Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Vector Para otros usos de este trmino, vase Vector (desambiguacin). Este artculo trata sobre el concepto fsico de vector. Para el tratamiento matemtico formal, vase Espacio Vectorial. En fsica, matemticas e ingeniera, un vector (tambin llamado vector euclidiano o vector geomtrico) es una herramienta geomtrica utilizada para representar una magnitud fsica definida por un mdulo (o longitud) y una direccin (u orientacin). Los vectores se pueden representar geomtricamente como segmentos de recta dirigidos o flechas en el plano o en el espacio . Ejemplos:

La velocidad con que se desplaza un mvil es una magnitud vectorial, ya que no queda definida tan slo por su mdulo (lo que marca el velocmetro, en el

caso de un automvil), sino que se requiere indicar la direccin hacia la que se dirige. Definicin Se llama vector de dimensin a una tupla de nmeros reales (que se llaman componentes del vector). El conjunto de todos los vectores de dimensin se representa como (formado mediante el producto cartesiano). As, un vector donde perteneciente a un espacio . se representa como: ,

Un vector tambin se puede ver desde el punto de vista de la geometra como vector geomtrico (usando frecuentemente el espacio tridimensional bidimensional ). Un vector fijo del plano es un segmento orientado, en el que hay que distinguir dos caractersticas:1 2 3

direccin: la orientacin de la recta mdulo: la longitud del segmento

Los vectores fijos del plano se denotan con dos letras maysculas, por ejemplo AB, que indican su origen y extremo respectivamente.

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

MATRICES Una matriz es una tabla ordenada de escalares aij de la forma

La matriz anterior se denota tambin por (aij), i =1, ..., m, j =1, ..., n, o simplemente por (aij). Los trminos horizontales son las filas de la matriz y los verticales son sus columnas. Una matriz con m filas y n columnas se denomina matriz m por n, o matriz m n. Las matrices se denotarn usualmente por letras maysculas, A, B, ..., y los elementos de las mismas por minsculas, a, b, ... Ejemplo:

donde sus filas son (1, -3, 4) y (0, 5, -2) y sus

TIPOS DE MATRICES Segn el aspecto de las matrices, stas pueden clasificarse en: Matrices cuadradas Una matriz cuadrada es la que tiene el mismo nmero de filas que de columnas. Se dice que una matriz cuadrada n n es de orden n y se denomina matriz n-cuadrada. Ejemplo: Sean las matrices

Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente. Matriz identidad

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A consiste en los elementos a11, a22, ..., ann. La traza de A, escrito tr A, es la suma de los elementos diagonales. La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier otra posicin, denotada por I, se conoce como matriz identidad (o unidad). Para cualquier matriz A, A I = I A = A. Matrices triangulares Una matriz cuadrada A = (ai j ) es una matriz triangular superior o simplemente una matriz triangular, si todas las entradas bajo la diagonal principal son iguales a cero. As pues, las matrices

son matrices triangulares superiores de rdenes 2, 3 y 4. Matrices diagonales Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero o nulas. Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo,

son matrices diagonales que pueden representarse, respectivamente, por diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1).

TRASPUESTA DE UNA MATRIZ La traspuesta de una matriz A consiste en intercambiar las filas por las columnas y se denota por AT. As, la traspuesta de

En otras palabras, si A = (ai j ) es una matriz m n, entonces AT =

es

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

la matriz n m. La trasposicin de una matriz cumple las siguientes propiedades: 1. (A + B)T = AT + BT. 2. (AT)T = A. 3. (kA)T = kAT (si k es un escalar). 4. (AB)T = BTAT. Matrices simtricas Se dice que una matriz real es simtrica, si AT = A; y que es antisimtrica, si AT = -A. Ejemplo: Consideremos las siguientes matrices:

Podemos observar que los elementos simtricos de A son iguales, o que AT = A. Siendo as, A es simtrica. Para B los elementos simtricos son opuestos entre s, de este modo B es antisimtrica. A simple vista, C no es cuadrada; en consecuencia, no es ni simtrica ni antisimtrica. Matrices ortogonales Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa que una matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A-1 = AT. Consideremos una matriz 3 3 arbitraria:

Si A es ortogonal, entonces:

Matrices normales Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA. Obviamente, si A es simtrica, antisimtrica u ortogonal, es necesariamente normal. Ejemplo:

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Puesto que AAT = ATA, la matriz es normal SUMA Y RESTA DE MATRICES Para poder sumar o restar matrices, stas deben tener el mismo nmero de filas y de columnas. Es decir, si una matriz es de orden 3 2 y otra de 3 3, no se pueden sumar ni restar. Esto es as ya que, tanto para la suma como para la resta, se suman o se restan los trminos que ocupan el mismo lugar en las matrices. Ejemplo:

Para sumar o restar ms de dos matrices se procede igual. No necesariamente para poder sumar o restar matrices, stas tienen que ser cuadradas. Ejemplo:

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

PRODUCTO DE MATRICES Para poder multiplicar dos matrices, la primera debe tener el mismo nmero de columnas que filas la segunda. La matriz resultante del producto quedar con el mismo nmero de filas de la primera y con el mismo nmero de columnas de la segunda. Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden 3 5, la matriz resultante ser de orden 2 5. (2 3) (3 5) = (2 5) Se puede observar que el producto de matrices no cumple la propiedad conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda por la primera, no podramos efectuar la operacin. 3 5 por 2 3, puesto que la primera matriz no tiene el mismo nmero de columnas que filas la segunda. Supongamos que A = (ai j ) y B = (bi j ) son matrices tales que el nmero de columnas de A coincide con el nmero de filas de B; es decir, A es una matriz m p y B una matriz p n. Entonces el producto AB es la matriz m n cuya entrada ij se obtiene multiplicando la fila i de A por la columna j de B. Esto es,

Ejemplo: 1.

2.

Producto por un escalar

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

El producto de un escalar k por la matriz A, escrito kA o simplemente kA, es la matriz obtenida multiplicando cada entrada de A por k:

Ejemplo:

Entonces:

Mtodo de gauss El mtodo de Gauss consiste en transformar un sistema de ecuaciones escalonado. Para facilitar el clculo vamos a transformar el sistema en una matriz , en la que pondremos los coeficientes de las en otro equivalente de forma que ste sea

variables y los trminos independientes (separados por una recta).

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Ejemplos 3x +2y + z = 1 5x +3y +4z = 2 x + y -z =1

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Mtodo de Gauss-Jordan Como hemos visto, el mtodo de Gauss transforma la matriz de coeficientes en una matriz triangular superior. El mtodo de Gauss-Jordan contina el proceso de transformacin hasta obtener una matriz diagonal unitaria (aij=0 para cualquier ).

Veamos el mtodo de Gauss-Jordan siguiendo con el ejemplo empleado en el apartado anterior. Aplicando el mtodo de Gauss habamos llegado a la siguiente ecuacin:

Ahora seguiremos un procedimiento similar al empleado en el mtodo de Gauss. Tomaremos como pivote el elemento a44=-3; multiplicamos la cuarta ecuacin por y la restamos a la primera:

Realizamos la misma operacin con la segunda y tercera fila, obteniendo:

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Ahora tomamos como pivote el elemento a33=2, multiplicamos la tercera ecuacin por y la restamos a la primera:

Repetimos la operacin con la segunda fila:

Finalmente, tomamos como pivote a22=-4, multiplicamos la segunda ecuacin por y la sumamos a la primera:

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

El sistema de ecuaciones anterior es, como hemos visto, fcil de resolver. Empleando la ecuacin obtenemos las soluciones:

Mtodo de Jacobi En anlisis numrico el mtodo de Jacobi es un mtodo iterativo, usado para resolver sistemas de ecuaciones lineales del tipo Ax = b. El algoritmo toma su nombre del matemtico alemn Carl Gustav Jakob Jacobi. El mtodo de Jacobi consiste en usar frmulas como iteracin de punto fijo.

La sucesin se construye descomponiendo la matriz del sistema siguiente:

en la forma

donde , es una matriz diagonal. , es una matriz triangular inferior. , es una matriz triangular superior.

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Partiendo de

, podemos reescribir dicha ecuacin como:

Luego,

Si aii 0 para cada i. Por la regla iterativa, la definicin del Mtodo de Jacobi puede ser expresado de la forma:

donde k es el contador de iteracin, Finalmente tenemos:

Cabe destacar que al calcular xi(k+1) se necesitan todos los elementos en x(k), excepto el que tenga el mismo i. Por eso, al contrario que en el mtodo GaussSeidel, no se puede sobreescribir xi(k) con xi(k+1), ya que su valor ser necesario para el resto de los clculos. Esta es la diferencia ms significativa entre los mtodos de Jacobi y Gauss-Seidel. La cantidad mnima de almacenamiento es de dos vectores de dimensin n, y ser necesario realizar un copiado explcito.

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

Mtodo de Gauss-Seidel En anlisis numrico el mtodo de Gauss-Seidel es un mtodo iterativo utilizado para resolver sistemas de ecuaciones lineales. El mtodo se llama as en honor a los matemticos alemanes Carl Friedrich Gauss y Philipp Ludwig von Seidel y es similar al mtodo de Jacobi. Aunque este mtodo puede aplicarse a cualquier sistema de ecuaciones lineales que produzca una matriz (cuadrada, naturalmente pues para que exista solucin el sistema debe tener tantas ecuaciones como incgnitas) de coeficientes con los elementos de su diagonal no-nulos, la convergencia del mtodo solo se garantiza si la matriz es diagonalmente dominante o si es simtrica y, a la vez, definida positiva. Descripcin Es un mtodo iterativo, lo que significa que se parte de una aproximacin inicial y se repite el proceso hasta llegar a una solucin con un margen de error tan pequeo como se quiera. Buscamos la solucin a un sistema de ecuaciones lineales, en notacin matricial:

donde:

El mtodo de iteracin Gauss-Seidel se computa, para la iteracin

donde

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

definimos

y , donde los coeficientes de la matriz N se definen como . Considerando el sistema con la condicin de que Entonces podemos escribir la frmula de iteracin del mtodo si , si

(*) La diferencia entre este mtodo y el de Jacobi es que, en este ltimo, las mejoras a las aproximaciones no se utilizan hasta completar las iteraciones. Factorizacin de Cholesky En matemticas, la factorizacin o descomposicin de Cholesky toma su nombre del matemtico Andr-Louis Cholesky, quien encontr que una matriz simtrica definida positiva puede serdescompuesta como el producto de una matriz triangular inferior y la traspuesta de la matriz triangular inferior. La matriz triangular inferior es el tringulo de Cholesky de la matriz original positiva definida. El resultado de Cholesky ha sido extendido a matrices con entradas complejas. Es una manera de resolver sistemas de ecuaciones matriciales y se deriva de la factorizacin LU con una pequea variacin. Cualquier matriz cuadrada A con pivotes no nulos puede ser escrita como el producto de una matriz triangular inferior L y una matriz triangular superior U; esto recibe el nombre de factorizacin LU. Sin embargo, si A es simtrica y definida positiva, se pueden escoger los factores tales que U es la transpuesta de L, y esto se llama la descomposicin o factorizacin de Cholesky. Tanto la descomposicin LU como la descomposicin de Cholesky son usadas para resolver sistemas

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

de ecuaciones lineales. Cuando es aplicable, la descomposicin de Cholesky es dos veces ms eficiente que la descomposicin LU.

Definicin En general, si A es Hermitiana y definida positiva, entonces A puede ser descompuesta como

donde L es una matriz triangular inferior con entradas diagonales estrictamente positivas y L* representa la conjugada traspuesta de L. Esta es la descomposicin de Cholesky. La descomposicin de Cholesky es nica: dada una matriz Hermitiana positiva definida A, hay una nica matriz triangular inferior L con entradas diagonales estrictamente positivas tales que A = LL*. El recproco se tiene trivialmente: si A se puede escribir como LL* para alguna matriz invertible L, triangular inferior o no, entonces A es Hermitiana y definida positiva. El requerimento de que L tenga entradas diagonales estrictamente positivas puede extenderse para el caso de la descomposicin en el caso de ser semidefinida positiva. La proposicin se lee ahora: una matriz cuadrada A tiene una descomposicin de Cholesky si y slo si A es Hermitiana y semidefinida positiva. Las factorizaciones de Cholesky para matrices semidefinidas positivas no son nicas en general. En el caso especial que A es una matriz positiva definida simtrica con entradas reales, L se puede asumir tambin con entradas reales. Una Matriz D diagonal con entradas positivas en la diagonal (valores propios de A), es factorizable como , donde es matriz cuya diagonal consiste en la raz cuadrada de cada elemento de D, que tomamos como positivos. As:

Trabajo final de Mtodos Numricos

MARIO ALBERTO SOSA MALDONADO 05 DE DICIEMBRE DEL 2011

La factorizacin puede ser calculada directamente a travs de las siguientes frmulas (en este caso realizamos la factorizacn superior A = UT * U):

para los elementos de la diagonal principal, y:

para el resto de los elementos. Donde uij son los elementos de la matriz U. Aplicaciones La descomposicin de Cholesky se usa principalmente para hallar la solucin numrica de ecuaciones lineales Ax = b. Si A es simtrica y positiva definida, entonces se puede solucionar Ax = bcalculando primero la descomposicin de Cholesky A = LLT, luego resolviendo Ly = b para y, y finalmente resolviendo LTx = y para x.