Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Al finalizar la sesión, el
estudiante ejecuta los métodos
iterativos de Jacobi y Gauss
Seidel para resolver sistemas
lineales, aplicando los
algoritmos.
Métodos iterativos
La cual se podrá
escribir (*)
(**) (***)
k 𝒙𝒌 𝒚𝒌 𝒛𝒌
0 1.0 2.0 2.0
1 1.75 3.375 3.0
2 1.84375 3.375 3.025
3 1.9625 3.875 2.9625
4 1.99062500 3.925 3.00000000
5 1.99414063 3.97656250 3.00093750
⋮ ⋮ ⋮ ⋮
15 1.99999993 3.99999985 2.99999993
⋮ ⋮ ⋮ ⋮
19 2.00000000 4.00000000 3.00000000
Método de iteración de Jacobi
−15 + 2 + 10
𝑥𝑘+1 = = −1.5
2 El nuevo punto 𝑃1 = −1.5,3.375,5.00
21 + 4 + 2
𝑦𝑘+1 = = 3.375 esta lejos de la solución 2,4,3
8
𝑧𝑘+1 = 7 − 4𝑥𝑘 + 𝑦𝑘 = 5.00
Método de iteración de Jacobi
k 𝒙𝒌 𝒚𝒌 𝒛𝒌
0 1.0 2.0 2.0
1 -1.5 3.375 5.0
2 6.6875 2.5 16.375
3 34.6875 8.015625 -17.25
4 -46.617188 17.8125 -123.73438
5 -307.929688 -36.150391 211.28125
6 502.62793 -124.929688 1202.56836
⋮ ⋮ ⋮ ⋮
En vista de los dos ejemplo se hace necesario disponer de algún criterio que
determine si el metodo iterativo de Jacobi converge
Método de Jacobi
Definición: Se dice que una matriz 𝐴 de orden 𝑛𝑥𝑛 es de diagonal estrictamente dominante
cuando 𝑛
Es decir:
1. Para emplear este método se nos debe proporcionar un vector inicial x(0).
x1(0)
(0)
x2
x (0) x3(0)
x (0)
n
⋮ ⋮ ⋮ ⋮ ⋮
𝑏𝒏 𝑎𝒏𝟏 𝑎𝒏2 𝑎𝑛𝟑
𝑥𝒏 = − 𝑥 − 𝑥 − 𝑥 …−
𝑎𝒏𝒏 𝑎𝒏𝒏 𝟏 𝑎𝒏𝒏 𝟐 𝑎𝟑𝟑 𝟑
𝑥𝒊 = 𝐴 𝒊, 𝒏 − 𝐴 1, 1: 𝒊 − 1, 𝒊 + 1: 𝑛 ∗ 𝑃 1: 𝒊 − 1, 𝒊 + 1: 𝒏 /𝐴 𝒊, 𝒏
4.- Realizamos una serie de iteraciones hasta lograr que el Ea (error absoluto: se
calcula con la norma del máximo) sea menor o igual de la tolerancia dada.
x( k ) x( k 1) Tol
Ejemplo: Resolver por Jacobi
4𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 1 0
Con
𝑥1 + 5𝑥2 + 𝑥3 + 𝑥4 = 2 condiciones 𝑃 = 0 =𝑥 (0)
0
−𝑥1 + 2𝑥2 + 8𝑥3 + 4𝑥4 = −1 inicial 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 12𝑥4 = 2
Solución:
4 1 1 1 1 0
A= 1 5 1 1 B= 2 P= 0
-1 2 8 4 -1 0
2 3 5 12 2 0
>> X(1)=(B(1)-A(1,[2 3 4])*P([2 3 4]))/A(1,1)
>> X(2)=(B(2)-A(2,[1 3 4])*P([1 3 4]))/A(2,2)
>> X(3)=(B(3)-A(3,[1 2 4])*P([1 2 4]))/A(3,3)
>> X(4)=(B(4)-A(3,[1 2 3])*P([1 2 3]))/A(4,4)
j=1:N
X(j)=(B(j)-A(j,[1:j-1,j+1:N])*P([1:j-1,j+1:N]))/A(j,j)
1 0
1 0
1 0
𝟏 𝟏
𝑥1 = 𝟎 − 𝑥2 − 𝑥3 − 𝑥4 + =
4 4 4 4 𝟒
1 0
1 0
1 0
𝟐 𝟐
𝑥2 = − 𝑥1 + 𝟎 − 𝑥3 − 𝑥4 + =
5 5 5 5 𝟓
Iteración 1:
1 0 2 4 𝟏 𝟏
𝑥3 = 𝑥1 − 𝑥2 0 + 𝟎 − 𝑥4 0 − = −
8 8 8 8 𝟖
2 3 5 𝟐 𝟐
𝑥4 = − 𝑥1 0 − 𝑥2 0 − 𝑥3 0 + 𝟎 + =
12 12 12 12 𝟏𝟐
k 1 1 1 1
x1 4 x2 k 1 x3 k 1 x4 k 1
4 4 4
x k 2 1 x k 1 1
x3 k 1
1
x4 k 1
Iteración k: 2 5 5
1
5 5
x k 1 1 x k 1 1
x2 k 1
1
x4 k 1
3 8 8
1
4 2
1 1 1 5 k 1
x4 k x1 k 1 x2 k 1 x3
6 6 4 12
Condiciones iniciales
Dieciochoava
Primera iteración iteración
𝑥 (18) − 𝑥 (17) ∞
= 𝑚𝑎𝑥 0.000357,0.000302,0.000317,0.000381 = 0.000381 ≤ 0.0005 = 0.5𝑥10−3
0.183407
Es una aproximación con 3 cifras decimales de
𝑥 (18) = 0.387541
−0.276195 precisión exacta
0.154028
Método de Gauss-Seidel
El método de Gauss-Seidel es casi idéntico al método de Jacobi. La
única diferencia entre estos dos métodos esta en que, en el método
de Gauss - Seidel una vez que se ha calculado el valor de 𝒙𝒊 , este
valor se sustituye inmediatamente en la misma iteración.
4𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 1 Con 0
𝑥1 + 5𝑥2 + 𝑥3 + 𝑥4 = 2 condiciones 𝑃 = 0 =𝑥 (0)
−𝑥1 + 2𝑥2 + 8𝑥3 + 4𝑥4 = −1 inicial 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 12𝑥4 = 2 0
Solución
1 1 1 1
𝟎 0 0 0 𝟎 − − −
4 4 4 𝑘−1 4
𝑥1 𝑘 1
−5 𝟎 0 0 𝑥1
𝑘 1 1 𝑥1 2
𝑥2
0 𝟎 − − 𝑥2
= 1 1 𝟎 0 𝑥2 +
5 5
+ 5
𝑥3 −4 𝑥3
0 0 𝟎 −
1 𝑥3 1
𝑥4
8
𝑥4 −
1 1 𝟎
2 𝑥4 8
−6 −4 − 5 1
12 0 0 0 𝟎 6
Es decir:
𝑘
1 𝒌−𝟏
1 𝒌−𝟏
1 𝒌−𝟏
1
𝑥1 = 𝟎 − 𝒙𝟐 − 𝒙𝟑 − 𝒙𝟒 +
4 4 4 4
𝑘
1 𝒌
1 𝒌−𝟏
1 𝒌−𝟏
2
𝑥2 = − 𝒙𝟏 + 𝟎 − 𝒙𝟑 − 𝒙𝟒 +
5 5 5 5
𝑘
1 𝒌
1 𝒌
1 𝒌−𝟏
1
𝑥3 = 𝒙 − 𝒙𝟐 + 𝟎 − 𝒙𝟒 −
8 𝟏 4 2 8
𝑘
1 𝒌
1 𝒌
5 𝒌
1
𝑥4 = − 𝒙𝟏 − 𝒙𝟐 − 𝒙 +𝟎+
6 4 12 𝟑 6
Condiciones iniciales
Primera iteración Sexta iteración
𝑥 (6) − 𝑥 (5) ∞
= 𝑚𝑎𝑥 0,000040, 0.000082, 0.000029, 0.000002 = 0.000082 ≤ 0.5𝑥10−3
0.183568
𝑥 (6) = 0.387656 𝑥 6 es una aproximación con 3 cifras decimales
−0.276060 de precisión exacta
0.154183
REFERENCIAS BIBLIOGRAFICAS