1

Facultad de Ingeniería

Tema: Método Jacobi

Método Favddeev-Leverrier
Integrantes: Jasson Durán
Cristina Lojano
David Lojano
Objetivos 2

 Encontrar las aproximaciones de los valores de las variables de un

sistema de ecuaciones lineales.
 contenido 3

 Explicación de los métodos de Jacobi y de Favddeev-Leverrier.

 Deducción de los métodos.
 Programación de los códigos en Matlab.
 Comparación de los dos métodos.
 Conclusiones
 Método Jacobi 4

• El método de Jacobi es un método iterativo.

• Permite hallar las aproximaciones a una solución de sistemas de

ecuaciones lineales.

• Utiliza los valores iniciales para la primera aproximación.

• Luego los de la primera para la segunda y así sucesivamente.

• En este método el cálculo de cada variable es independiente por lo tanto

ninguna variable depende de la otra.
El método de Jacobi resuelve el 5

sistema lineal Ax=b

 donde A es la matriz de coeficientes, x es el vector de incógnitas y
b el vector de términos independientes.
 Comienza con una aproximación inicial x(0) a la solución x y
genera una sucesión de vectores x(k) que convergen a la
solución x.

a11x1 + a12x2 + a13x3 +…+ a1nxn = b1

a21x1 + a22x2 + a23x3 +…+ a2nxn = b2
a31x1 + a32x2 + a33x3 +…+ a3nxn = b3

an1x1 + an2x2 + an3x3 +…+ annxn = bn

 Partiendo del sistema de ecuaciones lineales y despejando las 6
incógnitas de la diagonal principal de cada una de las ecuaciones
tenemos:

b1 − (a12x1 + a13x2 +…+ a1nxn)

x1 =
a11

b2 − (a21x1 + a23x3 +…+ a2nxn)

x2 =
a22

b3 − (a31x1 + a32x2 +…+ a3nxn)

x3 =
a33

bn − (an1x1 + an2x2 +…+ ann−1xn−1)

xn =
ann
 Programación en Matlab while k<=Nmax
clc,clear
k=k+1; 7
for i=1:n
disp('Metodo de Jacobi')
n=input('Ingrese el numero de ecuaciones e incognitas: '); suma1=0;
Nmax=input('Ingrese el maximo numero de iteraciones: '); suma2=0;
Tol=input('Ingrese la tolerancia: '); for j=1:i-1
X0=zeros(1,n); suma1=suma1+A(i,j)*X0(j);
X=X0; end
k=0; for j=i+1:n
M=zeros(n,n); %crea matriz suma2=suma2+A(i,j)*X0(j);
b=zeros(n,1); %crea matriz de terminos independientes
end
%Llenamos la matriz de coeficientes
for i=1:n X(i)=(b(i)-(suma1+suma2))/A(i,i);
for j=1:n X0(i)=X(i);
fprintf('Ingrese el valor de a%d%d: ',i,j); end
M(i,j)=input(''); X0=X;
end if k>=Nmax
end break
%Llenamos el vector de coeficientes independientes end
for i=1:n
end
fprintf('Ingrese el valor independiente de y%d: ',i);
b(i)=input(''); disp('RAICES ');
end X
A=M
k=1;
Método Favddeev-Leverrier 8

Este método constituye una técnica eficiente para generar los

coeficientes pi del polinomio característico.

Tiene la ventaja adicional de que se obtiene automáticamente, al

finalizar el proceso, la matriz inversa del sistema 𝐴−1 .
 9

Para este método primeramente necesitamos tener un

conocimiento previo de cómo obtener:
 La traza.
 La resta de matrices.
 La multiplicación de matrices.
 La multiplicación de una matriz por un escalar.
 10
 Traza de una matriz.  La resta de matrices.
 Multiplicación de una matrices  Multiplicación de un escalar 11
 12
B1=A b1= Traza B1
B2=A*(B1 - b1*I) b2= Traza B2
B3=A*(B2 - b2*I) b3= Traza B3
………………….
………………….
………………….
Bn=A*(Bn-1 -bn-1) bn= Traza Bn

A Matriz Inicial
I Matriz Identidad
 Ejemplo 1.
13
14
15
 16

El Proceso lo detenemos en B3 debido a que nuestra

matriz es de dimensión 3*3 . Por lo que el proceso se debe
terminar en n o m.

Otro aspecto que se debe tomar en cuenta antes de

empezar es que como en todos los otros Métodos ,
nuestra matriz debe se cuadrada.
Y finalmente tenemos nuestra matriz inversa. 17
Programación en Matlab
tic 18
B=A;
function []=faddeev
while (k<n)
n = input('Ingrese el número de ecuaciones: ');
b=trace(B)/k;
A=zeros(n,n); %crea matriz
P(k)=-b;
k=1;
Banterior=B;
I=eye(n,n);
B=A*(B-b*I);
for i=1:n
k=k+1;
for j=1:n
bsiguiente=trace(B)/(k);
fprintf('Ingrese el valor de a%d%d: ',i,j);
end
A(i,j)=input(''); end end
Ai=(1/bsiguiente)*(Banterior-b*I);
fprintf(' Matriz inversa\n')
disp(Ai)
Pf=[1, P, -bsiguiente];
raices=roots(Pf)
toc
end
 19
Metodo Ventajas Desventajas
Jacobi • Si la matriz de El método no siempre
coeficientes original converge y calcular el
del sistema es radio espectral de la
diagonalmente matriz puede ser muy
dominante el extenso.
método converge.

• Si es radio espectral
de la matriz original
es menor a 1, el
método converge
• Se obtiene la
Favddeev- inversa de la matriz
Leverrier
Conclusión 20

 El método de Faddeev Leverrier nos pareció un poco más fácil ya

que sus líneas de código son menores a la del método de Jacobi, y
como resultado extra nos da la inversa, evitandonos así realizar otro
código en caso de que nos pidan calcular la inversa.