Este documento presenta la resolución numérica de sistemas de ecuaciones a través del método de eliminación gaussiana. Se aplica el método a dos circuitos eléctricos distintos, resolviendo primero un sistema de ecuaciones reales y luego uno con números complejos. En ambos casos se utilizan programas en C para implementar la eliminación gaussiana y obtener las corrientes, las cuales son verificadas con simuladores.
Este documento describe la simulación de los métodos iterativos de Jacobi y Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica cómo funcionan los métodos, incluido el cálculo de iteraciones sucesivas hasta alcanzar un error menor a un umbral. También incluye código en Fortran que implementa los métodos y un ejemplo numérico para ilustrarlos.
El documento describe métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Doolittle. El método de Doolittle descompone la matriz del sistema en matrices triangulares inferior y superior. El documento también explica cómo implementar el método de Doolittle en software como Matlab para resolver sistemas numéricamente.
El documento explica el método de Jacobi para resolver sistemas de ecuaciones lineales. Este método iterativo despeja cada incógnita en función de las demás y genera sucesivas aproximaciones hasta converger a la solución. Se describe el proceso matemático y se muestra un ejemplo numérico para ilustrarlo.
Este documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordan, el método de eliminación Gaussiana, la factorización de Cholesky, la descomposición LU, la factorización QR de Householder, y métodos iterativos como el método de Jacobi y el método de Gauss-Seidel. Explica los principios básicos de cada método y cuándo es más adecuado utilizar cada uno.
Este documento presenta varios métodos numéricos para resolver sistemas de ecuaciones lineales, incluyendo el Método de Jacobi, el Método de Gauss-Seidel y el Método de Gauss-Jordan. Explica que los métodos iterativos como Jacobi y Gauss-Seidel son útiles cuando hay un gran número de variables, y describe los pasos matemáticos involucrados en cada método. También incluye un ejemplo numérico para ilustrar la aplicación del Método de Gauss-Seidel.
Este documento describe diferentes métodos para resolver sistemas de ecuaciones lineales, incluyendo métodos directos como eliminación de Gauss, Gauss-Jordán y descomposición LU/Cholesky, e iterativos como Gauss-Seidel y Jacobi. Explica que los métodos directos generan una solución exacta en un número finito de pasos mientras que los iterativos usan sucesiones de aproximaciones que convergen a la solución.
Este documento describe el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica que el método involucra reordenar las ecuaciones para expresar cada variable en términos de las otras y luego mejorar cada aproximación de manera iterativa. También provee un ejemplo numérico mostrando cómo aplicar el método paso a paso para converger en la solución correcta.
Este documento describe el método de Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método involucra despejar cada incógnita en términos de las otras y calcular iterativamente nuevas aproximaciones. También presenta la fórmula matemática para calcular cada término de la nueva aproximación y muestra un ejemplo numérico de la aplicación del método.
Este documento describe la simulación de los métodos iterativos de Jacobi y Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica cómo funcionan los métodos, incluido el cálculo de iteraciones sucesivas hasta alcanzar un error menor a un umbral. También incluye código en Fortran que implementa los métodos y un ejemplo numérico para ilustrarlos.
El documento describe métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Doolittle. El método de Doolittle descompone la matriz del sistema en matrices triangulares inferior y superior. El documento también explica cómo implementar el método de Doolittle en software como Matlab para resolver sistemas numéricamente.
El documento explica el método de Jacobi para resolver sistemas de ecuaciones lineales. Este método iterativo despeja cada incógnita en función de las demás y genera sucesivas aproximaciones hasta converger a la solución. Se describe el proceso matemático y se muestra un ejemplo numérico para ilustrarlo.
Este documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordan, el método de eliminación Gaussiana, la factorización de Cholesky, la descomposición LU, la factorización QR de Householder, y métodos iterativos como el método de Jacobi y el método de Gauss-Seidel. Explica los principios básicos de cada método y cuándo es más adecuado utilizar cada uno.
Este documento presenta varios métodos numéricos para resolver sistemas de ecuaciones lineales, incluyendo el Método de Jacobi, el Método de Gauss-Seidel y el Método de Gauss-Jordan. Explica que los métodos iterativos como Jacobi y Gauss-Seidel son útiles cuando hay un gran número de variables, y describe los pasos matemáticos involucrados en cada método. También incluye un ejemplo numérico para ilustrar la aplicación del Método de Gauss-Seidel.
Este documento describe diferentes métodos para resolver sistemas de ecuaciones lineales, incluyendo métodos directos como eliminación de Gauss, Gauss-Jordán y descomposición LU/Cholesky, e iterativos como Gauss-Seidel y Jacobi. Explica que los métodos directos generan una solución exacta en un número finito de pasos mientras que los iterativos usan sucesiones de aproximaciones que convergen a la solución.
Este documento describe el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica que el método involucra reordenar las ecuaciones para expresar cada variable en términos de las otras y luego mejorar cada aproximación de manera iterativa. También provee un ejemplo numérico mostrando cómo aplicar el método paso a paso para converger en la solución correcta.
Este documento describe el método de Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método involucra despejar cada incógnita en términos de las otras y calcular iterativamente nuevas aproximaciones. También presenta la fórmula matemática para calcular cada término de la nueva aproximación y muestra un ejemplo numérico de la aplicación del método.
El documento describe el método de Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método implica despejar cada incógnita en términos de las demás y calcular iterativamente una solución aproximada. También presenta un ejemplo numérico para ilustrar los cálculos iterativos requeridos para aplicar el método de Jacobi y resolver el sistema.
El documento describe diferentes métodos para resolver sistemas de ecuaciones lineales, incluyendo descomposición LU, el algoritmo de Thomas, descomposición de Cholesky, el método de Jacobi y el método de Gauss-Seidel. Estos métodos utilizan iteraciones para aproximar la solución de manera numérica.
Este documento describe métodos iterativos para resolver sistemas de ecuaciones lineales. Explica el método de Jacobi, Gauss-Seidel y sobrerrelajación, indicando que los métodos iterativos son más eficientes para matrices grandes y dispersas, con un coste por iteración de O(n2) o menor. También establece condiciones como que la matriz sea estrictamente diagonalmente dominante o simétrica definida positiva para garantizar la convergencia de los métodos.
El documento describe el método de eliminación gaussiana para resolver sistemas de ecuaciones lineales. Explica el procedimiento paso a paso utilizando un sistema de 4 ecuaciones con 4 incógnitas como ejemplo. Luego, define las matrices L y U que resultan de la factorización LU del sistema, donde L es una matriz triangular inferior y U es una matriz triangular superior.
Este documento describe los métodos numéricos de Gauss-Seidel y Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método de Gauss-Seidel converge más rápido que el método de Jacobi porque utiliza los valores parciales calculados en cada iteración, mientras que Jacobi usa valores de la iteración anterior. Ambos métodos son iterativos y se usan cuando no es posible obtener una solución exacta.
Este documento presenta un modelo matemático de sistemas de control eléctricos. Describe ecuaciones que modelan la tensión y corriente en un circuito eléctrico con una fuente de voltaje y resistencia. Aplica la transformada de Laplace a las ecuaciones para analizar el sistema en el dominio de Laplace. Explica que el modelo es lineal y por lo tanto se puede aplicar directamente la transformada de Laplace para analizar el estado estacionario del sistema y resolver los lazos internos.
Este documento describe el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica que este método iterativo despeja cada variable en cada ecuación y calcula valores aproximados en iteraciones sucesivas hasta alcanzar un error menor al 1%. Luego presenta un ejemplo numérico con tres ecuaciones y tres incógnitas, resolviéndolo a través de tres iteraciones y calculando el error en cada una. Finalmente, describe un programa desarrollado en Visual Basic que implementa este método para sistemas de tres ecuaciones y tres incógnitas
Este documento resume varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordan, la factorización de Cholesky para matrices simétricas, métodos iterativos como Jacobi, y métodos directos como la eliminación de Gauss y la descomposición LU. Explica las ventajas y desventajas de cada método.
El método de Gauss consiste en transformar un sistema de ecuaciones en otro equivalente escalonado mediante la eliminación de términos para simplificar la solución. El método de Gauss-Seidel es un método iterativo para resolver sistemas de ecuaciones lineales que utiliza los valores calculados en la iteración actual para calcular los valores en la siguiente iteración.
El método de Jacobi es un método iterativo simple para resolver sistemas de ecuaciones lineales cuadrados. Se determina primero una ecuación de recurrencia despejando cada incógnita de su ecuación correspondiente. Luego se toma una aproximación inicial y se itera cambiando la aproximación según la ecuación de recurrencia hasta converger a la solución.
El documento describe el método de Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método involucra despejar cada incógnita en términos de las otras y luego iterar el proceso hasta converger a una solución. También presenta un ejemplo numérico para ilustrar los cálculos iterativos requeridos para aplicar el método.
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordán, la factorización QR y métodos iterativos como Jacobi. Explica que estos métodos transforman la matriz inicial hasta obtener una forma triangular o diagonal que permite resolver el sistema de manera más eficiente.
El método de Gauss-Seidel es similar al método de Jacobi para resolver sistemas de ecuaciones lineales, pero a diferencia de Jacobi que utiliza los valores de la iteración anterior, Gauss-Seidel utiliza los valores calculados en la misma iteración para calcular las siguientes incógnitas de forma secuencial. Esto permite obtener una aproximación más precisa en cada paso del método de Gauss-Seidel.
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss, Gauss-Jordan, descomposición LU, factorización de Cholesky, y métodos iterativos como Gauss-Seidel y Jacobi. Explica los procesos involucrados en cada método y cuándo cada uno es más adecuado para usar.
Este documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, el método de Gauss-Jordan, la descomposición LU, la factorización de Cholesky y métodos iterativos como el método de Gauss-Seidel. Explica que estos métodos utilizan transformaciones de la matriz para descomponerla de manera que facilite resolver el sistema de ecuaciones.
Solución de Sistemas de Ecuaciones Lineales Analisis numericolmpd124
Este documento presenta varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, descomposición LU, factorización de Cholesky, y métodos iterativos como Gauss-Seidel y Jacobi. Explica los pasos matemáticos involucrados en cada método y cuándo cada uno es más adecuado para ciertos tipos de sistemas.
El documento explica el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Este método iterativo asigna valores iniciales a las incógnitas y luego calcula nuevas aproximaciones sustituyendo los valores obtenidos en la iteración actual. El documento incluye la teoría del método, un ejemplo numérico y código para implementarlo computacionalmente.
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, el método de Gauss-Jordan, la descomposición LU, la factorización de Cholesky, la factorización QR y los métodos iterativos de Jacobi y Gauss-Seidel. Explica cada método y provee un ejemplo numérico para ilustrar su aplicación.
Soluciòn de sistemas de ecuaciones lineales con excelVictor Lara
Este texto nos muestra la teoria necesaria para resolver sistemas de ecuaciones lineales de polinomios de diferente grados, aplica para resolver sistemas de ecuaciones de n incognitas por n variables, claro esto se lleva a cabo en excel.
Este documento describe diferentes métodos para resolver sistemas de ecuaciones lineales, incluyendo sustitución, igualación, reducción, regla de Cramer y método de Gauss. Explica cada método con ejemplos y pasos detallados para resolver sistemas de 2 y 3 ecuaciones con 2 o 3 incógnitas.
El documento describe el método de Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método implica despejar cada incógnita en términos de las demás y calcular iterativamente una solución aproximada. También presenta un ejemplo numérico para ilustrar los cálculos iterativos requeridos para aplicar el método de Jacobi y resolver el sistema.
El documento describe diferentes métodos para resolver sistemas de ecuaciones lineales, incluyendo descomposición LU, el algoritmo de Thomas, descomposición de Cholesky, el método de Jacobi y el método de Gauss-Seidel. Estos métodos utilizan iteraciones para aproximar la solución de manera numérica.
Este documento describe métodos iterativos para resolver sistemas de ecuaciones lineales. Explica el método de Jacobi, Gauss-Seidel y sobrerrelajación, indicando que los métodos iterativos son más eficientes para matrices grandes y dispersas, con un coste por iteración de O(n2) o menor. También establece condiciones como que la matriz sea estrictamente diagonalmente dominante o simétrica definida positiva para garantizar la convergencia de los métodos.
El documento describe el método de eliminación gaussiana para resolver sistemas de ecuaciones lineales. Explica el procedimiento paso a paso utilizando un sistema de 4 ecuaciones con 4 incógnitas como ejemplo. Luego, define las matrices L y U que resultan de la factorización LU del sistema, donde L es una matriz triangular inferior y U es una matriz triangular superior.
Este documento describe los métodos numéricos de Gauss-Seidel y Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método de Gauss-Seidel converge más rápido que el método de Jacobi porque utiliza los valores parciales calculados en cada iteración, mientras que Jacobi usa valores de la iteración anterior. Ambos métodos son iterativos y se usan cuando no es posible obtener una solución exacta.
Este documento presenta un modelo matemático de sistemas de control eléctricos. Describe ecuaciones que modelan la tensión y corriente en un circuito eléctrico con una fuente de voltaje y resistencia. Aplica la transformada de Laplace a las ecuaciones para analizar el sistema en el dominio de Laplace. Explica que el modelo es lineal y por lo tanto se puede aplicar directamente la transformada de Laplace para analizar el estado estacionario del sistema y resolver los lazos internos.
Este documento describe el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica que este método iterativo despeja cada variable en cada ecuación y calcula valores aproximados en iteraciones sucesivas hasta alcanzar un error menor al 1%. Luego presenta un ejemplo numérico con tres ecuaciones y tres incógnitas, resolviéndolo a través de tres iteraciones y calculando el error en cada una. Finalmente, describe un programa desarrollado en Visual Basic que implementa este método para sistemas de tres ecuaciones y tres incógnitas
Este documento resume varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordan, la factorización de Cholesky para matrices simétricas, métodos iterativos como Jacobi, y métodos directos como la eliminación de Gauss y la descomposición LU. Explica las ventajas y desventajas de cada método.
El método de Gauss consiste en transformar un sistema de ecuaciones en otro equivalente escalonado mediante la eliminación de términos para simplificar la solución. El método de Gauss-Seidel es un método iterativo para resolver sistemas de ecuaciones lineales que utiliza los valores calculados en la iteración actual para calcular los valores en la siguiente iteración.
El método de Jacobi es un método iterativo simple para resolver sistemas de ecuaciones lineales cuadrados. Se determina primero una ecuación de recurrencia despejando cada incógnita de su ecuación correspondiente. Luego se toma una aproximación inicial y se itera cambiando la aproximación según la ecuación de recurrencia hasta converger a la solución.
El documento describe el método de Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método involucra despejar cada incógnita en términos de las otras y luego iterar el proceso hasta converger a una solución. También presenta un ejemplo numérico para ilustrar los cálculos iterativos requeridos para aplicar el método.
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordán, la factorización QR y métodos iterativos como Jacobi. Explica que estos métodos transforman la matriz inicial hasta obtener una forma triangular o diagonal que permite resolver el sistema de manera más eficiente.
El método de Gauss-Seidel es similar al método de Jacobi para resolver sistemas de ecuaciones lineales, pero a diferencia de Jacobi que utiliza los valores de la iteración anterior, Gauss-Seidel utiliza los valores calculados en la misma iteración para calcular las siguientes incógnitas de forma secuencial. Esto permite obtener una aproximación más precisa en cada paso del método de Gauss-Seidel.
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss, Gauss-Jordan, descomposición LU, factorización de Cholesky, y métodos iterativos como Gauss-Seidel y Jacobi. Explica los procesos involucrados en cada método y cuándo cada uno es más adecuado para usar.
Este documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, el método de Gauss-Jordan, la descomposición LU, la factorización de Cholesky y métodos iterativos como el método de Gauss-Seidel. Explica que estos métodos utilizan transformaciones de la matriz para descomponerla de manera que facilite resolver el sistema de ecuaciones.
Solución de Sistemas de Ecuaciones Lineales Analisis numericolmpd124
Este documento presenta varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, descomposición LU, factorización de Cholesky, y métodos iterativos como Gauss-Seidel y Jacobi. Explica los pasos matemáticos involucrados en cada método y cuándo cada uno es más adecuado para ciertos tipos de sistemas.
El documento explica el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Este método iterativo asigna valores iniciales a las incógnitas y luego calcula nuevas aproximaciones sustituyendo los valores obtenidos en la iteración actual. El documento incluye la teoría del método, un ejemplo numérico y código para implementarlo computacionalmente.
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, el método de Gauss-Jordan, la descomposición LU, la factorización de Cholesky, la factorización QR y los métodos iterativos de Jacobi y Gauss-Seidel. Explica cada método y provee un ejemplo numérico para ilustrar su aplicación.
Soluciòn de sistemas de ecuaciones lineales con excelVictor Lara
Este texto nos muestra la teoria necesaria para resolver sistemas de ecuaciones lineales de polinomios de diferente grados, aplica para resolver sistemas de ecuaciones de n incognitas por n variables, claro esto se lleva a cabo en excel.
Este documento describe diferentes métodos para resolver sistemas de ecuaciones lineales, incluyendo sustitución, igualación, reducción, regla de Cramer y método de Gauss. Explica cada método con ejemplos y pasos detallados para resolver sistemas de 2 y 3 ecuaciones con 2 o 3 incógnitas.
Este documento describe el método de eliminación Gaussiana para resolver sistemas de ecuaciones lineales. Explica que este método involucra realizar operaciones elementales de renglón como multiplicar, dividir o sumar ecuaciones para simplificar el sistema hasta que solo quede una ecuación con una incógnita cuya solución permite determinar las demás variables. También presenta un ejemplo numérico para ilustrar el proceso de resolución paso a paso.
Este documento describe el método de la secante para encontrar raíces de ecuaciones en Scilab. Explica que el método de la secante aproxima la derivada de una función usando diferencias finitas y traza una línea secante entre dos puntos para encontrar donde corta el eje X. Luego presenta el código de Scilab implementando este método y un ejemplo encontrando la raíz de la función f(x) = exp(-x2) - x.
Este documento resume varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de eliminación de Gauss, la descomposición LU, la factorización de Cholesky, la factorización QR y los métodos iterativos de Gauss-Seidel y Jacobi. También discute sistemas con solución única, infinitas soluciones, sin solución y sistemas homogéneos.
Este documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo la eliminación de Gauss, el método de Gauss-Jordan, la descomposición LU, la factorización de Cholesky, la factorización QR y los métodos iterativos de Gauss-Seidel y Jacobi. Explica los pasos involucrados en cada método y provee ejemplos numéricos para ilustrarlos.
Este documento describe el método de la secante para encontrar raíces de ecuaciones en Scilab. Explica que el método de la secante aproxima la derivada de una función usando diferencias finitas y traza una línea secante entre dos puntos para encontrar donde corta el eje X. Luego presenta el código de Scilab implementando este método, solicitando valores iniciales, calculando el error, y repitiendo las iteraciones hasta que el error sea menor que la tolerancia establecida. Finalmente, muestra un ejemplo encontrando la raíz de
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordán, la factorización QR y métodos iterativos como Jacobi. Explica que estos métodos transforman la matriz inicial hasta obtener una forma triangular o diagonal que permite resolver el sistema de manera más eficiente.
El documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss-Jordán, la factorización QR y métodos iterativos como Jacobi. Explica que estos métodos transforman la matriz inicial hasta obtener una forma triangular o diagonal que permite resolver el sistema de manera más eficiente.
Este documento describe varios métodos para resolver sistemas de ecuaciones lineales, incluyendo el método de Gauss, eliminación de Gauss-Jordan, descomposición LU, factorización de Cholesky, factorización QR, y los métodos iterativos de Gauss-Seidel y Jacobi. Explica las ventajas y desventajas de cada método y cómo se implementan para encontrar soluciones a sistemas de ecuaciones.
Este documento presenta un módulo sobre la resolución numérica de ecuaciones diferenciales ordinarias utilizando MATLAB. El módulo explica cómo resolver ecuaciones diferenciales de manera analítica usando funciones incorporadas en MATLAB, y numéricamente usando métodos como Euler y Runge-Kutta. También incluye ejemplos de aplicación a problemas de ingeniería que involucran balances de masa.
Este documento resume varios métodos para resolver sistemas de ecuaciones lineales, incluyendo la eliminación de Gauss, Gauss-Jordán, descomposición LU, factorización de Cholesky, QR y métodos iterativos como Gauss-Seidel y Jacobi. Explica cómo cada método transforma la matriz inicial para determinar la solución del sistema de ecuaciones de manera eficiente.
Este documento introduce conceptos básicos sobre la complejidad algorítmica, incluyendo diferentes tipos de complejidad como la complejidad temporal y espacial. Explica que la complejidad no es un número sino una función, y presenta ejemplos de diferentes algoritmos con su análisis de complejidad en el peor y mejor caso.
Este documento explica el método de igualación para resolver sistemas de dos ecuaciones lineales con dos incógnitas. El método implica igualar las dos ecuaciones después de despejar la misma incógnita en ambas, resultando en una ecuación de primer grado con una sola incógnita que puede ser despejada para determinar el valor de una de las incógnitas originales y luego sustituir en una de las ecuaciones para encontrar el otro valor.
Este documento describe el método iterativo de Jacobi para resolver sistemas de ecuaciones lineales. Explica que el método convierte el sistema en un proceso iterativo que genera una secuencia de vectores que convergen a la solución. Luego, detalla los pasos del algoritmo de Jacobi y presenta un ejemplo numérico. Finalmente, establece condiciones suficientes para la convergencia del método, como que la matriz sea estrictamente dominante por filas.
Este documento presenta un resumen de los conceptos fundamentales del álgebra lineal. Explica que el álgebra lineal estudia los sistemas de ecuaciones lineales y sus soluciones, así como también los espacios vectoriales y las transformaciones lineales. Describe el método de eliminación de Gauss para resolver sistemas de ecuaciones lineales, el cual consiste en simplificar el sistema hasta obtener su solución. Finalmente, introduce algunos ejemplos para ilustrar cómo aplicar este método.
ESPERAMOS QUE ESTA INFOGRAFÍA SEA UNA HERRAMIENTA ÚTIL Y EDUCATIVA QUE INSPIRE A MÁS PERSONAS A ADENTRARSE EN EL APASIONANTE CAMPO DE LA INGENIERÍA CIVIŁ. ¡ACOMPAÑANOS EN ESTE VIAJE DE APRENDIZAJE Y DESCUBRIMIENTO
1. Introduccion a las excavaciones subterraneas (1).pdfraulnilton2018
Cuando las excavaciones subterráneas son desarrolladas de manera artesanal, se conceptúa a la excavación como el “ que es una labor efectuada con la mínima sección posible de excavación, para permitir el tránsito del hombre o de
cémilas para realizar la extracción del material desde el
frontón hasta la superficie
Cuando las excavaciones se ejecutan controlando la sección de excavación, de manera que se disturbe lo menos posible la
roca circundante considerando la vida útil que se debe dar a la roca, es cuando aparece el
concepto de “ que abarca,
globalmente, al proceso de excavación, control de la periferia, sostenimiento, revestimiento y consolidación de la excavación
1. Instituto Politécnico
Nacional
Escuela Superior de Ingeniería
Mecánica y Eléctrica
Departamento de Ingeniería en Control y
Automatización
Análisis numérico
Profesor: Sixto Berrocal José Antonio
Alumno: Jiménez Torres Marco Antonio
2. Instituto Politécnico Nacional
Escuela Superior de Ingeniería
Mecánica y Eléctrica
Departamento de Ingeniería en Control y
Automatización
Practica No. 2
CALIFICACION
3. Introducción:
En un sistema de ecuaciones algebraicas las incógnitas son valores numéricos,
mientras que en una ecuación diferencial las incógnitas son funciones o
distribuciones de un cierto conjunto definido de antemano. Una solución de dicho
sistema es por tanto, un valor o una función que substituida en las ecuaciones del
sistema hace que éstas se cumplan automáticamente sin que se llegue a
una contradicción. En otras palabras el valor que reemplazamos en las incógnitas
debe hacer cumplir la igualdad del sistema.
Eliminación Gaussiana.
Se manejan las ecuaciones para eliminar una incógnita de una ecuación.
El resultado de este paso de eliminación es una sola ecuación con una
incógnita.
Por consiguiente, esta ecuación se puede resolver directamente y el
resultado se sustituye hacia atrás en las ecuaciones originales para
encontrar la incógnita restante.
La eliminación gaussiana es de los métodos más sencillos y el algoritmo que se
usa para determinarlo es:
1. Determine la primer columna (a la izquierda) no cero.
2. Si el primer elemento de la columna es cero, intercámbielo por un
renglón que no tenga cero.
3. Obtenga ceros abajo del elemento delantero sumando múltiplos
adecuados a los renglones debajo de el.
4. Cubra el renglón y la columna de trabajo y repita el proceso comenzando
en el paso 1. Al término del ciclo entre el paso 1 al 4 (es decir cuando se
han barrido todos los renglones), la matriz deberá tener forma de escalón.
5. Comenzando con el ultimo renglón no cero avance hacia arriba para que
en cada renglón tenga un 1 delantero y arriba de el queden sólo ceros. Para
ello deberá sumar múltiplos adecuados del renglón a los renglones
correspondiente.
4. Es importante observar que en el método de eliminación Gaussiana:
Los pasos del 1 a 4 aplicados repetidamente escalonan la matriz; el paso 5
aplicado repetidamente reduce la matriz. En el paso 2, si el elemento no es cero
no se realiza intercambio.
Desarrollo:
Basándonos en la programación estructurada realizaremos la práctica No.2
1. Aplicar eliminación gaussiana al siguiente circuito.
Dónde:
R1=10Ω
R2=3 Ω
R3=20 Ω
R4=5 Ω
R5=7 Ω
Aplicando la ley de Kirchhoff de tensiones (LKV) se obtiene por la malla uno y dos
las siguientes ecuaciones:
Y por la ley de Kirchhoff de corrientes tenemos I1 - I2 = I3
M1
-2v + V1 + V3 + V4 = 0
R1* I1 + R3*I3 + R4*I1 = 2v
(R4 + R1)*I1 + R3*I3 = 2v
15*I1 + 20*I3 = 2v
M2
V2 - V3 + V4 = 0
R2*I2 - R3*I3 + R5*I2 = 0
(R2 + R5)*I2 - R3*I3 = 0
8I2 -20*I3 = 0
5. Dándonos así un sistema de ecuaciones de tres incógnitas.
Aunque existen muchos métodos para resolver el sistema usaremos la eliminación
gaussiana y nos apoyaremos en un programa en lenguaje c.
#include<stdio.h>
#include<stdlib.h>
#define t 100
int i,j,k,n;
float a[t][t+1],x[t],suma;
void pidedatos(){
printf("Este Programa resulve sistemas de ecuaciones con 100 incognitas.");
printf("nNumero de Incognitas: ");
scanf("%d",&n);
for(i=0;i<=n-1;i++){
for(j=0;j<=n;j++){
printf("nA[%d][%d] = ",i,j);
scanf("%f",&a[i][j]);
}
printf("nn");
}
}
15*I1 + 20*I3 = 2v
8I2 -20*I3 = 0
I1 - I2 = I3
7. void imprime(){
for(i=0;i<=n-1;i++){
printf("nX[%d] = %f",i,x[i]);
}
printf("nn");
}
int main(){
int op;
do{
system("cls");
pidedatos();
gauss();
sustitucion();
imprime();
printf("nnQuieres volver a intentarlo? 1.Si 0.No R = ");
scanf("%f",&op);
}while(op>=1);
printf("nn");
system("pause");
return 0;
}
8. Como podemos ver es un programa muy sencillo, el cual su única función es
realizar la eliminación gaussiana un número indefinido de veces hasta que el
usuario lo decida. Pero gracias a su practicidad y su completo número de
incógnitas lo hacen muy útil para ahorrar trabajo.
El uso de este programa
es muy sencillo, ya que
nos pregunta por el
número de incógnitas que
tenemos en nuestro
sistema y después nos
pregunta qué valor ira en
cada espacio de la matriz
si bien le falta un control
en caso de error y no
muestra la matriz como
generalmente se
encuentra en papel,
resulta muy fácil su uso y
sus respuestas son en
cuestión de segundos,
una gran herramienta a la
hora de cálculos rápidos.
Los valores que proporciona el programa son:
I1 = 0.092308 A
I2 = 0.061538 A
I3 = 0.038769 A
Ahora solo nos falta corroborar si los datos son ciertos y con un simulador de
circuitos en este caso usaremos uno sencillo “livewire”.
Una vez comprobadas las
corrientes podemos decir
que el programa que
calcula sistemas de
ecuaciones por
eliminación gaussiana
funciona.
9. 2. Aplicar eliminación gaussiana al siguiente circuito
Dónde:
Z1 = 2.98 +0.26i Ω
Z2 = 6.89 + 1.21i Ω
Z3 = 8 Ω
Z4 = 5.79 + 1.55i Ω
Z5 = 8.80 + 1.87i Ω
Aplicando la ley de Kirchhoff de tensiones (LKV) se obtiene por la malla uno y dos
las siguientes ecuaciones:
Y por la ley de Kirchhoff de corrientes tenemos I1 - I2 = I3
Dándonos así un sistema de ecuaciones de tres incógnitas.
Resolver sistemas de ecuaciones con numero complejos es un poco más
complicado hacerlo a papel por eso haremos uso de herramientas en el lenguaje
c.
M1
I1*Z1 + I3*Z3 + I1*Z4 = 127
(8.77 + 1.81i) * I1 +8I2 = 127
M2
I2*Z2 + I2*Z5 - I3*Z3 =0
(15.69 + 3.08i) * I2 - 8I2 = 0
(8.77 + 1.81i) * I1 +8I2 = 127
(15.69 + 3.08i) * I2 - 8I2 = 0
I1 - I2 = I3
10. #include<stdio.h>
#include<stdlib.h>
#include<complex.h>
#define t 100
int i,j,k,n;
float complex a[t][t+1],x[t],suma;
void pidedatos(){
float r,im;
printf("Este Programa resulve sistemas de ecuaciones con 100 incognitas.");
printf("nCon numeros imaginarios ");
printf("nNumero de Incognitas: ");
scanf("%d",&n);
for(i=0;i<=n-1;i++){
for(j=0;j<=n;j++){
printf("nA[%d][%d] = ",i,j);
scanf("%f %f",&r,&im);
a[i][j]=r+ 1i*im;
}
printf("nn");
}
}
void gauss(){
for(i=0;i<=n-1;i++){
for(j=n;j>=0;j--){
a[i][j]=a[i][j]/a[i][i];
}
12. int main(){
int op;
do{
system("cls");
pidedatos();
gauss();
sustitucion();
imprime();
printf("nnQuieres volver a intentarlo? 1.Si 0.No R = ");
scanf("%f",&op);
}while(op>=1);
printf("nn");
system("pause");
return 0;
}
Podemos observar que el
código es similar al otro que
resuelve sistemas de
ecuaciones con numero reales,
pero aquí al ser complejos nos
hacemos ayuda de la librería
“complex” y así poder
operarlos.
Al resolver matrices con
números complejos siempre
existe la posibilidad de tener un
mayor grado de error por lo que
esta clase de herramientas nos
ayudan a adoptar una nueva
forma de resolverlos sin dejar
atrás la comprobación.
Nuevamente este programa es
muy útil para cálculos rápidos.
13. Los valores que proporciona el programa son:
I1 = 8.793480 -1.342946 i A
I2 = 2.862175 - 0.825625 i A
I3 = 5.931305 – 0.517320 i A
Ahora solo nos queda comprobar si el sistema de ecuaciones está bien hecho y
las corrientes son las correctas para eso haremos uso de “MATLAB”.
Con esto podemos
darnos cuenta de que
funciona y que nuestras
corrientes son las
correctas.
Conclusión:
Con base a la práctica 2 uno puede apreciar lo fácil y sencillo que se vuelve
resolver un problema con las herramientas necesarias, si bien hay sistemas de
ecuaciones que son sencillos hay otros con demasiadas incógnitas que para
resolverse se necesitaría de mucha paciencia y mucho esfuerzo, sin embargo se
puede apreciar que con ayuda de estos métodos numéricos nuestro trabajo solo
se convierte en teclear y en su caso corroborar con otras herramientas que sean o
estén especializadas en la tarea que vamos a realizar.
Bibliografía:
Métodos numéricos para ingenieros, Steven C.Chapra, Raymond P.
Canale, McGraw-Hill, Mexico 1988.
http://cb.mty.itesm.mx/ma1010/materiales/ma1010-02.pdf
http://es.wikipedia.org/wiki/Sistema_de_ecuaciones