Está en la página 1de 9

4.

3 METODOS ITERATIVOS

Un mtodo iterativo es un mtodo que progresivamente va calculando


aproximaciones a la solucin de un problema. En Matemticas, en un mtodo
iterativo se repite un mismo proceso de mejora sobre una solucin aproximada: se
espera que lo obtenido sea una solucin ms aproximada que la inicial. El proceso
se repite sobre esta nueva solucin hasta que el resultado ms reciente satisfaga
ciertos requisitos. A diferencia de los mtodos directos, en los cuales se debe
terminar el proceso para tener la respuesta, en los mtodos iterativos se puede
suspender el proceso al trmino de una iteracin y se obtiene una aproximacin a
la solucin.
Existen dos tipos:
Mtodos iterativos por punto, (MIP).
Mtodos iterativos por lnea o bloque, (MIL/B).
En los mtodos iterativos por punto, MIP, las incgnitas de cada nodo se resuelven
explcitamente en cada iteracin. En los mtodos iterativos por lnea/bloque, MIL/B,
las incgnitas de un grupo de celdas se resuelven simultneamente (
implcitamente).
Mtodos Iterativos.
Entre mayor sea el nmero de incgnitas que se solucionan simultneamente, o,
dicho de otra manera, entre ms implcito sea el (MIL/B) (Mtodos iterativos por
lnea o bloque) la convergencia a la solucin ser ms rpida (se necesitarn menos
iteraciones).
A mayor implicitud se requerir, sin embargo, una mayor capacidad de memoria de
cmputo y un mayor esfuerzo computacional por iteracin. Por lo anterior, en la
implementacin de un mtodo iterativo por bloques, es necesario hacer un balance
entre implicitud y simplicidad para resolver el sistema de ecuaciones generado por
los bloques.

Los mtodos iterativos estn ligados a parmetros de iteracin, que se introducen


en el algoritmo para acelerar la convergencia a la solucin. El ritmo de
convergencia de un algoritmo dado, depende de varios factores, como son:

Las caractersticas de la malla de clculo.


La anisotropa y las heterogeneidades de la formacin.
La estimacin inicial de la solucin.
El criterio de convergencia.

EL MTODO JACOBI
Es un mtodo iterativo para resolver sistemas de ecuaciones lineales ms simple y
se aplica slo a sistemas cuadrados, es decir a sistemas con tantas incgnitas como
ecuaciones.
Primero se determina la ecuacin de recurrencia. Para ello se ordenan las
ecuaciones y las incgnitas. De la ecuacin i se despeja la incgnita . En notacin
matricial se escribirse como:
x=c+Bx

EC.4.3.1

Donde x es el vector de incgnitas.


Se toma una aproximacin para las soluciones y a sta se le designa por x0
xi+ 1 = c + Bxi

EC.4.3.2

Ejemplo Partiendo de (x = 1, y = 2) aplique dos iteraciones del mtodo de Jacobi


para resolver el sistema:
5x + 2y = 1
X 4y = 0
Solucin

X= 0.20 + 0.00 x 0.40 y


Y = 0.00 + 0.25 x + 0.00 y

Aplicamos la primera iteracin partiendo de x0 = 1.00 y y0 = 2.00:


x 1 = 0.20 + 0.00 (1.00) 0.40 (2.00) = 0.60
y 1 = 0.00 + 0.25 (1.00) + 0.00 (2.00) = 0.25
Aplicamos la primera iteracin partiendo de x0 = 1.00 y y0 = 2.00:
x 1 = 0.20 + 0.00 (1.00) 0.40 (2.00) = 0.60
y 1 = 0.00 + 0.25 (1.00) + 0.00 (2.00) = 0.25

Aplicamos la segunda iteracin partiendo de x1 = 0.60 y y1 = 0.25:


x2 = 0.20 + 0.00 ( 0.60) 0.40 (0.25) = 0.10
y2 = 0.00 + 0.25 ( 0.60) + 0.00 (0.25) = 0.15
Aplicamos la primera iteracin partiendo de x0 = 1.00 y y0 = 2.00:
x1 = 0.20 + 0.00 (1.00) 0.40 (2.00) = 0.60
y1 = 0.00 + 0.25 (1.00) + 0.00 (2.00) = 0.25
Aplicamos la segunda iteracin partiendo de x1 = 0.60 y y1 = 0.25:
x2 = 0.20 + 0.00 ( 0.60) 0.40 (0.25) = 0.10
y2 = 0.00 + 0.25 ( 0.60) + 0.00 (0.25) = 0.15
Aplicamos la siguiente iteracin partiendo de x2 = 0.10 y y1 = 0.15:
x3 = 0.20 + 0.00 (0.10) 0.40 ( 0.15) = 0.26
y3 = 0.00 + 0.25 (0.10) + 0.00 ( 0.15) = 0.025
Aplicamos la siguiente iteracin partiendo de x3 = 0.26 y y3 = 0.025:
x4 = 0.20 + 0.00 (0.26) 0.40 (0.025) = 0.190
y4 = 0.00 + 0.25 (0.26) + 0.00 (0.025) = 0.065
Aplicamos la siguiente iteracin partiendo de x3 = 0.26 y y3 = 0.025:
x4 = 0.20 + 0.00 (0.26) 0.40 (0.025) = 0.190
y4 = 0.00 + 0.25 (0.26) + 0.00 (0.025) = 0.065
Aplicamos la siguiente iteracin partiendo de x4 = 0.190 y y4 = 0.065:
x5 = 0.20 + 0.00 (0.19) 0.40 (0.065) = 0.174
y5 = 0.00 + 0.25 (0.19) + 0.00 (0.065) = 0.0475
Aplicamos la siguiente iteracin partiendo de x3 = 0.26 y y3 = 0.025:
x4 = 0.20 + 0.00 (0.26) 0.40 (0.025) = 0.190
y4 = 0.00 + 0.25 (0.26) + 0.00 (0.025) = 0.065
Aplicamos la siguiente iteracin partiendo de x4 = 0.190 y y4 = 0.065:
x5 = 0.20 + 0.00 (0.19) 0.40 (0.065) = 0.174
y5 = 0.00 + 0.25 (0.19) + 0.00 (0.065) = 0.0475
Aplicamos la siguiente iteracin partiendo de x5 = 0.174 y y5 = 0.0475:

x6 = 0.20 + 0.00 (0.174) 0.40 (0.0475) = 0.181


y6 = 0.00 + 0.25 (0.174) + 0.00 (0.0475) = 0.0435

Mtodo de jacobi
Uno de los principales problemas de los mtodos iterativos es la garanta de que el
mtodo va a converger, es decir, va a producir una sucesin de aproximaciones
cada vez efectivamente ms prximas a la solucin. En el caso del mtodo de
Jacobi no existe una condicin exacta para la convergencia. Lo mejor es una
condicin que garantiza la convergencia, pero en caso de no cumplirse puede o no
haberla es la siguiente: Si la matriz de coeficientes original del sistema de
ecuaciones es diagonalmente dominante, el mtodo de Jacobi seguro converge.
Ejemplo son matrices diagonalmente dominantes:

Ejemplo no son matrices diagonalmente dominantes:

Orden conveniente para Jacobi


En ciertas ocasiones al aplicar Jacobi la matriz no es diagonalmente dominante y
por tanto no existir garanta de convergencia. Sin embargo, en algunos casos ser
posible reordenar las incgnitas en otra manera de forma que la nueva matriz de
coeficientes sea diagonalmente dominante. Esto se puede detectar revisando todos
los posibles ordenamientos de las incgnitas y ver cmo es la matriz resultante.
Claro que esto conlleva un bueno nmero de pruebas pues el nmero posible de
ordenamientos en n variables es (n 1) ! pero cuando n es reducido es sencillo.
Veamos algunos ejemplos.

Ejemplo
Indique cul es el orden conveniente para aplicar Jacobi al sistema:

Ejemplo
Indique cul es el orden conveniente para aplicar Jacobi al sistema:

Ejemplo
Indique cul es el orden conveniente para aplicar Jacobi al sistema:
3 x + 12 y z = 2
11 x 4 y + 3 z = 3
3 x 2 y 12 z = 2
Solucin Con el orden y x z el sistema y su matriz de coeficientes quedan:

La matriz de coeficientes es diagonalmente dominante

EL MTODO DE GAUSS-SEIDEL
El mtodo de Gauss-Seidel es muy semejante al mtodo de Jacobi. Mientras que
en el de Jacobi se utiliza el valor de las incgnitas para determinar una nueva
aproximacin, en el de Gauss-Seidel se va utilizando los valores de las incgnitas
recien calculados en la misma iteracin, y no en la siguiente.
Ejemplo Partiendo de (x = 1, y = 2) aplique dos iteraciones del mtodo de GaussSeidel para resolver el sistema:

Solucin
Debemos primeramente despejar de la ecuacin la incgnita correspondiente.
x = 0.20 + 0.00 x 0.40 y
y = 0.00 + 0.25 x + 0.00 y
Aplicamos la primera iteracin partiendo de x 0 = 1.00 y y 0 = 2.00:
x 1 = 0.20 + 0.00 (+1.000) 0.40 (2.00) = 0.600
y 1 = 0.00 + 0.25 ( 0.600) + 0.00 (2.00) = 0.15
Aplicamos la segunda iteracin partiendo de x 1 = 0.600 y y 1 = 0.15:
x 2 = 0.20 + 0.00 ( 0.600) 0.40 ( 0.15) = 0.26
y 2 = 0.00 + 0.25 (0.26) + 0.00 ( 0.15) = 0.065

Ejemplo Partiendo de ( x = 1, y = 2, z = 0) aplique dos iteraciones del mtodo de


Gauss-Seidel para resolver el sistema:

Solucin
Debemos primeramente despejar de la ecuacin la incgnita correspondiente.
x = 0.10 + 0.00 x + 0.00 y + 0.10 z
y = 0.66 0.33 x + 0.00 y + 0.33 z
z = 0.40 0.40 x 0.40 y + 0.00 z
Aplicamos la primera iteracin partiendo de x0 = 1.00, y0 = 2.00, y z = 0.00:
x 1 = 0.10 + 0.00(1.00) + 0.00 (2.00) + 0.10 (0.00) = 0.1
y 1 = 0.66 0.33( 0.10) + 0.00 (2.00) + 0.33 (0.00) = 0.70
z 1 = 0.40 0.40( 0.10) 0.40 ( 0.70) + 0.00 (0.00) = 0.16
Aplicamos la segunda iteracin partiendo de x 1 = 0.10 y y 1 = 0.70 y z 1 = 0.16:
x 1 = 0.10 + 0.00( 0.10) + 0.00 (0.70) + 0.10 (0.16) = 0.084
y 1 = 0.66 0.33( 0.084) + 0.00 (0.70) + 0.33 (0.16) = 0.748
z 1 = 0.40 0.40( 0.084) 0.40 ( 0.748) + 0.00 (0.16) = 0.134

MTODO DE SOR EN PUNTO O PSOR.


El mtodo iterativo del PSOR es en una modificacin del mtodo de Gauss-Seidel,
donde se introduce el uso de un parmetro de iteracin, con el objeto de acelerar el
proceso de convergencia a la solucin. Si se denomina a la solucin obtenida
mediante el mtodo de GaussSeidel en la iteracin m+1, el mtodo PSOR se define
como:

EC.4.3.3

Donde es un parmetro de sobrerrelajacin que, como ya se mencion, acelera


el ritmo de convergencia de la solucin. El parmetro adquiere valores en el rango
de 1 a 2.

MTODO DE SOR EN LNEA O LSOR.


Se establecen, en cada iteracin, sistemas de ecuaciones similares a los generados
en problemas lineales: Se resuelven simultneamente las incgnitas
correspondientes a una lnea o columna de celdas En la solucin de las incgnitas
de una lnea determinada, se emplean los nuevos valores de las incgnitas
obtenidos en lneas anteriores. Como una extensin del mtodo de Gauss-Seidel,
para cada j se establece el siguiente sistema de ecuaciones:

EC.4.3.4

i = 1, 2,....,I para cada j


Mtodo de SOR en Lnea o LSOR
El sistema de ecuaciones generado con la Ec. 4.3.4 es tridiagonal. Se puede
entonces resolver mediante el algoritmo de Thomas. Una vez que se obtiene la
solucin de las incgnitas , i=1,2,...,I para la lnea j, esta se sobrerrelaja como en la
Ec. 4.3.3, esto es:
EC.4.3.5

El ritmo de convergencia del mtodo LSOR, depende del valor del parmetro de
sobrerelajacin. Existe un valor ptimo de este parmetro, que se puede obtener
por ensaye y error, como se ver posteriormente.
El proceso iterativo LSOR comienza con la siguiente estimacin inicial:

EC.4.3.6

y termina cuando los cambios iterativos de las incgnitas son, en valor absoluto,
menores que una cierta tolerancia estipulada, esto es:

Para todo
EC.4.3.7

I = 1,2,.. l
J=1,2,.J

MTODO DE SOR EN BLOQUE O BSOR.


La idea principal de este mtodo consiste en rearreglar por planos el sistema de
ecuaciones generado para un problema tridimensional:

EC.4.3.8

i = 1,2,...,I ; j = 1,2,...,J ; k = 1,2,,K


El problema tridimensional, Ec. 4.3.8, se resuelve mediante una serie de barridos
bidimensionales, empleando los nuevos valores de las incgnitas de los planos
previamente resueltos.
El mtodo de sobrerelajacin en Bloque, BSOR, aplicado a la solucin del sistema
lineal de ecuaciones definido por la Ec. 4.3.7, consiste en conservar en el lado
izquierdo de la ecuacin a los trminos correspondientes a dos direcciones as como
a la diagonal principal y pasar al lado derecho los trminos correspondientes a una
direccin y a los trminos de residuos, con lo que se establece el siguiente proceso
iterativo:

EC.4.3.9

Para cada plano, k = 1,2,,K


Se resuelven simultneamente: i = 1,2,...,I ; j = 1,2,...,J