polino - metodos numericos
TRANSCRIPT
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 1
FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA
Alumno: Rojas Polino Jos.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 2
Contenido
INTRODUCCIN ..................................................................................................................... 4
1. INTRODUCCIN A LA TEORA DE VALOR .............................................................. 5
2. TEOREMA DE BOLZANO (TB) ................................................................................... 10
3. MTODO DE BISECCIN ............................................................................................ 11
4. Mtodo de Regula Falsi o Mtodo de Falsa Posicin ...................................................... 16
5. MTODO DE LA SECANTE ......................................................................................... 20
6. MTODO DE PUNTO FIJO O MTODO DE APROXIMACIONES
SUCESIVAS ............................................................................................................................ 23
7. MTODO DE NEWTON RAPHSON .............................................................................. 27
8. SISTEMAS DE ECUACIONES NO LINEALES EN DOS VARIABLES ............................... 30
8.1. Algoritmo del Punto Fijo en dos variables : ........................................................... 30
8.2. Algoritmo de Newton Rapson ( N.R ) en dos variables : .................................... 35
9. METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES ............................. 40
9.1. METODO DE CROUT - DOOLITLE ........................................................................... 40
9.2. METODO DE CHOLESKY .......................................................................................... 43
10. MTODO TRIDIAGONAL PARA SISTEMAS DE ECUACIONES LINEALES. ............... 47
11. MTODO PENTADIAGONAL PARA SISTEMAS DE ECUACIONES LINEALES. ......... 55
12. SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES LINEALES ........................ 65
12.1. METODO DE JACOBI ............................................................................................. 65
12.2. METODO DE GAUSS- SEIDEL ............................................................................... 74
13. INTERPOLACIN ......................................................................................................... 88
13.1. INTERPOLACIN DIRECTA LINEAL .................................................................. 88
13.2. INTERPOLACION DIRECTA CENTRAL ................................................................ 93
13.2.1. Interpolacin de Stirling ............................................................................... 93
13.2.2. Interpolacin de Bessel ................................................................................ 94
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 3
13.2.3. Interpolacin de Everett ............................................................................... 94
13.3. INTERPOLACIN INVERSA. ................................................................................. 97
13.3.1. Interpolacin Inversa No Lineal ( IINL ) ...................................................... 97
13.3.2. Interpolacin Inversa No Lineal de tercer orden ............................................ 99
14. INTEGRACIN NUMERICA ........................................................................................ 110
14.1. Para intervalos Simples ..................................................................................... 110
14.1.1. Mtodo del trapecio .................................................................................... 110
14.1.2. Mtodo de Simpson de 1/3 ........................................................................ 110
14.1.3. Mtodo de Simpson de 3/8 ........................................................................ 111
14.2. Integracin Numrica para intervalos compuestos ........................................ 114
14.2.1. Mtodo del trapecio compuesto ................................................................ 114
14.2.2. Mtodo de Simpson de 1/3 compuesta. .................................................... 114
14.2.3. Mtodo de Simpson de 3/8 compuesta. .................................................... 117
15. EXTRAPOLACION DE RICHARDSON- (E.R) ............................................................. 119
16. INTEGRACION DE ROMBERG ................................................................................... 131
17. SOLUCIN NUMRICA DE ECUACIONES DIFERENCIALES ORDINARIAS CON VALOR INICIAL...................................................................................................................... 137
18. DIFERENCIA NUMERICA ........................................................................................... 149
18.1. Para Newton Progresivo ( NP ) ............................................................................ 150
18.2. Para Newton Regresivo ( NR ) ............................................................................ 151
19. PREDICTOR CORRECTOR....................................................................................... 156
20. ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR .......................................... 158
CONCLUSIONES .................................................................................................................... 161
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 4
INTRODUCCIN
En la prctica de la ingeniera y ciencias es frecuente tener la necesidad de resolver un sistema de ecuaciones lineales. Estos sistemas aparecen en muy diversos problemas, ya sea como la solucin completa de un problema al menos como parte de ella. Dada esta necesidad frecuente, se requiere resolverlos en forma eficiente. Para una mejor organizacin y bsqueda rpida de cada tema se ha implementados con un ndice al principio del trabajo para su fcil ubicacin de los temas ya que el texto completo se encuentra enumerada de principio a fin, adems en el final se ha considerado incluir problemas resueltos de los diferentes temas estudiados. Como los algoritmos de los mtodos ya estn disponibles en la mayora de los libros de texto sobre la materia, se explicara en la medida de lo posible, detalles de implementacin (personales) de los mtodos directos (que son mas difciles de programar). El lenguaje de programacin idneo para tal fin ser matlab 6.0 Damos desde ya los agradecimientos a todas aquellas personas que dieron su apoyo para completar el trabajo tanto en ideas, criticas para su mejoramiento sin importar la magnitud de la ayuda han sido de gran ayuda y esperando aun recibir su aportes para la continua superacin en los prximos trabajos que se han de mostrar.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 5
1. INTRODUCCIN A LA TEORA DE VALOR
1.1. Definicin de cifras significativas
Son valores o nmeros diferentes de cero.
El cero no ser considerado cifra significativa si est en el extremo.
Ejemplo
El cero no ser considerado cifra significativa si est en el extremo.
Pero el si el cero est entre los nmeros diferentes de cero, entonces es cifra significativa.
1.2. Descomposicin polinmica de un nmero.
Todo valor o nmero se le puede expresar como una descomposicin de potencia de 10.
Ejemplo 1.2.1.
Ejemplo 1.2.2.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 6
Ejemplo 1.2.3.
1.3. Orden de la descomposicin polinmica
{ }
Ejemplo 1.3.1.
{ } entonces
Ejemplo 1.3.2.
{ } entonces
Ejemplo 1.3.3.
{ } entonces
1.4. Error absoluto
Es la diferencia entre un valor de exacto y una de sus aproximaciones. Puede ser positivo o
negativo, segn si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
DEFINICION DE CIFRAS SIGNIFICATIVAS EXACTAS:
Se define por la siguiente relacin:
Donde:
es el orden de la descomposicin polinmica.
nmero de cifras significativas exactas.
DEFINICION DE CIFRAS DECIMALES EXACTAS:
Se define por la siguiente relacin:
Donde:
numero de cifras decimales exactas.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 7
Ejemplo 1.4.1.
Sea
Para
Error Absoluto ( )
| |
{ } Entonces
Cifra significativa exacta
Entonces
tiene dos cifras significativas exactas.
Cifras decimales exactas
Entonces
tiene 2 cifras decimales exactas
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 8
Para
Error Absoluto ( )
| |
{ } Entonces
Cifra significativa exacta
Entonces
tiene dos cifras significativas exactas.
Cifras decimales exactas
Entonces
tiene 2 cifras decimales exactas
Para
Error Absoluto ( )
| |
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 9
{ } Entonces
Cifra significativa exacta
Entonces
tiene cuatro cifras significativas exactas.
Cifras decimales exactas
Entonces
tiene cuatro cifras decimales exactas.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 10
2. TEOREMA DE BOLZANO (TB)
Sea la ecuacin no lineal ( ) Donde ( ) es funcin no trascendente (trigonomtrica, exponencial, logartmica o polinomial), definida y continua en Si ( ) ( ) entonces existe la raz o solucin tal que ( )
Ejemplo 2.1.
( )
Por Teorema de Bolzano localizamos el intervalo donde exista la raz.
Es evidente que ( ) sigue siendo continua en
Como ( ) ( ) entonces tal que ( ) Observacin:
Es evidente que si ( ) ( ) entonces o es la raz de la ecuacin.
El teorema de Bolzano nos garantiza mostrar que existir por lo menos una raz si es que cumple los requisitos.
El intervalo apropiado a usar se recomienda que sea distanciado a 1 o menor, como lo fue en este caso del intervalo del ejemplo 2.1.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 11
3. MTODO DE BISECCIN
Dado la ecuacin no lineal ( ) tal que existe la raz por T.B. El mtodo de biseccin consiste en hallar el promedio simple de cada intervalo
La idea es encontrar el valor que se aproxime o sea igual a la raz de la ecuacin ( ) Algoritmo de biseccin: P-1.- Dado la ecuacin ( ) tal que existe la raz por T.B. P-2.- Generar la sucesin { }
mediante la siguiente relacin
P-3. Hallar ( ) ( ) Si ( ) ( ) entonces hacer
Es decir, que tome el valor de
Y que tome el valor de Si ( ) ( ) entonces hacer
Es decir, que tome el valor de
Y que tome el valor de Si ( ) ( ) entonces hacer
Es decir, que sea la raz de ( ) P-4. - Dejar de iterarse para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas Caso contrario ir al P-2.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 12
Ejemplo 3.1.
( )
a) Por Teorema de Bolzano localizar el intervalo donde exista la raz.
b) Por Biseccin hallaremos la solucin con dos cifras significativas exactas ( ).
Se dejar de iterar si | |
Entonces | |
| |
Si es verdadera entonces es solucin con dos cifras significativas exactas.
Iteracin inicial
Entonces
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Primera iteracin
Entonces
| | ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 13
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Segunda iteracin
Entonces
| | ( )
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Tercera iteracin
Entonces
| | ( )
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Cuarta iteracin
Entonces
| | ( )
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 14
Entonces ,
Quinta iteracin
Entonces
| | ( )
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Sexta iteracin
Entonces
| | ( )
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Sexta iteracin
Entonces
| | ( )
Entonces es raz con dos cifras significativas
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 15
Relacin vlida slo para Biseccin
Dado la ecuacin ( ) tal que existe la raz por T.B.
Conociendo:
El intervalo inicial de la Biseccin.
el orden de la descomposicin polinmica de .
numero de cifras significativas exacta de .
Entonces esta frmula:
Donde numero entero menor, indicando la cantidad de iteraciones
Ejemplo 3.2.
Tomando el ejemplo 3.1., comprobando el nmero de iteraciones que se requiere dado su nmero de cifras
significativas exactas( ), es el siguiente:
( )
( )
Entonces
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 16
4. Mtodo de Regula Falsi o Mtodo de Falsa Posicin
Es un mtodo similar al mtodo de biseccin en la que en vez de hallar el promedio simple de dos
intervalos
El mtodo de R.F. determina el promedio ponderado de los intervalos
Algoritmo del mtodo de R.F.
P-1.- Dado la ecuacin ( ) tal que existe la raz por T.B.
P-2.- Generar la { } mediante la relacin
( ) ( )
( ) ( )
P-3. Hallar ( ) ( ) Si ( ) ( ) entonces hacer
Es decir, que tome el valor de
Y que tome el valor de Si ( ) ( ) entonces hacer
Es decir, que tome el valor de
Y que tome el valor de Si ( ) ( ) entonces hacer
Es decir, que sea la raz de ( ) P-4. - Dejar de iterarse para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas Caso contrario ir al P-2.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 17
Ejemplo 4.1.
( )
a) Por Teorema de Bolzano localizar el intervalo donde exista la raz.
b) Por RF hallaremos la solucin con dos cifras significativas exactas ( ).
Se dejar de iterar si | |
Entonces | |
| |
Si es verdadera entonces es solucin con dos cifras significativas exactas.
Iteracin inicial
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Primera iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 18
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Primera iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Tercera iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Cuarta iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 19
Se sigue iterando
( ) ( ) ( ) ( ) ( )( ) Entonces {
Entonces ,
Quinta iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
Entonces es raz con dos cifras significativas
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 20
5. MTODO DE LA SECANTE
Algoritmo del mtodo de la secante.
P-1.- Dado la ecuacin ( ) tal que existe la raz por T.B.
P-2.- Generar la { } mediante la relacin
( ) ( )
( ) ( )
P-3. - Dejar de iterarse para el caso de cifras Significativas exactas | | para el caso de cifras Decimales exactas Caso contrario ir al P-2.
Ejemplo 5.1.
( )
a) Por Teorema de Bolzano localizar el intervalo donde exista la raz.
b) Por la secante hallaremos la solucin con dos cifras significativas exactas ( ).
Se dejar de iterar si | |
Entonces | |
| |
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 21
Si es verdadera entonces es solucin con dos cifras significativas exactas.
Sea Entonces ,
Segunda iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
Tercera iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
Cuarta iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( ) Entonces
| | ( )
Quinta iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( )
Entonces
| | ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 22
Sexta iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( )
Entonces
| | ( )
Sptima iteracin
( ) ( )
( ) ( )
( ) ( )
( ) ( )
Entonces
| | ( )
Entonces es raz con dos cifras significativas
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 23
6. MTODO DE PUNTO FIJO O MTODO DE
APROXIMACIONES SUCESIVAS
Algoritmo:
P-1.- Dado la ecuacin ( ) tal que existe la raz por T.B.
P-2.- De ( ) despejar de diferentes formas y obtener una ecuacin de la siguiente forma:
( )
Donde ( ) es llamado punto fijo.
Generar la { } mediante la relacin
( )
Donde
Tomando como valor arbitrario tal que
Condicin de convergencia ?
Existe { } si se cumple lo siguiente:
a) ( )
b) ( ) tal que | ( ) | ;
es llamado constante de Lipschitz
{ | ( ) | | ( ) | }
P-3. - Dejar de iterarse para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas Caso contrario ir al P-2 en ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 24
Ejemplo 6.1. ( ) ( )
a) Por Teorema de Bolzano localizar el intervalo donde exista la raz.
b) Por punto fijo verificamos convergencia
De ( 1 ) {
( )
Entonces ( )
, ( )
, ( ) ( )
Anlisis para ( ) ( )
Primera condicin ( ) ?
( ) ( ) no cumple la primer condicin
Entonces { } con
Anlisis para ( )
Primera condicin ( ) ?
( ) ( ) no cumple la primer condicin
Entonces { } con
Anlisis para ( )
Primera condicin ( ) ?
( ) , ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 25
Segunda condicin | ( ) | ?
Si ( )
entonces ( )
,
| ( ) |
| ( ) |
{ | ( ) | |
( ) | } { }
entonces | ( ) |
{ } con ( )
c) Obtener una solucin con dos cifras significativa exacta( n = 2 )
Se deja de iterar si | | Con
| |
Con ( )
su relacin de recurrencia :
( ) entonces
Sea
Iteracin inicial
Entonces
| | ( )
Primera iteracin
Entonces
| | ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 26
Segunda iteracin
Entonces
| | ( )
Tercera iteracin
Entonces
| | ( )
Cuarta iteracin
Entonces
| | ( )
Entonces es raz con dos cifras significativas
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 27
7. MTODO DE NEWTON RAPHSON
El Mtodo de Newton - Raphson es ampliamente utilizado para encontrar las races de la ecuacin ( )
, ya que converge rpidamente, la contra es que uno debe conocer la derivada de ( ) y se necesita
una aproximacin inicial muy cercana a la raz.
Se requiere que ( ) sea doblemente continua y diferenciable en .
Algoritmo:
P-1.- Dado la ecuacin ( ) tal que existe la raz por T.B.
P-2.- Generar la { } mediante la relacin
( )
( )
Convergencia de N-R.
Existe { } si |
( ) ( )( )
( ) | y ( ) ( )( )
Esto significa que est muy cercano a la raz.
P-3. - Dejar de iterarse para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas Caso contrario ir al P-2 en
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 28
Ejemplo 7.1. ( ) ( )
a) Por Teorema de Bolzano localizar el intervalo donde exista la raz.
b) Verificar su convergencia por N.R.
Si ( ) entonces ( ) ( ) ( )( ) ( )
Veremos si es vlido o no.
( ) ( )( ) entonces no es vlido para iterar.
Veremos si es vlido o no
( ) ( )( ) entonces es vlido para iterar.
| ( ) ( )( )
( ) | ( )
{ } por N.R.
c) En la iteracin Cuantas cifras significativas exactas tiene la solucin ?
Con y con ( ) , ( ) ( )
( )
( )
( )
( )
Escogeremos para dos cifras significativas exactas ( n = 2 )
Se deja de iterar si | | Con
| |
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 29
Iteracin inicial
( )
( )
( )
( )
Entonces
| | ( )
Primera Iteracin
( )
( )
( )
( )
Entonces
| | ( )
Segunda Iteracin
( )
( )
( )
( )
Entonces
| | ( )
Segunda Iteracin
( )
( )
( )
( )
Entonces
| | ( )
Entonces es solucin con dos cifras significativas exactas.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 30
8. SISTEMAS DE ECUACIONES NO LINEALES EN DOS
VARIABLES
Dado el Sistema:
( ) ( 1 )
( )
tal que ,
8.1. Algoritmo del Punto Fijo en dos variables :
P-1.- De ( 1 ) despejar e respectivamente para obtener una relacin de la siguiente forma.
( ) ( 2 ) ( )
P-2.- De ( 2 ) generar la sucesin:
{ } { }
Mediante la siguiente relacin de recurrencia:
( ) , ( )
Donde
P-3. - Dejar de iterarse para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 31
para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas Caso contrario ir al P-2 en
Condicin de convergencia del punto fijo:
{ } { }
Si se cumple lo siguiente:
| |( ) | |( ) y | |( ) | |( )
Donde
( )
( )
Ejemplo 8.1.1.
( ) ( )
( ) ( )
a) Por Teorema de Bolzano localizar el punto inicial ( ).
(i) Primero formamos de (1) la forma ( )
De (2) se obtiene ( )
De ( ) en (1) se obtiene ( )
(ii) Aplico Teorema de Bolzano para intervalos de longitud 1.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 32
(iii) De (ii) igual para intervalo de longitud 0.1
Sea
Luego de ( ) : entonces
b) { } { }
( ) se tiene entonces ( )
( ) se tiene entonces ( )
| |( ) | |( )
| |( ) | |( )
| ( )|
( )
| |( ) | |( )
| |( ) | |( )
| |
( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 33
Por lo tanto f y g cumplen la condicin de convergencia.
c) Por punto fijo obtener una solucin con dos cifras significativas exactas ( ).
Se dejar de iterar si:
| | con | |
Entonces | | con | |
| | con | |
Si es verdadera entonces ( ) es solucin con dos cifras significativas exactas.
Teniendo :
entonces
entonces
con
( ) ( )
( ) Entonces
( ) Entonces
| | ( )
| | ( )
( ) ( )
( ) Entonces
( ) Entonces
| | ( )
| | ( )
( ) ( )
( ) Entonces
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 34
( ) Entonces
| | ( )
| | ( )
( ) ( )
( ) Entonces
( ) Entonces
| | ( )
| | ( )
( ) ( )
( ) Entonces
( ) Entonces
| | ( )
| | ( )
( ) ( )
( ) Entonces
( ) Entonces
| | ( )
| | ( )
Por lo tanto ( ) ( ) ( ) es raz con dos cifras significativas exacta.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 35
8.2. Algoritmo de Newton Rapson ( N.R ) en dos variables :
P-1.- Dado el sistema siguiente tal que tal que , por T.B.
( )
( )
P-2.- Generar la sucesin:
{ } { }
Mediante la siguiente relacin de recurrencia:
|
|
( )
|
|
( )
|
|( )
|
|
( )
Donde
( )
( )
( )
( )
P-3. - Dejar de iterarse para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 36
para el caso de cifras Significativas exactas ( ) | | para el caso de cifras Decimales exactas Caso contrario ir al P-2 en
Condicin de convergencia del NR:
{ } { }
Si se cumple :
( ) |
| ( )
Ejemplo 8.2.1.
( ) ( )
( ) ( )
Por Teorema de Bolzano localizar el punto inicial ( ).
(i) Primero formamos de (1) la forma ( )
De (2) se obtiene ( )
De ( ) en (1) se obtiene ( )
(ii) Aplico Teorema de Bolzano para intervalos de longitud 1.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 37
(iii) De (ii) igual para intervalo de longitud 0.1
Sea
Luego de ( ) : entonces
Entonces el punto inicial es ( ) ( )
a) { } { }
Verificando su convergencia por Newton Raphson
( )
( ) |
|( )
|
|( )
( )
Entonces ( )
Por lo tanto { } { }
Sea lo siguiente:
|
|
( )
|
|
( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 38
|
|( )
|
|( )
|
|( )
|
|
( )
|
|( )
|
|( )
( )
( )
b) Por este mtodo, una solucin con dos cifras significativas exactas ( n = 2 ). Se dejar de iterar si:
| | con | |
Entonces | | con | |
| | con | |
Si es verdadera entonces ( ) es solucin con dos cifras significativas exactas.
( ) ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 39
Entonces
( )
Entonces
| | ( )
| | ( )
( ) ( )
Entonces
( )
Entonces
| | ( )
| | ( )
Por lo tanto ( ) ( ) ( ) es raz con dos cifras significativas exacta.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 40
9. METODOS DIRECTOS DE SISTEMAS DE ECUACIONES
LIENALES
9.1. METODO DE CROUT - DOOLITLE
Consiste en factorizar una matriz cuadrada A en un producto LU. Esto es:
Donde:
A: es la matriz a factorizar.
L : es una matriz triangular inferior, cuyos elementos de la diagonal principal son iguales a 1. Se llama L
porque viene de la palabra inglesa low, que significa bajo.
U : es una matriz triangular superior, cuyos elementos se hallan por el mtodo de la eliminacin gaussiana.
Se llama U porque viene de la palabra inglesa up, que significa arriba.
Ejemplo 9.1.1.
[
]
Se factoriza como el producto de dos matrices triangulares.
[
] [
] [
]
Se tiene un sistema de 9 ecuaciones con 12 variables, entonces existe infinitas soluciones.
Se fijar tres variables. Sea
[
] [
] [
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 41
Primera columna:
Entonces Entonces Entonces
Segunda columna:
Entonces
Entonces
Entonces
Tercera columna:
Entonces
Entonces
Entonces
[
] [
] [
]
Para un sistema lineal de la forma: Donde A se factoriza de la forma:
L: Matriz Triangular Inferior U: Matriz Triangular Superior
Sea: ( )
Ejemplo 9.1.2.
Calculando [
] tal que con [
] y [ ]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 42
Se sabe
( )
( )
Sea la cual [
]
[
] [
] [ ]
Entonces
Entonces
Entonces
[
] [
] [
]
Entonces
Entonces
Entonces
[
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 43
9.2. METODO DE CHOLESKY
Primera versin
Tambin para resolver el sistema para aplicar cholesky se debe cumplir lo siguiente:
1) es simtrico, es decir debe cumplir 2) sea definida positiva.
Ejemplo 9.2.1.
Desarrolle:
[
] [
] [ ]
Dado :
[
] entonces
Viendo si es definida positiva:
entonces
[
] entonces
[
] entonces
Por lo tanto A es positiva, entonces se puede aplicar cholesky.
Se factoriza como el producto de dos matrices triangulares.
[
] [
] [
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 44
Primera columna:
( ) Entonces
Entonces
Entonces
Segunda columna:
( ) ( )
Entonces
Entonces
Tercera columna:
( ) ( )
( ) Entonces
[
] [
] [
]
Calculando [
] tal que con [
] y [ ]
Se sabe
( )
( )
Sea la cual [
]
[
] [
] [ ]
Entonces
Entonces
Entonces
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 45
[
] [
] [
]
Entonces
Entonces
Entonces
[
]
Segunda versin
Para la solucin del sistema cuando no es simtrica. Pero hacia se le puede hacer transformar.
Ejemplo 9.2.2.
Para la solucin del sistema:
[
] [
] [
]
En donde A no es simtrica.
Se le puede hacer transformar en pasos elementales de Matriz.
[
] ( )
( )
[
]
Entonces la nueva matriz es [
] con [ ]
Siendo A simtrica y positiva
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 46
[
] [
] [ ]
Es idntico al ejemplo 9.2.1.
Obtiene esta expresin, en la que [
] se mantiene igual:
El desarrollo, para hallar [
], es la misma en la versin 1, obteniendo [
] [
]
[
] es solucin de [
] [
] [
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 47
10. MTODO TRIDIAGONAL PARA SISTEMAS DE
ECUACIONES LINEALES.
Sea el sistema de ecuaciones de la forma:
ALGORITMO TRIDIAGONAL: P-1: Del sistema , expresarlo como Sea , C es constante arbitraria / { } De la Ec. (1) despejar De la Ec. (2) despejar De la Ec. (3) despejar . De la Ec. (n-1) despejar De la Ec. (n) despejar Pero como no existe se hace lo siguiente: Tal que: ( ) donde R: vector residual Se tiene ( )
(
)(
) (
)
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 48
Si es solucin de Si es solucin de
P-2: Del sistema expresarlo como y sea , se procede como P-2, llegando a lo siguiente: Tal que: ( ) donde S: vector residual Se tiene ( )
Si es solucin de Si es solucin de Se tiene: .. ( ) .. ( ) ( ) ( ) ( ) ( ) 0 Se busca una relacin: Tal que: ( )
Ejemplo 10.1.
Sea el sistema:
( ) ( ) ( )
( )
Paso 1
Sea el sistema:
( ) ( ) ( )
( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 49
Sea constante arbitraria.
En ( 1 ) , ( 2 ) , ( 3 ) , ,
En ( 4 ) Como No existe se hace lo siguiente:
Tal que r es valor residual. Entonces
Paso 2
Del sistema entonces
Sea tal que { }
( ) ( ) ( )
( )
De ( 1 ) , ( 2 ) , y ( 3 ) se consigue , ,
En ( 4 ) Como No existe se hace lo siguiente:
Tal que t es valor residual. Entonces
Del paso 1 se obtiene: ( ) con
Del paso 2 se obtiene: ( ) con
La solucin es:
( )
( )
( )
Entonces , , ,
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 50
Ejemplo 10.2. Resolver:
2
2
Del sistema
(1)
2 ... (2)
2 (3)
(4) Sea , { }
De (1): De (2): 0 De (3):
De la ec. (4) despejo , pero como no existe
( )
( )
Del sistema Sea , luego se procede como P-2 , en
, en , en
Observacin: Si cambiar el valor inicial de ( )
( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 51
Se busca una solucin Tal que:
Verificando: 2 2( ) ( ) ( )
Ejemplo 2
(Solucin de sistemas lineales en Tribanda)
Sea en Tribanda.
( )
( )
( )
( )
Algoritmo del sistema Tridiagonal
Solucin:
Del sistema
( )
( )
( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 52
( )
Sea , C vector arbitrario talque { }
Entonces:
De (1) despejo :
( )
De (2) despejo :
( )
De (3) despejo :
( )
De (4) despejar ; pero :
( )
Y se tiene que: ( ) ( )
Ahora expresarlo como es un vector nulo.
( )
( )
( )
( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 53
Sea { }
sea
De (1) despejar :
( )
De (2) despejar :
( )
De (3) despejar :
( )
( ) ( )
De (4) despejar , pero entonces:
( )
Entonces:
[
] [
] [
]
[
] [
]
Comprobacin:
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 54
-46+24+13
-22+13=-9
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 55
11. MTODO PENTADIAGONAL PARA SISTEMAS DE
ECUACIONES LINEALES.
Ejemplo 11.1. Dado el sistema se tiene lo siguiente:
( )
( )
( )
( )
( )
Paso 1
Del sistema original expresando en la forma
( )
( )
( )
( )
( )
Sea ( Uno de ellos debe ser diferente de cero y el otro debe ser cero )
De ( 1 ), ( 2 ), ( 3 ) se obtiene , ,
De ( 4 ) como NO existe se hace lo siguiente
entonces
De ( 5 ) como NO existe se hace lo siguiente
entonces
Entonces [
] [ ]
Se tiene ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 56
Paso 2 primera solucin homognea
Del sistema original expresando en la forma
( )
( )
( )
( )
( )
Sea ( dos nmeros cualesquiera )
De ( 1 ), ( 2 ), ( 3 ) se obtiene , ,
De ( 4 ) como NO existe se hace lo siguiente
entonces
De ( 5 ) como NO existe se hace lo siguiente
entonces
Entonces [
] [
]
Se tiene ( )
Paso 3 segunda solucin homognea
Del sistema original expresando en la forma
( )
( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 57
( )
( )
( )
Sea
De ( 1 ), ( 2 ), ( 3 ) se obtiene , ,
De ( 4 ) como NO existe se hace lo siguiente
entonces
De ( 5 ) como NO existe se hace lo siguiente
entonces
Entonces [
] [
]
Se tiene ( )
Paso 4
[
] [
] [
]
[ ] [
] [
]
Entonces
La solucin
( )
( )
( )
(
)
Es decir
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 58
Ejemplo 11.2. Dado el sistema resolver el siguiente sistema pentadiagonal
2 + 3 + = 8 EC(1)
3 + 2 + 4 + = 15 EC(2)
+ 4 + + 4 + 2 = 13 EC(2)
+ 4 + 2 + = 19 EC(4)
2 + + 7 = 15 EC(5)
PASO DEL ALGORITMO
P-1: Expresar el sistema como A. = b
2 + 3 + = 8 Ec(1)
3 + 2 + 4 + = 15 Ec(2)
+ 4 + + 4 + 2 = 13 Ec(3)
+ 4 + 2 + = 19 Ec(4)
2 + + 7 = 15 Ec(5)
Sea = 0 = 1 cte arbitrario
De Ec(1) despejar = 5
pues 0 + 3(1) + = 8
De Ec(2) despejar = 7
Pues 0 + 2(1) +4(8) + = 15
De Ec(3) despejar = 16
Pues 0 + 4(1) + 5 + 4( 7) + 2 = 13
De Ec(4) despejar ; como , hacemos lo sgte. :
+ 4 + 2 + = 19 +
1 + 4(5) + 2( 7) + 16 = 19 + = 45
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 59
De la Ec(5) despejar ; como hacemos
2 + + 7 = 15 +
2(5) + ( 7) +7(16) = 15 + = 100
R = [
] , como R ; A. = b + R
Se tiene:
=
[
]
=
[
]
=( )
P-2:
Primera solucin homognea del sistema A.x = b, expresarlo como A. =
2 + 3 + = 0 Ec(1)
3 + 2 + 4 + = 0 Ec(2)
+ 4 + + 4 + 2 = 0 Ec(3)
+ 4 + 2 + = 0 Ec(4)
2 + + 7 = 0 Ec(5)
Sea = 10 = 20
De Ec(1) despejar ; = 80
pues 2(10) + 3(29) + = 0
De Ec(2) despejar ; = 250
Pues 3(10) +2(20) + 4( 8) + = 0
De Ec(3) despejar ; =
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 60
pues 10 + 4(20) + ( 80) + 4(250) + 2 =0
De Ec(4) despejar ; como hacemos
+ 4 + 2 + = 0 +
20 + 4( 80) + 2(250) + ( 505) = 0 + ; = 1445
De Ec(5) despejar ; como hacemos
2 + + 7 = 0 +
2( )+ (250) + 7( ) = 0 +
[
]
S = [
]
P-3: Segunda solucin homognea del sistema A.x = b expresar A. = 0
2 + 3
+ = 0 Ec(1)
3 + 2
+ 4 +
= 0 Ec(2)
+ 4
+ + 4
+ 2 = 0 Ec(3)
+ 4
+ 2 +
= 0 Ec(4)
2 +
+ 7 = 0 Ec(5)
Sea = 20
= 10
De Ec(1) despejar ; =
Pues 2(20) + 3(10) + = 0
De Ec(2) despejar =
3 + 2
+ 4 +
= 0
3(20) + 2(10) + 4( ) + = 0
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 61
De Ec(3) despejar = 395
+ 4
+ + 4
+ 2 = 0
20 + 4(10) + ( ) + 4(200) + 2 = 0
De Ec(4) despejar como
, hacemos
+ 4
+2 +
= 0 + = 1925
10 + 4( ) 2(200) + 395 = 0 +
De Ec(5) despejar ; como
2 +
+7 = 0 + = -2705
[
]
[
]
[
] [
]
A. = + T
P-4: Y se llega a lo siguiente
A. = b + R
A. = 0 + S
A. = 0 + T
R = 0 R= [
]
+ = R S = [
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 62
[
] + [
]= [
] T = [
]
1445 + 1925 = ; = 0.025992507
2705 = 100 ; = 0.003865364
x =
x =
[
]
=
[
]
+ 0.025992507
[
]
+ 0.003865364
[
]
X =
[
]
[
]
Comprobacin : Ec(1)
2 + 3 + = 8
0.6744647 + 4.67551134 + 2.65002396 = 8
8 = 8 Cumple!!!
Y tambien cumple tod l u i
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 63
NORMA DE UNA MATRIZ
La Norma de una matriz es un nmero real tal que satisface las siguientes condiciones
Principales Normas Ejemplo 1:
Sea [
]
{ | | | | } { } {| | | | } { }
( ) ( )
( ) ( )
( )
() || | | ()
{ | |
| |
| |
}
{ | |
| |
| |
}
-Norma m o Norma
-Norma l,
-Norma k, | |
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 64
Para el vector X =
[
]
{ | | | | | | }
| | | | | |
| | | | | | Ejemplo 2: Sea X = ( ) { | | | | } | | | |
( ) ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 65
12. SOLUCION ITERATIVA DE SISTEMAS DE
ECUACIONES LINEALES
12.1. METODO DE JACOBI Dado el sistema
Ec.(1) a11x1 + a12x2 + .. + a1mxm = b1
Ec.(2) a21X1 + a22X2 + .. + a2mXm = b2
Ec.(3) a31X1 + a32X2 + .. + a3mXm = b3
Ec.(m) am1X1 + am2X2 + .. + ammXm = bm
Donde:
Despejamos X de la ecuacin 1 obteniendo un sistema equivalente de la forma: X = + X De la siguiente manera.
Despejamos
X1 =
X2 =
Xm =
.
.
.
.
.
.
.
.
.
.
X =
A = [
] b =
y si aii 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 66
Dandole forma:
; con ( )
Con todo esto se puede expresar en la siguiente forma X = + X
X = + X
[
] [
] [
] [
]
El Sistema sugiere Jacobi la siguiente relacin de recurrencia
X (k+1) = + X (k) , k = 0, 1, 2,
De la relacin se obtiene la sucesin { } tomando como valor inicial arbitrario, que
generalmente
X (0)=0 X (0) = =1
Obs. X (k+1) = ( X1(k+1) , X2
(k+1), , Xm(k+1) )t
X (0) = ( X1(0) , X2
(0), , Xm (0) ) t
[
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 67
ALGORITMO DE JACOBI:
P-1 Dado el Sistema
Expresarlo en el sistema equivalente X = + X
P-2 Tomando como solucin inicial X (0) arbitrario generar la sucesin { X (k) } X (*) mediante
la relacin de recurrencia:
X (k+1) = + X (k) , k = 0, 1, 2,
P-3 Dejar de iterar si
( ) ( )
( )
caso contrario ir al P-2
CONVERGENCIA DE JACOBI
{ ( )} ( ) Si
Observacin
Para que se cumpla esa condicin es necesario que A del sistema original sea
diagonalmente dominante, es decir | | | | de su fila y de su columna
Ejemplo 12.1.1. Sea el sistema siguiente:
( ) ( ) ( )
Con
(a) Por JACOBI verificando su convergencia { } Si ?
Obs. Para que se cumpla es necesario que del sistema , A sea
diagonalmente dominante.
De (1) X1:
(2) X2:
(3) X3:
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 68
Entonces
[
] [
] [
] [
]
{ | | | | | | | | | | | | }
{ }
{ }
(b) Por el Mtodo Jacobi Hallar una solucin con
( ) ( )
Si ( ) ( )
( ) entonces ( ) es solucin con
Obs. Se toma como valor inicial arbitrario ( ) =
Sea ( ) =
K = 0 Sea ( )
( ) ( ) [
] [
] [
] [
]
( ) [
]
K = 1 Sea ( )
( ) ( ) [
] [
] [
] [
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 69
( ) [
]
( ) ( )
( )
[
]
[
]
( )
K = 2 Sea ( )
( ) ( ) [
] [
] [
] [
]
( ) [
]
( ) ( )
( )
[
]
[
]
( )
Entonces ( ) es solucin con
NOTACION MATRICIAL DEL METODO DE JACOBI
Sea el sistema
Donde:
A = [
]
La matriz A se le puede descomponer en la forma A = D + L + U , donde
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 70
Matriz Diagonal Matriz Triangular inferior Matriz Triangular superior
As el sistema se le puede expresar como:
( D + L + U )X = b
DX + ( L + U ) X = b
DX = b ( L + U ) X
X = D-1b D-1( L + U ) X
X = D-1b + [-D-1(L + U)] X = D-1b ^ = -D-1( L + U )
Si el mtodo de Jacobi es X = + X
Matricialmente es: X = D-1b D-1( L + U ) X
Su relacin de recurrencia es
X (k+1) = D-1b D-1 (L + U) X (k) , k=0, 1, 2
Solucin Matricial de Jacobi
Del sistema tal que
( )
Entonces
( )
Desarrollo del ejemplo anterior
[
] [
( )
] [
]
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 71
[
] [
] [ ]
[
] [
]
[
]
[
]
con [ ]
Entonces [
] [
]
[
] [ ] [
] Entonces [
]
( ) [
] [
] [
]
Entonces [
]
Ejemplo 12.1.2. Sea el siguiente sistema
Ec (1) 20x1 + 5x3 =2
Ec (2) x1 + 20x2 + 2x3 = 4
Ec (3) x1 + 9x2 + 20x3 = 6
Por Jacobi verificar su convergencia
CONVERGENCIA DE JACOBI
{ } ( ) Si .. (i)
Observacin
Para que se cumpla (i)
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 72
Es necesario que A del sistema original sea diagonalmente dominante, es decir
| | | | de su fila y de su columna
As: de su fila
de su columna
de su fila
de su columna
Igual para a33
x1 =
+ 0 + 0 -
x2 =
-
+ 0 -
x3 =
-
-
+ 0
x = + x
=
[
]
= [
]
mx.{ 0 + 0 + |
| , |
| + 0 + |
| , |
| + |
| + 0 }
mx.{ 0.25 , 0.15, 0.5 }
{ } ( ) por jacobi
Por jacobi obtener una solucin con
Si la relacin de jacobi es ( ) ( )
Para k = 0
Interaccin inicial
( ) ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 73
Observacin es arbitraria
Sea =
= = +
+ *
=
Para k = 1
Primera iteracin = +
= = +
Donde
= 0.1 +
= 0.1 + (0)(0.1) + (0)(0.2) + (-0.25)(0.3) = 0.025\
= 0.2 +
= 0.2 + (-0.05)(0.1) + (0)(0.2) + (-0.1)(0.3) = 0.165
= 0.205
Para k = 2
Segunda iteracin = +
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 74
= = + =
*
k =3
Tercera iteracin = +
= = + =
*
Verificamos si se llego a la solucin
=
=
= = 0.03289625 < =
( ) ( ) con
12.2. METODO DE GAUSS- SEIDEL
Tambin determina la solucin del sistema iterativamente.
De la relacin matricial del sistema :
( )
( ) ( ) ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 75
De ( ) se obtiene la relacin matricial de G-S , siguiente:
Observacin:
*Si ( )
{
*La relacin ( ) se puede obtener al igual que Jacobi del sistema , de la ecuacin
despejar la variable , para obtener la Matriz .
Algoritmo del mtodo de Gauss-Seidel:
Paso1: Dado el sistema obtener su sistema .
Paso 2: Para un punto inicial arbitrario ( ) generar la sucesin { ( )} ( ) mediante la
siguiente relacin:
( ) ( ) ( ) ( ) ( )
Paso 3: Dejar de iterar si ( ) ( )
( ) ; caso contrario ir al paso 2.
Observacin:
En la convergencia del mtodo de Gauss-Seidel tambin se cumple que:
entonces { ( )} ( )
Ejercicios resueltos:
1) Dados:
(
) (
) , ( ) ( )
( ) ( ) ( ) ( ) ( )
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 76
Resuelva el sistema Ax = b por el mtodo de Gauss-Seidel.
Solucin:
Utilizando Gauss-Seidel:
( ) ( ) ( ) ( ) ( )
Operando obtenemos la secuencia:
( ) [
] ( ) [
]
( ) [
] ( ) [
]
( ) [
] ( ) [
]
Claramente converge a la solucin exacta ( ) .
La tasa de convergencia del mtodo de Gauss-Seidel viene dada por la norma de:
( ) [
]
Cuyas normas son:
= 0.454 y
= 0.4.
2) Considere el siguiente sistema de ecuaciones:
[
] [ ]
Puede resolver este sistema por el mtodo de Gauss-Seidel? Por qu? Si lo puede hacer, haga solo dos iteraciones a partir de la solucin nula y determine la tasa numrica de convergencia. Adems calcula la tasa exacta de convergencia. Cuntas iteraciones
necesitar para alcanzar un error absoluto de .
Solucin:
El mtodo de Gauss-Seidel es aplicable porque por que la matriz es simtrica definida
positiva. Dos iteraciones conducen a:
-
UNMSM MTODOS NUMRICOS
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pg. 77
( ) ( )
( ) ( )
( ) ( )
Y la tasa de convergencia numrica la podemos calcular como (en norma infinito)
( )
( )
Que se parece poco a la tasa de convergencia exacta:
( ( ) )
NOTA: Calculando con ms iteraciones nos acercamos a la tasa terica, por ejemplo:
( )
( )
Para alcanzar (en norma infinito) un error absoluto menor que se requieren 13
iteraciones.
Ejemplo 12.2.1. Sea el sistema:
Por el mtodo de Gauss-Seidel
Analizar su divergencia. Hallar su solucin con
Solucin:
Analizar su divergencia
[
] [
]
Luego:
( )
-
UNMSM MTODOS NUMRICOS