Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE INGENIERÍA
2009-1
UNI-FIM-DACIBAHCC Métodos Numéricos - MB536
A Matriz de coeficientes n × n
x Vector de variables n × 1
b Vector independiente (constantes) n × 1
Forma General
x ( k +1) = ϕ( x ( k ) )
Observación
(o ) (1) ( 2) (k )
Si la secuencia de aproximación x , x , x , ......, x es tal que
lim x (k )
= α ⇒ α = Tα + c , entonces α es la solución del sistema Ax = b .
k →∞
Criterios de Parada
Como en todos los procesos iterativos, se necesita de un criterio para finalizar el proceso.
T
ε( k ) = x − x( k ) ≤ ∞
x ( k ) − x ( k −1) , k=1,2,...
∞ 1− T ∞
∞
De esta forma, dada una precisión TOL, el vector x (k ) , será escogido como solución
aproximada de la solución exacta, si ε ( k ) < TOL , o dependiendo de, δ ( k ) < TOL .
b1 / a11
b / a
c = 2 22
M
bn / a nn
x ( k ) = Tx ( k −1) + c . k = 1,2,…
Ejemplo 1
Resolver el sistema de ecuaciones Lineales, por el Método de Jacobi con solución inicial
x ( o ) = [0,7 − 1,6 0,6] y tolerancia ε ≤ 0,05 .
T
10 x1 + 2 x2 + x3 = 7
x1 + 5 x 2 + x3 = −8
2 x1 + 3x 2 + 10 x3 = 6
Solución
0 −2 −1 7
10 10 0,7 10
x (1) = −1 0 − 1 − 1,6 + − 8
5 5 5
−
102 − 3 0
0, 6 6 10
10
0,96
x (1) = − 1,86
0,94
Cálculo de ε (1) :
Para k=2:
0,978
= − 1,98 ⇒ δ ( 2 ) =
0,12
X ( 2)
= 0,0606 > TOL
1,98
0,966
Para k=3:
0,9994
X = − 1,9888 ⇒ δ ( 3) =
0,0324
( 3)
= 0,0163 < TOL
1,9888
0,99984
0,9994
x ≈ − 1,9888 Solución con error menor que 0,05.
0,9984
Teorema 1
Sean T∈ℜnxn y c∈ℜn. Si para alguna norma inducida se verifica que T < 1 , entonces:
T
x − x (k ) ≤ x ( k ) − x ( k −1) , k=1,2,... (*)
1− T
Demostración:
La ecuación x = Tx + c es equivalente a (I − T )x = c , que tendrá una y solo una solución si
la matriz (I − T ) es no singular.
Suponga que I-T es singular. Entonces existe x ≠ 0 (en Rn) tal que (I-T)x= 0, y además
x = Tx . Luego, para la norma considerada, se verifica que:
x = Tx ≤ T x ,
concluyéndose inmediatamente que T ≥ 1 . Como este factor es contrario a la hipótesis que
T < 1 , a la matriz I-T no debe ser singular, como se pretende mostrar
( k −1 )
Como x = T x +c y x ( k ) = Tx + c , ∀k se verifica que
(
x − x ( k ) = Tx + c − (T x ( k −1) + c) = T x − x ( k −1) , k = 1,2,... )
Aplicando sucesivamente esta expresión, se concluye que
( ) ( ) (
x − x ( k ) = T x − x ( k −1) = T 2 x − x ( k −2 ) = L = T k x − x ( 0) , k = 1,2,... )
Se puede escribir entonces como x − x (k )
≤T k
x−x (0)
o sea, cuando para cada fila de la matriz se verifica que el valor absoluto de los elementos
de la diagonal es superior a la suma de los valores absolutos de todos los demás elementos.
El resultado siguiente proporciona condiciones suficientes para la convergencia del método
de Jacobi. No siempre estas condiciones son necesarias para la convergencia del método de
Jacobi. Esto es, hay casos en que estas condiciones no se verifican y el método converge.
Teorema 2
Sea A∈ Rnxn y b∈Rn. Sea la matriz A estrictamente diagonal dominante por filas entonces
la sucesión generada por el método de Jacobi converge a una única solución del sistema de
ecuaciones Ax=b, cualquiera que sea el punto inicial x(0).
j =1 j =1 a ii aii j =1
j ≠i j ≠i
Ejemplo 2
Ejemplo 3
(D − L − U )x = b
Dx − Lx − Ux = b
Dx = b + ( L + U ) x
Dx ( k +1) = b + ( L + U ) x ( k )
x ( k +1) = D −1 ( L + U ) x ( k ) + D −1b
x ( k +1) = Tx ( k ) + c
T j = D −1 ( L + U )
c j = D −1 b
Ejemplo 4
4 x1 − 2 x 2 + x3 = 3 4 − 2 1 x1 3
x1 − x 2 + 3 x3 = 3 1 − 1 3 x 2 = 3
− x1 + 3 x 2 =2 − 1 3 0 x3 2
Solución
4 − 2 1 x1 3
− 1 3 0 x = 2
2
1 − 1 3 x3 3
0
1
−
1 3
2 4 4
1 2
T= 0 0
3 y c=
− 1 3
0
1
3 3 1
3
Siendo e(k) el error en la iteración k, es una vez que T =
∞
4
3
e(k ) ≤ 4
x ( k ) − x ( k −1) = 3 x ( k ) − x ( k −1)
∞ 1− 3
4
∞ ∞
ε 2 = 3 x ( 2 ) − x (1) ∞
= 3 * 0.25 = 0.75
Resumen de iteraciones:
k x1 x2 x3 εk
0 0 0 0 ----
1 0.7500 0.6667 1.0000 3
2 0.8333 0.9167 0.9722 0.75
3 0.9653 0.9444 1.0278 0.40
4 0.9653 0.9884 0.9931 0.13
…. ……… ………. …….. ……
Ejemplo 5
Solución
1
x1 = 0,75
− 0,875
Cálculo de ε (1) :
x1(1) − x1( 0) = 1,0 − 0 = 1,0
x 2(1) − x 2( 0) = 0,75 − 0,0 = 0,75
x 3(1) − x 3( 0) = − 0,875 − 0 = 0,875
max ε i(1) 1,0
i =1, 3
δ (1)
= = = 1,0 > ε
max x i(1) 1,0
i =1, 3
1,025
x (2)
= 0,95
− 0,9875
1,0075
x ( 3)
= 0,9912
− 0,9994
x1( 3) − x1( 2 ) = 1,075 − 1,025 = 0,0175
x 2( 3) − x 2( 2 ) = 0,9912 − 0,95 = 0,0412
x3( 3) − x3( 2 ) = − 0,9994 − (−0,9875) = 0,0119
max ε i( 3) 0,0412
i =1, 3
δ ( 3) = ( 3)
= = 0,0383 < TOL
max x i
1,075
i =1, 3
1,0075
x = 0,9912 es solución con menor error que 0,05.
− 0,9994
Deducción de la fórmula matricial del Método Gauss-Seidel
(D − L − U ) x = b
Dx − Lx − Ux = b
Dx = b + ( L + U ) x
x = D −1b + D −1 Lx + D −1Ux
x ( k +1) = D −1b + D −1 Lx ( k +1) + D −1Ux ( k )
x ( k +1) = (D − L ) Ux ( k ) + (D − L ) b
−1 −1
x ( k +1) = Tx ( k ) + c
x1(1) = 3
x 2(1) = 2
= [3 2]T :
(1)
Para k=1 y x
x1( 2 ) = 1
x 2( 2 ) = 4
3
Para k=2 y x = [1 4 ]T :
(2)
3
x1 =
( 3) 5
3
x2 =
( 3) 14
9
8
x2
7 x1+x2=3
3
(1,2) (3,2)
2
(4/3,5/3)
1 (1,4/3)
x1-3x2=-3
0
(0,0) (0,3) x1
-1
-2
-5 -4 -3 -2 -1 0 1 2 3 4 5
Considere el mismo sistema lineal anterior, pero modificando el orden de las ecuaciones:
x1 − 3 x2 = −3
x1 + x 2 = 3
El esquema iterativo utilizando el Método de Gauss-Seidel es dado por:
x1( k +1) = (−3 + 3x 2( k ) )
x 2( k +1) = (3 − x1( k +1) )
= [0 0]T :
(0)
Para k=0 y x
x1(1) = −3
x 2(1) = −6 8
x2
= [−3 − 6] :
(1) T 7
Para k=1 y x (-3,6) ......(6,15)
x(1)
1 = 15 6
3
x1-3x2= -3
2
0 x
(0,0) x1
(0,-3)
-1
-2
-5 -4 -3 -2 -1 0 1 2 3 4 5
ω i −1 n
xi( k ) = (1 − ω) xi( k −1) + bi − ∑ aij x j − ∑a x (jk −1)
(k )
En general : ij
a ii j =1 j = i +1
Sistemas de Ecuaciones Lineales- Métodos Iterativos Pag. 14
UNI-FIM-DACIBAHCC Métodos Numéricos - MB536
En forma matricial
x(k)=Tωx(k-1)+cω
cω = (D − ωL) ω b
−1
Teorema : Si aii≠0 para i=1,2,...,n, entonces ρ(Tω)≥|ω-1|. Esto implica que ρ(Tω)<1 sólo si
0<ω<2, donde:
ω<2, entonces el
Teorema : (Ostrwki-Reich) Si A es una matriz definida positiva y 0<ω
método SOR converge para cualquier elección de la aproximación inicial x(0) del vector
solución.
2
ω = y ρ (T ω ) = ω − 1
1 + 1 − [ ρ (T j )] 2
óptima de ω para el método SOR es:
Ejemplo 6
x 1 + 8x 2 + x 3 = 10
x1 + x 2 + 7x 3 = 9
9x1 + x 2 + x 3 = 11
realice las transformaciones más adecuadas que permitan resolverlo por Gauss - Seidel,
iniciando con ( 0 , 0 , 0 ). Realizar tres iteraciones.
T n ( 0)
error ≤ x − x (1)
1− T ∞
Solución
n
a ii > ∑ a ij
j=1
j≠ i
b)
1 8 1 9 1 1 11
) )
A = 1 1 7 → pivoteo → A = 1 8 1 ; b = 10
9 1 1 1 1 7 9
k x1 x2 x3
0 0 0 0
1 1.222 1.097 0.954
2 0.994 1.007 1.000
3 0.999 1.000 1.000
c)Cota de error:
T n ( 0) n a ij
E≤
1−T
x − x (1)
∞
; donde T = max ∑a
j=1 ii
j≠ i
Ejemplo 7
2 k x1 6
− 1 3 x = 9
2
Sea el sistema A x = b :
a) Para k=-1, es la matriz A definida positiva?
b) Para que valores de k el sistema converge, al usar el método de Gauss-Seidel?
c) Hacer 03 iteraciones de Gauss-Seidel para k=-3
Solución
a) A es definida positiva si:
b)
TG = ( D − L ) −1U
2 0
( D − L) =
− 1 3
1 / 2 0
( D − L ) −1 =
1 / 6 1 / 3
1/ 2 0 0 − k 0 − k / 2
TG = =
− 1 / 6 1 / 3 0 0 0 − k / 6
k
Det TG − λ I = ( − − λ )( − λ )
6
λ1 = 0 λ 2 = − k / 6 ρ (TG ) = λ max = − k / 6
Existe convergenc ia cuando : ρ (TG ) < 1
Esto se cumple siempre que : - 6 < k < 6
n x1 x2
0 0 0
1 3 4
2 9 6
3 12 7
4 13.5 7.5
5 14.25 7.75
6 14.625 7.875
7 14.8125 7.9375
Ejemplo 8
( k +1)
2 0 x1 0 − k x1( k ) 2
k 3 ( k +1) = 0 0 ( k ) + 6
x2 x2
Solución
a)
x1 ( k +1) 1 3 0 0 − k x1 ( k ) 1 3 0 2
( k +1) = (k ) +
x2 6 − k 2 0 0 x 2 6 − k 2 6
x1 ( k +1) 0 − k / 2 x1 ( k ) 1
( k +1) = (k ) +
0 k / 6 x 2 2 − k / 3
2
x2
Tgs − λI = −λ (k 2 / 6 − λ ) = 0 ρ (Tgs ) = max λ = k 2 / 6 <1 − 6 < k < 6
x1 ( k +1) 0 − 1 / 2 x1 ( k ) 1
b) ( k +1) = (k ) +
x2 0 1 / 6 x 2 5 / 3
x1 (1) 0 − 1 / 2 0 1 1 1
(1) = + = =
x 2 0 1 / 6 0 5 / 3 5 / 3 1.667
x1 ( 2 ) 0 − 1 / 2 1 1 1 / 6 0.1667
( 2) = + = =
x 2 0 1 / 6 5 / 3 5 / 3 35 / 18 1.9444
c) ρ (T gs ) = 1 / 6
2
wopt = = 1.0455
1 + 1 − ρ (T gs )
( k +1) w
= (1 − w) x1 + (2 − x 2 )
(k ) (k )
x1
d) 2
( k +1) w ( k +1)
= (1 − w) x 2 + (6 − x1
(k )
x2 )
3
x1 (1) 0.0215
(1) =
x 2 1.9951
x1 ( 2) 0.0016
(2) =
x 2 1.9997
Problemas Propuestos
P1
Se considera el sistema lineal:
a b 0 x a − b
b a b y = 0
0 b a z a + b
P2
a) Evalué el valor de α para que el método de Gauss Seidel converja
3 + α −1 5
− 1 2 + α x = − 4
Donde α es un parámetro real.
b) Si α =1 y x(0) = [0 0]t encuentre x(3) usando Gauss-Seidel.
c) Estime el máximo error relativo cometido en esta iteración.
P3
Un método iterativo poco usual es el método de Richardson, que establece que:
x ( k +1) = ( I − A) x ( k ) + b
Donde “I” es la matriz identidad.
a) Para el sistema:
1 k x1 6
− 1 1 x = 9
2
Obtener los valores “k” de tal manera que el radio espectral de Richardson ρ (TR )
sea de 0.9.
b) Con el valor de “k” obtenido en a) realice 03 iteraciones partiendo de (0,0) ,y
T
estime el error.
P4
Sea el método iterativo de Gauss_ Seidel
( k +1)
2 0 x1 0 − k x1( k ) 2
k 3 ( k +1) = 0 0 ( k ) + 6
x2 x2
x 1 1.5 2
y 0.733 1.464 2.513