Universidad Tecnolgica de Panam

Ingeniera Industrial
Licenciatura en Ingeniera Industrial

Mtodos numricos

Integrantes:
Bocanegra, Ana Elisa
Casiano, Toms
Quintero, Noeliz

Mtodos para la solucin de ecuaciones lineales

Profesora
Crispina Ramos

Grupo
1II-121

Fecha de Entrega
16 de Octubre de 2015

Introduccin

Muchos de los fenmenos de la vida real son modelados matemticamente con el fin de
poder explicarse, sin embargo en la mayora de los casos stos no pueden ser solucionados
por medio de algn mtodo exacto y aunque algunas veces se puede lograr su solucin
sta puede resultar demasiado laboriosa en trminos de tiempo y recursos
computacionales.
Los mtodos numricos (MN) solucionan este tipo de problema mediante la bsqueda de
una solucin numrica aproximada y el clculo del error asociado, el cual se espera que sea
lo suficientemente pequeo
En distintas reas de las ingenieras se plantean problemas en que se hace necesario
resolver sistemas de ecuaciones lineales simultneas con un nmero bastante grande de
ecuaciones como para resolverlo manualmente o con calculadora, por lo que es necesario
conocer este mtodo directo e iterativo fcil de programar para resolver problemas de
ecuaciones lineales con ayuda de la computadora.
Los mtodos de Jacobi y de Gauss-Seidel son los equivalentes en la solucin de sistemas de
ecuaciones lineales al mtodo de aproximacin sucesivas en la solucin de ecuaciones
algebraicas y trascendentes.
En la realidad, estos mtodos representan una adaptacin vectorial de un proceso escalar,
lo que implica la necesidad de adaptar los conceptos necesarios: los procesos iterativos se
detienen cuando entre dos aproximaciones consecutivas se cumplen con determinado error
prestablecido.

I.

Mtod
o

Gauss

Construir una matriz comparativa de los distintos mtodos tratados en clase, para la solucin de ecuaciones lineales.
La matriz debe tener la siguiente estructura:

Descripcin y
aplicacin
En forma general este
mtodo
propone
la
eliminacin progresiva
de variables en el
sistema de ecuaciones,
hasta tener slo una
ecuacin
con
una
incgnita.
Una
vez
resuelta
esta,
se
procede por sustitucin
regresiva
hasta
obtener los valores de
todas las variables.
El algoritmo consiste
en dos procesos:
1. Eliminacin hacia
adelante.
2.Sustitucin
hacia
atrs

Algoritmo

Ventajas

Desventajas

Paso 1: consiste en dividir la primera

ecuacin por el coeficiente de la primera
incgnita (coeficiente pivote). A este
procedimiento se le conoce como
normalizacin.
Paso 2: Se multiplica la ecuacin
normalizada por el primer coeficiente de
la segunda ecuacin.
Paso 3: El primer trmino de la primera
ecuacin es idntico al primer trmino de
la segunda, por lo tanto, se puede
eliminar la primera incgnita de la
segunda ecuacin restando la primera a
la segunda.
Paso 4: Repetir el paso 2 y 3 hasta
eliminar la primera incgnita de todas las
ecuaciones restantes.
Paso 5: Cuando ya se obtiene el sistema
equivalente que es un sistema triangular
superior este es ms manejable y se
puede resolver despejando primero la xn
y este valor utilizarlo para obtener
despejando la segunda incgnita hasta
obtener el resultado completo del
sistema.

1.Es el mtodo simple p

or
excelencia en la obtenci
n
disoluciones
exactas a las ecuaciones
lineales simultneas.

1. Pueden dar lugar

a resultados
errneos fcilmente.

GaussJordan

GaussSeidel

Consiste en convertir el
sistema
expresado
como matriz ampliada
y
trabajar
para
transformarlo
en
la
matriz
identidad
quedando en el vector
de
trminos
independientes
el
resultado del sistema.
El procedimiento es
similar al proceso de la
eliminacin gaussiana
con la diferencia que
no slo elimina los
trminos debajo de la
diagonal principal sino
tambin los que estn
sobre ella.

Paso 1: Determine la primer columna (a

la izquierda) no cero.
Paso 2: Si el primer elemento de la
columna es cero, intercmbielo por un
rengln que no tenga cero. Multiplicando
apropiadamente el rengln, hgalo 1.
Este primer 1 sera llamado 1 pivote.
Paso 3: Obtenga ceros arriba y abajo del
1 pivote sumando mltiplos adecuados a
los renglones debajo de rengln pivote
en la matriz completa. Paso 4: Cubra la
columna y el rengln de trabajo y repita
el proceso comenzando en el paso 1 con
la columna siguiente.

1. Arroja resultados ms
precisos y directos.

1. Es ms largo que
el mtodo de Gauss.
2. Tiende a ser muy
laborioso

El mtodo de GaussSeidel es diferente a

los mtodos exactos,
en cuanto que ste,
emplea un esquema
iterativo en la
obtencin progresiva
de aproximaciones ms
cercanas a la solucin.
Por lo tanto, el efecto
de redondeo es un
punto discutible dentro
del mtodo, ya que las
iteraciones se pueden

Paso 1: Se debe cumplir el teorema de

convergencia
Paso 2: Se debe despejar de cada
ecuacin la variable sobre la diagonal
principal
Paso 3: Dar un valor inicial a las
incgnitas (generalmente se establecen
ceros)
Paso 4: Sustituir los valores iniciales en
la primera ecuacin para obtener un
nuevo valor para la primera incgnita.
Paso 5: Ese nuevo valor es utilizado
para obtener el valor de la siguiente
incgnita.

1. Son tiles porque

ayudan en la
disminucin de los
errores de redondeo en
sistemas.
2. Es ms til para
sistemas grandes

1. No siempre
converge a la
solucin exacta o
algunas veces los
hace de manera
muy lenta.
2. Puede tener
errores de redondeo.

Jacobi

Mtodo
de
Doolittle

prolongar tanto como

sea posible para
obtener la precisin
deseada.

Paso 6: Se evala la aproximacin

relativa de todas las incgnitas hasta
que la solucin converja bastante cerca
de la solucin real, segn la tolerancia
establecida para el mtodo.

Es un mtodo similar al
mtodo de GaussSeidel.
El metodo Jacobi es el
metodo iterativo para
resolver sistemas de
ecuaciones lineales m
as simple y se aplica s
olo a sistemas
cuadrados, es decir a
sistemas con tantas inc
ognitas como
ecuaciones.

Paso 1: Se debe cumplir el teorema de

convergencia
Paso 2: Se debe despejar de cada
ecuacin la variable sobre la diagonal
principal
Paso 3: Dar un valor inicial a las
incgnitas (generalmente se establecen
ceros)
Paso 4: Los valores de las variables se
reemplaza en la siguiente iteracin y no
en la misma, como el mtodo de Seidel.
Paso 5: Se evala la aproximacin
relativa de todas las incgnitas hasta
que la solucin converja bastante cerca
de la solucin real, segn la tolerancia
establecida para el mtodo.

1. Las iteraciones son

menos.
2. Es til para sistemas
grandes.

1. No siempre
converge a la
solucin exacta o
algunas veces los
hace de manera
muy lenta.
2. Puede tener
errores de redondeo.

Proceso que a partir de

una matriz cuadrada \
(A\) halla dos matrices
triangulares inferior y
superior, tal que \(A =
L U\), donde \(L\) es la
matriz triangular
inferior (L de lower) y \
(U\) es la matriz
triangular superior (U

El mtodo de descomposicin LU para la

solucin de sistemas de ecuaciones
lineales debe su nombre a que se basa
en la descomposicin de la matriz
original de coeficientes (A) en el
producto de dos matrices (L y U).
Donde:
L - Matriz triangular inferior: se
busca hacer ceroslos valoresde
arriba de cada pivote, as como

1. La determinacin de
los elementos de las
matrices L y U se
realizan eficientemente
aplicando una forma
modificada del mtodo
de eliminacin de
Gauss.

1. Es un proceso
demasiado largo.
2. Si no se trabaja
con cuidado es fcil
cometer errores.

de upper). Existen
muchos mtodos
numricos para
obtener estas
matrices \(L\) y \(U\), y
su obtencin tiene
aplicaciones en la
resolucin de sistemas
lineales, clculo de
determinantes y en el
clculo de matrices
inversas.

tambin convertir en 1 cada

pivote.
U - Matriz triangular
superior: hacer cero todoslos
valoresabajo del pivote sin
convertir este en 1.
Si efectuamos la multiplicacin de L y U,
igualando los elementos de ese producto
con los de la matriz A correspondientes.

Si el sistema de ecuaciones original se escribe

como:A x = b lo cual resulta lo mismo
escribir:L U X = b
Definiendo a: U X = Y podemos escribir:L Y =
b
Resolviendo para Y

El algoritmo de solucin, una vez

conocidas L, U y b, consiste en encontrar
primeramente los valores de "Y" por
sustitucin progresiva sobre "L Y = b".
En segundo lugar se resuelve "U x = y "
por sustitucin regresiva para encontrar
los valores de "x"

II.

Algoritmo mtodo de Gauss-Seidel

#include<stdio.h>
#include<conio.h>
#include<math.h>
main()
{
int i,j,k,n;
float a[10][10],x[10];
float sum,temp,error,big,e;
printf("Introduce el numero de ecuaciones: ");
scanf("%d",&n) ;
printf("Introduce la tolerancia de error: ");
scanf("%d",&e) ;
printf("Introduce los coeficientes de las ecuaciones: \n");
for(i=1;i<=n;i++)
{
for(j=1;j<=n+1;j++)
{
printf("a[%d][%d]= ",i,j);
scanf("%f",&a[i][j]);
}
}
for(i=1;i<=n;i++)
{
x[i]=0;
}
do
{
big=0;

for(i=1;i<=n;i++)
{
sum=0;
for(j=1;j<=n;j++)
{
if(j!=i)
{
sum=sum+a[i][j]*x[j];
}
}
temp=(a[i][n+1]-sum)/a[i][i];
error=fabs(x[i]-temp);
if(error>big)
{
big=error;
}
x[i]=temp;
printf("\nx[%d] =%f",i,x[i]);
}printf("\n");
}
while(big>=e);
printf("\n\n Converge en la solucion");
for(i=1;i<=n;i++)
{
printf("\nx[%d]=%f",i,x[i]);
}
getch();

}
Conclusin

Podemos decir que los mtodos directos y de aproximacin sirven para encontrar las
aproximaciones de los valores de las variables de un sistema de ecuaciones lineales, por
medio de la realizacin de varios clculos, los cuales se realizan por etapas, obt5eniendo
as aproximaciones por cada etapa.
Como puede verse el mtodo Gauss-Jordan es una herramienta til en la resolucin de
problemas y actualmente existen programas matemticos que lo utilizan para una gran
variedad de clculos en una gran variedad de reas, tanto cientficas como
socioeconmicas.
Primeramente, debe percibirse que el mtodo de Jacobi es un antecedente del Mtodo de
Gauss-Seidel, mismo que lo mejora de forma notable al acelerar su convergencia.
Estos mtodos del gnero de las aproximaciones sucesivas dependen fundamentalmente
de su criterio de convergencia.

Bibliografa

http://proton.ucting.udg.mx/metodos/Modulo.03/jacobi/Jacobi.pdf
http://proton.ucting.udg.mx/posgrado/cursos/metodos/lu/index.html
http://www.monografias.com/trabajos45/descomposicion-lu/descomposicion-lu.shtml
http://www.monografias.com/trabajos45/descomposicion-lu/descomposicion-lu2.shtml
http://www.mty.itesm.mx/dmti/materias/ma2008/lecturas/ma2008-09a.pdf