Scribd
Cargar
201 vistas3 páginas

Métodos Iterativos en Ecuaciones Lineales

Este documento presenta la resolución de un sistema de ecuaciones lineales mediante el método de Gauss-Seidel. Se comprueba que la matriz es diagonalmente dominante y se despejan las incógnitas. Luego, a través de 4 iteraciones se calculan valores aproximados de las incógnitas hasta alcanzar un error menor a 0,001. La solución obtenida es x1=0,169038, x2=0,043096, x3=0,297118, lo que verifica el sistema original.

Cargado por

Nicolás
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
201 vistas3 páginas

Métodos Iterativos en Ecuaciones Lineales

Este documento presenta la resolución de un sistema de ecuaciones lineales mediante el método de Gauss-Seidel. Se comprueba que la matriz es diagonalmente dominante y se despejan las incógnitas. Luego, a través de 4 iteraciones se calculan valores aproximados de las incógnitas hasta alcanzar un error menor a 0,001. La solución obtenida es x1=0,169038, x2=0,043096, x3=0,297118, lo que verifica el sistema original.

Cargado por

Nicolás
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Universidad Nacional de Salta Ing.

Ezequiel Sánchez
Facultad de Ingeniería – Ingeniería Civil Año 2018
Matemática Aplicada
TRABAJO PRÁCTICO Nº2
Sistemas de Ecuaciones Lineales
Métodos Iterativos: Jacobi – Gauss Seidel

Ejercicio
Resolver en forma manual el siguiente sistema de ecuaciones aplicando el método de Gauss Seidel. Dejar
constancia de todos los cálculos auxiliares realizados. Trabajar como mínimo con 6 decimales.
5.5x 1  2.5x 2  0.6x 3  1.0 0.2
0.2x 1  6.3x 2  0.8x 3  0.0 para k max 5, 3 (0)
10 , x = 0.0
1.3x 1 +0.9x 2  9.9x 3  3.2 0.2

Resolución
Verificamos que la matriz de coeficientes A sea Diagonal Dominante en forma estricta:

2.5 0.6 3.1 5.5 verifica


n
aij aii 0.2 0.8 1.0 6.3 verifica
j 1
j i
1.3 0.9 2.2 9.9 verifica

Despejamos la incógnita x i de la ecuación E i y expresamos los supra-índices según el método:

1.0  2.5 x 2(k )  0.6 x 3(k )


x 1(k 1) 
5.5
0.0  0.2 x 1(k 1)  0.8 x 3(k )
x 2(k 1) 
6.3
3.2  1.3 x 1(k 1)  0.9 x 2(k 1)
x 3(k 1) 
9.9
En cada iteración se debe calcular la norma máxima y verificar la cota de error:
(k 1)
N max max ( x i(k 1)
x i(k ) )
1 i 3

 Si verifica, encontramos la solución del problema para las condiciones iniciales dadas
 Si no verifica, antes de continuar debo controlar de NO superar la iteración máxima: k 1 k max

Iteración 1: (k 0)
Calculamos los valores aproximados de las incógnitas:
1.0  2.5  0.0(0)  0.6  0.2(0)
x 1(1)   0.160000
5.5
0.0  0.2  0.160000(1)  0.8  0.2(0)
x 2(1)   0.030476
6.3
3.2  1.3  0.160000(1)  0.9  0.030476(1)
x 3(1)   0.299452
9.9
Verificamos la cota de error:
N 1(1)  0.160000  (0.2)  0.360000
N 2(1)  0.030476  0.0)  0.030476  N max(1)  0.360000    0.001  Falso
N 3(1)  0.299452  0.2)  0.099452
Controlamos Iteraciones:
k 1 1 k max 5 Cumple

1
Matemática Aplicada Trabajo Práctico Nº 2
Año 2018

Iteración 2: (k 1)
Calculamos los valores aproximados de las incógnitas:
1.0  2.5  0.030476(1)  0.6  0.299452(1)
x 1(2)   0.163004
5.5
0.0  0.2  0.163004(2)  0.8  0.299452(1)
x 2(2)   0.043200
6.3
3.2  1.3  0.163004(2)  0.9  0.043200(2)
x 3(2)   0.297901
9.9
Verificamos la cota de error:

N 1(2)  0.163004  0.16  0.003004


N 2(2)  0.043200  0.030476  0.012724  N max(2)  0.012724    0.001  Falso
N 3(2)  0.297901  0.299452  0.001551

Controlamos Iteraciones:
k 1 2 k max 5 Cumple

Iteración 3: (k 2)
Calculamos los valores aproximados de las incógnitas:
1.0  2.5  0.043200(2)  0.6  0.297901(2)
x 1(3)   0.168956
5.5
0.0  0.2  0.168956(3)  0.8  0.297901(2)
x 2(3)   0.043192
6.3
3.2  1.3  0.168956  0.9  0.043192
(3) (3)
x 3(3)   0.297120
9.9
Verificamos la cota de error:

N 1(3)  0.168956  0.163004  0.005953


N 2(3)  0.043192  0.043200  0.000008  N max(3)  0.005953    0.001  Falso
N 3(3)  0.297120  0.297901  0.000781

Controlamos Iteraciones:
k 1 3 k max 5 Cumple

Iteración 4: (k 3)
Calculamos los valores aproximados de las incógnitas:
1.0  2.5  0.043192(3)  0.6  0.297120(3)
x 1(4)   0.169038
5.5
0.0  0.2  0.169038(4)  0.8  0.297120(3)
x 2(4)   0.043096
6.3
3.2  1.3  0.169038(4)  0.9  0.043096(4)
x 3(4)   0.297118
9.9
Verificamos la cota de error:

N 1(4)  0.169038  0.168956  0.000082


N 2(4)  0.043096  0.043192  0.000097  N max(4)  0.000097    0.001  VERDADERO
N 3(4)  0.297118  0.297120  0.000002

2
Matemática Aplicada Trabajo Práctico Nº 2
Año 2018

x 1  0.169038
La solución se obtuvo en 4 iteraciones y es: x 2  0.043096
x 3  0.297118

Reemplazamos en el sistema para verificar los resultados obtenidos:


5.5  0.169038  2.5  0.043096  0.6  0.297118  1.000240  1.0
0.2  0.169038  6.3  0.043096  0.8  0.297118  0.000003  0.0  Verifica
1.3  0.169038+0.9  0.043096  9.9  0.297118  3.200004  3.2

También podría gustarte