Professional Documents
Culture Documents
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES MÉTODOS ITERATIVOS - Curso - Métodos Numéricos
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES MÉTODOS ITERATIVOS - Curso - Métodos Numéricos
RESOLUCIÓN DE SISTEMAS DE
ECUACIONES LINEALES MÉTODOS
ITERATIVOS
Curso: Métodos Numéricos
Contenido
1 Introdución
Normas de vectores y matrices
Criterio de convergencia
Criterios de parada
2 El método de Jacobi
3 El método de Gauss-Seidel
Introdución El método de Jacobi El método de Gauss-Seidel
Contenido
1 Introdución
Normas de vectores y matrices
Criterio de convergencia
Criterios de parada
2 El método de Jacobi
3 El método de Gauss-Seidel
Introdución El método de Jacobi El método de Gauss-Seidel
es tal que,
lim x(k) = x̄,
k→∞
es tal que,
lim x(k) = x̄,
k→∞
Normas vectoriales
∥x + y∥ ≤ ∥x∥ + ∥y∥
n
X
||x||1 = |xi | Norma de la suma (l1 )
i=1
n
!1/2
X
||x||2 = |xi |2 Norma euclidiana (l2 )
i=1
||x||∞ = max |xi | Norma del máximo (l∞ )
1≤i≤n
Introdución El método de Jacobi El método de Gauss-Seidel
Normas matriciales
Normas matriciales
( n )
X
||A||1 = max |aij | Norma del máximo de las columnas
1≤j≤n
i=1
Xn
||A||∞ = max |aij | Norma del máximo de las filas
1≤i≤n
j=1
1/2
||A||2 = ρ(At A) Norma l2
Criterio de convergencia
Criterio de convergencia
Sea x̄ la solución del sistema Ax = b, entonces x̄ satisface
x̄ = Tx̄ + c
tenemos que
x(k+1) = Tx(k) + c
Luego
x(k+1) − x̄ = T(x(k) − x̄)
donde el error en cada iteración es dado por ek+1 = x(k+1) − x̄
Criterio de convergencia
Criterio de convergencia
||T|| < 1
.
Introdución El método de Jacobi El método de Gauss-Seidel
Criterio de convergencia
Criterio de convergencia
||T|| < 1
.
Observación
La convergencia del método iterativo no depende de la condición
inicial.
Introdución El método de Jacobi El método de Gauss-Seidel
Criterio de convergencia
Criterio de convergencia
Teorema
Para cualquier x(0) ∈ Rn , la sucesión {x(k) } definida por
x(k+1) = Tx(k) + c
Criterios de parada
Criterios de parada
o el residuo
||b − Axk || < TOL
Computacionalmente se usa también un número máximo de
iteraciones.
Introdución El método de Jacobi El método de Gauss-Seidel
Contenido
1 Introdución
Normas de vectores y matrices
Criterio de convergencia
Criterios de parada
2 El método de Jacobi
3 El método de Gauss-Seidel
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Jacobi
El método de Jacobi
1
x1 = (b1 − a12 x2 − a13 x3 − . . . − a1n xn )
a11
1
x2 = (b2 − a21 x1 − a23 x3 − . . . − a2n xn )
a22
..
.
1
xn = (bn − an1 x1 − an2 x2 − . . . − ann−1 xn−1 )
ann
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Jacobi
Tenemos
x = Tx + c
donde
a12 a13 a1n b
0 − − ... − 1
a11 a11 a11 a11
a21 a23 a2n
− 0 − ... − b2
a22 a22 a22
a
22
− a31
T= a32 a3n c=
− 0 ... −
a
b3
33 a33 a33
a33
..
.. .. .. ..
.. .
. . . . . b
an1 an2 an3 b
− − − ... 0
an ann ann ann
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Jacobi
x(k) = Tx(k−1) + c
1
(k) (k−1) (k−1) (k−1)
x 1 = b1 − a12 x2 − a13 x3 − ... − a1n xn
a
11
x (k) = 1 b2 − a21 x (k−1) − a23 x (k−1) − . . . −
(k−1)
a2n xn
2 1 3
a22
..
.
1
xn(k) = (k−1) (k−1) (k−1)
bn − an1 x1 − an2 x2 − ... − ann−1 xn−1
ann
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Jacobi
Ejemplo:
Resolver el sistema
10x1 + 2x2 + x3 = 7
x1 + 5x2 + x3 = −8
2x1 + 3x2 + 10x3 = 6
con
0.7
x(0) = −1.6 TOL = 0.05
0.6
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Jacobi
El método de Jacobi
El método de Jacobi
El método de Jacobi
Si escribimos A = D − L − U donde
a11 0 ... 0 0 0 ... 0
0 a22 ... 0 −a21 0 ... 0
D= L =
.. .. .. .. .. .. .. ..
. . . . . . . .
0 0 . . . ann −an1 −an2 ... 0
0 −a12 ... −a1n
0 0 ... −a2n
U= .
. .. .. ..
. . . .
0 0 ... 0
Entonces tenemos que
Ax = b ⇔ (D − L − U)x = b ⇔ Dx = (L + U)x + b
Luego, si D −1 existe, es decir aii ̸= 0
x = D−1 (L + U)x + D−1 b
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Jacobi
x(k) = D −1 (L + U) x(k−1) + D −1
| {z b} para k = 1, 2, 3 . . .
| {z }
Tj cj
Asi
x(k) = Tj x(k−1) + cj
El método converge si ∥Tj ∥ < 1
Introdución El método de Jacobi El método de Gauss-Seidel
Contenido
1 Introdución
Normas de vectores y matrices
Criterio de convergencia
Criterios de parada
2 El método de Jacobi
3 El método de Gauss-Seidel
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Gauss-Seidel
El método de Gauss-Seidel
Ejercicio:
Resolver el sistema
5x1 + x2 + x3 = 5 0
3x1 + 4x2 + x3 = 6 con 0 y TOL = 0.05
3x1 + 3x2 + 6x3 = 0 0
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Gauss-Seidel
El método de Gauss-Seidel
El método de Gauss-Seidel
A=D−L−U
a11 0 ... 0 0 0 ... 0
0 a22 ... 0 −a21 0 ... 0
D= L =
.. .. .. .. .. .. .. ..
. . . . . . . .
0 0 . . . ann −an1 −an2 ... 0
0 −a12 ... −a1n
0 0 ... −a2n
U= .
.. .. ..
..
. . .
0 0 ... 0
Introdución El método de Jacobi El método de Gauss-Seidel
El método de Gauss-Seidel
Entonces tenemos que
Ax = b ⇔ (D − L − U)x = b ⇔ Dx = Lx + Ux + b
(D − L)x(k) = Ux(k−1) + b
Si (D − L) es no singular (aii ̸= 0)
Asi
x(k) = Tg x(k−1) + cg
El método converge si ∥Tg ∥ < 1
Introdución El método de Jacobi El método de Gauss-Seidel
max βi < 1
1≤i≤n
Observaciones