Beruflich Dokumente
Kultur Dokumente
ingeniera. La solucin numrica de dichos sistemas la forman una gran variedad de algoritmos,
como eliminacin de Gauss, Gauss-Jordan, Gauss-Seidel, Montante, Jacobi, Lu y Cholesky entre
otros, que de una manera u otra resuelven el sistema de ecuaciones lineales (si tiene solucin). Sin
embargo, cuando se trata de problemas muy complejos en donde intervienen muchas ecuaciones,
se requiere de muchas operaciones aritmticas que pueden provocar caer en el tedio y el
aburrimiento por tanto clculo, entonces, debe emplearse una alternativa para el aprendizaje.
Actualmente, los Mtodos Numricos tienen auge con la llegada de las computadoras y en
especial para resolver sistemas de ecuaciones lineales que requieren clculos matemticos
extremadamente complejos. Para el desarrollo de los algoritmos se ha empleado el paquete de
clculo numrico, simblico y grfico MatLab. Este software constituye una poderosa herramienta
para resolver problemas de ingeniera, dnde estn involucradas los sistemas lineales por sus
algoritmos implementados a travs de sus comandos y funciones. MatLab se debe usar
apropiadamente y no viene a sustituir el conocimiento impartido en el aula, se debe empelar
como un recurso didctico para hacer ms atractiva la enseanza aprendizaje de los Mtodos
Numricos.
Este sistema de M ecuaciones algebraicas lineales con N incgnitas puede escribirse en forma
matricial como:
La matriz de coeficientes A se llama matriz del sistema. La matriz formada por A, a la que se le
ha agregado el vector de trminos independientes B como ltima columna, se le llama la
matriz ampliada o matriz aumentada del sistema de ecuaciones, que se representa por [A | B]
y X es el vector de incgnitas.
Al proceder a resolver un sistema de ecuaciones es necesario determinar si dicho sistema
tiene o no solucin y, en caso de tenerla, cuntas posibles soluciones tiene. A continuacin se
presentan las diversas alternativas:
3x
+ 2y
+ z
5x
+ 3y
+ 4z
+ y
Mtodo de Gauss-Seidel
En anlisis numrico el mtodo de Gauss -Seidel
es un mtodo iterativo utilizado para RESOLVER
sistemas de ecuaciones lineales. El mtodo se
llama as en honor a LOS matemticos alemanes
Ejemplo
Iteracin 2
Iteracin 5.
X1 = - 0.2222(11.3916) 0.3333(2.1092) + 6.2778 = 3.0435
X2 = - 0.4(3.0435) 0.8(2.1092) + 14.2 = 11.2952
X3 = - 0.2857(3.0435) 0.8571(11.2952) + 12.7857 = 2.2350
Se sustituye
4(3.0435) + 112.952 + 8(2.235)= 143.006, diferencia 1.006
error = 0.7%
PROPIEDADES DE LOS DETERMINANTES.
Los determinantes tienen las siguientes propiedades QUE SON tiles para simplificar su
evaluacin. En los prrafos siguientes consideramos que A es una matriz cuadrada.
Propiedad 1.
Si una matriz A tiene un rengln (o una columna) de ceros, el DETERMINANTE
de A es cero.
Ejemplo 1.
Sea
Desarrollando por cofactores del PRIMER rengln se tiene
Propiedad 2.
Esto es
Ejemplo 2.
Sea
La transpuesta de A es
Propiedad 3.
Si se intercambian dos renglones (o dos columnas) de una matriz A entonces elDETERMINANTE
cambia de signo.
Ejemplo 3.
Sea
con
con
Note que LOS determinantes se calcularon expandiendo por cofactores de la primera columna.
Propiedad 4.
Si una matriz A tiene dos renglones (o dos columnas) iguales entonces det A = 0.
Ejemplo 4.
Sea
entonces
Propiedad 5.
Cuando un SOLO rengln (o columna) de una matriz A se MULTIPLICA por un escalar r el
determinante de la matriz RESULTANTE es r veces el determinante de A, r det A.
Ejemplo 5.
Sea
Propiedad 6.
Ejemplo 6.
Sea
Propiedad 7.
Si A y B son matrices de
, el DETERMINANTE del producto AB es igual al producto
de LOS determinantes de A y de B.
Esto es
Ejemplo 7.
Sean
con
El producto
Y su DETERMINANTE es
Entonces
Propiedad 8
El DETERMINANTE de la matriz identidad I es igual a 1 (uno)
Ejemplo 8.
I=
Propiedad 9.
El DETERMINANTE de una matriz singular, es decir, QUE no tiene inversa, es igual a 0 (cero)
Ejemplo 9.
J=
De esta forma
Se podra seguir REDUCIENDO a la forma triangular, pero observando que hay varios ceros en el
tercer rengln resulta fcil desarrollar por cofactores, primero de la primera columna, y despus
del tercer rengln:
Podemos resolver un sistema de ecuaciones lineales grficamene, por dibujar las grficas y
determinar donde se cruzan, o algebricamente, por combinar las ecuaciones para eliminar cada
incgnita salvo que una, y entonces despejarla.
(1) Una sola (nica) solucin. Ocurre este CASO CUANDO las dos rectas correspondientes no
estn paralelas, y entonces se cruzan en un solo punto.
(2) Ninguna solucin. Ocurre este caso cuando las dos rectas son paralelas y distintas.
(3) Un nmero infinito de soluciones. Ocurre este caso cuando las dos ecuaciones representan la
misma recta. En este caso, se represente las soluciones por designar una variable como arbitraria y
despejar a la otra.
Donde
es la matriz hessiana de la funcion fj(x).
Si conocido x(0) se fuese capaz de determinar _x resolviendo el sistema formado
para j = 1, 2, .., n, por las ecuaciones:
podra determinarse x como x = x(0) + _x. Pero para resolver este sistema
primero deberamos conocer los valores de _j (lo cual no es obvio) y, una vez
conocidos, resolver un sistema, en general, no lineal pues observese que _x
interviene en la expresion de las matrices hessianas
Por tanto,
salvo en situaciones muy particulares, no se ganara gran cosa remplazando el
problema de resolver f (x) = 0 por el de resolver el sistema anterior.
El metodo de Newton-Raphson (o metodo de linealizacion de Newton) se sustenta
en simplificar las expresiones anteriores linealizandolas. Para ello considera que
si se esta suficientemente cerca de la solucion (es decir si
suficientemente pequeo) los terminos
es
podran despreciarse
fente a los otros terminos de cada ecuacion del sistema. Por ello, denotando por
[Jf (x)] a la matriz jacobiana de f en el punto x, en este metodo se resuelve el
sistema lineal:
Sobre este metodo, en primer lugar, puede observarse que si denotamos por:
Por tanto, al resolver el sistema por Newton-Raphson, debemos resolver en cada iteracin el sistema
y obtener luego la siguiente iteracin usando este vector de correccin recin calculado:
y la matriz de Jacobi:
Con x(1) continuaramos el proceso y obtendramos x(2), etc., comprobando la convergencia con cada x(k)
calculado (es e(k)=vc(k1)). Las iteraciones son:
A continuacin viene la grfica donde aparecen las funciones que intervienen en el sistema, el punto de
interseccin pedido, la iteracin solicitada en el enunciado y el conjunto de puntos calculados en las
diferentes iteraciones. La aproximacin inicial aparece con un pequeo crculo rojo.
El mtodo de Bairstow es un proceso iterativo relacionado con los mtodos de Mller y NewtonRaphson
f n ( x) a0 a1 x a2 x 2 ... an x n
de donde
r1 = -1.0 + 2.7636812508572213 =1.7636812508572213
s1 = 2.0 + 5.403374022767796 =7.403374022767796
Iteracin 2.
La divisin sinttica con el polinomio f2(x) = x2 -1.7636812508572213x 7.403374022767796
da como resultado
f3(x) = x3 - 1.7363187491427787x2
+ 7.091061199392814x - 1.776754563401905
Residuo = {51.75640698828836, 105.68578319650365}
Aplicando el mtodo de Newton tenemos
Iteracin 3.
La divisin sinttica con el polinomio f2(x)= x2 - 1.7164010597228012x 3.934267834965644
da como resultado
f3(x) = x3 - 1.7835989402771988x2
+ 3.622896723753395x + 1.3261878347051992
Residuo = {12.654716254544885, 28.1881465309956}
Aplicando el mtodo de Newton tenemos
de donde
r3 = 1.7164010597228012 - 0.11666951305731528 = 1.599731546665486
s3 = 3.934267834965644 - 1.4835870659929915 = 2.4506807689726524
en resumen
La solucin es:
f3(x) = x3 - 2.53x2
+ 2.25x - 0.625 y f2(x) = x2 - x - 2
Las races de f2(x) = x2 - x - 2, son
Donde al diferencial se le conoce como la primera diferencia hacia adelante y a h se le llama tamao del
paso, esto es, la longitud del intervalo sobre el cual se hace la aproximacin.Se le llama diferencia "
hacia adelante " ya que usa los datos(i) e (i+1) para estimar la derivada.Al termino completo (o sea, la
diferencial entre h ) se le conoce como primera diferencia dividida finita.Esta diferencia dividida hacia
adelante no es sino una de tantas que se pueden desarrollar mediante la serie de Taylor para la
aproximacin de derivadas numricas.Por ejemplo, las aproximaciones a primeras derivadas,
utilizando las diferencias hacia atrs o las diferencias centrales se pueden desarrollar de una manera
similar a la de la ecuacin 2.Las primeras usan a , mientras x con sub-indice i+1 que las segundas usan
informacin igualmente espaciada alrededor del punto donde esta estimada la derivada.
EJERCICIO:
Dada la siguiente funcin discreta,
Solucin:
Solucin
segn frmula 21 der4(0) es = ( 1 + -3.6194 + 4.9124 + -3 + 1 ) *1/ 0.00010 = 0.6000
El rea bajo esta lnea recta es una aproximacin de la integral de () entre los limites
y b:
Ahora como b = (b ) (b + ).
Desde a=0 hasta b=0.8. recuerde de la seccin PT6.2 que el valor exacto de la integral
se puede determinar en forma analtica y es 1.640533.
SOLUCION: al evaluar la funcin en los limites
f(0)=0.2
f(0.8)=0.232
sustituyendo la ecuacin se tiene que
Solucin:
Es interesante constatar, desde el punto de vista numrico, la evolucin de la precisin
con respecto al tiempo de clculo(tiempo en segundos para un IBM 50, 10 MHz con
coprocesador matemtico):
Influencia del numero de intervalos en el mtodo de los trapecios.
Resultado
Tiempo(s)
0.369362921747236
0.369364127446088
0.369364428870065
0.369364504226013
0.369364523064997
0.369364527774743
0.369364528952180
0.369364529246539
0.369364529320128
0.369364529338524
0.369364529343126
0.369364529344273
0.369364529344566
0.369364529344642
0.369364529344647
0.369364529344678
0,05
0,11
0,17
0,33
0,71
1,48
2,91
5,77
11,58
23,18
46,36
92,55
184,88
369,71
741,16
1478,32
# de divisiones
64
128
256
512
1024
2048
4096
8192
16384
32768
65536
131072
262144
524288
1048576
2097152
Mtodo de Simpson
Adems de aplicar la regla del trapecio con una segmentacin mas fina, otra forma de
obtener una estimacin ms exacta de una integral consiste en usar polinomios de grado
superior para unir los puntos. Por ejemplo, si hay otro punto a la mitad entre () y
(b), los tres puntos se pueden unir con una parbola. Si hay dos puntos igualmente
espaciados entre () y (b), los cuatro puntos se pueden unir mediante un polinomio
de tercer grado. Las formulas que resultan de tomar las integrales bajo esos polinomios
se conocen como reglas de Simpson.
REGLA DE SIMPSON
La regla se Simpson resulta cuando un polinomio de interpolacin de segundo grado
se sustituye en la ecuacin:
Si se designan y b como x y x , y (x) se representan por un polinomio de Lagrange
de segundo grado, la integral se transforma en:
donde, en este caso, h=(b - )/2. Esta ecuacin se conoce como regla de Simpson 1/3, y
es la segunda frmula de integracin cerrada de Newton-Cotes. La especificacin 1/3
se origina del hecho de que h est dividida en 3 en la ecuacin.
OBTENCIN Y ESTIMACIN DEL ERROR DE LA REGLA DE SIMPSON 1/3
Como se hizo en el cuadro 21.2 para la regla del trapecio, la regla de Simpson 1/3 se
obtiene al integrar el polinomio de interpolacin de Newton-Gregory hacia adelante:
Ejemplo
Estime, mediante el mtodo de Simpson, el valor de la siguiente
integral DEFINIDA
y estime el error cometido:
construyendo la particin
correspondiente,
Empleando la frmula del mtodo de Simpson, se obtiene una estimacin de la
integral DEFINIDA
;
Con la quinta derivada de la funcin, determinamos los nmeros crticos de la
cuarta derivada en el INTERVALO de integracin
, y calculamos los
extremos relativos que en ese intervalo se pueda alcanzar.
Nmeros crticos de la cuarta derivada:
Por tanto,
Al sustituir en la FRMULA
de error, se obtiene
Mtodo de trapecio
El rea bajo esta lnea recta es una aproximacin de la integral de () entre los limites y b:
Ahora como b = (b ) (b + ).
Solucin:
Es interesante constatar, desde el punto de vista numrico, la evolucin de la precisin con
respecto al TIEMPO de clculo(tiempo en segundos para un IBM 50, 10 MHz con coprocesador
matemtico):
Influencia del numero de intervalos en el mtodo de LOS trapecios.
RESULTADO
TIEMPO (s)
0.369362921747236
0.369364127446088
0.369364428870065
0.369364504226013
0.369364523064997
0.369364527774743
0.369364528952180
0.369364529246539
0.369364529320128
0.369364529338524
0.369364529343126
0,05
0,11
0,17
0,33
0,71
1,48
2,91
5,77
11,58
23,18
46,36
# de divisiones
64
128
256
512
1024
2048
4096
8192
16384
32768
65536
131072
262144
524288
1048576
2097152
0.369364529344273
0.369364529344566
0.369364529344642
0.369364529344647
0.369364529344678
92,55
184,88
369,71
741,16
1478,32
BIBLIOGRAFIA
http://www.aragon.unam.mx/investigacion/CIMA/Eventos/Memoria7/Ponencia%20Luis%20Loren
zo.pdf
http://recursostic.educacion.es/descartes/web/materiales_didacticos/sistemas_de_ecuaciones_li
neales_2bcnt/regla_de_cramer.htm
http://ocw.upm.es/matematica-aplicada/programacion-y-metodosnumericos/contenidos/TEMA_8/Apuntes/EcsNoLin.pdf
https://www.google.com.mx/?gws_rd=ssl#q=metodo+de+bairstow