Documentos de Académico
Documentos de Profesional
Documentos de Cultura
METODOS
NUMERICOS
Ingeniería Civil
1
ING. CRISTIAN CASTRO P.
Capitulo VI
Sistema de Ecuaciones
Algebraicas Lineales –
Métodos Iterativos
2
ING. CRISTIAN CASTRO P.
MÉTODOS ITERATIVOS DE SOLUCIÓN
Introducción
TABLA No. 1: Comparación de las características de diversos métodos alternativos para encontrar soluciones de ecuaciones algebraicas
lineales simultáneas
RANGO DE COMPLEJIDAD DE
MÉTODO ESTABILIDAD PRECISIÓN APLICACIÓN LA PROGRAMACIÓN COMENTARIOS
Puede tomar más
tiempo que el método
GRÁFICO --- Pobre Limitado --- numérico
Escesiva complejidad
Afectado por errores de cálculo para más
Regla de Cramer --- de redondeo Limitado --- de tres ecuaciones
3
MÉTODOS ITERATIVOS DE SOLUCIÓN
4
MÉTODOS ITERATIVOS DE SOLUCIÓN
5
MÉTODOS ITERATIVOS DE SOLUCIÓN
6
MÉTODOS ITERATIVOS DE SOLUCIÓN
Aplicaciones
• Rara vez para resolver sistemas lineales de dimensión
pequeña.
– Ciencias sociales
– Economía
8
MÉTODOS ITERATIVOS DE SOLUCIÓN
Usando:
( R 1)
x Bx (R)
C , R 0,1,2,.....
Donde:
x (R)
x , x ,......, x
R
1
R
2
R
n T
10
MÉTODOS ITERATIVOS DE SOLUCIÓN
Observación:
1. Para que la sucesión de soluciones converja a x
vector solución es necesario que x mj , 1 j n se
aproxime al vector x j , 1 j n x x , 1 j n decir
m
j j
11
MÉTODOS ITERATIVOS DE SOLUCIÓN
De 1 tenemos que: x1
b1 a12
x2
a13
x3
a11 a11 a11
b2 a 21 a 23
x2 x1 x3
a 22 a 22 a 22
b3 a 31 a 32 (5)
x3 x1 x2
a 33 a 33 a 33
12
MÉTODOS ITERATIVOS DE SOLUCIÓN
a12
a13 b1
0
x1 a11
a11 x1 a11
a 21
a 23 b2
x2 0 x2 (6)
x a 22 a 22
x a 22
3 a 31 a 32 3 b3
a 0 a
33 a 33 33
x Bx C
13
MÉTODOS ITERATIVOS DE SOLUCIÓN
14
MÉTODOS ITERATIVOS DE SOLUCIÓN
Convergencia
• Este criterio también se aplica a las ecuaciones lineales que se
resuelven con el método de Gauss-Seidel. Por tanto, al aplicar este
criterio sobre las ecuaciones de Gauss-Seidel y evaluando con
respecto a cada una de las incógnitas, obtenemos la expresión
siguiente:
a 21 a12
1 1
a 22 a11
• Esto es, el elemento diagonal debe ser mayor que el elemento fuera
de la diagonal para cada reglón de ecuaciones. La generalización del
criterio anterior para un sistema de n ecuaciones es:
n
aii ai , j 15
j 1
MÉTODOS ITERATIVOS DE SOLUCIÓN
Divergencia Seidel
X1 X2
Convergencia
0.00 0.00 Divergencia Seidel
26.00 0.00 70
-14.32 34.12
10 -17.33 -9.23
-14.32 -28.50
59.68 -28.50 0 36.91 -32.19
-20 -10 0 10 20 30 40 50 60 70
59.68 61.95 -10 64.04 34.12
-47.21 61.95 -20 -14.32 67.27
-47.21 -68.70 -30 -53.50 -28.50
107.19 -68.70 -40
59.68 -76.39
107.19 120.01 X1
-115.83 120.01
-115.83 -152.57 Divergencia Jacobi
80
40
utilizando las ecuaciones sin 20
ordenar 0
X2
-60
v : 11x1 9 x2 99 -80
-100
X1 16
MÉTODOS ITERATIVOS DE SOLUCIÓN
Convergencia
Convergencia Seidel
• Resultado de las iteraciones 16
de diagonal dominante 12
v : 11x1 9 x2 99
10
X2
8
u : 11x1 13 x2 286 6
4
Convergencia Seidel
2
X1 X2
Convergencia Jacobi
0.00 0.00 0
X1 X2
9.00 0.00 0 5 10 15 20 25
0.00 0.00 X1
9.00 14.38
9.00 22.00
20.77 14.38
27.00 14.38 Convergencia Jacobi
20.77 4.43
20.77 -0.85 25
12.62 4.43
8.31 4.43
12.62 11.32
12.62 14.97 20
18.26 11.32
21.25 11.32
18.26 6.55
18.26 4.02 15
14.36 6.55
12.29 6.55
14.36 9.85
X2
14.36 11.60 10
17.06 9.85
18.49 9.85
17.06 7.56
17.06 6.35 5
15.19 7.56
14.20 7.56
15.19 9.15 0
15.19 9.99
16.48 9.15 0 5 10 15 20 25 30
17.17 9.15
16.48 8.05 -5
16.48 7.47
15.59 8.05 X1
15.11 8.05 17
15.59 8.81
Métodos
Iterativos
Jacobi, Gauss Seidel, Relajación
18
Método de Jacobi
19
MÉTODOS ITERATIVOS DE SOLUCIÓN
x1 R 1 a11
R 1 1
x R 1 x2 (b2 a 21 x1 a 23 x 3 )
R R
R 1 a 22
x
3 1 R
a (b3 a x
31 1
R
a 32 2 )
x
33
20
MÉTODOS ITERATIVOS DE SOLUCIÓN
1 n
R
xi bi ai j x j , i 1,2,.....,n
R1
aii j 1
j i
21
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• Este método se puede ilustrar usando las siguientes ecuaciones:
22
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• El método comienza resolviendo la ec. 1 para x1, x2 y x3 e
introduciendo el índice k que se utilizara para indicar el número de
iteraciones, se obtiene:
b1 a12 x 2 a13 x 3
(k ) (k )
( k 1)
x1
a11
b2 a 21 x1 a 23 x3
(k ) (k )
( k 1)
x2
a 22
b3 a31 x1 a32 x 2
(k ) (k )
( k 1)
x3
a33
(2)
23
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• Además se requiere de un vector inicial
xi = (x1 (k), x2 (k), x3 (k))
el cual representa la primera aproximación de la solución del
sistema, con lo que se produce x k+1.
Método de Jacobi
Ejemplo 1:
Resolver el siguiente sistema de tres ecuaciones por el Método de
Jacobi, para un a = 5% :
17 X1– 2 X2 – 3 X3= 500
-5 X1 + 21 X2– 2 X3= 200
-5 X1 – 5 X2+ 22 X3= 30
b a 12 x 2 a 13 x 3 b 2 a 21 x 1 a 23 x 3
x1 1 x2
a 11 a 22
b 3 a 31 x 1 a 32 x 2
x3 25
a 33
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• Para la primera iteración el valor de X1, X2 y X3 a sustituir en cada
una se asumirá como cero.
1 a12 x2 a13 x3
• Aplicandob(2) se obtiene: b2 a21 x1 a23 x3
x1 x2
a11 a22
500 2 0 3 0 200 5 0 2 0
x1 x2
17 21
x1 29,41176 x2 9,52381
b3 a31 x1 a32 x2
x3
a33
30 5 0 5 0
x3
22
x3 1,36364 26
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• Para la segunda iteración el valor de X1, X2 y X3 serán los calculados
anteriormente.
b3 a31 x1 a32 x2
x3
a33
30 5 29,41176 5 9,52381
x3
22
x3 10,21263
27
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• Una vez obtenidos estos resultados se debe calcular el error
aproximado porcentual para cada uno de los resultados, para ello
utilizamos la siguiente fórmula:
xr
nuevo anterior
xr
a nuevo
100%
xr
10,21263 1,36364
ax 3 100%
10,21263
ax 3 86,648% 5%
Dado que no se cumple con el a se debe continuar iterando. 28
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• Siguiendo el mismo procedimiento, se obtiene el siguiente cuadro de
resultados:
Iteración x1 x2 x3 a x1 a x2 a x3
0 0,00000 0,00000 0,00000
1 29,41176 9,52381 1,36364
2 30,77285 16,65648 10,21263 4,423% 42,822% 86,648%
3 33,17358 17,82331 12,14303 7,237% 6,547% 15,897%
4 33,65151 18,57876 12,95384 1,420% 4,066% 6,259%
5 33,88347 18,76977 13,23415 0,685% 1,018% 2,118%
Se resaltan los datos donde los errores obtenidos son menores que 5%, se
logra un error aproximado porcentual menor en las tres incógnitas hasta
la quinta iteración.
29
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Jacobi
• Si sustituimos estos valores en las ecuaciones originales para verificar los
resultados se obtiene:
17 *(33,88347) – 2 *(18,76977) – 3 *(13,23415) = 498,77703
-5 *(33,88347) + 21 *(18,76977) – 2 *(13,23415) = 198,27957
-5 *(33,88347) – 5 *(18,76977) + 22 *(13,23415) = 27,88513
500 - 498,77703
ErrorEC1 100% 0,03%
500
200 - 198,27957
ErrorEC2 100% 0,10%
200
30 - 27,88513
ErrorEC3 100% 0,88%
30
30
MÉTODOS ITERATIVOS DE SOLUCIÓN
Ejemplo: 4 x x2 0 x3 0x4 1
1
x1 4x2 x3 0x4 1
0 x1 x2 4 x3 x4 1
0 x1 0x2 x3 4x4 1
Solución:
x2 1
x1
4 4
1 x 1 x 3 x 1 0 1 / 4 0 0 x1 1 / 4
x2
4 4 4 2
x 1 / 4 0 1 / 4 0 2
x
1 / 4
1 x2 x4 x3 0 1 / 4 0 1 / 4 x 3 1 / 4
x3
4 4 4 x 4 0 0 1/ 4 0 x 4 1 / 4
1 x
x4 3
4 4
x B x C
31
MÉTODOS ITERATIVOS DE SOLUCIÓN
Valor Inicial
Cuando no tenemos una aproximación inicial del vector
solución, se usa como vector inicial el vector cero, ie
x 0,0,0,0
0 T
Método de Jacobi
x2 1 1
x1
1 x1
4 4 4
0 0 1 1
x12 x2 T
1 1 1 1
4 4 4 4
x , , ,
(1)
x31
1 0 0
x3
1 4 4 4 4
4 4 4 4
1 0 1
x14 x4
4 4 4
33
MÉTODOS ITERATIVOS DE SOLUCIÓN
Determinando x(2)
x12
1
4
1 x 22 0
1 1 5
x13 1
4 4 16
1 1 1 1 6 6
x 2 1 4 1 x 2
2 3
T
4 4 4 44 16 5 5 5 5
( 2)
x , , ,
1 1 1 1 6 6 16 16 16 16
x 32 1 1 x 33
4 4 4 44 16
1 1 1 5 5
x 42 1 x 43
4 4 46 16
34
MÉTODOS ITERATIVOS DE SOLUCIÓN
R
x1R x 2R x R
3
x 4R
0 0.0000 0.0000 0.0000 0.0000
1 0.2500 0.2500 0.2500 0.2500
2 0.3125 0.3750 0.3750 0.3125
3 0.3438 0.4219
4 0.3555 0.4414
5 0.3604 0.4492
6 0.3223 0.4524
7 0.3631 0.4537
8 0.3634 0.4542
9 0.3635 0.4544
10 0.3636 0.4545 0.4545 0.3636
35
Método Gauss-Seidel
36
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Gauss-Seidel
• Este método en general converge mas rápidamente que el método de
Jacobi.
38
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Gauss-Seidel
• Y despejando para x1, x2 y x3 y adicionando los valores ya obtenidos,
esta se puede expresar como:
b a x a13 x3
(k ) (k )
(k 1)
x1 1 12 2
a11
(k 1) (k 1) (k 1)
b2 a21 x1 a23 x3 b3 a31 x1 a32 x2
(k )
(k 1) (k 1)
x2 x3
a22 a33
Método de Gauss-Seidel
Ejemplo: Resolver el siguiente sistema de tres ecuaciones por el
Método de Gauss Seidel, para un a = 5% :
17 X1– 2 X2 – 3 X3= 500
-5 X1 + 21 X2– 2 X3= 200
-5 X1 – 5 X2+ 22 X3= 30
b 1 a 12 x 2 a 13 x 3 b 2 a 21 x 1 a 23 x 3
x1 x2
a 11 a 22
b 3 a 31 x 1 a 32 x 2
x3
a 33 40
MÉTODOS ITERATIVOS DE SOLUCIÓN
•
Método de Gauss-Seidel
El valor de x se calcula con los valores asumidos de x y x que en principio
1 2 3
es cero. Posteriormente el valor de x1 obtenido y x3 asumido (0), se usan
para calcular x2. Y finalmente el nuevo valor de x3 sale de los valores
calculados x1 y x2.
b1 a12 x2 a13 x3 b2 a21x1 a23x3
x1 x2
a11 a22
500 2 0 3 0 200 5 29,41176 2 0
x1 x2
17 21
x1 29,41176 x2 16,52661
b3 a31x1 a32 x2
x3
a33
30 5 29,41176 5 16,52661
x3
22
x3 11,80418 41
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Gauss-Seidel
• Para la segunda iteración, en el cálculo de X1 el valor de X2 y X3 serán los
calculados anteriormente. Entonces para X1:
b1 a 12 x 2 a 13 x 3
x1
a 11
500 2 16 , 52661 3 11 , 80418
x1
17
x 1 33 , 43916
Método de Gauss-Seidel
Para X3 se utiliza el valor de X1 y X2 calculados en la segunda iteración:
b3 a31 x1 a32 x2
x3
a33
30 5 33,43916 5 18,60972
x3
22
x3 13,19293
43
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método de Gauss-Seidel
• Una vez aplicado el cálculo de error se determina que los valores son
superiores a la premisa inicial (a = 5%), determinándose que se
deben continuar las iteraciones hasta que se cumpla el criterio.
Iteración x1 x2 x3 a x1 a x2 a x3
0 0,00000
• Se resaltan los datos donde los errores obtenidos son menores que
5%, se logra un error aproximado porcentual menor en las tres
incógnitas en la tercera iteración
44
MÉTODOS ITERATIVOS DE SOLUCIÓN
•
Método de Gauss-Seidel
Si sustituimos estos valores en las ecuaciones originales para verificar los
resultados se obtiene:
17 *(33,92931) – 2 *(18,85869) – 3 *(13,36091) = 498,99813
-5 *(33,92931) + 21*(18,85869) – 2 *(13,36091) = 199,66404
-5 *(33,92931) – 5 *(18,85869) +22 *(13,36091) = 30,00000
• Los resultados obtenidos son una aproximación muy buena de los valores
verdaderos. 45
MÉTODOS ITERATIVOS DE SOLUCIÓN
1
x1
R 1
b1 a12 x a13 x 3 a14 x 4
R R R
R 1 a11
x2 1
x R 1
R 1
a
b2 a 21 x1 R 1
12
a 23 x 3 x 4 R
x 3 22
x R 1 1
4
b3 a 31 x1R 1 a 32 x 3R 1
a 33
46
MÉTODOS ITERATIVOS DE SOLUCIÓN
Determinación del
x (1)
1
a 44
b4 a 41 x1R 1 a 42 x 2R 1 a 43 x 3R 1
1 1
x 1
1 (1 (0) 0) x11
4 4
1 5
x 12 (1 1(1 / 4) 1(0)) x 12
1 5 25 89
25
4 16 x , , ,
1
1 4 12 64 256
x 31 (1 1(1 / 4) 1(5 / 16)) x 31
4 64
1 89
x 14 (1 0 0 25 / 14) x 14
4 256
47
MÉTODOS ITERATIVOS DE SOLUCIÓN
Observación:
•La sucesión de vectores x (1) , x ( 2) , x (3) ,...., x ( R ) ,.... converge o se
aleja del vector solución x x , x , x ,....., x
1 2 3 n
T
Ejemplo:
Resolver el siguiente sistema con el método de Gauss
Seidel con E = 10-2 aplicando a |xK+1 – xK|
x1 3x2 5x3 2x4 10
x1 9x2 8x3 4x4 15
x2 x4 2
2x1 x2 x3 x4 3
49
MÉTODOS ITERATIVOS DE SOLUCIÓN
x1 3 x 2 5 x 3 2 x 4 10
x1 8 x 3 4 x 4 15
x2
9 9 9 9
x 3 2 x1 2 x 2 x 3 x 4 3
x4 x2 2
50
MÉTODOS ITERATIVOS DE SOLUCIÓN
51
MÉTODOS ITERATIVOS DE SOLUCIÓN
53
MÉTODOS ITERATIVOS DE SOLUCIÓN
y
| a ii | a
i 1
ij 1 j n
i j
54
Métodos de Relajación
55
Método de SOR
56
Método de SOR
57
Método de SOR
Ejemplo
58
Método de SOR
Cuadro en 7 iteraciones
k 0 1 2 3 4 5 6 7
59
MÉTODOS ITERATIVOS DE SOLUCIÓN
02
60
MÉTODOS ITERATIVOS DE SOLUCIÓN
<1
Se conoce como subrelajación
Para hacer que un sistema no convergente converja o apresure la
convergencia al amortiguar las oscilaciones.
>1
Se conoce como sobrerelajación
Se usa cuando la convergencia va en la dirección correcta hacia la solución
verdadera, pero con una velocidad demasiado lenta. Para llevarla más cerca
de la verdadera.
b1 a12 x2 a13 x3
(k ) (k )
(k 1)
x1
a11
(k 1) (k 1) (k 1)
b2 a21 x1 a23 x3 b3 a31 x1 a32 x2
(k )
(k 1) (k 1)
x2 x3
a22 a33
64
MÉTODOS ITERATIVOS DE SOLUCIÓN
4 1 1 x1 2 4 1 1
6 x 45
8 2 8 6
5 12 x3 80 12 5
65
MÉTODOS ITERATIVOS DE SOLUCIÓN
Método Gauss-Seidel con relajación
b1 a12 x2 a13 x3
x1
a11
Para calcular el primer valor de X1, se
2 1 0 1 0
asumirán X2 y X3 con valores cero. x1
4
Entonces para X1, x1 0,50000
b2 a21 x1 a23 x3
x2
Para calcular el valor de X2, se utilizará a22
solamente el valor encontrado de X1, dado 45 6 (0,50000)
x2
que a23 es cero. 8
x2 6,00000
b3 a31 x1 a32 x2
x3
Para calcular el valor de X3, se utilizará a33
solamente el valor encontrado de X1, dado 80 5 (0,50000)
x3
que a32 es cero. 12
x3 6,45833 66
MÉTODOS ITERATIVOS DE SOLUCIÓN
b2 a21 x1 a23 x3
x2
a22
0,9 3,89766 (1 0,9) (6,00000)
nuevo
x2
45 6 ( 2,30313)
x2 x2
nuevo
4,10789
8
x2 3,89766
b3 a31 x1 a32 x2
x3
a33 0,9 7,62630 (1 0,9) (6,45833)
nuevo
x3
80 5 (2,30313)
x3 7,50951
nuevo
x3
12
x3 7,62630 67
MÉTODOS ITERATIVOS DE SOLUCIÓN
Iteración x1 x2 x3 a x1 a x2 a x3
• Se resaltan los datos donde los errores obtenidos son menores que
5%, se logra un error aproximado porcentual menor en las tres
incógnitas en la cuarta iteración
68
MÉTODOS ITERATIVOS DE SOLUCIÓN
70
MÉTODOS ITERATIVOS DE SOLUCIÓN
Ejercicio
•
Resolver el siguiente sistema de ecuaciones, para un error a
5 %, con los tres métodos analizados.
2 1 x1 124
1 2 1 x 4
2
1 2 x3 14
71
MÉTODOS ITERATIVOS DE SOLUCIÓN
Jacobi
b1 a12 x2 a13x3 b2 a21x1 a23x3 b3 a31x1 a32x2
x1 x2 x3
a11 a22 a33
xr
nuevo anterior
xr
a nuevo
100 %
xr
Iteración X1 x2 x3 a x1 a x2 a x3
0 0,00000 0,00000 0,00000
1 62,00000 2,00000 7,00000
2 63,00000 36,50000 8,00000 1,587% 94,521% 12,500%
3 80,25000 37,50000 25,25000 21,495% 2,667% 68,317%
4 80,75000 54,75000 25,75000 0,619% 31,507% 1,942%
5 89,37500 55,25000 34,37500 9,650% 0,905% 25,091%
6 89,62500 63,87500 34,62500 0,279% 13,503% 0,722%
7 93,93750 64,12500 38,93750 4,591% 0,390% 11,075%
8 94,06250 68,43750 39,06250 0,133% 6,301% 0,320%
9 96,21875 68,56250 41,21875 2,241% 0,182% 5,231%
10 96,28125 70,71875 41,28125 0,065% 3,049% 0,151%
72
MÉTODOS ITERATIVOS DE SOLUCIÓN
Gauss-Seidel
b1 a12 x2 a13x3 b2 a21x1 a23x3 b3 a31x1 a32x2
x1 x2 x3
a11 a22 a33
xr
nuevo anterior
xr
a nuevo
100 %
xr
Iteración x1 x2 x3 a x1 a x2 a x3
0 0,00000
73
MÉTODOS ITERATIVOS DE SOLUCIÓN
xr
nuevo anterior
nuevo
xi
nuevo
(1 ) xi
anterior xr
xi a nuevo
100 %
xr
= 1,20
Iteración x1 x2 x3 a x1 a x2 a x3
74
MÉTODOS ITERATIVOS DE SOLUCIÓN
Comparación de Métodos
Haciendo un resumen de los resultados obtenidos en la siguiente tabla:
76
MÉTODOS ITERATIVOS DE SOLUCIÓN
Comparación de Métodos
Se observa que para las tres incógnitas con método de Jacobi
los resultados son más oscilantes y convergen de forma más
lenta.
77
Algoritmos
78
MÉTODOS ITERATIVOS DE SOLUCIÓN
Algoritmos
En la práctica, normalmente utilizamos computadoras
para realizar las iteraciones, es por esta razón que
necesitamos implementar algoritmos para encontrar
soluciones de sistemas n x n mediante los métodos
anteriormente descritos.
79
MÉTODOS ITERATIVOS DE SOLUCIÓN
80
MÉTODOS ITERATIVOS DE SOLUCIÓN
81
MÉTODOS ITERATIVOS DE SOLUCIÓN
82
MÉTODOS ITERATIVOS DE SOLUCIÓN
Paso16: Si M = 0, hacer xº = x
Paso17: Hacer K = K + 1
83
MÉTODOS ITERATIVOS DE SOLUCIÓN
Algoritmo Jacobi
For k=1,2,…
For i=1,2,…, n
xi=0
For j=1,2,…,i-1,i+1,…,n
End xi xi aij X kj 1
End
xk x
1 n
( k 1)
xi
(k)
b i - ai , j x j
a ii
j i
84
MÉTODOS ITERATIVOS DE SOLUCIÓN
Algoritmo Gauss-Seidel
For k=1,2,…
For i=1,2,…, n
sum=0
For j=1,2,…,i-1,
For j=i+1,…,n
End
sum sum aij X kj 1
End i 1 n
x (bi sum) / aii bi aij x j aij x j
k k k 1
End i
xik
j 1 j i 1
aii
85
MÉTODOS ITERATIVOS DE SOLUCIÓN
Algoritmo Gauss-Seidel con relajación
For k=1,2,…
For i=1,2,…, n
sum=0
For j=1,2,…,i-1,
sum
End sum aij X k
j
For j=i+1,…,n
Endsum sum a X k 1
ij j
k 1 k 1
End xi xi ( xik xi )
k
i 1 n
bi aij x aij x 1 X i
k 1
x
k
i
k
j j
aii j 1 j i 1 86
MÉTODOS ITERATIVOS DE SOLUCIÓN
Segunda iteración
Síntesis
Los métodos iterativos son óptimos para grandes sistemas y
son mejor aprovechados cuando se tienen matrices esparcidas.
Síntesis
Para mejorar la convergencia, se usan técnicas como:
Utilización de los cálculos previos asumiendo que una mejor
aproximación que el vector de condiciones iniciales. (Gauss-Siedel )
Un factor de ponderación para reducir el error residual ( Relajación )
La selección de un vector de condiciones iniciales apropiado ayuda a
reducir el número de iteraciones.
La selección de es de carácter práctico y de su elección se pueden
lograr también que el número total de iteraciones se reduzcan.
La finalización del cálculo de iteraciones se logra cuando todos los
elementos de vector de residual están debajo de la tolerancia requerida.
El método de Jacobi presenta mas oscilaciones que los métodos de
Gauss-Siedel y relajación. 89
Métodos de Gradiente
90
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
91
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
Propiedades
1.
2.
3.
4.
92
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
x
x+ tv
93
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
(*)
94
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
95
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
(**)
96
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
97
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
98
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
En donde
99
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
100
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
101
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
Es decir tenemos:
input x(0), A, b, M
output 0, x(0)
for k=0,1,2,…, M-1 do
.
output k+1, x(k+1)
end
102
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
103
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
104
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
105
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
106
MÉTODOS DEL DESCENSO MÁS RÁPIDO DEL
GRADIENTE CONJUGADO
107
Convergencia
108
CONVERGENCIA
,
CONVERGENCIA
LONGITUD DE UN VECTOR
Supongamos x un vector en R2, su longitud denotado
por |x| es definido como un número positivo o cero.
109
CONVERGENCIA
110
CONVERGENCIA
,
111
CONVERGENCIA
,
ESPACIO VECTORIAL Cn
El espacio vectorial Cn, esta compuesto de todos
los vectores en donde los
Si al vector complejo x es multiplicado por también complejo el
resultado es otro vector complejo.
112
CONVERGENCIA
.
NORMA DE VECTORES
Una norma en Rn es una función de || || de Rn en R que verifica las
propiedades
113
CONVERGENCIA
114
CONVERGENCIA
115
CONVERGENCIA
116
CONVERGENCIA
Ejemplo:
Dado el vector
determinar sus normas Euclidiana e Infinito
117
CONVERGENCIA
118
CONVERGENCIA
119
CONVERGENCIA
120
CONVERGENCIA
121
CONVERGENCIA
Tenemos que,
122
CONVERGENCIA
NORMAS MATRICIALES
Una norma matricial en el espacio de matricial nxn es una
función de variable real que verifica las siguientes
condiciones para todas las matrices A y B de dimensión
nxn y todos los números reales
124
CONVERGENCIA
125
CONVERGENCIA
3
1
Ax
x 1
-1 1 -2 -1 1 2
x1 x1
-1
-1
-3
126
CONVERGENCIA
x 2
AX
1
-1 1 x
x1
-2 -1 1 2 x1
-1 -1
-2
127
CONVERGENCIA
Determinar
Solución
128
Muchas Gracias
129