Documente Academic
Documente Profesional
Documente Cultură
QUMICA Y BIOTECNOLOGA
FACULTAD DE CIENCIAS
FSICAS Y MATEMTICAS
UNIVERSIDAD DE CHILE
(1)
(1)
x1 + x2 + x3 = 4
2x1 + x2 + 3x3 = 7
3x1 + x2 + 6x3 = 2
(2)
x1 + x2 + x3 = 4
2x1 + x2 + 3x3 = 7
3x1 + x2 + 6x3 = 2
Cmo obtendra la solucin de este sistema?
(2)
Balances de masa.
Balances de masa.
Balances de masa.
Ax = b
donde
A=
a11
a21
a12
a22
a13
a23
.
.
.
.
.
.
.
.
.
..
aN1
aN2
aN3
a1N
a2N
.
.
.
aNN
(3)
x1
x2
b1
b2
, x = .. y b = ..
.
xN
bN
Note que el nmero de filas es igual al nmero de ecuaciones y que el nmero de columnas
equivale al nmero de incgnitas. Volviendo al ejemplo anterior:
Cdigo 1: Ejemplo de cdigo Scilab/Matlab
-->
-->
-->
x
A = [1 1 1; 2 1 3; 3 1 6];
b = [4;7;2];
x = A\b
% Operador: Backslash or left matrix divide
=
19.
- 7.
- 8.
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
Puede ser tentador pensar que basta con saber el comando anterior para resolver un
sistema lineal de ecuaciones.
Puede ser tentador pensar que basta con saber el comando anterior para resolver un
sistema lineal de ecuaciones.
Puede ser tentador pensar que basta con saber el comando anterior para resolver un
sistema lineal de ecuaciones.
Note que esta herramienta falla para ciertos tipos de sistemas de ecuaciones.
Puede ser tentador pensar que basta con saber el comando anterior para resolver un
sistema lineal de ecuaciones.
Note que esta herramienta falla para ciertos tipos de sistemas de ecuaciones.
Escalares son todos aquellos nmeros que representan un slo valor ya sea
real : 3,1.4,5/7,
complejo : 1 + 2i,1/2i
i=
p
1
z = a + ib
donde a,b
(4)
(5)
(6)
El complejo conjugado z = z de z = a + ib es
z = z = a ib
zz =
a2 + b2 0
(8)
Re
Notacin polar
Im
|z| =
(7)
(9)
Identidad de Euler
ei = (cos + i sin)
(10)
Notacin vectorial
Vector tridimensional
Un vector tridimensional v
v1
v = v2
v3
(11)
es real si v1 ,v2 ,v3 ; que es equivalente a v 3 . Note que este vector se puede visualizar
fcilmente en 3D utilizando vectores unitarios (en este caso una base ortonormal):
Notacin vectorial
Vector tridimensional
Un vector tridimensional v
v1
v = v2
v3
(11)
es real si v1 ,v2 ,v3 ; que es equivalente a v 3 . Note que este vector se puede visualizar
fcilmente en 3D utilizando vectores unitarios (en este caso una base ortonormal):
1
e[1] = 0
0
0
e[2] = 1
0
0
e[3] = 0
1
(12)
3
X
vi e[i]
(13)
i=1
Notacin vectorial
Vector N -dimensional
Obviamente, la notacin anterior puede ser extendida a vectores de cualquier dimensin, e.g.
sea v N un vector columna real N -dimensional:
v1
v
v = 2
:
vN
vi , i = 1,..,N
(14)
N
X
vi e[i]
i=1
(15)
Notacin vectorial
Vector N -dimensional
Obviamente, la notacin anterior puede ser extendida a vectores de cualquier dimensin, e.g.
sea v N un vector columna real N -dimensional:
v1
v
v = 2
:
vN
vi , i = 1,..,N
(14)
N
X
vi e[i]
(15)
i=1
i1
e[i] = i2
:
iN
ik =
1. si i = k
0. si i 6= k
(16)
Operaciones vectoriales
Suma, multiplicacin
Suma, v,w N
v1
w1
v1 + w 1
v2 w2 v2 + w2
v+w =
..
.. + .. =
vN
wN
vN + w N
(17)
Multiplicacin, v N ,c ,
cv1
v1
v2 cv2
cv = c
.. = ..
vN
cvN
(18)
Vector nulo, 0
0
.
0 = ..
0
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
(19)
Operaciones vectoriales
Producto punto
v w = v1 w1 + v2 w2 + + vN wN =
N
X
vk wk = |v||w|cos()
(20)
k=1
N.B. que cuando dos vectores son paralelos el producto punto es mximo y equivale al producto
de sus longitudes; cuando los vectores son perpendiculares el producto punto es 0
(ortogonalidad es la extensin de la perpendicularidad de 3 en N ).
Operaciones vectoriales
Producto punto
v w = v1 w1 + v2 w2 + + vN wN =
N
X
vk wk = |v||w|cos()
(20)
k=1
N.B. que cuando dos vectores son paralelos el producto punto es mximo y equivale al producto
de sus longitudes; cuando los vectores son perpendiculares el producto punto es 0
(ortogonalidad es la extensin de la perpendicularidad de 3 en N ).
v
u N
uX
p
|v| = v v = t
v2 0
k
(21)
k=1
Largo/norma de un vector
El largo de un vector |v| satisface las propiedades ms generales de una norma vectorial.
Norma de un vector v N , es una operacin que asocia una escalar real kvk a todo vector
real v N de tal manera que para todo v,w N y para todo c tenemos
kvk 0
(22)
k0k = 0
(23)
kvk = 0 ssi v = 0
(24)
kcvk = |c|kvk
(25)
kv + wk kvk + kwk
(26)
Largo/norma de un vector
El largo de un vector |v| satisface las propiedades ms generales de una norma vectorial.
Norma de un vector v N , es una operacin que asocia una escalar real kvk a todo vector
real v N de tal manera que para todo v,w N y para todo c tenemos
kvk 0
(22)
k0k = 0
(23)
kvk = 0 ssi v = 0
(24)
kcvk = |c|kvk
(25)
kv + wk kvk + kwk
(26)
Por supuesto, cada norma genera una mtrica sobre el espacio que puede ser utilizada para
medir cun diferentes son dos vectores:
d(v,w) = kv wk = |v w| =
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
(v w) (v w)
(27)
p-norma
La p-norma ||v||p de un vector real v N se define como
||v||p =
N
X
1/p
|vk |
(28)
k=1
j[1,N]
(29)
Sistema lineal
a11
a21
A=
..
a12
a22
a13
a23
..
.
..
.
..
aN1
aN2
aN3
a1N
a2N
..
,
.
aNN
x1
x2
x=
..
b1
b2
y b=
..
xN
(30)
bN
tenga solucin nica debe haber igual nmero de ecuaciones e incgnitas, luego A ser una
matriz cuadrada de N N filas y columnas. N.B. una matriz BMN tiene M filas y N columnas.
a11
a21
cA = c
..
a12
a22
a13
a23
..
.
..
.
..
aM1
aM2
aM3
a1N
ca11
a2N ca21
..
= ..
ca12
ca22
ca13
ca23
..
.
..
.
..
aMN
caM1
caM2
caM3
ca1N
ca2N
..
caMN
a11
a21
cA = c
..
a12
a22
a13
a23
..
.
..
.
..
aM1
aM2
aM3
(cA)ij = cAij
a1N
ca11
a2N ca21
..
= ..
ca12
ca22
ca13
ca23
..
.
..
.
..
aMN
caM1
caM2
caM3
i = 1,..,M; j = 1,..,N
ca1N
ca2N
..
caMN
(31)
a11
a21
A+B =
..
a12
a22
a13
a23
..
.
..
.
..
aM1
aM2
aM3
a1N
b11
a2N b21
..
+ ..
b12
b22
b13
b23
..
.
..
.
..
aMN
bM1
bM2
bM3
b1N
b2N
..
bMN
a11
a21
A+B =
..
a12
a22
a13
a23
..
.
..
.
..
aM1
aM2
aM3
a1N
b11
a2N b21
..
+ ..
b12
b22
b13
b23
..
.
..
.
..
aMN
bM1
bM2
bM3
i = 1,..,M; j = 1,..,N
b1N
b2N
..
bMN
(32)
a11
a21
Av =
..
a12
a22
a13
a23
..
.
..
.
..
aN1
aN2
aN3
a1N
v1
a2N v2
..
..
.
aNN
vN
(33)
a11
a21
Av =
..
a12
a22
a13
a23
..
.
..
.
..
aN1
aN2
aN3
(Av)i =
N
X
Aij vj
a1N
v1
a2N v2
..
..
.
aNN
vN
i = 1,..,N
j=1
(33)
(34)
a11
a21
Av =
..
a12
a22
a13
a23
..
.
..
.
..
aM1
aM2
aM3
v1
a1N
v
a2N 2
v3
..
.
.
.
.
aMN
vN
(35)
a11
a21
Av =
..
a12
a22
a13
a23
..
.
..
.
..
aM1
aM2
aM3
(Av)i =
N
X
Aij vj
v1
a1N
v
a2N 2
v3
..
.
.
.
.
aMN
vN
i = 1,..,M
j=1
N.B. que v N y Av M
(35)
(36)
(37)
Note que la operacin transpuesta tambin puede ser aplicada sobre vectores. En particular
para calcular el producto punto entre dos vectores v,w N
w1
N
X
w2
vN
vk w k
.. = v1 w1 + v2 w2 + + vN wN =
v w = v T w = v1
v2
k=1
wN
(38)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Son mtodos muy simples de implementar y funcionan bien para sistemas que tienen una
nica solucin.
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
a11
a21
(A,b) =
..
a12
a22
a13
a23
a1N
a2N
..
.
..
.
..
..
.
aN1
aN2
aN3
aNN
b1
b2
..
bN
(39)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
a11
..
.
a1N
.
.
.
ai1
.
(A,b) = ..
a
k1
.
.
aN1
aiN
.
.
.
akN
.
.
.
aNN
b1
.
.
.
bi
. kci+k
.
.
bk
.
.
.
a11
ai1
.
0
.
(A,b) =
.
(ca + a )
k1
i1
bN
.
.
.
b1
.
.
.
.
.
.
aiN
.
.
.
(caiN + akN )
.
.
.
aN1
a1N
aNN
bi
.
.
(cbi + bk )
.
.
bN
(40)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
a11
..
.
a1N
.
.
.
ai1
.
(A,b) = ..
a
k1
.
.
aN1
aiN
.
.
.
akN
.
.
.
aNN
b1
.
.
.
bi
. kci+k
.
.
bk
.
.
.
a11
ai1
.
0
.
(A,b) =
.
(ca + a )
k1
i1
bN
.
.
.
b1
.
.
.
.
.
.
aiN
.
.
.
(caiN + akN )
.
.
.
aN1
a1N
bi
.
.
(cbi + bk )
aNN
bN
(40)
La clave para los mtodos de eliminacin son las operaciones elementales de fila.
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
a11
a21
(A,b) =
..
a12
a22
a13
a23
a1N
a2N
..
.
..
.
..
..
.
aN1
aN2
aN3
aNN
b1
b2
..
bN
Necesitamos
Un algoritmo que transforme este sistema lineal en una forma triangular superior.
(41)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Eliminacin hacia adelante: lo cual genera una matriz triangular superior (si es que hay solucin).
Sustitucin reversa: etapa donde se resuelve el sistema triangular.
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
(42)
2x1 +
(43)
4x1 +
x2 + 2x3 = 283
(44)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
(42)
2x1 +
(43)
4x1 +
x2 + 2x3 = 283
(44)
3
(A,b) = 2
4
18
3
1
9
3
2
|
|
|
18
117
283
(45)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
(42)
2x1 +
(43)
4x1 +
x2 + 2x3 = 283
(44)
3
(A,b) = 2
4
18
3
1
9
3
2
|
|
|
18
117
283
(45)
Cmo utilizara las operaciones de fila para transformar esta sistema en uno que permita su
solucin con mayor facilidad?
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
3
(A,b) = 2
4
18
3
1
9
3
2
|
|
|
18
117
283
(46)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
3
(A,b) = 2
4
18
3
1
9
3
2
|
|
|
18
117
283
(46)
3
(A,b)(2,1) = 0
4
18
9
1
9
3
2
|
|
|
18
105
283
Note que se usa la notacin (A,b)(2,1) que significa que se ha colocado un 0 en la posicin
(2,1) utilizando la operacin de fila 2 2 21 1
(47)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
3
(A,b) = 2
4
18
3
1
9
3
2
|
|
|
18
117
283
(46)
3
(A,b)(2,1) = 0
4
18
9
1
9
3
2
|
|
|
18
105
283
(47)
Note que se usa la notacin (A,b)(2,1) que significa que se ha colocado un 0 en la posicin
(2,1) utilizando la operacin de fila 2 2 21 1
N.B. que el sistema lineal A(2,1) x = b(2,1) tiene la misma solucin que el sistema original Ax = b
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
3
(A,b)(3,1) = 0
0
18
9
23
9
3
10
|
|
|
18
105
259
(48)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
3
(A,b)(3,1) = 0
0
18
9
23
|
|
|
9
3
10
18
105
259
(48)
18
105
28/3
(49)
3
(A,b)(3,2) = 0
0
18
9
0
9
3
7/3
|
|
|
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
3
(A,b)(3,1) = 0
0
18
9
23
18
105
259
(48)
18
105
28/3
(49)
|
|
|
9
3
10
3
(A,b)(3,2) = 0
0
18
9
0
9
3
7/3
|
|
|
N.B. que la triangularizacin del sistema est completa y el sistema de ecuaciones ha sido
transformado a la siguiente forma:
3x1 +
18x2 +
9x3 = 18
(50)
9x2 +
3x3 = 105
(51)
7/3x3 = 28/3
(52)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Sustitucin inversa
Sistema triangularizado
3x1 +
18x2 +
9x3 = 18
(53)
9x2 +
3x3 = 105
(54)
7/3x3 = 28/3
(55)
Finalmente, el sistema se resuelve obteniendo las incgnitas desde abajo hacia arriba i.e.
resolviendo las ecuaciones del sistema triangularizado secuencialmente (proceso de sustitucin
inversa).
x3 = 4
(56)
x2 = 13
(57)
x1 = 72
(58)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Eliminacin de Gauss
Ejemplo prctico
x3 + 2x4 = 2
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Dx = b0
(59)
que es equivalente a:
A=
d11
x1
b1
x2 b2
. = .
. .
d22
..
dNN
xN
bN
(60)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
2 2 2/3 1
(61)
actualiza la fila 2 substrayndole la fila 1 multiplicada por 21 = a21 /a11 = 2/3. N.B. que si
a11 = 0 entonces 21 .
Esto se soluciona utilizando pivoteo parcial. Los componentes de la primera columna estn
dados por
a11
a21
a
31
a1 = A(:,1) =
.
.
(62)
aN1
buscamos el elemento de mayor magnitud, i.e.
(63)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Ya que el orden de las ecuaciones es irrelevante, podemos intercambiar la fila 1 por la fila i y
obtenemos un sistema equivalente.
ai1
a21
..
.
(A,b) =
a11
.
..
ai2
a22
ai3
a23
..
.
..
.
a12
a13
..
.
..
.
aN1
aN2
aN3
aiN
a2N
..
.
a1N
..
.
aNN
bi
b2
..
.
b1
..
.
(64)
bN
N.B. si todos los elementos de la fila son iguales a cero, entonces |ai1 | = 0 y el sistema no tiene
solucin nica
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
2:
Inicializar N 2 espacios de memoria para A y N para b
. Usualmente mejora la velocidad de ejecucin
3:
for i 1,2,...,N 1 do
. Iteramos sobre las columnas
4:
Select fila j i tq |aji | = maxji {|aii |,|ai+1,i |,...,|aNi |}
5:
if aji = 0 then
6:
STOP: No existe solucin nica
. No existe solucin nica
7:
end if
8:
if j 6= i then
9:
Swap filas i y j de la matrix (A,b)
10:
end if
11:
for j i + 1,i + 2,...,N do
. Iteramos sobre filas j > i
12:
aji /aii
13:
for k = i,i + 1,i + 2,...,N do
. Iteramos en fila j desde columna i hacia la derecha
14:
ajk ajk aik
15:
end for
16:
bj bj bi
17:
end for
18:
end for
19:
return (A,b)(N, N1)
20: end function
. N.B. que el costo computacional (nmero de FLOPS) de este algoritmo es N 3
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
1
(A,b) = 2
3
1
1
1
1
3
6
4
7
2
(65)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
1
(A,b) = 2
3
1
1
1
1
3
6
4
7
2
Solucin
x1 = 19
x2 = 7
x3 = 8
(66)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodos indirectos
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodos indirectos
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodos indirectos
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodos indirectos
La solucin estimada mediante los algoritmos directos puede diferir mucho de la solucin
real.
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodos indirectos
La solucin estimada mediante los algoritmos directos puede diferir mucho de la solucin
real.
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodos indirectos
La solucin estimada mediante los algoritmos directos puede diferir mucho de la solucin
real.
Los mtodos indirectos son una buena solucin para lidiar con este tipo de problemas
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodos indirectos
La solucin estimada mediante los algoritmos directos puede diferir mucho de la solucin
real.
Los mtodos indirectos son una buena solucin para lidiar con este tipo de problemas
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodo de Jacobi
Regla de iteracin
Ax = b
(67)
A = (A D) + D
(68)
donde D, es una matriz diagonal cuyos elementos corresponden a los elementos de la diagonal
principal de A, i.e.
aii si i = j
dij =
(69)
0 en otro caso
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodo de Jacobi
Regla de iteracin
Ax = b
(67)
A = (A D) + D
(68)
donde D, es una matriz diagonal cuyos elementos corresponden a los elementos de la diagonal
principal de A, i.e.
aii si i = j
dij =
(69)
0 en otro caso
Combinando ambas ecuaciones obtenemos:
Dx = b (A D)x
(70)
(71)
x=D
bD
(A D)x
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodo de Jacobi
Regla de iteracin
Ax = b
(67)
A = (A D) + D
(68)
donde D, es una matriz diagonal cuyos elementos corresponden a los elementos de la diagonal
principal de A, i.e.
aii si i = j
dij =
(69)
0 en otro caso
Combinando ambas ecuaciones obtenemos:
Dx = b (A D)x
(70)
(71)
x=D
bD
(A D)x
(72)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodo de Jacobi
Criterios de detencin
(73)
Note que el mtodo de Jacobi requiere una estimacin inicial x[0] del vector de soluciones.
La convergencia del mtodo de Jacobi depende de las caractersticas de la matriz A y del
valor de x[0] .
Las iteraciones del algoritmo de Jacobi continan hasta que se obtiene la convergencia.
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodo de Jacobi
Criterios de detencin
(73)
Note que el mtodo de Jacobi requiere una estimacin inicial x[0] del vector de soluciones.
La convergencia del mtodo de Jacobi depende de las caractersticas de la matriz A y del
valor de x[0] .
Las iteraciones del algoritmo de Jacobi continan hasta que se obtiene la convergencia.
lim kAx[k] bk = 0
(74)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodo de Jacobi
Criterios de detencin
(73)
Note que el mtodo de Jacobi requiere una estimacin inicial x[0] del vector de soluciones.
La convergencia del mtodo de Jacobi depende de las caractersticas de la matriz A y del
valor de x[0] .
Las iteraciones del algoritmo de Jacobi continan hasta que se obtiene la convergencia.
lim kAx[k] bk = 0
(74)
kx[k+1] x[k] k
< etol
kx[k] k
(75)
Eliminacin de gauss
Algoritmo intuitivo
Algoritmo de Eliminacin de Gauss
Mtodo de eliminacin de Gauss-Jordan
Pivoteo Parcial: Qu sucede si a11 = 0
Mtodos indirectos
Mtodo de Jacobi
Criterios de detencin
(73)
Note que el mtodo de Jacobi requiere una estimacin inicial x[0] del vector de soluciones.
La convergencia del mtodo de Jacobi depende de las caractersticas de la matriz A y del
valor de x[0] .
Las iteraciones del algoritmo de Jacobi continan hasta que se obtiene la convergencia.
lim kAx[k] bk = 0
(74)
kx[k+1] x[k] k
< etol
kx[k] k
(75)
Adems es usual exigir que la mxima diferencia entre sucesivas estimaciones este acotada, i.e.
(
max
i
[k+1]
|xi
[k]
|xi |
[k]
xi |
)
<
etol
10
(76)
Existencia y unicidad
Cuando un sistema de ecuaciones lineales posee una solucin real se dice que la solucin
existe.
Si una de las filas de la matriz A es linealmente dependiente de las otras (row degeneracy)
entonces puede no existir solucin o existir ms de una. En este caso A es llamada matriz
singular
Si una de las filas de la matriz A es linealmente dependiente de las otras (row degeneracy)
entonces puede no existir solucin o existir ms de una. En este caso A es llamada matriz
singular
Qu sucede si existe una dependencia lineal aproximada entre filas de la matriz A?, Qu
efecto pueden tener los errores de redondeo?, Es posible detectar este tipo de error?
Si una de las filas de la matriz A es linealmente dependiente de las otras (row degeneracy)
entonces puede no existir solucin o existir ms de una. En este caso A es llamada matriz
singular
Qu sucede si existe una dependencia lineal aproximada entre filas de la matriz A?, Qu
efecto pueden tener los errores de redondeo?, Es posible detectar este tipo de error?
Si una de las filas de la matriz A es linealmente dependiente de las otras (row degeneracy)
entonces puede no existir solucin o existir ms de una. En este caso A es llamada matriz
singular
Qu sucede si existe una dependencia lineal aproximada entre filas de la matriz A?, Qu
efecto pueden tener los errores de redondeo?, Es posible detectar este tipo de error?
Note que gran parte de la sofisticacin de los algoritmos para resolver problemas de
algebra lineal est invertida en tratar con estos problemas.
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
Cerrado en la adicin
Si v,w N , entonces el vector v + w N
Otras propiedades
a11
a21
Ax =
..
a12
a22
..
.
..
aN1
aN2
a1N
x1
a11 x1 + a12 x2 + + a1N xN
a2N x2 a21 x1 + a22 x2 + + a2N xN
..
..
.. =
aNN
xN
est en N tambin.
Por lo tanto, la matriz A mapea cualquier vector x N en otro vector b = Ax N .
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
(77)
A(v + w) = Av + Aw
A(cv) = cAv
N
(78)
N
Luego, se dice que A es una transformacin lineal que mapea en si mismo, i.e. A : N
(80)
se pueden escribir N ecuaciones lineales a travs del producto punto entre v y cada w[k] .
w[1] v = c1 (w[1] w[1] ) + c2 (w[1] w[2] ) + + cN (w[1] w[N] )
[2]
[2]
v = c1 (w
[1]
[2]
) + c2 (w
[2]
[2]
) + + cN (w
[N]
(81)
(82)
.
.
.
(83)
(84)
.
.
(w[1] w[2] )
(w[2] w[2] )
.
.
.
..
(w[N] w[1] )
(w[N] w[2] )
[1]
(w[1] w[N] )
w v
c1
[2]
[N]
(w w ) c2 w[2] v
. = .
.
.
.. .
.
(w[N] w[N] )
cN
w[N] v
(85)
|w[i] |2 = 1 si i = j
si i 6= j
(86)
|w[1] |2
[1]
w v
c1
c2 w[2] v
. = .
..
..
|w[2] |2
..
|w[N] |2
cN
(87)
w[N] v
cj =
w[j] v
|w[j] |2
= w[j] v
j = 1,2,...,N
(88)
Dado un conjunto de P vectores b[1] ,b[2] ,...,b[P] N con P N . Se define el span de ese
conjunto como el conjunto de todos los vectores v N que pueden ser escritos como
combinacin lineal de los miembros de ese conjunto.
span{b[1] ,b[2] ,...,b[P] } {v N |v = c1 b[1] + c2 b[2] + + cP b[P] }
El span de un conjunto de vectores tiene las propiedades de
Cerrado en la adicin.
(89)
Definicin
kernel o espacio nulo de una matriz A corresponde al subespacio de todos los vectores w N
que son mapeados por A en el vector nulo 0.
Teorema de unicidad
Teorema de existencia
dim(KA ) + dim(RA ) = N
(90)
N.B. que un sistema de ecuaciones lineales cuya matriz tiene un kernel no vaco puede no
tener solucin o mltiples soluciones.
Rango RA y N |v N ,Av = y
Determinante
Determinar las caractersticas del kernel de una matriz A de N N puede ser muy difcil para
N > 1. Luego, definimos el determinante de una matriz A como:
det(A) = |A| =
c 6= 0 si KA = 0
0
si w KA , w 6= 0
(91)
Definicin
kAk = max
v6=0
kAvk
= max kAvk
kvk
kvk=1
(92)
Sea una matriz A de N N no singular, luego el rango de A ser N y se dice de rango completo.
Note que para esta matriz det(A) 6= 0
Condicionamiento de Ax = b
Ejemplo 1
A=
1
1/2
1/2
1/3
b1 =
3/2
1
b2 =
3/2
5/6
(93)
Condicionamiento de Ax = b
Ejemplo 1
A=
1
1/2
1/2
1/3
b1 =
3/2
1
b2 =
3/2
5/6
(94)
Condicionamiento de Ax = b
Ejemplo 2
A1 =
1
1.1
2
2
A2 =
1
1.05
2
2
b=
10
10.4
(95)
Condicionamiento de Ax = b
Ejemplo 2
A1 =
1
1.1
2
2
A2 =
1
1.05
2
2
b=
10
10.4
(96)
Condicionamiento de Ax = b
Sea A matriz no singular y el sistema
Ax = b
(97)
x + x
(98)
A(x + x) = b + b
(99)
x = A1 b
(100)
Note que:
y
Condicionamiento de Ax = b
Cotas de error
Suponiendo A no singular y x = A1 b
(101)
Condicionamiento de Ax = b
Cotas de error
Suponiendo A no singular y x = A1 b
(101)
Condicionamiento de Ax = b
Cotas de error
Suponiendo A no singular y x = A1 b
(101)
Condicionamiento de Ax = b
Cotas de error
Suponiendo A no singular y x = A1 b
(101)
kbk
kxk
kAkkA1 k
kxk
kbk
(102)
Condicionamiento de Ax = b
Cotas de error
Suponiendo A no singular y x = A1 b
(101)
kbk
kxk
kAkkA1 k
kxk
kbk
Si kAkkA1 k es pequeo
kxk
kbk
es pequeo cuando
es pequeo.
kxk
kbk
(102)
Condicionamiento de Ax = b
Cotas de error
Suponiendo A no singular y x = A1 b
(101)
kbk
kxk
kAkkA1 k
kxk
kbk
kxk
kbk
es pequeo cuando
es pequeo.
kxk
kbk
kxk
kbk
Si kAkkA1 k es grande
puede ser grande cuando
es pequeo.
kxk
kbk
Si kAkkA1 k es pequeo
(102)
Condicionamiento de Ax = b
Definicin
(A) = kAkkA1 k
(103)
Condicionamiento de Ax = b
Ejemplo
A=
1
1/2
1/2
1/3
b1 =
3/2
1
b2 =
3/2
5/6
(104)
Condicionamiento de Ax = b
Ejemplo
A=
1
1/2
1/2
1/3
b1 =
3/2
1
b2 =
3/2
5/6
(105)
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
(106)
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Inversin de matrices
Sea una matriz real A de N N con det(A) 6= 0, luego para todo b N existe un nico vector
x N tq Ax = b. Se define la transformacin lineal inversa A1 tq si
Ax = b
1
(107)
Ax = A
INN x = A
x=A
= A
(108)
donde Iv = v
(110)
Por qu?
N.B. que si A es singular, entonces det(A) = 0 y dim(KA ) > 0, luego A1 no existe.
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
(109)
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
A = [1 1 1; 2 1 3; 3 1 6];
b = [4; 7; 2]
x = inv(A)*b
% solucion utilizando la inversa de A
=
19.0000
-7.0000
-8.000
>> x = A\b
% Solucion utilizando operador \ "MLDIVIDE"
x =
19.0000
-7.0000
-8.000
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Cmo calcular A1 ?
Note que,
A1 A = AA1 = I
1
Luego, si se escribe A
A e
a[1]
|
e
a[2]
|
e[k]
|
e
a[N] = Ae
a[1]
|
|
|
Ae
a[2]
|
(111)
,
|
|
Ae
a[N] = e[1]
|
|
|
e[2]
|
|
e[N]
|
(112)
Ae
a[k] = e[k]
k = 1,2,...,N
(113)
Pregunta
Dado este esquema, Cunto ms costoso es obtener A1 que utilizar GEPP para resolver
Ax = b directamente ( N 3 )?
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Descomposicin LU
Se desea resolver M sistemas lineales que tienen la misma matriz A,
Ax[k] = b[k]
k = 1,2,...,M
(114)
Suponga que A se puede descomponer en el producto de una matriz triangular inferior L y una
matriz triangular superior U tq
k = 1,2,...,M
(115)
Note que en este caso, x[k] , se obtiene resolviendo dos problemas de sustitucin (forward y
backward):
Lc[k] = b[k]
Ux
[k]
=c
[k]
(116)
(117)
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
a13
a23
a33
.
.
.
.
.
.
..
aN1
aN2
aN3
11
a21
a31
A=
.
.
a1N
a2N
a3N
.
.
(118)
aNN
Una vez aplicado GE (suponiendo que no se requiera pivoteo parcial) obtenemos la siguiente
matriz:
a12
(2,1)
a22
32
a13
(2,1)
a23
(3,2)
a33
.
.
.
.
.
.
..
N1
N2
N3
a11
21
N,N1
A
= 31
.
.
a1N
(2,1)
a2N
(3,1)
a3N
.
.
(119)
(N,N1)
aNN
N.B. que hemos almacenado los lambda donde originalmente se almacenaba un cero.
Recuerde que
ij =
aij
ajj
(120)
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
1
21
31
L=
.
.
1
32
..
.
..
.
..
N1
N2
N3
U=
a11
a12
(2,1)
a22
a13
(2,1)
a23
(3,2)
a33
..
..
.
(2,1)
a2N
(3,1)
a3N
(N,N1)
aNN
Pregunta
Se verifica que A = LU ?
a1N
(121)
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Ejemplo de descomposicin LU
1
2
3
1
1
1
1
x1
4
3 x2 = 7
6
x3
2
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Ejemplo de descomposicin LU
1
2
3
1
1
1
1
x1
4
3 x2 = 7
6
x3
2
1
L = 2
3
0
1
2
0
0
1
1
U = 0
0
1
1
0
1
1
1
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Descomposicin LU y GEPP
PA = LU
(122)
1
P = 0
0
0
0
1
0
1
0
(123)
Pregunta
Qu efecto tendra esta matriz en un vector v o una matriz A?, e.g.
v1
v = v2
v3
a11
y A = a21
a31
a12
a22
a32
a13
a23
a33
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Descomposicin LU y GEPP
Funciones disponibles en matlab/scilab/octave
Matlab, scilab y octave tienen disponible una funcin para efectuar una descomposicin LU tal
que PA = LU .
Cdigo 12: Descomposicin LU en Scilab/Matlab/Octave
octave:4> [L, U, P] = lu ([1 1 1; 2 1 3; 3 1 6])
L = 1.00000
0.33333
0.66667
0.00000
1.00000
0.50000
0.00000
0.00000
1.00000
U = 3.00000
0.00000
0.00000
1.00000
0.66667
0.00000
6.00000
-1.00000
-0.50000
P = 0
1
0
0
0
1
1
0
0
Pregunta
Qu gana con disponer de una descomposicin PA = LU ?
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Descomposicin de Cholesky
Definicin
Si A es una matriz simtrica, definida positiva entonces se puede obtener su descomposicin de
Cholesky tal que
A = LLT
(124)
donde L es una matriz triangular inferior.
Note que:
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Descomposicin de Cholesky
Nocin del algoritmo
Sea A, una matriz simtrica y definida positiva, luego es posible escribir A = LLT
a
a21
a22
a32
a31
a32
a33
.
.
.
.
.
.
..
aN1
aN2
aN3
11
a21
a31
A=
.
.
aN1 L11
aN2 L21
aN3
= L31
.
.
. .
L22
L32
L33
.
.
.
.
.
.
..
aNN
LN1
LN2
LN3
L
11
L21
L22
L31
L32
L33
LNN
..
LN1
LN2
LN3
.
.
(125)
LNN
Note que
L11 =
a11
a12
L21 =
L11
Este proceso se puede continuar hasta determinar todos los coeficientes Lij .
(126)
(127)
(128)
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
j1
X
L2jk
4:
Ljj ajj
5:
k=1
6:
j1
X
1
Lik Ljk
Lij
aji
Ljj
k=1
7:
end for
8:
end for
9: end function
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Descomposicin de Cholesky
Funciones disponibles en matlab/scilab/octave
Matlab, scilab y octave tienen disponible una funcin para efectuar la descomposicin de
Cholesky LLT tal que A = LLT .
Cdigo 13: Descomposicin de cholesky en Scilab/Matlab/Octave
octave:8> L = chol ([2 1 1; 1 4 2; 1 2 6])
L = 1.41421
0.00000
0.00000
0.70711
1.87083
0.00000
0.70711
0.80178
2.20389
octave:8> e = L'*L-A
e = 4.4409e-16
2.2204e-16
2.2204e-16
0.0000e+00
2.2204e-16
0.0000e+00
2.2204e-16
0.0000e+00
-8.8818e-16
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Matrices sparce
Definicin
Una matriz A se dice sparce si la mayor parte de sus elementos aij son iguales a cero.
e.g. . Usualmente las matrices estequiomtric son matrices sparce (e.g. 13.8% de elementos
distintos de cero)
0
10
15
20
25
30
0
10
15
20
25
30
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Matrices sparce
Definicin
Una matriz A se dice sparce si la mayor parte de sus elementos aij son iguales a cero.
e.g. . Usualmente las matrices estequiomtric son matrices sparce (e.g. 13.8% de elementos
distintos de cero)
0
10
15
20
25
30
0
10
15
20
25
30
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Matrices sparce
Definicin
Una matriz A se dice sparce si la mayor parte de sus elementos aij son iguales a cero.
e.g. . Usualmente las matrices estequiomtric son matrices sparce (e.g. 13.8% de elementos
distintos de cero)
0
10
15
20
25
30
0
10
15
20
25
30
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Matrices sparce
Definicin
Una matriz A se dice sparce si la mayor parte de sus elementos aij son iguales a cero.
e.g. . Usualmente las matrices estequiomtric son matrices sparce (e.g. 13.8% de elementos
distintos de cero)
0
10
15
20
25
30
0
10
15
20
25
30
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Mtodos directos para resolver sistemas de ecuaciones sparce dependen crticamente del
patrn de sparcity de la matriz.
Band diagonal
Block triangular
Block tridiagonal
Singly bordered
band-diagonal
Singly bordered
block diagonal
Doubly bordered
block diagonal
Singly bordered
block triangular
Bordered
band-triangular
Doubly bordered
band-diagonal
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
Matrices de banda
Banded matrix
Definicin
Una matriz S se dice de tipo banda con ancho de banda M, si todos los elementos distintos de
cero estn localizados en torno a la diagonal a una distancia de a lo ms M elementos de sta.
e.g. Matriz de banda con ancho de banda M = 2
d11
SM=2 =
d22
d33
d44
d55
d66
d77
d88
(129)
Pregunta
Cmo ser el esfuerzo relativo de un proceso de eliminacin gaussiana sobre una matriz de
banda comparado con una matriz completa?, Qu efecto tendr en un algoritmo numrico para
resolver EDPs, e.g. diferencias finitas?
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
La matriz inversa
Descomposicin LU
Descomposicin de Cholesky
Matrices Sparce
Matriz de banda
\,mldivide : El comando para resolver LES est preparado para trabajar con matrices
sparce.
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
CH4 ,O2
2CH4 + 3O2
CO + 1/2O2
J1
J2
2CO + 4H2 O
CO2
CO,CO2 ,H2 O
(130)
dCH4
dt
dO2
dt
dCO
dt
dCO2
dt
dH2 O
dt
= qCH4 2J1
(131)
(132)
= qCO + 2J1 J2
(133)
= qCO2 + J2
(134)
= qH2 O + 4J1
(135)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
dY
= SJ r
dt
(136)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
dY
= SJ r
dt
(136)
dY
= 0 = SJ r
dt
(137)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
dY
= SJ r
dt
(136)
dY
= 0 = SJ r
dt
(137)
SJ = r
(138)
Luego,
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
dY
= SJ r
dt
(136)
dY
= 0 = SJ r
dt
(137)
SJ = r
(138)
Luego,
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
dY
= SJ r
dt
(136)
dY
= 0 = SJ r
dt
(137)
SJ = r
(138)
Luego,
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
SJ = r
(139)
con S matriz estequiomtrica, J vector de flujos y r vector de flujos medidos, dados por:
2
3
S= 2
0
4
0
0.5
1
1
0
qCH4
qO2
r = qCO
q
CO2
qH2 O
J=
J1
J2
Note que en el vector r las cantidades positivas indican produccin y las negativas
consumo.
Las columnas de la matriz S corresponden a las reacciones y las filas a las especies.
(140)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
SJ = r
(139)
con S matriz estequiomtrica, J vector de flujos y r vector de flujos medidos, dados por:
2
3
S= 2
0
4
0
0.5
1
1
0
qCH4
qO2
r = qCO
q
CO2
qH2 O
J=
J1
J2
Note que en el vector r las cantidades positivas indican produccin y las negativas
consumo.
Las columnas de la matriz S corresponden a las reacciones y las filas a las especies.
Pregunta
Qu tipo de problema es este?, Cmo se resuelve?
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
(140)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Como en este caso el sistema lineal tiene mayor nmero de ecuaciones que de incgnitas se
dice que est sobredeterminado. En este caso se suele utilizar el mtodo de Mnimos
cuadrados.
ST SJ = ST r
T
(141)
1 T
J = (S S)
S r
(142)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo de MFA
Sistema metablico
Glucose
2 ADP
Pathway
2 NAD+
Pyruvate
2 ATP
Fd
NADH
CoA
2 NAD+
CO2
NAD
FdH2
ATP
ADP
CoA
Acetate
Pi
Acetyl-CoA
NAD(P)H
H2
HYDA
NAD(P)+
Acetaldehyde
CoA
THL
NAD(P)H
NAD(P)
CoA
Acetoacetyl - CoA
Acetoacetate
CoAT
AADC
BHBD
Ethanol
NADH
Butanol
NAD+
Acetone
+ CO2
NAD(P)+
CRO
NAD(P)H
ATP
BK
BDH1
H2O
Butyrate
CoA
Pi
BCD
ADP
NADH
NAD(P)H NAD(P)+
NAD+
PTB
Butyryl-CoA
AAD
CoA
BDH2
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo de MFA
Sistema metablico: ecuaciones qumicas
12. FdH2 Fd + H2
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo de MFA
Sistema metablico: ecuaciones qumicas
12. FdH2 Fd + H2
metabolitos para el sistema (ignorando los cofactores): Glucosa, Piruvato, Acetil-CoA, Acetato, CO2 , Acetaldehdo,
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo de MFA
Sistema metablico: ecuaciones qumicas
12. FdH2 Fd + H2
metabolitos para el sistema (ignorando los cofactores): Glucosa, Piruvato, Acetil-CoA, Acetato, CO2 , Acetaldehdo,
Pregunta
De qu tamao sera la matriz S? y el vector r?
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo de MFA
Matriz estequiomtrica
Segn el listado de ecuaciones anterior la matriz estequiomtrica (16 12) est dada por:
GLC
PYR
AcCoA
HOAC
CO2
ACEDH
ETOH
ACTACCoa
BUTCoA
BUTY
ACACT
ACTN
BUTAL
FdH2
Fd
H2
J1
J2
J3
J4
J5
J6
J7
J8
J9
J10
J11
J12
-1
2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
0
0
0
0
0
0
0
0
0
0
0
-2
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
-1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
1
1
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo MFA
Vector de flujos medidos
(143)
Lo que indica que las columnas de S son linealmente independientes. Para resolver el sistema
tenemos que conocer el vector con las tasas especficas para cada metabolito, sustrato y
producto del sistema. Suponga que se conoce la siguiente informacin:
Especie
Glucosa
Acetato
CO2
Etanol
Butirato
Acetona
Butanol
H2
Fase I
-1.0
0.5
2.0
0.0
0.75
0.0
0.0
1.5
Fase II
-1.0
0
2.3
0.1
0.0
0.3
0.65
1.0
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo MFA
Vector de flujos medidos
(143)
Lo que indica que las columnas de S son linealmente independientes. Para resolver el sistema
tenemos que conocer el vector con las tasas especficas para cada metabolito, sustrato y
producto del sistema. Suponga que se conoce la siguiente informacin:
Especie
Glucosa
Acetato
CO2
Etanol
Butirato
Acetona
Butanol
H2
Fase I
-1.0
0.5
2.0
0.0
0.75
0.0
0.0
1.5
Fase II
-1.0
0
2.3
0.1
0.0
0.3
0.65
1.0
Pregunta
Cmo obtendra el vector de flujos del sistema?
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo MFA
Solucin de mnimos cuadrados
J = (ST S)1 ST r
(144)
o bien utilizando eliminacin de Gauss con pivoteo parcial sobre la matriz ampliada:
[ST S | ST r]
(145)
0.0000
0.0000
0.7500
0.7500
0.7500
0.0000
0.0000 -
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Ejemplo MFA
Matriz de sensibilidad
(ST S)1 ST
(146)
0.5
0.5
1
9
10
Calculated Flux 1112
1 2
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
3 4
5 6
9
7 8
10 11
12 13
14 15
Measured Rate
16
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Reactor
1
2
3
4
Vi [L]
1000
1500
100
500
ki [h1 ]
0.1
0.2
0.4
0.3
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Reactor
1
2
3
4
Vi [L]
1000
1500
100
500
ki [h1 ]
0.1
0.2
0.4
0.3
Pregunta
Plantee un modelo para el sistema de reactores
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
(147)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
(147)
(148)
(149)
(150)
(151)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
1100
1000
0
0
0
1400
1100
0
0
100
1240
1100
1000
0
CA1
0 CA2 0
=
0
100
CA3
0
CA4
1250
(152)
(153)
(154)
(155)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
0.9091
CA1
C 0.6969
CA = A2 =
0.6654
CA3
0.5856
CA4
(156)
Pregunta
Le parecen razonables estos resultados?
(157)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Considere el caso de un fluido newtoniano siguiendo un flujo en rgimen laminar producido por
diferencia de presin entre dos placas paralelas infinitas separadas por una distancia constante
B.
Note que la placa inferior se encuentra estacionaria y la superior se mueve a una velocidad
constante Vup .
v(r,t) = vx (y) ex
J. Cristian Salgado - http://www.cec.uchile.cl/ jsalgado
(158)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Note que en este caso, la ecuacin de continuidad para un fluido incompresible se satisface
automticamente:
v = 0
(159)
y que la ecuacin de Navier-Stokes se reduce a:
Dv
v
=
+ v v = P + 2 v
Dt
t
d 2 vx
P
0=
+ 2
x
dy
(160)
(161)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Note que en este caso, la ecuacin de continuidad para un fluido incompresible se satisface
automticamente:
v = 0
(159)
y que la ecuacin de Navier-Stokes se reduce a:
Dv
v
=
+ v v = P + 2 v
Dt
t
d 2 vx
P
0=
+ 2
x
dy
(160)
(161)
d 2 vx
P
+ 2 = 0
x
dy
con vx (y = 0) = 0,
vx (y = B) = Vup
(162)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Note que en este caso, la ecuacin de continuidad para un fluido incompresible se satisface
automticamente:
v = 0
(159)
y que la ecuacin de Navier-Stokes se reduce a:
Dv
v
=
+ v v = P + 2 v
Dt
t
d 2 vx
P
0=
+ 2
x
dy
(160)
(161)
d 2 vx
P
+ 2 = 0
x
dy
con vx (y = 0) = 0,
vx (y = B) = Vup
(162)
vx (y) = Vup
y
1 P 2
+
(y By)
B 2 x
(163)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Suponga que discretiza el dominio del eje y mediante N puntos yi y transformamos la ecuacin
diferencial en una ecuacin por diferencias
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Suponga que discretiza el dominio del eje y mediante N puntos yi y transformamos la ecuacin
diferencial en una ecuacin por diferencias
d2 vx
vx (y + y) 2vx (y) + vx (y y)
=
dy2
(y)2
(164)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Suponga que discretiza el dominio del eje y mediante N puntos yi y transformamos la ecuacin
diferencial en una ecuacin por diferencias
d2 vx
vx (y + y) 2vx (y) + vx (y y)
=
dy2
(y)2
(164)
(165)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
(y)2 P
x
(166)
2
1
donde =
1
2
1
v1
+ v0
v2
v
3
. =
.
.
.
.
1
vN1
2
vN
+ vN+1
1
2
..
..
..
2
1
(y)2 P
B
, v0 = vx (y = 0) = 0, vN+1 = vx (y = B) = Vup y y =
x
N +1
(167)
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Experimento analtico 1
B = 1;
= 0.005;
P
= 1;
x
Vup = 10
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
25
20
15
10
vx
10
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Experimento analtico 2
B = 1;
P
= 1;
x
= 0.005;
Vup = 10
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
10
15
vx
20
25
30
35
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
= 0.005;
P
= 1;
x
Vup = 10;
N = 10
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
10
15
vx
20
25
30
35
MFA
Balances de masa en un sistema de reactores
Simulacin de un sistema fluidodinmico
Preguntas
http://www.phdcomics.com