Instituto

tecnológico de
cerro azul

Ingeniería civil

Docente: María del Carmen Baca Gutiérrez

Alumnos: González Villa Estrella de la Luz

Azuara Martínez Hever Jair

Materia: Métodos Numéricos

Investigación Unidades 5 y 6.

22/05/2021

1
 INDICE.

5.1.Método de Gauss-Seidel para sistemas de ecuaciones 3

lineales.
5.2.Método de Newton-Raphson para sistemas de ecuaciones 9
no lineales.
5.3.Aplicaciones de sistemas de ecuaciones lineales y no 12
lineales.

6.1.Método de Euler. 15
6.2.Métodos de Runge-Kutta. 18
6.3.Aplicaciones de ecuaciones diferenciales ordinarias. 21
6.4.Uso de herramientas computacionales. 23

2
5.1.-Método de gauss-seidel para sistemas de ecuaciones lineales

El método de eliminación para resolver ecuaciones simultáneas suministra

soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El
número exacto depende de las ecuaciones de que se trate, del número de
dígitos que se conservan en el resultado de las operaciones aritméticas, y
del procedimiento de redondeo. Utilizando ecuaciones de error, el número
de ecuaciones que se pueden manejar se puede incrementar
considerablemente a más de 15 o 20, pero este método también es
impráctico cuando se presentan, por ejemplo, cientos de ecuaciones que se
deben resolver simultáneamente. El método de inversión de matrices tiene
limitaciones similares cuando se trabaja con números muy grandes de
ecuaciones simultáneas.

Sin embargo, existen varias técnicas que se pueden utilizar, para resolver
grandes números de ecuaciones simultáneas. Una de las técnicas más
útiles es el método de Gauss-Seidel. Ninguno de los procedimientos
alternos es totalmente satisfactorio, y el método de Gauss-Seidel tiene la
desventaja de que no siempre converge a una solución o de que a veces
converge muy lentamente. Sin embargo, este método convergirá siempre a
una solución cuando la magnitud del coeficiente de una incógnita diferente
en cada ecuación del conjunto, sea suficientemente dominante con
respecto a las magnitudes de los otros coeficientes de esa ecuación.

Es difícil definir el margen mínimo por el que ese coeficiente debe dominar
a los otros para asegurar la convergencia y es aún más difícil predecir la
velocidad de la convergencia para alguna combinación de valores de los
coeficientes cuando esa convergencia existe. No obstante, cuando el valor
absoluto del coeficiente dominante para una incógnita diferente para cada
ecuación es mayor que la suma de los valores absolutos de los otros
coeficientes de esa ecuación, la convergencia está asegurada. Ese
conjunto de ecuaciones simultáneas lineales se conoce como sistema
diagonal.

3
Un sistema diagonal es condición suficiente para asegurar la convergencia,
pero no es condición necesaria. Afortunadamente, las ecuaciones
simultáneas lineales que se derivan de muchos problemas de ingeniería,
son del tipo en el cual existen siempre coeficientes dominantes.

La secuencia de pasos que constituyen el método de Gauss-Seidel es la

siguiente:

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

Si es posible hacer una hipótesis razonable de éstos valores,
hacerla. Si no, se pueden asignar valores seleccionados
arbitrariamente. Los valores iniciales utilizados no afectarán la
convergencia como tal, pero afectarán el número de iteraciones
requeridas para dicha convergencia.
2. Partiendo de la primera ecuación, determinar un nuevo valor para la
incógnita que tiene el coeficiente más grande en esa ecuación,
utilizando para las otras incógnitas los valores supuestos.
3. Pasar a la segunda ecuación y determinar en ella el valor de la
incógnita que tiene el coeficiente más grande en esa ecuación,
utilizando el valor calculado para la incógnita del paso 2 y los valores
supuestos para las incógnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el
valor calculado de la incógnita que tiene el coeficiente más grande en
cada ecuación particular, y utilizando siempre los últimos valores
calculados para las otras incógnitas de la ecuación. (Durante la
primera iteración, se deben utilizar los valores supuestos para las
incógnitas hasta que se obtenga un valor calculado). Cuando la
ecuación final ha sido resuelta, proporcionando un valor para la única
incógnita, se dice que se ha completado una iteración.
5. Continuar iterando hasta que el valor de cada incógnita, determinado
en una iteración particular, difiera del valor obtenido en la iteración
previa, en una cantidad menor que cierto seleccionado
arbitrariamente. El procedimiento queda entonces completo.

4
Refiriéndonos al paso 5, mientras menor sea la magnitud del seleccionado,
mayor será la precisión de la solución. Sin embargo, la magnitud del
epsilon no especifica el error que puede existir en los valores obtenidos
para las incógnitas, ya que ésta es una función de la velocidad de
convergencia. Mientras mayor sea la velocidad de convergencia, mayor
será la precisión obtenida en los valores de las incógnitas para un dado.

EJEMPLO:
Resolver el siguiente sistema de ecuación por el método Gauss-Seidel
utilizando un

SOLUCION:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal
estén los coeficientes mayores para asegurar la convergencia.

Despejamos cada una de las variables sobre la diagonal:

5
Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1

Este valor junto con el de X3 se puede utilizar para obtener X2

La primera iteración se completa sustituyendo los valores de X1 y X2

calculados obteniendo:

En la segunda iteración, se repite el mismo procedimiento:

6
Comparando los valores calculados entre la primera y la segunda iteración

Como podemos observar, no se cumple la condición

Entonces tomamos los valores calculados en la última iteración y se toman

como supuestos para la siguiente iteración. Se repite entonces el proceso:

Comparando de nuevo los valores obtenidos

7
Como se observa todavía no se cumple la condición

Así que hacemos otra iteración

Comparando los valores obtenidos

Dado que se cumple la condición, el resultado es:

8
5.2 Método de newton-Raphson para sistemas de ecuaciones
no lineales

Se trata de llevar el limite el método de la secante y, por tanto, en cada

iteración n, considerar la recta tangente a 𝑓(𝑥) 𝑒𝑛 (𝑥𝑛, 𝑓(𝑥𝑛)) y tomar como
siguiente aproximación 𝑥𝑛 + 1 la intersección de dicha tangente con el eje
de abscisas. Por tanto, teniendo en cuenta que la ecuación de la recta
tangente a la gráfica de 𝑓(𝑥) en el punto (𝑥𝑛, 𝑓(𝑥𝑛)) es:

se tiene que

Luego el algoritmo del Método de Newton-Raphson es:

9
Observaciones sobre el Método de Newton-Raphson

Ejemplo: A continuación, presentamos la solución aproximada de algunas

ecuaciones con el método:

10
También se podría haber presentado un caso de oscilación como el
siguiendo grafico indica:

11
5.3 Aplicaciones de sistemas de ecuaciones lineales y no
lineales

En distintas ramas de la ingeniería se han encontrado aplicaciones de los

sistemas de ecuaciones lineales, además de que han abarcado
innumerables áreas como la economía y manufactura, por mencionar
algunas. Usando los métodos de solución vistos en la primera parte del
Módulo 1, es como se logra encontrar solución a los sistemas.

5.3.1 Fracciones parciales

En el curso de integración se revisa una técnica que consiste en cambiar la
forma en que puede ser expresado un cociente entre polinomios a otra
forma más conveniente para realizar cierto tipo de cálculo, como veremos
en el siguiente ejemplo de aplicación.

Ejemplo1. Determina los valores de las contantes a y b.

Despejando el numerador de lado izquierdo, se obtiene:

Reduciendo términos comunes y agrupando los valores en x y constantes:

12
Del primer miembro no existen términos con x, así que se iguala a 0 el
término del segundo miembro, mientras que el término constante se iguala
con los términos constantes del segundo miembro. Resultando el siguiente
sistema de dos ecuaciones lineales.

La matriz aumentada queda de la siguiente manera, aplicando la

eliminación de Gauss-Jordan, tomando como pivotes los términos que se
encuentran con un círculo.

Resultan los valores de a y b.

13
Estos valores de a y b satisfacen el cociente.

14
 6.1 MÉTODO DE EULER.

Comentemos en primer lugar, que el método de Euler es muy interesante

como punto de partida en la resolución numérica de ecuaciones
diferenciales ya que es muy simple y permite comprender el resto de los
métodos, pero a efectos prácticos se aplica en contadas ocasiones, pues
converge muy lentamente hacia la solución.
El valor de 𝑦𝑘 lo encontraremos del valor anterior 𝑦𝑘 − 1. Por tanto,
estamos ante un método de un solo paso. Consiste en dividir el intervalo
[𝑡0, 𝑡0 + 𝛼] en 𝑁 partes iguales,

Si aplicamos la definición de derivada

deducimos que para h “suficientemente pequeño”

Por tanto

15
La igualdad (6.2) nos sugiere el cálculo de los 𝑦𝑘 mediante la ley de
recurrencia,

partiendo de 𝑦(0) = 𝑦0. La ley (6.3) se conoce como el método de Euler.

Interpretación geométrica

La condición inicial de (6.1) representa al punto 𝑃0 = (𝑡0, 𝑦0) por donde

pasa la curva solución. Para este punto se cumple,

lo cual nos permite trazar una recta que pasa por el punto 𝑃0 y tiene de
pendiente 𝑓(𝑡0, 𝑦0). Esta recta, aproxima a la solución en los alrededores
de 𝑡0. Entonces, tomamos la recta y encontramos el valor de 𝑦
correspondiente a 𝑡1. Ahora tendremos el punto (𝑡1, 𝑦1), y repetimos el
proceso. La Figura 6.1 muestra el proceso seguido.

16
EJEMPLO

Apliquemos el método de Euler al modelo de crecimiento exponencial:

para conocer un valor aproximado de 𝑦(1), con un paso ℎ = 0.1

La fórmula (6.3) nos proporciona la expresión

que da lugar a los valores que aparecen en la Tabla 13.1

17
 6.2 MÉTODO DE RUNGE-KUTTA

El método anterior de Euler mejorado, es un caso particular de otro método

más general conocido con el nombre de Runge-Kutta. Consiste en obtener
una aproximación diferente de la integral definida,

donde 𝑡𝑘 + 1 2 = 𝑡𝑘 + ℎ/2, (regla de Simpson)

Demostrar de forma rigurosa este método se encuentra fuera de los
objetivos del curso, por esta razón haremos un desarrollo intuitivo del
mismo. En primer lugar, necesitamos estimar los valores 𝑦𝑘 + 1/2 𝑒 𝑦𝑘 + 1.
Aplicando el método de Euler

con 𝑚1 = 𝑓(𝑡𝑘, 𝑦𝑘). Para corregir esta estimación de 𝑦𝑘 + 1/2, lo hacemos

de la siguiente manera:

Siendo 𝑚2 = 𝑓(𝑡𝑘 + ℎ/2, 𝑦𝑘 + 𝑚1ℎ/2).

Para predecir 𝑦𝑘 + 1 hacemos uso de la ´última estimación de 𝑦𝑘 + 1/2 y el
método de Euler

18
donde 𝑚3 = 𝑓(𝑡𝑘 + ℎ/2, 𝑦𝑘 + 𝑚2ℎ/2). Por ultimo hacemos

El método de Runge-Kutta se obtiene sustituyendo cada una de estas

estimaciones en (6.8),

Donde:

Este método es capaz de conseguir precisiones altas sin tener que tomar el
paso ℎ tan pequeño como para hacer excesiva la tarea de cálculo.

EJEMPLO

Continuación vamos a utilizar el método de Runge-Kutta de cuarto orden,

para resolver el problema de valor inicial

19
para conocer un valor aproximado de 𝑦(1), con un paso ℎ = 0.2.
Empezamos calculando las siguientes constantes:

con lo cual

20
6.3. APLICACIONES DE ECUACIONES DIFERENCIALES ORDINARIAS.
Una función con sus derivadas, las funciones usualmente representan
cantidades físicas, las derivadas representan sus razones de cambio y la
ecuación define la relación entre ellas. Como estas relaciones son muy
comunes, las ecuaciones diferenciales juegan un rol primordial en diversas
disciplinas, incluyendo la ingeniería, la física, la química, la economía y la
biología.
En las aplicaciones de las matemáticas, a menudo surgen problemas en los
que se desconoce la dependencia de un parámetro con respecto a otro,
pero es posible escribir una expresión para la tasa de cambio de un
parámetro en relación con otro (derivada). En este caso, el problema se
reduce a encontrar una función por su derivada relacionada con algunas
otras expresiones.
En las matemáticas puras, las ecuaciones diferenciales se estudian desde
perspectivas diferentes, la mayoría concernientes al conjunto de las
soluciones de las funciones que satisfacen la ecuación. Solo las
ecuaciones diferenciales más simples se pueden resolver mediante
fórmulas explícitas; sin embargo, se pueden determinar algunas
propiedades de las soluciones de una cierta ecuación diferencial sin hallar
su forma exacta.
Si la solución exacta no puede hallarse, esta puede obtenerse
numéricamente, mediante una aproximación usando computadoras. La
teoría de sistemas dinámicos hace énfasis en el análisis cualitativo de los
sistemas descritos por ecuaciones diferenciales, mientras que muchos
métodos numéricos han sido desarrollados para determinar soluciones con
cierto grado de exactitud.
Una ecuación diferencial ordinaria (EDO) es una ecuación que contiene una
función de una variable independiente y sus derivadas. El término ordinaria
se usa en contraste con la ecuación en derivadas parciales, la cual puede
ser respecto a más de una variable independiente.
Las ecuaciones diferenciales lineales, las cuales tienen soluciones que
pueden sumarse y ser multiplicadas por coeficientes, están bien definidas y
comprendidas, y tienen soluciones exactas que pueden hallarse. En
contraste, las EDOs cuyas soluciones no pueden sumarse son no lineales,
y su solución es más intrincada, y muy pocas veces pueden hallarse en
21
forma exacta de funciones elementales: las soluciones suelen obtenerse en
forma de series o forma integral. Los métodos numéricos y gráficos para
EDOs pueden realizarse manualmente o mediante computadoras, se
pueden aproximar las soluciones de las EDOs y su resultado puede ser
muy útil, muchas veces suficientes como para prescindir de la solución
exacta y analítica.

Ejemplo: Calcule la solución de la siguiente ecuación diferencial ordinaria lineal

nohomogénea:

22
 6.4.USO DE HERRAMIENTAS COMPUTACIONALES.
Nos sirven como apoyo en la enseñanza y aprendizaje de las matemáticas
y nos permiten resolver cualquier problema difícil que se nos vaya
presentando en cualquier de los cursos de la licenciatura y de una manera
analítica y exacta, podemos tratar de resolver, mediante el uso y utilización
adecuados de programas (software) relativos a los procesos de
aprendizajes de las mismas, preparándonos así para llegar a procesar e
interpretar la información mediante dichos métodos analíticos y numéricos.
EXCEL.
Excel permite a los usuarios elaborar tablas y formatos que incluyan
cálculos matemáticos mediante fórmulas; las cuales pueden usar
“operadores matemáticos” como son: + (suma), - (resta), * (multiplicación), /
(división) ^ (potenciación) > (mayor) < (menor)%(porcentaje)>= (mayor o
igual que) <=
(menor o igual que); además de poder utilizar elementos denominados
“funciones” (especie de fórmulas, preconfiguradas) como, por ejemplo:
Suma, Promedio, Buscar, etc.

23