5TO CONGRESO DE TECNOLOGA

Simulacin de Algoritmos Numricos.

Xiuhcoatl Saurat, UNAM, FES-C4, Lic. Tecnologa, E. V. A. Salvador, ITESM-CEM,DPhil ,
and S. Isaac, UNAM-FESC-4 MMath,
Invited Paper
AbstractExisten muchos mtodos para resolver problemas
generales, particulares, etc.
En el caso espcifico de los sistemas de ecuaciones lineales
existen muchos mtodos para resolver, n nmero de sistemas de
ecuaciones. Por nombrar algunos:

Sustitucin de sistemas de ecuaciones.

Igualacin de sistemas de ecuaciones.
Reduccin de sistemas de ecuaciones.
Mtodo Grfico.
Mtodo de Gauss-Jordan.
Mtodo de Cramer.
Algoritmos Nmericos.

AbstractPero, si los cuerpos son infinitos (R o C ) existen tres

posibilidades:
- El sistema no tiene solucin.
- E sistema tiene una solucin nica.
- El sistema tiene un nmero infinito de soluciones.
Nos podemos dar cuenta de que tenemos ciertas restricciones
al realizar los sistemas as mismo los primero tres mtodos
comentados son para sistemas de dos ecuaciones y tiene una
complejitud de O (n!).
El propsito de esta investigacin es usar y analisar un
algoritmo cuntico gentico para resolver problemas de sistemas
de ecuaciones lineales. As mismo se pretende hacer una comparacin con los algoritmos Clsicos y comprobar si estos llegan a
converger (Encontrar la solucin ptima)
Index TermsAlgoritmos Cunticos Genticos, Sistemas de
Ecuaciones Lineales, Algoritmos Cunticos, Algoritmos Genticos, Algoritmos Genticos Cunticos, Algoritmos Numricos.

I. I NTRODUCTION
ESDE HACE MAS de 200 aos atrs se conoca el
problema de los sistemas de ecuaciones lineales y no
se lograba dar con una solucin satisfactoria. Inclusive cerca
del ao 200 A.C. los chinos habian encontrado un mtodo
muy astuto para resolver sistemas de 2 ecuaciones con 2
incgnitas. Este mtodo se encuentra explicado en: Jiuzhang
Suanshu (Nueve capitulos en el Arte de la Matemtica) en
el capitulo 7, uno de los pocos textos sobrevivientes de la
china en matemticas.[1] Sin embargo y a pesar de que ha
pasado mucho tiempo el problema sigue an abierto, y esto es
debido a que conforme van creciendo los sistemas ms difcil
es resolverlos. Ms si estos son infinitos el nmero de pasos
para resolverlos es factorialmente creciente.

Pero bueno, muchos muy buenos mtodos se han propuesto

para sistemas de 2x2 o 3x3 etc.
La eliminacin Gauss-Jordan: Si el tamao de la matriz es
de nxn la complejidad tiende a ser O (n) O (n).
Algunos Algoritmos Nmericos:
1) La recursin de Levinson para problemas tipo Ax = b
donde A es una matriz de Toeplitz simtrica.
2) La descomposicin en valores singulares para problemas
tipo Ax = b donde A es una matriz singular que se
descompone en un producto de 3 matrices.


Estos algoritmos tienen una complejidad de O n2 . En donde
n ser el nmero de ecuaciones del sistema en todos los
mtodos citados.
A. Sobre los sistemas de ecuaciones lineales.
Los sistemas de ecuaciones lineales se pueden clasificar
segn el nmero de soluciones que pueden presentar.
1) Sistema Compatible (Si tiene solucin):
a) Sistema Compatible Determinado. Cuando tiene
una nica solucin: {(Hiper)Planos o rectas que
se cortan en un solo nico punto}.
b) Sistema Compatible Indeterminado. Cuando tiene
un conjunto infinito de soluciones: {(Hiper)Planos
que se cortan a lo largo de una recta o mas
generalmente un hiperplano de dimensin menor}.
2) Sistema Incompatible. Si no tiene solucin: {Gemetricamente: (Hiper)Planos o rectas que se cruzan sin
contarse}.
Recordemos que un sistema de Ecuaciones es NO Lineal
cuando una de sus ecuaciones no es de Primer Grado.
Si X es un vector rengln (Una matriz de 1xm) y A una
matriz de 1xn(Un vector rengln) entonces:

a11 ain

.. =
..
XA = Y :
(X1 , . . . , Xm ) ...
.
.
am1 . . . amn
(Y1 , . . . , Yn ) ;
Yk = x1 a1k + . . . + xm amk
Si X es un vector columna entonces AX = Y donde Y
ser un vector columna.El producto ser:

a11 a1n
X1
..
.. .. =
..
XA = Y ;
.
.
. .

am1 . . . amn
Xn

Y1
..
.
Yn
Dependiendo del nmero de ecuaciones nuestros sistemas
00000000/00$00.00
continuaran
2012 IEEEincrementando a no ser que estos sea finitos.

Your Name is with the Department of ..., ... Institute of ..., City, Country,
e-mail: xxx@xxx.xxx.
Second Name is with the Department of ..., ... Institute of ..., City, Country,
e-mail: xxx@xxx.xxx.
Third Name is with the Department of ..., ... Institute of ..., City, Country,
e-mail: xxx@xxx.xxx.

5TO CONGRESO DE TECNOLOGA

B. Sobre los problemas computacionales.

Para encontrar la solucin de un sistema de ecuaciones
lineales, se deben tomar en cuenta parmetros como:
1) Tiempo de duracin.
2) Cantidad de Recursos.
Sin embargo, que pasa cuando el sistemas es de nxn ecuaciones? Debemos hacer uso de la complejidad computacional
que nos proporciona el nmero de operaciones necesarias para
resolver una tarea. Existen problemas:
De orden Polinmico. (n)


log(n)
De orden Exponencial. n
Y para realizar la tarea de resolver estos problemas se crean:
Clusters, Servidores, Sper - Cmputo.
A menudo las aplicaciones generan problemas matemticos
que por su complejidad no pueden ser resueltos de forma
exacta. En la mayoria de los casos los sistemas de ecuaciones
no lineales (Ecuaciones cuyos exponente son mayores a uno)
se conviertes a sistemas de ecuaciones lineales (Ecuaciones
cules exponentes no son mayores a uno), por ejemplo, una
ecuacion diferencial, la funcin objetivo en un problema de
optimizacin.
La bondad de un algoritmo puede ser valorada con varios
crterios como el tiempo de ejecucin para la resolucin de un
problema en concreto, la realizacin de un analsis matemtico
de la dificultad intrinseca de la resolucin computacional
del problema permite terizar un valor de bondad mas que
obtenerlo de forma emprica.
Existen algoritmos que pueden ser aplicados a una coleccin
de problemas de cierto tipo. Para estos algoritmos, el tiempo y
el espacio de memoria por un programa, variar con el ejemplo
particular a ser resuelto.

A. Sobre las reglas de los Eigenvalores-Eigenvectores.

|| No posee un valor determinado
Su valor solo se vuelve determinado (0 1) Cuando
hacemos La Medida.
Todo lo que podemos mencionar sobre || es:
2
Probabilidad = Pr(valor de |i es 0) ||
2
Probabilidad = Pr(valor de |i es 1) ||
Un Qbit |i = |0i + |1i encodifica una gran y arbitraria
cantidad de informacin, pero a lo mucho solo 1 bit de
informacin en 1 Qbit es Accesible.
Ok entonces HASTA AQU todo va bien.

III. S OBRE LOS ALGORITMOS GENTICOS .

Los algoritmos genticos son mtodos adaptativos usados en
problemas de bsqueda y optimizacin de parmetros basados
en la reproduccin sexual y en el principio de supervivencia
del mas apto.
Los algoritmos Genticos son algoritmos de bsqueda
basados en la mecnica de seleccin natural y de la gentica
natural. Combinan la supervivencia del ms apto entre estructuras de secuencias con un intercambio de informacin estructurado, aunque aleatorizado, para constituir as un algoritmo de
bsqueda que tenga algo de las genialidades de las bsquedas
humanas[4].
A. Simulando un algoritmo gentico simple.

II. S OBRE LOS A LGORITMOS C UNTICOS .

Y como bien lo hemos visto(Quizs) hasta el cansancio,
en el computo cuntico la unidad ms pequea donde se
almacena la informacin es el bit cuntico (Qubit)[2]. Un
Qubit puede estar o bien en un estado 1, en el estado 0 o
bien en ambos Superposicionado. Y el estado de un Qubit
puede ser representado como[3]:
|i = |0i + |1i

2 estados al mismo tiempo y manejar cantidades grandes de

informacin.
Veamos que la forma general de un QBIT es:
2
2
|i = |0i + |1i , donde || + || = 1 cumplen la
condicin de normalizacin.

(1)

El problema a resolver ser el resolver un sistema de

ecuaciones.
1) Descripcin::
Tendremos un sistema de n ecuaciones y un total de m
incognitas.
los coeficientes de las incognitas xi estan representados
por ai , j mientras que el trmino independiente de cada
ecuacin se representa con el valor de bi o sea:
a1,1 x1 + a1,2 x2 + ai,m xm = b1

Donde |0i y |1i representan los valores de bits clsicos 0 y 1

respectivamente; y son nmeros complejos que satisfacen:
2

|| + || = 1

a2,1 x1 + a2,2 x2 + + an,m xm = b2

(2)

..
.

Donde || es la probabilidad de que un Qbit se encuentre

2
en un estado 0 y || representa la probabilidad de que un Qbit
se encuentre en el estado 1. Un registro cuntico de m Qbits
puede ser representado como 2m valores simultaneamente.
Sin embargo, cuando la medida es hecha, la superposicin
es destruida y uno y solo uno de los valores se vuelve til
para uso.
Un bit clsico podemos considerarlo como un estado de 2
sistemas clsicos o bien 0 o bien 1.
Sin embargo lo mas provechoso del computo cuntico es
que podemos aprovechar la superposicin de estados para tener

an,1 x1 + an,2 x2 + + an,m xm = bn

Lo cual puede ser representado como un sistema de n
ecuaciones y m incognitas.

a1,1
..
.
an,1

..
.

a1,m
x1
b1
.. .. = ..
. . .
an,m
xm
bm

(3)

5TO CONGRESO DE TECNOLOGA

2) Codificacin.: Cada individuo proporciona una solucin

vlida. Si el sistema de ecuaciones presenta m incognitas,
cada individuo gentico deber codificar cada una de esas
incgnitas. Cada gen presentar, mediante valores reales, cada
uno de los valores asignados a las incgnitas del sistema en
la solucin.
x1 = 1.25 x2 = 5.87 x3 = 15.68 xm = 258.6
Individuo Gentico.
Cada uno de los genes representa un valor asignado a cada
incgnita para la resolucin del sistema planteado.
3) Funcin de evaluacin.: Una vez codificado el problema
proporcionaremos una funcin de evaluacin que permitira
determinar como de buena es la solucin proporcionada por
los individuos de la poblacin gentica.
Deberan reemplazarse las incgnitas del sistema de ecuaciones por los valores proporcionados por cada uno de los
genes.
4) Resolviendo.: Supongamos el siguiente problema que es
nuestro sistema de ecuaciones de partida:
3x + 8y + 2z = 25
x 2y + 4z = 12
5x + 3y + 11z = 4
Sus respectivas soluciones sern:
x = 4.643, y = 0.821, z = 2.250
Los algoritmos evolutivos tienen la ventaja de la evolucin
en paralelo de multiples soluciones.
Se escogern valores fuera del rango normal de operacin
de este tipo de algoritmos, como puede ser el tamao de la
poblacin.
Los parmetros de configuracin:

Tamao de poblacin: 10 individuos.

Elitismo: 2 individuos.
Algoritmos de Solucin: Torneo
Aleatorio.
Algoritmo de cruce: 1 punto.
Tasa de Cruce(Pc ): 90%
Tasa de Mutacin(Pm ): 2.5%
Algoritmo de Mutacin: puntual.

Deterministico-

Primer paso. Inicializacin de la Poblacin Gentica.

Se restringen los valores de los genes al rango [10 10]
y solo se permiten 2 decimales. As la poblacin inicial y los
valores de aptitud sern:
1
-2.68 -7.68
6.53
2
1.36
0.02
1.62
3
-6.36
5.67
0.74
4
2.5
-3.18 2.36
5
-5.20
2.69 -1.27
INDIVIDUOS
6
2.79
9.54
1.25
7
9.89
1.28
7.67
8
4.5
0.69 -4.58
9
-4.08
6.25
8.63
10 4.68
-8.72 -6.45
Fitness Puro

3.57
14.64
28.97
32
33.18
63.32
91.02
117.15
166.04
233.81
Fitness Normalizado
0.0046
0.0187
0.0370
0.0408
0.0808
Poblacin Inicial y Valores de Aptitud. Gen0.0423
0.1161
0.1495
0.2119
0.2983
eracin 0.
La poblacin parece ordenada en funcin del valor de
bondad de cada individuo. Siguiendo las pautas demostradas
en este pseudocdigo:
Algorithm 1 Pseudo - Cdigo, Algoritmo Gentico Simple.
coef Matriz de Coeficientes ai,j
b Matriz de trminos independientes b :
fitness 0;
para cada ecuacin;
hacer
aux 0
Para cada incgnita j de la ecuacin;
Hacer
aux + gentipo(j).coef(i)(j)
fin para
fitness fitness + abs(b (i) aux)
fin para
devolver fitness
Theorem 1 (Theorem name). For a named theorem or
theorem-like environment you need to insert the name through
Insert . Short Title, as done here.
Lemma 2. If you dont want a theorem or lemma name dont
add one.
Proof: And heres the proof!
IV. R ESULTS
A single column figure goes here
Figure 1. Captions go under the figure

V. C ONCLUSIONS
bla bla

5TO CONGRESO DE TECNOLOGA

Table I
TABLE CAPTIONS GO above THE TABLE
delete
example

this
table

A PPENDIX A
F IRST APPENDIX
Citation: [1]
A PPENDIX B
S ECOND APPENDIX
ACKNOWLEGMENT
bla bla
R EFERENCES
[1] N. H. F. Beebe. (2008, Jul.) TEX user group bibliography archive.
[Online]. Available: http://www.math.utah.edu/pub/tex/bib/index-table.
html

Replace this box by an Your Name All about you and the what your
image with a width of interests are.
1 in and a height of
1.25 in!

Coauthor Same again for the co-author, but without photo

R EFERENCES
[1] http://hom.wikidot.com/cramer-s-method-and-cramer-s-paradox
[2] Comparison of Genetic Algorithm and Quantum Genetic Algorithm