Aplicaciones del Mtodo Jacobi

Ejercicio medio (Respuesta)

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

2.0000

0.6000

2.0000

1.4250

1.0000

2.2800

1.3050

0.9705

2.0850

1.3574

0.9390

2.0669

1.3659

0.9424

2.0837

Los errores relativos para cada variable son:

De esta forma se puede asegurar que la aproximacin para

iteracin slo tienen dos cifra significativa exacta.

en la quinta

Mtodo de Jacobi y Gauss-Seidel

Son dos mtodos nmericos, que nos permite hallar soluciones a sistemas con el mismo
nmero de ecuaciones que incognitas.
En los dos mtodos se realiza el siguiente proceso, con una pequea variacin en GaussSeidel
Tenemos estas ecuaciones:
5x-2y+z=3
-x-7y+3z=-2
2x-y+8z=1
1. Despejar cada incgnita en funcin de las dems.
x=(3+2y-z)/5
y=(x-3z-2)/-7
z=(1-2x+y)/8
2. Dar valores iniciales a las incgnitas
x1=0
y1=0
z1=0

Por Jacobi:
Reemplazar en cada ecuacin los valores iniciales, esto nos dar nuevos valores que sern
usados en la prxima iteracin
x=(3+2*0-0)/5=0,60
y=(0-3*0-2)/-7=0,28
z=(1-2x+y)/8=0,12
Por Gauss-Seidel
Reemplazar en cada ecuacin los valores mas prximos hallados.
x=(3+2*0-0)/5=0,6
y=(0,6-3*0-2)/-7=0,2
z=(1-2*0,6+0,2)/8=0
Se realiza cuantas iteraciones se desee, usando como valores iniciales los nuevos valores
hallados. Se puede detener la ejecucin del algoritmo al calcular el error del clculo, el cual
lo podemos hallar con esta frmula: sqr( (x1-x0)^2 + (y1-y0)^2 +(z1-z0)^2 )

Con jacobi

Con Gauss-Seidel

La principal diferencia, es que como el mtodo de gauss_seidel utiliza los valores

inmediatamente encontrados, entonces hace que todo el proceso sea ms rpido, y como
consecuencia hace de ste, un mtodo mas eficaz.
Las frmulas usadas en la hoja de excel para el mtodo de Jacobi son
=(3+2*D5-E5)/5
=(C5-3*E5-2)/-7

=(1-2*C5+D5)/8
=RAIZ((C6-C5)^2 + (D6-D5)^2 + (E6-E5)^2)
Que corresponde a la variable X,Y,Z y Error respectivamente.
Y para el mtodo de Gauss-Seidel:
=(3+2*J5-K5)/5
=(I6-3*K5-2)/-7
=(1-2*I6+J6)/8
=RAIZ((I6-I5)^2 + (J6-J5)^2 + (K6-K5)^2)

METODOS JACOBI Y GAUSS SEIDEL

EJERCICIO:
Resolver por ambos mtodos
JACOBI con precision de 0.001000
Matriz de Coeficientes A
8.000000 4.000000 2.000000
1.000000 4.000000 3.000000
3.000000 1.000000 6.000000
Matriz de Term. Indep. B
-1.000000 6.000000 3.000000
Iteracion 1 -0.125000 1.500000 0.500000
Iteracion 2 -1.000000 1.156250 0.312500
Iteracion 3 -0.781250 1.515625 0.807292
Iteracion 4 -1.084635 1.089844 0.638021
Iteracion 5 -0.829427 1.292643 0.860677
Iteracion 6 -0.986491 1.061849 0.699273
Iteracion 7 -0.830743 1.222168 0.816271
Iteracion 8 -0.940152 1.095483 0.711677
Iteracion 9 -0.850661 1.201280 0.787495
Iteracion 10 -0.922514 1.122044 0.725117
Iteracion 11 -0.867301 1.186791 0.774250
Iteracion 12 -0.911958 1.136138 0.735852
Iteracion 13 -0.877032 1.176100 0.766623
Iteracion 14 -0.904706 1.144291 0.742499
Iteracion 15 -0.882770 1.169302 0.761638
Iteracion 16 -0.900060 1.149464 0.746501
Iteracion 17 -0.886358 1.165139 0.758453
Iteracion 18 -0.897183 1.152750 0.748989
Iteracion 19 -0.888622 1.162554 0.756466
Iteracion 20 -0.895394 1.154806 0.750552
Iteracion 21 -0.890041 1.160934 0.755229
Iteracion 22 -0.894274 1.156088 0.751531
Iteracion 23 -0.890927 1.159920 0.754456
Iteracion 24 -0.893574 1.156890 0.752143
Iteracion 25 -0.891481 1.159286 0.753972
Iteracion 26 -0.893136 1.157391 0.752526
Iteracion 27 -0.891827 1.158889 0.753669
Iteracion 28 -0.892862 1.157705 0.752765
Iteracion 29 -0.892044 1.158642 0.753480
Precision 0.001000
Solucin x:
-0.892044 1.158642 0.753480
Comprobacion:-0.994823 6.002963 3.003392

Gauss Seidel con precision de 0.001000

Matriz de Coeficientes A
8.000000 4.000000 2.000000
1.000000 4.000000 3.000000
3.000000 1.000000 6.000000
Matriz de Term. Indep. B
-1.000000 6.000000 3.000000
Iteracion 1 -0.125000 1.531250 0.307292
Iteracion 2 -0.967448 1.511393 0.731825
Iteracion 3 -1.063653 1.217044 0.828986
Iteracion 4 -0.940769 1.113453 0.784809
Iteracion 5 -0.877929 1.130876 0.750485
Iteracion 6 -0.878059 1.156651 0.746254
Iteracion 7 -0.889889 1.162781 0.751148
Iteracion 8 -0.894178 1.160184 0.753725
Iteracion 9 -0.893523 1.158087 0.753747
Iteracion 10 -0.892480 1.157810 0.753272
Iteracion 11 -0.892223 1.158102 0.753094
Precision 0.001000
Solucin x:
-0.892223 1.158102 0.753094
Comprobacion:-0.999187 5.999468 3.000000

EJERCICIO:
Resolver por Gauss Seidel
Matriz de Coeficientes A
2.000000 20.000000 -2.000000
-2.000000 3.000000 10.000000
10.000000 2.000000 1.000000
Matriz de Term. Indep. B
-44.000000 22.000000 9.000000
Iteracion 1 -22.000000 -7.333333 243.666667
Iteracion 2 295.000000 -608.222222 -1724.555556
Iteracion 3 4335.666667 8646.296296 -60640.25925
No converge, debo condicionar bien la matriz
Matriz de Coeficientes A

10.000000 2.000000 1.000000

2.000000 20.000000 -2.000000
-2.000000 3.000000 10.000000
Matriz de Term. Indep. B
9.000000 -44.000000 22.000000
Iteracion 1 0.900000 -2.290000 3.067000
Iteracion 2 1.051300 -1.998430 3.009789
Iteracion 3 0.998707 -1.998892 2.999409
Iteracion 4 0.999837 -2.000043 2.999980
Iteracion 5 1.000011 -2.000003 3.000003
Iteracion 6 1.000000 -2.000000 3.000000
Iteracion 7 1.000000 -2.000000 3.000000
Precision 0.000010
Solucin x:
1.000000 -2.000000 3.000000
Comprobacion:8.999999 -44.000000 22.000000