Guia I Calculo Numerico

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA DE LA FUERZA
ARMADA
INGENIERA DE SISTEMAS
ASIGNATURA: CLCULO NUMRICO

Ing. Luz Marina Baz.
INTRODUCCION

Los mtodos numricos surgen junto con las matemticas desde pocas remotas aunque en
aquella poca estos procedimientos fueron muy tardados en resolver problemas, los elementos
bsicos consistan en operaciones aritmticas.

Con el surgimiento de las computadoras en los aos cuarentas, donde las operaciones
fundamentales fueron las aritmticas se hizo una notable contribucin a las ciencias ya que los
mtodos numricos y las computadoras embonaron y coincidieron para servirse una de la otra.
En las Ciencias y la Ingeniera en la actualidad son indispensables los mtodos numricos en
la solucin de problemas por lo tanto se justifica el aprendizaje de stos mtodos como
herramientas matemticas.

Dentro de la definicin de mtodos numricos, segn Steven (1987), lo define como tcnicas
mediante las cuales es posible formular problemas de tal forma que sean resueltas con
operaciones aritmticas, Aunque hay muchos tipos de mtodos numricos todos comparten
una caracterstica comn, llevan cabo un buen nmero de tediosos clculos aritmticos.

Asimismo Nakamura (1992), nos indica que los mtodos numricos nos vuelven aptos para
entender esquemas numricos a fin de resolver problemas matemticos, de ingeniera y
cientficos en una computadora, reducir esquemas numricos bsicos, escribir programas y
resolverlos en una computadora y usar correctamente el software existente para dichos
mtodos y no solo aumenta nuestra habilidad para el uso de computadoras sino que tambin
amplia la pericia matemtica y la comprensi6n de los principios cientficos bsicos.

En esta asignatura se tiene como objetivo aplicar mtodos y criterios en la resolucin de
problemas numricos, evaluando la validez y precisin de los resultados en la aplicacin de
algoritmos eficientes que minimicen los errores de medicin apoyado en tecnologas
computacionales.
ARMADA

Este primer trabajo se inicia con la unidad I Representacin de datos experimentales y el
anlisis de error con la aplicacin de diferentes mtodos para el ajuste de rectas de una serie
de datos, estos son: mtodo grafico, mtodos de los promedios, mtodo de mnimo cuadrado.
La unidad II correspondiente a la Resolucin de ecuaciones no lineales en una variable
aplicando los mtodos de: Biseccin, Punto Fijo, newton Raphson as como la solucin de
ecuaciones con races complejas. La unidad III Resolver sistemas de ecuaciones lineales a
travs de los mtodos: eliminacin Gaussiana y el mtodo iterativo Gauss-Seidel.

ARMADA

Objetivo General: Aplicar mtodos y criterios en la resolucin de problemas numricos,
evaluando la validez y precisin de los resultados en la aplicacin de algoritmos eficientes que
minimicen los errores de medicin apoyado tecnologas computacionales.

Contenido OBJETIVOS ESPECIFICO Tema

UNIDAD I
Representacin de datos
experimentales

UNIDAD II
Resolucin de ecuaciones no
lineales en una variable.

UNIDAD III
Sistemas de ecuaciones lineales

Aplicar los diferentes mtodos
para una serie de datos
representados grficamente
ajustndolo a la curva adecuada
manualmente.

Resolver ecuaciones
transcendentes definidas en
intervalos cerrados o abiertos
mediante mtodos iterativos
realizando clculos manuales y
por medio del computador.

Resolver diferentes sistemas de
ecuaciones para varias variables
en la determinacin de puntos
crticos mediante mtodos
interactivos realizando clculos
manuales y por medio del
computador

Errores
Mtodo grafico
Mtodo de promedio
Mtodo de mnimo cuadrado

Mtodo de Biseccin
Mtodo de Newton Raphson
Mtodo Punto Fijo
Mtodo Lin-Baristow

Mtodo eliminacin Gaussiana
con pivote
Mtodo de gauss Seidal.

ARMADA

UNIDAD I

REPRESENTACION DE DATOS EXPERIMETALES Y ANALISIS DE
ERROR

ANALISIS DE ERRORES.

Errores
Para determinar el valor real de una magnitud fsica, se realizan medidas de ella, normalmente
mediante la cuenta de un nmero de sucesos o por comparacin con una unidad de medida.
Por el propio procedimiento es imposible determinar el valor verdadero de la magnitud en
cuestin. Todos los valores medidos (xi) sufrirn errores debidos a la limitada precisin de los
aparatos de medida y los sentidos del observador, as como a otras razones intrnsecas de la
estructura de la materia (uctuaciones, indeterminacin, etc). Estos errores se deben al empleo
de instrumentos mal calibrados (p.ej. un reloj que atrasa) o al no tener en cuenta efectos que
inuyen en la medida (como el rozamiento del aire en el movimiento de un proyectil).

En esta unidad, se define el concepto de error en trminos de mtodos numricos. Debido a
que estos consisten en estrategias de aproximacin que se emplean cuando no es posible la
aplicacin de tcnicas analticas o exactas en la resolucin de problemas prcticos y de
aplicacin, se obtiene un resultado que difiere del verdadero valor que se busca. Esta
diferencia se denomina error. Este concepto es de vital importancia en los mtodos numricos,
ya que ste se emplea como referencia para la seleccin y evaluacin de los mtodos
numricos as como de criterio de paro de los mismos. A continuacin se presentan algunos
conceptos fundamentales para la cabal comprensin del concepto de error. Asimismo todos
los resultados de la aplicacin de mtodos numricos van acompaados de un error que es
conveniente estimar. Es conveniente tener presente en todo momento cules son las fuentes de
los errores, lo que puede ser una ayuda definitiva a la hora de resolver eventuales problemas
prcticos, si bien es cierto que stas actan siempre juntas, haciendo muy difcil el
conocimiento detallado de la contribucin de cada una en cada caso.
ARMADA


Clasificacin de los errores

a. Errores inherentes.
Son aquellos errores cometidos por la persona al tomar los datos de lecturas de instrumentos
de medicin, al pasar stos datos a la computadora o bien por verdaderas equivocaciones por
el manejo de los datos.
b. Errores por redondeo.
Es aquel tipo de error en donde el nmero significativo de dgitos despus del punto decimal
se ajusta a un nmero especfico provocando con ello un ajuste en el ltimo dgito que se toma
en cuenta.
c. Errores por truncamiento.
Para llevar a cabo operaciones de algunas funciones matemticas los compiladores ejecutan
estas funciones utilizando series infinitas de trminos, pero es difcil llevar a cabo stos
clculos hasta el infinito, por lo tanto la serie tendr que ser truncada.
. .
X = X + Ex

Donde:
X = cantidad verdadera
__
X = cantidad aproximada
Ex = error absoluto

El error absoluto (Ex) de una cantidad es igual al valor absoluto de la diferencia entre la
cantidad absoluta y su aproximacin incluye sus unidades fsicas.
__
Ex = |X X |

El error relativo de una cantidad cualquiera es igual al cociente de el error absoluto entre la
cantidad verdadera, generalmente expresado como porcentaje ya que no tiene unidades.

Erx = Ex / X
ARMADA

Propagacin del Error.

Se dice que existe una propagacin en los errores cuando al realizar operaciones con nmeros
que ya tienen errores y las operaciones generan nuevos errores. Normalmente se efectan en
las operaciones aritmticas, (no importa cul sea su origen).

Ejemplos:

1.- Dos cantidades al ser medidas nos dan los siguientes resultados: A = ( 100 + 1 )m y B = (
8 + 0.8 )ft
Solucin.

A B
Error absoluto
Ea = 1m
Error absoluto
Eb = 0.8ft
Error relativo
Er = Ea = 1 m = 0.01 = 1%
A 100

Error relativo
Er = Eb = 0.8 ft = 0.1 = 10%
B 8

2.- Supngase que se tiene que medir la longitud de un puente (x) y la de un remache (y),
obtenindose 9 999 y 9 cm respectivamente. Si los valores verdaderos son 10 000 y 10,
calcular:
a) El error absoluto verdadero
b) El error relativo verdadero
Solucin.
Puente (x) Remache (y)
a) Error absoluto
Ea = x -
.
x

= 10 000 - 9 999
= 1
a) Error absoluto
Ea = y - y

= 10 - 9
= 1

ARMADA

1
i
x

b) Error relativo
v
x x
e
x
=

1
10000
=

0.0001 =

0.01% =

b) Error relativo
v
y y
e
y
=

1
10
=

0.1 =

= 10%

Aunque tienen el mismo error absoluto real (1), el error relativo de la medicin del remache es
mucho mayor (10%) contra el 0.1% del error en la medicin del puente. Para evitar esta
subjetividad en la medicin del error, en mtodos numricos se acostumbra el uso del error
relativo. En los ejemplos anteriores, se conoca el verdadero valor buscado. En la prctica, se
desconoce dicho valor, por lo que el error deber expresarse en trminos aproximados,
originando el concepto de error relativo aproximado.

Error relativo aproximado

El error relativo aproximado, mide el error de un mtodo numrico, determinando el error de
la iteracin actual respecto el error surgido en la iteracin anterior:

Donde = aproximacin actual a x.
= aproximacin anterior a x.

En mtodos numricos suele establecerse una tolerancia porcentual como criterio de paro, tal
que el error relativo aproximado de un mtodo, no exceda dicha tolerancia.

1

i i
a
i
x x
e
x
=
a
e t <
i
x
ARMADA

donde t, es tolerancia fijada de antemano. A menor tolerancia se tiene mayor precisin en la
aproximacin al valor verdadero, sin embargo esto implica un aumento en el nmero de
iteraciones requeridas para detener el mtodo.

Observaciones sobre la tolerancia t de un mtodo numrico

Puede demostrarse que si el siguiente criterio se cumple, se tiene la seguridad que un resultado
es correcto en al menos n dgitos significativos:

Ejemplo.
Considere al nmero 1.648721271. Si se desean tres dgitos significativos correctos, cual seria
la tolerancia porcentual como criterio de paro.
Solucin.
como se tiene que n = 3. En consecuencia:

De aqu, se tiene que para garantizar al menos tres dgitos significativos correctos, se tiene que
cumplir:

es decir

Ejemplo:
1. Di una cota del error absoluto y otra del error relativo en las siguientes mediciones:
a) La superficie de esta casa es de 96,4 m2.
b) Por la gripe se han perdido 37 millones de horas de trabajo.
c) Juana gana 19 000 Bfs al ao.
2
1
10 %
2
n
t
| |
=
|
\ .
2 3
1
10 % 0.05%
2
t
| |
= =
|
\ .
a
e t <
2 1
1
10 %
2
n i i
i
x x
x

<
ARMADA

a) |Error absoluto < 0,05 m2
|Error relativo < < 0,00052 = 0,052%
b) |Error absoluto < 0,5 millones de horas = 500 000 horas
|Error relativo < < 0,014 = 1,4%
c) Si suponemos que los tres ceros finales se han utilizado para poder expresar la cantidad
(es decir, que se trata de 19 mil Bsf, redondeando a los miles de bolvares fuerte), entonces:
|E.A.| < 0,5 miles de Bsf = 500 Bsf. |E.R.| < 0,5< 0,027 = 2,7%
19
Si suponemos que es 19 000 Bsf exactamente:
|E.A.| < 0,5 Bsf |E.R.| < 0,5< 0,000027 = 0,0027%
19 000
2.- Efecta y da el resultado en notacin cientfica con tres cifras significativas. Determina
tambin, en cada caso, una cota del error absoluto y otra del error relativo cometidos.

3.- Considera los nmeros: A = 3,2 10
7
; B = 5,28 10
4
y C =2,01 10
5
.Calcula (B + C)/A.
Expresa el resultado con tres cifras significativas y da una cota del error absoluto y otra del
error relativo cometidos.
ARMADA


4.- Si A = 3,24 10
6
; B = 5,1 10
5
; C = 3,8 10
11
y D = 6,2 10
6
, calcula (A/B + C ) D.
Expresa el resultado con tres cifras significativas y da una cota del error absoluto y otra del
error relativo cometidos.
( A/B+ C ) D = 2,75 x 10
6

|E.A.| 0,005 x 10
6
= 5 10
3

E.R. 1,82 x10
-3

REPRESENTACION DE DATOS EXPERIMETALES

Dentro de esta unidad se busca llegar a representar grficamente los datos obtenidos
experimentalmente. As tambin, usar en forma correcta el mtodo de rectificacin de la curva
para obtener la relacin funcional entre variables y por ultimo saber determinar la pendiente
de una recta y la ordenada en el origen aplicando los mtodos de promedios, grficos y de
mnimos cuadrados.
Asimismo unos de los principales objetivos de representar grficamente el comportamiento de
magnitudes medidas en forma experimental es encontrar un modelo lineal (ecuacin de una
recta) que permita determinar los parmetros caractersticos del sistema en estudio.
Si la relacin funcional entre ambas magnitudes fsicas no es lineal, se debe estudiar y aplicar
un cambio de variables apropiado que permita encontrar una relacin funcional entre tales
magnitudes, de tal forma de obtener un modelo lineal representativo.

ARMADA

RELACION FUNCIONAL LINEAL

Cuando la relacin funcional entre dos variables medidas experimentalmente tiende a ser una
lnea recta, generalizamos diciendo que nuestro grfico es una lnea recta y en consecuencia le
podemos asociar una expresin del tipo:

y (x) = m x + b

donde m es la pendiente de la recta y b es el coeficiente de posicin o corte con el eje de las
ordenadas. Para determinar el valor de estos parmetros, se pueden aplicar los siguientes
mtodos:

a) METODO GRAFICO
b) METODO DE PROMEDIOS
c) METODO DE MINIMOS CUADRADOS.

A travs de un ejemplo se analiza los mtodos.

Ejemplo:

En una experiencia de laboratorio se tiene un bloque que desliza por una superficie horizontal
prcticamente sin roce. Mediante un programa computacional se obtiene la siguiente
informacin, donde x (t) indica la posicin y T(s) el tiempo transcurrido.

T (s) 1.2 1.7 2.5 3.3 4.4 4.9 5.4 6.2 7.4
x (cm) 12.5 16.2 22.1 28 36.2 39.9 44.6 49.5 58.4

Se desea encontrar la relacin funcional entre las variables, desplazamiento con el tiempo,
esto implica conocer la ecuacin itinerario del mvil que ha ocupado las siguientes
posiciones en funcin del tiempo:

a.- Mtodo Grfico

Consiste en graficar los datos en el sistema de coordenadas y dibujar con una regla la mejor
recta estimada en el grfico, luego se toma dos puntos de fcil lectura de la recta trazada
ARMADA

(t1,x1), (t2,x2) y se calcula su pendiente m. Para el valor de b se lee donde la recta trazada
corta al eje de las abscisas.

m = x2 - x1 = 58.4 - 16.2 = 7.4 cm/s
t2 t1 7.4 - 1.7

b = 3.6 cm de manera que la relacin funcional es x(t) = 3.6 + 7.4 t (cm)

Desde el punto de vista fsico la ecuacin anterior corresponde a la ecuacin itinerario de un
mvil, que entrega la posicin en funcin del tiempo. Aqu la pendiente m=7,4 corresponde a
la velocidad (componente) con la que se desplaza el mvil y nos dice que en t=0 el mvil
estaba en la posicin x= 3,6 m del origen del sistema hacia la derecha.

b.- Mtodo de Promedios:

Consiste en dividir los datos en dos partes, se busca el promedio de cada parte y se ajusta una
lnea de tendencia que pasa por los promedios y se obtiene dos ecuaciones, formando un
sistema que permite determinar m y b

ARMADA

t (s) 1.2 1.7 2.5 3.3 4.4 4.9 5.4 6.2 7.4
x (cm) 12.5 16.2 22.1 28 36.2 39.9 44.6 49.5 58.4
Prom t(s)= 1.2+1.7+2.5+3.3= 2.2
4
x(cm)=12.5+16.+22.1+28 = 19.7
4
t(s)= 4.4+4.9+5.4+6.2+7.4= 5.7
5
x(cm)=36.2+39.9+44.6+49.5+58.4 = 45.7
5

En el problema planteado de la tabla de valores se toma los cuatro primeros y los cinco
ltimos para formar los dos grupos de manera que resulta un sistema de dos ecuaciones,
19,7 = 2.2.m + b
45,7 = 5,7m+b

Y de all se obtiene la relacin lineal: x (t) = 3,4 + 7,4t (cm)

c.- Mtodo de los mnimos cuadrados

El tercer mtodo, el de los mnimos cuadrados es ms preciso pero, necesita muchos ms
datos que los comentados hasta ahora y se basa en consideraciones estadsticas para obtener la
pendiente m de la recta y el interfecto b de la recta con el eje de las ordenadas. Este
mtodo se basa en la siguiente definicin: la mejor curva de ajuste de todas las curvas de
aproximacin a una serie de datos puntuales es la que hace mnima la suma de los cuadrados
de las desviaciones Di de la curva [Di = yi - ( m xi + b )].

Las expresiones para m y b se encuentran con las siguientes ecuaciones:

ARMADA


Donde n es el nmero total de datos.

Cabe hacer notar que las variables x e y son de carcter genrico en la expresin
matemtica, y que estas pasan a tomar otra designacin dependiendo de las variables que se
estn trabajando.

As, en el caso de estudio tenemos:

Y X Xi
2
XiYi
x (cm) t (s)
12.5 1.2 1.44 15
16.2 1.7 2.89 27.54
22.1 2.5 6.25 55.25
28 3.3 10.89 92.4
36.2 4.4 19.36 159.28
39.9 4.9 24.01 195.51
44.6 5.4 29.16 240.84
49.5 6.2 38.44 306.9
58.4 7.4 54.76 432.16
Sumatoria() 307.4 37 187.2 1524.88

m= 37*307.4 - 9*1524.88 = 7.4
(37)
2
- 9 * 187.2

b = 1524.88*37-307.4*187.2 =3.6
(37)
2
9 * 187.2

de manera que la relacin funcional es x(t) = 3.6 + 7.4 t (cm)

ARMADA

RELACIN FUNCIONAL NO LINEAL

Y cmo se trabaja cuando la distribucin de puntos no es una lnea recta?
Con los datos experimentales se deben realizar ciertos cambios convenientes en las variables
de modo que convirtamos la curva obtenida en una recta. Este mtodo se conoce con el
nombre de METODO DE RECTIFICACION.

Es un mecanismo que consiste en hacer un nuevo grfico con una de las variables modificadas
matemticamente de tal manera que el nuevo grfico resulte una lnea recta

Las relaciones funcionales no lineales que se presentan con ms frecuencia, son las del tipo
exponencial y potencial.

Los grficos N1 y N2 son curvas cuya interseccin con el eje de las ordenadas es de
pendiente nula, la rectificacin se logra cambiando la variable x por la de x
n
, con n nmero
real mayor que cero, como lo muestra el grfico N3.

Este grfico N4 y disminuye cuando x aumenta, la rectificacin se hace con 1 / x
n

ARMADA


Generalizando los casos a funciones exponenciales y funciones potenciales

Funciones Exponenciales: y = Ae
Bx

En este caso la relacin lineal se obtiene haciendo el siguiente cambio de variables:
Ln y = Bx + Ln A que al compararla con la ecuacin de la recta se observa que m = B y
b = LnA.

Funciones Potenciales: y = Ax
m

En este caso la relacin lineal se obtiene haciendo el siguiente cambio de variables:
Log y = mlog x + Log A

ARMADA


EJERCICIO

1.- Luego de haber desarrollado la actividad en el laboratorio, se obtuvieron los siguientes
datos, que se muestran en la siguiente tabla:

- OBTENCIN DE VALORES DE LA PENDIENTE,
Y DEL COEFICIENTE DE POSICIN USANDO
DISTINTOS METODOS:

Tiempo (s) Distancia
(cm)
1 0.1239 0.0230
2 0.2440 0.0460
3 0.3658 0.0690
4 0.4890 0.0920
5 0.6133 0.1150
6 0.7351 0.1380
7 0.8573 0.1610
8 0.9776 0.1840
9 1.098 0.2070
10 1.2190 0.2300
11 1.3370 0.2530
12 1.4570 0.2760
ARMADA

UNIDAD II

RESOLUCION DE ECUACIONES NO LINEALES EN UNA VARIABLE

Los mtodos numricos de resolucin de ecuaciones no lineales suelen ser mtodos iterativos
que producen una sucesin de valores aproximados de la solucin, que se espera, que converja
a la raz de la ecuacin. Estos mtodos van calculando las sucesivas aproximaciones en base a
los anteriores, a partir de una o varias aproximaciones iniciales.
En anlisis numrico un algoritmo de bsqueda de races es un mtodo numrico o algoritmo
para encontrar las soluciones aproximadas de una ecuacin dada por la expresin f(x) = 0 para
una funcin matemtica f dada. A la solucin x de la ecuacin se le llama raz o cero de la
funcin.
En la resolucin numrica de ecuaciones no lineales algunos de los mtodos ms conocidos
son los mtodos de biseccin, Iteracin de punto, si la funcin es adems derivable y la
derivada se conoce, el mtodo de Newton es muy utilizado.

Mtodo de Biseccin
Es un algoritmo de bsqueda de races que trabaja dividiendo el intervalo a la mitad y
seleccionando el subintervalo que tiene la raz.
Dada una funcin f(x) continua en un intervalo [a, b] en donde f(a) y f(b) son de signos
distintos, debe existir un valor x comprendido en el intervalo a < x < b para el cual f(x) = 0,
como lo ilustra la grfica de la figura 1.1. Este mtodo requiere divide varias veces a la mitad
los subintervalo [a, b] y en cada paso corregir la mitad que contenga a x.
ARMADA


Para empezar, hacemos a
1
= a y b
1
= b y
calculamos el punto medio del intervalo y lo
llamamos x
1
= (a+b) / 2 y obtenemos de esta
manera la primera raz aproximada (x
1)
, para
determinar si x
1
es una buena aproximacin se
sustituye en la funcin dada f (x
1
) si el valor
obtenido es menor que la tolerancia permitida, se
podr decir que x
1
es una buena aproximacin,
caso contrario; se pregunta, f(x
1
) tiene el mismo
signo que f(a
1
) o f(b
1
). Si f(x
1
) y f(a
1
) tienen el
mismo signo, entonces, x pertenece al intervalo [x
1,
b
1
,] y tomamos a
2
= x
1
y b
2
= b
1
. Si f (x
1
)
y f(b
1
) tienen el mismo signo, entonces, x pertenece al intervalo [a
1,
x
1
,] y tomamos a
2
= a
1
y
b
2
= x
1
. Luego repetimos este proceso al intervalo [a, b]. Esto produce el mtodo descrito en
el algoritmo del mtodo de Biseccin siguiente:
Paso 1: Hacer a
1
= a y b
1
= b
Paso 2: Iniciar el proceso con i = 1
Paso 3: Calcular x
i
= (a
i
+b
i
) / 2
Paso 4: Si x
i
es una buena aproximacin vaya al paso 10
Si x
i
no es una buena aproximacin vaya al paso 5
Nota: Para calcular el error de la tolerancia permitido se utiliza < E. Una vez
obtenida la primera aproximacin se utiliza cualquiera de los siguientes tipos de errores:
Error absoluto < E
< E con xi
= 0
Error relativo

1
i i
x x
1
i i
x x
xi
) (xi f
ARMADA


Paso 5: si f(x
i
) f(a
i
)> 0 vaya al paso 6
Si f(x
i
) f(a
i
) < 0 vaya al paso 8
Paso 6: a
i+1
= x
i
, b
i+1
= b
i

Paso 7: Hacer i = i+1 y vaya al paso 3
Paso 8: a
i+1
= a
i
, b
i+1
= x
i

Paso 9: Hacer i = i+1 y vaya al paso 3
Paso 10 Termina el proceso
Ejemplo:
Usar el mtodo de biseccin, para aproximar la raz de , en el intervalo
[1
,
1.5] y con un error de tolerancia de 1%

Iteracin a
i
b
i
x
i
=( a
i+
b
i
)/2 F(x
i
) Error < t

Mtodo de Newton Raphson
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A diferencia
del mtodo anterior, el mtodo de Newton-Raphson no trabaja sobre un intervalo sino que
basa su frmula en un proceso iterativo.
Suponga que se tiene la aproximacin x
i
a la raz x
r
de f(x),
Se traza la recta tangente a la curva en el punto
(x
i
,f(x
i
)) ; sta cruza al eje x en un punto x
i+1
que
ser la siguiente aproximacin a la raz x
r
.
ARMADA

Para calcular el punto x
i+1
, se calcula primero la ecuacin de la recta tangente. Se sabe que la
pendiente es la primera derivada m = f`(x
i
)

Y por lo tanto la ecuacin de la recta tangente es:

Hacemos y=0:

Y despejamos x:

Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:
, si

El mtodo de Newton-Raphson no trabaja con intervalos donde asegure que se encuentra la
raz, y de hecho no se tiene ninguna garanta de que se aproxime a dicha raz. Desde luego,
existen ejemplos donde este mtodo no converge a la raz, en cuyo caso se dice que el mtodo
diverge. Sin embargo, en los casos donde si converge a la raz lo hace con una rapidez
impresionante, por lo cual es uno de los mtodos preferidos por excelencia.
Tambin se tiene, que en el caso de que , el mtodo no se puede aplicar. Esto
significa, geomtricamente, que la recta tangente es horizontal y por lo tanto no intersecta al
eje x en ningn punto, a menos que coincida con ste, en cuyo caso xi mismo es una raz
de f(x).
El algoritmo del mtodo de Newton Raphson se describe a continuacin:
Paso 1: Hacer i = 1
Paso 2: Clculo de las races aproximadas
ARMADA


Paso 3: Si x
i
Si x
i
obtenida la primera aproximacin se utiliza cualquiera de los siguientes tipos de errores:
Error absoluto < E
Error relativo < E con
0

Paso 4: Haga i = i + 1 y vaya al paso 2
Paso 5 Termina el proceso
Ejemplo
Usar el mtodo de Newton-Raphson, para aproximar la raz de ,
comenzando con x
o
= 1 y hasta que .

Iteracin de Punto Fijo
Este mtodo se aplica para resolver ecuaciones de la forma

Si la ecuacin es , entonces puede despejarse x bien sumar x en ambos lados
de la ecuacin para ponerla en la forma adecuada.
Ejemplos:
1) La ecuacin cos x- x = 0 puede transformar en cos x = x
2) La ecuacin tan x e
-x
= 0 se puede trasformar en x + tan x e
-x
= x .
) (
) (
1
1
1
=
i
i
i i
x f
x f
x x
) (xi f
1
i i
x x
1
i i
x x
xi
xi
=
ARMADA

Dada la aproximacin x
i
, la siguiente iteracin se calcula con la frmula:

Supongamos que la raz verdadera es , es decir,

Restando las ltimas ecuaciones obtenemos:

Por el Teorema del Valor Medio para derivadas, sabemos que si g (x) es continua en
intervalo cerrado a,b y diferenciable en intervalo abierto (a,b) entonces existe un
tal que .

En nuestro caso, existe en el intervalo determinado por x
i
y x
r
tal que:

De aqu tenemos que:

O bien,

Tomando valor absoluto en ambos lados,

Observe que el trmino es precisamente el error absoluto en la (i + 1) - sima
iteracin, mientras que el trmino corresponde al error absoluto en la i - sima
iteracin.
Por lo tanto, solamente si , entonces se disminuir el error en la siguiente
ARMADA

iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si para x en un
intervalo que contiene a la raz y donde g(x) es continua y diferenciable, pero
diverge si en dicho intervalo.

Se analiza lo descrito con los siguientes ejemplos:

- g(x) = cos x y claramente se cumple la condicin de que
Por lo tanto el mtodo s converge a la raz.

- g(x) = x + tan x e
-x
y en este caso,
Por lo tanto, el mtodo no converge a la raz.

Para la aplicacin de este mtodo a fin de encontrar las races se sigue los siguientes pasos:

1. Deben dar la funcin a la cual le debemos encontrar la raz
2. Deben dar un valor inicial x
o
.
3. Se despeja x de la funcin f(x) de manera que se encuentre una nueva funcin de x llamada
g(x).
4. Derivar la funcin g(x). En el caso de que el valor absoluto de la derivada de g(x) sea
menor a uno, se asegura que el despeje realizado funcione.
5. Se evala g(x) utilizando primero x
o
. El resultado de esta evaluacin se convierte en el
nuevo valor de x y as se contina hasta encontrar la raz deseada desde luego, satisfaciendo
un error deseado.

El algoritmo del mtodo de punto fijo se describe a continuacin:

Paso 1: Despejar x de la funcin f(x) para obtener g(x)
ARMADA

Paso 2: Tome i =1
Paso 3: Hacer x
i
=g(x
i-1
).
Paso 4: Si x
i
Si x
i
obtenida la primera aproximacin se utiliza cualquiera de los siguientes tipos de
errores:
Error relativo < E con

Paso 5: Tome i=i+1 y vaya al paso 3
Paso 6: Termina el proceso
Ejemplo
Usar el mtodo de iteracin del punto fijo para aproximar la raz de ,
comenzando con y hasta que.

) (xi g
1
i i
x x
xi
xi
=
ARMADA

Mtodo Lin-Bairstow
Races Complejas

Los mtodos vistos hasta el momento permiten obtener las races reales de ecuaciones
algebraicas y trascendentales. Sin embargo, ninguno de ellos permite el clculo de las races
complejas de los mismos. Esta seccin est dedicada al estudio de dos mtodos que permiten
obtener las races, tanto reales como complejas, de un polinomio.

Mtodo de Lin

Este mtodo en s mismo no encuentra las races del polinomio, sino una expresin de la cual
pueden deducirse las races. La ventaja de este mtodo es que a travs de ste pueden
obtenerse todas las races del polinomio, ya sean reales o complejas.
El mtodo de Lin consiste en factorizar una ecuacin de grado n en un polinomio cuadrtico
por un polinomio de grado n-2, de manera que se obtienen las races por parejas del factor
cuadrtico, y se repite el procedimiento en tanto sea necesario.
Sea P(x) = 0 una ecuacin algebraica de la forma
(I)

Se Obtiene un factor cuadrtico de la forma

Y se expresa nuevamente (I)

(II)

donde y son los residuos del polinomio.

1 2
0 1 2 1
( )
n n n
n n
P x a x a x a x a x a

= + + + + +
2
x px q + +
2 2 3 4
0 1 2 3 2 1
( ) ( )( )
n n n
n n n n
P x x px q b x b x b x b x b b x b

= + + + + + + + + +
1 n
b x
n
b
ARMADA

Para determinar los coeficientes del polinomio reducido se efecta la
multiplicacin en (II)
(III)

Ahora, igualar los coeficientes de las mismas potencias en (I) y (III)

Y despejando los coeficientes del polinomio reducido

De manera que los coeficientes del polinomio reducido estn dados por

Y los residuos por

Para que x
2
+ px +q sea un factor del polinomio P(x) es necesario que b
n-1
y b
n
sean iguales
a cero
(IV)

Despejando a p y q de (2.8):
; 0,1, 2, , 2
i
b i n =
1 2 1 2 3
0 0 0 1 1 1
2 3 4 3 2
2 2 2 3 3 3
2
2 2 2 1
( )
n n n n n n
n n n
n n n
n n n n n
P x b x pb x qb x b x pb x qb x
b x pb x qb x b x pb x qb x
b x pb x qb b x b

= + + + + + +
+ + + + + + +
+ + + +
0 0
1 1 0
2 2 1 0
1 1 2 3
2
n n n n
n n n
a b
a b pb
a b pb qb
a b pb qb
a b qb

=
= +
= + +
= + +
= +
1 2 1 2
; 0,1, 2, , 2; 0
k k k k
b a pb qb k n b b

= = = =
1 1 2 3
2
n n n n
n n n
b a pb qb
b a qb

=
=
1 2 3
2
0
0
n n n
n n
a pb qb
a qb

=
=
0 0
1 1 0
2 2 1 0
1 1 2 3
2
n n n n
n n n
b a
b a pb
b a pb qb
b a pb qb
b a qb

=
=
=
=
=
ARMADA

p A q A
(V)

Si se conocen los valores de p y q podemos calcular los coeficientes
del polinomio reducido.
A partir de valores iniciales para p y q y mediante un proceso iterativo se determinan estos
valores con la precisin que se requiera. Para ello, se definen los incrementos y :
(VI)
Donde p* y q* son las nuevas aproximaciones de p y q, respectivamente, y estn dadas por
(V)

(VII)
Sustituyendo (VII) en (VI)

O sea

Esto es

1 3
2
2
n n
n
n
n
a qb
p
b
a
q
b

=
=
; 0,1, 2, , 2
i
b i n =
* ; * p p p q q q A = A =
p A q A
1 3
2
2
n n
n
n
n
a qb
p p
b
a
q q
b

A =
A =
1 2 3 1
2 2
2
2 2
n n n n
n n
n n n
n n
a pb qb b
p
b b
a qb b
q
b b

A = =
A = =
1
2
2
*
*
n
n
n
n
b
p p
b
b
q q
b
= +
= +
1 3
2
2
*
*
n n
n
n
n
a qb
p
b
a
q
b

=
=
ARMADA

El mtodo converge cuando b
n-1 ,
b
n
, y tienden a cero, y para cualquiera de ellos se
puede fijar la tolerancia en el error.
Note que si b
n-1
= 0 no es posible aplicar el mtodo.
El algoritmo del mtodo consiste en los siguientes pasos:
1. Hacer p=q=0.
2. Calcular los coeficientes del polinomio reducido

Y los residuos

3. Verificar que y calcular las nuevas aproximaciones de p y q

Si se concluye que no es posible aplicar el mtodo para resolverle
polinomio en cuestin.
4. Sea T la tolerancia deseada (el margen de error permitido). Si <T
y <T se han encontrado aproximaciones a los valores de p y q con
un margen de error menor a T (fin del mtodo). De lo contrario es
necesario hacer una nueva iteracin comenzando en el paso 2 haciendo p=p* y q=q*.
Ejemplo.
Obtn una aproximacin a las races del siguiente polinomio aplicando el mtodo de Lin
considerando una tolerancia de 0.01 en los valores de p y q y redondeo a tres cifras
significativas:
1 2 1 2
; 0,1, 2, , 2; 0
k k k k
b a pb qb k n b b

= = = =
1 1 2 3
2
n n n n
n n n
b a pb qb
b a qb

=
=
2
0
n
b

=
2
0
n
b

=
1
2
2
*
*
n
n
n
n
b
p p
b
b
q q
b
= +
= +
* p p
* q q
ARMADA


Solucin.
Tenemos que

Sean p=q=0 los valores iniciales.
Los coeficientes del polinomio reducido estn dados por

los residuos, por

Como , puede aplicarse el mtodo y las nuevas aproximaciones son

Se tiene entonces que =0.5 y que =0.667 y es necesario que ambos
valores sean menores a 0.01, por lo que es necesario hacer una
nueva iteracin.

Los resultados de cada iteracin se resumen en la siguiente tabla:
i b
o
b
1
b
2
b
3
b
4
p
*
q
*

* p p

* q q

0 1 -1 6 -3 4 -0.5 0.667 0.5 0.667
1 1 -0.5 5.08 -0.127 0.612 -0.525 0.787 0.025 0.12
2 1 -0.475 4.96 -0.0222 0.0965 -0.529 0.806 0.004 0.019
3 1 -0.471 4.94 -0.00711 0.0184 -0.530 0.810 0.001 0.004

4 3 2
6 3 4 0 x x x x + + =
0 1 2 3 4
1, 1, 6, 3, 4; 4 a a a a a n = = = = = =
0 0
1 1 0
2 2 1 0
1
( 1) (0)(1) 1
(6) (0)( 1) (0)(1) 6
b a
b a pb
b a pb qb
= =
= = =
= = =
3 3 2 1
4 4 2
( 3) (0)(6) (0)( 1) 3
(4) (0)( 6) 4
b a pb qb
b a qb
= = =
= = =
2 2
0
n
b b
= =
3
2
4
2
* 0.5
* 0.667
b
p p
b
b
q q
b
= + =
= + =
* p p
* q q
ARMADA

El polinomio puede expresarse entonces como

Como se alcanz la tolerancia deseada, el residuo se puede despreciar, y se tiene

De donde puede concluirse que las races del polinomio son

Mtodo de Bairstow

Este mtodo depende de dividir el polinomio entre un factor cuadrtico. Sea P(x)=0, el
polinomio general de grado n de la forma

El factor cuadrtico es

Se tiene que

Al igual que en el mtodo de Lin, se concluir que

y los coeficientes del polinomio reducido estn dados por

4 3 2
( ) 6 3 4 0 P x x x x x = + + =
0 0184 . 0 00711 . 0 ) 0184 . 0 4741 . 0 )( 810 . 0 530 . 0 ( ) (
2 2
= + + + = x x x x x P
) 0184 . 0 4741 . 0 )( 810 . 0 530 . 0 ( ) (
2 2
+ + = x x x x P
1 2 3 4
0.265 0.86, 0.265 0.86, 0.236 2.21, 0.236 2.21 x i x i x i x i = + = = + =
1 2
0 1 2 1
( )
n n n
n n
P x a x a x a x a x a

= + + + + +
2
x px q + +
2 2 3 4
0 1 2 3 2 1
( ) ( )( )
n n n
n n n n
P x x px q b x b x b x b x b b x b

= + + + + + + + + +
0 0
1 1 0
2 2 1 0
1 1 2 3
2
n n n n
n n n
b a
b a pb
b a pb qb
b a pb qb
b a qb

=
=
=
=
=
1 2 1 2
; 0,1, 2, , 2; 0
k k k k
b a pb qb k n b b

= = = =
ARMADA

q A
y los residuos por

Bairstow estudi la posibilidad de encontrar aproximaciones de los residuos 1 n
b
y n
b
a travs
de una serie de Taylor para las variables independientes y

Igualando a cero tenemos

De esta forma, pueden calcularse los valores de y al resolver el sistema de
ecuaciones lineales y, consecuentemente, obtener los valores de las nuevas
aproximaciones

El algoritmo del mtodo consiste en los siguientes pasos:
1. Hacer p=q=0.

2. Calcular los coeficientes del polinomio reducido

1 1 2 3
2
n n n n
n n n
b a pb qb
b a qb

=
=
1 1
1 1
( *, *)
( *, *)
n n
n n
n n
n n
b b
b p q b p q
p q
b b
b p q b p q
p q
o o
o o
o o
o o

= + A + A
= + A + A
1 1
1
n n
n
b b
p q b
p q
o o
o o

A + A =
n n
n
b b
p q b
p q
o o
o o
A + A =
* p p p = + A * q q q = + A
* p p p = + A * q q q = + A
p A
1 2 1 2
; 0,1, 2, , 2; 0
k k k k
b a pb qb k n b b

= = = =
ARMADA

Y los residuos

3. Calcular las derivadas parciales de los residuos y :

4. Resolver el sistema

5. Obtener los valores de las nuevas aproximaciones
6. Sea T la tolerancia deseada (el margen de error permitido). Si
<T y <T se han encontrado aproximaciones a los valores de p y q
con un margen de error menor a T (fin del mtodo). De lo contrario es necesario hacer
una nueva iteracin comenzando en el paso 2 haciendo p=p* y q=q*.
Ejemplo.
Obtn una aproximacin a las races del siguiente polinomio aplicando el mtodo de Bairstow
considerando una tolerancia de 0.01 en los valores de p y q y redondeo a tres cifras
significativas:

Solucin.
Tenemos que

Sean p=q=0 los valores iniciales.
Los coeficientes del polinomio reducido estn dados por
4 3 2
6 3 4 0 x x x x + + =
0 1 2 3 4
1, 1, 6, 3, 4; 4 a a a a a n = = = = = =
1 1 2 3
2
n n n n
n n n
b a pb qb
b a qb

=
=
1 n
b
n
b
1 1
, , ,
n n n n
b b b b
p q p q
o o o o
o o o o

1 1
1
n n
n
b b
p q b
p q
o o
o o

A + A =
n n
n
b b
p q b
p q
o o
o o
A + A =
* p p p = + A
* q q q = + A
* p p
* q q
ARMADA

* 0.667 q q q = + A =
* 0.389 p p p = + A =
0.389 p A = 0.667 q A =

los residuos, por

y las derivadas parciales, por

Resolviendo el sistema

Se tiene que y .

Entonces
y

Se observa que =0.389 y que =0.667 y es necesario que ambos
valores sean menores a 0.01, por lo que es necesario hacer una
nueva iteracin.

0 0
1 1 0
2 2 1 0
1
( 1) (0)(1) 1
(6) (0)( 1) (0)(1) 6
b a
b a pb
b a pb qb
= =
= = =
= = =
3 3 2 1
4 4 2
( 3) (0)(6) (0)( 1) 3
(4) (0)( 6) 4
b a pb qb
b a qb
= = =
= = =
3 3
2 1
4 4
2
6.00; 1.00
0.00; 6.00
b b
b b
p q
b b
b
p q
o o
o o
o o
o o
= = = =
= = =
* q q
* p p
6.00 1.00 3.00
0.00 6.00 4.00
p q
p q
A + A =
A A =
ARMADA

4 3 2
( ) 6 3 4 0 P x x x x x = + + =
Los resultados de cada iteracin se resumen en la siguiente tabla:
i b
o
b
1
b
2
b
3
b
4
p
*
q
*

* p p

* q q

0 1 -1 6 -3 4 -0.389 0.667 0.389 0.667
1 1 -0.611 5.10 -0.609 0.598 -0.368 0.784 0.021 0.117
2 1 -0.632 4.98 -0.672 0.0957 -0.501 0.765 0.133 0.019
3 1 -0.499 4.99 -0.118 0.183 -0.521 0.802 0.02 0.037
4 1 -0.479 4.95 -0.0369 0.0301 -0.528 0.808 0.007 0.006

El polinomio puede expresarse entonces como

Como se alcanz la tolerancia deseada, se asume que el residuo se puede despreciar, y se tiene
que

De donde puede concluirse que las races del polinomio son

1 2 3 4
0.264 0.86, 0.264 0.86, 0.240 2.21, 0.240 2.21 x i x i x i x i = + = = + =
0 ) 95 . 4 479 . 0 )( 808 . 0 528 . 0 ( ) (
2 2
= + + = x x x x x P
0 0301 . 0 0369 . 0 ) 95 . 4 479 . 0 )( 808 . 0 528 . 0 ( ) (
2 2
= + + + = x x x x x x P
ARMADA

UNIDAD III
SISTEMA DE ECUACIONES LINEALES Y NO LINEALES
Sistema de ecuaciones es el conjunto de ecuaciones para las cuales se buscan soluciones
comunes, que es el valor de las incgnitas que satisfaga a la vez a todas las ecuaciones de los
sistemas.
En una primera clasificacin se puede distinguir entre sistemas de ecuaciones lineales y
sistemas de ecuaciones no lineales. En un sistema de ecuaciones lineales, pueden
representarse usando matrices en la forma Ax = b y, en este caso, disponemos de mtodos
exactos (regla de Cramer, mtodo de Gauss) que, en principio, permitiran resolver el sistema
despejando las incgnitas. Sin embargo, la resolucin numrica de un buen nmero de
problemas prcticos (difusin de calor, deformacin de materiales, etc) conduce a sistemas de
ecuaciones lineales donde el nmero de ecuaciones e incgnitas puede ser de varios miles,
incluso millones. En estos casos, donde los mtodos tradicionales resultan inoperantes,
podemos intentar aproximar la solucin mediante un mtodo iterativo.
En un sistema de ecuaciones no lineales, alguna ecuacin es no lineal. La resolucin exacta de
un sistema no lineal puede ser imposible incluso para sistemas con solo dos ecuaciones con
dos incgnitas. No obstante, en algunos casos podemos construir un mtodo iterativo que
aproxime una solucin a partir de una estimacin inicial.
Dentro de la resolucin de sistema de ecuaciones lineales existen los mtodos de sustitucin,
eliminacin, reduccin, determinantes, grficos. En esta unidad se aborta el mtodo
eliminacin Gaussiana, mtodo gauss-Seidel.

ARMADA

Mtodo de eliminacin de Gauss
Este mtodo se aplica para resolver sistemas lineales de la forma:

El mtodo de eliminacin Gaussiana (simple), consiste en escalonar la matriz aumentada del
sistema:

para obtener un sistema equivalente :

donde la notacin a`
ij
se usa simplemente para denotar que el elemento a
ij
cambi. Se
despejan las incgnitas comenzando con la ltima ecuacin y hacia arriba. Por esta razn,
muchas veces se dice que el mtodo de eliminacin Gaussiana consiste en la eliminacin
hacia adelante y sustitucin hacia atrs.
Ejemplo:
1. Resolver el siguiente sistema de ecuaciones:

usando el mtodo de eliminacin Gaussiana (simple).
Solucin. Escalonamos la matriz aumentada del sistema:
Multiplicando por (-4) fila 1 restando a la fila 2

Multiplicando `por (-7) fila 1 restando a la fila 3

ARMADA

Se tiene
Y dividiendo el segundo rengln entre 3 , tenemos la matriz equivalente:

Por lo tanto, el sistema equivale a:

De la ltima ecuacin se tiene; sustituir este valor en la ecuacin de arriba para obtener x
2
= -
18 ; sustituir estos valores en la ecuacin de arriba para obtener x
1
= 7 .
Por lo tanto, la solucin del sistema es:

Ahora bien, si el problema puede presentar elemento muy cercano a cero.
Ejemplo: Resolver el siguiente sistema, usando eliminacin Gaussiana (simple)

Solucin. Usando eliminacin Gaussiana (simple) se obtiene:

ARMADA

3
2
2
= x
dando el sistema equivalente:

De donde, ; sustituyendo arriba y se obtiene:

El resultado cambia drsticamente de acuerdo al nmero de cifras significativas que se usen.
Se resume los resultados en la siguiente tabla:
#
Cifras
Significativas
x
2
x
1

(*)
Error relativo
porcentual
3 0.667 -33 10,000 %
4 0.6667 -3 1,000 %
5 0.66667 0 100 %
6 0.666667 .3 10 %
7 0.6666667 0.33 1 %

Ahora se resuelve el mismo sistema pero intercambiando los renglones 1 y 2

Lo cual da el sistema equivalente:

ARMADA


De donde se obtiene ; sustituyendo arriba da:

Nuevamente se toma distintas cifras significativas, los resultados se resume en la siguiente
tabla:
#
Cifras
Significativas

x
2

x
1

(*)
Error Relativo
Porcentual
3 0.667 0.333 0.1 %
4 0.6667 0.3333 0.01 %
5 0.66667 0.33333 0.001 %
6 0.666667 0.333333 0.0001 %
7 0.6666667 0.3333333 0.00001 %

En este ltimo caso, el error relativo porcentual no vara drsticamente como en la solucin
anterior.
As, que los elementos que son cercanos a cero, son elementos malos para hacer ceros. En
general, para evitar este problema se elige como elemento para hacer ceros (el cual recibe el
nombre de elemento pivotal o simplemente pivote) como el elemento mayor en valor
absoluto de entre todos los candidatos.
A este procedimiento se le llama pivoteo parcial y aplicado a la eliminacin Gaussiana, da el
llamado mtodo de eliminacin Gaussiana con pivoteo (parcial).
3
2
2
= x
ARMADA

Podemos resumir el pivoteo (parcial) como sigue:
- Para elegir el elemento pivote en la primer columna se escoge el elemento mayor (con
valor absoluto) de toda la primera columna.
- Para elegir el elemento pivote en la segunda columna, se escoge el elemento mayor (con
valor absoluto) de toda la segunda columna exceptuando el elemento a
12
.
- Para la tercera columna se exceptan los elementos a
13
y a
23
, etc.
En un diagrama matricial, tenemos que los elementos pivotes de cada columna se escogen
de entre los siguientes:

Ejemplo 1:
Usar eliminacin Gaussiana con pivoteo para resolver el siguiente sistema:

Solucin. la matriz aumentada del sistema:

ARMADA

2
1
2
2 . 0
Para escoger el primer elemento pivote en la columna 1, se toma el elemento mayor con valor
absoluto entre -1 , -2 y -0.2 , el cual obviamente es el -2 ; por lo tanto se intercambia el
rengln 1 y 2 (ste es el primer pivoteo realizado):

Y se procede a hacer ceros debajo del pivote. Para ello, se multiplica el rengln 1 por
y se suma al rengln 2. Tambin, multiplica el rengln 1 por y se suma al
rengln 3. Esto da la matriz:

Se procede a escoger el pivote de la columna 2, pero nicamente entre 0.5 y 1.25, el cual
obviamente resulta ser 1.25. Por lo tanto se intercambia los renglones 2 y 3 (ste es el
segundo pivoteo realizado):

Y procede a hacer ceros debajo del elemento pivote. Para ello multiplica el rengln 2 por
y se suma al rengln 3 para obtener:

La cual es una matriz escalonada. El sistema equivalente es:

25 . 1
05 .
ARMADA


Y con la sustitucin hacia arriba, obtenemos la solucin del sistema:

Mtodo de Gauss-Seidel
El mtodo de eliminacin para resolver ecuaciones simultneas suministra soluciones
suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero exacto depende de las
ecuaciones de que se trate, del nmero de dgitos que se conservan en el resultado de las
operaciones aritmticas, y del procedimiento de redondeo. Utilizando ecuaciones de error, el
nmero de ecuaciones que se pueden manejar se puede incrementar considerablemente a ms
de 15 o 20, pero este mtodo tambin es imprctico cuando se presentan, por ejemplo, cientos
de ecuaciones que se deben resolver simultneamente.
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes nmeros de
ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de Gauss-Seidel. Este
mtodo tiene la desventaja de que no siempre converge a una solucin o de que a veces
converge muy lentamente. Sin embargo, convergir siempre a una solucin cuando la
magnitud del coeficiente de una incgnita diferente en cada ecuacin del conjunto, sea
suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa
ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros para
asegurar la convergencia y es an ms difcil predecir la velocidad de la convergencia para
alguna combinacin de valores de los coeficientes cuando esa convergencia existe. No
obstante, cuando el valor absoluto del coeficiente dominante para una incgnita diferente para
cada ecuacin es mayor que la suma de los valores absolutos de los otros coeficientes de esa
ARMADA

ecuacin, la convergencia est asegurada. Ese conjunto de ecuaciones simultneas lineales se
conoce como sistema diagonal.
Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es
condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales que se derivan de
muchos problemas de ingeniera, son del tipo en el cual existen siempre coeficientes
dominantes.
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible
hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar
valores seleccionados arbitrariamente. Los valores iniciales utilizados no afectarn la
convergencia como tal, pero afectarn el nmero de iteraciones requeridas para dicha
convergencia.
2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que
tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas los
valores supuestos.
3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene el
coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la incgnita
del paso 2 y los valores supuestos para las incgnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la
incgnita que tiene el coeficiente ms grande en cada ecuacin particular, y utilizando
siempre los ltimos valores calculados para las otras incgnitas de la ecuacin.
(Durante la primera iteracin, se deben utilizar los valores supuestos para las
incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin final ha sido
resuelta, proporcionando un valor para la nica incgnita, se dice que se ha
completado una iteracin.
ARMADA

5. Continuar iterando hasta que el valor de cada incgnita, determinado en una iteracin
particular, difiera del valor obtenido en la iteracin previa, en una cantidad menor que
cierto error seleccionado arbitrariamente. El procedimiento queda entonces completo.
Ejemplo
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un error =
0.001.
0.1 x
1
+ 7.0 x
2
- 0.3 x
3
= -19.30
3.0 x
1
- 0.1 x
2
- 0.2 x
3
= 7.85
0.3 x
1
- 0.2 x
2
- 10.0 x
3
= 71.40
Solucin:
Primero ordenar las ecuaciones, de modo que en la diagonal principal esten los coeficientes
mayores para asegurar la convergencia.
3.0 x
1
- 0.1 x
2
- 0.2 x
3
= 7.85
0.1 x
1
+ 7.0 x
2
- 0.3 x
3
= -19.30
0.3 x
1
- 0.2 x
2
- 10.0 x
3
= 71.40
Despejar cada una de las variables sobre la diagonal:

Suponer los valores iniciales x
2
= 0 y x
3
= 0 y calcular x
1

Este valor junto con el de x
3
se puede utilizar para obtener x
2

La primera iteracin se completa sustituyendo los valores de x
1
y x
2
calculados obteniendo:
ARMADA


En la segunda iteracin, se repite el mismo procedimiento:

Comparando los valores calculados entre la primera y la segunda iteracin, se tiene el error
absoluto de cada variable:

Como se observar, no cumple la condicin
para i = 1, 2, 3
Se toma los valores calculados en la ltima iteracin como supuestos para la siguiente
iteracin. Se repite el proceso:

Comparar de nuevo los valores obtenidos (calculo error absoluto)

error x x
i i
s
0 1
ARMADA


Como se observa todava no se cumple la condicin
para i = 1, 2, 3
As que se hace otra iteracin

Comparando los valores obtenidos

Dado que se cumple la condicin, el resultado es:
x
1
= 3.0
x
2
= -2.5
x
3
= 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para encontrar una
solucin. En este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan ms
iteraciones.

error x x
i i
s
1 2

Guia I Calculo Numerico

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Guia I Calculo Numerico

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA DE LA FUERZA

Vous aimerez peut-être aussi