Solucin numrica de sistemas de ecuaciones lineales

Introduccin histrica de los mtodos numricos. Necesidad de la aplicacin de los

mtodos numricos en la ingeniera.

En matemticas, la eliminacin de Gauss-Jordan, llamada as debido a Carl Friedrich
Gauss y Wilhelm Jordan, es un algoritmo del lgebra lineal para determinar las soluciones
de un sistema de ecuaciones lineales, encontrar matrices e inversas. Un sistema de
ecuaciones se resuelve por el mtodo de Gauss 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 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.
Supongamos que es necesario encontrar los nmeros "x", "y", "z", que satisfacen
simultneamente estas ecuaciones:



Esto es llamado un sistema lineal de ecuaciones. El objetivo es reducir el sistema a otro
equivalente, que tenga las mismas soluciones. Las operaciones (llamadas elementales) son
estas:

Multiplicar una ecuacin por un escalar no nulo.
Intercambiar de posicin dos ecuaciones
Sumar a una ecuacin un mltiplo de otra.
Estas operaciones pueden representarse con matrices elementales que se usan tambin
en otros procedimientos como la factorizacin LU o la diagonalizacin por congruencia de
una matriz simtrica.
En nuestro ejemplo, eliminamos x de la segunda ecuacin sumando 3/2 veces la primera
ecuacin a la segunda y despus sumamos la primera ecuacin a la tercera. El resultado
es:






Ahora eliminamos y de la primera ecuacin sumando -2 veces la segunda ecuacin a la
primera, y sumamos -4 veces la segunda ecuacin a la tercera para eliminar y.




Finalmente eliminamos z de la primera ecuacin sumando -2 veces la tercera ecuacin a la
primera, y sumando 1/2 veces la tercera ecuacin a la segunda para eliminar z.




Despejando, podemos ver las soluciones:



Para clarificar los pasos, se trabaja con la matriz aumentada. Podemos ver los 3 pasos en
su notacin matricial:
Primero:




Despus,




Por ltimo.


Si el sistema fuera incompatible, entonces nos encontraramos con una fila como esta:



Que representa la ecuacin: , es decir, que no tiene
solucin.



Mtodo de descomposicin LU

En el lgebra lineal, la factorizacin o descomposicin LU (del ingls Lower-Upper) es una
forma de factorizacin de una matriz como el producto de una matriz triangular inferior y
una superior. Debido a la inestabilidad de este mtodo, deben tenerse en cuenta algunos
casos especiales, por ejemplo, si uno o varios elemento de la diagonal principal de la
matriz a factor izar es cero, es necesario pre multiplicar la matriz por una o varias matrices
elementales de permutacin. Mtodo llamado factorizacin o con
pivote. Esta descomposicin se usa en el anlisis numrico para resolver sistemas de
ecuaciones (ms eficientemente) o encontrar las matrices inversas.


Mtodos iterativos 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 alemanesCarl 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 nica, 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.

Para ver los casos en que converge el mtodo primero mostraremos que se puede escribir
de la siguiente forma:

(**)
(el trmino es la aproximacin obtenida despus de la k-sima iteracin) este modo
de escribir la iteracin es la forma general de un mtodo iterativo estacionario.
Primeramente debemos demostrar que el problema lineal que queremos
resolver se puede representar en la forma (**), por este motivo debemos tratar de
escribir la matriz A como la suma de una matriz triangular inferior, una diagonal y una
triangular superior A=(L+D+U), D=diag( ). Haciendo los despejes necesarios escribimos
el mtodo de esta forma



por lo tanto M=-(L+D)
-1
U y c=(L+D)
-1
b

Ahora podemos ver que la relacin entre los errores, el cual se puede calcular al substraer
x=Bx+c de (**)



Supongamos ahora que , i= 1, ..., n, son los valores propios que corresponden a los
vectores propios , i= 1,..., n, los cuales son linealmente independientes, entonces
podemos escribir el error inicial


(***)

Por lo tanto la iteracin converge si y slo si | i|<1, i= 1, ..., n. De este hecho se
desprende el siguiente teorema:


Teorema: Una condicin suficiente y necesaria para que un mtodo
iterativo estacionario converja para una
aproximacin arbitraria es que

donde (M) es el radio espectral de M.








Mtodo de Krylov


El mtodo de Krylov se fundamenta en la aplicacin del Teorema deCayley-
Hamilton, mismo que establece que toda matriz A verificasu 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 algunoscomentarios. De inicio, la matriz A es de o
rden n, por
lo cual la sustitucin arrojar un sistema de n ecuaciones lineales; en consecuencia, el
coeficiente a
0
deber ser diferente de cero. Resulta conveniente hacerque este coefici
ente sea la unidad, por lo cual se divide el polinomio entero por a
0
, resultando:

n
+ b
1

n1
+ b
2

n2
+ ... + b
n1
+ b
n
= 0 (4)


Donde los coeficientes bi se obtienen como bi = ai/a0. Aplicando el teorema de Cayl
ey-Hamilton en el polinomio a n t e r i o r :

F (A) = A
n
+ b
1
A
n1
+ b
2
A
n2
+ ... + b
n1
A + b
n
I = 0 (5)

El polinomio 5 representa un sistema de ecuaciones linealescuyas incgnitas son l
os coeficientes bi . La solucin de este sistema nosproporciona los coeficientes bi que
sustituidos en el polinomio 4 nosproporciona el polinomio caracterstico de A.

Una forma sencilla de realizar este procedimiento es simplificar la elevacin de l
a matriz A a las potencias necesarias. Esto se logramultiplicando 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.

Este vector y puede ser libremente elegido, proponindose quesu conformacin
permita realizar de mejor forma las operaciones. Unabuena eleccin es elegir al vecto
r con la forma:

y = | 1 |
| 0 |
| 0 |
|... |
| 0 |


Ubicando al elemento 1 en una posicion estrategica de acuerdo con loscoeficientes de
A de tal forma que se minimicen las operaciones.

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

A
n
y + b
1
A
n1
y + b
2
A
n2
y + ... + b
n1
Ay + b
n
yI = 0 (6)


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

El mtodo de Krylov debe utilizarse en conjunto conun mtodo de solucin de siste
mas de ecuaciones lineales. Esta unin arroja una alternativa muy apropiada cuando s
e trata de evitar resolver determinantes de orden mayor considerando que se debe ha
cer enforma analtica.




Bibliografa

http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r719
























UNIVERSIDAD NACIONAL AUTONOMA DE
MXICO
FACULTAD DE INGENIERIA

Alumno:
Jimenez Ulloa Jos Miguel

Materia: ANALISIS NUMERICO

Tema II

Semestre 2014-1

Evaluacin

FECHA DE ENTREGA: 11/09/13