Matemática 06 2

Sistemas de ecuaciones lineales

Métodos Directos:

Vamos a implementar métodos numéricos también a la resolución de Sistemas de Ecuaciones Lineales
Hay que recordar que en un sistema de ecuaciones podemos realizar transformaciones a la Matriz que no afecten a la solución:

Eliminación de Gauss

El primer método que vamos a ver es el de la Eliminación de Gauss.
Que consiste en aplicar la escalerización.
y luego sustituir hacia atrás.
Primero va la Eliminación:
Pasted image 20240623120055.webp
Donde resulta una Matriz Triangular, y luego podemos ir despejando desde la penúltima hacia arriba, sustituyendo con cada resultado.

Escalerización de Gauss Jordan

El Método de escalerización de Gauss Jordan es similar al de gauss, solo que ahora vamos a dejar únicamente los elementos de la diagonal principal, que luego los dividimos para formar la identidad, y obtenemos las soluciones en la matriz ampliada:
Pasted image 20240623120609.webp

Errores

El problema de ambos métodos es que consisten en varias restas y divisiones, que pueden llevar a acumular errores de redondeo. Ya que son métodos inestables.

Por lo que vamos a usar 3 técnicas para intentar minimizarlos:

En el Escalado, se multiplican las filas para buscar que todas tengan elementos de la misma magnitud.

En el Pivoteo se busca que los elementos de la Matriz con mayor valor absoluto queden en la diagonal principal, para nunca dividir por un número muy pequeño.

Pero al cambiar las columnas estamos alterando el orden del vector solución, por lo que debemos registrarlos

Métodos Iterativos

En los métodos iterativos se comienza con un vector solución aproximado, que se va mejorando paso a paso, generando nuevos vectores.

No siempre convergen, pero no tienen Errores de Redondeo.
Pasted image 20240623155208.webp
El Método de Jacobi:
Pasted image 20240623175824.webp

Y el método de Gauss Seidel que es como jacobi, pero usando las predicciones anteriores:
Pasted image 20240623175911.webp
que en caso de convergencia, suele ser más rápido.

También Existe un método que surge de la combinación de los 2 anteriores, con un término de "peso" que se ajusta para favorecer la convergencia.
Pasted image 20240623180052.webp
pero no lo usamos.

Mínimos Cuadrados

Podemos aplicarlo tanto en modelos lineales (O linealizables) como en no lineales, pero como llevaría a sistemas no lineales, nosotros lo aplicaremos solo en sistemas lineales:
Pasted image 20240623180826.webp

Nosotros vamos a buscar los mejores parámetros, y no hay un criterio único para elegir los mejores, hay varios modelos con justificación estadística.
Además el resultado depende de los datos empleados.

Nosotros vamos a definir el mejor ajuste como la curva más cercana a todos los datos.

La Distancia entre la línea y el dato al cuadrado la llamaremos R.
Pasted image 20240623181419.webp
Generalmente va a ser un Sistemas de Ecuaciones Lineales Sobredeterminado.
Para resolverlo conviene usar la notación Matricial, aunque no es estrictamente necesario.
Pasted image 20240623181608.webp
Pasted image 20240623181741.webp
Pasted image 20240623181812.webp
Pasted image 20240623182011.webp

Ecuaciones Diferenciales

También podemos usar métodos numéricos para resolver Ecuaciones Diferenciales, en especial las que dependen de una sola Variable independiente.
Las que llamaremos Ecuación Diferencial Ordinaria.

Pasted image 20240623185637.webp

Como siempre que se trabaje con Ecuaciones Diferenciales, para que la solución sea única, es necesario imponer condiciones iniciales.

Todos los métodos que vamos a ver se orientan a resolver sistemas de primer orden, ya que podremos transformar todos a estos con simples Cambio de Variable.

Método de Euler

El Método de Euler rara vez se usa en la práctica, pero es muy didáctico.
Se basa en desarrollar y(t), y truncarla en primer orden. Quedando entonces w como aproximación:
Pasted image 20240623204728.webp
A menor h mejor aproximación.
Además el error es acumulativo en cada paso.
Pasted image 20240623204842.webp

Método de Runge Kutta

El Método Runge-Kutta se basa en plantear la integral, y luego aproximarla, truncando en el orden deseado.
Siempre queda el término que queremos hallar en la ecuación, por lo que debemos aplicar el Método de Euler, que luego mejoramos con el Método Runge-Kutta.

Para métodos de mayor orden queda un parámetro que hay que despejar para hacer coincidir el Polinomios de Taylor hasta el orden deseado.

El método más utilizado en la práctica es el de cuarto orden.
Pasted image 20240623210113.webp

Si las ecuaciones dependieran de m{as de una variable, el método sería el mismo, sumándole k,l etc. a cada variable
Pasted image 20240625100418.webp

Si el sistema fuera de orden superior, debemos transformarlo a uno de primer orden:
Pasted image 20240625100649.webp

Métodos multipaso

En los Método Multipaso se requieren 2 o más valores anteriores para calcular el actual.
En Método Runge-Kutta aproximábamos la Integrales acá vamos a hacer un Interpolación Polinómica.

Hay métodos Explícitos, que no requieren el propio valor a calcular, y los implícitos que si requieren una aproximación al valor a calcular.

Pasted image 20240625101026.webp
Pasted image 20240625101240.webp

Lo malo de los métodos explícitos es que usamos Interpolación Polinómica para Extrapolar.

eL "Inconveniente" de los implícitos es que requerimos el propio valor a calcular.
Pasted image 20240625101422.webp

Pero podemos combinar un explícito con un implícito, quedando un Método Predictor-Corrector
Pasted image 20240625101522.webp
Pasted image 20240625101542.webp