Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
INSTITUTO TECNOLOGICO DE CERRO AZUL Métodos Numéricos ALUMNO: CRISTIAN SÁNCHEZ HERNÁNDEZ 19500474 UNIDAD: 3 Métodos de solución de sistema de ecuaciones DOCENTE: ING.SALVADOR ZAMORA GARZA CARRERA: INGENIERIA EN SISTEMAS COMPUTACIONALES CERRO AZUL, VER .2022 Unidad 3. Métodos de solución de sistemas de ecuaciones. 3.1 Métodos de iterativos. Un método iterativo trata de resolver un problema matemático (como una ecuación o un sistema de ecuaciones) mediante aproximaciones sucesivas a la solución, empezando desde una estimación inicial. Esta aproximación contrasta con los métodos directos, que tratan de resolver el problema de una sola vez (como resolver un sistema de ecuaciones Ax=b encontrando la inversa de la matriz A). Los métodos iterativos son útiles para resolver problemas que involucran un número grande de variables (a veces del orden de millones), donde los métodos directos tendrían un coste prohibitivo incluso con la potencia del mejor computador disponible. 3.2 Sistemas de ecuaciones no lineales. Considerando, inicialmente, el problema de encontrar una raíz de una función no- lineal con dominio y valores reales, es decir, resolver la ecuación: Suponiendo que f es continua, con una sola raíz α[a, b], y que ésta es simple (f cambia de signo en ese lugar). SOLUCIÓN DE ECUACIONES NO LINEALES Un sistema de ecuaciones lineales tiene solución única si la matriz de coeficientes es no singular. La existencia y unicidad de soluciones de ecuaciones no-lineales es mucho más complicado, difícil de determinar y con una mayor variedad de comportamientos. Para un sistema de ecuaciones lineales existen tres posibilidades: única, infinitas o ninguna solución. Una ecuación no-lineal puede tener cualquier número de posibles soluciones. Una ecuación no-lineal puede tener múltiples raíces, donde tanto la función como su derivada son iguales a cero. Esta propiedad significa que la curva tiene una tangente horizontal en el eje x. Si f(x) = 0 y f’(x) ≠ 0, entonces se dice que se tiene una raíz simple. TASAS DE CONVERGENCIA Y MÉTODOS ITERATIVOS Para verificar y comparar la efectividad de un método iterativo es necesario caracterizarlo, para esto se usa la tasa de covergencia. Hay ciertos aspectos que https://es.wikipedia.org/wiki/Problema_matem%C3%A1tico https://es.wikipedia.org/wiki/Ecuaci%C3%B3n https://es.wikipedia.org/wiki/Sistema_de_ecuaciones https://es.wikipedia.org/wiki/Teor%C3%ADa_de_la_aproximaci%C3%B3n https://es.wikipedia.org/wiki/Matriz_(matem%C3%A1ticas) se deben tener en cuenta al respecto, por ejemplo que muchas ecuaciones no- lineales no pueden resolverse aún con un número muy grande de iteraciones. El costo total de resolver un problema no-lineal depende del costo por iteración y del número de iteraciones requeridas para la convergencia. El error en la iteración k está dado por: Donde: xk es la solución aproximada en la iteración k y x* es la solución “verdadera”. Se dice de un método, que éste converge con tasa de convergencia r si: Y se dice de esta tasa de convergencia que, para una constante C ≠ 0: Si r=1 y C<1, la tasa de convergencia es lineal. Si r>1, la tasa de convergencia es súper lineal. Si r=2, la tasa de convergencia es cuadrática. MÉTODO DE BISECCIÓN Sea f una función continua en un intervalo [a, b], y f(a) x f(b) < 0. Por teorema del valor intermedio para funciones continuas, existe al menos un α ε(a, b), tal que f(α) = 0. Este método consiste en dividir sucesivamente el intervalo [a, b], por la mitad, hasta que la longitud del subintervalo que contiene a la raíz α sea menor que alguna tolerancia especificada ε. Ventajas: – Siempre converge. – Útil como aproximación inicial de otros métodos. Desventajas: – No tiene en cuenta la magnitud de los valores de la función en las aproximaciones calculadas xn, solo tiene en cuenta el signo de f(x), lo que hace que una aproximación intermedia, mejor que la respuesta final, pase desapercibida. – Convergencia lenta. Método linealmente convergente, r = 1, C = 0.5. MÉTODO DE NEWTON - RAPHSON De acuerdo con la serie truncada de Taylor: Reemplazamos la función no-lineal f con esta función lineal, cuyo cero es fácilmente determinado, para hacer h = –f(x) / f’(x), asumiendo que f’(x) ≠ 0. Como lo de las dos funciones no se repite en general, entonces se vuelve a hacer el proceso. Esto motiva al siguiente esquema iterativo: El método de Newton–Raphson puede interpretarse como la aproximación de la función cerca de xk por la recta tangente f(xk). Desventajas del Método de Newton-Rhapson: - Lenta convergencia debida a la naturaleza de una función en particular. - Cuando un punto de inflexión, f’’(x) = 0, ocurre en la vecindad de una raíz. - No existe un criterio general de convergencia. Tener un valor suficientemente cercano a la raíz. Apoyarse de herramientas gráficas. Conocimiento del problema físico. - Evaluación de la derivada. MÉTODO DE ITERACIÓN DE PUNTO FIJO Dada una ecuación f(x) = 0, podemos transformarla, de alguna manera, en otra equivalente del tipo x = g(x) para alguna función g. En este caso se tiene que: a es raíz de f(x) = 0 ↔ f(a) = 0 ↔ a = g(a) ↔ a es raíz de x = g(x). Definición: Un número a tal que a = g(a) se dice un punto fijo de la función g. Cuándo una función g tiene un punto fijo, y si lo tiene, cómo encontrarlo? Teorema de punto fijo: Si g es una función continua en [a, b] y g(x) ε[a, b] para todo x ε[a, b], entonces g tiene por lo menos un punto fijo en [a, b]. Si además, g’(x) existe para todo x ε[a, b], y |g’(x)| ≤ K < 1 para todo x ε[a, b], K constante, entonces g tiene un único punto fijo x ε[a, b]. La sucesión {xn}, conn definida, se encuentra mediante la fórmula de iteración: El comportamiento de los esquemas de punto fijo puede variar ampliamente desde la divergencia, lenta convergencia, a la rápida convergencia. La vía más simple (aunque no más general) de caracterizar el comportamiento de la iteración de punto fijo es considerar la derivada de g en la solución x*. Si x* = g(x*) y |g’(x*)| < 1, entonces el esquema es localmente convergente. Es decir, existe un intervalo conteniendo x* tal que el correspondiente esquema iterativo es convergente si comienza dentro del intervalo. 3.3 Iteración y convergencia de sistema de ecuaciones. Sistemas de Ecuaciones Lineales aparecen en muchos aspectos de las matemáticas aplicadas y la computación científica. Dichos sistemas de ecuaciones lineales son de la forma: a11x1+a12x2+a13x3+...+a1nxn=b1 a21x1+a22x2+a23x3+...+a2nxn=b2 : an1x1+an2x2+an3x3+...+annxn=bn En notación matriz-vector, un sistema de ecuaciones algebraicas lineales tiene la forma: A: Matriz. b: Vector. x: Es el vector de incógnitas a ser determinado. Lo siguiente conduce a la pregunta: ¿Puede el vector b ser expresado como una combinación lineal de las columnas de la matriz A? 1. Los coeficientes de esta combinación lineal están dados por los componentes del vector solución x. 2. Puede o no tener solución. 3. Puede no ser única. TIPOS DE MATRICES Nos centraremos en Sistemas Cuadrados, es decir, aquellos que pueden ser representados por una matriz cuadrada: A[m,n], donde: m = n. Tipos especiales de matrices cuadradas: Matriz Identidad Matriz Simétrica Matriz Diagonal Matriz Bandeada Matriz Triangular Superior Matriz Triangular Inferior Singularidad y No Singularidad: Una matriz se dice que es singular si presenta una de las siguientes propiedades: · A no tiene inversa, es decir, no existe una matriz M tal que: A x M = M x A = I (matriz identidad). · det(A) = 0 · Rango(A) < n : El rango de una matriz es el máximo número de filas o columnas linealmente independientes. · vi _|_ vj (i ≠ j), para cualquier vector v. La solubilidad de un sistema de ecuacioneslineales está determinado si la matriz es o no Singular. Si ésta es no Singular, el sistema tiene solución única, de lo contrario, es decir, si la matriz característica del sistema es Singular, el sistema puede tener infinitas soluciones, o ninguna en absoluto. El Método de Jacobi es uno de los métodos iterativos más conocidos. Supóngase que se tiene un sistema 3 x 3. Si los elementos de la diagonal no son todos cero, la primera ecuación se puede resolver para x1, la segunda para x2 y la tercera para x3, para obtener: En general, para un sistema de ecuaciones lineales de n ecuaciones con n incógnitas, elMétodo de Jacobi para encontrar un valor k de una variable x es el siguiente: El procedimiento consiste en asignar unos valores iniciales a las variables, usualmente se escoge "0" por simplicidad, de manera que para generar la siguiente iteración se sustituyen los valores obtenidos en la ecuación siguiente, con lo que se obtiene: En la siguiente sección se ilustra cómo la convergencia de éste método está dada por: Convergencia del método: Para determinar si el método de Jacobi converge hacia una solución. Se evalúan las siguientes condiciones de convergencia (Nota: las siguientes van en un órden de modo que si se cumple una de las condiciones, comenzando por la primera por supuesto, la evaluación de las siguientes no es necesario realizarlas): 1. La matriz sea estrictamente dominante diagonalmente por filas (E.D.D. por filas), es decir, para todo i desde 1 hasta n que es el tamaño de la matriz A: Es decir, el elemento de la diagonal correspondiente a la fila i debe ser mayor a la suma de los elementos de esa fila i. 2. A partir de la siguiente identidad: Donde D corresponde a la matriz formada por los elementos de la diagonal de A (D=diag(a11, a22, ..., ann)), -L corresponde a la matriz triangular inferior obtenida de la parte triangular estrictamente inferior de A, y -U corresponde a la matriz triangular superior obtenida de la parte triangular estrictamente superior de A, se puede deducir la fórmula vectorial de este método: , k = 1, 2, ... De donde BJ (conocida como la matriz de iteración de Jacobi) es D-1(L+U). Para que el método de Jacobi converja hacia una solución, para una norma matricial inducida. 3. ρ(BJ), que corresponde al máximo de los valores absolutos de las raíces de la ecuación característica de la matriz BJ (det(BJ - λI)) es menor que 1. El método de Jacobi es el método iterativo más elemental; método iterativo ya que el proceso se repite tantas veces hasta llegara una tolerancia, a partir de un vecotr inicial (el vector de ceros la mayoría de las veces). Al igual que el Método de Jacobi, El Método de Gauss-Seidel consiste en hacer iteraciones, a partir de un vector inicial, para encontrar los valores de las incógnitas hasta llegar a una tolerancia deseada, la diferencia radica en que cada vez que se desee encontrar un nuevo valor de una xi, además de usar los valores anteriores de las x, también utiliza valores actuales de las x encontradas antes (desde x0 hasta xi-1). Este proceso de usar valores actuales para hallar un valor de x puede facilitar la convergencia del mismo. Convergencia del método: Para determinar si el método de Gauss-Seidel converge hacia una solución. Se evalúan las siguientes condiciones de convergencia (Nota: las siguientes van en un órden de modo que si se cumple una de las condiciones, comenzando por la primera por supuesto, la evaluación de las siguientes no es necesario realizarlas): 1. La matriz sea estrictamente dominante diagonalmente por filas (E.D.D. por filas), es decir, para todo i desde 1 hasta n que es el tamaño de la matriz A:  Es decir, el elemento de la diagonal correspondiente a la fila i debe ser mayor a la suma de los elementos de esa fila i. 2. A partir de la siguiente identidad: Donde D corresponde a la matriz formada por los elementos de la diagonal de A (D=diag(a11, a22, ..., ann)), -L corresponde a la matriz triangular inferior obtenida de la parte triangular estrictamente inferior de A, y -U corresponde a la matriz triangular superior obtenida de la parte triangular estrictamente superior de A, se puede deducir la fórmula vectorial de este método: , k = 1, 2, ... De donde BG (conocida como la matriz de iteración de Gauss-Seidel) es (D-L)-1U. Para que el método de Jacobi converja hacia una solución, para una norma matricial inducida. 3. ρ(BG), que corresponde al máximo de los valores absolutos de las raíces de la ecuación característica de la matriz BG (det(BG - λI)) es menor que 1. El método de Gauss-Seidel proporciona una solución más rápida que Jacobi ya que usa valores recién calculados en la solución de las incógnitas a calcular. 3.4 Aplicaciones. Un sistema de ecuaciones puede utilizarse para representar problemas del mundo real. Cuando hay dos variables y le dan dos datos acerca de cómo se relacionan esas variables, se utiliza un sistema de ecuaciones. Bibliografía siste google. (27 de abril de 2020). Obtenido de https://sites.google.com/site/portafoliousil2017g6/sistemas-de-ecuaciones-lineales- metododos-de-solucion-aplicaciones sites google. (27 de abril de 2020). Obtenido de https://sites.google.com/site/tasksnumericalmethods/unidad-3-metodos-de-solucion-de- sistemas-de-ecuaciones/3-1-sistemas-de-ecuaciones-no-lineales sites google. (27 de abril de 2020). Obtenido de https://sites.google.com/site/tasksnumericalmethods/unidad-3-metodos-de-solucion-de- sistemas-de-ecuaciones/3-2-iteracion-y-convergencia-de-sistemas-de-ecuaciones wikipedia. (27 de abril de 2020). Obtenido de https://es.wikipedia.org/wiki/M%C3%A9todo_iterativo Métodos de solución de sistemas de ecuaciones Métodos de iterativos. Un método iterativo trata de resolver un problema matemático (como una ecuación o un sistema de ecuaciones) mediante aproximaciones sucesivas a la solución, empezando desde una estimación inicial. Esta aproximación contrasta con los métodos directos, que tratan de resolver el problema de una sola vez (como resolver un sistema de ecuaciones Ax=b encontrando la inversa de la matriz A). Los métodos iterativos son útiles para resolver problemas que involucran un número grande de variables (a veces del orden de millones), donde los métodos directos tendrían un coste prohibitivo incluso con la potencia del mejor computador disponible. Sistemas de ecuaciones no lineales Un sistema de ecuaciones lineales tiene solución única si la matriz de coeficientes es no singular. La existencia y unicidad de soluciones de ecuaciones no-lineales es mucho más complicado, difícil de determinar y con una mayor variedad de comportamientos. Para un sistema de ecuaciones lineales existen tres posibilidades: única, infinitas o ninguna solución. Una ecuación no-lineal puede tener cualquier número de posibles soluciones. Una ecuación no-lineal puede tener múltiples raíces, donde tanto la función como su derivada son iguales a cero. Esta propiedad significa que la curva tiene una tangente horizontal en el eje x. Si f(x) = 0 y f’(x) ≠ 0, entonces se dice que se tiene una raíz simple. Iteración y convergencia de sistema de ecuaciones. Sistemas de Ecuaciones Lineales aparecen en muchos aspectos de las matemáticas aplicadas y la computación científica. Dichos sistemas de ecuaciones lineales son de la forma: a11x1+a12x2+a13x3+...+a1nxn=b1 a21x1+a22x2+a23x3+...+a2nxn=b2 an1x1+an2x2+an3x3+...+annxn=bn En notación matriz-vector, un sistema de ecuaciones algebraicas lineales tiene la forma: A: Matriz. b: Vector. x: Es el vector de incógnitas a ser determinado. Lo siguiente conduce a la pregunta: ¿Puede el vector b ser expresado como una combinación lineal de las columnas de la matriz A? 1. Los coeficientes de esta combinación lineal están dados por los componentes del vectorsolución x. 2. Puede o no tener solución. 3. Puede no ser única. Aplicaciones Un sistema de ecuaciones puede utilizarse para representar problemas del mundo real. Cuando hay dos variables y le dan dos datos acerca de cómo se relacionan esas variables, se utiliza un sistema de ecuaciones. https://es.wikipedia.org/wiki/Problema_matem%C3%A1tico https://es.wikipedia.org/wiki/Ecuaci%C3%B3n https://es.wikipedia.org/wiki/Sistema_de_ecuaciones https://es.wikipedia.org/wiki/Sistema_de_ecuaciones https://es.wikipedia.org/wiki/Teor%C3%ADa_de_la_aproximaci%C3%B3n https://es.wikipedia.org/wiki/Matriz_(matem%C3%A1ticas)
Compartir