Académique Documents
Professionnel Documents
Culture Documents
1
Contenido
RESEÑA HISTORICA ................................................................................................................. 3
INTRODUCCION............................................................................................................................. 4
DEFINICIÓN DEL METODO DE JÁCOBI ................................................................................. 5
CRITERIO DE CONVERGENCIA ............................................................................................ 7
MÉTODO DE GAUSS-SEIDEL ...................................................................................................... 8
CRITERIO DE CONVERGENCIA ............................................................................................ 8
EJEMPLO DE APLICACIÓN ................................................................................................ 8
MÉTODO DE GAUSS-JORDAN .................................................................................................. 11
PSEUDOCODIGO .......................................................................................................................... 13
COMPROBACIONES .................................................................................................................... 18
CONCLUCIONES .......................................................................................................................... 21
REFERENCIAS .............................................................................................................................. 21
2
RESEÑA HISTORICA
GABRIEL CRAMER.
Matemático suizo nacido en Ginebra en el año 1704, quien falleció en
Bagnols-sur-Cèze, Francia, 1752.
Fue catedrático de matemáticas (1724-1727) y de filosofía (1750-1752) en la Universidad de
Ginebra. En 1750 expuso en su obra Introducción al análisis de las curvas algebraicas la teoría
newtoniana referente a las curvas algebraicas, clasificándolas según el grado de la ecuación.
Reintrodujo el determinante, algoritmo que Leibniz ya había utilizado al final del siglo XVII
para resolver sistemas de ecuaciones lineales con varias incógnitas. Editó las obras de Jakob
Bernoulli y parte de la correspondencia de Leibniz.
Gabriel Cramer (1704-1752)
3
INTRODUCCION
4
DEFINICIÓN DEL METODO DE JÁCOBI
A𝑋̅= 𝑏̅ (1)
En la ecuación 1 se puede sustituir la matriz A por la suma de dos matrices:
A=D+R (2)
En donde la matriz D es una matriz cuyos elementos son cero excepto los elementos de la
diagonal que corresponden a los elementos de la matriz A y R que es una matriz con ceros en la
diagonal y sus restantes elementos coindicen con los respectivos de A.
5
La ecuación 6 no aporta una solución por sí misma, si se observa desde la óptica de algebra
matricial. Sin embargo, se usa desde una forma recursiva:
Para k = 0, 1, 2, ..., n y donde 𝑋̅ (k) representa un vector solución inicial y 𝑋̅ (k+1) representa una
aproximación posterior a la inicial 𝑋̅ (k). Se puede constatar claramente que la ecuación 7 es total-
mente representativa de un método de aproximaciones sucesivas.
Esta ecuación 7 requiere de un breve análisis para su aplicación práctica. En principio, la matriz D,
detallada en 4 sólo posee elementos diferentes de cero (que corresponden a los propios de A) en su
diagonal principal. Es fácilmente comprobable que la matriz inversa D−1 también posee únicamente
valores diferentes de cero en su diagonal principal y que estos valores corresponden a los recíprocos
1
de sus valores en la matriz A, es decir, serán 𝑎𝑖𝑖 1. Por otra parte, el resto de los elementos de
cada renglón de la matriz A se encuentran en la matriz R y son restados del vector de términos
independientes.
En contexto, la ecuación 7 equivale, a partir del sistema de ecuaciones lineales, a despejar a la
incógnita de ubicada en la diagonal principal de cada una de las ecuaciones que conforman el
sistema, de la siguiente forma:
6
Este vector 𝑋̅(1) se sustituye en las ecuaciones 8 obteniéndose el siguiente vector 𝑋̅(2). El proceso se
realiza consecutivamente hasta que la norma entre dos vectores consecutivos es menor que cierta
tolerancia preestablecida.
La norma θ se calcula como:
CRITERIO DE CONVERGENCIA
El método de Jácobi es susceptible de los efectos del pivoteo. En consecuencia, su criterio de con-
vergencia lo conforman los criterios de la diagonal pesada, mismo que posee dos condiciones:
1.- Condición necesaria: Es condición necesaria que el elemento ubicado en la diagonal principal de
cada ecuación sea mayor en valor absoluto que el resto de los elementos de la misma ecuación.
|aii| > |aij| (11)
2.- Condición suficiente: Es condición suficiente que el elemento ubicado en la diagonal principal
de cada ecuación sea mayor en valor absoluto que la suma del resto de los elementos de la misma
ecuación.
|aii| > Σ |aij| (12)
7
MÉTODO DE GAUSS-SEIDEL
Este método es una versión acelerada del método de Jacob. En el método de Jacob es necesario
contar con un vector aproximado completo para proceder a la sustitución en las ecuaciones de
recurrencia y obtener una nueva aproximación.
En el método de Gauss-Seidel se propone ir sustituyendo los nuevos valores de la aproximación
siguiente conforme se vayan obteniendo sin esperar a tener un vector completo. De esta forma se
acelera la convergencia.
A partir de las ecuaciones de recurrencia del método de Jácobi (8):
CRITERIO DE CONVERGENCIA
EJEMPLO DE APLICACIÓN
Antes de proceder en la solución respectiva, se observa que los elementos ubicados en la diagonal
principal cumplen satisfactoriamente con el criterio de convergencia o diagonal pesada. Dado lo
anterior, se resolverá el sistema utilizando ambos métodos para contrastar su uso. Iniciando por el
8
método de Jácobi. Las ecuaciones de recurrencia son:
Las sucesivas iteraciones se muestran en los cuadros 1 y 2. Las tolerancias son calculadas con la
ecuación 10: Se dice entonces que después de trece iteraciones, con una tolerancia = 0,000007, el
vector solución es:
9
Recurrencia son:
10
MÉTODO DE GAUSS-JORDAN
El método de Gauss-Jordan utiliza operaciones con matrices para resolver sistemas de ecuaciones
de n número de variables. Para aplicar este método solo hay que recordar que cada operación que se
realice se aplicara a toda la fila o a toda la columna en su caso. El objetivo de este método es tratar
de convertir la parte de la matriz donde están los coeficientes de las variables en una matriz
identidad. Esto se logra mediante simples operaciones de suma, resta y multiplicación. El
procedimiento es el siguiente: Primero se debe tener ya el sistema de ecuaciones que se quiere
resolver y que puede ser de n número de variables, por ejemplo: -3x+3y+2z=1 4x+y-z=2 x-2y+z=3
Se acomodan los coeficientes y los resultados en una matriz:
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:
11
El siguiente paso para lograr una matriz identidad es obtener el siguiente 1, que en este caso iría en
donde esta 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:
Al encontrar la matriz identidad se encuentra la solución del sistema de ecuaciones, pues esto se
traduce a: x = 1 y = 0 z = 2 las cuales resuelven el sistema de ecuaciones de forma simultánea. La
comprobación es la siguiente: -3(1)+3(0)+2(2)= -3+4 =1 4(1)+(0)-(2)=4-2 =2 (1)-2(0)+(2)= 1+2 =3
Como puede verse el método Gauss-Jordan es una herramienta útil en la resolución de este tipo de
problemas y actualmente existen programas matemáticos que lo utilizan para una gran variedad de
cálculos en una gran variedad de áreas, tanto científicas como socioeconómicas.
12
PSEUDOCODIGO
clc % Sirve para poder limpiar los resultados del
command window
h=input('\n');
switch h
13
% Lectura de la matriz de coeficientes.
disp('Lectura de la matriz de coeficientes.')
for i=1:n
for j=1:n
fprintf('Ingrese un valor para M(%d, %d): ', i,
j)
M(i, j) = input('');
end
end
disp('Lectura del vector columna Y')
for i=1:n
fprintf('Ingrese un valor para Y(%d): ',i)
Y(i) = input('');
end
disp('Metodo de Gauss-Seidel')
n=input('Número de ecuaciones (n): ');
14
% Reservamos espacio anticipadamente, para optimizar.
M = zeros(n, n); Y = zeros(n,1); X = Y;
X0=zeros(1,n);
X=X0
K=0;
Norma=1;
while Norma>0
K=K+1;
fprintf( '%d', K);
for i=1:n
suma=0;
for j=1:n
if i~=j
suma=suma+A(i,j)*X(j);
end
end
X(i)=(b(i)-suma)/A(i,i);
fprintf('%10.6f',X(i));
end
Norma=norm(X0-X);
15
fprintf('%10.6f\n',Norma);
XO=X;
if K>m
break
end
end
end
17
COMPROBACIONES
18
19
20
CONCLUCIONES
El contenido que se mostró anteriormente me ayudo a ampliar mis conocimientos y
recordar principios de las matrices, fue un buen proyecto y estoy seguro de que me
beneficiará para poder ganarme un lugar dentro de los mejores alumnos de mi clase.
Aún hay más operaciones con matrices sin embargo solamente se presentaron las que se
utilizarían para este primer trabajo.
REFERENCIAS
1.- Rosa Elena Scheid, Francis. Di Constanzo. Métodos numéricos. Schaum. 1991
2.- Chapra, Steven C; Raymond Canale P (2007) “Métodos numéricos para ingenieros”, Quinta edición,
McGraw Hill, México D.F, pp 124-139, 142-167.
3..-Mathews, John H; Fink, Kurtis D (2000) “Métodos numéricos con MATLAB”, Tercera edición, Prentice
Hall, Santafé de Bogotá, pp 661-673.
Correa Z, Francisco J (2010) “Métodos numéricos”, Primera edición, Fondo editorial Universidad EAFIT,
Medellín, Cap. 4 y 5.
21