Documente Academic
Documente Profesional
Documente Cultură
1. OBJETIVOS
2. FUNDAMENTO TEORICO
2.2. Pseudocódigo:
Datos de Entrada
Datos de Salida
3. PARTE EXPERIMENTAL
3.1. Programa en matlab sin utilizar el método del pivoteamiento
parcial:
function x=gauss(A,b)
n=length(A);
for k=1:1:n-1
for i=k+1:1:n
m=A(i,k)/A(k,k);
A(i,k)=0;
for j=k+1:1:n
A(i,j)=A(i,j)-m*A(k,j);
end
b(i)=b(i)-m*b(k);
end
end
x=zeros(n,1);
x(n)=b(n)/A(n,n);
for k=n-1:-1:1
s=0;
for j=k+1:1:n
s=s+A(k,j)*x(j);
end
x(k)=(b(k)-s)/A(k,k);
end
Nota:
Note que en vez de obtener 9, se obtuvo 8.516… Este fenómeno
se debe a que el pivote A1;1 = 11, cuando comparado con A2;1 =
10^16 , es muy pequeño. Observe que en estas condiciones, el
multiplicador
else
A(k,: )=A(f,: );
b(k,: )=b(f,: );
end
for i=k+1:1:n
m=A(i,k)/A(k,k);
A(i,k)=0;
for j=k+1:1:n
A(i,j)=A(i,j)-m*A(k,j);
end
b(i)=b(i)-m*b(k);
end
end
x=zeros(n,1);
x(n)=b(n)/A(n,n);
for k=n-1:-1:1
s=0;
for j=k+1:1:n
s=s+A(k,j)*x(j);
end
x(k)=(b(k)-s)/A(k,k);
end
Nota:
Así, al escoger el mayor elemento en módulo entre
los candidatos a pivote, se consigue que los
multiplicadores m, en módulo, estén entre cero y
uno, lo que evita la propagación de errores de
redondeo.
Ventajas:
- No altera ni aumenta la cantidad de operaciones que se realizan
para la eliminación.
- Se reduce la propagación de error al haber menor unidad de
cambio entre los números.
- Se reduce los errores por redondeo.
Desventajas:
- A pesar de ser mejor que la eliminación Gaussiana simple, hay
otro método que ofrece mejores resultados y mayor disminución
de propagación de error y redondeo.
4. CONCLUSIONES
Resolución de sistemas de ecuaciones lineales con solución
única
(det A ≠0).
Resolución de sistemas de ecuaciones lineales sin saber si det
A ≠0.
Discusión general de sistemas de ecuaciones lineales.
Resolución simultánea de sistemas de ecuaciones lineales.
Cálculo eficiente de determinantes.
Cálculo eficiente de inversas.
5. BIBLIOGRAFIA
Chapra, Steven C; Raymond Canale P (2007) “Métodos
numéricos para ingenieros”, Quinta edición, McGraw Hill,
México D.F, pp 124-139, 142-167.
Mathews, John H; Fink, Kurtis D (2000) “Métodos numéricos
con MATLAB”, Tercera edicion, Prentice Hall, Santafé de
Bogotá, pp 661-673.
Correa Z, Francisco J (2010) “Métodos numéricos”, Primera
edicion, Fondo editorial Universidad EAFIT, Medellín, Cap 4 y
5.
1.- objetivos
El objetivo principal de este ejercicio es realizar un programa que realice la
descomposición en sus factores L y U.
De forma práctica se experimentara con diferentes ejemplos.
Se usara los factores L y U para determinar el determinante.
método de Gauss
mientras que L es una matriz triangular inferior de nxn con “unos” sobre su
diagonal y los multiplicadores mi;k debajo:
3.-parte experimental
3.1.- programa en matlab/octave que, dada una matriz A calcla sus
factores L y U.
function [L,A]=csts(A)
n=length(A);
for k=1:1:n-1
for i=k+1:1:n
m=A(i,k)/A(k,k);
A(i,k)=0;
L(1,1)=1;
L(i,k)=m;
for j=k+1:1:n
A(i,j)=A(i,j)-m*A(k,j);
if i==j
L(i,j)=1;
else
L(i,j)=0;
endif
endfor
endfor
endfor
endfunction
Comentario
Como podemos observar nuestra matriz es U es la matriz A debido que para
crear otra matriz complica la tarea de programación.
También una forma de comprobar de que A=LU. Es realizando la respectiva
multiplicación de las matrices L y U lo cual nos debe dar como resultado la
matriz A.
Comentario.
El computador demora una fracción de segundo, prácticamente es instantáneo.
si A = BC, entonces:
¿Cómo aplicaría usted esta propiedad para calcular de una manera más
eficiente el determinante de A?
La propiedad que nos será ultil, será la que resaltamos con rojo. La cual indica
que para hallar la determinante en una matriz rectangular es suficiente con
multiplicar los elementos de la diagonal principal.
function d=deter(A)
n=length(A);
d=1;
for i=1:1:n
d=d*A(i,i);
endfor
endfunction
realizamos unos cuantos ejemplos para probar que le cuesta menos procesos
al computador. Con ayuda de un cronometro realizamos dicho procedimiento.
Observación. Se puede observar que para una matriz de 3x3 no existe menor
inconveniente con respecto al tiempo, ya que el computador se demora muy
poco.
4.- conclusiones.
. usar la descomposición ALU es útil cuando queremos hallar sistema de
ecuaciones mediante la determinante
Comprobamos que definitivamente el método de cramer es poco útil para
calcular determinante (toma mucho tiempo).
5.- bibliografia
Chapra, Steven C; Raymond Canale P (2007) “Métodos
numéricos para ingenieros”, Quinta edición, McGraw Hill, México
D.F, pp 124-139, 142-167.
Mathews, John H; Fink, Kurtis D (2000) “Métodos numéricos con
MATLAB”, Tercera edicion, Prentice Hall, Santafé de Bogotá, pp
661-673.
Correa Z, Francisco J (2010) “Métodos numéricos”, Primera
edicion, Fondo editorial Universidad EAFIT, Medellín, Cap 4