UNIDAD No. 6 METODOS NUMERICOS

CARRERA:
INGENIERA CIVIL.
GRUPO: 2IC3-A.
NOMBRE DEL ALUMNO.
ESPINAL CHVEZ BENITO. 12210027.

TRABAJO DE INVESTIGACIN.

TAREA.
SOLUCIONES DE ECUACIONES NO LINEALES.

-METODO DE JACOBI.
-METODO DE GAUSS-SEIDEL.
-METODO DE NEWTON.RAPHSON.

6 PARCIAL
MATERIA: METODOS NUMERICOS.
PROFESOR: OSOBAMPO LOPEZ LUCIANO.
B.C. TIJUANA.

FECHA DE ENTREGA.
MIERCOLES 20 DE NOVIEMBRE DEL 2013.
ALUMNO: ESPINAL CHAVEZ BENITO. No. Control. 12210027 Pgina 2

INDICE.

CAPITULO 1.-
GENERALIDADES............................................................................................................................ 3

1.1 introduccin...................................................................................................................................3

CAPITULO 2.- CONTENIDO...................................................................................................... 4

2.1 SOLUCIONES DE ECUACIONES NO
LINEALES.............................................................................................................................4
2.1.1 Mtodo de Jacobi................................................4-5
Ejemplo No.1.....................................................................................6-7
Ejemplo No. 2.............................................................................................8-11
2.1.2 Mtodo de Newton Raphson............................................................12
Ejemplo No.1......................................................................................12
Ejemplo No. 2...........................................................................................13-14
2.1.3 Mtodo de Gauss-Seidel..........................................................................................................15
Ejemplo No.1.................................................................................16-17
Ejemplo No. 2...........................................................................................18-19

CAPITULO 3.- CONCLUSIONES Y BIOGRAFIA.......................................................................... 20


CAPITULO 1. GENERALIDADES

INTRODUCCION.

En esta primera entrada definir el concepto de 'mtodos numricos' as como dar tambin mi
punto de vista al respecto y veremos algunos subtemas de este. Las fuentes de informacin sern
sealadas cuando as deba ser y posteriormente har una conclusin con la importancia de estos
mtodos.
Definicin.
Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas
matemticos de tal forma que puedan resolverse usando operaciones aritmticas. Hay muchos
tipos de mtodos numricos, y comparten una caracterstica comn: invariablemente se deben
realizar un buen nmero de tediosos clculos aritmticos. Son herramientas muy poderosas para la
solucin de problemas. Pueden manejar sistemas de ecuaciones grandes, no linealidades y
geometras complicadas, comunes en la ingeniera. Tambin es posible que se utilice software
disponible comercialmente que contenga mtodos numricos.
Como podemos ver, utilizando estos mtodos podemos formular y resolver problemas cotidianos,
siempre basados en la aritmtica y sus ramas derivadas. Y aunque existe software informtico que
simplifica y a veces hasta hace por s mismo el trabajo, no debemos depender slo de ellos, ya que
para poder utilizarlos en un principio se ocupa tener conocimiento de la teora bsica de estos
mtodos, aparte que hay ciertos aspectos para los que el software no est diseado y ya sea que
debamos configurarlo o crear nuestro propio software; el conocimiento terico de los mtodos
numricos y la manera de utilizarlos en esencial.
Tambin en este trabajo de investigacin hablaremos de los mtodos de jacobi, gauss-seidel y del
mtodo Newton Raphson que sera soluciones de sistemas no lineales en los cuales
el mtodo de jacobi es un mtodo de la matriz tangente que interviene en cada iteracin
se sustituye por otra con la misma diagonal pero con todos sus dems elementos nulos.
Ms concretamente, denotando por a la matriz:
El mtodo gauss-seidel es una variante del mtodo de Newton-Raphson, la matriz tangente de
cada iteracin es sustituida por otra triangular inferior en la que los elementos de la diagonal y los
que estn por debajo de ella coinciden con los de la matriz jacobina. Ms concretamente, siendo
ala matriz.
Y el metodo Metodo Newton-Raphson es un mtodo iterativo que nos permite aproximar la
solucin de una ecuacin del tipo f(x)=0. Partimos de una estimacin inicial de la solucin x0 y
construimos una sucesin de aproximaciones de forma recurrente mediante la frmula.

Esta introduccion es algo que se vera a continuacion en este trabajo realizado planteado para
poder analizar un poco mas a detalle de los temas planteados .


CAPITULO 2. CONTENIDO

SOLUCIONES DE ECUACIONES NO LINEALES.

METODO DE JACOBI.
En anlisis numrico el mtodo de Jacobi es un mtodo iterativo, usado para resolver sistemas de
ecuaciones lineales del tipo Ax = b. El algoritmo toma su nombre del matemtico alemn Carl
Gustav Jakob Jacobi.
Descripcin
La base del mtodo consiste en construir una sucesin convergente definida iterativamente. El
lmite de esta sucesin es precisamente la solucin del sistema. A efectos prcticos si el algoritmo
se detiene despus de un nmero finito de pasos se llega a una aproximacin al valor de x de la
solucin del sistema.
La sucesin se construye descomponiendo la matriz del sistema en la forma siguiente:

donde
, es una matriz diagonal.
, es una matriz triangular inferior.
, es una matriz triangular superior.
Partiendo de , podemos reescribir dicha ecuacin como:

Luego,

Si a
ii
0 para cada i. Por la regla iterativa, la definicin del Mtodo de Jacobi puede ser
expresado de la forma:

donde k es el contador de iteracin, Finalmente tenemos:


Cabe destacar que al calcular x
i
(k+1)
se necesitan todos los elementos en x
(k)
, excepto el que tenga
el mismo i. Por eso, al contrario que en el mtodo Gauss-Seidel, no se puede sobre escribir x
i
(k)

con x
i
(k+1)
, ya que su valor ser necesario para el resto de los clculos. Esta es la diferencia ms
significativa entre los mtodos de Jacobi y Gauss-Seidel. La cantidad mnima de almacenamiento
es de dos vectores de dimensin n, y ser necesario realizar un copiado explcito.
Convergencia
El mtodo de Jacobi siempre converge si la matriz A es estrictamente diagonal dominante y puede
converger incluso si esta condicin no se satisface. Es necesario, sin embargo, que los elementos
de la diagonal en la matriz sean mayores (en magnitud) que los otros elementos.
Algoritmo
El mtodo de Jacobi se puede escribir en forma de algoritmo de la siguiente manera:
Algoritmo Mtodo de Jacobi
funcin Jacobi (A, x
0
)
//x
0
es una aproximacin inicial a la solucin//
para hasta convergencia hacer
para hasta hacer

para hasta hacer
si entonces

fin para

fin para
comprobar si se alcanza convergencia
fin para


EJEMPLO 1.
MTODO DE JACOBI.

Ejemplo: dada el sistema de ecuaciones
12x1+5x2-x3=15
X1-6x2-4x3=9
2x1-3x2+8x3=5
Con valores iniciales x1= 1, x2= 3, x3= 2
Converger la solucin usando el mtodo de Jacobi?

Solucin:
1. Se chequea si la matriz es diagonalmente dominante, si todas las desigualdades se cumplen la
solucin debe converger por este mtodo.

Despejamos x1 de la ecuacin 1, x2 de 2 y x3 de 3.

Para los valores iniciales;
X1=1
X2= 3
X3=2

Ahora calculamos el error absoluto relativo aproximado:


El mximo error absoluto relativo aproximado despus de la primera iteracin es 86%.


EJEMPLO 2.
MTODO DE JACOBI.
Resolver el siguiente sistema de tres ecuaciones por el Mtodo de Jacobi:
17 X
1
2 X
2
3 X
3
= 500
-5 X
1
+ 21 X
2
2 X
3
= 200
-5 X
1
5 X
2
+ 22 X
3
= 30
Resuelva este problema para un c
a
= 5%
Si lo pasamos al formato de una matriz y su vector de resultados, obtenemos lo siguiente:
Las siguientes frmulas las utilizamos para encontrar X
1
, X
2
y X
3
en cada una de las iteraciones.

11
3 13 2 12 1
1
a
x a x a b
x

=
22
3 23 1 21 2
2
a
x a x a b
x

=
33
2 32 1 31 3
3
a
x a x a b
x

=
Para la primera iteracin el valor de X
1
, X
2
y X
3
a sustituir en cada una se asumir como cero.
Entonces para X
1
,
( ) ( )
( ) ( )
41176 , 29
17
0 3 0 2 500
17
3 2 500
1
1
3 2
1
11
3 13 2 12 1
1
=

=

=

=
x
x
x x
x
a
x a x a b
x

para X
2
,
( ) ( )
( ) ( )
52381 , 9
21
0 2 0 5 200
21
2 5 200
2
2
3 1
2
22
3 23 1 21 2
2
=

=

=

=
x
x
x x
x
a
x a x a b
x

(
(
(
(
(
(

30
200
500
22 5 5
2 21 5
3 2 17
3
2
1
x
x
x

para X
3
,

( ) ( )
( ) ( )
36364 , 1
22
0 5 0 5 30
22
5 5 30
3
3
2 1
3
33
2 32 1 31 3
3
=

=

=

=
x
x
x x
x
a
x a x a b
x

Entonces en la primera iteracin
36364 , 1
52381 , 9
41176 , 29
3
2
1
=
=
=
x
x
x

Para calcular los nuevos valores de la segunda iteracin se utilizarn los resultados de X
1
, X
2
y X
3

obtenidos en la primera iteracin. Entonces para X
1
,
( ) ( )
( ) ( )
77285 , 30
17
36364 , 1 3 52381 , 9 2 500
17
3 2 500
1
1
3 2
1
11
3 13 2 12 1
1
=

=

=

=
x
x
x x
x
a
x a x a b
x

para X
2
,
( ) ( )
( ) ( )
65648 , 16
21
36364 , 1 2 41176 , 29 5 200
21
2 5 200
2
2
3 1
2
22
3 23 1 21 2
2
=

=

=

=
x
x
x x
x
a
x a x a b
x

para X
3
,


( ) ( )
( ) ( )
21263 , 10
22
52381 , 9 5 41176 , 29 5 30
22
5 5 30
3
3
2 1
3
33
2 32 1 31 3
3
=

=

=

=
x
x
x x
x
a
x a x a b
x

Por tanto en la segunda iteracin
21263 , 10
65648 , 16
77285 , 30
3
2
1
=
=
=
x
x
x

Una vez obtenidos estos resultados se deben calcular el error aproximado porcentual para cada
uno, para ello se utilizar la siguiente frmula:
Para X
2
,
Para X
3
,
Dado que en dos de las incgnitas el error aproximado porcentual es mayor a un 5% se debe
hacer una nueva iteracin. Se contina realizando el mismo procedimiento con los nuevos valores
de X obtenidos hasta que los errores aproximados porcentuales en las tres incgnitas sean
menores que el 5%. El resultado de estas iteraciones se presenta en la Tabla 5.
% 100
=
nuevo
r
anterior
r
nuevo
r
a
x
x x
c
% 5 % 423 , 4
% 100
77285 , 30
41176 , 29 77285 , 30
% 100
1
1
1
1 1
1
< =
=
ax
ax
nuevo
anterior nuevo
ax
x
x x
c
c
c
% 5 % 822 , 42
% 100
65648 , 16
52381 , 9 65648 , 16
% 100
2
2
2
2 2
2
> =
=
ax
ax
nuevo
anterior nuevo
ax
x
x x
c
c
c
% 5 % 648 , 86
% 100
21263 , 10
36364 , 1 21263 , 10
% 100
3
3
3
3 3
3
> =
=
ax
ax
nuevo
anterior nuevo
ax
x
x x
c
c
c

Tabla 5: Resultados de las iteraciones por el mtodo de Jacobi del
ejemplo 1 (ejercicio 11.8 pp. 321)
Iteracin x
1
x
2
X
3
c
a
x
1
c
a
x
2
c
a
x
3

0 0,00000 0,00000 0,00000
1 29,41176 9,52381 1,36364
2 30,77285 16,65648 10,21263 4,423% 42,822% 86,648%
3 33,17358 17,82331 12,14303 7,237% 6,547% 15,897%
4 33,65151 18,57876 12,95384 1,420% 4,066% 6,259%
5 33,88347 18,76977 13,23415 0,685% 1,018% 2,118%
Se resaltan los datos donde los errores obtenidos son menores que 5%, se logra un error
aproximado porcentual menor en las tres incgnitas hasta la quinta iteracin. Por lo tanto los
resultados aproximados que cumplen con la condicin establecida son:
23415 , 13
76977 , 18
88347 , 33
3
2
1
=
=
=
x
x
x

Si sustituimos estos valores en las ecuaciones originales para verificar los resultados obtenemos
que:
17 *(33,88347) 2 *(18,76977) 3 *(13,23415)

= 498,77703
-5 *(33,88347) + 21 *(18,76977)

2 *(13,23415) = 198,27957
-5 *(33,88347) 5 *(18,76977)

+ 22 *(13,23415) = 27,88513
Al calcular los porcentajes de error de estos resultados se obtiene lo siguiente:
0,88% % 100
30
27,88513 - 30
Error
0,10% % 100
200
198,27957 - 200
Error
0,03% % 100
500
498,77703 - 500
Error
EC3
EC2
EC1
= =
= =
= =

De acuerdo con estos datos se puede observar que los resultados obtenidos son una aproximacin
muy buena de los valores verdaderos.


MTODO DE NEWTON-RAPHSON.
Tal vez, de las frmulas para localizar races, la frmula de Newton-Raphson (figura
6.5) sea la ms ampliamente utilizada. Si el valor inicial para la raz es xi, entonces se puede trazar
una tangente desde el punto [xi, f(xi)] de la curva. Por lo comn, el punto donde esta tangente cruza
al eje x representa una aproximacin mejorada de la raz.
El mtodo de Newton-Raphson se deduce a partir de esta interpretacin geomtrica (un mtodo
alternativo basado en la serie de Taylor se describe en el cuadro 6.2). De la figura 6.5, se tiene que
la primera derivada en x es equivalente a la pendiente:

EJEMPLO 1.

As, el mtodo converge rpidamente a la raz verdadera. Observe que el error relativo porcentual
verdadero en cada iteracin disminuye mucho ms rpido que con la iteracin simple de punto fij.

1.- Autor, Steven C. Chapra. Raymond P. Canale. Libro, Mtodos numricos para ingenieros. Mxico. Editorial Limusa, S.A.
de C.V. No. 148 pgs.

EJEMPLO 2.
Mediante el mtodo de Newton - Raphson Obtenga la raz de la siguiente funcin:

Se sita un punto inicial x1=1
Se obtiene la siguiente x mediante la frmula:

Para seguir procesando se calcula la derivada de f(x)

Iteracin 1.
y ahora ya solo es necesario remplazar en la frmula

Ahora se prueba el valor para ver si esta x ya cumple nuestro objetivo.

Dado que |2.915437| > 0.001, se continua iterando para mejorar la solucin

Iteracin 2.
Se determina X3


Dado que |0.1159722009| > 0.001, se contina iterando para mejorar la solucin


Iteracin 3.
Se determina X3

Dado que |0.00020816278379| < 0.001, Se ha encontrado una raz satisfactoria en
x =1.580148781


GAUSS-SEIDEL
Los mtodos iterativos constituyen una alternativa a los mtodos de eliminacin descritos hasta
ahora, para aproximar la solucin. Tales mtodos son similares a las tcnicas que se desarrollaron
en el captulo 6 para obtener las races de una sola ecuacin. Aquellos mtodos consistan en
suponer un valor y luego usar un mtodo sistemtico para obtener una aproximacin mejorada de
la raz. Como esta parte del libro trata con un problema similar (obtener los valores que
simultneamente satisfagan un conjunto de ecuaciones). Entonces se esperara que tales mtodos
aproximados fuesen tiles en este contexto.
El mtodo de Gauss-Seidel es el mtodo iterativo ms comnmente usado. Suponga que se da un
sistema de n ecuaciones:
[A]{X} = {B}
Suponga que se limita a un conjunto de ecuaciones de 3 3. Si los elementos de la diagonal no son
todos cero, la primera ecuacin se puede resolver para x1, la segunda para x2 y la tercera para x3,
para obtener

Ahora, se puede empezar el proceso de solucin al escoger valores iniciales para las x. Una forma
simple para obtener los valores iniciales es suponer que todos son cero.
Estos ceros se sustituyen en la ecuacin (11.5a), la cual se utiliza para calcular un nuevo valor x1 =
b1/a11. Despus, se sustituye este nuevo valor de x1 junto con el valor previo cero de x3 en la
ecuacin (11.5b) y se calcula el nuevo valor de x2. Este proceso se repite con la ecuacin (11.5c)
para calcular un nuevo valor de x3. Despus se regresa a la primera ecuacin y se repite todo el
procedimiento hasta que la solucin converja suficientemente cerca a los valores verdaderos. La
convergencia se verifica usando el criterio [recuerde la ecuacin (3.5)]

para todas las i, donde j y j 1 son las iteraciones actuales y previas, respectivamente.

de C.V. No. 310-311 pgs.

EJEMPLO 1.
MTODO DE GAUSS-SEIDEL.
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un E= 0.001.
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
SOLUCIN:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal esten los coeficientes
mayores para asegurar la convergencia.
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
Despejamos cada una de las variables sobre la diagonal:

Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1

Este valor junto con el de X3 se puede utilizar para obtener X2

La primera iteracin se completa sustituyendo los valores de X1 y X2 calculados obteniendo:

En la segunda iteracin, se repite el mismo procedimiento:

Comparando los valores calculados entre la primera y la segunda iteracin


Como podemos observar, no se cumple la condicin

Entonces tomamos los valores calculados en la ltima iteracin y se toman como supuestos para la
siguiente iteracin. Se repite entonces el proceso:

Comparando de nuevo los valores obtenidos

Como se observa todava no se cumple la condicin

As que hacemos otra iteracin

Comparando los valores obtenidos

Dado que se cumple la condicin, el resultado es:


EJEMPLO 2.
MTODO DE GAUSS-SEIDEL.


de C.V. No. 311-312 pgs.


CAPITULO 4.- CONCLUSIONES Y BIBLIOGRAFIA

Conclusiones.

Para poder concluir con el tema En conclusin, como podemos ver, los mtodos numricos pueden
aplicarse en distintos campos, para encontrar resultados aproximados a sistemas complejos
utilizando slo las operaciones matemticas ms simples.
Los mtodos numricos pueden ser aplicados para resolver procedimientos matemticos en:
-Mtodo de Jacobi
-Mtodo de Gauss-Seidel.
-Mtodo de Newton Raphson,
Los mtodos numricos se aplican en reas como:
Ingeniera industrial, ingeniera qumica, ingeniera civil, ingeniera mecnica, ingeniera elctrica. 3
En pocas palabras las aplicaciones de los mtodos numricos son muy variadas y necesarias,
especialmente parta las ingenieras como ya lo expres anteriormente, con esto, puedo concluir
que me interesa su estudio, y sobre todo aprenderlos y manejarlos bien, porque ahora veo que en
un futuro no muy lejano es muy probable que los necesite aplicar.

BIBLIOGRAFIA

[1]Bedford-Fowler/Addison-Wesley. Mecanica para Ingeniero. Mc-graw-Hill.
[2]Beer-Johston. Mecanica Vectorial para Ingenieros. Mc-Graw-Hill.
[3]Schmindt/Thomson, P. B.-r. Mecanica para Ingenieros. Mc-graw-Hill.

UNIDAD No. 6 METODOS NUMERICOS

Încărcat de

Informații document

Titlu original

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

UNIDAD No. 6 METODOS NUMERICOS

Încărcat de

Drepturi de autor:

Formate disponibile

CARRERA:

S-ar putea să vă placă și