Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
a21 x1 a22 x2 a2 n xn b2 despejamos de cada x2 b2 a21 x1 a23 x3 ... a2 n xn
a22
ecuacion respectivamente:
an1 x1 an 2 x2 ann xn bn
xn a bn an1 x1 an 2 x2 ... an ( n 1) xn 1
1
nn
1 n
Expresando en términos de sumatoria: xi bi aij x j , i 1, 2,..., n
aii j 1, j i
1 n
Asi, la formula iterativa de Jacobi está dada por: xi( k 1) bi aij x (j k ) , i 1, 2,..., n, k 0,1, 2,...
aii j 1, j i
Observación: Las iteraciones empiezan con el vector inicial dado X 0 , a partir del cual se obtienen los
vectores X 1 , X 2 , ... empezando con k 0 . Si el método converge, X k converge a la solución X a medida
que X crece, es decir, X k X .
k
5 x1 3 x2 1x3 5
Ejemplo. Dado el sistema de ecuaciones lineales: 2 x1 4 x2 1x3 6 , formule el sistema iterativo y realice
2 x 3x 8 x 4
i 2 3
1 n
(k )
Solución. Por la fórmula iterativa de Jacobi: xi( k 1) bi aij x j , para i 1, 2,3 y k 0,1
aii j 1, j i
Para i 1: x k 1
5 3x (k )
2 x3( k )
1
5
Para i 2 : x2k 1
6 2 x1(k ) x3(k )
4
Para i 3 : x k 1
4 2x (k )
1 3 x2( k )
3
8
Empezamos las iteraciones con el vector inicial x1 x (0) (0)
2 x (0)
3 1:
Si k=0 (primera iteración): Si k=1 (segunda iteración):
x1
5 3x(0)
2 x3(0)
5 3(1) (1) 1.4 x2
5 3x (1)
2 3x3(1)
5 3(1.25) 0.625 1.625
1 1
5 5 5 5
x12
6 2x (0)
1 x (0)
3 6 2(1) (1) 1.25 x22
6 2x (1)
1 x (1)
3 6 2(1.25) (0.625) 0.956
4 4 4 4
x31
4 2x (0)
1 3x (0)
2 4 2(1) 3(1) 0.625 x32
4 2x (1)
1 3x (1)
2 4 2(1.4) 3(1.25) 0.6187
8 8 8 8
MÉTODO DE GAUSS – SEIDEL.
Este método se obtiene de la fórmula de Jacobi, separando la sumatoria en dos partes: uno formado por los
términos que aún no han sido calculados, que se les toma de la iteración anterior k y el otro por los términos
que ya están calculados y se los toma de la iteración k 1 . Así, la formula iterativa de Gauss-Seidel:
1 i 1 n
xi( k 1) bi aij x (jk 1) aij x (jk ) , i 1, 2,..., n, k 0,1, 2,...
aii j 1 j i 1
Las iteraciones empiezan con el vector inicial X 0 dado, a partir de este se obtienen los vectores X 1 , X 2 , ...
empezando con k 0 .
Observación: Si el método converge, este requiere de menos iteraciones que el método de Jacobi.
5 x y z 10
Ejercicio 1: Resolver el sistema 2 x 8 y z 11 , por el método de Gauss-Seidel, para X i(0) 0 y
x y 4 z 3
k 0,1, 2,3 .
Solución. Por la formula iterativa de Gauss-Seidel:
1 i 1 n
xi( k 1) bi aij x (jk 1) aij x (jk ) , i 1, 2 y 3, k 0,1, 2 y 3
aii j 1 j i 1
1
x1( k 1) (10 x2( k ) x3( k ) )
Para i 1:
5
1
Para i 2: x2( k 1) (11 2 x1( k 1) x3( k ) )
8
1
Para i 3: x3( k 1) (3 x1( k 1) x2( k 1) )
4
Empezamos las iteraciones con el vector inicial x1 x2 x3(0) 0
(0) (0)
Para k 0 : Para k 1:
1 1
x1(1) (10 x2(0) x3(0) ) 2 x1(2) (10 x2(1) x3(1) ) 1.96875
5 5
1 1
x2(1) (11 2 x1(1) x3(0) ) 0.875 x2(2) (11 2 x1(2) x3(1) ) 1.01172
8 8
1 1
x3(1) (3 x1(1) x2(1) ) 1.03125 x3(2) (3 x1(2) x2(2) ) 0.98926
4 4
Para k 2 : Para k 3 :
1 1
x1(3) (10 x2(2) x3(2) ) 2.00449 x1(4) (10 x2(3) x3(3) ) 1.99916
5 5
1 1
x2(3) (11 2 x1(3) x3(2) ) 0.99753 x2(4) (11 2 x1(4) x3(3) ) 1.00043
8 8
1 1
x3(3) (3 x1(3) x2(3) ) 1.00174 x3(4) (3 x1(4) x2(4) ) 0.99968
4 4
EL MÉTODO DE RELAJACIÓN.
Es un proceso que acelera la convergencia o divergencia de los métodos iterativos y se obtiene de la formula iterativa
de Gauss – Seidel agregando un factor de convergencia w :
w i 1 n
xi( k 1) xi( k ) bi aij x j aij x (jk ) , i 1, 2,..., n, k 0,1, 2,..., 0 w 2
( k 1)
aii j 1 j i
donde 0 w 2 es el factor de relajación.
Si w 1 es el método de Gauss – Seidel.
Si 0 w 1 se llama método de sub-relajación.
Si 1 w 2 se denomina método de sobre-relajación.
5 x1 12 x3 80
Ejemplo. Resolver el sistema 4 x1 x2 x3 2 , usando el método de relajación con w 0.9 y empezando
6 x 8 x 45
1 2
Solución. Reordenando:
4 x1 x2 x3 2
6 x1 8 x2 45
5 x 12 x 80
1 3
i 1 n
w
k 1
Aplicando la fórmula del método de Relajación: xi xi
k
(bi aij x kj 1 aij x kj )
aii j 1 j i
0.9
Para i 1: x1k 1 x1k (2 4 x1k x2k x3k )
4
0.9
Para i 2: x2k 1 x2k (45 6 x1k 1 8 x2k )
8
0.9
Para i 3: x3k 1 x3k (80 5 x1k 1 12 x3k )
12
0.9 0.9
x11 x10 (2 4 x10 x20 x30 ) 0.45 x12 x11 (2 4 x11 x12 x31 ) 2.02
4 4
0.9 0.9
x12 x10 (45 6 x11 8 x20 ) 5.36 x22 x11 (45 6 x12 8 x12 ) 4.2335
8 8
0.9 0.9
x31 x10 (80 5 x11 12 x30 ) 5.83 x32 x11 (80 5 x12 12 x31 ) 7.34
12 12
y así sucesivamente.
RAÍCES DE SISTEMAS DE ECUACIONES NO LINEALES.
f n ( x1 , x2 ,..., xn ) 0
Si F contiene n ecuaciones, la ecuación de recurrencia es:
( k ) 1
F ( k ) 1
X ( k 1) X ( k ) F (k )
X (k )
J F ( k )
X
J( k )
x x2 xn
1
En la solución se parte de un vector inicial X (0) generando así a los vectores X (1) , X (2) ,...
La convergencia del método de Newton requiere que: f1 , f 2 ,... f n y sus derivadas sean continuas en una
región, donde el Jacobiano no se anula y el valor inicial, la raíz y los valores calculados pertenezcan a esta
región.
f1 ( x1 , x2 ) 1, 6 x12 3, 6 x1 x2 7,8 x1 2, 6 x2 5, 2
Ejemplo. Encontrar las raíces del sistema
f 2 ( x1 , x2 ) 0,9 x2 3,1x1 6, 2 x1 6, 2 x2
2 2
x (0) 0,5
comenzando con el valor inicial X (0) 1(0) ( o tomado de la gráfica cerca del punto de corte).
x2 0, 4
1
Solución. La ecuación de recurrencia es: X ( k 1) X ( k ) J ( k ) F ( k )
1
f1( k ) f1( k )
x1( k 1) x1( k ) x1 x2 f1( k )
( k 1) ( k ) ( k ) (k )
x2 x2 f 2 f 2( k ) f 2
x1 x2
donde,
f1( k ) f 2 ( k )
3, 2 x1( k ) 3, 6 x2( k ) 7,8 6, 2 x1( k ) 6, 2
x1 x1
f1( k ) f 2 ( k )
3, 6 x1( k ) 2, 6 1,8 x2 ( k ) 6, 2
x2 x2
Reemplazando:
1
f1(0) f1(0)
x1(1) x1(0) x1 x2 f1(0)
Si k 0 : (1) (0) (0)
x2 x2 f 2 f 2(0) f 2
(0)
x1 x2
Reemplazamos x1(0) y x2(0)
1
x1(1) 0,5 3, 2(0,5) 3, 6(0, 4) 7,8 3, 6(0, 4) 2, 6
(1)
x2 0, 4 6, 2(0,5) 6, 2 1,8(0, 4) 6, 2
1, 6(0,5) 2 3, 6(0,5)(0, 4) 7,8(0,5) 2, 6(0, 4) 5, 2
0,9(0, 4) 2 3,1(0,5) 2 6, 2(0,5) 6, 2(0, 4)
1
0,5 4, 76 1,16 1,38 0,5 0,1894 0, 0318 1,38
0, 4 3,1 6,92 0, 299 0, 4 0, 0848 0,1303 0, 299
0,5 0, 2709 0, 7709
0, 4 0, 0781 0, 4781
Hallando el error: X (1) X (0) (0, 7709 0,5)2 (0, 4781 0, 4)2 0, 2594
El error debe acercarse a cero, por lo que se tendrá que hacer más iteraciones hasta alcanzar un número
cercano a cero.