INSTITUTO TECNOLOGICO DE NOGALES

TRABAJO:
ALGORITMOS DE INTEGRACION EN MATLAB

ALUMNO:
Victor Tomas Montes Garcia

PROFESOR:
Ing.

INGENIERIA CIVIL

FECHA:
07/mayo/2015

1.

Introduccin
1.1.

MTODO DE GAUSS-SEIDEL

El mtodo de eliminacin para resolver ecuaciones simultneas

suministra soluciones suficientemente precisas hasta para 15 o 20
ecuaciones. El nmero exacto depende de las ecuaciones de que se
trate, del nmero de dgitos que se conservan en el resultado de las
operaciones aritmticas, y del procedimiento de redondeo. Utilizando
ecuaciones de error, el nmero de ecuaciones que se pueden manejar se
puede incrementar considerablemente a ms de 15 o 20, pero este
mtodo tambin es imprctico cuando se presentan, por ejemplo,
cientos de ecuaciones que se deben resolver simultneamente. El
mtodo de inversin de matrices tiene limitaciones similares cuando se
trabaja con nmeros muy grandes de ecuaciones simultneas.
Sin embargo, existen varias tcnicas que se pueden utilizar, para
resolver grandes nmeros de ecuaciones simultneas. Una de las
tcnicas ms tiles es el mtodo de Gauss-Seidel. Ninguno de los
procedimientos alternos es totalmente satisfactorio, y el mtodo de
Gauss-Seidel tiene la desventaja de que no siempre converge a una
solucin o de que a veces converge muy lentamente. Sin embargo, este
mtodo convergir siempre a una solucin cuando la magnitud del
coeficiente de una incgnita diferente en cada ecuacin del conjunto,
sea suficientemente dominante con respecto a las magnitudes de los
otros coeficientes de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe
dominar a los otros para asegurar la convergencia y es an ms difcil
predecir la velocidad de la convergencia para alguna combinacin de
valores de los coeficientes cuando esa convergencia existe. No obstante,
cuando el valor absoluto del coeficiente dominante para una incgnita
diferente para cada ecuacin es mayor que la suma de los valores
absolutos de los otros coeficientes de esa ecuacin, la convergencia est
asegurada. Ese conjunto de ecuaciones simultneas lineales se conoce
como sistema diagonal.
Un sistema diagonal es condicin suficiente para asegurar la
convergencia pero no es condicin necesaria. Afortunadamente, las
ecuaciones simultneas lineales que se derivan de muchos problemas de
ingeniera, son del tipo en el cual existen siempre coeficientes
dominantes.
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la
siguiente:

1. Asignar un valor inicial a cada incgnita que aparezca en el

conjunto. Si es posible hacer una hiptesis razonable de stos
valores, hacerla. Si no, se pueden asignar valores
seleccionados arbitrariamente. Los valores iniciales utilizados no
afectarn la convergencia como tal, pero afectarn el nmero de
iteraciones requeridas para dicha convergencia.
2. Partiendo de la primera ecuacin, determinar un nuevo valor para
la incgnita que tiene el coeficiente ms grande en esa ecuacin,
utilizando para las otras incgnitas los valores supuestos.
3. Pasar a la segunda ecuacin y determinar en ella el valor de la
incgnita que tiene el coeficiente ms grande en esa ecuacin,
utilizando el valor calculado para la incgnita del paso 2 y los
valores supuestos para las incgnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el
valor calculado de la incgnita que tiene el coeficniente ms
grande en cada ecuacin particular, y utilizando siempre los
ltimos valores calculados para las otras incgnitas de la ecuacin.
(Durante la primera iteracin, se deben utilizar los valores
supuestos para las incgnitas hasta que se obtenga un valor
calculado). Cuando la ecuacin final ha sido resuelta,
proporcionando un valor para la nica incgnita, se dice que se ha
completado una iteracin.
5. Continuar iterando hasta que el valor de cada incgnita,
determinado en una iteracin particular, difiera del valor obtenido
en la iteracin previa, en una cantidad menor que cierto
seleccionado arbitrariamente. El procedimiento queda entonces
completo.
Refirindonos al paso 5, mientras menor sea la magnitud del
seleccionado, mayor ser la precisin de la solucin. Sin embargo, la
magnitud del epsilonno especifica el error que puede existir en los
valores obtenidos para las incgnitas, ya que sta es una funcin de la
velocidad de convergencia. Mientras mayor sea la velocidad de
convergencia, mayor ser la precisin obtenida en los valores de las
incgnitas para un
dado.

2.

Ejercicio resuelto aplicado a la ingeniera civil

Este proceso continua dndonos como resultado

X=200
Y=100
Que son las toneladas de material necesarias que se deben extraer de cada
mina para obtener 4 toneladas de nquel y 9 toneladas de cobre.

Codigo Gauss-Seidel Matlab

3.

% solve the sistem of linear equations using Gauss-seidel:

% 0.01x1+0.02x2=4
% 0.02x1+0.05x2=9
%initial velues: x2=0
%iterate unitil the value of error for x1 is less than 0.01%
% x1=(4-0.02x2)/0.01
% x2=(9-0.02x1)/0.05
clear;clc;format('long','g');
i=1;
x2(i)=0;
error_x1(i)=9999;
while error_x1(i) >= 0.01
x1(i+1)=(4-0.02*x2(i))/0.01;
x2(i+1)=(9-0.02*x1(i+1))/0.05;
error_x1(i+1)=abs((x1(i+1)-x1(i))/x1(i+1))*100;
error_x2(i+1)=abs((x2(i+1)-x2(i))/x2(i+1))*100;
i=i+1;
end
disp('
x1
disp([x1',error_x1'])
disp('
x2
disp([x2',error_x2'])

error(%)');
error(%)');

4.

Ejercicio ejecutado en Matlab

x1

error(%)

0
400
360

9999
100
11.1111111111111

328

9.75609756097561

302.4

8.46560846560847

281.92
265.536
252.4288

7.2644721906924
6.17016148469509
5.19243446072715

241.94304
233.554432
226.8435456
221.47483648
217.179869184
213.7438953472
210.99511627776

4.33397877450825
3.5917143289321
2.95837661250168
2.42407182925489
1.97760838153982
1.60751905041249
1.30276904884444

208.796093022208

1.05319176413809

207.036874417766

0.849712694605206

205.629499534213

0.684422656642774

204.503599627371

0.550552610758021

203.602879701896

0.442390562841184

202.882303761517

0.355169439137648

202.305843009214

0.284945181873541

201.844674407371

0.228476972799382

201.475739525897

0.183116281068058

201.180591620717

0.146707941756032

200.944473296574

0.117504263874416

200.755578637259

0.0940918606581326

200.604462909807

0.0753301921900955

200.483570327846

0.0603004933340811

200.386856262277

0.0482636772556597

200.309485009821

0.0386258556111592

200.247588007857

0.0309102359634116

200.198070406286

0.0247343051163867

200.158456325029

0.0197913602974493

200.126765060023

0.0158355955017881

200.101412048018

0.0126700815077078

200.081129638415

0.010137092708496

200.064903710732

0.00811033188828114

x2

error(%)
0

20

100

36

44.4444444444444

48.8

26.2295081967213

59.04

17.3441734417344

67.232

12.1846739647787

73.7856
79.02848
83.222784
86.5782272
89.26258176
91.410065408
93.1280523264
94.50244186112
95.601953488896

8.88194986555641
6.63416530344504
5.039850625521
3.87562012819777
3.00725624004179
2.34928575799057
1.84475770241463
1.4543428800917
1.15009326446839

96.4815627911168

0.911686416320971

97.1852502328934

0.724068148294448

97.7482001863147

0.575918484788777

98.1985601490518

0.458621757848047

98.5588481192414

0.365556190098465

98.8470784953931

0.291592205393455

99.0776627963145

0.232730864266958

99.2621302370516

0.185838688225369

99.4097041896413

0.148450248185186

99.527763351713

0.118619326001073

99.6222106813704

0.0948054946897967

99.6977685450963

0.075786915623635

99.7582148360771

0.060592795370347

99.8065718688617

0.0484507501651609

99.8452574950893

0.0387455821119774

99.8762059960715

0.0309868608578964

99.9009647968572

0.0247833450217926

99.9207718374857

0.0198227458258272

99.9366174699886

0.0158556822353967

99.9492939759909

0.0126829370153814

99.9594351807927

0.0101453202326223

99.9675481446342

0.00811559750343331

99.9740385157073

0.00649205650740029