Scrib 3 analisis numerico
Descargar como PPSX, PDF0 recomendaciones623 vistas
Este documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, el método de Gauss-Jordan, la descomposición LU, la factorización de Cholesky y métodos iterativos como los métodos de Gauss-Seidel y Jacobi. El objetivo es seleccionar métodos numéricos para determinar soluciones aproximadas a sistemas de ecuaciones lineales.
Scrib 3 analisis numerico
- 1. Solución de Sistemas de Ecuaciones Lineales Objetivos Terminal Seleccionar métodos numéricos determinando las solución aproximada de un sistema de ecuaciones lineales Objetivos Específicos 1- Utilizar métodos de eliminación para resolver conjunto de ecuaciones Lineales. 2- Descomponer una matriz cuadrada en una triangular superior superior (U) y una triangular inferior (L) 3- Calcular el determinante de una matriz. 4- Descomponer una matriz cuadrada en una triangular superior y su traspuestas 5- Utilizar métodos interactivos para resolver un conjunto de ecuaciones lineales.
- 2. Métodos de Eliminación Gaussiana utilizando métodos numéricos El proceso de eliminación de Gaussisana o de Gauss, consiste en realizar transformaciones elementales en el sistema inicial (intercambio de filas, intercambio de columnas, multiplicación de filas o columnas por constantes, operaciones con filas o columnas, . . . ), destinadas a transformarlo en un sistema triangular superior, que resolveremos por remonte. Además, la matriz de partida tiene el mismo determinante que la matriz de llegada, cuyo determinante es el producto de los coeficientes diagonales de la matriz. Uno de los problemas de la eliminación Gaussiana es que debemos dividir entre el pivote; si este es un número muy pequeño, entonces un error de redondeo puede arrojar serias dudas sobre la respuesta final. En forma general este método propone la eliminación progresiva de variables en el sistema de ecuaciones, hasta tener sólo una ecuación con una incógnita. Una vez resuelta esta, se procede por sustitución regresiva hasta obtener los valores de todas las variables.
- 3. Método de Gauss-Jordan El proceso de eliminación de Gauss - Jordán consiste en realizar transformaciones elementales en el sistema inicial, destinadas a transformarlo en un sistema diagonal. El número de operaciones elementales de este método, es superior al del método de Gauss (alrededor de un 50% más). Sin embargo, a la hora de resolver el sistema de llegada por remonte, el número de operaciones es menor, motivo por el cual, el método de Gauss - Jordán es un método computacionalmente bueno cuando tenemos que resolver varios sistemas con la misma matriz A y resolverlos simultáneamente, utilizando el algoritmo de Gauss-Jordán. En base a lo anteriormente expuesto, solo haríamos un proceso de eliminación en la matriz y la resolución de un sistema con esta matriz es muy fácil. Un ejemplo en el que se suele usar Gauss - Jordán es en el cálculo de la matriz inversa, ya que calcular la inversa de A, es calcular N sistemas con la misma matriz.
- 4. Método de Gauss-Jordan A) sistemas con solución única, B) sistemas con infinidad de soluciones, C) sistemas sin solución y D) sistemas homogéneos.
- 5. Descomposición LU. Determinante de una matriz El método de Descomposición LU se basa en demostrar que una matriz A se puede factorizar como el producto de una matriz triangular inferior L con una matriz triangular superior U, donde en el paso de eliminación sólo se involucran operaciones sobre los coeficientes de la matriz, permitiendo así evaluar los términos independientes bi de manera eficiente. La implementacion del algoritmo de la descomposición de LU tiene sus variantes en cuanto a los valores iniciales de la diagonal que tome las matrices L y U, es decir si los valores de la diagonal de la matriz L tiene numero 1, formalmente esto se refiere a la Descomposición de Doolite. Pero eso si los valores de la diagonal de la matriz U tiene números 1, formalmente esto se refiere a la Descomposición de Crout
- 7. Factorización de Cholesky El método de Factorización de Cholesky se basa en demostrar que si una matriz A es simétrica y definida positiva en lugar de factorizarse como LU, puede ser factorizada como el producto de una matriz triangular inferior y la traspuesta de la matriz triangular inferior, es decir los factores triangulares resultantes son la traspuesta de cada uno. Véase el siguiente ejemplo
- 8. Solución De Sistemas Lineales Utilizando Métodos Iterativos El método de Gauss y sus variantes son conocidos como métodos directos para resolver el problema inicial Ax = b. Se ejecutan a través de un número finito de pasos y generan una solución x que sería exacta sino fuera por los errores de redondeo. En contraste, un método iterativo da lugar a una sucesión de vectores que idealmente converge a la solución. El cálculo se detiene cuando se cuenta con una solución aproximada con cierto grado de precisión especificado de antemano o después de cierto número de iteraciones. Los métodos indirectos son casi siempre iterativos.
- 9. Continua…
- 12. Método De Gauss Seidel El Método de Gauss Seidel emplea valores iniciales y después itera para obtener estimaciones refinadas de la solución; es particularmente adecuado para un gran número de ecuaciones, lo cual en cierto modo lo hace un método más comúnmente usado. La fórmula utilizada para hallar los xi viene dada por el despeje de cada una de las xi en cada una de las ecuaciones y se les da un valor inicial a cada xi de cero. Observase que en el método de Gauss-Seidel los valores actualizados de xi sustituyen de inmediato a los valores anteriores, mientras que en el método de Jacobi todas las componentes nuevas del vector se calculan antes de llevar a cabo la sustitución. Por contra, en el método de Gauss-Seidel los cálculos deben llevarse a cabo por orden, ya que el nuevo valor xi depende de los valores actualizados de x1, x2, ..., x i-1.
- 13. Método de Jacobi El Método de Jacobi transforma una matriz simétrica en una matriz diagonal al eliminar de forma simétrica los elementos que están fuera de la diagonal. Desafortunadamente, el método requiere un número infinito de operaciones, ya que la eliminación de cada elemento no cero a menudo crea un nuevo valor no cero en el elemento cero anterior. Si A es diagonalmente dominante, entonces la sucesión que resulta de la iteración de Jacobi converge a la solución de Ax = b para cualquier vector inicial Xo. Partimos de una aproximación inicial Xo para las soluciones Xi al sistema de ecuaciones y sustituimos estos valores en la ecuación: Que es la expresión que nos proporciona las nuevas componentes del vector x(k) en función de vector anterior x(k-1) en la iteración de Jacobi, en su respectivo algoritmo; donde el a el método de Jacobi más que usar el último valor disponible de , con base en un conjunto de las x anteriores (). De esta forma, como se generan nuevos valores, no se usan en forma inmediata sino que se retienen para la siguiente iteración.
- 14. Método de Jacobi