Este es un trabajo de ejemplo para buenas tareas

asda Costo computacional
Es dif´ıcil estimar el costo computacional de un m´etodo iterativo, pues de antemano se desconoce cu´antas
iteraciones requerira para obtener una respuestas quesatisfaga al usuario. Generalmente se procede a calcular
el costo computacional por iteraci´on. En el caso del m´etodo de Jacobi la relaci´on de recurrencia utilizada
es:
xi+1 = c + B xi
Noes dif´ıcil estimar el costo computacional que involucra: el producto de la matriz B, n × n por el vector xi
toma n × (2n − 1) FLOPs, y la suma de dos vectores en ℜ
n
toma n FLOPs lo cualda un total de 2 n
2
FLOPs
en cada iteraci´on del m´etodo de Jacobi.
Utilizando esta informaci´on podemos concluir que si el algoritmo toma m iteraciones entonces el total de
FLOPsser´a de:
2 m n
2
Por ello es que el m´etodo de Jacobi se prefiere en problemas donde n es grande, cuando se puede garantizar
la convergencia y cuando el n´umero de iteraciones esperado es bajoCosto computacional
Es dif´ıcil estimar el costo computacional de un m´etodo iterativo, pues de antemano se desconoce cu´antas
iteraciones requerira para obtener una respuestas quesatisfaga al usuario. Generalmente se procede a calcular
el costo computacional por iteraci´on. En el caso del m´etodo de Jacobi la relaci´on de recurrencia utilizada
es:
xi+1 = c + B xi
No esdif´ıcil estimar el costo computacional que involucra: el producto de la matriz B, n × n por el vector xi
toma n × (2n − 1) FLOPs, y la suma de dos vectores en ℜ
n
toma n FLOPs lo cual daun total de 2 n
2
FLOPs
en cada iteraci´on del m´etodo de Jacobi.
Utilizando esta informaci´on podemos concluir que si el algoritmo toma m iteraciones entonces el total de
FLOPs ser´a de:2 m n
2
Por ello es que el m´etodo de Jacobi se prefiere en problemas donde n es grande, cuando se puede garantizar
la convergencia y cuando el n´umero de iteraciones esperado es bajo