Sistema de Ecuaciones Lineales Metodos Numericos

UNIVERSIDAD NACIONAL DE HUANCAVELICA INGENIERIA CIVIL
5 de noviembre de 2012
SISTEMA DE ECUACIONES LINEALES
UNH
Pgina 1
METODO DE GAUSS SIMPLE
UNH
Pgina 2
1. SEA LA SIGUIENTE ECUACION LINEAL
2. Ejercicios resueltos del mtodo de Gauss
UNH
Pgina 3
3. Ejercicios resueltos del mtodo de Gauss
UNH
Pgina 4
METODO DE GAUSS JORDAN Desarrollo

El Mtodo de Gauss Jordan o tambin llamado eliminacin de Gauss Jordan, es un mtodo por el cual pueden resolverse sistemas de ecuaciones lineales con n nmeros de variables, encontrar matrices y matrices inversas, en este caso desarrollaremos la primera aplicacin mencionada.
Entonces, anotando como matriz (tambin llamada matriz aumentada):
Una vez hecho esto, a continuacin se procede a convertir dicha matriz en una matriz identidad, es decir una matriz equivalente a la original, la cual es de la forma:
Esto se logra aplicando a las distintas filas y columnas de las matrices simples operaciones de suma, resta, multiplicacin y divisin; teniendo en cuenta que una operacin se aplicara a todos los elementos de la fila o de la columna, sea el caso. Obsrvese que en dicha matriz identidad no aparecen los trminos independientes, esto se debe a que cuando nuestra matriz original alcance la forma de la matriz identidad, dichos trminos resultaran ser la solucin del sistema y verificaran la igualdad para cada una de las variables, correspondindose de la siguiente forma:

d1 = x d2 = y d3 = z Pgina 5
UNH
1. SEA LA SIGUIENTE ECUACION LINEAL:
UNH
Pgina 6
UNH
Pgina 7
Entonces X= 1.384
UNH
Y= -2.500
Z=-1.5769
Pgina 8
METODO DE CRAMER
Un sistema de ecuaciones lineales se dice de Cramer cuando cumple las siguientes condiciones: Es un sistema cuadrado, con igual nmero de ecuaciones que de incgnitas. El determinante de la matriz de los coeficientes asociada es distinto de cero. En consecuencia, un sistema de Cramer es siempre compatible determinado (tiene una solucin nica). Para calcular la incgnita xi del sistema de ecuaciones lineales, se sustituye la columna i de la matriz de coeficientes por los trminos independientes, se obtiene el determinante de la matriz resultante y se divide este valor por el del determinante de la matriz de los coeficientes. Por tanto, la solucin de un sistema de Cramer se obtiene hallando cada incgnita Xi segn la frmula:
Siendo Ci la matriz resultante de sustituir la columna de la matriz de los coeficientes correspondiente a la incgnita por la de los trminos independientes. 1. SEA LA SIGUIENTE ECUACION LINEAL:
UNH
Pgina 9
2. SEA LA SIGUIENTE ECUACION LINEAL: X+Y-Z=2 -X+2Y+Z=4 3X+Y+Z=6
3. 3.SEA LA SIGUIENTE ECUACION LINEAL: X+2Y-Z = 1 -3X+Y+Z = -5 X-Y+3Z = 5
UNH
Pgina 10
UNH
Pgina 11
METODO 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 Carl Friedrich Gauss y Philipp Ludwig von Seidel y es similar al mtodo de Jacobi. Aunque este mtodo puede aplicarse a cualquier sistema de ecuaciones lineales que produzca una matriz (cuadrada, naturalmente pues para que exista solucin nica, el sistema debe tener tantas ecuaciones como incgnitas) de coeficientes con los elementos de su diagonal no-nulos, la convergencia del mtodo solo se garantiza si la matriz es diagonalmente dominante o si es simtrica y, a la vez, definida positiva. Es un mtodo iterativo, lo que significa que se parte de una aproximacin inicial y se repite el proceso hasta llegar a una solucin con un margen de error tan pequeo como se quiera. Buscamos la solucin a un sistema de ecuaciones lineales, en notacin matricial:
donde:
El mtodo de iteracin Gauss-Seidel se computa, para la iteracin
Donde
Definimos
y ,
Donde los coeficientes de la matriz N se definen como
si
si
UNH
Pgina 12
Considerando el sistema la frmula de iteracin del mtodo
con la condicin de que
. Entonces podemos escribir
(*) La diferencia entre este mtodo y el de Jacobi es que, en este ltimo, las mejoras a las aproximaciones no se utilizan hasta completar las iteraciones. Convergencia Teorema: Suponga una matriz es una matriz no singular que cumple la condicin de
Entonces el mtodo de Gauss-Seidel converge a una solucin del sistema de ecuaciones, y la convergencia es por lo menos tan rpida como la convergencia del mtodo de Jacobi. Para ver los casos en que converge el mtodo primero mostraremos que se puede escribir de la siguiente forma: (**) (el trmino es la aproximacin obtenida despus de la k-sima iteracin) este modo de escribir la iteracin es la forma general de un mtodo iterativo estacionario. Primeramente debemos demostrar que el problema lineal que queremos resolver se puede representar en la forma (**), por este motivo debemos tratar de escribir la matriz A como la suma de una matriz triangular inferior, una diagonal y una triangular superior A=(L+D+U), D=diag( ). Haciendo los despejes necesarios escribimos el mtodo de esta forma
por lo tanto M=-(L+D)-1U y c=(L+D)-1b Ahora podemos ver que la relacin entre los errores, el cul se puede calcular al substraer x=Bx+c de (**)
Supongamos ahora que , i= 1, ..., n, son los valores propios que corresponden a los vectores propios 1,..., n, los cuales son linealmente independientes, entonces podemos escribir el error inicial
, i=
UNH
Pgina 13
(***) Por lo tanto la iteracin converge si y slo si | i|<1, i= 1, ..., n. De este hecho se desprende el siguiente teorema: Teorema: Una condicin suficiente y necesaria para que un mtodo iterativo estacionario
converja para una aproximacin arbitraria x^{(0)} es que
donde (M) es el radio espectral de M. Ejercicio resuelto 1 Resuelva el siguiente sistema de ecuaciones lineales usando el mtodo iterativo de Gauss Seidel 4x1 + 10x2 + 8x3 = 142 2x1 + 6x2 + 7x3 = 89.5 9x1 + 2x2 + 3x3= 56.5 Paso 1. Ordenar los renglones para que pueda ser resuelto. 9x1 + 2x2 + 3x3= 56.5 4x1 + 10x2 + 8x3 = 142 2x1 + 6x2 + 7x3 = 89.5 Paso 2. Determinar si puede ser resuelta por este mtodo, determinando si es predominantemente dominante en su diagonal. Paso 3. Despejar las variables. X1 = -2x2/9 3x3/9 + 56.5/9 = -0.2222x2 0.3333x3 + 6.2778 X2 = -4x1/10 8x3/10 +142/10 = - 0.4 0.8x3 + 14.2 X3 = - 2x1/7 6x2/7 + 89.5/7 = - 0.2857x1 0.8571x2 + 12.7857
UNH Pgina 14
Paso 4. Se les asigna un valor inicial de 0 x0 = [0, 0, 0, 0] Paso 5 Se substituye esta solucin temporal en las ecuaciones para obtener las nuevas xs., pero solo cuando no se cuente con la anterior Iteracin 1 X1 = - 0.2222 (0) 0.3333 (0) + 6.2778 = 6.2778 X2 = - 0.4 (6.2778) 0.8 (0) + 14.2 = 11.6888 X3 = - 0.2857 (6.2778) 0.8571 (11.6888) + 12.7857 = 0.9736 Se sustituye en alguna ecuacin y se observa si el resultado ya es adecuado: 4(6.2778)+ 10(11.6888) + 8(0.9736)= 25.1112 + 116.888 + 7.7888 = 149.788 <> 142 Error = abs (142 149.788) = 7.788 Pero si 1% = 1.42 entonces error = 7.78 = 5.48% Aun el error es muy grande. Se repite el paso 5, pero tomado los valores obtenidos en la ecuacin anterior Iteracin 2 X1 = - 0.2222 (11.6888) 0.3333 (0.9736) + 6.2778 = 3.356 X2 = - 0.4 (3.356) 0.8 (0.9736) + 14.2 = 12.0787 X3 = - 0.2857 (3.356) 0.8571 (12.0787) + 12.7857 = 1.4742 Se evala en una ecuacin en este caso en la ecuacin 1 4(3.356) + 120.787 + 8(1.4742)= 146.0046 <> 142 Si 1% = 1.42 error = abs (142 146.0046) = 4.0046 entonces error = 2.82% Iteracin 3.
UNH Pgina 15
X1 = - 0.2222 (12.0787) 0.3333 (1.4742) + 6.2778 = 5.0407 X2 = - 0.4 (5.0407) 0.8 (1.4742) + 14.2 = 11.0043 X3 = - 0.2857 (5.0407) 0.8571 (11.0043) + 12.7857 = 1.9137 Se sustituye 4(5.0407)+ 110.043 + 8(1.9137)= 145.51, diferencia 3.51609 error = 2.47% Iteracin 4. X1 = - 0.2222 (11.0043) 0.3333 (1.9137) + 6.2778 = 3.1948 X2 = - 0.4 (3.1948) 0.8 (1.913) + 14.2 = 11.3916 X3 = - 0.2857 (3.1948) 0.8571 (11.3916) + 12.7857 = 2.1092 Se sustituye 4(3.1948)+ 113.916 + 8(2.1092)= 143.5688, diferencia 1.5688 error = 1.10% 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%
UNH
Pgina 16
METODO DE MATRIZ INVERSA
UNH
Pgina 17
1. sea la siguiente ecuacin:
UNH
Pgina 18
UNH
Pgina 19
3. SEA LA SIGUIENTE ECUACION LINEAL: SEA: -3X+Y-Z=-5 X+2Y+Z=0 2X + Z=3
UNH
Pgina 20
UNH
Pgina 21
UNH
Pgina 22
UNH
Pgina 23
UNH
Pgina 24
UNH
Pgina 25
UNH
Pgina 26
UNH
Pgina 27
UNH
Pgina 28
UNH
Pgina 29
UNH
Pgina 30
UNH
Pgina 31
UNH
Pgina 32
UNH
Pgina 33
UNH
Pgina 34
UNH
Pgina 35
UNH
Pgina 36
UNH
Pgina 37
UNH
Pgina 38
UNH
Pgina 39
UNH
Pgina 40
UNH
Pgina 41
UNH
Pgina 42
UNH
Pgina 43
UNH
Pgina 44
UNH
Pgina 45
UNH
Pgina 46
UNH
Pgina 47
UNH
Pgina 48
UNH
Pgina 49

Sistema de Ecuaciones Lineales Metodos Numericos

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Sistema de Ecuaciones Lineales Metodos Numericos

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DE HUANCAVELICA INGENIERIA CIVIL