SEL - Métodos Directos

Documentos relacionados
Universidad Nacional de Ingeniería Facultad de Ciencias. Física Computacional CC063. Algebra Lineal. Prof: J. Solano 2012-I

Instituto Tecnológico Autónomo de México. 1. At =..

Métodos para matrices especiales. Descomposición de Cholesky

Métodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012

Métodos directos para resolver sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República

Factorización de matrices

TEMA 4: Sistemas de ecuaciones lineales II

Resolución numérica de sistemas de ecuaciones. Introducción

Departamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =

Tema 3 Resolución de Sistemas de Ecuaciones Lineales

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES

Matrices y sistemas de ecuaciones lineales

Tema I. Matrices y determinantes

Tema 3 Resolución de Sistemas deecuaciones Lineales

DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES

Sistemas de Ecuaciones. Lineales I

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II)

Universidad Central Del Este U C E Facultad de Ciencias y Humanidades Escuela de Pedagogía Mención Ciencias Físicas y Matemática

Tema 1: Matrices y Determinantes

Tema 5: Sistemas de ecuaciones lineales.

Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Ejemplo:

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

Sistema de ecuaciones algebraicas. Eliminación de Gauss.

MATRICES. Capítulo 3. Martínez Héctor Jairo Sanabria Ana María Semestre 02, Introducción Definición y Tipo de Matrices

Sistemas de ecuaciones lineales

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS

RAICES DE ECUACIONES Y SISTEMA DE ECUACIONES

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Sistemas de Ecuaciones Lineales y Matrices

Determinantes. Primera definición. Consecuencias inmediatas de la definición

CURSO DE METODOS NUMERICOS T ERCERA PART E METODOS PARA LA RESOLUCION DE SISTEMAS LINEALES

Sistemas de Ecuaciones Lineales

Definición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.

3. SISTEMAS DE ECUACIONES LINEALES

4.1. Determinante de una matriz cuadrada de orden 2. , entonces el determinante de A es a 21 a 22 a 11 a 12 = a 11a 22 a 12 a 21

SISTEMAS DE ECUACIONES LINEALES Y MATRICES Dos ecuaciones lineales con dos

Tema 1: MATRICES. OPERACIONES CON MATRICES

Cálculo numérico. Sistemas de ecuaciones lineales.

1 ÁLGEBRA DE MATRICES

Algebra lineal y conjuntos convexos

Matriz sobre K = R o C de dimensión m n

La forma de denotar los elementos de una matriz ya la introdujimos en (1.11). Una matriz de m n ( m filas y n columnas ) es de la forma

Conjuntos y matrices. Sistemas de ecuaciones lineales

Determinante de una matriz

Menor, cofactor y comatriz

Sistemas de ecuaciones lineales

Apuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.

Algebra Lineal XXVI: La Regla de Cramer.

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).

APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

Matrices y determinantes

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).

Cursada Segundo Cuatrimestre 2012 Guía de Trabajos Prácticos Nro. 1

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa

SISTEMAS DE ECUACIONES LINEALES

Inversas de las matrices triangulares superiores

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1

Ejemplo 1. Ejemplo introductorio

Matrices escalonadas y escalonadas reducidas

Clase 8 Matrices Álgebra Lineal

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

1. Sistemas de ecuaciones lineales

2 - Matrices y Determinantes

BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

Matrices y determinantes. Sistemas de ecuaciones lineales

Determinantes. Profesores Omar Darío Saldarriaga Ortíz. Hernán Giraldo

Matemáticas Aplicadas a los Negocios

Matrices y Determinantes

Práctica: Métodos de resolución de ecuaciones lineales.

Sistemas de ecuaciones lineales y álgebra matricial

Resumen 3: Matrices, determinantes y sistemas de ecuaciones

Matrices y Determinantes

TEMA 1: MATRICES. Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas ...

ANÁLISIS NUMÉRICO II (Curso ) Tercer Curso de Ingeniería Técnica Informática

TEMA 3: RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES Y NO LINEALES

Eliminación gaussiana para sistemas de ecuaciones lineales

FACTORIZACION LU: DISEÑO Y VISUALIZACIÓN DE UNA PROPUESTA DIDÁCTICA UTILIZANDO LAS NUEVAS TECNOLOGÍAS. Oscar E. ARES

TALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV

MENORES, COFACTORES Y DETERMINANTES

Algebra lineal de dimensión finita

SISTEMAS DE ECUACIONES LINEALES. Método de reducción o de Gauss. 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González.

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.

El método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.

Determinantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A).

Tema 3: Espacios vectoriales

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos

MICRODISEÑO CURRICULAR FACULTAD DE CIENCIAS EXACTAS Y APLICADA. Créditos 4 TPS 4 TIS 8 TPT 64 TIT 128

Se llama adjunto de un elemento de una matriz A, al número resultante de multiplicar por el determinante de la matriz complementaria

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

Denotamos a los elementos de la matriz A, de orden m x n, por su localización en la matriz de la

Transcripción:

Facultad de Ingeniería Mecánica Universidad Nacional de Ingeniería Métodos Numéricos

Contenido 1 Métodos Directos Generalidades sobre Métodos Directos Eliminación Gaussiana Pivoteo Factorización LU

Generalidades sobre Métodos Directos Generalidades sobre métodos directos Encuentra una solución en un número finito de operaciones(en ausencia de errores de redondeo) transformando el sistema en un sistema equivalente que sea más fácil de solucionar. Triangulares (Superior o Inferior), Diagonales,.

Eliminación Gaussiana Eliminación Gaussiana Usando Operaciones Elementales por Renglones (OER), la matriz A es transformada en una matriz triangular superior (todos los elementos debajo de la diagonal son cero). Sustitución hacia atrás es usada para resolver un sistema triangular superior

Eliminación Gaussiana Eliminación Gaussiana Primer Paso de Eliminación

Eliminación Gaussiana Eliminación Gaussiana Segundo Paso de Eliminación

Eliminación Gaussiana Eliminación Gaussiana Sustitución Regresiva

Eliminación Gaussiana Ejemplo Ejemplo Utilizando Eliminación Gaussiana resolver: 3x 1 + 2x 2 + 4x 3 = 1 x 1 + x 2 + 2x 3 = 2 4x 1 + 3x 2 2x 3 = 3

Eliminación Gaussiana Ejemplo Método de Eliminación Gaussiana Sistema equivalente: 3x 1 2x 1/3x 2 2 4x 2 / 3x 8x 3 3 3 1 5/ 3 0 Solución: x* 3 5 0

Pivoteo Pivoteo Computadoras usan precisión aritmética finita. Pequeños errores son introducidos en cada operación aritmética, propagación de errores Cuando los elementos pivotales son muy pequeños, los multiplicadores podrían ser muy grandes. La adición de números de magnitud diferente puede conducir a la pérdida de significación. Para reducir el error, se realiza intercambio de filas para maximizar la magnitud del elemento pivotal.

Pivoteo Pivoteo Ejemplo (Sin Pivoteo)

Pivoteo Pivoteo Ejemplo (Con Pivoteo)

Pivoteo Procedimiento con Pivoteo

Pivoteo Pivoteo por Filas Más comúnmente llamado procedimiento de pivoteo parcial. Busque la columna pivotal. Encuentre el mas grande elemento en magnitud. Luego intercambie esta fila con la fila pivotal.

Pivoteo Pivoteo por Filas

Pivoteo Ejemplo de Pivoteo por Filas En la etapa k, escoger para pivote el elemento de mayor módulo entre a ik, i=k,k+1,...,n; Para n 4, k 2, tenemos max ai 2 3 i2 pivote a32 3 3 2 1-1 5 (1) (1) 0 1 0 3 6 A b 0-3 -5 7 7 0 2 4 0 15 A (1) b (1) 3 0 0 0 2-3 1 2 1-5 0 4-1 7 3 0 5 7 6 15

Pivoteo Pivoteo Completo

Pivoteo Ejemplo de Pivoteo Completo Para n 4 e k 2, tenemos max aij 7 pivo a34 A (1) b (1) 3 2 0 1 0-3 0 2 5 6 7 15 Luego, intercambiamos las filas 2 y 3 y las columnas 2 y 4: A (1) b (1) 3 0 0 0-1 7 3 0 1 0-5 i, j2 4 1-1 3 7 0 2-5 -3 0 4 1 2 5 7 6 15 7

Factorización LU Algoritmo de la factorización LU Descomposición de una matriz como producto de dos triangulares Supongamos que la matriz de un sistema Ax = b se puede descomponer como A = LU, con L triángular inferior y U triangular superior. LUx = b, Ly = b, Ux = y Teorema Una matriz cuadrada A es factorizable LU si y solo si en el algoritmo de Gauss para encontrar una matriz escalonada por filas que sea equivalente por filas a la matriz A no es necesario aplicar operaciones elementales ( de filas).

Factorización LU Diferentes Formas de Factorización

Factorización LU Forma de Crout Cálculo de la primera columna de L l i1 = a i1 Cálculo de la primera fila de U u 1j = a 1j l 11 Cálculo alternado de las columnas de L y filas de U j 1 l ij = a ij l ik u kj j i, i = 1, 2,..., n u ij = k=1 i 1 a ij l ik u kj k=1 l ii i j, j = 2, 3,..., n

Factorización LU

Factorización LU Descomposición de Cholesky Descomposición de Cholesky. Sea A una matriz simética y definida positiva, existe una única matriz triangular inferior L con l ii > 0 tal que A = LL T Esto es a 11 a 12... a 1n a 21 a 22... a 2n...... = l 11 0 0 0 l 21 l 22... 0...... l 11 l 12... l 1n 0 l 22... l 2n...... a n1 a n2... a nn l n1 l n2... l nn 0 0... l nn

Factorización LU Descomposición de Cholesky Note que a 11 = l 2 11 l 11 = a 11 l 11 es un número real positivo ya que a 11 > 0 por que A es definida positiva. a i1 = l i1 l 11 l i1 = a i1 l 11

Factorización LU Descomposición de Cholesky Como luego a ij = l i1 l j1 + l i2 l j2 +... + l ij l jj ; j = 1, 2,..., i 1 l ij = j 1 a ij l ik l jk k=1 l jj ; j = 1, 2,..., i 1

Factorización LU Descomposición de Cholesky Además lo que implica a ii = li1 2 +... + lii 2 [ i 1 l ii = a ii k=1 l 2 ik ] 1 2

Factorización LU Descomposición de Cholesky-MatLab

Factorización LU Ejemplo: Ejemplo Dada la matriz A A = 6 15 55 15 55 225 55 225 979 Factorizar utilizando descomposición de Cholesky. Solución: A es simetrica y definida positiva, en efecto: det(6) ( > 0; ) 6 15 det = 105 > 0 15 55 det(a) = 3920 > 0

Factorización LU