REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN UNIVERSIDAD FERMN TORO ESCUELA DE INGENIERIA EN MANTENIMIENTO

MECNICO

SOLUCION DE SISTEMAS DE ECUACIONES LINEALES

FIDEL LPEZ C.I. 18778217 ANLISIS NUMRICO SAIA B

SISTEMAS DE ECUACIONES LINEALES

En matemticas y lgebra lineal, un sistema de ecuaciones lineales, tambin conocido como sistema lineal de ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones lineales (es decir, un sistema de ecuaciones en donde cada ecuacin es de primer grado), definidas sobre un cuerpo o un anillo conmutativo. Un ejemplo de sistema lineal de ecuaciones sera el siguiente: + + = 1 + + 4 =-2 + =0 El problema consiste en encontrar los valores desconocidos de las variables x1, x2 y x3 que satisfacen las tres ecuaciones. El problema de los sistemas lineales de ecuaciones es uno de los ms antiguos de la matemtica y tiene una infinidad de aplicaciones, como en procesamiento digital de seales, anlisis estructural, estimacin, prediccin y ms generalmente enprogramacin lineal as como en la aproximacin de problemas no lineales de anlisis numrico.

SISTEMAS DE ECUACIONES LINEALES

El mtodo de Gauss y sus variantes son conocidos como mtodos directos para resolver el problema inicial Ax = b. Se ejecutan a travs de un nmero finito de pasos y generan una solucin x que sera exacta sino fuera por los errores de redondeo. En contraste, un mtodo iterativo da lugar a una sucesin de vectores que idealmente converge a la solucin. El clculo se detiene cuando se cuenta con una solucin aproximada con cierto grado de precisin especificado de antemano o despus de cierto nmero de iteraciones. Los mtodos indirectos son casi siempre iterativos.

Un mtodo iterado de resolucin del sistema Ax = b es aquel que genera, a partir de un vector inicial x0, una sucesin de vectores x1, x2, . . . xn.. "Un mtodo iterado se dir que es consistente con el sistema Ax = b, si el lmite x de la sucesin (xn), en caso de existir, es solucin del sistema. Se dir que el mtodo es convergente si la sucesin generada por cualquier vector inicial x0 es convergente a la solucin del sistema".Es evidente que si un mtodo es convergente es consistente, sin embargo, el recproco no es cierto.

Mtodos De Eliminacin Gaussiana

El mtodo de eliminacin Gaussiana para la solucin de sistemas de ecuaciones lineales consiste en convertir a travs de operaciones bsicas llamadas operaciones de rengln un sistema en otro equivalente ms sencillo cuya respuesta pueda leerse de manera directa. El mtodo de eliminacin Gaussiana es el mismo para sistemas de ecuaciones 22, 33, 44 y as sucesivamente siempre y cuando se respete la relacin de al menos una ecuacin por cada variable. Es necesario primeramente conocer las operaciones bsicas de rengln las cuales son presentas a continuacin:

1. Ambos miembros de una ecuacin pueden multiplicarse por una constante diferente de cero. 2. Los mltiplos diferentes de cero de una ecuacin pueden sumarse a otra ecuacin 3. El orden de las ecuaciones es intercambiable.

Mtodos De Eliminacin Gaussiana

El proceso de eliminacin de Gaussisana o de Gauss, consiste en realizar transformaciones elementales en el sistema inicial (intercambio de filas, intercambio de columnas, multiplicacin de filas o columnas por constantes, operaciones con filas o columnas, . . . ), destinadas a transformarlo en un sistema triangular superior, que resolveremos por remonte. Adems, la matriz de partida tiene el mismo determinante que la matriz de llegada, cuyo determinante es el producto de los coeficientes diagonales de la matriz. Uno de los problemas de la eliminacin Gaussiana es que debemos dividir entre el pivote; si este es un nmero muy pequeo, entonces un error de redondeo puede arrojar serias dudas sobre la respuesta final. En forma general este mtodo propone la eliminacin progresiva de variables en el sistema de ecuaciones, hasta tener slo una ecuacin con una incgnita. Una vez resuelta esta, se procede por sustitucin regresiva hasta obtener los valores de todas las variables.

Mtodo de Gauss-Jordan
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss, permite resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos significativos en las operaciones aritmticas de la computadora. Este procedimiento se distingue del mtodo Gaussiano en que cuando se elimina una incgnita, se elimina de todas las ecuaciones restantes, es decir, las que preceden a la ecuacin pivote as como de las que la siguen.

Mtodo de Gauss-Jordan
El proceso de eliminacin de Gauss - Jordn consiste en realizar transformaciones elementales en el sistema inicial, destinadas a transformarlo en un sistema diagonal. El nmero de operaciones elementales de este mtodo, es superior al del mtodo de Gauss (alrededor de un 50% ms). Sin embargo, a la hora de resolver el sistema de llegada por remonte, el nmero de operaciones es menor, motivo por el cual, el mtodo de Gauss Jordn es un mtodo computacionalmente bueno cuando tenemos que resolver varios sistemas con la misma matriz A y resolverlos simultneamente, utilizando el algoritmo de Gauss-Jordn. En base a lo anteriormente expuesto, solo haramos un proceso de eliminacin en la matriz y la resolucin de un sistema con esta matriz es muy fcil. Un ejemplo en el que se suele usar Gauss - Jordn es en el clculo de la matriz inversa, ya que calcular la inversa de A, es calcular N sistemas con la misma matriz.

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, por ejemplo si un elemento de la diagonal es cero, es necesario premultiplicar la matriz por una matriz 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.

Descomposicin LU
El mtodo de Descomposicin LU se basa en demostrar que una matriz A se puede factorizar como el producto de una matriz triangular inferior L con una matriz triangular superior U, donde en el paso de eliminacin slo se involucran operaciones sobre los coeficientes de la matriz, permitiendo as evaluar los trminos independientes de manera eficiente. La implementacin del algoritmo de la Descomposicin LU tiene sus variantes en cuanto a los valores iniciales de la diagonal que tomen las matrices L y U, es decir si los valores de la diagonal de la matriz L tiene nmeros 1, formalmente esto se refiere a la Descomposicin de Doolitle. Pero si los valores de la diagonal de la matriz U tiene nmeros 1, formalmente esto se refiere a la Descomposicin de Crout

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

Factorizacin De Cholesky
Una matriz simtrica es aquella donde Aij = Aji para toda i y j, En otras palabras, [A] =[A] T. Tales sistemas ocurren comnmente en problemas de ambos contextos: el matemtico y el de ingeniera. Ellos ofrecen ventajas computacionales ya que slo se necesita la mitad de almacenamiento y, en la mayora de los casos, slo se requiere la mitad del tiempo de clculo para su solucin. Al contrario de la Descomposicin LU, no requiere de pivoteo. El mtodo de Factorizacin de Cholesky se basa en demostrar que si una matriz A es simtrica y definida positiva en lugar de factorizarse como LU, puede ser factorizada como el producto de una matriz triangular inferior y la traspuesta de la matriz triangular inferior, es decir los factores triangulaes resultantes son la traspuesta de cada uno. A = L . LT

Factorizacin de QR

En lgebra lineal, la descomposicin o factorizacin QR de una matriz es una descomposicin de la misma como producto de una matriz ortogonal por una triangular superior. La descomposicin QR es la base del algoritmo QR utilizado para el clculo de los vectores y valores propios de una matriz. La descomposicin QR de una matriz cuadrada real A es Donde Q es una matriz ortogonal (QTQ = I ) y R es una matriz triangular superior.

Factorizacin de QR
En muchas aplicaciones el nmero de filas (M) de una matriz de coeficientes A mxn puede ser 3 al nmero de columnas (N). La Factorizacin QR consiste en descomponer la matriz Amxn en el producto de dos matrices: Una matriz Ortogonal: Qmxn QT. Q = INxN Una matriz Triangular Superior: U = RNxN Para encontrar las matrices Q y R se utiliza un mtodo basado en Transformaciones Sucesivas de Householder.

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 nica, el sistema debe tener tantas ecuaciones como incgnitas) de coeficientes con los elementos de su diagonal nonulos, la convergencia del mtodo solo se garantiza si la matriz es diagonalmente dominante o si es simtrica y, a la vez, definida positiva.

Mtodo De Gauss Seidel

El Mtodo de Gauss Seidel emplea valores iniciales y despus itera para obtener estimaciones refinadas de la solucin; es particularmente adecuado para un gran nmero de ecuaciones, lo cual en cierto modo lo hace un mtodo ms comnmente usado. La frmula utilizada para hallar los xi viene dada por el despeje de cada una de las xi en cada una de las ecuaciones y se les da un valor inicial a cada xi de cero. Observase que en el mtodo de Gauss-Seidel los valores actualizados de xi sustituyen de inmediato a los valores anteriores, mientras que en el mtodo de Jacobi todas las componentes nuevas del vector se calculan antes de llevar a cabo la sustitucin. Por contra, en el mtodo de GaussSeidel los clculos deben llevarse a cabo por orden, ya que el nuevo valor xi depende de los valores actualizados de x1, x2, ..., x i-1. La desventaja del mtodo de Gauss-Seidel es que no siempre converge a la solucin exacta o algunas veces los hace de manera muy lenta. nicamente es confiable para aquellos sistemas dominantes diagonalmente.

Mtodo de Jacobi

En anlisis numrico el mtodo de Jacobi es un mtodo iterativo, usado para resolver sistemas de ecuaciones lineales del tipo . 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.

El Mtodo de Jacobi transforma una matriz simtrica en una matriz diagonal al eliminar de forma simtrica los elementos que estn fuera de la diagonal. Desafortunadamente, el mtodo requiere un nmero infinito de operaciones, ya que la eliminacin de cada elemento no cero a menudo crea un nuevo valor no cero en el elemento cero anterior. Si A es diagonalmente dominante, entonces la sucesin que resulta de la iteracin de Jacobi converge a la solucin de Ax = b para cualquier vector inicial Xo.