MÉTODOS ITERATIVOS

MÉTODO DE JACOBI. Consideremos el sistema de ecuaciones lineales:

 1
 x1  a  b1  a12 x2  a13 x3  ...  a1n xn 
a11 x1  a12 x2   a1n xn  b1  11

 1

a21 x1  a22 x2   a2 n xn  b2 despejamos de cada  x2   b2  a21 x1  a23 x3  ...  a2 n xn 
  a22
 ecuacion respectivamente: 

an1 x1  an 2 x2   ann xn  bn 

 xn  a  bn  an1 x1  an 2 x2  ...  an ( n 1) xn 1 
1
 nn

1  n 
Expresando en términos de sumatoria: xi   bi   aij x j  , i  1, 2,..., n
aii  j 1, j  i 
1  n 
Asi, la formula iterativa de Jacobi está dada por: xi( k 1)   bi   aij x (j k )  , i  1, 2,..., n, k  0,1, 2,...
aii  j 1, j  i 

Observación: Las iteraciones empiezan con el vector inicial dado X  0 , a partir del cual se obtienen los
vectores X 1 , X  2 , ... empezando con k  0 . Si el método converge, X  k  converge a la solución X a medida
que X crece, es decir, X  k   X .
k 

5 x1  3 x2  1x3  5

Ejemplo. Dado el sistema de ecuaciones lineales:  2 x1  4 x2  1x3  6 , formule el sistema iterativo y realice
2 x  3x  8 x  4
 i 2 3

dos iteraciones empezando con el vector inicial x1  x2  x3  1 :

(0) (0) (0)

1  n
(k ) 
Solución. Por la fórmula iterativa de Jacobi: xi( k 1)   bi   aij x j  , para i  1, 2,3 y k  0,1
aii  j 1, j  i 

Para i  1: x k 1

 5  3x (k )
2  x3( k ) 
1
5

Para i  2 : x2k 1 
 6  2 x1(k )  x3(k ) 
4

Para i  3 : x k 1

 4  2x (k )
1  3 x2( k ) 
3
8
Empezamos las iteraciones con el vector inicial x1  x (0) (0)
2 x (0)
3  1:
Si k=0 (primera iteración): Si k=1 (segunda iteración):

x1

 5  3x(0)
2  x3(0) 

 5  3(1)  (1)   1.4 x2

 5  3x (1)
2  3x3(1) 

 5  3(1.25)  0.625  1.625
1 1
5 5 5 5

x12 
6  2x (0)
1 x (0)
3    6  2(1)  (1)   1.25 x22 
6  2x (1)
1 x (1)
3    6  2(1.25)  (0.625)   0.956
4 4 4 4

x31 
 4  2x (0)
1  3x (0)
2    4  2(1)  3(1)   0.625 x32 
 4  2x (1)
1  3x (1)
2    4  2(1.4)  3(1.25)   0.6187
8 8 8 8
MÉTODO DE GAUSS – SEIDEL.
Este método se obtiene de la fórmula de Jacobi, separando la sumatoria en dos partes: uno formado por los
términos que aún no han sido calculados, que se les toma de la iteración anterior k y el otro por los términos
que ya están calculados y se los toma de la iteración k  1 . Así, la formula iterativa de Gauss-Seidel:
1  i 1 n 
xi( k 1)   bi   aij x (jk 1)   aij x (jk )  , i  1, 2,..., n, k  0,1, 2,...
aii  j 1 j i 1 
Las iteraciones empiezan con el vector inicial X  0 dado, a partir de este se obtienen los vectores X 1 , X  2 , ...
empezando con k  0 .
Observación: Si el método converge, este requiere de menos iteraciones que el método de Jacobi.
 5 x  y  z  10

Ejercicio 1: Resolver el sistema 2 x  8 y  z  11 , por el método de Gauss-Seidel, para X i(0)  0 y
 x  y  4 z  3

k  0,1, 2,3 .
Solución. Por la formula iterativa de Gauss-Seidel:
1  i 1 n 
xi( k 1)   bi   aij x (jk 1)   aij x (jk )  , i  1, 2 y 3, k  0,1, 2 y 3
aii  j 1 j i 1 
1
x1( k 1)  (10  x2( k )  x3( k ) )
Para i  1:
5
1
Para i  2: x2( k 1)  (11  2 x1( k 1)  x3( k ) )
8
1
Para i  3: x3( k 1)  (3  x1( k 1)  x2( k 1) )
4
Empezamos las iteraciones con el vector inicial x1  x2  x3(0)  0
(0) (0)

Para k  0 : Para k  1:
1 1
x1(1)  (10  x2(0)  x3(0) )  2 x1(2)  (10  x2(1)  x3(1) )  1.96875
5 5
1 1
x2(1)  (11  2 x1(1)  x3(0) )  0.875 x2(2)  (11  2 x1(2)  x3(1) )  1.01172
8 8
1 1
x3(1)  (3  x1(1)  x2(1) )  1.03125 x3(2)  (3  x1(2)  x2(2) )  0.98926
4 4

Para k  2 : Para k  3 :
1 1
x1(3)  (10  x2(2)  x3(2) )  2.00449 x1(4)  (10  x2(3)  x3(3) )  1.99916
5 5
1 1
x2(3)  (11  2 x1(3)  x3(2) )  0.99753 x2(4)  (11  2 x1(4)  x3(3) )  1.00043
8 8
1 1
x3(3)  (3  x1(3)  x2(3) )  1.00174 x3(4)  (3  x1(4)  x2(4) )  0.99968
4 4
EL MÉTODO DE RELAJACIÓN.

Es un proceso que acelera la convergencia o divergencia de los métodos iterativos y se obtiene de la formula iterativa
de Gauss – Seidel agregando un factor de convergencia w :

w i 1 n 
xi( k 1)  xi( k )   bi   aij x j   aij x (jk )  , i  1, 2,..., n, k  0,1, 2,..., 0  w  2
( k 1)

aii  j 1 j i 
donde 0  w  2 es el factor de relajación.
Si w  1 es el método de Gauss – Seidel.
Si 0  w  1 se llama método de sub-relajación.
Si 1  w  2 se denomina método de sobre-relajación.

5 x1  12 x3  80

Ejemplo. Resolver el sistema 4 x1  x2  x3  2 , usando el método de relajación con w  0.9 y empezando
6 x  8 x  45
 1 2

las iteraciones con el vector inicial : x1

0
 x20  x30  0 :

Solución. Reordenando:

4 x1  x2  x3  2

6 x1  8 x2  45
5 x  12 x  80
 1 3

i 1 n
w
k 1
Aplicando la fórmula del método de Relajación: xi  xi 
k
(bi   aij x kj 1   aij x kj )
aii j 1 j i

0.9
Para i  1: x1k 1  x1k  (2  4 x1k  x2k  x3k )
4
0.9
Para i  2: x2k 1  x2k  (45  6 x1k 1  8 x2k )
8
0.9
Para i  3: x3k 1  x3k  (80  5 x1k 1  12 x3k )
12

Empezamos las iteraciones con el vector inicial : x1

0
 x20  x30  0 :
Para k  0 : Para k  1 :

0.9 0.9
x11  x10  (2  4 x10  x20  x30 )  0.45 x12  x11  (2  4 x11  x12  x31 )  2.02
4 4
0.9 0.9
x12  x10  (45  6 x11  8 x20 )  5.36 x22  x11  (45  6 x12  8 x12 )  4.2335
8 8
0.9 0.9
x31  x10  (80  5 x11  12 x30 )  5.83 x32  x11  (80  5 x12  12 x31 )  7.34
12 12
y así sucesivamente.
RAÍCES DE SISTEMAS DE ECUACIONES NO LINEALES.

MÉTODO DE NEWTON RAPHSON

Consideremos el sistema de ecuaciones no lineales:
f1 ( x1 , x2 ,..., xn )  0
f 2 ( x1 , x2 ,..., xn )  0
(1)

f n ( x1 , x2 ,..., xn )  0
Si F contiene n ecuaciones, la ecuación de recurrencia es:
( k ) 1
 F  ( k ) 1
X ( k 1)  X ( k )     F (k )
 X (k )
 
 J   F ( k )
 X 
J( k )

 f1( k ) f1( k ) f1( k ) 

 x x2 xn 
 x1( k 1)   x1( k )   f1( k )   1
 ( k 1)   (k )   (k )   f 2( k ) f 2( k ) f 2( k ) 
x  ; X   x2  ; f  
X ( k 1)  2 ( k )
F (k )  2  ; J(k )   x1 x2 xn 
     
 ( k 1)   (k )   (k )   
 xn   xn   fn   (k ) 
 f n f n( k ) f n 
(k )

 x x2 xn 
 1
En la solución se parte de un vector inicial X (0) generando así a los vectores X (1) , X (2) ,...

La convergencia del método de Newton requiere que: f1 , f 2 ,... f n y sus derivadas sean continuas en una
región, donde el Jacobiano no se anula y el valor inicial, la raíz y los valores calculados pertenezcan a esta
región.
  f1 ( x1 , x2 )  1, 6 x12  3, 6 x1 x2  7,8 x1  2, 6 x2  5, 2
Ejemplo. Encontrar las raíces del sistema 
 f 2 ( x1 , x2 )  0,9 x2  3,1x1  6, 2 x1  6, 2 x2
2 2

 x (0)   0,5 
comenzando con el valor inicial X (0)   1(0)     ( o tomado de la gráfica cerca del punto de corte).
 x2  0, 4 
1
Solución. La ecuación de recurrencia es: X ( k 1)  X ( k )   J ( k )  F ( k )
1
 f1( k ) f1( k ) 
 
 x1( k 1)   x1( k )   x1 x2   f1( k ) 
 
 ( k 1)   ( k )   ( k )   (k ) 
 x2   x2  f 2 f 2( k )   f 2 
 
 x1 x2 
donde,
f1( k ) f 2 ( k )
 3, 2 x1( k )  3, 6 x2( k )  7,8  6, 2 x1( k )  6, 2
x1 x1
f1( k ) f 2 ( k )
 3, 6 x1( k )  2, 6  1,8 x2 ( k )  6, 2
x2 x2
Reemplazando:
1
 f1(0) f1(0) 
 
 x1(1)   x1(0)   x1 x2   f1(0) 
Si k  0 :  (1)    (0)    (0) 
 x2   x2   f 2 f 2(0)   f 2 
(0)

 
 x1 x2 
Reemplazamos x1(0) y x2(0)
1
 x1(1)   0,5  3, 2(0,5)  3, 6(0, 4)  7,8 3, 6(0, 4)  2, 6 
 (1)      
 x2  0, 4   6, 2(0,5)  6, 2 1,8(0, 4)  6, 2 
1, 6(0,5) 2  3, 6(0,5)(0, 4)  7,8(0,5)  2, 6(0, 4)  5, 2 
 
 0,9(0, 4) 2  3,1(0,5) 2  6, 2(0,5)  6, 2(0, 4) 
1
 0,5   4, 76 1,16   1,38   0,5   0,1894 0, 0318  1,38 
          
0, 4   3,1 6,92  0, 299  0, 4   0, 0848 0,1303   0, 299
 0,5   0, 2709  0, 7709 
    
0, 4   0, 0781  0, 4781

Hallando el error: X (1)  X (0)  (0, 7709  0,5)2  (0, 4781  0, 4)2  0, 2594
El error debe acercarse a cero, por lo que se tendrá que hacer más iteraciones hasta alcanzar un número
cercano a cero.