Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MECNICO
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.
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.
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.
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 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.