Ing.

Freddy Zambrana Rodríguez

FECHA DE PUBLICACION: Or – 11 – 10 – 2011

FECHA DE ENTREGA: Or – 28– 10 – 2011
1. MÉTODO DE GAUSS.
Es el método prototipo de todos los métodos directos, consiste en transformar el sistema de ecuaciones
lineales expresada como una matriz ampliada en su equivalente, una matriz triangular superior, así:

 a11 a12 a13 b1   a11 a12 a13 b1 

   
 a21 a22 a23 b2  a la forma  0 a22 
a23 b2 
a a33 b3   0
 31 a32  0 
a33 b3 
Una vez que se obtiene la matriz triangular equivalente, el proceso de determinar las soluciones se la realiza
por sustitución regresiva. El método de la eliminación de Gauss tiene dos variantes: eliminación de Gauss
sin pivotaje y eliminación de Gauss con pivotaje.

METODOLOGÍA DE TRABAJO.

1. Abra MATLAB haciendo clic sobre el icono

2. En el indicador de MATLAB, que es >>, genere la matriz coeficiente A y el vector de términos
independientes y.
3. Con la información generada, en el indicador >> llame al programa Gauss(A, y, n), enviando la
información solicitada, donde: A es la matriz coeficiente, y es el vector independiente y n es el orden
del sistema a resolver.
4. Anote los resultados obtenidos.

PROBLEMA A RESOLVER.
Un granjero desea preparar una formula alimenticia para engordar ganado. Se dispone de maíz,
desperdicios, alfalfa y cebada, cada uno con ciertas unidades de ingredientes nutritivos, de acuerdo con la
tabla:

Requerimiento
Maíz Desperdicios Alfalfa Cebada
diario Uni/día
Carbohidratos 80 15 35 60 230
Proteínas 28 72 57 25 180
Vitaminas 20 20 12 20 80
Celulosa 50 10 20 60 160

Con esta información, determine los kilogramos necesarios de cada material para satisfacer el requerimiento
diario, sabiendo que los ingredientes tienen 98, 90, 94 y 70 por ciento de pureza respectivamente.

2. ELIMINACION DE JORDAN.
El método de Jordan extiende el proceso que se desarrolla en el método de Gauss de modo que la matriz
coeficiente del sistema de ecuaciones se reduzca a una forma equivalente, pero que la misma sea una
matriz diagonal, evitando de esta manera el tener que recurrir a la sustitución regresiva para determinar las
soluciones del sistema en cuestión, es decir:

 a11 a12 a13 b1   a11 0 0 b1 

   
 a21 a22 a23 b2  a la forma  0 a22 0 b2 
a a33 b3   0
 31 a32  0  b3 
a33
Este método al igual que el método de Gauss presenta las variantes: con y sin pivotaje.

METODOLOGÍA DE TRABAJO.

1. Abra MATLAB haciendo clic sobre el icono

2. En el indicador de MATLAB, que es >>, genere la matriz coeficiente A y el vector de términos
independientes y.
3. Con la información generada, en el indicador >> llame al programa Jordan(A, y, n), enviando la
información solicitada, donde: A es la matriz coeficiente, y es el vector independiente y n es el orden
del sistema a resolver.
4. Anote los resultados obtenidos.

PROBLEMA A RESOLVER.
Utilizando el método de Jordan resolver el sistema lineal

 10 x1  3x2  5 x3  2 x4  3
x1  2 x2  10 x3  4 x4  5 

 x1  x 2  2 x3  10 x4  4 
2 x1  10 x 2  x3  x4  2

con una aproximación de 10-4

3 FACTORIZACIÓN DE MATRICES MÉTODO LU.

El principal atractivo, es que el paso de eliminación que consume tiempo se puede reformular de tal manera
que involucre solo operaciones sobre los coeficientes de la matriz A. Este método es muy adecuado para
aquellas situaciones donde se deben evaluar muchos sistemas de ecuaciones que presentan una misma
matriz A pero diferentes vectores b del lado derecho. La descomposición LU proporciona un medio eficiente
para calcular la matriz inversa.
La metodología de utilizar este método para resolver sistemas de ecuaciones se reduce a dos pasos:
1. La matriz coeficiente A del sistema de ecuaciones se factoriza o “descompone” en una matriz
triangular inferior L y una matriz triangular superior U, obteniéndose así:
Ax  b  LUx  b
2. Ambas matrices obtenidas L y U se usan para determinar fácilmente la solución del sistema
haciendo Ux  c , donde c es un vector desconocido que puede ser determinado a través de la
relación Lc  b mediante sustitución progresiva o hacia delante. Una vez calculado c, se resuelve
Ux  c con sustitución regresiva obteniéndose de esta manera el vector solución x.

METODOLOGÍA DE TRABAJO.

1. Abra MATLAB haciendo clic sobre el icono

 2. En el indicador de MATLAB, que es >>, genere la matriz coeficiente A y el vector de términos
independientes y.
3. Con la información generada, en el indicador >> llame al programa L_U(A, y, n), enviando la
información solicitada, donde: A es la matriz coeficiente, y es el vector independiente y n es el orden
del sistema a resolver.
4. Anote los resultados obtenidos.

PROBLEMA A RESOLVER.

Determinar los coeficientes del polinomio y  Ax 5  Bx 4  Cx 3  Dx 2  Ex  F que pasa por los puntos (1,-
7), (2,2),(-1,-7),(-2,-34),(3,121),(0,-8) con una aproximación de 10 -4

MÉTODOS ITERATIVOS.
Los métodos iterativos más sencillos y conocidos, como se señalo con anterioridad, son una generalización
del método de punto fijo. En tal sentido, se aplica la misma técnica del método de punto fijo para ecuaciones
no lineales, a fin de elaborar métodos para resolver sistemas de ecuaciones de la forma:
A x  b .
La metodología consiste en transformar algebraicamente el sistema A  x  b a la forma x  B  x  c .
Tarea que se realiza a través de simples despejes de manera que la solución de una sea también la solución
de la otra, así:
a12 a b
x1   x2  13 x3  1
a11 a11 a11
a11 x1  a12 x2  a13 x3  b1
a21 a b
a21 x1  a22 x2  a23 x3  b2 a la forma x2   x1  23 x3  2
a22 a22 a22
a31 x1  a32 x2  a33 x3  b3
a31 a b
x3   x1  32 x2  3
a33 a33 a33
En muchos casos el proceso iterativo puede llevar a la divergencia, pero un rearreglo de las ecuaciones
puede originar la convergencia, por ejemplo, en lugar de despejar x1 de la primera ecuación, x2 de la
segunda, etc., se puede despejar las diferentes xi de una de las diferentes ecuaciones, teniendo cuidado de
que los coeficientes de las xi despejadas sean distintos de cero. Esta sugerencia presenta para un sistema
de n ecuaciones, n! de distintas formas de rearreglar dicho sistema, motivo por el cual se debe utilizar un
determinado criterio.

4. MÉTODO DE JACOBI.
También conocido como método de sustitución simultanea, en este método los valores de x(k+1) se determina
a través de la sustitución directa de un vector anterior x(k) asumido u obtenido en el respectivo sistema
formado, es decir:
a12 k a13 k b1
x1k 1   x2  x3 
a11 a11 a11
a21 k a23 k b2
x2k 1   x1  x3 
a22 a22 a22
a31 k a32 k b3
x3k 1   x1  x2 
a33 a33 a33

METODOLOGÍA DE TRABAJO.

1. Abra MATLAB haciendo clic sobre el icono

 2. En el indicador de MATLAB, que es >>, genere la matriz coeficiente A, el vector de términos
independientes y y el vector inicial x.
3. Con la información generada, en el indicador >> llame al programa Jacobi(A, y, x, n), enviando la
información que necesita el respectiva archivo M, donde: A es la matriz coeficiente, y es el vector de
las variables independientes, x es el vector inicial y n es el orden del sistema a resolver.
4. Anote los resultados obtenidos.

PROBLEMA A RESOLVER.
Utilizando el método de Jacobi resolver el siguiente sistema tridiagonal:

 2.01475  0.02875  T1   4.175 

    
  0.02875 2.01475  0.02875  T2   0 

 2.01475  0.02875 T3   0 
    
  0.02875 2.01475  T4   2.0875


utilizando sustitución simultanea y/o sustitución sucesiva y un vector inicial que se considere adecuado,
además la solución debe presentar una aproximación de 10 -5.

5. MÉTODO DE GAUSS-SEIDEL.
También conocido como método de desplazamientos sucesivos, en este método los valores que se van
calculando en la (k+1)-ésima iteración se emplean para calcular los valores faltantes de esa misma iteración,
es decir:
a12 k a13 k b1
x1k 1   x2  x3 
a11 a11 a11
a21 k 1 a23 k b2
x2k 1   x1  x3 
a22 a22 a22
a31 k 1 a32 k 1 b3
x3k 1   x1  x2 
a33 a33 a33

METODOLOGÍA DE TRABAJO.

1. Abra MATLAB haciendo clic sobre el icono

2. En el indicador de MATLAB, que es >>, genere la matriz coeficiente A, el vector de términos
independientes y y el vector inicial x.
3. Con la información generada, en el indicador >> llame al programa Gauss_Seidel(A, y, x, n),
enviando la información que necesita el respectiva archivo M, donde: A es la matriz coeficiente, y es
el vector de las variables independientes, x es el vector inicial y n es el orden del sistema a resolver.
4. Anote los resultados obtenidos.

PROBLEMA A RESOLVER.
El siguiente sistema tridiagonal debe resolverse como parte de un algoritmo (Crack-Nicolson) para resolver
ecuaciones diferenciales parciales:
  4 1 0 0 0   x1   100 
     
0 0  1 4  1  x 2   200 
 0  1 4  1 0  *  x    200 
   3  
 1 4 1 0 0   x 4   200 
0  
 0 0  1 4   x5   100 
Utilizando el método de Gauss con pivotaje determine las incógnitas Ti con una aproximación de 10 -5.

Problemas que no se necesita introducir error ni un vector inicial.

1
ERROR =
VALOR INICIAL =
SOLUCION = 6.23692
= 1.23456
= 0.13456
= -1.23456

Problemas que no presentan solución.

2
NO PRESENTA SOLUCION.

Problemas que necesitan de un error y vector inicial

3
ERROR = 0.001
VECTOR INICIAL =[1,2,3]
SOLUCION = 1.2345
= -0.9987
= 9.8765

Problemas presentan incisos a, b, etc. se debe presentar como

4a
ERROR = 0.001
VECTOR INICIAL =[1,2,3]
SOLUCION = 2.2315
= -3.9687
= 2.8765
4b
ERROR =
VECTOR INICIAL =
SOLUCION = 1.5423
= -0.1234
= 1.9087

Grabar como GUIA_2.TXT

Nota. Las calificaciones obtenidas se grabará en el archivo error_2.txt del disco de trabajo