ESCUELA SUPERIOR POLITÉCNICA DE

CHIMBORAZO
FACULTAD INFORMAÁ TICA Y ELECTROÁ NICA

ESCUELA INGENIERÍA ELECTRÓNICA EN CONTROL Y REDES

INDUSTRIALES

INFORME

Métodos Numéricos
Nombres:

Belén Paredes 775

Cristina Robayo 580

David Mañay 559
Stalin Bejarano 393
Adriana Pérez 778

Curso:

4to”A”

Tema:

“ALGEBRA LINEAL NUMERICA”

Fecha:
5 de enero del 2015

1
1.-TEMA:

ALGEBRA LINEAL NUMERICA

2.- INTRODUCCION.

El cálculo de las raíces de las ecuaciones es muy importante en todas las ciencias y este es
un problema que se ha tenido que enfrentar, para lo cual se han elaborado diversos
métodos, teniendo en cuenta que el método grafico no es preciso por eso se elaboró otros
métodos más efectivos capaces de ayudarnos en el campo de la ingeniería, pues son
frecuentes en áreas de diseño, cálculos para la optimización de recursos y otros.

El álgebra lineal permite resolver los distintos sistemas de ecuaciones, de manera que
implementando cualquiera de los métodos básico de algebra para encontrar la solución
será fácil de resolver, considerando de ante mano los requisitos que el sistema de
ecuaciones debe cumplir de antemano para poder aplicar un método en específico.

3.-OBJETIVOS

3.1.-OBJETIVO GENERAL

 Desarrollar los métodos de algebra lineal para la resolución de sistemas de

ecuaciones, definiendo la metodología de cada uno de manera general.

3.2.-OBETIVOS ESPECÍFICOS

 Definir de manera precisa y clara cada método, con el fin de conocer más a fondo
sobre los métodos tratados en clase.
 Comprender mediante los métodos de resolución de sistemas de ecuaciones, las
facilidades que brinda el álgebra lineal.

 Contemplar los beneficios propios de cada método definido, con el fin de enfatizar
el uso de los mismos para las soluciones de sistemas de ecuaciones.
4.- MARCO TEÓRICO

4.1.-MATRIZ

Se llama matriz de orden m×n a todo conjunto rectangular de elementos aij dispuestos
en m líneas horizontales (filas) y n verticales (columnas) de la forma:

2
Abreviadamente suele expresarse en la forma A =(aij), con i =1, 2, ..., m, j =1, 2, ..., n. Los
subíndices indican la posición del elemento dentro de la matriz, el primero denota la fila (i)
y el segundo la columna (j). Por ejemplo el elemento a25 será el elemento de la fila 2 y
columna 5.

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan
el mismo lugar en ambas son iguales.
Un sistema de ecuaciones lineales puede expresarse en forma matricial de la manera
siguiente:
C × X = B, donde C es la matriz de los coeficientes, X la de las incógnitas y B la de los
términos .
4.2.- Sistemas de Ecuaciones

Un sistema de ecuaciones es un conjunto de dos o más ecuaciones con

varias incógnitas que conforman un problema matemático que consiste en encontrar los
valores de las incógnitas que satisfacen dichas ecuaciones.

En un sistema de ecuaciones algebraicas las incógnitas son valores; una solución de dicho
sistema es por tanto, un valor o una función que substituida en las ecuaciones del sistema
hace que éstas se cumplan automáticamente sin que se llegue a una contradicción. En
otras palabras el valor que reemplazamos en las incógnitas debe hacer cumplir la igualdad
del sistema.

Las incógnitas se suelen representar utilizando las últimas letras del alfabeto latino, o si
son demasiadas, con subíndices.

Para la solución de un sistema de ecuaciones tenemos varios métodos, que veremos a

continuación.

3
4.2.1. Método de Gauss

Un sistema de ecuaciones se resuelve por el método de Gauss cuando se obtienen sus

soluciones mediante la reducción del sistema dado a otro equivalente en el que
cada ecuación tiene una incógnita menos que la anterior. El método de Gauss transforma
la matriz de coeficientes en una matriz triangular superior.

El método
de Gauss consiste en transformar un sistema de ecuaciones en otro equivalente de forma
que éste sea escalonado.
Para la resolución de Gauss con Pivoteo se toma en cuenta el elemento mayor en valor
absoluto o pivote de cada columna en caso de resolución por pivoteo parcial o el mayor de
toda la matriz para la resolución por pivoteo total.
El procedimiento a seguir para la aplicación del método de Gauss con pivoteo es el
siguiente:
 Se debe construir launa matriz de coeficientes y el vector con los términos
independientes, correspondientes al sistema, y se crea una matriz llamada la
matriz aumentada
 Se busca el número mayor (en valor absoluto) en cada la columna correspondiente
a la etapa y se procede a un cambio de filas para ubicar el mayor elegido en la
posición correspondiente a la etapa.
 Una vez ubicado el número mayor, se procede al cálculo de los multiplicadores
correspondientes a la etapa.
 Con los multiplicadores hallados en cada etapa, se procede al cálculo de las nuevas
filas de la matriz aumentada.
 Una vez se tiene la matriz aumentada en la forma triangular superior, se procede a
realizar una sustitución regresiva, para el cálculo de las variables.

4.2.1.1. Pivoteo parcial

 En la primera columna se selecciona el elemento de mayor valor absoluto o pivote.

 Si es necesario, se efectua un intercambio de filas para que el pivote esté en la 1ª
fila.
 Se divide la primera fila por el pivote.
 Con las operaciones elementales necesarias, reducir a cero el resto de los
elementos de esa columna.

4.2.2. Método de Gauss Jordan

La eliminación de Gauss-Jordan, llamada así debido a Carl Friedrich Gauss y Wilhelm

Jordan, es un algoritmo del álgebra lineal para determinar las soluciones de un sistema de

4
ecuaciones lineales, encontrar matrices e inversas. El método de Gauss-Jordan continúa el
proceso de transformación del Método de Gauss hasta obtener una matriz diagonal.

El método de Gauss transforma la matriz de coeficientes en una matriz triangular superior.

El método de Gauss-Jordan continúa el proceso de transformación hasta obtener una
matriz diagonal unitaria (aij=0 para cualquier).

4.3.- Descomposición LU
El método de descomposición LU para la solución de sistemas de ecuaciones lineales debe
su nombre a que se basa en la descomposición de la matriz original de coeficientes (A) en
el producto de dos matrices (L y U). Es decir

Donde:
L - Matriz triangular inferior
U - Matriz triangular superior con todos los elementos de la diagonal principal iguales a 1.

4.3.1.- Método de Doolitle

El método de factorización en el que se especifica que l11=l22=l33=....=lnn= 1 se llama

método Doolittle.
El método de Dolittle consiste en descomponer la matriz A en el producto de L matriz
triangular inferior y U matriz triangular superior y L tiene 1's a lo largo de su diagonal. Para
la aplicación de este método la matriz debe cumplir el requisito de ser no singular.

4.3.1.1- Método Inversa de Doolitle

El Método de descomposición LU Doolittle, método iterativo, permite descomponer una

matríz inicial en el producto de dos matrices L (matríz triangular inferior) y U (matríz

5
triangular superior). Las matrices resultantes L y U pueden ser utilizadas para resolver un
sistema de ecuaciones lineales e incluso calcular el determinante e inversa de la matríz
inicial. El cálculo de la matriz inversa es similar al caso anterior de resolver varios sistemas
lineales con la misma matriz del sistema A. En este caso, los vectores de términos
independientes son cada una de las columnas de la matriz inversa ik. Cada una de las
soluciones xk obtenidas de esta manera es la columna correspondiente de la matriz
inversa de A.

4.3.2.- Método Crout

El método de Crout consiste en descomponer la matriz A en el producto de L matriz

triangular inferior y U matriz triangular superior y U tiene 1's a lo largo de su diagonal.

4.3.3.- Método de Cholesky

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 factorización LU sin embargo, si A es simétrica y definida positiva, se puede escoger los
factores tales que U es la transpuesta de L, y esto se llama descomposición o factorización
de cholesky. Tanto la descomposición LU como la descomposición de Cholesky son usadas
para resolver sistemas de ecuaciones lineales.
Cuando es aplicable, la descomposición de Cholesky es dos veces más eficiente que la
descomposición LU.

6
4.4 Métodos Iterativos
Los métodos iterativos frente a los directos, no nos aseguran una mejor aproximación, sin
embargo son más eficientes cuando trabajamos con matrices de gran tamaño.

En la resolución numérica de ecuaciones en derivadas parciales suelen aparecer sistemas

de ecuaciones lineales con incluso 100000 incógnitas; en estos sistemas la matriz de
coeficientes es dispersa; es decir, un alto porcentaje de los elementos de la matriz son
iguales a 0. Si hay algún tipo de patrón en los elementos distintos de cero (por ejemplo los
sistemas tridiagonales), entonces un método iterativo puede resultar muy eficaz.

4.4.1-Método de Jacobi
El análisis numérico el método de Jacobi es un método iterativo, usado para resolver
sistemas de ecuaciones lineales del tipo Ax=b. La base del método consiste en construir
una sucesión convergente definida iterativamente. El límite de esta sucesión es
precisamente la solución del sistema a efectos prácticos si el algoritmo se detiene después
de un numero finito de pasos se llega a una aproximación al valor x de la solución del
sistema; la convergencia del método solo se garantiza si la matriz es diagonalmente
dominante .

7
4.4.2-Método de Gauss Seidel

El Método de Gauss-Seidel es un método iterativo utilizado para resolver sistemas de

ecuaciones lineales. Aunque este método puede aplicarse a cualquier sistema de
ecuaciones lineales que produzca una matriz (cuadrada, naturalmente pues para que
exista solución única, el sistema debe tener tantas ecuaciones como incógnitas) de
coeficientes con los elementos de su diagonal no-nulos, la convergencia del método solo
se garantiza si la matriz es diagonalmente dominante
Cuando:

Se comienza planteando el sistema de ecuaciones con el que se va a trabajar.

De la ecuación 1 despejar x1, de la ecuación 2 despejar x2, …, de la ecuación n despejar xn.

Esto da el siguiente conjunto de ecuaciones:

Se toma como valor inicial:

5. Diagramas de flujo

8
Diagrama de Gauss Diagrama de Gauss-Jordan

9
Diagrama de flujo de Doolitlle Diagrama de flujo de crout

10
Diagrama de flujo de Jacobi

11
Diagrama de Flujo de Gauss- Seidel

6.- CONCLUSIONES

12
  Los Métodos utilizados para resolver sistemas de ecuaciones, permiten tener una
perspectiva bastante clara de cómo encontrar las incógnitas de cada ecuación.
 Para la aplicación de cualquiera de los métodos descritos se necesita tener los
conocimientos básicos y necesarios sobre matrices y sus operaciones.
 Algunos de los métodos son más directos que otros, pero utilizándolos
correctamente se llega a la misma solución al final de la obtención de los
resultados deseados.
7.- RECOMENDACIONES

 Determinar de antemano para aplicar cualquier método de los descritos, las

condiciones que deben cumplir el sistema de ecuaciones para la implementación
de dicho método.

8.-BIBLIOGRAFÍA

http://thales.cica.es/rd/Recursos/rd99/ed99-0289-02/ed99-0289-02.html
http://www.ditutor.com/ecuaciones_grado2/metodo_gauss.html
http://www.hiru.com/matematicas/resolucion-de-ecuaciones-mediante-matrices
https://sites.google.com/site/pn20111/metodos-para-la-solucion-de-sistemas-de-ecuaciones-e-
interpolacion/2-metodos-directos/2-2-eliminacion-gaussiana-con-pivoteo-parcial
http://www.uv.es/~diaz/mn/node30.html
http://proton.ucting.udg.mx/posgrado/cursos/metodos/lu/index.html
https://sites.google.com/site/numerico2012/sistema-de-ecuaciones-lineales/metodos-
iterativos/jacobi
http://portales.puj.edu.co/objetosdeaprendizaje/Online/OA10/capitulo2/2.9.htm

13