Metodos Gauss JordanSiedel

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 9

INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERIA MECANICA Y ELECTRICA


UNIDAD ZACATENCO

Tarea 02
Métodos de Gauss-Jordan y Gauss-Siedel

Alumno: Garcia Palacios Daniel

Profesor: Yáñez López José Luis

Análisis Numéricos

Grupo: 4CV5
MÉTODO DE GAUSS-JORDAN

El método de Gauss-Jordan utiliza operaciones con matrices para resolver sistemas de


ecuaciones de n número de variables.
Para aplicar este método solo hay que recordar que cada operación que se realice se
aplicara a toda la fila o a toda la columna en su caso.
El objetivo de este método es tratar de convertir la parte de la matriz donde están los
coeficientes de las variables en una matriz identidad. Esto se logra mediante simples
operaciones de suma, resta y multiplicación.
El procedimiento es el siguiente:
Primero se debe tener ya el sistema de ecuaciones que se quiere resolver y que puede ser
de n número de variables, por ejemplo:
-3x+3y+2z=1
4x+y-z=2 x-2y+z=3
Se acomodan los coeficientes y los resultados en una matriz:

En el ejemplo, el -3 de la primera matriz se tiene que convertir en un 1, según la matriz


identidad, así que hay que dividir entre -3, pero como una operación se aplica a toda la fila,
entonces toda la primera fila se tiene que dividir entre –3:

Después, como se ve en la matriz identidad, hay que hacer 0 toda la columna debajo del 1, y
se hace multiplicando por algo la fila de arriba y sumándola a la fila de abajo.
En este caso, se multiplica por -4 la fila de arriba y se suma con la correspondiente
posición de la fila de abajo:

Para hacer cero el siguiente renglón simplemente hay que multiplicar por –1 al primer
renglón sumarlo al tercero:
El siguiente paso para lograr una matriz identidad es obtener el siguiente 1, que en este
caso iría en donde está el 5 en la segunda fila. Para lograrlo hay que dividir toda la
segunda fila entre 5:

Después se tienen que hacer 0 los que están arriba y abajo del 1, que en este caso sería, para
el que esta arriba R2+R1:

Ahora hay que hacer cero la posición a12. En este caso con hacer R2+R1 es suficiente:

Dividir entre 2 R3 nos permite encontrar el otro 1, el de la posición a33:

Ahora necesitamos ceros en las posiciones a13 y a23. Dividir entre ⅓ R3 y sumarlo a R1 nos
permitirá encontrar uno de ellos:

El último cero lo logramos multiplicando por -⅓R3 y sumándolo a R2:


Al encontrar la matriz identidad se encuentra la solución del sistema de ecuaciones, pues esto
se traduce a:
x=1
y=0
z=2
las cuales resuelven el sistema de ecuaciones de forma simultánea. La comprobación es la
siguiente:
-3(1)+3(0)+2(2)= -3+4 =1
4(1)+(0)-(2)=4-2 =2
(1)-2(0)+(2)= 1+2 =3
Como puede verse el método Gauss-Jordan es una herramienta útil en la resolución de este
tipo de problemas y actualmente existen programas matemáticos que lo utilizan para una gran
variedad de cálculos en una gran variedad de áreas, tanto científicas como
socioeconómicas.

MÉTODO DE GAUSS-SEIDEL
El método de eliminación para resolver ecuaciones simultáneas suministra soluciones
suficientemente precisas hasta para 15 o 20 ecuaciones. El número exacto depende de las
ecuaciones de que se trate, del número de dígitos que se conservan en el resultado de las
operaciones aritméticas, y del procedimiento de redondeo. Utilizando ecuaciones de error, el
número de ecuaciones que se pueden manejar se puede incrementar considerablemente a
más de 15 o 20, pero este método también es impráctico cuando se presentan, por ejemplo,
cientos de ecuaciones que se deben resolver simultáneamente. El método de inversión de
matrices tiene limitaciones similares cuando se trabaja con números muy grandes de
ecuaciones simultáneas.
Sin embargo, existen varias técnicas que se pueden utilizar, para resolver grandes números de
ecuaciones simultáneas. Una de las técnicas más útiles es el método de Gauss-Seidel.
Ninguno de los procedimientos alternos es totalmente satisfactorio, y el método de Gauss-
Seidel tiene la desventaja de que no siempre converge a una solución o de que a veces
converge muy lentamente. Sin embargo, este método convergirá siempre a una solución
cuando la magnitud del coeficiente de una incógnita diferente en cada ecuación del conjunto,
sea suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa
ecuación.
Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a los otros para
asegurar la convergencia y es aún más difícil predecir la velocidad de la convergencia para
alguna combinación de valores de los coeficientes cuando esa convergencia existe. No
obstante, cuando el valor absoluto del coeficiente dominante para una incógnita diferente para
cada ecuación es mayor que la suma de los valores absolutos de los otros coeficientes de esa
ecuación, la convergencia está asegurada. Ese conjunto de ecuaciones simultáneas lineales
se conoce como sistema diagonal.
Un sistema diagonal es condición suficiente para asegurar la convergencia pero no es
condición necesaria. Afortunadamente, las ecuaciones simultáneas lineales que se derivan de
muchos problemas de ingeniería, son del tipo en el cual existen siempre coeficientes
dominantes.
La secuencia de pasos que constituyen el método de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incógnita que aparezca en el conjunto. Si es posible hacer
una hipótesis razonable de éstos valores, hacerla. Si no, se pueden asignar valores
seleccionados arbitrariamente. Los valores iniciales utilizados no afectarán la convergencia
como tal, pero afectarán el número de iteraciones requeridas para dicha convergencia.
2. Partiendo de la primera ecuación, determinar un nuevo valor para la incógnita que tiene el
coeficiente más grande en esa ecuación, utilizando para las otras incógnitas los valores
supuestos.
3. Pasar a la segunda ecuación y determinar en ella el valor de la incógnita que tiene el
coeficiente más grande en esa ecuación, utilizando el valor calculado para la incógnita del
paso 2 y los valores supuestos para las incógnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la
incógnita que tiene el coeficniente más grande en cada ecuación particular, y utilizando
siempre los últimos valores calculados para las otras incógnitas de la ecuación. (Durante la
primera iteración, se deben utilizar los valores supuestos para las incógnitas hasta que se
obtenga un valor calculado). Cuando la ecuación final ha sido resuelta, proporcionando un
valor para la única incógnita, se dice que se ha completado una iteración.
5. Continuar iterando hasta que el valor de cada incógnita, determinado en una iteración
particular, difiera del valor obtenido en la iteración previa, en una cantidad menor que cierto
seleccionado arbitrariamente. El procedimiento queda entonces completo.

Refiriéndonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor será la
precisión de la solución. Sin embargo, la magnitud del epsilon no especifica el error que puede
existir en los valores obtenidos para las incógnitas, ya que ésta es una función de la velocidad
de convergencia. Mientras mayor sea la velocidad de convergencia, mayor será la precisión
obtenida en los valores de las incógnitas para un dado.
EJEMPLO

Resolver el siguiente sistema de ecuación por el método Gauss-Seidel utilizando un =


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
SOLUCIÓN:
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 iteración se completa sustituyendo los valores de X1 y X2 calculados obteniendo:

En la segunda iteración, se repite el mismo procedimiento:

Comparando los valores calculados entre la primera y la segunda iteración


Como podemos observar, no se cumple la condición

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

Comparando de nuevo los valores obtenidos

Como se observa todavía no se cumple la condición

Así que hacemos otra iteración

Comparando los valores obtenidos


Dado que se cumple la condición, el resultado es:

X1 = 3.0

X2 = -2.5

X3 = 7.0

Como se puede comprobar no se tiene un número exacto de iteraciones para encontrar una
solución. En este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan más
iteraciones.
Se deja de investigación al alumno alguna forma que haga que este método converga más
rápidamente.

Conclusiones

Se concluye en dos sentidos diferentes: Primeramente, debe percibirse que el método de


Jacobi es un antecedente del método de Gauss-Seidel, mismo que lo mejora de forma notable
al acelerar su convergencia. En segundo término, pero no menos importante, estos métodos
del género de las aproximaciones sucesivas dependen fundamentalmente de su criterio de
convergencia. En este caso, de la diagonal dominante.
Es difícil determinar qué tan dominante es una diagonal. No se establece una convención que
nos diga la relación que debe guardar el elemento aii sobre el resto de los coeficientes aij de su
ecuación. En todo caso, entre más evidente sea el dominio de los elementos sobre la diagonal
principal, más rápida será la convergencia de la solución.

Referencias
Borras, H., Duran, R., y Iriarte, R. (1984). Apuntes de métodos numéricos (F. de Ingeniería
UNAM, Ed.).
Burden, R., y Faires, D. (2011). Análisis numérico (C.
Learning, Ed.). Garc´ıa B., S. (2017). Métodos Numéricos
Gerald, C., y Wheatley, P. (2000). Análisis numérico con aplicaciones (P. Hall, Ed.).

También podría gustarte

pFad - Phonifier reborn

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


Alternative Proxies:

Alternative Proxy

pFad Proxy

pFad v3 Proxy

pFad v4 Proxy