Metodos Gauss JordanSiedel
Metodos Gauss JordanSiedel
Metodos Gauss JordanSiedel
Tarea 02
Métodos de Gauss-Jordan y Gauss-Siedel
Análisis Numéricos
Grupo: 4CV5
MÉTODO DE GAUSS-JORDAN
Después, como se ve en la matriz identidad, hay que hacer 0 toda la columna debajo del 1, y
se hace multiplicando por algo la fila de arriba y sumándola a la fila de abajo.
En este caso, se multiplica por -4 la fila de arriba y se suma con la correspondiente
posición de la fila de abajo:
Para hacer cero el siguiente renglón simplemente hay que multiplicar por –1 al primer
renglón sumarlo al tercero:
El siguiente paso para lograr una matriz identidad es obtener el siguiente 1, que en este
caso iría en donde está el 5 en la segunda fila. Para lograrlo hay que dividir toda la
segunda fila entre 5:
Después se tienen que hacer 0 los que están arriba y abajo del 1, que en este caso sería, para
el que esta arriba R2+R1:
Ahora hay que hacer cero la posición a12. En este caso con hacer R2+R1 es suficiente:
Ahora necesitamos ceros en las posiciones a13 y a23. Dividir entre ⅓ R3 y sumarlo a R1 nos
permitirá encontrar uno de ellos:
MÉTODO DE GAUSS-SEIDEL
El método de eliminación para resolver ecuaciones simultáneas suministra soluciones
suficientemente precisas hasta para 15 o 20 ecuaciones. El número exacto depende de las
ecuaciones de que se trate, del número de dígitos que se conservan en el resultado de las
operaciones aritméticas, y del procedimiento de redondeo. Utilizando ecuaciones de error, el
número de ecuaciones que se pueden manejar se puede incrementar considerablemente a
más de 15 o 20, pero este método también es impráctico cuando se presentan, por ejemplo,
cientos de ecuaciones que se deben resolver simultáneamente. El método de inversión de
matrices tiene limitaciones similares cuando se trabaja con números muy grandes de
ecuaciones simultáneas.
Sin embargo, existen varias técnicas que se pueden utilizar, para resolver grandes números de
ecuaciones simultáneas. Una de las técnicas más útiles es el método de Gauss-Seidel.
Ninguno de los procedimientos alternos es totalmente satisfactorio, y el método de Gauss-
Seidel tiene la desventaja de que no siempre converge a una solución o de que a veces
converge muy lentamente. Sin embargo, este método convergirá siempre a una solución
cuando la magnitud del coeficiente de una incógnita diferente en cada ecuación del conjunto,
sea suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa
ecuación.
Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a los otros para
asegurar la convergencia y es aún más difícil predecir la velocidad de la convergencia para
alguna combinación de valores de los coeficientes cuando esa convergencia existe. No
obstante, cuando el valor absoluto del coeficiente dominante para una incógnita diferente para
cada ecuación es mayor que la suma de los valores absolutos de los otros coeficientes de esa
ecuación, la convergencia está asegurada. Ese conjunto de ecuaciones simultáneas lineales
se conoce como sistema diagonal.
Un sistema diagonal es condición suficiente para asegurar la convergencia pero no es
condición necesaria. Afortunadamente, las ecuaciones simultáneas lineales que se derivan de
muchos problemas de ingeniería, son del tipo en el cual existen siempre coeficientes
dominantes.
La secuencia de pasos que constituyen el método de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incógnita que aparezca en el conjunto. Si es posible hacer
una hipótesis razonable de éstos valores, hacerla. Si no, se pueden asignar valores
seleccionados arbitrariamente. Los valores iniciales utilizados no afectarán la convergencia
como tal, pero afectarán el número de iteraciones requeridas para dicha convergencia.
2. Partiendo de la primera ecuación, determinar un nuevo valor para la incógnita que tiene el
coeficiente más grande en esa ecuación, utilizando para las otras incógnitas los valores
supuestos.
3. Pasar a la segunda ecuación y determinar en ella el valor de la incógnita que tiene el
coeficiente más grande en esa ecuación, utilizando el valor calculado para la incógnita del
paso 2 y los valores supuestos para las incógnitas restantes.
4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la
incógnita que tiene el coeficniente más grande en cada ecuación particular, y utilizando
siempre los últimos valores calculados para las otras incógnitas de la ecuación. (Durante la
primera iteración, se deben utilizar los valores supuestos para las incógnitas hasta que se
obtenga un valor calculado). Cuando la ecuación final ha sido resuelta, proporcionando un
valor para la única incógnita, se dice que se ha completado una iteración.
5. Continuar iterando hasta que el valor de cada incógnita, determinado en una iteración
particular, difiera del valor obtenido en la iteración previa, en una cantidad menor que cierto
seleccionado arbitrariamente. El procedimiento queda entonces completo.
Refiriéndonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor será la
precisión de la solución. Sin embargo, la magnitud del epsilon no especifica el error que puede
existir en los valores obtenidos para las incógnitas, ya que ésta es una función de la velocidad
de convergencia. Mientras mayor sea la velocidad de convergencia, mayor será la precisión
obtenida en los valores de las incógnitas para un dado.
EJEMPLO
Entonces tomamos los valores calculados en la última iteración y se toman como supuestos
para la siguiente iteración. Se repite entonces el proceso:
X1 = 3.0
X2 = -2.5
X3 = 7.0
Como se puede comprobar no se tiene un número exacto de iteraciones para encontrar una
solución. En este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan más
iteraciones.
Se deja de investigación al alumno alguna forma que haga que este método converga más
rápidamente.
Conclusiones
Referencias
Borras, H., Duran, R., y Iriarte, R. (1984). Apuntes de métodos numéricos (F. de Ingeniería
UNAM, Ed.).
Burden, R., y Faires, D. (2011). Análisis numérico (C.
Learning, Ed.). Garc´ıa B., S. (2017). Métodos Numéricos
Gerald, C., y Wheatley, P. (2000). Análisis numérico con aplicaciones (P. Hall, Ed.).