Está en la página 1de 4

1.

Sistema con matriz de coecientes diagonal estrictamente dominante


# Consideramos el sistema A # x = b donde 5 2 1 # t A = 0 3 2 , b = 1 0 1 . 4 1 6

La matriz de coecientes, A, es diagonal estrictamente dominante, porque 5 > 2 + 1, |3| > 0 + 2 y 6 > |4| + 1. En este caso, las iteraciones por el m etodo de Jacobi y por el m etodo de Gauss-Seidel # (0) convergen para cualquier aproximaci on inicial x (por la condici on suciente de convergencia). En efecto, # 5 para una cota de error de 1 10 , y tomando como aproximaci on inicial # x (0) = 0 , se necesitan 24 iteraciones con el m etodo de Jacobi y 12 iteraciones con el m etodo de Gauss Seidel para obtener el vector t # x = 0.2109 0.0156 0.0234 .

2.

Convergencia por Jacobi y Gauss-Seidel

Veamos un caso en donde a pesar de que la matriz de coecientes del sistema de ecuaciones no es diagonal estrictamente dominante, ambos m etodos convergen a la soluci on. # Consideramos el sistema A # x = b donde 9 2 0 # t A = 2 4 1 , b = 5 1 0 . 0 1 1 La matriz A no es diagonal estrictamente dominante porque 1 > 0 + |1|. No podemos aplicar la condici on suciente de convergencia como en el ejemplo anterior. Para saber si las iteraciones de Jacobi y Gauss-Seidel convergen a la soluci on del sistema, debemos aplicar la condici on necesaria y suciente. # Jacobi En este caso las iteraciones son de la forma # x (n) = Fj # x (n1) + f j , donde 2 0 9 0 t 1 1 # 0 1 0 . fj = 5 Fj = 2 4 9 4 0 1 0 La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fj sea menor a 1, es decir (Fj ) < 1. El radio espectral en este caso es 0.6009 < 1, y por lo tanto las iteraciones por Jacobi convergen. En # efecto, para una cota de error de 1 105 , y tomando # x (0) = 0 , se necesitan 24 iteraciones con el m etodo de Jacobi para obtener # x = 0.7391 0.8261 0.8261 . # Gauss-Seidel En este caso las iteraciones son de la forma # x (n) = Fgs # x (n1) + f gs , donde 2 0 9 0 # 1 1 19 19 t 0 Fj = fj = 5 . 9 4 9 36 36 1 1 0 9 4 1

La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fgs sea menor a 1, es decir (Fgs ) < 1. El radio espectral en este caso es 0.3611 < 1, y por lo tanto las iteraciones por Gauss-Seidel convergen. # En efecto, para una cota de error de 1 105 , y tomando # x (0) = 0 , se necesitan 13 iteraciones con el m etodo de Gauss-Seidel para obtener # x = 0.7391 0.8261 0.8261 .

3.

Divergencia por Jacobi y Gauss-Seidel


# Consideramos el sistema A # x = b donde 1 0 1 # t A = 2 2 3 , b = 2 4 1 . 1 1 1

La matriz de coecientes, A, no es diagonal estrictamente dominante, porque 1 > 0 + |1|. No podemos aplicar la condici on suciente de convergencia como en el ejemplo anterior. Para saber si las iteraciones de Jacobi y Gauss-Seidel convergen a la soluci on del sistema, debemos aplicar la condici on necesaria y suciente. # Jacobi En este caso las iteraciones son de la forma # x (n) = Fj # x (n1) + f j , donde 0 0 1 # t 3 fj = 2 2 1 . Fj = 1 0 2 1 1 0 La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fj sea menor a 1, es decir (Fj ) < 1. El radio espectral en este caso es 1.1654 > 1, y por lo tanto las iteraciones por Jacobi divergen. # Gauss-Seidel En este caso las iteraciones son de la forma # x (n) = Fgs # x (n1) + f gs , donde 0 0 1 t # Fgs = 0 0 5 f j = 2 0 1 . 2 0 0 3 2 La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fgs sea menor a 1, es decir (Fgs ) < 1. El radio espectral en este caso es 1.5000 > 1, y por lo tanto las iteraciones por Gauss-Seidel divergen.

4.

Convergencia por Gauss-Seidel y divergencia por Jacobi


# Consideramos ahora el sistema A # x = b donde 1 2 1 # t A = 1 3 2 , b = 2 1 1 . 4 1 6

La matriz de coecientes, A, no es diagonal estrictamente dominante, porque 1 > 2+1. No podemos aplicar la condici on suciente de convergencia. Para saber si las iteraciones de Jacobi y Gauss-Seidel convergen a la soluci on del sistema, debemos aplicar la condici on necesaria y suciente. 2

# x (n1) + f j , donde Jacobi En este caso las iteraciones son de la forma # x (n) = Fj # 0 2 1 # 2 1 t 0 Fj = 1 f j = 2 1 . 3 3 3 6 1 2 6 0 3 La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fj sea menor a 1, es decir (Fj ) < 1. El radio espectral en este caso es 1.2993 > 1, y por lo tanto las iteraciones por Jacobi divergen. # Gauss-Seidel En este caso las iteraciones son de la forma # x (n) = Fgs # x (n1) + f gs , donde 0 2 1 # 1 13 t Fgs = 0 2 f gs = 2 1 . 3 3 3 9 13 11 0 9 18 La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fgs sea menor a 1, es decir (Fgs ) < 1. El radio espectral en este caso es 0.9428 < 1, y por lo tanto las iteraciones por Gauss-Seidel convergen a la soluci on del sistema (lentamente porque est a muy pr oximo a 1). En efecto, se necesitan 194 # t # iteraciones para obtener x = 0.7458 0.3220 0.6102 , habiendo tomando a 0 como vector de arranque y 1 105 como cota de error.

5.

Convergencia por Jacobi y divergencia por Gauss-Seidel


# Consideramos el sistema A # x = b donde 1 0 1 # t A = 1 1 0 , b = 2 0 0 . 1 2 3

La matriz de coecientes, A, no es diagonal estrictamente dominante, porque 1 > 0+1. No podemos aplicar la condici on suciente de convergencia. Para saber si las iteraciones de Jacobi y Gauss-Seidel convergen a la soluci on del sistema, debemos aplicar la condici on necesaria y suciente. # Jacobi En este caso las iteraciones son de la forma # x (n) = Fj # x (n1) + f j , donde 0 0 1 # t Fj = 1 0 0 f gs = 2 0 0 . 1 2 0 3 3 La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fj sea menor a 1, es decir (Fj ) < 1. El radio espectral en este caso es 0.9444 < 1, y por lo tanto las iteraciones por Jacobi convergen (lentamente porque est a muy pr oximo a 1). En efecto, se necesitan 214 iteraciones para obtener # t # x = 1.0000 1.0000 1.0000 , habiendo tomando a 0 como vector de arranque y 1 105 como cota de error.

# x (n1) + f gs , donde Gauss-Seidel En este caso las iteraciones son de la forma # x (n) = Fgs # 0 0 1 # t Fgs = 0 0 1 f gs = 2 2 2 . 0 0 1 La condici on necesaria y suciente para que estas iteraciones converjan a la soluci on del sistema, es que el radio espectral de Fgs sea menor a 1, es decir (Fgs ) < 1. El radio espectral en este caso es 1, y por lo tanto las iteraciones por Gauss-Seidel divergen.

También podría gustarte