Escolar Documentos
Profissional Documentos
Cultura Documentos
3 X3
= 500
-5 X1 + 21 X2
2 X3
= 200
-5 X1 5 X2
+ 22 X3
= 30
17 2 3 x1
500
5 21 2 x 200
5 5 22 x3
30
x1
b1 a12 x 2 a13 x3
a11
x2
b2 a 21 x1 a 23 x3
a 22
x3
b3 a31 x1 a32 x 2
a33
x1
b1 a12 x2 a13 x3
a11
500 2 x2 3 x3
17
500 2 0 3 0
x1
17
x1 29,41176
x1
para X2,
x2
b2 a 21 x1 a 23 x3
a 22
200 5 x1 2 x3
21
200 5 0 2 0
x2
21
x 2 9,52381
x2
para X3,
x3
b3 a31 x1 a32 x 2
a 33
x3
30 5 x1 5 x 2
22
x3
30 5 0 5 0
22
x3 1,36364
Entonces en la primera iteracin
x1 29,41176
x 2 9,52381
x3 1,36364
Para calcular los nuevos valores de la segunda iteracin se utilizarn los resultados de X 1,
X2 y X3 obtenidos en la primera iteracin. Entonces para X1,
x1
b1 a12 x 2 a13 x3
a11
500 2 x 2 3 x3
17
500 2 9,52381 3 1,36364
x1
17
x1 30,77285
x1
para X2,
x2
b2 a 21 x1 a 23 x3
a 22
200 5 x1 2 x3
21
200 5 29,41176 2 1,36364
x2
21
x 2 16,65648
x2
para X3,
x3
b3 a31 x1 a 32 x 2
a33
x3
30 5 x1 5 x 2
22
x3
30 5 29,41176 5 9,52381
22
x3 10,21263
Por tanto en la segunda iteracin
x1 30,77285
x 2 16,65648
x3 10,21263
xr
nuevo
xr
xr
anterior
nuevo
100%
ax1
ax1
x1
nuevo
x1
x1
anterior
100%
nuevo
30,77285 29,41176
100%
30,77285
ax1 4,423% 5%
Para X2,
ax3
ax3
x3
nuevo
x3
x3
anterior
ax 2
100%
nuevo
x2
nuevo
x2
x2
anterior
nuevo
100%
10,21263 1,36364
16,65648 9,52381
100%
100% ax 2
16,65648
10,21263
ax 2 42,822% 5%
ax3 86,648% 5%
Para X3,
Dado que en dos de las incgnitas el error aproximado porcentual es mayor a un 5% se
debe hacer una nueva iteracin. Se contina realizando el mismo procedimiento con los
nuevos valores de X obtenidos hasta que los errores aproximados porcentuales en las tres
incgnitas sean menores que el 5%. El resultado de estas iteraciones se presenta en la Tabla
5.
Tabla 5: Resultados de las iteraciones por el mtodo de Jacobi
del ejemplo 1 (ejercicio 11.8 pp. 321)
Iteracin
x1
x2
X3
a x1
a x2
a x3
0,00000
0,00000
0,00000
29,41176
9,52381
1,36364
30,77285
16,65648
10,21263
4,423%
42,822%
86,648%
33,17358
17,82331
12,14303
7,237%
6,547%
15,897%
33,65151
18,57876
12,95384
1,420%
4,066%
6,259%
33,88347
18,76977
13,23415
0,685%
1,018%
2,118%
Se resaltan los datos donde los errores obtenidos son menores que 5%, se logra un error
aproximado porcentual menor en las tres incgnitas hasta la quinta iteracin. Por lo tanto
los resultados aproximados que cumplen con la condicin establecida son:
x1 33,88347
x 2 18,76977
x3 13,23415
Si sustituimos estos valores en las ecuaciones originales para verificar los resultados
obtenemos que:
17 *(33,88347)
2 *(18,76977)
3 *(13,23415)
= 498,77703
-5 *(33,88347)
+ 21 *(18,76977)
2 *(13,23415)
= 198,27957
-5 *(33,88347)
5 *(18,76977)
+ 22 *(13,23415)
= 27,88513
500 - 498,77703
100% 0,03%
500
Error EC2
200 - 198,27957
100% 0,10%
200
Error EC3
30 - 27,88513
100% 0,88%
30
De acuerdo con estos datos se puede observar que los resultados obtenidos son una
aproximacin muy buena de los valores verdaderos.
Mtodo de Gauss-Seidel
Este mtodo en general converge ms rpidamente que el mtodo de Jacobi, sin embargo
presenta las mismas debilidades del mtodo de Jacobi.
El mtodo de Gauss-Siedel supone que una mejor aproximacin a la solucin se obtiene
sustituyendo los valores parciales obtenidos, lo cual se puede comprobar en la prctica.
xi
(k)
1
a ii
i 1
b i - ai , j x j ( k )
j 1
j i 1
i, j
xj
( k 1)
(8)
3 X3
= 500
-5 X1 + 21 X2
2 X3
= 200
-5 X1 5 X2
+ 22 X3
= 30
17 2 3 x1
500
5 21 2 x 200
5 5 22 x3
30
x1
b1 a12 x 2 a13 x3
a11
x2
b2 a 21 x1 a 23 x3
a 22
x3
b3 a31 x1 a32 x 2
a33
Para calcular el primer valor de X1, se asumirn X2 y X3 con valores cero. Entonces para
X1,
x1
b1 a12 x2 a13 x3
a11
500 2 x2 3 x3
17
500 2 0 3 0
x1
17
x1 29,41176
x1
x2
b2 a 21 x1 a 23 x3
a 22
x2
200 5 x1 2 x3
21
x2
200 5 29,41176 2 0
21
x 2 16,52661
para calcular el valor de X3, se utilizar el valor encontrado de X1 y X2 en los pasos
anteriores.
x3
b3 a31 x1 a32 x 2
a33
x3
30 5 x1 5 x 2
22
x3
30 5 29,41176 5 16,52661
22
x3 11,80418
Entonces en la primera iteracin
x1 29,41176
x 2 16,52661
x3 11,80418
b1 a12 x 2 a13 x3
a11
x1
500 2 x 2 3 x3
17
x1
x1 33,43916
b2 a 21 x1 a 23 x3
a 22
x2
200 5 x1 2 x3
21
x2
x 2 18,60972
para X3 se utiliza el valor de X1 y X2 calculados en la segunda iteracin,
x3
b3 a31 x1 a32 x 2
a33
x3
30 5 x1 5 x 2
22
x3
30 5 33,43916 5 18,60972
22
x3 13,19293
Entonces en la segunda iteracin
x1 33,43916
x 2 18,60972
x3 13,19293
ax1
ax1
x1
nuevo
x1
x1
anterior
nuevo
100%
33,43916 29,41176
100%
33,43916
ax1 12,04% 5%
xr
nuevo
xr
xr
anterior
nuevo
100%
ax 2
ax 2
x2
nuevo
x2
x2
anterior
100%
nuevo
18,60972 16,52661
100%
18,60972
ax 2 11,194% 5%
Para X2,
ax3
ax3
x3
nuevo
x3
x3
anterior
100%
nuevo
13,19293 11,80418
100%
13,19293
ax3 10,526% 5%
Para X3,
Dado que en las tres incgnitas el error aproximado porcentual es mayor a un 5% se debe
hacer una nueva iteracin. Se contina realizando el mismo procedimiento con los nuevos
valores de X obtenidos hasta que los errores aproximados porcentuales en las tres
incgnitas sean menores que el 5%.
El resultado de estas iteraciones siguiendo el mismo procedimiento, se presenta en la tabla
6
Tabla 6: Resultados de las iteraciones por el mtodo de Gauss_Seidel
del ejemplo 2 (ejercicio 11.7 pp. 320)
Iteracin
x1
x2
x3
a x1
a x2
a x3
0,00000
29,41176
16,52661
11,80418
33,43916
18,60972
13,19293
12,044%
11,194%
10,526%
33,92931
18,85869
13,36091
1,445%
1,320%
1,257%
Se resaltan los datos donde los errores obtenidos son menores que 5%, se logra un error
aproximado porcentual menor en las tres incgnitas en la tercera iteracin. Por lo tanto los
resultados aproximados que cumplen con la condicin establecida son:
x1 33,92931
x 2 18,85869
x3 13,36091
Si sustituimos estos valores en las ecuaciones originales para verificar los resultados
obtenemos que:
17 *(33,92931)
2 *(18,85869)
3 *(13,36091)
= 498,99813
-5 *(33,92931)
+ 21 *(18,85869)
2 *(13,36091)
= 199,66404
-5 *(33,92931)
5 *(18,85869)
+ 22 *(13,36091)
= 30,00000
500 - 498,99813
100% 0,20%
500
Error EC2
200 - 199,66404
100% 0,17%
200
Error EC3
30 - 30
100% 0,00%
30
De acuerdo con estos datos se puede observar que los resultados obtenidos son una
aproximacin muy buena de los valores verdaderos.
Convergencia
El mtodo Gauss-Seidel, al igual que la tcnica de iteracin de punto fijo, puede tambin
presentar dos problemas fundamentales: 1. en algunas ocasiones no es convergente. 2.
Cuando converge, con frecuencia lo hace en forma muy lenta.
El criterio de convergencia se puede desarrollar al recordar que las condiciones suficientes
para la convergencia de dos ecuaciones no lineales u(x, y) y v(x, y), son:
u v
1
y y
u v
1
x x
, y consecuentemente
En consecuencia, si el valor absoluto de g(x) <1, entonces los errores disminuyen con cada
iteracin. Si el valor absoluto de g(x) > 1, los errores crecen. Tambin se debe tener en
cuenta que si la derivada es positiva, los errores sern positivos; por otra parte si la
derivada es negativa, entonces los errores oscilaran.
Este criterio de convergencia se aplica tambin a las ecuaciones lineales que se resuelven
con el mtodo de Gauss-Seidel. Por tanto, al aplicar este criterio sobre las ecuaciones de
Gauss-Seidel y evaluando con respecto a cada una de las incgnitas, obtenemos la
expresin siguiente:
a 21
1
a 22
a12
1
a11
, e igualmente
En otras palabras, el valor absoluto de las pendientes en la ecuacin, deben ser menor que
la unidad para asegurar la convergencia. Adicionalmente podemos reformular la ecuacin
anterior de la siguiente forma:
a 22 a 21
a11 a12
, e igualmente
Esto es, el elemento diagonal debe ser mayor que el elemento fuera de la diagonal para
cada regln de ecuaciones. La generalizacin del criterio anterior para un sistema de n
ecuaciones, es directa y puede ser expresada como:
n
aii ai , j
j 1