RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES CON

METODOS ITERATIVOS

OCTUBRE DE 2019

UNIVERSIDAD NACIONAL AMAZONICA DE MADRE DE DIOS

INGENIERIA DE SISTEMAS E INFORMATICA
METODOS NUMERICOS APLICADOS A LA INGENIERIA DE SISTEMAS
RESUMEN ii
Tabla de Contenido iii

Capítulo 1 ........................................................................................................................................ 1
Resolución de sistemas de ecuaciones lineales con métodos iterativos ......................................... 1
Definición de normas matriciales ............................................................................................... 1
Teorema 1 ................................................................................................................................... 2
Teorema 2 ................................................................................................................................... 3
Método de jacobi......................................................................................................................... 3
Método de gauss-seidel ............................................................................................................... 4
Convergencia de los métodos de jacobi y gauss-seidel .............................................................. 5
Solución matricial de los métodos de Jacobi y gauss-seidel....................................................... 5
Resultados y discusión. ................................................................................................................... 7
Lista de referencias ......................................................................................................................... 8
 1

Capítulo 1

Resolución de sistemas de ecuaciones lineales con métodos iterativos

Considerando un sistema lineal

Ax = b

Siendo A una matriz inversible , es decir ,el sistema es compatible determinado.

Un método iterativo para la resolución de sistemas lineales permite construir una sicesion
{x(m)}m ∞=0 de vectores que “aproximan “ la solución exata x =A-1b del sistema
en el sentido de que

lim 𝑥 (𝑚) = 𝑥
𝑚→∞

Los metodos iterativos mas usados son los que construyen la solución en la forma

X(m+1) = Bx(m) + c , B ∈ MR (n), c ∈ Rn

Definición de normas matriciales

Sea E un espacio vectorial sobre el cuerpo K. Una norma sobre E es una

aplicación || ||: E → [0, +∞) que cumple las propiedades

(i) ||x|| = 0 si, y sólo si, x = 0.

(ii) ||x + y|| ≤ ||x|| + ||y|| para todo x, y ∈ E (desigualdad triangular).

(iii) ||ax|| = |a| ||x|| para todo x ∈ E y todo a ∈ K.

Al par (E, || ||) se le llama espacio vectorial normado. La función d(x, y) = ||x − y||
define una distancia en E, y la topología asociada a esta métrica.

Todas las normas definidas en un espacio de dimensión finita E son equivalentes

en el sentido de que todas definen la misma topología.
En Kn las tres normas más utilizadas en la práctica son:

 ǁxǁ1 = Σi=1 |xi|,

 ǁxǁ2 = √Σi=1 |xi|2 = √x∗x = √(x, x),

 ǁxǁ∞ = máx{|xi| : i = 1, ..., n}.

Donde xt = (x1, x2,..., xn).

 2

Una norma matricial en el anillo de las matrices Mn(K) de orden n es una norma || ||
definida en Mn(K) que además cumple

ǁǁABǁǁ ≤ ǁǁAǁǁ ǁǁBǁǁ, para todo A, B ∈ Mn(K).

(Mn (K) es isomorfo a Kn2 , ¿es una norma matricial la norma ||A|| = ∑𝑛𝑖,𝑗=1 |A(i, j)|?)
Dada una norma || || en Kn, utilizando la identificación de las matrices A con los operadores
lineales que definen ƒA, podemos considerar la norma de la aplicación lineal ƒA para definir
la norma matricial subordinada a la norma ||, || de Kn. Esta norma se define por :

||Ax|| ||Ax||
||A|| = sup { : 𝑥 ∈ 𝑘 𝑛 − 0} = sup{ : ||x|| ≤ 1}
||x|| ||x||
||Ax||
= sup { ∶ ||x|| = 1}
||x||

Observad que estas normas subordinadas tienen la propiedad siguiente:

||Ax|| ≤ ||A||||x|| para todo A ∈ Mn(K) y x ∈ Kn

Lo que las hace interesantes para intentar medir la estabilidad y el condicionamiento de

los sistemas lineales Ax = b.
Existen normas matriciales que no están subordinadas a ninguna norma de Kn como
mostraremos más adelante.

El siguiente teorema ofrece información sobre las normas subordinadas a las más usuales

Teorema 1 Sea A = (aij ) ∈ Mn(C) una matriz cuadrada. Entonces

La norma || ||2 es invariante por transformaciones unitarias

U U ∗ = I ⇒ ||A||2 = ||AU ||2 = ||U A||2 = ||U ∗AU ||2.

Si además la matriz A es normal (A∗A = AA∗):

 3

||A||2 = ρ(A).

Si A es normal ||A||2 = ρ(A). Aunque esta identidad no es cierta para todas las matrices, el
radio espectral tiene la siguiente propiedad:

Teorema 2 Si A es una matriz cuadrada y || ||es una Norma matricial (subordinada o

no), entonces
ρ(A) ≤ ||A||.

En sentido recíproco, si A es una matriz y ε > 0, existe una norma matricial subordinada
tal que
||A|| ≤ ρ(A) + ε.

Método de jacobi

Tal y como hemos mencionado, el método de Jacobi para buscar la solución de un

sistema lineal Ax = b si no hay ceros en la diagonal D de A consiste en construir la
sucesión de iteradas

Xk+1 = D−1(−(L + U ))xk + D−1b = AJ xk + D−1b.

Para realizar los cálculos de forma eficiente y para utilizarlos en las condiciones de
parada comenzamos analizando los vectores residuales y observando cómo pueden
utilizarse para construir cada iteración del método:

 rk = Axk − b = Dxk + (L + U )xk − b

 D−1rk = xk − (D−1(−(L + U ))xk + D−1b) = xk − xk+1

 xk+1 = xk − D−1rk

Cada etapa del cálculo de los vectores rk = (rk)i y xk = (xk)i se realiza coordenada
a coordenada, comenzado en i = 1 y consecutivamente i = 2, 3, ..., n
Para i = 1, mientras que i ≤ n, haciendo en cada paso i = i + 1:
 4

Método de gauss-seidel

Los vectores del algoritmo de Jacobi se van construyendo coordenada a coordenada de

manera que cuando se va a calcular xk+1i ya se conocen los valores de xk+1j para j < i. La
idea en la modificación propuesta en el método de Gauss-Seidel consiste en utilizar para
el cálculo de xk+1 i En las coordenada conocidas xk+1j para j < i junto con xkj para i ≤ j, en
lugar de utilizar sólo las coordenadas de xk, en la hipótesis de que si el método va a
converger, las coordenadas de xk+1 son una mejor aproximación a las de la solución que
las de xk.
Para i = 1, mientras que i ≤ n, haciendo en cada paso i = i + 1:

En términos matriciales, el método de Gauss-Seidel consiste en

considerar la descomposición

A = (L + D) + U = M − N, M = L + D y N = −U.

Para comprobarlo basta con observar las coordenadas de la expresión:

(L + D)xk+1 = −U xk + b.

La matriz del método iterativo de Gauss-Seidel es

Att = (L + D)−1(−U ).
 5

Convergencia de los métodos de jacobi y gauss-seidel

Para las matrices especiales del capítulo anterior se tienen buenos criterios de
convergencia:
Teorema 1: Sea A una matriz diagonal estrictamente dominante:

Para todo i = 1,..., n. Entonces el método de Jacobi y el método de Gauss-Seidel para

resolver el sistema Ax = b son convergentes, y el método de Gauss-Seidel converge al
menos a la misma velocidad que el de Jacobi. De forma más concreta

Teorema 2: Sea A una matriz tridiagonal. Entonces los radios espectrales de las matrices
de los métodos de Jacobi y Gauss-Seidel cumplen:

.
Así los métodos de Jacobi y de Gauss-Seidel para resolver el sistema Ax = b convergen
Simultáneamente y cuando lo hacen, el método de Gauss-Seidel converge más
rápidamente que el de Jacobi.

Solución matricial de los métodos de Jacobi y gauss-seidel

6
 7

Resultados y discusión.

Se podrá escribir en primera persona sobre cuáles fueron los resultados y lo que has
pensado de ellos. También se podrá usar una tabla o figura para mostrar los resultados y
luego discutirlos en el texto. No realices citas en esta sección porque estos resultados son
únicos, son datos de tu estudio y por lo tanto no existe material para recuperar.
 8

Lista de referencias
9