Resumen Métodos Numéricos - v3

Modelamiento y simulacin
Ingeniera Metalrgica
Resumen Mtodos Numricos

aplicables en Simulacin de
procesos en estado estacionario
Tipos de Errores
Criterios de Parada en Calculo numricos iterativos
Errores Experimentales.
Sistemticos Asociados al sistema, sin
posibilidad de tratamiento estadstico.
Personales.
De escala.
Accidentales: Aleatorios, con posibilidad de
tratamiento estadstico.
Errores en manipulacin
numrica
Redondeo.
Truncamiento.
Calculo de Errores.
Error verdadero o absoluto

Error verdadero o absoluto relativo
Error aproximado
Error aproximado relativo
Solucin a las ecuaciones no lineales

Mtodos Cerrados
Mtodos Abiertos
aprovechan el hecho de que una funcin cambia de

signo en la vecindad de una raz. A estas tcnicas se
les llama mtodos cerrados, o de intervalos, porque se
necesita de dos valores iniciales para la raz. Como su
nombre lo indica, dichos valores iniciales deben
encerrar, o estar a ambos lados de la raz.
En contraste, los mtodos abiertos se basan en frmulas

que requieren nicamente de un solo valor de inicio o que
empiecen con un par de ellos, pero que no
necesariamente encierran la raz. stos, algunas veces
divergen o se alejan de la raz verdadera a medida que se
avanza en el clculo. Sin embargo, cuando los mtodos
abiertos convergen, en general lo hacen mucho ms
rpido que los mtodos cerrados.
La aplicacin repetida de estos mtodos siempre

genera aproximaciones cada vez ms cercanas a la
raz. Se dice que tales mtodos son convergentes
porque se acercan progresivamente a la raz a medida
que se avanza en el clculo
Mtodos de Intervalos:
El Mtodo de la biseccin
Problema: Anlisis Global del Mtodo
Condiciones de Entrada para la solucin del Mtodo
Entradas
Aprox. Der
Aprox. Izq
Toleracia
N It permit.
Raiz real
=
14
2
0.0000001
100
7,145
Condiciones para todos los mtodos.
= ||/
=
= | |/
Resultados Excel - Iteraciones

Iteracin
Aprox. Raiz (pm )
F(pm )
Error Verd.
E.Ver.Rel
Eaprox.
Eaprox. Rel
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
8,000
5,000
6,500
7,250
6,875
7,063
7,156
7,109
7,133
7,145
7,150
7,147
7,146
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
-3,300
5,700
2,100
-0,375
0,919
0,286
-0,041
0,123
0,041
0,000
-0,020
-0,010
-0,005
-0,002
-0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
-0,855
2,145
0,645
-0,105
0,270
0,082
-0,012
0,035
0,012
0,000
-0,006
-0,003
-0,001
-0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
12,0%
30,0%
9,0%
1,5%
3,8%
1,1%
0,2%
0,5%
0,2%
0,0%
0,1%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
8,000
-3,000
1,500
0,750
-0,375
0,188
0,094
-0,047
0,023
0,012
0,006
-0,003
-0,001
-0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
100,0%
60,0%
23,1%
10,3%
5,5%
2,7%
1,3%
0,7%
0,3%
0,2%
0,1%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
Anlisis
3 4 1
1er intervalo
Anlisis
La naturaleza desigual del error verdadero se debe a
que, en el mtodo de la biseccin, la raz exacta se
encuentra en cualquier lugar dentro del intervalo
cerrado.
13 4
Aunque el error aproximado no proporciona una

estimacin exacta del error verdadero, la figura sugiere
que toma la tendencia general descendente de .
Adems, la grfica muestra una caracterstica muy
interesante: que siempre es mayor que . Por lo
tanto, cuando es menor que () los clculos se
pueden terminar, con la confianza de saber que la raz
es al menos tan exacta como el nivel aceptable
predeterminado.
Naturaleza Desigual del Error Verdadero
1-er iteracin
13 4
2-er iteracin
13
Se observa como entre la primera y la

segunda iteracin, el error verdadero
aumenta en magnitud.
Se calcula el error aproximado.

3-er iteracin
13
Se observa como entre la segunda y

la tercera iteracin, el error verdadero
disminuye en magnitud.
El error aproximado se hace menor

en magnitud en esta iteracin, y
mantiene la tendencia decreciente
uniforme, si el mtodo converge.
Anlisis
Es conveniente tambin relacionar los
errores con el nmero de cifras
significativas en la aproximacin.
Es posible demostrar (Scarborough, 1966)
que si el siguiente criterio se cumple, se
tendr la seguridad que el resultado es
correcto en al menos n cifras significativas.
2
3 4 1
( ) = (.
)%
Un ejemplo podra ser la determinacin de

el criterio mnimo que asegura que un
resultado sea correcto en al menos tres
cifras significativas:
( ) = (. )%
( ) = . %
O la cantidad de cifras significativas para que el error de

la iteracin 26, est representado por un nmero de
dgitos significativos al menos correcto:
= (.
)%
De la formula anterior se despeja el numero n.

Por otro lado, tambin es posible Determinar a priori el
numero de iteraciones para obtener un error deseado
Donde x= x nuevo x anterior

Caso de Investigacin: Minimizacin de las evaluaciones de una
funcin en el mtodo de la biseccin, e implementacin de algoritmos.
Seudocdigo
(Chapra & Canale)
Definicin de variables y tipo.
Inicializacin del contador de iteraciones.
Inicio del ciclo
Almacenamiento del calculo anterior.
Calculo de la nueva aproximacin.
Estructura de control selectiva, calculo del error

aproximado relativo porcentual.
Evaluacin del cambio de signo.
Estructura de control Iterativa
Estructura de control selectiva, asignacin del nuevo
intervalo.
Cierre del ciclo.
El Mtodo de la Falsa Posicin

https://www.youtube.com/watch?v=jDdaI4D6Qrw
Semejanza de tringulos
( )
b
a'
aA
B
b

=

( )
( )
=

Despejando la aproximacin a la raz:
( )
=
Intervalo inicial
( )( )

()
()
+
()
()
El Error verdadero en el mtodo de la falsa posicin
En este mtodo se obtiene una idea ms completa de la

eficiencia de los mtodos de biseccin y de falsa posicin
al observar la figura, donde se muestra el error relativo
porcentual verdadero para una funcin determinada f(x) .
Observe cmo el error decrece mucho ms rpidamente
en el mtodo de la falsa posicin que en el de la
biseccin, debido a un esquema ms eficiente en el
mtodo de la falsa posicin para la localizacin de races.
Para el problema
Iteracin
Aprox. Raiz (pm )
F(pm )
Error Verd.
E.Ver.Rel
Eaprox.
Eaprox. Rel
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
3,786
5,270
6,212
6,710
6,949
7,058
7,106
7,128
7,137
7,141
7,143
7,144
7,144
7,144
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,296
5,184
2,932
1,453
0,674
0,303
0,134
0,059
0,026
0,011
0,005
0,002
0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
3,359
1,874
0,933
0,435
0,196
0,087
0,038
0,017
0,007
0,003
0,001
0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
47,0%
26,2%
13,1%
6,1%
2,7%
1,2%
0,5%
0,2%
0,1%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
3,786
1,485
0,941
0,498
0,239
0,109
0,049
0,021
0,009
0,004
0,002
0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
100,0%
28,2%
15,2%
7,4%
3,4%
1,5%
0,7%
0,3%
0,1%
0,1%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
Se llega a calcular la raz con un numero de

iteraciones menor , en comparacin con el mtodo de
la biseccin, el error aproximado relativo continua
siendo mayor al error verdadero relativo, siendo este
ultimo regular un su tendencia decreciente.
Seudocdigo del mtodo de la falsa posicin

(Chapra & Canale)
FP
()
()
+
()
()
FP
Mtodo de la Falsa Posicin modificado

Si f(x) es cncava entre xa y xb se dice que el
mtodo es estacionario (su cambio es lento
en funcin del numero de iteraciones); esto
es, el punto xb es siempre uno de los dos
puntos usados para la siguiente iteracin
Lo mismo ocurrira si fuese convexa en las
inmediaciones de la raz, provocando una
convergencia lineal en estos casos.
1 it.
2 it.
3 it.
Una forma de disminuir la naturaleza

unilateral de la falsa posicin consiste en
obtener un algoritmo que detecte cuando se
estanca uno de los lmites del intervalo. Si
ocurre esto, se divide a la mitad el valor de la
funcin en el punto de estancamiento.
Algoritmo de la Falsa Posicin modificado Variacin Illinois
Deteccin de la Estacionariedad del mtodo,

contador de la repeticin del extremo del intervalo. El
mtodo se modifica cuando se detectan dos o mas
repeticiones.
Mtodo de la Falsa Posicin modificado Algoritmo Illinois
2 repeticiones
2 repeticiones
Divisin de f(b) por 2
1 it.
2 it.
3 it.
4 it.
5 it.
Aceleradores de Convergencia pegaso e Illinois

Una mejora que lo hace ms eficiente consiste en aplicar la frmula:
=
()
()
+
()
()
a los puntos xi - 1 y xi + 1 , pero reemplazando
Yi-1 por yi-1, tal que 0 < < 1

De modo que:
=
()
()
+
()
()
Si = 0.5 , el mtodo se denomina Illinois.
Si =
, el mtodo se denomina pegasus.
Para el caso de la Estacionariedad en a.
Para el problema Implementacin acelerador de

Convergencia Illinois
Iteracin
Aprox. Raiz (pm )
F(pm )
Error Verd.
E.Ver.Rel
Eaprox.
Eaprox. Rel
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
5,109
6,923
7,165
7,154
7,149
7,147
7,146
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
7,145
5,499
0,759
-0,072
-0,033
-0,016
-0,008
-0,004
-0,002
-0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
2,036
0,221
-0,020
-0,009
-0,005
-0,002
-0,001
-0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
28,5%
3,1%
0,3%
0,1%
0,1%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
5,109
1,814
0,242
-0,011
-0,005
-0,002
-0,001
-0,001
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
100,0%
26,2%
3,4%
0,2%
0,1%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
Se llega a calcular la raz con un numero de

iteraciones menor , en comparacin con el mtodo de
la falsa posicin, y los errores se minimizan.
Mtodos Abiertos:
El Mtodo de Newton Rhapson
https://www.youtube.com/watch?v=sjBXn10c5Ic
Mtodos Abiertos:
Iteracin
Aprox. Raiz (pm )
F(pm )
Error Verd.
E.Ver.Rel
Eaprox.
Eaprox. Rel
1
2
3
4
5
6
7
8
9
10
11
12
15,833
10,243
7,939
7,270
7,159
7,146
7,145
7,145
7,145
7,145
7,145
7,145
-60,744
-14,735
-3,046
-0,447
-0,049
-0,005
-0,001
0,000
0,000
0,000
0,000
0,000
-8,689
-3,099
-0,794
-0,125
-0,014
-0,001
0,000
0,000
0,000
0,000
0,000
0,000
121,6%
43,4%
11,1%
1,8%
0,2%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
12,833
-5,590
-2,304
-0,669
-0,111
-0,013
-0,001
0,000
0,000
0,000
0,000
0,000
81,1%
54,6%
29,0%
9,2%
1,6%
0,2%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
Mtodos Abiertos:
Cdigo VBA
Funcin y Derivada programada en un modulo estndar.
Mtodos Abiertos:
Drawbacks del Mtodo
Mtodos Abiertos:
El Mtodo de las aproximaciones Sucesivas (Punto fijo)
https://www.youtube.com/watch?v=OXChy3Vqd4A
Dado f(x)
Se propone x = G(x)
Mtodos Abiertos:
Key factors:
El valor de la suposicin inicial puede obtenerse mediante mtodos grficos o al detectar un cambio de
signo en la funcin tabular.
Se debe despejar el valor de la variable independiente en la ecuacin , esta nueva ecuacin se llamar
Ecuacin de iteracin G(x). La cual rigurosamente puede describirse como:
Dada una funcin o una ecuacin, si puede resolverse en forma explcita para una variable, es
decir si:
Dado f(x)
Se propone x = G(x)
Esto es explicitando una variable independiente , se puede entonces establecer entonces la frmula para un
algoritmo de un solo punto y estacionario, es decir:
xi+1 = G x
Su xito depender evidentemente del arreglo logrado para la ecuacin (G(x)), cuyo anlisis permite ver
la factibilidad de la solucin.
Mtodos Abiertos:

- Criterio de convergencia
- Para efectos prcticos se debe tener un criterio de convergencia que funcione de la siguiente manera:
-Mientras el criterio converja , se puede seguir evaluando. Cuando el criterio diverge de deben
detener las evaluaciones.
-Para efectos prcticos tomaremos la ecuacin de convergencia , como la derivada de la funcin
de iteracin G(x) y su valor absoluto debe ser menor a 1, esto indica en otras palabras que la
convergencia ocurre si la magnitud de la pendiente de g(x) es menor que la pendiente de la recta
f(x) = x.
Mtodos Abiertos:

- Solucion al problema:.
= .
+ . + .
Errores verdadero y aproximado

relativos
120,00%
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
0
10
15
20
25
. + .
.
.
Iteracin
Aprox. Raiz (pm )
F(pm )
Error Verd.
E.Ver.Rel
Eaprox.
Eaprox. Rel
Criterio
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
3,3166
5,4075
6,3829
6,7901
6,9531
7,0173
7,0424
7,0522
7,0560
7,0575
7,0581
7,0583
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
5,4075
6,3829
6,7901
6,9531
7,0173
7,0424
7,0522
7,0560
7,0575
7,0581
7,0583
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
7,0584
3,8280
1,7371
0,7617
0,3545
0,1915
0,1273
0,1022
0,0924
0,0886
0,0871
0,0865
0,0863
0,0862
0,0862
0,0862
0,0862
0,0862
0,0862
0,0862
0,0862
0,0862
53,579%
24,313%
10,661%
4,961%
2,680%
1,782%
1,431%
1,294%
1,240%
1,219%
1,211%
1,208%
1,207%
1,206%
1,206%
1,206%
1,206%
1,206%
1,206%
1,206%
1,206%
3,3166
2,0909
0,9754
0,4072
0,1630
0,0642
0,0251
0,0098
0,0038
0,0015
0,0006
0,0002
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
100,00%
38,67%
15,28%
6,00%
2,34%
0,91%
0,36%
0,14%
0,05%
0,02%
0,01%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Converge
Mtodos Abiertos:
Problema: Cdigo VBA
Funcin y Derivada (numrica) programada en un modulo

estndar.
Mtodos Abiertos:
Aceleradores de Convergencia
El procedimiento de Wegstein
- La base de este mtodo esta en funcin de la clsica iteracin de aproximaciones sucesivas
colocando a est un valor mejorado, segn la siguiente ecuacin
Aprox. Actual
Aprox. Anterior
- Donde la variable se relaciona de la siguiente manera:
- Y s es igual a:
Aprox. Actual
- De igual forma el criterio de convergencia es:
Aprox. Anterior
Mtodos Abiertos:
Aceleradores de Convergencia
El procedimiento de Wegstein
- Analizar la velocidad de convergencia para el ejercicio anterior, mediante la implementacin del
Algoritmo de Wegestein, en VBA y Ms Excel.
Convergencia
Orden de convergencia: Si definimos el error en la iteracin n, como En, entonces
si existe un nmero real p >= 1 tal que:
Se dice que el mtodo es de orden p, en x*, o que el mtodo converge a x* con orden p, y una constante de
error asinttica K, esta constante depende de f(x). A mayor orden de convergencia, el mtodo convergir a
mayor velocidad. Pero no implica, obviamente, garanta de convergencia
Sistemas de Ecuaciones lineales

Gauss-Seidel
Notacin de un sistema de ecuaciones lineales:
a11 x1 a12 x2 a13 x3 ... a1n xn c1

a 21x1 a 22 x 2 a 23 x 3 ... a 2n x n c 2
.
.
.
.
.
.
an1 x1 an 2 x2 an 3 x3 ... ann xn cn
Sistemas de Ecuaciones lineales

Gauss-Seidel
Caractersticas del mtodo iterativo de Gauss Seidel para solucionar sistemas de ecuaciones lineales :
1. Permite al usuario el control del error por redondeo, en comparacin con los mtodos LU y
eliminacin gaussiana, los cuales son propensos a dicho error.
2. Si la fsica del problema es bien conocida, se puede estimar un vector inicial de condiciones, el cual
permita disminuir el numero de iteraciones, para obtener un resultado deseado.
Gauss-Seidel
Algoritmo
Re-escribiendo cada ecuacin
x1
c1 a12 x2 a13 x3 a1n xn

a11
From Equation 1
c2 a21x1 a23 x3 a2 n xn
a22
From equation 2
x2
xn 1
xn
cn 1 an 1,1 x1 an 1, 2 x2 an 1,n 2 xn 2 an 1,n xn
From equation n-1
an 1,n 1
cn an1 x1 an 2 x2 an ,n 1 xn 1
ann
From equation n
Gauss-Seidel
Forma General del Metodo
n
c1 a1 j x j
x1
j 1
j 1
a11
cn 1
xn 1
j 1
j n 1
n 1, j
an 1,n 1
n
c n a nj x j
c2 a2 j x j
x2
j 1
j 2
a 22
xj
xn
j 1
j n
a nn
Gauss-Seidel
Algoritmo
ci aij x j
Formula general para cualquier i
xi
j 1
j i
aii
, i 1,2,, n.
Donde y como puede utilizarse esta ecuacin ?
Gauss-Seidel
Despejar las incognitas
Vector de suposiciones inciales
x1
x
2

x n -1
x n
Gauss-Seidel
Calcule el error aproximado relativo
a i
new
i
old
i
new
i
100
Compare el error con la tolerancia y decida si continuar o

detener el algoritmo.
Convergencia del Metodo de Gasuss Seidel

Gauss-Seidel
- Extendiendo el anlisis a los conceptos bsicos del algebra de matrices, se sabe que la clase de
sistemas de ecuaciones que siempre convergen, son aquellos que son diagonalmente dominantes;
entonces, un sistema es diagonalmente dominante si:
Para todo i
Para al menos un i
Es decir que el coeficiente de la diagonal principal debe ser mayor en magnitud que la suma de los
coeficientes que lo rodean en la fila correspondiente. Si el orden original no cumple con estas
condiciones, es posible re-ordenar filas por columnas y asegurar la convergencia del mtodo.
Metodo de Gasuss Seidel
Calculo de races de ecuaciones no lineales y sistemas

de ecuaciones lineales con las herramientas Goal Seek
(Buscar Objetivo) , Solver y funciones matriciales en
Microsoft Excel.
Goal Seek (Buscar Objetivo)

Calcular las races de la siguiente ecuacin :
2 3 4 2 + 1 = 0 Para el intervalo [0;2.5]

Versin Excel 2007.
Versin Excel 2013.
Parmetros de la Herramienta Goal Seek - Buscar Objetivo.
Goal Seek (Buscar Objetivo) Calculo de una sola raz
Del anlisis grafico se observa que las races del polinomio se

aproximan a los valores de 0,5 y 1.7 aproximadamente.
Modelo de calculo:
Variable independiente:
La raz, calculada por la
herramienta.
Celda objetivo: Valor deseado; como se desea

calcular la raz, la imagen de la raz es igual a cero, en
la funcin polinomica. (Debe contener la formula de la
funcin)
Solucin.
Solver de MsExcel : A diferencia de la funcin buscar objetivo, nos brinda la opcin de calcular todas las races bajo el mismo procedimiento de
calculo
Calcular la races de la siguiente ecuacin :
.
Activacin de la
herramienta en Excel.
Solver de MsExcel
Calcular la raz de la siguiente ecuacin :

Modelo de clculo (Estrategia)
Celdas con la funcin polinomica, correspondientes a

dos valores cercanos a las races.
Sumatoria de la columna.
Valores
aproximados a
las races..
Se debe tener en cuenta que una de las

races siempre ser menor que la otra en
este caso, de modo que adicionalmente el
modelo debe asegurar tal condicin, para
no se dupliquen los resultados
Solver de MsExcel
Se establece en la celda C2, que si el valor de la celda A1 es menor

que la celda A2, se imprima el numero 1, en caso contrario se imprima
el numero 2, en esta celda.
Solver de MsExcel

Se establece que el objetivo sea que la suma de los valores
anteriores (Imgenes de las aproximaciones) sea igual a cero.
Valor del objetivo.
Rango de valores a cambiar.
Restricciones: se obliga a que los

valores de la funcin sean iguales a
cero, variando los valores de la
aproximacin (celdas A1 y A2) , y
adicionalmente se obliga a que la
celda C2, siempre sea igual 1, o lo que
ndice que siempre el numero de la
celda A1 ser menor que el numero
calculado en la celda C2.
Resultados
Solucin de sistemas de Ecuaciones Lineales Herramienta
Solver
Sea el siguiente sistema de ecuaciones:
Plantear un modelo en Solver para obtener la solucin del sistema de ecuaciones.
Solucin de sistemas de Ecuaciones lineales Herramienta
Solver
Modelo planteado:
Igualacin de cada una de las

ecuaciones a cero.
Matriz de coeficientes.
Vector de trminos independientes.
Vector supuesto inicial de

aproximaciones.

Modelo planteado:
Solver

Al resolver el modelo se obtienen los resultados:
Solver
Solucin de sistemas de Ecuaciones Lineales Funciones

Matriciales de Excel (Estrategia de resolucin)
Sea el siguiente sistema de ecuaciones:
Y conociendo que un sistema matricial se puede representar de la forma:
axi = b
En donde a representa la matriz de coeficientes, xi las variables y b el vector de trminos
independientes.

La solucin explicita para las variables puede expresarse como:
xi = (a1 )b
Donde a-1, representa la matriz inversa de la matriz de coeficientes.
Vector de TI.
Representacin en Ms EXCEL de la
matriz de coeficientes y vector de
trminos independientes.

Calculo de la matriz Inversa de coeficientes: Funcin
Al presionar Enter, aparecer el

resultado del primer elemento de la
matriz, (Tener en cuenta que la matriz
Inversa contiene el mismo numero de
elementos
que
la
matriz
de
coeficientes
MINVERSA(Rango)

Para extender los calculo de la matriz inversa, se extiende al rango total de la matriz
presiona la tecla F2 en el resultado obtenido :
y se
Luego se debe presionar la combinacin de teclas CTRL+SHIFT+ENTER, que es como Excel

interpreta las ejecuciones matriciales
Matriz Inversa.
Solucin de sistemas de Ecuaciones lineales Funciones

Luego creamos el vector de soluciones de las variables x1, x2 y x3:
Para obtener la solucin debemos MULTIPLICAR la inversa de la matriz de coeficientes por el

vector de trminos independientes, para ello empleamos la funcin MMULT(Matrices).

Luego de oprimir la tecla ENTER y extender el resultado al todo el rango del vector solucin
(CTRL+SHIFT+ENTER), se pueden visualizar los resultados:
x1
x2
x3
Valores que satisfacen el sistema de ecuaciones planteado.
-0,426
0,064
0,128
Ejercicios Sistemas de ecuaciones lineales

(Resolver utilizando las herramientas vistas anteriormente)
:
Solucin de sistemas de Ecuaciones No lineales

Expresin de una ecuacin lineal:
A las ecuaciones algebraicas y trascendentes que no se pueden expresar de esta forma se les llama
ecuaciones no lineales. Ejemplos son:
Sistema de dos ecuaciones
no
lineales
con
dos
incgnitas.
Pueden
expresarse
de la forma:

Mtodo de Newton Rhapson Generalizado para la solucin de sistemas de ecuaciones No
Lineales.
Mtodo de Newton Rhapson para una ecuacin: (Expansin de la serie de Taylor al segundo
trmino).
En donde f(xi+1)=0 (interseccin con el eje x), de modo que la ecuacin puede reescribirse como:
Aproximacin
Rhapson.
en
el
mtodo
de
Newton

Mtodo de Newton Rhapson Generalizado para la solucin de sistemas de ecuaciones No
Lineales.
Para el caso de dos variables independientes , se extiende el mismo concepto que para una sola,
de modo que la serie de Taylor para mltiples variables , se puede escribir como:
:
Serie de Taylor para

variable u.
Serie de Taylor para

variable v

En este caso las races se encontrarn para los valores de x y y, donde las funciones u(x,y) y
v(x,y) (Imgenes de las aproximaciones), son iguales a cero, de modo que:

Llegndose a obtener la expresin para el calculo de las aproximaciones +1 y +1
Aproximacin de y.
Aproximacin de x.
Determinante Jacobiano del sistema

de ecuaciones no lineal.
la aproximacin de Newton- Raphson

puede diverger si los valores iniciales
no estn lo suficientemente cercanos a
la raz verdadera.
Solucin de sistemas de Ecuaciones No lineales Herramienta
Solver
Tambin es posible plantear un modelo o estrategia de resolucin de sistemas de ecuaciones no
lineales con la herramienta Solver de Excel, como veremos a continuacin para el siguiente caso:
Lo primero consiste en expresar el sistema de arriba, como:
Solver
Tambin es posible plantear un modelo o estrategia de resolucin de sistemas de ecuaciones no
lineales con la herramienta Solver de Excel, como veremos a continuacin para el siguiente caso:
Lo primero consiste en expresar el sistema de arriba, como funcin de , de tal forma que:
Solver
Luego se establece en Ms Excel el sistema de la siguiente forma:
Valores x y y; independientes.
Funcin u(x,y)
Funcin v(x,y)
La suma de cuadrados de las funciones u(x,y) y v(x,y)
garantiza que las celdas B3 y B4 sean siempre cero y
nunca de igual dimensin con signo contrario.
Solver
Modelo Solver:
Solver
Resultados con Solver:
Solver
Resolver el siguiente sistema de ecuaciones no lineal, con la ayuda de la herramienta Solver.

Resumen Métodos Numéricos - v3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Resumen Métodos Numéricos - v3

Uploaded by

Copyright:

Available Formats

Modelamiento y simulacin

Resumen Mtodos Numricos

Error verdadero o absoluto

Solucin a las ecuaciones no lineales

aprovechan el hecho de que una funcin cambia de

En contraste, los mtodos abiertos se basan en frmulas

La aplicacin repetida de estos mtodos siempre

Condiciones de Entrada para la solucin del Mtodo

Condiciones para todos los mtodos.

Resultados Excel - Iteraciones

Aprox. Raiz (pm )

Aunque el error aproximado no proporciona una

Se observa como entre la primera y la

Naturaleza Desigual del Error Verdadero

Se observa como entre la segunda y

El error aproximado se hace menor

Un ejemplo podra ser la determinacin de

O la cantidad de cifras significativas para que el error de

De la formula anterior se despeja el numero n.

Donde x= x nuevo x anterior

Estructura de control selectiva, calculo del error

Cierre del ciclo.

El Mtodo de la Falsa Posicin

Problema: Anlisis Global del Mtodo

El Error verdadero en el mtodo de la falsa posicin

En este mtodo se obtiene una idea ms completa de la

Aprox. Raiz (pm )

Se llega a calcular la raz con un numero de

Seudocdigo del mtodo de la falsa posicin

Mtodo de la Falsa Posicin modificado

Una forma de disminuir la naturaleza

Algoritmo de la Falsa Posicin modificado Variacin Illinois

Deteccin de la Estacionariedad del mtodo,

Mtodo de la Falsa Posicin modificado Algoritmo Illinois

Aceleradores de Convergencia pegaso e Illinois

a los puntos xi - 1 y xi + 1 , pero reemplazando

Yi-1 por yi-1, tal que 0 < < 1

Si = 0.5 , el mtodo se denomina Illinois.

Para el caso de la Estacionariedad en a.

Para el problema Implementacin acelerador de

Aprox. Raiz (pm )

Se llega a calcular la raz con un numero de

Problema: Anlisis Global del Mtodo

Aprox. Raiz (pm )

Funcin y Derivada programada en un modulo estndar.

Problema: Anlisis Global del Mtodo

Problema: Anlisis Global del Mtodo

Problema: Anlisis Global del Mtodo

Errores verdadero y aproximado

Aprox. Raiz (pm )

Problema: Cdigo VBA

Funcin y Derivada (numrica) programada en un modulo

- Donde la variable se relaciona de la siguiente manera:

- De igual forma el criterio de convergencia es:

Sistemas de Ecuaciones lineales

a11 x1 a12 x2 a13 x3 ... a1n xn c1

an1 x1 an 2 x2 an 3 x3 ... ann xn cn

Sistemas de Ecuaciones lineales

c1 a12 x2 a13 x3 a1n xn

cn 1 an 1,1 x1 an 1, 2 x2 an 1,n 2 xn 2 an 1,n xn

From equation n-1

Formula general para cualquier i

Donde y como puede utilizarse esta ecuacin ?