Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En la siguiente seccin se ilustra cmo la convergencia de ste mtodo est dada por:
Para una norma matricial inducida. (BJ), que corresponde al mximo de los valores
absolutos de las races de la ecuacin caracterstica de la matriz BJ (det(BJ - I)) es menor
que 1.
El mtodo de Jacobi es el mtodo iterativo ms elemental; ya que el proceso se repite tantas
veces hasta llegar a una tolerancia deseada, se empieza a partir de un vector inicial (el vector
de ceros la mayora de las veces).
Ejercicio 11.7 (Chapra 5ta edicin)
El siguiente sistema de ecuaciones est diseado para determinar concentraciones (las c estn
en g/m3), en un arreglo de reactores en serie como una funcin de la cantidad de masa que
entra a cada reactor (el termino independiente de las ecuaciones se expresa en g/da).
17c1 2c 2 3c 3 500
5c1 21c 2 2c 3 200
5c1 5c 2 22c 3 30
Resolver este sistema de ecuaciones lineales por el mtodo de Gauss-Seidel y Jacobi para un
error del 5%.
Solucin
La solucin de este problema se plantea a partir de balance de masa que expresa las entradas
y salidas en trminos de variables y parmetros medibles.
La solucin con el mtodo de Gauss-Seidel, es la siguiente:
Para el sistema A X B, un sistema de ecuaciones equivalente es:
X C X E
Donde:
En este caso:
Con esa transformacin se plantea la siguiente formula recurrente para generar, a partir de
valores iniciales X[0], una serie de estimativos X[1], X[2], X[3], de la solucin X del sistema.
Representacin matricial:
[k ]
C X
[k1]
C L D1 U
E L D B
Donde:
0 0 0
17 0 0
0 2 3
L 5 0 0 , D 0 21 0 , U 0 0 2
5 5 0
0 0 22
0 0 0
Representacin analtica:
1
500 2 X 2k1 3 X 3k1
17
1
k
X 2 200 5 X1k 2 X 3k1
21
1
k
X 3 30 5 X1k 5X 2k
22
X1k
Este mtodo es iterativo, a medida que se obtiene un valor de X, el ltimo resultado se usa
inmediatamente en la siguiente ecuacin para obtener otro valor de X. De esta manera, si la
se determina la mejor aproximacin disponible.
solucin es convergente,
Con el mtodo de Jacobi, a diferencia de gauss-seidel, para calcular un conjunto de nuevas
X se usa no solamente un valor de x, sino todo el conjunto de las X anteriores, de esta
manera, a medida que se generan nuevos valores para X no se usan de forma inmediata sino
que se almacenan y usan en la siguiente iteracin.
Las matrices C y E se obtienen de la siguiente manera:
[k 1]
C X
[k ]
C D1 D U U
E
E D1 B
Representacin analtica:
1
500 2 X 2k1 3 X 3k1
17
1
k
X 2 200 5 X1k1 2 X 3k1
21
1
k
X 3 30 5 X1k1 5X 2k1
22
X1k
Criterio de convergencia:
Un mtodo iterativo
es convergente, cuando la serie de soluciones que genera X [1], X[2], X[3],
se acerca cada vez ms a la solucin X*. Para que el sistema sea convergente, el sistema
debe cumplir que el valor absoluto de los valores propios de la matriz C sean menor igual
a 1.
i 1
Resultados
El mtodo de Gauss Seidel es el ms usado para la solucin de sistemas de ecuaciones
lineales, se utilizan valores iniciales de X para calcular uno nuevo con Gauss Seidel, y el
clculo siguiente involucra el resultado inmediatamente anterior, hasta lograr la convergencia
deseada. Un mtodo alternativo es el mtodo de Jacobi que a partir de valores iniciales de X
calcula un nuevo conjunto de valores de X que se utilizan en la iteracin siguiente y as
sucesivamente hasta lograr la convergencia. La diferencia operativa entre los dos mtodos se
refleja en el nmero de iteraciones y el error de desviacin, segn la tabla, el mtodo de
Gauss Siedel logra rpido la convergencia con un porcentaje de error menor, es de esperarse
ya que el radio espectral para este mtodo es menor que el del mtodo de Jacobi. El mtodo
de Gauss Seidel adems tiene un criterio de convergencia suficiente, el coeficiente diagonal
en cada unan de las ecuaciones debe ser mayor que la suma del valor absoluto de los otros
coeficientes de la ecuacin, aunque la condicin no es necesaria si se satisface se garantiza la
convergencia del mtodo.
Variable
Jacobi
Radio espectral
Numero de Iteraciones
%Error
0.3523
9
4.5780
GaussSeidel
0.1205
5
1.5334
Error
150
100
50
4
5
6
Nmero de iteracion
Ejemplo;
Considrese el sistema de ecuaciones lineal:
4 x1 x 2 x3 9
que x ( n ) s sea menor que 10 -6, siendo s vector solucin (1, 2, 3) y partiendo de
2
(0)
x ( 0, 0, 0) .
2.- Comprobar que slo hacen falta 9 iteraciones del mtodo de Gauss-Seidel para conseguir
el mismo objetivo.
Se trata de ver a continuacin, que tanto el mtodo de Jacobi como Gauss-Seidel son
3.- Comprueba que tambin converge a la solucin cuando x (0) ( 527,1000, 80000)
(muy alejado de la solucin) y que hacen falta 38 iteraciones del mtodo de Jacobi para que
conseguir que x ( n ) s
sea menor que 10-6.
2