Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN x1(0)
(0)
El diseño de sistemas de redes, rigideces de x2
elementos estructurales, requieren la solución de x(0) x3(0)
sistemas lineales. Sin embargo, para mejorar el
tiempo de cálculo los métodos directos son una x(0)
mala elección, por lo que los métodos iterativos
n
ofrecen una importante salida para mejorar la 2. Este método se basa en el despeje de cada
velocidad y facilidad de cálculo, uno de los
incógnita de un sistema de ecuaciones como
métodos iterativos más famosos es el de Gauss-
Seidel. el siguiente.
A continuación, se presentas los métodos de Jacobi a11 x1 a12 x2 a13 x3 ... a1n xn b1
y Gauss-Seidel. a x a x a23 x3 ... a2 n xn b2
21 1 22 2
31 1
a x a32 x2 a33 x3 ... a3n xn b3
MÉTODOS ITERATIVOS
Los métodos iterativos representan una alternativa an1 x1 an 2 x2
an3 x3 ... ann xn bn
potente para solucionar los sistemas de ecuaciones
lineales, puesto que éstos se acercan más a la 3. Despejamos las incógnitas (variable x) de
solución real esperada a medida que se itera, de estas ecuaciones y empleamos el vector inicial
manera que la calidad de la aproximación obtenida para la primera iteración.
dependerá de la cantidad de iteraciones que esté
dispuesto a efectuar. ( k ) b1 a12 ( k 1) a13 ( k 1) a1n ( k 1)
x1 a
a11
x2
a11
x3 ...
a11
xn
11
x( k ) x( k 1)
Tol
0
0
Además, el vector de partida es: x (0)
0
0
Solución:
x k 2 1 x k 1 1 k 1
x3
1 k 1
x4 x( k ) b3 a31 x( k ) a32 ( k ) a
2 1
3 x2 ... 3n xn( k 1)
5 5 5 5 a33 a33 1 a33 a33
x3 k 1 1 x1 k 1 1
x2 k 1
1
x4 k 1
8 8 4 2
xn( k ) bn an1 x1( k )
an 2 ( k )
x2
an3 ( k )
x3 ...
k 1 1 k 1 1 k 1 5
x4 x1 x2 x3 k 1 ann ann ann ann
6 6 4 12
Ejemplo 2: Así tendríamos las iteraciones:
Resolver por Jacobi el sistema lineal
4 x1 x2 x3 x4 1
x 5x x x 2
1 2 3 4
x1 2 x2 8x3 4 x4 1
2 x1 3x2 5x3 12 x4 2
0
0
Además, el vector de partida es: x (0)
0
x(6) x(5) =0.000082 0.5x103
0
Solución:
0.183568
Llevando a la forma x = Tx + c para luego 0.387656
escribirlo en la forma iterativa x(k) = Tx(k – 1) + c x(6)
0.276060
4 x1 x2 x3 x4 1 0.154183
x 5x x x 2
1 2 3 4
De tenemos x(6) es una aproximación con 3 cifras decimales de
x1 2 x2 8x3 4 x4 1
2 x1 3x2 5x3 12 x4 2 precisión exacta.
NOTA
1 1 1 1 Se puede notar que la velocidad de convergencia del
x1 0 4 x2 4 x3 4 x4 4 método de Gauss-Seidel es mucho mejor que la de
Jacobi.
x 1 x 0 1 x 1 x 2
2 5
1
5
3
5
4
5
IMPLEMENTACIÓN NUMÉRICA
x3 1 x1 1 x2 0 1 x4 1
8 4 2 8 Programa: gseidel.m
1 1 5 1 function X=gseidel(A,b,X0,N)
x4 x1 x2 x3 % Resuelve el sistema Ax=b
6 4 12 6 % usando Gauss-Seidel x=L*x+U*x0+C
% X0=vector de partida,
% N=num.máx.iteraciones
Iteración 1: % Sintaxis: X=gseidel(A,b,X0,N)
[n,r]=size(A);
1 1 1 1 1 1 m=length(b);
x1 4 x2 0 x3 0 x4 0 if n~=r, error('Debe ser matriz
4 4 4 4
cuadrada...'); end
x1 2 1 x1 1 0 1 0 7 if m~=n, error('El tamaño del vector no es
x3 x4
2 5 5
1
5 5 20 correcto...'); end
if all(diag(A))==0, error('Hay elementos
x31 1 1 x11 1
x21
1 0
x4
29 nulos en la diagonal'); end
8 8 4 2 160 C=zeros(n,1);
1 1 1 1 1 5 1 217
for i=1: n
x4 1 T(i,:)=-A(i,:)/A(i,i); C(i)=b(i)/A(i,i);
x1 x2 x3
6 6 4 12 1920 T(i,i)=0;
end
U=triu(T); L=tril(T); X=X0;
Iteración k: for i=1: N
for k=1:n
X(k)=L(k,:)*X+U(k,:)*X0+C(k);
k 1 1 1 1
x1 4 x2 k 1 x3 k 1 x4 k 1 end
fprintf('---%d\n',i);
4 4 4
fprintf('%18.9f\n',X);
x k 2 1 x k 1 k 1
x3
1 k 1
x4 if norm(X-X0,inf)<=0.0005
2 5 5
1
5 5 break;
else
x3 k 1 1 x1 k 1 k
x2
1 k 1
x4 X0=X;
8 8 4 2 end
1 1 k 1 k 5
end
k
x4 x1 x2 x3 k if i==N,error('No se tuvo exito'); end
6 6 4 12 end
RECOMENDACIÓN FUENTES BIBLIOGRÁFICAS
En este módulo se recomienda tomar en cuente lo - Chapra, S., & R, C. (2007). Métodos Numéricos
siguiente: para Ingenieros. La Ciudad de México, México:
1. Definir cuál va a ser el vector incógnito inicial. McGranw-Hill.
2. Definir que método usar: Jacobi o Gauss-
Seidel. - Guillem, N., & Galván, R. (2008). Cálculo
3. Por facilidad puede usar el programa gseidel
numérico con Octave. Fundación de Software
para calcular por Gauss-Seidel la solución con
Octave. Libre.