Taller de Iteracin

Oscar Alberto Salamanca Chacn 20133614021

Para la solucin de la matriz, se utilizaron los mtodos de Jacobi y Gauss-Seidel, los cuales
parten de una estimacin inicial, que llega a un valor convergente por medio de iteraciones. El
cdigo fue programado en Matlab como se observa a continuacin:
clc
clear all
A= xlsread('Matriz_Oscar.xlsx','Hoja1','B2:W23');
b=xlsread('Matriz_Oscar.xlsx','Hoja1','Y2:Y23');

% Metodo Gauss
x=rand(22,1)
n=size(x,1);
normVal=Inf;
tol=10e-10;
GaussItr=0;
plotGauss=[];
while normVal>tol
x_old=x;
for i=1:n
sigma=0;
for j=1:i-1
sigma=sigma+A(i,j)*x(j);
end
for j=i+1:n
sigma=sigma+A(i,j)*x_old(j);
end
x(i)=(1/A(i,i))*(b(i)-sigma);
end
GaussItr=GaussItr+1;
normVal=norm(x_old-x);
plotGauss=[plotGauss;normVal];
end
fprintf('Solution of the system is : \n%f\n%f\n%f\n%f\n%f in %d
iterations',x,GaussItr);

% Metodo Jacobi
x=rand(22,1)
n=size(x,1);
normVal=Inf;
JacobItr=0;
plotJacobi=[];
while normVal>tol
xold=x;
for i=1:n
sigma=0;
for j=1:n
if j~=i
sigma=sigma+A(i,j)*x(j);
end

end
x(i)=(1/A(i,i))*(b(i)-sigma);
end
Taller de Iteracin
Oscar Alberto Salamanca Chacn 20133614021

JacobItr=JacobItr+1;
normVal=norm(xold-x);
plotJacobi=[plotJacobi;normVal];
end
fprintf('Solution of the system is : \n%f\n%f\n%f\n%f\n%f in %d
iterations',x,JacobItr);

%Comparacin entre los mtodos

figure
hold on
plot(10:1000:GaussItr,plotGauss(10:1000:GaussItr),'LineWidth',2)
plot(10:1000:JacobItr,plotJacobi(10:1000:JacobItr),'LineWidth',2)
text(GaussItr,0.2,'Gauss Seidel')
text(JacobItr,0.2,'Jacobi Method')
legend('Gauss Seidel Method','Jacobi Method')
ylabel('Error Value')
xlabel('Number of iterations')
title('Gauss Seidel Method Vs Jacobi Method')
hold off
MGaussItr=GaussItr
PJacobiItr=JacobItr

En el cdigo anterior la matriz A se toma desde el archivo de Excel, al igual que el vector de
fuerzas, contenido en la misma carpeta que el cdigo.m, con la finalidad de evitar introducir
manualmente la matriz ya que son 484 datos que deben ser ingresados. El cdigo est dispuesto
para nicamente ser escrito y solucionar por ambos mtodos la matriz, adems de que
posteriormente mostrar una grfica de comparacin que tiene en cuenta el porcentaje de error y
el nmero de iteraciones para cada mtodo como aparece en la grfica 1.

Grfica 1. Comparacin del mtodo jacobi Vs Gauss

Taller de Iteracin
Oscar Alberto Salamanca Chacn 20133614021

En la grafic anterior se puede observar que el mtodo Jacobi converge mucho ms rpido que el
mtodo Gauss-Seidel, y aunque los datos del mtodo gauss son ms precisos la diferencia es casi
inapreciable; El tiempo de convergencia del cdigo es de 28,5 segundos con un total de 12617
iteraciones corridas en 8 ncleos, donde 6678 son para el mtodo Gauss y 5939 son para el mtodo
jacobi.

En la tabla 1 se observa el error para cada uno de los mtodos, comparados con los datos de Excel,
donde se puede evidenciar una alta precisin ya que los errores no superan el 0,000001%.

Resultados Gauss Jacobi

Excel Gauss-seidel Jacobi Error Absoluto Error Relativo Error Absoluto Error relativo
U3 -0,002944854 -0,002944858 -0,002944858 -4,56097E-09 -0,000154879 -4,56441E-09 -0,000154996
U4 0,001340964 0,001340953 0,001340953 1,13924E-08 0,000849565 1,1401E-08 0,000850206
U5 -0,005889708 -0,005889717 -0,005889717 -9,10205E-09 -0,000154542 -9,10892E-09 -0,000154658
U6 0,009729896 0,009729896 0,009729896 -5,04942E-10 -5,18959E-06 -5,05323E-10 -5,1935E-06
U7 -0,010136502 -0,010136519 -0,010136519 -1,72027E-08 -0,00016971 -1,72157E-08 -0,000169838
U8 0,025848793 0,02584882 0,02584882 -2,65805E-08 -0,000102831 -2,66005E-08 -0,000102908
U9 -0,014383296 -0,014383321 -0,014383321 -2,52482E-08 -0,000175538 -2,52672E-08 -0,00017567
U10 0,072857391 0,072857504 0,072857504 -1,12722E-07 -0,000154716 -1,12807E-07 -0,000154833
U11 -0,014107797 -0,014107822 -0,014107822 -2,52924E-08 -0,00017928 -2,53115E-08 -0,000179415
U12 0,119175675 0,119175886 0,119175886 -2,11486E-07 -0,000177458 -2,11646E-07 -0,000177592
U13 0,002638268 0,002638279 0,002638279 -1,04536E-08 -0,000396229 -1,04615E-08 -0,000396528
U14 0,161040837 0,161041138 0,161041138 -3,00851E-07 -0,000186817 -3,01078E-07 -0,000186958
U15 0,002638268 0,002638279 0,002638279 -1,02208E-08 -0,000387405 -1,02285E-08 -0,000387697
U16 0,118992235 0,118992446 0,118992446 -2,10995E-07 -0,000177318 -2,11154E-07 -0,000177452
U17 0,001491772 0,001491778 0,001491778 -6,75206E-09 -0,00045262 -6,75715E-09 -0,000452962
U18 0,072857391 0,072857504 0,072857504 -1,12722E-07 -0,000154716 -1,12807E-07 -0,000154833
U19 0,000345275 0,000345278 0,000345278 -3,27617E-09 -0,000948859 -3,27864E-09 -0,000949575
U20 0,025492105 0,025492132 0,025492132 -2,65225E-08 -0,000104042 -2,65425E-08 -0,000104121
U21 -0,000903482 -0,000903481 -0,000903481 6,41276E-10 7,09783E-05 6,4176E-10 7,10319E-05
U22 0,009146993 0,009146993 0,009146993 -4,29245E-10 -4,69274E-06 -4,29568E-10 -4,69628E-06
U23 -0,000694982 -0,000694984 -0,000694984 -1,80028E-09 -0,000259039 -1,80163E-09 -0,000259235
U24 0,000984276 0,000984265 0,000984265 1,13675E-08 0,001154911 1,13761E-08 0,001155783
Tabla 1. Comparacin de los resultados de deformacin