AIM Quiz

http://localhost:2611/aimyork/Alice

Sistemas lineales
Question 1

Top 1 Bottom Focus Help

Calcular el vector x(k) de la iteracin k-sima cuando k=5 si se utiliza el mtodo de Gauss-Seidel en la resolucin del sistema:

x1
x2
x3

3 2 0
1 7 0
0 1 4

22
15 ,
9

1
tomando x(0) = 1
1

que tiene como solucin el vector x = [8,1,2] T. Calcular en cada iteracin k el valor de la estimacin del error absoluto ||e (k)|| = ||
x(k) x(k1) || y tambin del error relativo || x(k) x(k1) || / || x(k) || . Dar los resultados con cuatro decimales exactos.
You have not attempted this yet
The teacher's answer was:

8 1 2 0.0

Solution:
A continuacin aparece el ejercicio resuelto por los diferentes mtodos, unas 20 iteraciones con cada mtodo. Las diferencias en la
velocidad de convergencia pueden ser importantes.
En el caso de Jacobi, la componente i-sima de la iteracin (k+1)-sima se obtiene utilizando la frmula:
xi

(k+1)

1
=

aii

i1

bi

(1)

para cada componente i = 1, 2, ... , n de cada iteracin x

aijxj(k)

j=1
(2)

,x

aijxj(k)

j=i+1

, ..., cuando k = 0, 1, 2, ....

JACOBI
x(k)

Iter.
k
0

1 de 4

x1

(k)

x2

(k)

Estimacin errores
x3

(k)

|| e

(k)

||

8.000000000 2.000000000 2.000000000 7.000000000

8.666666667 1.000000000 1.750000000 1.000000000

8.000000000 .9047619047 2.000000000

.666666667

|| e (k) || / || x(k) ||
0
.8750000000
.1153846154
.8333333338e-1

7.936507937 1.000000000 2.023809524 .952380953e-1

.1200000001e-1

8.000000000 1.009070295 2.000000000 .63492063e-1

.7936507875e-2

8.006046863 1.000000000 1.997732426

.9070295e-2

.1132930541e-2

8.000000000 .9991361624 2.000000000

.6046863e-2

.7558578750e-3

7.999424107 1.000000000 2.000215960

.8638376e-3

.1079874737e-3

8.000000000 1.000082270 2.000000000

.575893e-3

.7198662500e-4

10 8.000054847 1.000000000 1.999979432

.82270e-4

.1028367950e-4

11 8.000000000 .9999921647 2.000000000

.54847e-4

.6855875000e-5

12 7.999994777 1.000000000 2.000001959

.78353e-5

.9794131394e-6

13 8.000000000 1.000000746 2.000000000

.5223e-5

.6528750000e-6

14 8.000000497 1.000000000 1.999999814

.746e-6

.9324999421e-7

15 8.000000000 .9999999290 2.000000000

.497e-6

.6212500000e-7

16 7.999999953 1.000000000 2.000000018

.710e-7

.8875000052e-8

17 8.000000000 1.000000007 2.000000000

.47e-7

.5875000000e-8

18 8.000000003 1.000000000 1.999999998

.7e-8

.8749999997e-9

19 8.000000000 .9999999996 2.000000000

.3e-8

.3750000000e-9

07/20/2010 09:52 PM

AIM Quiz

http://localhost:2611/aimyork/Alice

20 8.000000000 1.000000000 2.000000000

.4e-9

.5000000000e-10

Para Gauss-Seidel, la componente i-sima de la iteracin (k+1)-sima se calcula como:

xi

(k+1)

1
=

aii

i1

bi

(1)

para cada componente i = 1, 2, ... , n de cada iteracin x

calculadas en la obtencin de las siguientes.

aijxj(k+1)

j=1
(2)

,x

aijxj(k)

j=i+1

, ..., cuando k = 0, 1, 2, .... Se utilizan las ltimas componentes

GAUSS-SEIDEL
(k)

Iter.

Estimacin errores

x1(k)

x2(k)

x3(k)

|| e (k) ||

|| e (k) || / || x(k) ||

8.000000000 1.000000000 2.000000000 7.000000000

8.000000000 1.000000000 2.000000000

0.

.8750000000
0.

8.000000000 1.000000000 2.000000000

0.

0.

8.000000000 1.000000000 2.000000000

0.

0.

8.000000000 1.000000000 2.000000000

0.

0.

8.000000000 1.000000000 2.000000000

0.

0.

8.000000000 1.000000000 2.000000000

0.

0.

8.000000000 1.000000000 2.000000000

0.

0.

8.000000000 1.000000000 2.000000000

0.

0.

10 8.000000000 1.000000000 2.000000000

0.

0.

11 8.000000000 1.000000000 2.000000000

0.

0.

12 8.000000000 1.000000000 2.000000000

0.

0.

13 8.000000000 1.000000000 2.000000000

0.

0.

14 8.000000000 1.000000000 2.000000000

0.

0.

15 8.000000000 1.000000000 2.000000000

0.

0.

16 8.000000000 1.000000000 2.000000000

0.

0.

17 8.000000000 1.000000000 2.000000000

0.

0.

18 8.000000000 1.000000000 2.000000000

0.

0.

19 8.000000000 1.000000000 2.000000000

0.

0.

20 8.000000000 1.000000000 2.000000000

0.

0.

El mtodo SOR (Successive Overrelaxation) pretende ser una aceleracin del mtodo de Gauss-Seidel. Introduce un parmetro
de aceleracin o relajacin para realizar una media ponderada de la iteracin anterior y la actual con Gauss-Seidel. Si = 1 es el
mtodo de Gauss-Seidel. En SOR, la componente i-sima de la iteracin (k+1)-sima es por tanto:
xi (k+1) = z i (k+1) + (1 ) xi (k)
para cada componente i = 1, 2, ... , n de cada iteracin x(1), x(2), ..., cuando k = 0, 1, 2, .... El valor z i (k+1) es la i-sima
componente del vector de la (k+1)-sima iteracin calculada por Gauss-Seidel a partir del vector actual x(k+1).
SOR, =.9
(k)

Iter.
k
0
1

2 de 4

Estimacin errores

x
x1

(k)

x2

(k)

x3

(k)

|| e

(k)

||

7.300000000 1.090000000 1.879750000 6.300000000

|| e (k) || / || x(k) ||
0
.8630136986

7.984000000 1.011057143 1.985487143 .684000000

.8567134269e-1

8.005034287 1.000458449 1.998445563 .21034287e-1

.2627632343e-2
.5319217374e-3

8.000778499 .9999457522 1.999856762 .4255788e-2

8.000045300 .9999887509 1.999988207

.733199e-3

.9164935604e-4

7.999997780 .9999991605 1.999999010

.47520e-4

.5940001648e-5

07/20/2010 09:52 PM

AIM Quiz

http://localhost:2611/aimyork/Alice

7.999999275 1.000000009 1.999999899

.1495e-5

7.999999934 1.000000009 1.999999988

.659e-6

.1868750169e-6
.8237500068e-7

8.000000000 1.000000001 1.999999999

.66e-7

.8250000000e-8

10 8.000000000 1.000000000 2.000000000

.1e-8

.1250000000e-9

11 8.000000000 1.000000000 2.000000000

0.

0.

12 8.000000000 1.000000000 2.000000000

0.

0.

13 8.000000000 1.000000000 2.000000000

0.

0.

14 8.000000000 1.000000000 2.000000000

0.

0.

15 8.000000000 1.000000000 2.000000000

0.

0.

16 8.000000000 1.000000000 2.000000000

0.

0.

17 8.000000000 1.000000000 2.000000000

0.

0.

18 8.000000000 1.000000000 2.000000000

0.

0.

19 8.000000000 1.000000000 2.000000000

0.

0.

20 8.000000000 1.000000000 2.000000000

0.

0.

SOR, =1.1
x(k)

Iter.
k
0

x1

(k)

x2

(k)

Estimacin errores
x3

(k)

|| e

(k)

||

|| e (k) || / || x(k) ||
0

8.700000000 .8900000000 2.130250000 7.700000000

.8850574713

7.849333333 1.034676191 1.977439048 .850666667

.1083743843

8.040495874 .9901687439 2.004959691 .191162541

.2377496911e-1

7.988740826 1.002752425 1.998747114 .51755048e-1

.6478498818e-2

8.003144364 .9992306435 2.000336862 .14403538e-1

.1799734872e-2

7.999121371 1.000215006 1.999907187 .4022993e-2

.5029293610e-3

8.000245533 .9999399154 2.000025805 .1124162e-2

.1405159373e-3

7.999931384 1.000016791 1.999992802

.314149e-3

.3926896181e-4

8.000019175 .9999953079 2.000002010

.87791e-4

.1097384870e-4

10 7.999994642 1.000001311 1.999999439

.24533e-4

.3066627054e-5

11 8.000001496 .9999996339 2.000000157

.6854e-5

.8567498398e-6

12 7.999999583 1.000000103 1.999999956

.1913e-5

.2391250125e-6

13 8.000000119 .9999999707 2.000000012

.536e-6

.6699999900e-7

14 7.999999965 1.000000008 1.999999997

.154e-6

.1925000008e-7

15 8.000000010 .9999999972 2.000000001

.45e-7

.5624999993e-8

16 7.999999996 1.000000001 2.000000000

.14e-7

.1750000001e-8

17 8.000000000 .9999999999 2.000000000

.4e-8

.5000000000e-9

18 8.000000000 1.000000000 2.000000000

.1e-9

.1250000000e-10

19 8.000000000 1.000000000 2.000000000

0.

0.

20 8.000000000 1.000000000 2.000000000

0.

0.

(cc) Jess Garca Quesada 2010

Mark summary:
Question Value Your mark

3 de 4

07/20/2010 09:52 PM