Documente Academic
Documente Profesional
Documente Cultură
Bellavista, Callao-2019
INTRODUCCIÓN
En el día a día nos encontramos muchas veces frente a varios tipos de ecuaciones, desde
las más simples hasta las más complejas, es desde este punto que desde hace ya varios
siglos atrás los grandes pensadores y matemáticos nos vienen proporcionando varios tipos
de métodos de solución para estas.
Este es el caso de los sistemas de ecuaciones lineales, que vemos que están implícitos en
problemas matemáticos e incluso problemas físicos, desde este punto de vista nos damos
cuenta que resolverlos conlleva mucho razonamiento y lógica, sin embargo, gracias a los
diferentes métodos numéricos, que nos proporcionan una idea clara, iterativa o secuencial
para la solución, hacen que esta sea mucho más sencilla de hallar y eligiendo el método
adecuado según el tipo de sistema que se nos presente podremos resolverlo en el menor
tiempo posible.
En el presente trabajo solo nos enfocaremos en dos métodos de solución para sistemas de
ecuaciones lineales, un método es iterativo y el otro es mediante descomposición o
factorización, estamos hablando del método de Jacobi y el método de Cholesky
respectivamente, y ambos tienen una particularidad, es que responden solo a un sistema
de ecuaciones lineales cuadrados (n*n), es decir, sistemas donde el número de ecuaciones
es igual al número de incógnitas.
MÉTODO DE CHOLESKY
Cualquier matriz cuadrada 𝐴 con pivotes no nulos puede ser escrita como el producto de
una matriz triangular inferior 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 factorización LU. Sin embargo, si 𝐴 es simétrica y definida positiva, se pueden escoger
los factores tales que 𝑈 es la transpuesta de 𝐿, y a esto se le llama el método de Cholesky.
𝑈 = 𝐿𝑇
𝐴 = 𝐿. 𝐿𝑇
𝑗−1
𝑎𝑖𝑗 −∑𝑘=1 𝑙𝑖𝑘 𝑙𝑗𝑘
𝑙𝑖𝑗 = Para el resto de elementos de la matriz 𝐿.
𝑙𝑗𝑗
PASOS A SEGUIR PARA LA RESOLUCIÓN DEL MÉTODO
APLICACIONES
LIMITACIONES Y VENTAJAS
Ventajas
Es un método directo, sencillo y preciso de resolución para sistemas
“especiales”.
Computacionalmente tiene la ventaja de ser un método con pocas
operaciones, lo que agiliza la obtención de resultados.
Limitaciones
Solo es aplicable a un número determinado de sistemas, teniendo que
cumplir ciertos requisitos:
Ser un sistema simétrico.
Ser definida positiva.
EJEMPLO
3𝑘𝑥1 − 2𝑘𝑥2 = 𝑚1 𝑔
−𝑘𝑥2 + 𝑘𝑥3 = 𝑚3 𝑔
𝑘𝑔⁄
Calcular el desplazamiento x si 𝑚1 = 2kg, 𝑚2 = 3kg, 𝑚3 = 2.5kg y 𝑘 = 10 𝑠2,
tener en cuenta el valor de la gravedad como 9.81𝑚⁄𝑠 2 .
SOLUCIÓN:
30 −20 0 𝑥1 19.62
(−20 30 −10 ) . ( 𝑥2 ) = ( 29.43 )
0 −10 10 𝑥3 24.525
Con lo cual comprobamos que nuestra matriz es simétrica y positiva, por lo tanto se
procede con el método de Cholesky 𝐴 = 𝐿. 𝐿𝑇 :
30 −20 0 30 0 0 30 −20 0
(−20 30 −10) = (−20 30 0 ) .( 0 30 −10)
0 −10 10 0 −10 10 0 0 10
𝑎11 = (𝑙11 )(𝑙11 ) = (𝑙11 )2 que se sustituye en 𝑙11 = √𝑎11 = √30 = 5.477
𝑎12 −20
𝑎12 = (𝑙11 )(𝑙21 ) + (0)(𝑙22 ) que se sustituye en 𝑙21 = = 50477 = −3.651
𝑙11
𝑎13 0
𝑎13 = (𝑙11 )(𝑙31 ) + (0)(𝑙32 ) + (0)(𝑙33 ) que se sustituye en 𝑙31 = = 5.477 = 0
𝑙11
5.477 −3.651 0
𝐿 = (−3.651 4.082 −2.449)
0 −2.449 2
Haciendo las operaciones necesarias obtendremos los valores para nuestra matriz 𝑦.
Estos valores de 𝑥 nos indican la elongación a la cual se somete cada resorte con cada
masa.
MÉTODO COMPUTACIONAL EN FORTRAN
PROGRAM METODO_DE_CHOLEVSKY
!DEFINICIÓN DE VARIABLES
REAL(4):: A(100,100),L(100,100),LT(100,100)
REAL(4):: B(100),Y(100),X(100)
REAL(4):: SUM2,SUM3
INTEGER::T,I,J,K,N,COLUMNA
!INGRESO DE DATOS
WRITE(*,*)" ================================"
WRITE(*,*)""
WRITE(*,*)" ============================================="
WRITE(*,*)""
READ(*,*) T
DO I=1,T
READ(*,*)(A(I,J),J=1,T)
END DO
DO I=1,T
READ(*,*)B(I)
END DO
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
!PRIMERA COLUMNA
DO I = 1,T
L(I,1) = A(I,1)/L(1,1)
END DO
!DEMAS COLUMNAS
DO I=COLUMNA, T
E=0
DO J=1, COLUMNA-1
E=E+L(I,J)*L(COLUMNA,J)
IF(I == COLUMNA)THEN
L(I,I)=SQRT(A(I,I)-E)
END IF
END DO
END DO
COLUMNA = COLUMNA + 1
END DO
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Y(1)=B(1)/L(1,1)
NK=2
26 SUM2=0
DO J=1,NK-1
SUM2=SUM2+L(NK,J)*Y(J)
END DO
Y(NK)=(B(NK)-SUM2)/L(NK,NK)
NK=NK+1
IF (NK.GT.T) THEN
NK=T
GOTO 27
ELSE
GOTO 26
END IF
27 X(T)=Y(T)/LT(T,T)
JK=NK-1
29 SUM3=0
DO I=JK+1,T
SUM3=SUM3+LT(JK,I)*X(I)
END DO
X(JK)=(Y(JK)-SUM3)/LT(JK,JK)
JK=JK-1
IF (JK.LE.0) THEN
GOTO 28
ELSE
GOTO 29
END IF
!SALIDA DE DATOS
WRITE(*,*)" ========"
DO I=1,T
WRITE(*,*)(L(I,J),J=1,T)
END DO
WRITE(*,*)" ========"
DO K=1,T
WRITE(*,*)(LT(K,J),J=1,T)
END DO
WRITE(*,*)" ========"
DO N=1,T
WRITE(*,*)Y(N)
END DO
WRITE(*,*)" ======================================"
WRITE(*,*)" ======================================"
DO N=1,T
WRITE(*,*)N,X(N)
END DO
END PROGRAM
MÉTODO DE JACOBI
𝑥10
𝑎11 𝑥1 + 𝑎12 𝑥2 + … + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑥20
𝑎 𝑥 + 𝑎22 𝑥2 + … + 𝑎2𝑛 𝑥𝑛 = 𝑏2
[ 21 1 ] 𝑥 0 = 𝑥30
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛 ⋮
[𝑥𝑛0 ]
Siguiendo con el método de Jacobi, se pasa a despejar cada incógnita en las ecuaciones
correspondientes a su número de subíndice, de esta forma tendremos despejada a x1 en
la ecuación 1 y así sucesivamente hasta despejar todas las variables:
1
𝑥11 = (𝑏 − 𝑎12 𝑥20 − ⋯ − 𝑎1𝑛 𝑥𝑛0 )
𝑎11 1
1
𝑥21 = (𝑏 − 𝑎21 𝑥10 − 𝑎22 𝑥30 − ⋯ − 𝑎2𝑛 𝑥𝑛0 )
𝑎22 2
1
𝑥𝑛1 = (𝑏 − 𝑎𝑛1 𝑥10 − 𝑎𝑛2 𝑥30 − ⋯ − 𝑎𝑛𝑛−1 𝑥𝑛−1
0
)
𝑎𝑛𝑛 𝑛
𝑖−1 𝑛
1
𝑥𝑖𝑘+1 = (𝑏 − ∑ 𝑎𝑖𝑗 𝑥𝑗𝑘 − ∑ 𝑎𝑖𝑗 𝑥𝑗𝑘 )
𝑎𝑛 𝑖
𝑗=𝑖 𝑗=𝑖+1
Luego de haber despejado cada incógnita, se pasa a comenzar con el ciclo de iteraciones
armando una tabla de valores para las variables y sus próximas iteraciones
variables 0 1 2 3 … … M
𝑥1
𝑥2
𝑥3
⋮
𝑥𝑛
variables 0 1 2 3 … … … M
𝑥1 0 a 𝑎𝑖𝑖 𝑎𝑖𝑖 𝑎𝑖𝑛 𝑎𝑖𝑛
𝑥2 0 b 𝑏 𝑖𝑖 𝑏 𝑖𝑖 𝑏 𝑖𝑛 𝑏 𝑖𝑛
𝑥3 0 c 𝑐 𝑖𝑖 𝑐 𝑖𝑖 𝑐 𝑖𝑛 𝑐 𝑖𝑛
⋮ 0 ⋱ ⋱ ⋮
⋮ 0 ⋱ ⋱ ⋮
⋮ 0 ⋱ ⋱ ⋮
⋮ 0 ⋱ ⋮
𝑖 𝑖𝑖
𝑥𝑛 0 z 𝑧 𝑧 𝑧 𝑛𝑖 𝑧 𝑖𝑛
Asignando así los valores de la columna “M” (correspondiente al número de
iteraciones) para cada variable.
EJEMPLO
Calcular el valor de las Intensidades, por el método de Jacobi:
Malla 1:
Malla 2:
28 −9 9 𝑥 15
(−9 18 3 ) . (𝑦) = (10)
9 3 20 𝑧 15
15 − 9𝑧 + 9𝑦
𝐼1 = 𝑥 =
28
10 − 3𝑧 + 9𝑥
𝐼2 = 𝑦 =
18
15 − 9𝑥 − 3𝑦
𝐼3 = 𝑧 =
20
𝑥𝑖 0 1 2 3
x 0 0.5357143 0.4732143 0.3240859
y 0 0.5555556 0.6984127 0.7212302
z 0 0.75 0.4255952 0.4322917
𝑥𝑖 4 5 6 7
x 0.6285873 0.5837914 0.6697125 0.6695951
y 0.6455499 0.7871864 0.7857341 0.8287858
z 0.4959768 0.3703032 0.3692159 0.3307693
𝑥𝑖 8 9 10 11
x 0.6958199 0.6999238 0.6999238 0.7098348
y 0.8352249 0.8352249 0.851459 0.8538924
z 0.3243508 0.3243508 0.3097506 0.3073154
𝑥𝑖 12 13 14 15
𝑥𝑖 16 17 18 19 20
x 0.7173124 0.7177425 0.7180283 0.718135 0.7182398
y 0.8642118 0.8647765 0.8648305 0.8650198 0.8651483
z 0.2979017 0.2975777 0.2972994 0.2971627 0.2978096
CONCLUSIONES
Nos damos cuenta claramente que el método de Cholesky es mucho más corto y
práctico, además que es mucho más exacto debido a que el método de Jacobi es
iterativo va a haber cierto porcentaje de error.
Ambos métodos a pesar de tener diferente tipo de resolución son solo ejecutables
si nuestra matriz 𝐴 es simétrica y positiva.
Computacionalmente el método de Cholesky también es mucho más fácil y rápido
para hacer los cálculos.
BIBLIOGRAFÍA