8 Sist Ec Lineales Met Iterativos

Mtodos
Numricos
Solucin Numrica
de Sistemas de
Ecuaciones Lineales
-Mtodos Iterativos-
Dra. Norka Bedregal Alpaca
Mtodo de Jacobi
Sistemas Ecuaciones Lineales
Este mtodo se puede ilustrar usando las siguientes

ecuaciones:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
El mtodo comienza resolviendo la primera para x1

Luego la segunda ecuacin para x2
Y, finalmente, la tercera para x3
En cada una de ellas se introduce el ndice k que se
utilizara para indicar el nmero de iteraciones
2
1
Sistemas Ecuaciones Lineales Mtodo de Jacobi
Utilizando la primera:
a11 x1 + a12 x2 + a13 x3 = b1
se obtiene:
b1 a12 x 2 a13 x 3
(k ) (k )
( k +1 )
x1 =
a11
Utilizando la segunda:
a21 x1 + a22 x2 + a23 x3 = b2
se obtiene:
b2 a 21 x1 a 23 x 3
(k) (k )
( k +1)
x2 =
a 22
3
Mtodo de Jacobi
Utilizando la tercera:
a31 x1 + a32 x2 + a33 x3 = b3

se obtiene:
b a 31 x1 a 32 x 2
(k ) (k )
( k +1 )
x3 = 3
a 33
Con este procedimiento se han obtenido las

ecuaciones recursivas necesarias para implementar el
mtodo
4
2
Adems se requiere de un vector inicial
xi = (x1 (k), x2 (k), x3 (k))
el cual representa la primera aproximacin de la solucin
del sistema, con lo que se produce x k+1.
Este vector si no se conoce se puede asumir como:

x0 = (0 (0), 0 (0), 0 (0))
Con estos valores y las frmulas iterativas se van

calculando los nuevos valores de xi
El proceso se continua hasta que | xi+1 xi| e*
5
Mtodo de Jacobi
Ejemplo:
Resolver el siguiente sistema de tres ecuaciones por el
Mtodo de Jacobi, para un * = 5% :
17 X1 2 X2 3 X3= 500
-5 X1 + 21 X2 2 X3= 200
-5 X1 5 X2 + 22 X3= 30
Las siguientes frmulas se utilizan para encontrar
X1, X2 y X3 en cada una de las iteraciones
b 1 a 12 x 2 a 13 x 3
x1 =
a 11
b 2 a 21 x 1 a 23 x 3
x2 =
a 22
b 3 a 31 x 1 a 32 x 2
x3 = 6
a 33 Dra. Norka Bedregal Alpaca
3
Para la primera iteracin el valor inicial de

X1 = X2 = X3 = 0
Al sustituir en cada una de las ecuaciones iterativas:
7
Mtodo de Jacobi
Con lo que una primera aproximacin es:

X1 = 29.41176 X2 = 9.52381 X3 = 1.36364
Siendo estos son los valores que se utilizan como
entrada para la segunda iteracin
8
4
Se calcula el error aproximado porcentual para cada

uno de los resultados, utilizando para ello:
9
Mtodo de Jacobi
Para X1:
Para X2:
Para X3:
Como no se cumple el error para toda X, se contina

con el proceso iterativo
10
5
Trabajando en una hoja de clculo:
Iteracin x1 x2 x3 * x1 * x2 * x3
0 0,00000 0,00000 0,00000
1 29,41176 9,52381 1,36364
2 30,77285 16,65648 10,21263 4,423% 42,822% 86,648%
3 33,17358 17,82331 12,14303 7,237% 6,547% 15,897%
4 33,65151 18,57876 12,95384 1,420% 4,066% 6,259%
5 33,88347 18,76977 13,23415 0,685% 1,018% 2,118%
Se resaltan los datos donde los errores obtenidos son

menores que 5%
Se logra un error porcentual menor en las tres
incgnitas hasta la quinta iteracin.
11
Mtodo de Jacobi
Al sustituir estos valores en las ecuaciones originales

para verificar los resultados se obtiene:
17 *(33,88347) 2 *(18,76977) 3 *(13,23415) = 498,77703
-5 *(33,88347) + 21 *(18,76977) 2 *(13,23415) = 198,27957
-5 *(33,88347) 5 *(18,76977) + 22 *(13,23415) = 27,88513
Se puede comparar con el sistema inicial:

17 X1 2 X2 3 X3= 500
-5 X1 + 21 X2 2 X3= 200
-5 X1 5 X2 + 22 X3= 30
Al calcular los porcentajes de error de estos

resultados se obtiene:
12
6
Sistemas Ecuaciones Lineales Mtodo Gauss-Seidel
Este mtodo en general converge mas rpidamente

que el mtodo de Jacobi.
Supone que una mejor aproximacin a la solucin, se
obtiene sustituyendo los valores parciales calculados,
en lugar de asumir una aproximacin inicial.
Se explica el mtodo utilizando las ecuaciones:
a11 x1 + a12 x2 + a13 x3 = b1

a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
13
Mtodo Gauss-Seidel
Al igual que en el mtodo de Jacobi se despejan los

valores de las variables, uno por ecuacin:
b a x a13 x3
(k ) (k)
( k +1)
x 1 = 1 12 2
a11
( k +1)
b2 a21 x1 a23 x3
(k)
( k +1)
x2 =
a22
( k +1) ( k +1)
( k +1) b3 a31 x1 a32 x2
x3 =
a33
Con lo que se obtienen las frmulas iterativas
14
7
El valor de x1 se calcula con los valores asumidos de
x2 y x3.
Posteriormente, el valor de x2 se calcula con el valor
de x1 obtenido y x3 asumido.
Finalmente el nuevo valor de x3 sale de los valores
calculados x1 y x2.
Ejemplo:
Resolver el siguiente sistema de tres ecuaciones por el
Mtodo de Gauss Seidel, para un error= 5% :
17 X1 2 X2 3 X3= 500
-5 X1 + 21 X2 2 X3= 200
-5 X1 5 X2+ 22 X3= 30
15
Mtodo Gauss-Seidel
El valor de x1 se calcula con los valores asumidos:

x2 = x3 = 0
x1( 0 ) = 0
b a x a13 x 3
x1 = 1 12 2 x 2( 0 ) = 0
a11
x 3( 0 ) = 0
500 ( 2 ) 0 ( 3 ) 0
x1 =
17
x1 = 29,41176
El valor de x1 obtenido y x3 = 0 (asumido), se usan

para calcular x2
( k +1) x1( 1) = 29,41176
b2 a21 x1 a23 x3
(k)
( k +1)
x2 = x 2( 1) = 16,52661
a22
x 3( 0 ) = 0
200 ( 5) 29,41176 ( 2) 0
x2 =
21
x2 = 16,52661 16
8
Y finalmente el nuevo valor de x3 sale de los valores

calculados x1 y x2 x ( 1) = 29,41176 1
( k +1) ( k +1)
( k +1) b3 a31 x1 a32 x2 x 2( 1) = 16 ,52661
x 3 =
a33 x 3( 0 ) = 0
30 ( 5) 29,41176 ( 5) 16,52661 x1( 1) = 29,41176

x3 =
22 x 2( 1) = 16 ,52661
x3 = 11,80418
x 3( 1) = 11,80418
Para la segunda iteracin, en el clculo de X1 el valor
de X2 y X3 sern los calculados anteriormente.
Entonces para X1: x1( 2 ) = 33,43916
x 2( 1 ) = 16 ,52661
b a x a13 x3
(k ) (k)
( k +1)
x 1 = 1 12 2 x 3( 1 ) = 11,80418
a11
500 ( 2 ) 16 , 52661 ( 3 ) 11 , 80418
x1 =
17 17
x 1 = 33 , 43916
Mtodo Gauss-Seidel
Para X2 se utiliza el valor de X3 de la primera iteracin

y el de X1 de la segunda iteracin:
b 2 a 21 x 1 a 23 x 3 x1( 2 ) = 33,43916
x2 =
a 22 x 2( 1 ) = 16 ,52661
200 ( 5 ) 33 , 43916 ( 2 ) 11 , 80418 x 3( 1 ) = 11,80418
x2 =
21
x2 = 18 , 60972
Para X3 se utiliza el valor de X1 y X2 calculados en la

segunda iteracin:
b3 a 31 x1 a 32 x 2 x1( 2 ) = 33,43916
x3 =
a 33 x 2( 2 ) = 18 ,60972
30 ( 5 ) 33,43916 ( 5 ) 18,60972 x 3( 2 ) = 13 ,19293
x3 =
22
x 3 = 13,19293
18
9
Una vez obtenidos estos resultados, se debe calcular

el error aproximado porcentual para cada uno de los
resultados, con la frmula:
Continuando con el proceso:
Iteracin x1 x2 x3 x1 x2 x3
0 0,00000
1 29,41176 16,52661 11,80418

2 33,43916 18,60972 13,19293 12,044% 11,194% 10,526%
3 33,92931 18,85869 13,36091 1,445% 1,320% 1,257%
19
Mtodo Gauss-Seidel
Al sustituir estos valores en las ecuaciones originales

para verificar los resultados se obtiene:
17 *(33,92931) 2 *(18,85869) 3 *(13,36091) = 498,99813
-5 *(33,92931) + 21*(18,85869) 2 *(13,36091) = 199,66404
-5 *(33,92931) 5 *(18,85869) +22 *(13,36091) = 30,00000
Se puede comparar con el sistema inicial:

17 X1 2 X2 3 X3= 500
-5 X1 + 21 X2 2 X3= 200
-5 X1 5 X2 + 22 X3= 30

resultados se obtiene:
20
10
Sistemas Ecuaciones Lineales Mtodo Gauss-Seidel con Relajacin
El mtodo de Gauss-Seidel con Relajacin es muy

similar a al mtodo de Gauss-Seidel, la diferencia es
que usa un factor de escala para reducir el error de
aproximacin.
( k 1) ( k 1 )
= xi + ( xi xi
(k ) (k )
xi )
Este mtodo obtiene un nuevo valor estimado

haciendo una ponderacin entre el valor previo y el
calculado utilizando un factor de ponderacin
= xi + (1 ) xi
nuevo nuevo anterior
xi
21
Mtodo Gauss-Seidel con Relajacin

=1
El resultado no se modifica
Se convierte en la ecuacin de Gauss-Siedel
<1
Se conoce como subrelajacin
Para hacer que un sistema no convergente converja o
apresure la convergencia al amortiguar las
oscilaciones.
>1
Se conoce como sobrerelajacin
Se usa cuando la convergencia va en la direccin
correcta hacia la solucin verdadera, pero con una
velocidad demasiado lenta. Para llevarla ms cerca de
la verdadera.
La eleccin de es emprica, se utiliza para la solucin de
un sistema que se debe resolver de manera repetitiva.
22
11
Despejando para x1 y adicionando los valores
predeterminados, esta se puede expresar como:
b a x a13 x3
(k ) (k )
( k +1)
x1 = 1 12 2
a11
El valor de x1 se calcula con los valores asumidos de

x2 y x3.
Despejando para x2 y adicionando los valores ya

obtenidos, esta se puede expresar como:
( k +1)
b2 a21 x1 a23 x3
(k)
( k +1)
x2 =
a22
Para calcular x2 se usa el valor de x1 obtenido y x3

asumido 23

Despejando para x3 y adicionando los valores

predeterminados, esta se puede expresar como:
( k +1) ( k +1)
( k +1) b3 a31 x1 a32 x2
x3 =
a33
Finalmente el nuevo valor de x3 sale de los valores

calculados x1 y x2.
24
12
Ejemplo :
Emplee el mtodo de Gauss-Seidel con relajacin para
resolver ( = 0.90 y e = 5%):
-5 X1 + 12 X3 = 80
4 X1 1 X2 1 X3 = - 2
6 X1 + 8 X2 = 45
Si es necesario reordene las ecuaciones para que el

sistema converja
5 12 x1 80
4 1 1 x = 2
2
6 8 x 3 45
25

Verificando el criterio de convergencia:

n
a i ,i > a i , j
j =1
j i
Para un sistema de 3 x 3 obtenemos:
a11 > a12 + a13

a 22 > a 21 + a 23
a 33 > a 31 + a 32
Esto quiere decir que el elemento diagonal debe ser

mayor a la suma de los elementos fuera de la diagonal
para cada fila.
26
13
5 12 x1 80
4 1 1 x = 2
2
6 8 x 3 45
Por tanto, es necesario reorganizar el sistema de la

siguiente forma:
4 1 1 x1 2 4 > 1 + 1
6 x = 45
8 2 8> 6
5 12 x 3 80 12 > 5
Con ello se puede asegurar la convergencia de la

solucin
27

Para calcular el primer valor de X1, se asumirn X2 y

X3 con valores cero.
b1 a12 x 2 a13 x 3
x1 =
a11
2 ( 1) 0 ( 1) 0
x1 =
4
x1 = 0,50000
Para calcular el valor de X2, se utilizar solamente el

valor encontrado de X1, dado que a23 es cero.
b2 a 21 x1 a23 x 3
x2 =
a22
45 (6 ) ( 0,50000)
x2 =
8
x 2 = 6,00000
28
14
Para calcular el valor de X3, se utilizar solamente el

valor encontrado de X1, dado que a32 es cero
b3 a 31 x1 a32 x 2
x3 =
a 33
80 ( 5 ) ( 0,50000)
x3 =
12
x 3 = 6,45833
Para la segunda iteracin se tienen los valores

calculados de las incgnitas y del coeficiente de
relajacin:
x1 = 0,5
x2 = 6
x 3 = 6,45833
= 0.90
29

Segunda iteracin, trabajando x1:
b1 a12 x 2 a13 x 3 x1 = 0,5

x1 = x2 = 6
a11
x 3 = 6,45833
2 ( 1) 6,0000 ( 1) 6,45833
x1 = = 0.90
4
x1 = 2,61458
Haciendo la correccin:
= xi + (1 ) xi
xi
= x1 + (1 ) x1
x1
= 0,9 2,61458+ (1 0,9) (0,50000)
nuevo
x1
= 2,30313
nuevo
x1
30
15
Trabajando anlogamente con x2:

b2 a 21 x1 a 23 x 3 x1 = 2,30313
x2 =
a 22 x2 = 6
45 (6 ) ( 2,30313) x 3 = 6,45833
x2 =
8 = 0.90
x 2 = 3,89766
= xi + (1 ) xi
xi
= 0,9 3,89766 + (1 0,9) (6,00000)

nuevo
x2
= 4,10789
nuevo
x2
31

Trabajando anlogamente con x3:

x1 = 2,30313
b a31 x1 a32 x2 x 2 = 4,10789
x3 = 3
a33 x 3 = 6,45833
80 ( 5 ) ( 2,30313) = 0.90
x3 =
12
x3 = 7,62630
= xi + (1 ) xi
xi
= 0,9 7,62630 + (1 0,9) (6,45833)

nuevo
x3
= 7,50951
nuevo
x3
32
16
Se debe realizar el clculo de los errores y se debe

continuar iterando hasta que se cumpla la premisa de
error
Iteracin x1 x2 x3 a x1 a x2 a x3
0 0,00000 0,00000 0,00000
1 -0,50000 6,00000 6,45833
2 2,30313 4,10789 7,50951 121,71% 46,06% 14,00%
3 2,39423 3,85719 7,64879 3,81% 6,50% 1,82%
4 2,37827 3,84289 7,65673 0,67% 0,37% 0,10%
Se resaltan los datos donde los errores obtenidos son

menores que 5%, se logra un error aproximado
porcentual menor en las tres incgnitas en la cuarta
iteracin 33

Si se sustituyen estos valores en las ecuaciones

originales para verificar los resultados se obtiene:
4 *(2,37827) 1 *(3,84289) 1 *(7,65673) = -1,98655
6 *(2,37827) + 8 *(3,84289) + 0 *(7,65673) = 45,01271
-5 *(2,37827) + 0 *(3,84289) + 12 *(7,65673) = 79,98941

resultados se obtiene
- 2 - (-1,98655)
ErrorEC1 = 100% = 0,67%
-2
45 - 45,01271
ErrorEC2 = 100% = 0,03%
45
80 - 79,98941
ErrorEC3 = 100% = 0,01%
80
34
17
Sistemas Ecuaciones Lineales Comparacin de Mtodos
Ejercicio:
Resolver el siguiente sistema de ecuaciones, para un
error 5 %, con los tres mtodos analizados.
2 1 x1 124
1 2 1 x = 4
2
1 2 x 3 14
Se resolver el sistema por los tres mtodos expuestos:

Jacobi
Gauss-Seidel
Gauss- Seidel con relajacin
35
Comparacin de Mtodos
Jacobi
b1 a12 x2 a13 x3 b2 a21 x1 a23 x3 b a x a x
x1 = x2 = x3 = 3 31 1 32 2
a11 a22 a33
xr
nuevo anterior
xr
= nuevo 100 %
xr
Iteracin X1 x2 x3 a x1 a x2 a x3
0 0,00000 0,00000 0,00000
1 62,00000 2,00000 7,00000
2 63,00000 36,50000 8,00000 1,587% 94,521% 12,500%
3 80,25000 37,50000 25,25000 21,495% 2,667% 68,317%
4 80,75000 54,75000 25,75000 0,619% 31,507% 1,942%
5 89,37500 55,25000 34,37500 9,650% 0,905% 25,091%
6 89,62500 63,87500 34,62500 0,279% 13,503% 0,722%
7 93,93750 64,12500 38,93750 4,591% 0,390% 11,075%
8 94,06250 68,43750 39,06250 0,133% 6,301% 0,320%
9 96,21875 68,56250 41,21875 2,241% 0,182% 5,231%
10 96,28125 70,71875 41,28125 0,065% 3,049% 0,151%
36
18
Gauss-Seidel
( k +1) ( k +1) ( k +1)
b1 a12 x2 a13 x3 b2 a21 x1 a23 x3 b3 a31 x1 a32 x2
(k ) (k ) (k )
( k +1) ( k +1) (k +1)
x1 = x2 = x3 =
a11 a22 a33
xr
nuevo anterior
xr
nuevo 100 %
xr
0 0,00000
1 62,00000 33,00000 23,50000
2 78,50000 53,00000 33,50000 21,019% 37,736% 29,851%
3 88,50000 63,00000 38,50000 11,299% 15,873% 12,987%
4 93,50000 68,00000 41,00000 5,348% 7,353% 6,098%
5 96,00000 70,50000 42,25000 2,604% 3,546% 2,959%
37
Gauss-Seidel con Relajacin...

( k +1) ( k +1) ( k +1)
b1 a12 x2 a13 x3 b2 a21 x1 a23 x3 b3 a31 x1 a32 x2
(k ) (k ) (k )
( k +1) ( k +1) (k +1)
x1 = x2 = x3 =
a11 a22 a33
xr
nuevo anterior
nuevo
= xi
nuevo
+ (1 ) x i
anterior xr
xi nuevo 100 %
xr
= 1,20
0 0,00000 0,00000 0,00000
1 62,00000 33,00000 23,50000
2 81,80000 58,98000 39,08800 24,205% 44,049% 39,879%
3 93,42800 70,11360 42,65056 12,446% 15,879% 8,353%
4 97,78256 72,63715 43,45218 4,453% 3,474% 1,845%
38
19
La siguiente tabla resume los resultados obtenidos:
Valores Valores aproximados Errores verdaderos

Iteracio-
Incgnita verdadero
nes Jacobi Seidel C/Relaj Jacobi Seidel C/Relaj
s
X1 98,5 10 96,281 96,000 97,783 2,25% 2,54% 0,73%
X2 73,0 5 70,719 70,500 72,637 3,13% 3,42% 0,50%
X3 43,5 4 41,281 42,250 43,452 5,10% 2,87% 0,11%
39
El mtodo de Jacobi es el que utiliza una mayor

cantidad de iteraciones y que adems tiene errores
mayores con respecto al valor verdadero.
Gauss-Seidel los errores son medianos, pero la
cantidad de las iteraciones en mucho menor que en el
caso de Jacobi.
Gauss-Seidel con relajacin se obtienen valores ms
cercanos a los verdaderos con una cantidad de
iteraciones menor. Sin embargo el inconveniente
radica en la eleccin del valor de landa.
40
20
Fin
41
21

8 Sist Ec Lineales Met Iterativos

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

8 Sist Ec Lineales Met Iterativos

Încărcat de

Drepturi de autor:

Formate disponibile

Mtodos

Dra. Norka Bedregal Alpaca

Este mtodo se puede ilustrar usando las siguientes

a31 x1 + a32 x2 + a33 x3 = b3

El mtodo comienza resolviendo la primera para x1

a21 x1 + a22 x2 + a23 x3 = b2

a31 x1 + a32 x2 + a33 x3 = b3

Con este procedimiento se han obtenido las

Este vector si no se conoce se puede asumir como:

Con estos valores y las frmulas iterativas se van

El proceso se continua hasta que | xi+1 xi| e*

Para la primera iteracin el valor inicial de

Con lo que una primera aproximacin es:

Se calcula el error aproximado porcentual para cada

Como no se cumple el error para toda X, se contina

Trabajando en una hoja de clculo:

Se resaltan los datos donde los errores obtenidos son

Al sustituir estos valores en las ecuaciones originales

Se puede comparar con el sistema inicial:

Al calcular los porcentajes de error de estos

Este mtodo en general converge mas rpidamente

a11 x1 + a12 x2 + a13 x3 = b1

a31 x1 + a32 x2 + a33 x3 = b3

Al igual que en el mtodo de Jacobi se despejan los

Con lo que se obtienen las frmulas iterativas

El valor de x1 se calcula con los valores asumidos:

El valor de x1 obtenido y x3 = 0 (asumido), se usan

Y finalmente el nuevo valor de x3 sale de los valores

30 ( 5) 29,41176 ( 5) 16,52661 x1( 1) = 29,41176

Para X2 se utiliza el valor de X3 de la primera iteracin

Para X3 se utiliza el valor de X1 y X2 calculados en la

Una vez obtenidos estos resultados, se debe calcular

Continuando con el proceso:

1 29,41176 16,52661 11,80418

Al sustituir estos valores en las ecuaciones originales

Se puede comparar con el sistema inicial:

Al calcular los porcentajes de error de estos

El mtodo de Gauss-Seidel con Relajacin es muy

Este mtodo obtiene un nuevo valor estimado

Mtodo Gauss-Seidel con Relajacin

El valor de x1 se calcula con los valores asumidos de

Despejando para x2 y adicionando los valores ya

Para calcular x2 se usa el valor de x1 obtenido y x3

Mtodo Gauss-Seidel con Relajacin

Despejando para x3 y adicionando los valores

Finalmente el nuevo valor de x3 sale de los valores

Si es necesario reordene las ecuaciones para que el

Mtodo Gauss-Seidel con Relajacin

Verificando el criterio de convergencia:

Para un sistema de 3 x 3 obtenemos:

a11 > a12 + a13

Esto quiere decir que el elemento diagonal debe ser

Por tanto, es necesario reorganizar el sistema de la

Con ello se puede asegurar la convergencia de la

Mtodo Gauss-Seidel con Relajacin

Para calcular el primer valor de X1, se asumirn X2 y

Para calcular el valor de X2, se utilizar solamente el

Para calcular el valor de X3, se utilizar solamente el

Para la segunda iteracin se tienen los valores

Mtodo Gauss-Seidel con Relajacin

Segunda iteracin, trabajando x1:

b1 a12 x 2 a13 x 3 x1 = 0,5

Trabajando anlogamente con x2:

= 0,9 3,89766 + (1 0,9) (6,00000)