento.
El ejemplo ms simple de una aproximacin por mnimos cuadrados es adjuntar
una lnea recta a un conjunto de observaciones definidas por puntos : (x1, y1), (x2, y2), ,
(xn, yn). La expresin matemtica para la lnea recta es = 0 + 1 + . Donde a0 y
a1 son coeficientes que representan la interseccin con el eje y y la pendiente,
respectivamente, e es el error, o diferencia, entre el modelo y las observaciones, el cual
se representa al reordenar la ecuacin como: = 0 1 as el error residuo es la
discrepancia entre el valor verdadero de y y el valor aproximado de 0 + 1 , que redijo
la ecuacin lineal.

Ejemplo 1
//Algoritmo para regresin lineal

SUB Regress (x, y, n, a1, a0, syx, r2)

Sumx = 0: sumxy = 0: st = 0

Sumy = 0: sumx2 = 0: sr = 0

DOFOR I = |, n

Sumx = sumx + xi

Sumy = sumy + yi

Sumxy = sumxy + xi*yi

Sumxy = sumx2 + xi*xi

END DO

xm = sumx/n

ym = sumy/n

a1 = (n*sumxy sumx*sumy)/(n*sumx2 sumx*sumx)

a0 = ym a1*xm

DOFOR I = 1, n

St = st + (yi ym)2

Sr = sr + (yi a1*xi a0)2

END DO

Syx = (sr/(n 2)).5

xxxv
i
 R2 = (st sr)/st

END Regress

Ejemplo 2
//Algoritmo para encontrar los elementos de las ecuaciones normales ne la
regresin polinomial.

DOFOR i = 1, order + 1

DOFOR j = 1, i

K = I + j -2

Sum = 0

DOFOR e = 1, n

Sum = sum + xek

END DO

Ai,j = sum

Aj,I = sum

END DO

Sum = 0

DOFOR e = 1, n

Sum = sum + ye * xei-1

END DO

Ai, order+2 = sum

END DO

Ejemplo 3
// ALgoritmo para establecer los elementos de la ecuaciones normales en la
regresin mltiple.

DOFOR i = 1, order + 1

DOFOR j = 1, i

Sum = 0

DOFOR e = 1, n

END DO

Ai,j = sum

Aj,I = sum

END DO

Sum = 0

xxxv
ii
 DOFOR e = 1, n

Sum = sum + ye * xi-1.e

END DO

Ai,order+2 = sum

END DO

xxxv
iii
Aplicaciones

Los mtodos numricos tambin pueden ser utilizados para estudiar el comportamiento
de estructuras que son fabricadas en serie. Un ejemplo tpico de esta aplicacin es el
modelado numrico de casas habitacin de inters social. En este caso es muy
importante hacer el modelado integral de la estructura, para ver su comportamiento como
un todo y poder tomar acciones tanto de diseo como posibles reparaciones cuando
sufre dao en condiciones de servicio.
Tambin es posible hacer la simulacin numrica entre dos slidos, cada uno de
ellos con un comportamiento diferente. Un ejemplo tpico es la interaccin entre una
cimentacin y el suelo sobre el que se apoya. El objetivo es determinar la mxima
capacidad de carga que puede soportar el suelo en condiciones de servicio.
En ocasiones es muy importante hacer el anlisis de estructuras que fueron
construidas hace muchos aos. Estas estructuras pueden tener ya daos estructurales
y es muy importante poder predecir si la estructura es estable o bien si requiere algn
tipo de reparacin.

Nota: Modelado numrico de las naves centrales de la catedral de Barcelona

En general, para la concepcin y produccin de un vehculo (ya sea un automvil,

un avin o un barco) es muy comn utilizar modelos numricos de dinmica de fluidos
para simular el comportamiento del vehculo en movimiento (ya sea en tierra, en aire o
en ambos). Esto permite optimizar la forma geomtrica exterior del mismo de manera
que su resistencia al avance sea la mnima posible, lo que permitir tener una vida til
ms larga, menor consumo de combustible, que sea menos contaminante, que sea ms
ligero.
Los modelos anteriormente descritos deben acoplarse con estudios que permitan
el modelado de situaciones extremas de servicio del vehculo que podran afectar la
seguridad de sus ocupantes, tales como: choque , vuelco, aterrizaje forzoso, etc., lo que
exige hacer uso de modelos avanzados de dinmica estructural no lineal. Por otra parte,
cada vez es ms usual utilizar simulaciones numricas para reproducir el ciclo de diseo
y fabricacin de piezas de los vehculos.

xxxix
 La integracin de todos estos modelos computacionales, que estn fuertemente
ligados a la aplicacin de los mtodos numricos, estn permitiendo concebir la
denominada fabrica virtual, que permitir optimizar todo el ciclo productivo.

xl
Conclusin

Como se pudo observar, dadas a las diferentes metodologas que se fueron mostrando
pudimos lograr comprender los casos en los cuales podemos aplicar dichos mtodos sin
tener que ests complicndose las situaciones que se presenten.
Por otra parte, tras esto llegamos a un desenlace impresionante de cierta manera,
puesto que comprendamos las adversidades y algunas aplicaciones de algunos
mtodos, pero principalmente lo que conllev a la exaltacin fueron las aplicaciones que
actan en el rea que nos estamos desarrollando. Un ingeniero mecatrnico debe tener
presente esto y ms para poder llevar a cabo distintas labores como lo es en el caso de
la mecnica de fluidos. Pudiera ser desde lo ms simple a lo ms complicado.
Como conclusin podemos decir que tras traer estos temas a nuestras manos pudimos
comprender lo que realmente conlleva un pequeo mtodo, del cual puede ser
completamente complejo, pero a su vez fcil de aplicar, puesto que uno conlleva otro y
si uno no puede ser resuelto o atrae un erro, podemos usar otro para solucionar el error
y sacar adelante lo que se trata de analizar.

xli
Bibliografa
Arias Milton, C. G. (Agosto de 30 de 2017). Numerictron. Obtenido de
https://sites.google.com/site/numerictron/
Arias Puon Milton Mauro, C. H. (30 de Agosto de 2017). Numerictron. Obtenido de
https://sites.google.com/site/numerictron/
Arias Puon Milton Mauro, C. H. (Desconocido).
https://sites.google.com/site/numerictron/. (Instituto Tecnologico de Tuxtla
Gutierrez) Recuperado el 30 de 2017
Chapra, S. C., & Canale, R. P. (2007). Mtodos nmericos para ingeniera. Ciudad de
Mxico: McGraw-Hill Interamericana.
Chapra, S., & Canale, R. (2007). Mtodos nmericos para ingenieros. D.F.: McGraw-Hill
Interamericana.
Ed. J.H Mathews, K.D. Fink. (s.f.). Mtodos numricos con MATLAB 3 Ed.
Nordeste, U. N. (Agosto de 30 de 2017). Facultad de Ingeniera. Obtenido de
http://ing.unne.edu.ar/pub/informatica/Alg_diag.pdf
Witenberg, P. (1976). Mtodos y Modelos de Investigacin de operaciones.

xlii