Está en la página 1de 25

UMRB-2020

Muchos problemas prácticos de ingeniería se reducen a la resolución de un sistema


de ecuaciones lineales. Un sistema de m ecuaciones lineales en n incógnitas tiene
la forma general
Con la notación matricial, se puede escribir la ecuación anterior como:

Concretamente como

Donde:
[A]= matriz de coeficiente
{x}= vector de variables
[b]= vector de términos independientes
Considérese un sistema general de tres ecuaciones lineales con tres incógnitas.
(1)

(2) *(–a2,1/a1,1). +
(3)

Como primer paso, se remplaza la segunda ecuación con lo que resulte de sumarle la
primera ecuación multiplicada por (–a2,1/a1,1). De manera similar, se sustituye la tercera
ecuación con el resultado de sumarle la primera ecuación multiplicada por (–a3,1/a1,1).
Esto da lugar al nuevo sistema

en donde las a’ y las b’ son los nuevos elementos que se obtienen de las operaciones ya mencionadas, y en
donde x1 se ha eliminado en la segunda y tercera ecuaciones. Ahora, multiplicando la segunda ecuación de
por (–a3,2/a2,2) y sumando el resultado a la tercera ecuación, se obtiene el sistema triangular
donde a”3,3 y b”3 resultaron de las operaciones realizadas y x2 se ha eliminado
de la tercera ecuación.
El proceso de llevar el sistema de ecuaciones (1,2 y 3) a la forma de la ecuación final
se conoce como triangularización o eliminación hacia adelante
El sistema en la forma de la ecuación se resuelve despejando de su última ecuación
x3, sustituyendo x3 en la segunda ecuación y despejando x2 de ella. Por último, con
x3 y x2 sustituidas en la primera ecuación de se obtiene x1. Esta parte del proceso se
llama sustitución regresiva.
Resuelva por eliminación de Gauss el sistema

La matriz aumentada del sistema es

Luego de triangulizar la matriz en términos de sistemas de ecuaciones es

Resolviendo por situación hacia atrás las respuestas son


clc,clear
A=[4 -9 2 5; 2 -4 +6 3; 1 -1 3 4]
%eliminacion O Triangularizacion
[n,m]=size(A)
for j=1:n-1
for i=j+1:n
A(i,:)=A(i,:)+A(j,:)*(-A(i,j)/A(j,j));
end
end
A
%susticion hacia atras
for i=n:-1:1
X(i)=A(i,n+1);
for j=i+1:n
X(i)=X(i)-X(j)*A(i,j);
end
X(i)=X(i)/A(i,i);
end
disp('la solucion de X1, X2, X3 es:')
X
El método de Gauss-Jordan es una variación de la eliminación de Gauss. La principal
diferencia consiste en que cuando una incógnita se elimina en el método de Gauss-Jordan,
ésta es eliminada

lustración del método Gauss-Jordan. Compare con la figura para dilucidar las
diferencias entre esta técnica y la eliminación de Gauss. El superíndice n significa
que los elementos del vector del lado derecho se han modificado n veces (para este
caso, n = 3).
Con la técnica de Gauss-Jordan resuelva el sistema (EJEMPLO 9.12 Método de Gauss-Jordan –Chapra)

Se obtiene la matriz de coeficientes se ha transformado en la matriz identidad, y la


solución se obtiene en el vector del lado derecho. Observe que no se requiere la
sustitución hacia atrás para llegar a la solución.

Las solución es: X1=3 X2=-2,5 X3=7


X=[3 -0.1 -0.2 7.85; 0.1 7 -0.3 -19.3; 0.3 -0.2 10 71.4];
disp(X)
fprintf('USANDO GAUSS JORDAN \n');
fprintf('\n')
[n,m]=size(X)
%simplemente se hace operaciones de filas y columnas usando el método del pivoteo
for i=1:n
pivote=X(i,i)
for j=1:m
X(i,j)=X(i,j)/pivote;
end
for k=1:n
if k~=i
cero=X(k,i)
for j=1:m
X(k,j)=X(k,j)-cero*X(i,j);
end
end
end
end
%imprimimos las soluciones
Solucion=X(:,m)
En la ilustración de la diferencia entre los métodos iterativos a) Gauss-
Seidel y b) Jacobi para resolver ecuaciones algebraicas simultáneas
lineales.
Los métodos iterativos constituyen una alternativa a los métodos de eliminación
descritos hasta ahora, para aproximar la solución. Aquellos métodos consistían en
suponer un valor y luego usar un método sistemático para

Donde:
k= Numero de iteraciones
n= Numero de elementos de la fila
i,j= Elementos de la matriz
Se tiene el sistema de ecuaciones

a(1,1)*x(1)+a(1,2)*x(2)+a(1,3)*x(3)=b(1)
a(2,1)*x(1)+a(2,2)*x(2)+a(2,3)*x(3)=b(2)
a(3,1)*x(1)+a(3,2)*x(2)+a(3,3)*x(3)=b(3)

Se despeja x(n) de las tres ecuaciones

x(1)=(-(a(1,2)*x(2)+a(1,3)*x(3))+b(1))/a(1,1)

x(2)=(-(a(2,1)*x(1)+a(2,3)*x(3))+b(2))/a(2,2)

x(3)=(-(a(3,1)*x(1)+a(3,2)*x(2))+b(3))/a(3,3)

Me doy valores iniciales x0=[x0(1) x0(2) x0(3)]


Por el Método de Jacobi

Sustituir los valores iniciales en las ecuaciones de x(1), x(2), x(3).

x(1)=(-(a(1,2)*x0(2)+a(1,3)*x0(3))+b(1))/a(1,1)

x(2)=(-(a(2,1)*x0(1)+a(2,3)*x0(3))+b(2))/a(2,2)

x(3)=(-(a(3,1)*x0(1)+a(3,2)*x0(2))+b(3))/a(3,3)

Se obtiene

x1=[x(1) x(2) x(3)]

Después

x0=x1
Luego aplicamos errores y tolerancias
Por el método matricial
Se tiene un sistema de la forma:

Se descompone A tal que se tiene:

Y sabiendo que:

Se obtiene la formula de :

Donde:
% se tiene el sistema A(nxn)*X(nx1)=b(nx1)
A=randi(100,3,3)
D=diag(diag(A))
R=A-D
b=randi(100,3,1);
error=1
tol=0.0001
% (D+R)*X=b ---------→ D*X+R*X=b
%Despejar diagonal
% X(k+1)=(D^-1)(b-R*X(k))
% X(k+1)=((D^-1)*b)-((D^-1)*R)*X(k)
%Matriz de transicion Tw
Tw=(D^-1)*b
%Vector de independientes de transicion Cw
Cw=(D^-1)*R
% X(k+1)=Cw+Tw*X(k)
Cw=(inv(D)*b)
Tw=-inv(D)*R
X0=[1 2 3]'%fijarse en las dimenciones
X1=Cw+Tw*X0
X0=X1
%WHILE error y tolerancia quieres minimizar la distancia entre puntos es decir (X0-X1)<t
clc
clear
A=input('matriz de coeficiente: ');
b=input('vector independiente1: ');
xo=input('vector valores iniciales: ');
tol=0.0001;
error=1; % radio espectral%
if det(A)==0; if re<1
disp('error'); disp('si tiene solucion');
return while error>tol
else x1=Cw-Tw*xo;
D=diag(diag(A)); error=max(abs(xo-x1));
L=tril(A)-D; xo=x1;
U=triu(A)-D; end
Tw=(D^-1)*(L+U); disp(x1);
Cw=(D^-1)*b; else
re=max(abs(eig(Tw))); disp('error')
return
end
end
En este método, los valores que se van calculando en la (k+1)-ésima iteración se
emplean para estimar los valores faltantes de esa misma iteración; es decir, con x(k)
se calcula x(k+1)

Donde:
k= Numero de iteraciones
n= Numero de elementos de la fila
i,j= Elementos de la matriz
Se tiene el sistema de ecuaciones

a(1,1)*x(1)+a(1,2)*x(2)+a(1,3)*x(3)=b(1)
a(2,1)*x(1)+a(2,2)*x(2)+a(2,3)*x(3)=b(2)
a(3,1)*x(1)+a(3,2)*x(2)+a(3,3)*x(3)=b(3)

Se despeja x(n) de las tres ecuaciones

x(1)=(-(a(1,2)*x(2)+a(1,3)*x(3))+b(1))/a(1,1)

x(2)=(-(a(2,1)*x(1)+a(2,3)*x(3))+b(2))/a(2,2)

x(3)=(-(a(3,1)*x(1)+a(3,2)*x(2))+b(3))/a(3,3)

Me doy valores iniciales x0=[x0(1) x0(2) x0(3)]


Por Gauss-Seidel
Se obtiene x(1) con valores iniciales

x(1)=(-(a(1,2)*x0(2)+a(1,3)*x0(3))+b(1))/a(1,1)

Para x(2) se utiliza el valor de x(1) hallado anteriormente


x(2)=(-(a(2,1)*x(1)+a(2,3)*x0(3))+b(2))/a(2,2)

Para x(2) se utiliza el valor de x(1) y x(2) hallados anteriormente

x(3)=(-(a(3,1)*x(1)+a(3,2)*x(2))+b(3))/a(3,3)

Sustitución al paso no se un genera un vector y se remplaza


set de datos de mayor velocidad de convergencia

No es tan factible convertir esto ya que podríamos tener n ecuaciones


Por el método matricial
Se tiene un sistema de la forma:

Se descompone A tal que se tiene:

Se obtiene la formula de :

Donde:
se tiene la forma de:
A*X=b
Despejamos:
A=D+L+U
(D+L+U)*X=b
U*X+(L+D)*X=b
X(k+1)=((L+D)^-1)*b-((L+D)^-1)*U*X(k)

Hallamos la Matriz de transicion Tw


Vector de independientes de transicion Cw

Cw=((L+D)^-1)*b
Tw=-((L+D)^-1)*U
X(k+1)=Cw+Tw*X(k)

se aplica igual que jacobi


Resolver el siguiente sistema de ecuación:

Hallar la Matriz de transición y el Vector de independientes de transición y la


solución de X1, X2, X3 y X4.

También podría gustarte