I NTRODUCCI ON

En estos mtodos se utiliza la convergencia es decir en ecuaciones lineales de

mtodos interactivos, para cual decimos que cada mtodo tiene su propia matriz
interactiva, forma matricial y su convergencia, para seidel, jacobi y sor. Pero el
que converge ms rpido es sor y luego seidel; en este tipos de mtodos se
aprende quien es ms exacto probando as mismo con el programa
matlamb.Estos mtodos nos llevan a conocer ms sobre los mtodos de
interactivas ms exactos.










Mtodo de Gauss-Seidel
Este mtodo en general converge ms rpidamente que el mtodo de Jacobi, sin
embargo presenta las mismas debilidades del mtodo de Jacobi.
El mtodo de Gauss-Sheidel supone que una mejor aproximacin a la solucin se
obtiene sustituyendo los valores parciales obtenidos, lo cual se puede comprobar
en la prctica.
Utilizando las ecuaciones vistas en (3)
1 3 13 2 12 1 11
b x a x a x a = + +

2 3 23 2 22 1 21
b x a x a x a = + +
3 3 33 2 32 1 31
b x a x a x a = + + (3)

FORMA MATRICIAL:
[

1 11
x a
2 12
x a
3 13
x a
1 21
x a
2 22
x a
3 23
x a
1 31
x a
2 32
x a
3 33
x a
]

=
[

1
b
2
b
3
b
]

CONVERGENCIA:
El mtodo Gauss-Seidel, al igual que la tcnica de iteracin de punto fijo, puede
tambin presentar dos problemas fundamentales: 1. en algunas ocasiones no es
convergente. 2. Cuando converge, con frecuencia lo hace en forma muy lenta.
El criterio de convergencia se puede desarrollar al recordar que las condiciones
suficientes para la convergencia de dos ecuaciones no lineales u(x, y) y v(x, y),
son:
1 <
c
c
+
c
c
x
v
x
u
, y consecuentemente 1 <
c
c
+
c
c
y
v
y
u

En consecuencia, si el valor absoluto de g(x) <1, entonces los errores disminuyen
con cada iteracin. Si el valor absoluto de g(x) > 1, los errores crecen. Tambin se
debe tener en cuenta que si la derivada es positiva, los errores sern positivos;
por otra parte si la derivada es negativa, entonces los errores oscilaran.
Este criterio de convergencia se aplica tambin a las ecuaciones lineales que se
resuelven con el mtodo de Gauss-Sheidel. Por tanto, al aplicar este criterio sobre
las ecuaciones de Gauss-Sheidel y evaluando con respecto a cada una de las
incgnitas, obtenemos la expresin siguiente:
1
22
21
<
a
a
, e igualmente 1
11
12
<
a
a

En otras palabras, el valor absoluto de las pendientes en la ecuacin, deben ser
menor que la unidad para asegurar la convergencia. Adicionalmente podemos
reformular la ecuacin anterior de la siguiente forma:
21 22
a a > , e igualmente
12 11
a a >
Esto es, el elemento diagonal debe ser mayor que el elemento fuera de la diagonal
para cada regln de ecuaciones. La generalizacin del criterio anterior para un
sistema de n ecuaciones, es directa y puede ser expresada como:

=
>
n
j
j i ii
a a
1
,

Y despejando para x
1
, x
2
y x
3
de las ecuaciones (6) y adicionando los valores ya
obtenidos, esta se puede expresar como:
11
) (
3 13
) (
2 12 1
) 1 (
1
a
x a x a b
x
k k
k

=
+

22
) (
3 23
) 1 (
1 21 2
) 1 (
2
a
x a x a b
x
k k
k

=
+
+

33
) 1 (
2 32
) 1 (
1 31 3
) 1 (
3
a
x a x a b
x
k k
k
+ +
+

= (7)

Comparando las ecuaciones (4) y (7) se observa que el valor de x
1
no se asume
sino se calcula con los valores asumidos de x
2
y x
3
.
Posteriormente el valor de x
1
obtenido y x
3
asumido, se usan para calcular x
2
.
Finalmente el nuevo valor de x
3
es el resultado de los valores calculados x
1
y x
2
.

La ecuacin iterativa de este mtodo nos lleva a:


|
|
.
|

\
|
=

+ =

=

) 1 (
1
,
) (
1
1
, i
ii
(k)
i
- - b
a
1

k
j
n
i j
j i
k
j
i
j
j i
x a x a x (8)


3 3 33 2 32 1 31
b x a x a x a = + + (3)
Y despejando para x
1
, x
2
y x
3
de las ecuaciones (6) y adicionando los valores ya
obtenidos, esta se puede expresar como:
11
) (
3 13
) (
2 12 1
) 1 (
1
a
x a x a b
x
k k
k

=
+

22
) (
3 23
) 1 (
1 21 2
) 1 (
2
a
x a x a b
x
k k
k

=
+
+

33
) 1 (
2 32
) 1 (
1 31 3
) 1 (
3
a
x a x a b
x
k k
k
+ +
+

= (7)

Comparando las ecuaciones (4) y (7) se observa que el valor de x
1
no se asume
sino se calcula con los valores asumidos de x
2
y x
3
.
Posteriormente el valor de x
1
obtenido y x
3
asumido, se usan para calcular x
2
.
Finalmente el nuevo valor de x
3
es el resultado de los valores calculados x
1
y x
2
.

La ecuacin iterativa de este mtodo nos lleva a:


|
|
.
|

\
|
=

+ =

=

) 1 (
1
,
) (
1
1
, i
ii
(k)
i
- - b
a
1

k
j
n
i j
j i
k
j
i
j
j i
x a x a x (8)



EJERCICIO N 01:
Resolver el siguiente sistema de tres ecuaciones por el Mtodo de Gauss-Seidel:
17 X
1
2 X
2
3 X
3
= 500
-5 X
1
+ 21 X
2
2 X
3
= 200
-5 X
1
5 X
2
+ 22 X
3
= 30
Resuelva este problema para un c
a
= 5%
Si lo pasamos al formato de una matriz y su vector de resultados, obtenemos lo
siguiente:
Las siguientes frmulas las utilizamos para encontrar X
1
, X
2
y X
3
en cada una de
las iteraciones.

11
3 13 2 12 1
1
a
x a x a b
x

=

(
(
(

30
200
500
22 5 5
2 21 5
3 2 17
3
2
1
x
x
x
22
3 23 1 21 2
2
a
x a x a b
x

=
33
2 32 1 31 3
3
a
x a x a b
x

=
Para calcular el primer valor de X
1
, se asumirn X
2
y X
3
con valores cero.
Entonces para X
1
,
( ) ( )
( ) ( )
41176 , 29
17
0 3 0 2 500
17
3 2 500
1
1
3 2
1
11
3 13 2 12 1
1
=

=

=

=
x
x
x x
x
a
x a x a b
x


Para calcular el valor de X
2
, se utilizar el valor encontrado de X
1
y el valor de X
3

se asumir como cero.
( ) ( )
( ) ( )
52661 , 16
21
0 2 41176 , 29 5 200
21
2 5 200
2
2
3 1
2
22
3 23 1 21 2
2
=

=

=

=
x
x
x x
x
a
x a x a b
x

Para calcular el valor de X
3
, se utilizar el valor encontrado de X
1
y X
2
en los
pasos anteriores.
( ) ( )
( ) ( )
80418 , 11
22
52661 , 16 5 41176 , 29 5 30
22
5 5 30
3
3
2 1
3
33
2 32 1 31 3
3
=

=

=

=
x
x
x x
x
a
x a x a b
x

Entonces en la primera iteracin
Para la segunda iteracin, en el clculo de X
1
el valor de X
2
y X
3
sern los
calculados anteriormente. Entonces para X
1
,
( ) ( )
( ) ( )
43916 , 33
17
80418 , 11 3 52661 , 16 2 500
17
3 2 500
1
1
3 2
1
11
3 13 2 12 1
1
=

=

=

=
x
x
x x
x
a
x a x a b
x

Para X
2
se utiliza el valor de X
3
de la primera iteracin y el de X
1
de la segunda
iteracin,
( ) ( )
( ) ( )
60972 , 18
21
80418 , 11 2 43916 , 33 5 200
21
2 5 200
2
2
3 1
2
22
3 23 1 21 2
2
=

=

=

=
x
x
x x
x
a
x a x a b
x

para X
3
se utiliza el valor de X
1
y X
2
calculados en la segunda iteracin,
80418 , 11
52661 , 16
41176 , 29
3
2
1
=
=
=
x
x
x
( ) ( )
( ) ( )
19293 , 13
22
60972 , 18 5 43916 , 33 5 30
22
5 5 30
3
3
2 1
3
33
2 32 1 31 3
3
=

=

=

=
x
x
x x
x
a
x a x a b
x

Entonces en la segunda iteracin
19293 , 13
60972 , 18
43916 , 33
3
2
1
=
=
=
x
x
x

Una vez obtenidos estos resultados, se debe calcular el error aproximado
porcentual para cada uno de los resultados, para ello utilizamos la siguiente
frmula:
Para X
1
,Para X
2
,
% 100

=
nuevo
r
anterior
r
nuevo
r
a
x
x x
c
% 5 % 04 , 12
% 100
43916 , 33
41176 , 29 43916 , 33
% 100
1
1
1
1 1
1
> =

=
ax
ax
nuevo
anterior nuevo
ax
x
x x
c
c
c
% 5 % 194 , 11
% 100
60972 , 18
52661 , 16 60972 , 18
% 100
2
2
2
2 2
2
> =

=
ax
ax
nuevo
anterior nuevo
ax
x
x x
c
c
c
Para X
3
,

Dado que en las tres incgnitas el error aproximado porcentual es mayor a un 5%
se debe hacer una nueva iteracin. Se contina realizando el mismo
procedimiento con los nuevos valores de X obtenidos hasta que los errores
aproximados porcentuales en las tres incgnitas sean menores que el 5%.
El resultado de estas iteraciones siguiendo el mismo procedimiento, se presenta
en la tabla 6
Tabla: Resultados de las iteraciones por el mtodo de Gauss_Sheidel
del ejemplo 2 (ejercicio 11.7 pp. 320)
Iteraci
n
x
1
x
2
x
3
c
a
x
1
c
a
x
2
c
a
x
3

0 0,00000
1
29,4117
6
16,5266
1
11,8041
8
2
33,4391
6
18,6097
2
13,1929
3
12,044
%
11,194
%
10,526
%
3
33,9293
1
18,8586
9
13,3609
1 1,445% 1,320% 1,257%

% 5 % 526 , 10
% 100
19293 , 13
80418 , 11 19293 , 13
% 100
3
3
3
3 3
3
> =

=
ax
ax
nuevo
anterior nuevo
ax
x
x x
c
c
c
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 tercera
iteracin. Por lo tanto los resultados aproximados que cumplen con la condicin
establecida son:
36091 , 13
85869 , 18
92931 , 33
3
2
1
=
=
=
x
x
x

Si sustituimos estos valores en las ecuaciones originales para verificar los
resultados obtenemos que:
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
Al calcular los porcentajes de error de estos resultados se obtiene lo siguiente:
0,00% % 100
30
30 - 30
Error
0,17% % 100
200
199,66404 - 200
Error
0,20% % 100
500
498,99813 - 500
Error
EC3
EC2
EC1
= =
= =
= =


De acuerdo con estos datos se puede observar que los resultados obtenidos son
una aproximacin muy buena de los valores verdaderos.

METODO DE GAUSS JACOBI
En anlisis numrico el mtodo de Jacobi es un mtodo iterativo, usado para
resolver sistemas de ecuaciones lineales del tipo AX=b El algoritmo toma su
nombre del matemtico alemn Carl Gustav Jakob Jacobi. El mtodo de Jacobi
consiste en usar frmulas como iteracin de punto fijo.
FORMA MATRICIAL:

La sucesin se construye descomponiendo la matriz del sistema en la forma
siguiente:

Donde
, es una matriz diagonal.
, es una matriz triangular inferior.
, es una matriz triangular superior.
Partiendo de , podemos reescribir dicha ecuacin como:

Luego,

Si a
ii
0 para cada i. Por la regla iterativa, la definicin del Mtodo de Jacobi
puede ser expresado de la forma:

Donde es el contador de iteracin, Finalmente tenemos:
FORMA INTERACTIVA:

Cabe destacar que al calcular x
i
(k+1)
se necesitan todos los elementos en x
(k)
,
excepto el que tenga el mismo i. Por eso, al contrario que en el mtodo
Gauss-Seidel, no se puede sobre escribir x
i
(k)
con x
i
(k+1)
, ya que su valor ser
necesario para el resto de los clculos. Esta es la diferencia ms significativa
entre los mtodos de Jacobi y Gauss-Seidel .La cantidad mnima de
almacenamiento es de dos vectores de dimensin n, y ser necesario
realizar un copiado explcito.
CONVERGENCIA:


Es la condicin necesaria y suficiente para la convergencia, siendo R = L + U. No
es necesario que los elementos de la diagonal en la matriz sean mayores (en
magnitud) que los otros elementos (la matriz es diagonalmente dominante), pero
en el caso de serlo, la matriz converge.

EJERCICIOS N 02:
1. Con el mtodo de Jacobi aproxima la solucin del siguiente sistema de
ecuaciones lineales, con 5 iteraciones y determina la cantidad de cifras
significativas exactas de la quinta iteracin. Utiliza como iteracin inicial
.

Nota: Para los clculos utiliza hasta 4 cifras despus del punto decimal.
Solucin
Primeramente notamos que la matriz de coeficientes del sistema s es
diagonalmente dominante. Por lo tanto, podemos emplear la frmula
recursiva del mtodo de Jacobi, obteniendo:

Para la primera iteracin consideraremos , de
donde:

Para la segunda iteracin utilizamos los valores de la primera iteracin:

Similarmente para las otras tres iteraciones resulta la tabla de
aproximaciones:
Iteracin

0 0.0000 0.0000 0.0000
1 2.0000 0.6000 2.0000
2 1.4250 1.0000 2.2800
3 1.3050 0.9705 2.0850
4 1.3574 0.9390 2.0669
5 1.3659 0.9424 2.0837
Los errores relativos para cada variable son:
,
,

De esta forma se puede asegurar que la aproximacin para , y en la
quinta iteracin slo tienen dos cifras significativas exactas.

METODO DE SOR:
Este mtodo, tambin llamado sobre-relajacin sucesivo.
Supongamos que escogemos la matriz Q como QSOR = 1
D C , donde R, _= 0, es
Un parmetro, D es una matriz simtrico, positiva definida y C satisface C + CT =
D A,
Tenemos entonces el mtodo sor es un metodo para acelerar la convergencia

- Pude ser escrita como sigue:
























CONVERGENCIA:
Este mtodo surge con el fin de acelerar la convergencia del mtodo de Gauss-
Sheidel y para ello se introduce el parmetro para relajar la recurrencia
en cada iteracin.
Su expresin general tiene la forma:

En este caso y , cuando
equivale al mtodo de Gauss-Seidel.
De manera general estos mtodos estacionarios convergen cuando la matriz del
sistema es de diagonal dominante y lo hacen lentamente.

FORMA MATRICIAL DE JACOBI, SEIDEL Y SOR
2 0 < <e
( )
) 1 (
1
1 1
) 1 ( ) ( ) (
1 ) ( ) (

= + =

+ |
.
|

\
|
+ + =

m
i i
i
j
n
i j
m
j ij
m
j ij
m
i
x c x b x b x e e ( ) 7 . 2
( ) ( ) ( ) F D E D B e e e + =

1
1
b E D c
1
) (

+ = e e
1 = e











EJERCICIOS:





REFERENCIAS BIBLIOGRAFICAS
Steven C. Chapra , Mtodos numricos para ingenieros, mtodos
Interactivos, matrices especiales y el mtodo de gauss seidel,
impreso en Mxico sexta edicin editor Ana Delgado
Rodrguez, pg. 275-283