Métodos Numéricos

Tarea 2

Ecuaciones Lineales e Interpolación

Tutor

Edgar Andrés Villabon

Grupo:

100401_71

por:

Sergio Zapata Espinosa

Código71718620

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
MEDELLIN

20/03/2020
 Introducción

Por medio del presente trabajo se pretende Aplicar los diversos Métodos
Iterativos en la Solución de Ecuaciones Lineales y analizar polinomios partiendo
de pares desordenados de datos utilizando las técnicas como la eliminación de
gauss, Gauss-Jordan, Newton de Jacobi, método de Gauss-seidel, polinomios de
lagrange, diferencias divididas, aproximación polinomial de newton y polinomio de
newton en diferencias finitas.
Tema 1. Solución de Sistemas de Ecuaciones Lineales (SEL)

Dado el siguiente problema de Sistema de Ecuaciones lineales

Problema3:
π x 1−e x2 + √ 2 x3 −√3 x 4 =√ 11
3
π 2 x 1+ e x 2−e 2 x 3 + x 4=0
7
√ 5 x 1− √6 x 2 + x3 −√ 2 x 4 =π
1
π 3 x 1+ e 2 x 2−√ 7 x3 + x 4 =√ 2
9
donde π esel número pi y e es el número de euler

cada estudiante deberá realizar:

Ejercicio 1:

Determinar si el SEL tiene, o no, solución. ¿Si la tiene, es única? Realice una
breve explicación basándose en la teoría revisada.
Para este ejercicio utilizamos el software matlab con el comando Rank para
determinar el valor del rango de la matriz de las incógnitas y la matriz ampliada
que a la cual se le agregan los términos independientes y poder concluir si la
ecuación lineal tiene solución o no, realizamos un pequeño resumen al respecto.

 El sistema tiene solución si y solo si el rango de la matriz A es igual al

rango de la matriz ampliada A|b. Sistema compatible.
 Si el rango es igual al número n de incógnitas el sistema tiene una solución
única. Sistema compatible determinado
 Si el rango es menor que el número n de incógnitas entonces hay un
número infinito de soluciones. Sistema compatible indeterminado.
Para el caso que nos corresponde el sistema tiene una solución única ya que el
rango es igual al número de incógnitas siendo un sistema compatible
determinado
π x 1−e x2 + √ 2 x3 −√3 x 4 =√ 11
3
π 2 x 1+ e x 2−e 2 x 3 + x 4=0
7
√ 5 x 1− √6 x 2 + x3 −√ 2 x 4 =π
1
π 3 x 1+ e 2 x 2−√ 7 x3 + x 4 =√ 2
9
donde π esel número pi y e es el número de euler
Operando:
A=¿Matriz Inicial
3.141592654 −2.718281828 1.414213562 −1.732050808
9.869604401 2.718281828 −7.389056099 0.4285714286
2.236067977 −2.449489743 1 −1.414213562
31.00627668 7.389056099 −2.645751311 0.1111111111

Rango (A)=4
B=¿ Matriz expandida

3.141592654 −2.718281828 1.414213562 −1.732050808 3.3166

9.869604401 2.718281828 −7.389056099 0.4285714286 0
2.236067977 −2.449489743 1 −1.414213562 3.1416
31.00627668 7.389056099 −2.645751311 0.1111111111 1.4142

Rango(B)=4
Figura 1.Realizada con software Matlab

Figura 2.Realizada con software Matlab

Ejercicio 2:

Resolver el SEL por cada uno de los esquemas de:

 a. Eliminación Gaussiana simple

Este método directo que consiste en la eliminación por filas

multiplicando por un número y luego sumando el valor de la fila
siguiente hasta que los números por debajo de la diagonal principal
resaltados en color rojo queden en ceros

Matriz expandida
3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479
9.869604401 2.718281828 −7.389056099 0 .4285714286 0
2.236067977 −2.449489743 1 −1.414213562 3.141592654
31.00627668 7.389056099 −2.645751311 0.111111111 1.414213562

La forma general:
n
xi=ci− ∑ mijcj
j=i +1

Para esto debemos encontrar un número que multiplicado por: 3.141592654

y sumándole 9.869604401 sea igual a cero

Operando:
?∗3.141592654+ 9.869604401=0

3.141592654∗?=−9.86904401

−9.86904401
?= =−3.141414275
3.141592654

Este número lo multiplicamos por toda la fila 1 y el resultado lo sumamos

a la fila 2 y así sucesivamente con cada una de las filas hasta que nos
queden ceros debajo de la diagonal superior que esta resaltada de color
verde
Ejemplo para fila 2(1):−3.141414275*3.141592654=¿ −9.869604404
:−3.141414275 *(−2.718281828)=8.539734222
−3.141414275∗1.414213562=−4.442882938
−3.141414275∗(−1.732050808)=5.441398095
−3.141414275∗3.31662479=−10.41948408

−9.869604404 8.539734222 −4.442882938 5.441398095 −10.41948408

+

9.869604401 2.718281828−7.389056099 0.4285714286 0

 0.000000003 11.25801605−11.83193904 5.869969528−10.41948408

para fila 3(1):0.7117625432*Fila 1+Fila3

−2.236067977 1.934771187 −1.006584242 1.232808888 −2.360649295

+

2.236067977−2.4494897431−1.4142135623.141592654

0.00000000 0−0.514718556−0.006584242−0.181404674 0.78094335 86

para fila 4(1): 9.8696044 *Fila 1+Fila4

−31.00627668 26.82836629−13.95772839 17.09465628−32.73377462

+

31.00627668 7.389056099−2.645751311 0.1111111111 1.414213562

0 34.21742239−16.6034797 17.20576739−31.31956106

para fila 3(2):−0.04572018264 *Fila 2+Fila3

0.51471855−0.54095841390.2683760799−0.476380720+¿

−0.51471855−0.006584242−0.181404671 0.780943359

0−0.5475726559 0.08697140890.3045626381
 para fila 4(2):3.039382982*Fila 2+Fila4

−34.21742239 35.96179417−17.84108549 31.66880259+ ¿

34.21742239−16.6034797 17.20576739−31.31956106

0 19.35831447−0.63531810.34924153

para fila 4(3):−35.35296049*Fila 3+Fila4

−19.35831447 3.0746967810.7677807+ ¿

19.35831447−0.6353181 0.34924153

0 2.439378683 11.11702224

Matriz Final eliminación por Gauss,matriz triangular superior

u1 u2 u3 u4 x = y

3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479 = y1

0 11.25801605 −11.83193904 5.869969528 −10.41948408 = y2
0 0 −0.5475726559 0.0869714089 0.304562638 = y3
0 0 0 2.439378683 11.11702224 = y4

La principal característica de la Eliminación Gaussian es transformar el sistema

original A x = b en un sistema lineal equivalente U x = y
 Donde U  es una matriz triangular superior. La razón de lograr ésta
transformación del sistema es que el nuevo sistema es más simple y
resolverlo sólo requiere un proceso hacia atrás.

Formula :
y4
x 4=
u 4.4
Operando :

11.1170224
x 4= =x 4=4.557317188
2.439378683

Formula :
y 3−u 4.3∗x 4
x 3=
u 3.3
Operando :
0.304562638−0.0869714089∗4.557317188
x 3= =x 3=0.1676374042
−0.5475726559

Formula :
y 2−u 4.2∗x 4−u 3.2∗x 3
x 2=
u 2.2

Operando :

−10.41948408−5.869969528∗4.557317188−(−11.83193904)∗0.1676374042
x 2=
11.25801605

x 2=−3.125534854

Formula :
y 1−u 4.1∗x 4−u 3.1∗x 3−u 2.1∗x 2
x 1=
u 1.1
Operando :

3.31662479−(−1.732050808 )∗4.557317188−1.414213562∗0.1676374042−(−2.718281828 )∗−3.125

x 1=
3.141592654
 x 1=0.788393784

Figura 3.Prueba con matlab

b.Eliminación de Gauss - Jordan.

Este método directo que se podría interpretar como realizar 2 veces la

eliminación de Gauss Partiendo de la matriz anterior

u1 u2 u3 u4 x

3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479

0 11.25801605 −11.83193904 5.869969528 −10.41948408
0 0 −0.5475726559 0.0869714089 0.304562638
0 0 0 2.439378683 11.11702224

Forma general:
 n

∑ ¿ 1 bi Ai 1

()
i
n
x1 A1
∑ ¿ 1 bi Ai 2
() x2
x3 =
…
xn
1
| A|
i
n

n
…
=
1
=
∑ ¿ 1 bi Ai 3 |A| … ()
A2
A3

An

∑ ¿ 1 bi A¿
i

Iniciamos dividiendo el valor 2.439378683 por toda la fila 4 con la idea de

simplificar el proceso:
2.439378683
Fila 4= =1
2.439378683

11.11702224
Fila 4.5= =4.557317122
2.439378683

u1 u2 u3 u4 x

3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479

0 11.25801605 −11.83193904 5.869969528 −10.41948408
0 0 −0.5475726559 0.0869714089 0.304562638
0 0 0 1 4.557317122

Para fila 1.4 :1.732050808∗fila 4+ fila 1

1.732050808∗0+3.141592654=3.141592654

1.732050808∗0+ (−2.718281828 )=−2.718281828

1.732050808∗0+1.14213562=1.414213562

1.732050808∗1+(−1.732050808)=0

1.732050808∗4.557317122+ 3.31662479=11.21012959
 u1 u2 u3 u4 x =

3.141592654 −2.718281828 1.414213562 0 11.21012959

0 11.25801605 −11.83193904 5.869969528 −10.41948408
0 0 −0.5475726559 0.0869714089 0.304562638
0 0 0 1 4.557317122

Para fila 2.4 :−5.869969528∗fila 4+ fila 2

−5.869969528∗0+0=0

−5.869969528∗0+11.25801605=11.25801605

−5.869969528∗0+(−11.83193904 )=−11.83193904

−5.869969528∗1+5.869969528=0

−5.869969528∗4.557317122+ (−10.41948408 )=−37.17079672

u1 u2 u3 u4 x =

3.141592654 −2.718281828 1.414213562 0 11.21012959

0 11.25801605 −11.83193904 0 −37.17079672
0 0 −0.5475726559 0.0869714089 0.304562638
0 0 0 1 4.557317122

Para fila 3.4 :−0.0869714089∗fila 4+ fila 3

 −0.0869714089∗0+0=0

−0.0869714089∗0+0=0

−0.0869714089∗0+ (−0.5475726559 )=−05475726559

−0.0869714089∗1+ 0.0869714089=0

−0.0869714089∗4.557317122+0.304562638=−0.0917936529

u1 u2 u3 u4 x =

3.141592654 −2.718281828 1.414213562 0 11.21012959

0 11.25801605 −11.83193904 0 −37.17079672
0 0 −0.5475726559 0 −0.0917936529
0 0 0 1 4.557317122

Para el siguiente paso simplificaremos la fila 3.3 dividiendo por el valor

-0.5475726559 por toda la fila 3 con la idea de simplificar el proceso:
−0.5475726559
Fila3= =1
−0.5475726559

−0.0917936529
Fila3.5= =0.1676373937
−0.5475726559

u1 u2 u3 u4 x

3.141592654 −2.718281828 1.414213562 0 11.21012959

0 11.25801605 −11.83193904 0 −37.17079672
0 0 1 0 0.1676373937
0 0 0 1 4.557317122
 Para fila 1.3 :−1.414213562∗fila 3+ fila 1

:−1.414213562∗0+3.141592654=3.141592654

:−1.414213562∗0+(−2.718281828 0)=−2.718281828

:−1.414213562∗1+1.414213562=0

:−1.414213562∗0+ 0=0

:−1.414213562∗0.1676373937+11.21012959=10.97305451

u1 u2 u3 u4 x

3.141592654 −2.718281828 0 0 10.97305451

0 11.25801605 −11.83193904 0 −37.17079672
0 0 1 0 0.1676373937
0 0 0 1 4.557317122

Para fila 2.3 :11.83193904∗fila 3+ fila 2

:11.83193904∗0+ 0=0

:11.83193904∗0+ 11.25801605=11.25801605

:11.83193904∗1+(−11.83193904)=0

:11.83193904∗0+ 0=0

:11.83193904∗0.1676373937+ (−37.17079672) =−35.1873213

 u1 u2 u3 u4 x

3.141592654 −2.718281828 0 0 10.97305451

0 11.25801605 0 0 −35.1873213
0 0 1 0 0.1676373937
0 0 0 1 4.557317122

Para el siguiente paso simplificaremos la fila 2.2 dividiendo por el valor

-11.25801605 por toda la fila 2 con la idea de simplificar el proceso:
−11.25801605
Fila2= =1
−11.25801605

−35.1873213
Fila2.5= =3.125534832
−11.25801605

u1 u2 u3 u4 x

3.141592654 −2.718281828 0 0 10.97305451

0 1 0 0 −3.125534832
0 0 1 0 0.1676373937
0 0 0 1 4.557317122

Para fila 1 :2.718281828∗fila 2+ fila 1

:2.718281828∗0+3.141592654=3.141592654

:2.718281828∗1+(−2.718281828)=0

:2.718281828∗0+¿ 0

:2.718281828∗0+0=0

:2.718281828∗−3.125534832+10.97305451=2.476969973
 u1 u2 u3 u4 x

3.141592654 0 0 0 2.476969973
0 1 0 0 3.125534832
0 0 1 0 0.1676373937
0 0 0 1 4.557317122

Para este último paso se divide toda la fila 1 en 3.141592654

3.141592654
Fila1= =1
3.141592654

2.476969973
Fila1= =0.7884440301
3.141592654
Matriz final Gauss-Jordan

u1 u2 u3 u4 x

1 0 0 0 0.7884440301
0 1 0 0 −3.125534832
0 0 1 0 0.1676373937
0 0 0 1 4.557317122
 Figura 4. Comprobación en matlab

Se puede evidenciar que los resultados de las x coincide con los resultados con
del método Gauss

c.Gauss – Seidel

Para este método indirecto se realiza por repeticiones, se debe iniciar

despejando las incógnitas y realizar tantas ecuaciones como
incógnitas tengamos

x1 x2 x3 x4 c
3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479
9.869604401 2.718281828 −7.389056099 0 .4285714286 0
2.236067977 −2.449489743 1 −1.414213562 3.141592654
31.00627668 7.389056099 −2.645751311 0.111111111 1.414213562

Transformamos el sistema en términos dominantes de la diagonal principal

 x1 x2 x3 x4 c
31.00627668 7.389056099 −2.645751311 0.111111111 1.414213562

2.236067977 −2.449489743 1 −1.414213562 3.141592654

9.869604401 2.718281828 −7.389056099 0 .4285714286 0

3.141592 −2.718281828 1.414213562 −1.732050808 3.31662479

La fórmula que emplearemos será:

1
x(ki +1)= ¿
aij

c+1.2 ( x 2 ) +1.3 ( x 3 )+1.4 (x 4)

x 1= =¿
x (1.1)

Donde :1.1,1.2,1.3,1.4 hacen referencia a la fila y la celda respectivamente

Para iniciar xcel íamos asi: x 1=0 ; x 2=0 ; x 3=0; x 4=0

Operando primera iteración:

1.414213562−7.389056099 ( 0 ) +2.645751311 ( 0 )−0.1111111111 ( 0 )

x 1= =0.04561055739
31.00627668

3.141592654−2.236067977 ( 0.04561055739 )−1 ( 0 ) +1.414213562(0)

x 2= =−1.240913278
−2.449489743

0−9.869604401( 0.04561055739)−2.718281828(−1.240913278)−0.4285714286(0)
x 3= =−0.3655842014
−7.389056099

3.31662479−3.141592654 ( 0.04561055739 )−2.718281828 (−1.240913278 )−1.414213562 (−0.3655842014 )

x 4= =
−1.73205080
 Operando segunda iteración:

1.414213562−7.389056099 (−1.240913278 )−2.645751311 (−0.3655842014 )−0.1111111111 (−0.1831

x 1=
31.00627668

3.141592654−2.236067977 ( 0.310791741 )−1 (−0.3655842014 ) −1.414213562(−0.1831338431)

x 2= =−1
−2.449489743

0−9.869604401( 0.310791741)−2.718281828(−1.042354001)−0.4285714286(−0.1831338431)
x 3= =0.0210437
−7.389056099

3.31662479−3.141592654 ( 0.310791741 )+ 2.718281828 (−1.042354001 )−1.414213562 ( 0.02104377889 )

x 4= =0.3
−1.73205080

Operando tercera iteración:

1.414213562−7.389056099 (−1.042354001 ) +2.645751311 ( 0.02104377889 )−0.1111111111 ( 0.3014588

x 1=
31.00627668

3.141592654−2.236067977 ( 0.2947276459 )−1 ( 0.02104377889 ) +1.414213562(0.3014588048)

x 2= =−1.1
−2.449489743

0−9.869604401( 0.2947276459)−2.718281828(−1.178957766)−0.4285714286(0.3014588048)
x 3= =−0.022560
−7.389056099

3.31662479−3.141592654 ( 0.2947276459 ) +2.718281828 (−1.178957766 )−1.414213562 (−0.02256006279 )

x 4= =
−1.73205080
 Operando cuarta iteración:

1.414213562−7.389056099 ( ¿−1.178957766 ) +2.645751311 (−0.02256006279 )−0.1111111111 ( 0.4515

x 1=
31.00627668

3.141592654−2.236067977 ( 0.3230228877 ) −1(−0.0225600627)+ 1.414213562( 0.4515595859)

x 2= =−1.
−2.449489743

0−9.869604401( 0.3230228877)−2.718281828(−1.257589782)−0.4285714286(0.451559585 9)
x 3= =−0.00498
−7.389056099

3.31662479−3.141592654 ( 0.3230228877 ) +2.718281828 (−1.257589782 )−1.414213562 (−0.004987078201 )

x 4= =
−1.73205080

Figura 5.Captura de pantalla tabla xcel

 Figura 6.Captura de pantalla tabla Excel

Y utilizando la siguiente fórmula para hallar el error:

√¿ ¿

d.Metodo de Jacobi
Este método indirecto es muy similar al de gauss-Seidel, la diferencia radica en
que cada fila se realiza la operación con el valor actual de la x y el anterior en
caso de que no se conozca, mientras en el anterior era solo el anterior en toda la
línea, como el método exige tantas iteraciones solo se adjuntaran pantallazos del
archivo de Excel y este se anexará para comprobar el método.
Matriz Inicial:
x1 x2 x3 x4 c
3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479
9.869604401 2.718281828 −7.389056099 0 .4285714286 0
2.236067977 −2.449489743 1 −1.414213562 3.141592654
31.00627668 7.389056099 −2.645751311 0.111111111 1.414213562

Matriz con el criterio de la diagonal dominante

Figura 7.Captura pantalla excel

Definida con la formula:|aij|> ∑

j ≠i
aij

Figura 8.Captura pantalla excel

Se relacionan los valores e los pivotes con la sumatoria y nos determina si es

diagonal dominante o no, con la matriz inicial todos nos hubieran salido negativos
sin querer decir esto que no converge por lo tanto se procede a realizar el
procedimiento.
Aplicando la formula de iteraciones
1
x(ki +1)= ¿
aij

Figura 9.Captura pantalla Excel

Se logra evidenciar que en la iteración 131 el sistema converge con un error de
0.99
Y utilizando la siguiente fórmula para hallar el error:
√¿ ¿

d. Método de S.O.R
Este es otro método indirecto pero que utiliza un parámetro de sobre relajación
para acelerar la convergencia del sistema y esta dado por la forma general:
( D−wE ) x ( k )=( wF + ( 1−w ) D ) x (k−1)+ wb

Donde w indica la sobrerelajación que tiene un valor entre 0 y 2 que es nada más
y nada menos que una variación del método Gauss-Seidel donde se utilizan la
matriz triangular superior y se saca el promedio de cada iteración agilizando el
procedimiento de convergencia.
Que pasa cuando (w) toma valores
 Si w = 1, la modificación (*)  representa la forma iterativa de Gauss-Seidel
simplemente.
 Si 0<w<1, la modificación (*) se denomina sub-relajación y se emplea para
que un sistema no convergente sea convergente o apresure su
convergencia.
 Si 1<w<2, la modificación (*) se denomina SOBRE-RELAJACIÓN, la cual
está designada para acelerar la convergencia. También se le llama sobre-
relajación simultáneo o sucesivo: SOR. Es aplicable a sistemas muy
grandes. Generalmente, el valor de w se determina empíricamente.

 Transformamos el sistema en términos dominantes de la diagonal principal

x1 x2 x3 x4 c
31.00627668 7.389056099 −2.645751311 0.111111111 1.414213562

2.236067977 −2.449489743 1 −1.414213562 3.141592654

9.869604401 2.718281828 −7.389056099 0 .4285714286 0

3.141592 −2.718281828 1.414213562 −1.732050808 3.31662479
Utilizamos la plantilla que teníamos del método Gauss-seidel y solamente
operamos con la multiplicación y suma del parámetro de relajación:

b 1−a12 x (2k−1)−a 13 x (3k−1) …−a1 n x (nk−1 )

x 1=( 1−w ) x (1k−1 )+ w ( a 11 )
b 2−a21 x(1k−1)−a23 x (3k−1 ) …−a2 n x(nk−1)
x 2=( 1−w ) x (2k−1)+ w ( a 22 )

bn−an 1 x (1k−1 )−an 2 x(2k−1) …−ann−1 x (n−1

k−1)

x 3=( 1−w ) x ( k−1)

3 +w ( a nn )

Pantallazo Excel se adjunta archivo

En la garfica resaldado de color amarillo podemos visualizar que en la iteración

183 el sistema converge según la tolerancia asignada y teniendo en cuenta el
valor de relajación que para este caso lo colocamos en W=0.9
Ejercicio 3:

Debe establecer los criterios de convergencia en cada método. Itere la solución

hasta que ésta converja a una tolerancia de ‖ A‖≤10−6, donde ‖ A‖ es una norma
matricial para la matriz A (escoja la que considere más adecuada). Valide que el
vector x es solución del SEL (mediante la operación A x=b ).

a. Eliminación Gaussiana simple

Para este método se tiene en cuenta el criterio de convergencia

determinando el rango de la matriz A y la matriz de los términos
independientes b con el cual se puede definir si el sistema tiene
solución o no, las iteraciones básicamente se realizan hasta que se
defina la matriz triangular superior quedando la matriz triangular
inferior en ceros-

Los criterios de convergencia están definidos por lo siguiente:

El sistema tiene solución si y solo si el rango de la matriz A es igual

al rango de la matriz ampliada A|b. Sistema compatible.

Si el rango es igual al número n de incógnitas el sistema tiene una

solución única. Sistema compatible determinado.

Si el rango es menor que el número n de incógnitas entonces hay un

número infinito de soluciones. Sistema compatible indeterminado.

 El rango de Matriz A y B son iguales a numero de incógnitas por lo

Por lo tanto el sistema converge y tiene solución única

Matriz expandida

3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479

9.869604401 2.718281828 −7.389056099 0 .4285714286 0
2.236067977 −2.449489743 1 −1.414213562 3.141592654
31.00627668 7.389056099 −2.645751311 0.111111111 1.414213562

Matriz Final eliminación por Gauss,matriz triangular superior

u1 u2 u3 u4 x

3.141592654 −2.718281828 1.414213562 −1.732050808 3.31662479

0 11.25801605 −11.83193904 5.869969528 −10.41948408
0 0 −0.5475726559 0.0869714089 0.304562638
0 0 0 2.439378683 11.11702224

Comprobación de Ax=b
 Pantallazo Excel se anexa archivo

Nota: En este sistema no aplica tolerancia ni error

b. Eliminación de Gauss - Jordan.

Dentro de los criterios de convergencia para este método es que la

matriz inicial tenga matriz identidad o lo que se conoce como la
inversa de la matriz dada por: A−1

las iteraciones básicamente se realizan hasta que la matriz triangular

Comprobación de Ax=b

Pantallazo Excel se anexa archivo

Nota: En este sistema no aplica tolerancia ni error

c. Gauss – Seidel

Para este método los criterios de convergencia están determinados o

definidos por :
La diagonal dominante, error, tolerancia y número máximo de
iteraciones

Diagonal dominante:

Transformamos el sistema en términos dominantes de la diagonal

principal
 x1 x2 x3 x4 c
31.00627668 7.389056099 −2.645751311 0.111111111 1.414213562

2.236067977 −2.449489743 1 −1.414213562 3.141592654

9.869604401 2.718281828 −7.389056099 0 .4285714286 0

3.141592 −2.718281828 1.414213562 −1.732050808 3.31662479

Error:
Que esta dado por la raíz cuadrada de las sumas de las diferencias de
los valores de cada incognita por iteración
√¿ ¿

Tolerancia:
Para esta actividad se solicita que la tolerancia sea menor o igual a:

‖ A‖≤10−6=0.000001
 Pantallazo Excel se anexa archivo

Se puede evidenciar que en la iteración 274 el sistema converge

cumpliendo con la tolerancia de 0.000001 y la comprobación de Ax=b
esta dada por la multiplicación de la matiz A por el vector que se
conforma por los valores que están resaltados en color amarillo:

Comprobación de Ax=b

Pantallazo de Excel se anexa archivo

d. Jacobi

Para este método los criterios de convergencia están determinados o

definidos por :

La diagonal de términos dominantes, error, tolerancia y número

máximo de iteraciones.
 Diagonal dominante:

Para este punto se puede observar que por el nivel de precisión que
se requiere de tolerancia que es de 0.000001 el sistema no
converge, considero que la diagonal dominante tendría que cumplir
con el criterio en la mayoría de sus términos.se realizaron pruebas
con un valor de tolerancia no tan pequeño y el sistema muestra la
convergencia lo que podemos concluir es que este sistema cumple
para cuando se requiere alta rapidez.

e. S.O.R.

Para este método que básicamente se basa en el de gauss-seidel los

parámetros de convergencia son los mismos adicionando el valor de
relajación que está o se escoge empíricamente de 0 a 2
La diagonal dominante, error, tolerancia y número máximo de
iteraciones y valor de relajación

Error:
Que esta dado por la raíz cuadrada de las sumas de las diferencias de
los valores de cada incognita por iteración
√¿ ¿
 Relajación ( w )=0.9

Tolerancia:
Para esta actividad se solicita que la tolerancia sea menor o igual a:

‖ A‖≤10−6=0.000001

Ejercicio 4:

Realizar una gráfica de la forma como va convergiendo la solución (Número de

iteraciones vs norma del error). Realice una breve explicación, sustentándose en
la teoría revisada, acerca de los resultados. ¿Cuál considera que es el mejor
método para este SEL en particular? ¿por qué?
a. Gauss – Seidel

0
0
0
0
0
0
Error

0
0
0
0

Itreación

Grafica generada por excel

Se observa como al incrementarse las iteraciones el error disminuye

b.Jacobi
3

2.5

1.5
Error

0.5

0
1 7 13 1 9 2 5 3 1 37 43 4 9 5 5 6 1 67 73 79 8 5 91 97 0 3 0 9 1 5 2 1 2 7
1 1 1 1 1

Iteraciones

Grafica generada por Excel

En la grafica podemos observar que cuando se aumentan las

iteraciones el error baja, se visualiza mucho mejor que en la
anterior ya que utiliza menos iteraciones y el rango o la escala es
menor

C.S.O.R

200
180
160
140
120
Iteracion

100
80 Error
60 ITER
40
20
0
1
10
19

46

82

0
9
8
7
6
5
4
3
2
1
28
37

55
64
73

91
10

12

15
16
10
11

13
14

17
18

Error

Grafica generada por Excel

En esta grafica se observa que requiere mucho menos de iteraciones

El mejor método para resolver el SEL es S.O.R ya que con el valor de

relajamiento permite tener un mejor margen y rapidez en la
respuesta utilizando menos iteraciones haciendo que el método que
posiblemente no converja hacerlo converger.
 Conclusiones

Referencias Bibliográficas

Nieves, H. A. (2014). Métodos numéricos: aplicados a la ingeniería:

aplicados a la ingeniería. México, D.F., MX: Larousse - Grupo Editorial
Patria. Pág. 183 – 220. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3227640&ppg=200

Arévalo, O. D., Bernal, Y. M. Á., & Posada, R. J. A. (2017). Matemáticas

para ingeniería: métodos numéricos con python. Pág. 33 – 55.
Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=5103053&ppg=34

Edutube. (2013). Systems of Equations 1 [Video]. Recuperado

de https://youtu.be/1X3yCTa-8Lw
Chang, J (2013). Lagrange Interpolating Polynomials [Video]
Recuperado de https://www.youtube.com/watch?v=vAgKE5wvR4Y

Academatica. (2013). Polinomio de Interpolación con Diferencias

Divididas de Newton [Video] Recuperado de
https://www.youtube.com/watch?v=klOWp2SYycc

Barreto, J. (2010). Interpolación polinómica por el Método de Diferencias

Divididas [Video] Recuperado de https://www.youtube.com/watch?
v=GTq_9bq1CsM

Lasmatempaticas.es. (2011). Método de Gauss-Seidel [Video]

Recuperado de https://www.youtube.com/watch?v=kIV5xS02wYo

Megadari. (2011). Método de eliminación de Gauss. [Video] Recuperado

de  https://www.youtube.com/watch?
v=wjZQxzQyyIg&feature=youtu.be

Ríos, J. A. (2010).  Método de Gauss-Jordán [Video] Recuperado de

https://www.youtube.com/watch?v=91xUg1L7O7s&feature=youtu.be