Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD
PRIVADA DEL NORTE
1.
M
etodo de iteraci
on de Jacobi.
4x y + z
4x 8y + z
= 21
2x + y + 5z =
7
(1)
15
x =
y =
z =
7+yz
4
21+4x+z
8
15+2xy
5
(2)
xk+1 =
yk+1 =
zk+1
(3)
Vamos a comprobar que si empezamos con P0 = (x0 , y0 , z0 ) = (1, 2, 2), entonces la iteraci
on (3)
parece converger a la soluci
on (2, 4, 3).
Sustituyendo x0 = 1, y0 = 2 y z0 = 2 en el miembro derecho de la relaci
on (3), obtenemos:
Facultad de Ingeniera
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
x1 =
y1 =
z1
7+21
4
21+4+2
8
15+22
5
1,75
= 3,375
=
3,00
xk
yk
zk
1.0
1.75
1.84375
1.9625
1.99062500
1.99414063
..
.
2.0
3.375
3.875
3.925
3.97656250
3.99531250
..
.
2.0
3.0
3.025
2.9625
3.00000000
3.00093750
..
.
15
..
.
1.99999993
..
.
3.99999985
..
.
2.99999993
..
.
19
2.00000000
4.00000000
3.00000000
Facultad de Ingeniera
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
2x + y + 5z =
15
4x 8y + z
= 21
4x y + z
x =
y =
(4)
15+y+5z
3
21+4x+z
8
(5)
z = 7 4x + y
entonces el metodo iterativo de Jacobi es, en este caso,
xk+1 =
yk+1 =
zk+1
15+yk +5zk
3
21+4xk +zk
8
74xk +yk
5
(6)
Veamos que si empezamos con el punto P0 = (x0 , y0 , z0 ) = (1, 2, 2), entonces el proceso iterativo
(6) diverge.
xk
yk
zk
1.0
-1.5
6.6875
34.6875
-46.617188
-307.929688
502.62793
..
.
2.0
3.375
2.5
8.015625
17.8125
-36.150391
-124.929688
..
.
2.0
5.0
16.375
-17.25
-123.73438
211.28125
1202.56836
..
.
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
x1 =
y1 =
15+2+10
2
21+4+2
8
= 3,375
= 74+2 =
z1
1,5
5,00
2.
M
etodo iterativo de Gauss-Seidel
Algunas veces podemos acelerar la convergencia. Observemos que en el metodo iterativo de Jacobi
(3) se produce tres sucesiones {xk }, {yk } y {zk } que convergen, respectivamente a 2, 4 y 3. Puesto
que xk+1 es, probablemente, mejor aproximaci
on al lmite que xk , sera razonable usar xk+1 en
vez de xk a la hora de calcular yk+1 y, de forma semejante, sera mejor usar xk+1 e yk+1 en el
c
alculo de zk+1 . El siguiente ejemplo muestra lo que ocurre cuando se aplica este razonamiento
al sistema de ecuaciones del ejemplo 1.
Ejemplo 3 Consideremos el sistema de ecuaciones dado en (1) y el proceso iterativo, llamado
m
etodo de Gauss-Seidel, sugerido por (2):
xk+1 =
yk+1 =
zk+1
7+yk zk
4
21+4xk+1 +zk
8
15+2xk+1 yk+1
5
(7)
xk
yk
zk
1.0
1.75
1.95
1.995625
..
.
2.0
3.75
3.96875
3.99609375
..
.
2.0
2.95
2.98625
2.99903125
..
.
1.99999983
1.99999998
2.00000000
3.99999988
3.99999999
4.00000000
2.99999996
3.00000000
3.00000000
Facultad de Ingeniera
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
Veamos que si empezamos con P0 = (x0 , y0 , z0 ) = (1, 2, 2), entonces el proceso iterativo (7)
converge a la soluci
on (2, 4, 3).
Sustituyendo y0 = 2 y z0 = 2 en la primera ecuaci
on de (7) obtenemos
x1 =
7+22
= 1,75
4
y1 =
21 + 4 (1,75) + 2
= 3,75
8
z1 =
15 + 2 (1,75) 3,75
= 2,95
5
Definici
on 1 Se dice que una matriz A de orden N N es de diagonal estrictamente
dominante cuando
|akk | >
N
X
|akj |
para
k = 1, 2, . . . , N
(8)
j=1,j6=k
Facultad de Ingeniera
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
Vamos a considerar ahora los procesos iterativos de Jacobi y Gauss-Seidel con mayor
generalidad. Supongamos que tenemos un sistema de ecuaciones lineales
b1
b2
..
.
..
.
..
.
..
.
..
.
..
.
..
.
aN 1 x1 + aN 2 x2 + . . . + aN j xj + . . . + aN N xN
..
.
=
bj
(9)
..
.
= bN
(k) (k)
(k)
(k)
Sea Pk = x1 , x2 , . . . , xj , . . . , xN el k-esimo punto obtenido, de manera que el siguiente
(k+1) (k+1)
(k+1)
(k+1)
. El superndice (k) de las coordenadas
punto es Pk+1 = x1
, x2
, . . . , xj
, . . . , xN
de Pk nos permite identificar las coordenadas que pertenecen a dicho punto. Las f
ormulas de
(k+1)
iteraci
on usan la fila j-esima de (9) para despejar xj
como una combinaci
on lineal de los
valores previamente obtenidos:
Metodo iterativo de Jacobi:
Facultad de Ingeniera
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
(k)
(k+1)
xj
(k)
(k)
(k)
(10)
ajj
para j = 1, 2, . . . , N
En el metodo iterativo de Jacobi se usan todas las coordenadas del punto anterior en la
obtenci
on de las coordenadas del punto nuevo, mientras que en el metodo iterativo de GaussSeidel se emplean las coordenadas nuevas conforme se van generando:
Metodo Iterativo de Gauss-Seidel:
(k+1)
(k+1)
xj
bj aj1 x1
(k+1)
(k)
(k)
(11)
para j = 1, 2, . . . , N
Teorema 1 (Metodo iterativo de Jacobi). Supongamos que A es una matriz de diagonal estrictamente dominante. Entonces el sistema de ecuaciones lineales AX = B tiene soluci
on u
nica
X = P . Adem
as, el proceso iterativo dado por la f
ormula (10) produce una sucesi
on de vectores
{Pk } que converge a P cualquiera que sea el vector de partida P0 .
Puede probarse que el metodo iterativo de Gauss-Seidel tambien converge cuando la matriz
A es de diagonal estrictamente dominante as como para matrices simetricas definidas positivas.
Normalmente el metodo de Gauss-Seidel converge m
as r
apidamente que el de Jacobi, por lo que
es el que se suele preferir. Se dan casos, sin embargo, en los que el metodo de Jacobi converge
pero el de Gauss-Seidel no.
function X=jacobi(A,B,P,delta,max1)
%Datos
%
- A es una matriz invertible de orden NxN.
%
- B es una matriz de orden Nx1.
%
- P es una matriz de orden Nx1: el punto inicial.
Facultad de Ingeniera
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
%
- delta es la tolerancia para P.
%
- max1 es el n
umero m
aximo de iteraciones.
%Resultados
%
- X es una matriz de orden Nx1:
%
la aproximaci
on a la soluci
on de AX=B generada por el m
etodo
%
iterativo de Jacobi
N=length(B);
for k=1:max1
for j=1:N
X(j)=(B(j)-A(j,[1:j-1,j+1:N])*P([1:j-1,j+1:N]))/A(j,j);
end
err=abs(norm(X-P));
relerr=err/(norm(X)+eps);
P=X;
if(err<delta)|(relerr<delta)
break
end
end
X=X;
Programa 2 (Metodo iterativo de Gauss-Seidel). Resoluci
on de un sistema lineal AX = B
mediante la generaci
on de una sucesi
on {Pk } que converge a la soluci
on, a partir de un punto
inicial P0 . Una condici
on suficiente para que el metodo sea aplicable es que A sea de diagonal
estrictamente dominante.
function X=gseid(A,B,P,delta,max1)
%Datos
%
- A es una matriz invertible de orden NxN.
%
- B es una matriz de orden Nx1.
%
- P es una matriz de orden Nx1: el punto inicial.
%
- delta es la tolerancia para P.
%
- max1 es el n
umero m
aximo de iteraciones.
%Resultados
%
- X es una matriz de orden Nx1:
%
la aproximaci
on a la soluci
on de AX=B generada por el m
etodo
%
iterativo de Gauss-Seidel
N=length(B);
for k=1:max1
Facultad de Ingeniera
Departamento de Ciencias
UNIVERSIDAD
PRIVADA DEL NORTE
for j=1:N
if j==1
X(1)=(B(1)-A(1,2:N)*P(2:N))/A(1,1);
elseif j==N
X(N)=(B(N)-A(N,1:N-1)*(X(1:N-1)))/A(N,N);
else
% X contiene la aproximaci
on k-
esima
% y P la k-1-
esima.
X(j)=(B(j)-A(j,1:j-1)*X(1:j-1)-A(j,j+1:N)*P(j+1:N))/A(j,j);
end
end
err=abs(norm(X-P));
relerr=err/(norm(X)+eps);
P=X;
if(err<delta)|(relerr<delta)
break
end
end
X=X;
Indice
1. M
etodo de iteraci
on de Jacobi.
2. M
etodo iterativo de Gauss-Seidel
Facultad de Ingeniera
Departamento de Ciencias