Metodos Numericos

UNAM FI
Anlisis Numrico
Solucin numrica de sistemas de ecuaciones lineales
Solucin de sistemas de ecuaciones lineales
Casos que se pueden presentar:
Solucin nica
Mltiples soluciones
Sin solucin
M.I. Vctor Manuel Durn Campos

UNAM FI
Anlisis Numrico
La estructura matricial que tendra cada una de las alternativas seria
parecida a lo siguiente:
1 0 0 1
0 1 0 2 Compatible determinado (solucin nica)

0 0 1 3
1 0 1 4
0 1 1 5 Compatible indeterminado (Mltiples soluciones)

0 0 0 0
1 1 0 1
0 1 1 2
Inompatible (Sin solucin)
0 0 0 3

UNAM FI
Anlisis Numrico
Con los mtodos que se vern en este captulo se trata de obtener la

solucin nica de un sistema de ecuaciones lineales (sistema
compatible determinado) y en caso contrario indicar que el sistema o
tiene soluciones mltiples o no tiene solucin.

UNAM FI
Anlisis Numrico
Mtodo de Gauss-Jordan
El Mtodo de GaussJordan o tambin llamado eliminacin de Gauss

Jordan, es un mtodo que sirve para varias cosas (por ejemplo obtener
la inversa), pero en nuestra materia lo usaremos para resolverse
sistemas de ecuaciones lineales con n nmeros de variables.
2x y z 1
x 2 y 3z 6
x y 2 z 3

UNAM FI
Anlisis Numrico
Por el mtodo de Gauss se van obteniendo soluciones mediante la

reduccin del sistema dado a otro equivalente en el que cada ecuacin
tiene una incgnita menos que la anterior.
2 1 1 1 2 1 1 1
1 2 3 6 1 2 3 6

1 1 2 3 r3 r2 0 3 5 9

UNAM FI
Anlisis Numrico
El mtodo de Gauss transforma la matriz de coeficientes en una matriz

triangular superior, por medio del pivoteo.
2 1 1 1
0 5 7 11

0 0 4 / 3 4

UNAM FI
Anlisis Numrico
Despus se resuelve por la llamado sustitucin hacia atrs, es decir en

la ltima fila se puede encontrar fcilmente el valor de Z, conocido ese
valor se puede ir al segunda fila para conocer Y, finalmente conocido Y
se puede ir al primera fila para conocer X
2 1 1 1 4 / 3 Z=4 Z=3
0 5 7 11 5Y-7 3 11 Y= 11 21 / 5 2

0 0 4 / 3 4 2 X 2 3 1 X= 1 2 3 / 2 1

UNAM FI
Anlisis Numrico
Otra forma de resolver el sistema es seguir transformndola hasta tener

una matriz identidad donde los valores de las variables sern igual a los
elementos de el vector B modificado.
1 0 0 1
0 1 0 2 X 1

0 0 1 3 Y 2
Z 3

UNAM FI
Anlisis Numrico
Funciones en Matlab (pueden ejecutarse en tambin en Octave)
A=[2 1 -1 ; 1 -2 3 ; 1 1 -2]
A=
[ ] Indica inicio y fin del arreglo o matriz.
2 1 -1 Espacio o comas nos sirven para elementos por
1 -2 3 fila o rengln.
1 1 -2
; nos indican un cambio de fila.

UNAM FI
Anlisis Numrico
Funciones en Matlab
A(2,2) Extraer el elemento que se encuentra en la

posicin 2,2 de la matriz.
ans = -2
Resultado almacenado en la variable de

memoria ans

UNAM FI
Anlisis Numrico
Funciones en Matlab
A(2,1:end) Extraer todos los elementos del segundo

rengln.
ans =
1 -2 3
>> A(2,:)
ans =
1 -2 3

UNAM FI
Anlisis Numrico
Funciones en Matlab
Extraer todos los elementos de la tercera

A(:,3) columna.
ans =
-1
3
-2

UNAM FI
Anlisis Numrico
Funciones en Matlab
Extraer renglones 1 y 2
A(1:2, 2:3)
ans =
1 -1 Extraer columnas 2 y 3.
-2 3

UNAM FI
Anlisis Numrico
Funciones en Matlab
Reasignar el valor de la celda 2,1 a un valor
de 10
A(2,1)=10
A=
2 1 -1
10 -2 3
1 1 -2

UNAM FI
Anlisis Numrico
Funciones en Matlab
Convertir a cero un elemento de una matriz con base en un elemento contenido

en la misma columna
A= A=
2 1 -1 2 1 -1
1 -2 3 1 -2 3
1 1 -2 0 3 -5

UNAM FI
Anlisis Numrico
Funciones en Matlab
El cdigo de la funcin seria.
function Mf = convertir_ceros(a,b,c,Ma)
Mf=Ma; %a => filas donde esta el pivote
FILApivote=Ma(a,:)/Ma(a,c); %b => fila cuyo elemento se quiere cambiar a cero
if (Ma(b,c)>0) %c => columna donde se harn las sustituciones
FILAcambio=Ma(b,:)-FILApivote;
else
FILAcambio=Ma(b,:)+FILApivote;
end
Mf(b,:)=FILAcambio;
end

UNAM FI
Anlisis Numrico
Funciones en Matlab
Intercambiar elementos de una fila a otra
A= A=
2 1 -1 2 1 -1
1 -2 3 1 1 -2
1 1 -2 1 -2 -3

UNAM FI
Anlisis Numrico
Funciones en Matlab
function Mf = cambiar_fila(a,b,Ma )
V1=Ma(a,:); %a y b => filas a cambiar de posicin
V2=Ma(b,:); %Ma => Matriz que se quiere transformar
Mf=Ma; %Mf => Matriz transformada
Mf(a,:)=V2;
Mf(b,:)=V1;
end

UNAM FI
Anlisis Numrico
Mtodo de Gauss-Jordan por pivoteo total
Ejemplo de cambiar columna
function Mf = cambiar_columna(a,b,Ma )
%a y b => columnas a cambiar de posicin
%Ma => Matriz que se quiere transformar
%Mf => Matriz transformada
V1=Ma(1:end,a);
V2=Ma(1:end,b);
Mf=Ma;
Mf(1:end,a)=V2;
Mf(1:end,b)=V1;
end

UNAM FI
Anlisis Numrico
Funciones en Matlab
Obtener la posicin del mximo elemento en valor absoluto de una matriz
A=
ans = 3
2 1 -1
1 -2 3
1 1 -2

UNAM FI
Anlisis Numrico
Funciones en Matlab
function Mf =maximo_matriz(Ma )
Mf=zeros(1,3); Debe ser modificado para
n=size(Ma,1); pedir el mximo de una
vmax=0; fmax=0; cmax=0; submatriz
for i=1:n
for j=1:n A=
if (abs(Ma(i,j)) > abs(vmax))
2 1 -1
vmax=Ma(i,j); 1 -2 3
fmax=i; 1 1 -2
cmax=j;
end
end
end
Mf=[vmax fmax cmax];
end

UNAM FI
Anlisis Numrico
Funciones en Matlab
Con base en un elemento pivote, acomodar dicho elemento en cierta posicin

moviendo filas y columnas.
Ejemplo: El elemento de mximo valor absoluto colocarlo en la celda (1,1)
A= A= A=
2 1 -1 -1 1 2 3 -2 1
1 -2 3 3 -2 1 -1 1 2
1 1 -2 -2 1 1 -2 1 1

UNAM FI
Anlisis Numrico
Funciones en Matlab
function Mf = acomodar_maximo( a,b,vmax,Ma )

Mf=Ma;
Mf=cambiar_fila(vmax(2),a,Ma);
Mf=cambiar_columna(vmax(3),b,Mf);
end

UNAM FI
Anlisis Numrico
Si al aplicar este mtodo en cada transformacin se van utilizando nmeros

racionales el error por la aplicacin del mtodo ser cero. Pero si utilizamos
nmeros decimales se puede presentar un error debido a redondeo o
truncamiento.
Racional 2/3
Decimal a 5 digitos 0.66667
Redondeo 0.667
Truncamiento 0.666

UNAM FI
Anlisis Numrico
Mtodo de Gauss-Jordan por estrategias de pivoteo total
Para disminuir dicho error se puede aplicar una variante al mtodo de

Gauss_Jordan llamado pivoteo total.
Esta metodologa se puede considerar un Gauss-Jordan mejorado, que al

tomar como pivote el mximo elemento en valor absoluto de una matriz o
submatriz y colocarlos sobre la diagonal principal, nos permite disminuir los
errores.
Nota: Existen otras tcnicas de pivoteo el parcial y el parcial escalonado.

UNAM FI
Anlisis Numrico
La idea de este mtodo consiste en lo siguiente:
Analizamos los elementos de la matriz y nos enfocamos en el que tenga mayor

valor absoluto.
a 1 i n,1 j n
a 1 i 3,1 j 3
En este caso el valor seleccionado es 4

No se debe tomar en cuenta la columna perteneciente a B

UNAM FI
Anlisis Numrico

Posteriormente debemos intercambiar las filas y columnas de tal forma que la
fila que contenga el (pivote) se ubique en la parte superior de la matriz y sobre
la diagonal principal.
ai1 ai 2

UNAM FI
Anlisis Numrico
Una vez acomodada la matriz se deben eliminar los elementos que estn por
debajo de ella como en el Gauss Jordan tradicional.

UNAM FI
Anlisis Numrico
Posteriormente se vuelve a repetir el proceso a partir del segundo rengln

buscando el elemento de mximo valor absoluto sea colocado sobre la diagonal
principal.
a 2 i n, 2 j n
a 2 i 3, 2 j 3
Se eliminan del anlisis la fila y columna 1

UNAM FI
Anlisis Numrico
Una vez acomodada la matriz se deben eliminar los elementos que estn por
debajo de ella como en el Gauss-Jordan tradicional.
Para nuestro caso ya se triangulo la matriz y se puede aplicar la sustitucin hacia atrs
seguir manipulando la matriz hasta obtener la matriz identidad del lado izquierdo.

UNAM FI
Anlisis Numrico
La solucin para nuestro ejemplo es:
Z f (constante) C (3, 4) / C (3,3) 6.2727 / 2.0909 3
Y f z C (2, 4) 0.25Z / C(2, 2) 3.5 0.25 3 / 2.75 1
X f Y , Z C (1, 4) Y Z / C(1,1) 6 (1) 3 / 4 2

UNAM FI
Anlisis Numrico
Mtodos de descomposicin LU (Crout y Doolittle)
La descomposicin LU consiste en encontrar dos matrices L y U construidas de tal

forma que se cumpla que:
A=L*U
Este mtodo nos permite reducir las iteraciones y errores ocasionados por el pivoteo
en el mtodo de Gauss-Jordan y Adicionalmente puede ser usado para otros
procesos como la obtencin de la inversa.

UNAM FI
Anlisis Numrico
Mtodos de descomposicin LU
Existen dos estructuras o versiones que deben tener las matrices que desean
encontrarse.
Versin Crout Versin Doolitle
L11 0 0 U11 0 0
L L21 L22 0 U U 21 U 22 0
L31 L32 L33 U 31 U 32 U 33
1 U12 U13 1 L12 L13

U 0 1 U 23 L 0 1 L23
0 0 1 0 0 1
Se puede observar que las matrices se intercambian al cambiar de versin

UNAM FI
Anlisis Numrico
Construir la factorizacin LU de la matriz A.
1 3 2
A 3 4 1
2 5 2
1 3 2
A LU 3 4 1
2 5 2

UNAM FI
Anlisis Numrico
Se puede escribir a la matriz A en forma de A=LU con L=I (matriz identidad) y U=A
1 0 0 1 3 2
A LU 0 1 0 3 4 1
0 0 1 2 5 2

UNAM FI
Anlisis Numrico
La matriz U no esta como se pide en la definicin Crout (debe ser una matriz
triangular superior) por lo cual se deben eliminar U21, U31 y U32.
1 0 0 1 3 2
A LU 0 1 0 3 4 1
0 0 1 2 5 2
L11 0 0 1 U12 U13

L L21 L22 0 U 0 1 U 23
L31 L32 L33 0 0 1

UNAM FI
Anlisis Numrico
Se usa como pivote para la primera eliminacin U11, pero al alterar U tambin L sufre
un cambio.
1 0 0 1 3 2
A LU 0 1 0 3 4 1
0 0 1 2 5 2
1 0 0 1 3 2 1 0 0 1 3 2 1 0 0 1 3 2
A LU 3 1 0 0 5 7 A LU 3 1 0 0 5 7 A LU 3 1 0 0 5 7
0 0 1 2 5 2 2 0 1 0 11 2 2 11/ 5 1 0 0 63 / 5

UNAM FI
Anlisis Numrico
Finalmente convirtiendo la diagonal principal de U en unos tenemos.
1 0 0 1 3 2
A LU 3 1 0 0 5 7
2 11/ 5 1 0 0 63 / 5
1 0 0 1 3 2
A LU 3 1 0 0 5 7
2 11/ 5 1 0 0 63 / 5

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
Este mtodo nos permite resolver sistemas de ecuaciones con base en una
ecuacin de recurrencia y una aproximacin inicial.
Ax B
xi1 c Bxi Ecuacin de recurrencia
X Son las incgnitas

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
Ejemplo: Resolver por medio del mtodo de Jacobi el siguiente sistema de
ecuaciones lineales.
1 1 1 x1 6
Ax B 2 1 1 x 3
2
2 1 2 x3 6
Partiendo de la aproximacin inicial de: x1 0, x2 0, x3 0

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
El primer paso es despejar x1 de la primera ecuacin, x2 de la segunda y x3
de la tercera.
x1 6 x2 x3 x ( i 1)
6 x2 x3
(i ) (i )
1
x2 3 2 x1 x3 x2 (i1) 3 2 x1(i ) x3(i )
x3 3 x1 0.5 x2
x3(i1) 3 x1(i ) 0.5 x2 (i )
xi1 c Bxi

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
Sustituyendo los valores iniciales: x1 1, x2 1, x3 1
x1(2) 6 0 0 6
x2 (2) 3 2 0 0 3
x3(2) 3 0 0.5 0 3
x1(3) 6 3 3 6
x2 (3) 3 2 6 3 12
x3(3) 3 6 0.5 3 10.5

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
Entre ms cercanos estn los valores iniciales del resultado real, el mtodo
converger ms rpido. El mtodo terminar de iterar cuando:
xi1 xi
Tambin se puede manejar lo siguiente:
xi1 xi tolerancia

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
El mtodo tambin puede diverger, para disminuir esa posibilidad se puede
acomodar la matriz para que se convierta en una matriz diagonalmente
dominante.
3 1 1
2 8 5

xi j i xij , j=1,2...n , i j
2 4 7
Una matriz se dice matriz diagonalmente dominante, si en cada uno de los

renglones, el valor absoluto del elemento de la diagonal principal es mayor que
la suma de los valores absolutos de los elementos restantes del mismo
rengln.

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
Son diagonalmente dominantes:
No son diagonalmente dominantes:

UNAM FI
Anlisis Numrico
Mtodo de Jacobi
Por ejemplo la siguiente matriz puede volverse diagonalmente divergente, al
realizar al permutar la primera y segunda columna.

UNAM FI
Anlisis Numrico
Mtodo de Gauss-Seidel
El mtodo de Gauss-Seidel es muy semejante al mtodo de Jacobi. Pero mientras que en
el de Jacobi se utiliza el valor de todas las incgnitas para determinar una nueva
aproximacin, en el de Gauss-Seidel se va utilizando los valores de las incgnitas recin
calculadas en la misma iteracin, y no en la siguiente.
Jacobi Gauss Seidel

x11 f ( x10 , x2 0 ,..xi 0 )
x11 f ( x10 , x2 0 ,..xi 0 )
x2 1 g ( x10 , x2 0 ,..xi 0 )
x2 1 g ( x11 , x2 0 ,..xi 0 )
...
x31 h( x11 , x21 ,..xi 0 )
xi 1 h( x10 , x2 0 ,..xi 0 )

UNAM FI
Anlisis Numrico
Resolver por Gauss_Seidel el mismo ejercicio utilizado para ejemplificar el
mtodo del Jacobi.
4 1 0 x1 2
Ax B 1 4 1 x 6
2
0 1 4 x3 2
Partiendo de la aproximacin inicial de:

UNAM FI
Anlisis Numrico
Utilizando el despeje realizado anteriormente y acomodndolo para el mtodo
de Gauss-Seidel:
x1 0.5 0.25 x2 x1(i1) 0.5 0.25 x2 (i )

x2 1.5 0.25 x1 0.25 x3 x2 (i1) 1.5 0.25 x1(i1) 0.25 x3(i )
x3 0.5 0.25 x2 x3(i1) 0.5 0.25 x2 (i1)

UNAM FI
Anlisis Numrico
Aplicando valores iniciales:
x1(1) 0 x2 (1) 0 x3(1) 0
x1(2) 0.5 0.25 x2(1) 0.5 0.25 0 0.5

x2 (2) 1.5 0.25 x1(2) 0.25 x3(1) 1.5 0.25 0.5 0.25 0 1.625
x3(2) 0.5 0.25 x2(2) 0.5 0.25 1.625 0.90625

UNAM FI
Anlisis Numrico
Aplicando valores iniciales:
x1(2) 0.5 x2(2) 1.625 x3(2) 0.90625
x1(3) 0.5 0.25 x2(2) 0.5 0.25 1.625 0.90625

x2(3) 1.5 0.25 x1(3) 0.25 x3(2) 1.5 0.25 0.90625 0.25 0.90625 1.953125
x3(3) 0.5 0.25 x2(3) 0.5 0.25 1.953125 0.988828125

UNAM FI
Anlisis Numrico
Este mtodo necesitara de 5 iteraciones para encontrar la solucin del sistema:
x5(2) 1 x5(2) 2 x5(2) 1

UNAM FI
Anlisis Numrico
Mtodos de Krylov
Aunque existen muchos mtodos, es el que a continuacin se desarrolla y que es utilizado

principalmente para obtener la ecuacin caracterstica de una matriz y es conocido como
el mtodo de las potencias.
Partiendo del siguiente determinante para obtener la ecuacin o polinomio caracterstico

de una matriz cuadrada.
(a11 ) a12 a13

A I a21 (a22 ) a23 0
a31 a32 (a33 )

UNAM FI
Anlisis Numrico
Mtodo de Krylov
Si desarrollramos el determinante:
A I (a11 ) a23 (a22 ) a32 (a33 )

-a12 a21 (a33 ) a31a23
+a13 a21a32 a31 (a22 )
Para simplificar podemos usar la siguiente ecuacin (teniendo como incgnitas a las bi).
n n 1
b1
n n 1
b2 n2
... bn1 bn 0

UNAM FI
Anlisis Numrico
Mtodo de Krylov
Si aplicamos el teorema de Cayley-Hamilton que establece que Toda matriz cuadrada A

satisface su ecuacin caracterstica expresada como una ecuacin matricial.
An b1 An1 b2 An2 ... bn1 A bn I 0
Que es equivalente a:
n 1 n2
A y b1 A
n
y b2 A y ... bn1 Ay bn y 0
y Vector cualesquiera diferente de vector nulo

UNAM FI
Anlisis Numrico
Mtodo de Krylov
Ejemplo: Si la matriz 3x3 tendramos
0 1 1

A 1 2 1 A y b1 A y b2 A y b3 y 0
3 2
1 1 0
1
Donde y= 0
0

UNAM FI
Anlisis Numrico
Mtodo de Krylov
Desarrollando las A elevadas a la n:
4 9 5 2 3 1

A 9 18 9
3
A 3 6 3
2
5 9 4 1 3 2

UNAM FI
Anlisis Numrico
Mtodo de Krylov
Desarrollando la ecuacin:
A I A3 y b1 A2 y b2 A y b3 y 0
2 3 1 1 2 3 1 1 0 1 1 1 1
A I 3 6 3 0 b1 3 6 3 0 b2 1 2 1 0 b3 0 0
1 3 2 0 1 3 2 0 1 1 0 0 0
4 2 0 1 0
A I 9 b1 3 b2 1 b3 0 0
5 1 1 0 0

UNAM FI
Anlisis Numrico
Mtodo de Krylov
Entonces nos quedara el siguiente sistema, que a partir de este momento puede
resolverse con los mtodos previos (Gauss_Jordan, Pivoteo, etc.):
2 b1 0 b2 1 b3 4
3 b1 1 b2 0 b3 9
1 b1 1 b2 0 b3 5
b1 2 b2 3 b3 0

UNAM FI
Anlisis Numrico
Mtodo de las potencias
Este mtodo nos sirve sirve para calcular los autovalores (eigenvalores) de mdulo
mximo o mnimo) de una matriz real. Slo es vlido (es decir converge) cuando dicho
autovalor es real y es nico.
A I X 0

UNAM FI
Anlisis Numrico
Mtodo de las potencias Mayor Valor caracterstico
El mayor valor caracterstico se puede obtener al acomodar la ecuacin anterior de la

siguiente forma:
AX X 0 AX X
La formula anterior puede ser utilizada para emplear un mtodo de aproximaciones
sucesivas al presentarse de la siguiente manera:
AX k k 1 X k 1
El proceso se repetir hasta que la diferencia entre dos aproximaciones cumpla con la
tolerancia preestablecida.

UNAM FI
Anlisis Numrico
Mtodo de las potencias Menor Valor caracterstico
Para este caso multiplicaremos la ecuacin por la inversa:
AX X A1 AX A1 X
Lo que resulta: X A1 X
1 1 1
Si dividimos entre : X A X A 1
X

Poniendo en modo de aproximaciones sucesivas nos queda:
1
1
A X k X k 1
k 1


UNAM FI
Anlisis Numrico
Ejemplo: Calcular el mayor y menor valor caracterstico (lambda) de la siguiente matriz.
2 2 1
A
1 3 1

1 2 2


UNAM FI
Anlisis Numrico
1
El primer paso es definir un vector inicial diferente del vector nulo: Xo 0

0
Al realizar la primera iteracin para buscar el autovalor mximo:
2 2 1 1 2
AX 0 1 3 1 0 1
1 2 2 0 1

UNAM FI
Anlisis Numrico
El elemento de mayor valor representa la primera iteracin: 1 2
Obteniendo el vector X1 con base AXo:
2 2 1
AX 0 1 (1) X 1 X 1 1 / 2 0.5
1 1 0.5

UNAM FI
Anlisis Numrico
1
Realizando una segunda iteracin: Xo
0.5

0.5
2 2 1 1 3.5
AX 1 1 3 1 0.5 3 (2 ) 3.5
1 2 2 0.5 3
3.5 1 2 1 3.5 2 1.5 0.01

X 2 3 / 3.5 0.8571
3 0.8571

UNAM FI
Anlisis Numrico
Este proceso se puede seguir repitiendo hasta que la diferencia entre las lambdas sea
menor a la tolerancia:

UNAM FI
Anlisis Numrico
En resumen tenemos: Mximo 4.99997 5
1
Su vector Asociado: 1

1

UNAM FI
Anlisis Numrico
Para el lambda mnimo el proceso sera similar pero cambiando de ecuacin de

recurrencia.
1 1
A1 X k X k 1 Con: Xo 0
k 1

0
0.8 0.4 0.2 1 0.8

A1 X 0 0.2 0.6 0.2 0 0.2
0.2 0.4 0.8 0 0.2

UNAM FI
Anlisis Numrico
Calculando la otra parte de la ecuacin
1 1 5
X 0.8 X 1
1 1 0.8 4

0.8 1
X 1 0.2 / 0.8 0.25 Se deja de tareas realizar las
dems iteraciones
0.2 0.25

UNAM FI
Anlisis Numrico
Los valores finales despus de 7 iteraciones serian:
En resumen tenemos: Mnimo 1.00002 1
0.333 1/ 3
Su vector Asociado: 0.333 1/ 3

0.333 1/ 3

UNAM FI
Anlisis Numrico
Si aplicramos el mtodo de Krylov obtendramos el siguiente polinomio caracterstico y si

lo graficramos observaramos que las races caen en 5 y 1 que fueron los valores
obtenidos en este ejemplo:
3 7 2 11 5 0

Metodos Numericos

Transféré par

Informations du document

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

Metodos Numericos

Transféré par

Droits d'auteur :

Formats disponibles

UNAM FI

M.I. Vctor Manuel Durn Campos

M.I. Vctor Manuel Durn Campos

Con los mtodos que se vern en este captulo se trata de obtener la

M.I. Vctor Manuel Durn Campos

El Mtodo de GaussJordan o tambin llamado eliminacin de Gauss

M.I. Vctor Manuel Durn Campos

Por el mtodo de Gauss se van obteniendo soluciones mediante la

M.I. Vctor Manuel Durn Campos

El mtodo de Gauss transforma la matriz de coeficientes en una matriz

M.I. Vctor Manuel Durn Campos

Despus se resuelve por la llamado sustitucin hacia atrs, es decir en

M.I. Vctor Manuel Durn Campos

Otra forma de resolver el sistema es seguir transformndola hasta tener

M.I. Vctor Manuel Durn Campos

Funciones en Matlab (pueden ejecutarse en tambin en Octave)

M.I. Vctor Manuel Durn Campos

A(2,2) Extraer el elemento que se encuentra en la

Resultado almacenado en la variable de

M.I. Vctor Manuel Durn Campos

A(2,1:end) Extraer todos los elementos del segundo

M.I. Vctor Manuel Durn Campos

Extraer todos los elementos de la tercera

M.I. Vctor Manuel Durn Campos

M.I. Vctor Manuel Durn Campos

M.I. Vctor Manuel Durn Campos

Convertir a cero un elemento de una matriz con base en un elemento contenido

M.I. Vctor Manuel Durn Campos

El cdigo de la funcin seria.

M.I. Vctor Manuel Durn Campos

Intercambiar elementos de una fila a otra

M.I. Vctor Manuel Durn Campos

M.I. Vctor Manuel Durn Campos

Mtodo de Gauss-Jordan por pivoteo total

Ejemplo de cambiar columna

M.I. Vctor Manuel Durn Campos

Obtener la posicin del mximo elemento en valor absoluto de una matriz

M.I. Vctor Manuel Durn Campos

M.I. Vctor Manuel Durn Campos

Con base en un elemento pivote, acomodar dicho elemento en cierta posicin

Ejemplo: El elemento de mximo valor absoluto colocarlo en la celda (1,1)

M.I. Vctor Manuel Durn Campos

function Mf = acomodar_maximo( a,b,vmax,Ma )

M.I. Vctor Manuel Durn Campos

Si al aplicar este mtodo en cada transformacin se van utilizando nmeros

M.I. Vctor Manuel Durn Campos

Mtodo de Gauss-Jordan por estrategias de pivoteo total

Para disminuir dicho error se puede aplicar una variante al mtodo de

Esta metodologa se puede considerar un Gauss-Jordan mejorado, que al

Nota: Existen otras tcnicas de pivoteo el parcial y el parcial escalonado.

M.I. Vctor Manuel Durn Campos

La idea de este mtodo consiste en lo siguiente:

Analizamos los elementos de la matriz y nos enfocamos en el que tenga mayor

En este caso el valor seleccionado es 4

M.I. Vctor Manuel Durn Campos

Mtodo de Gauss-Jordan por pivoteo total

M.I. Vctor Manuel Durn Campos

Mtodo de Gauss-Jordan por pivoteo total

M.I. Vctor Manuel Durn Campos

Mtodo de Gauss-Jordan por pivoteo total

Posteriormente se vuelve a repetir el proceso a partir del segundo rengln

M.I. Vctor Manuel Durn Campos

Mtodo de Gauss-Jordan por pivoteo total