Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Métodos iterativos
Ejemplo. Sea el método iterativo x ( i 1) 3 x (i ) 2 A 1b.
Es evidente que el método es consistente con (1).
Para x = A-1b se tiene
Métodos iterativos
(M N )x b Mx Nx b.
Métodos iterativos
Como lim x(i 1) lim x(i) (es la misma sucesión) se tiene que:
i i
i
i
lim x ( i 1) H lim x ( i ) c y Hy c
y M 1 Ny M 1b My Ny b
( M N ) y b Ay b
x (i 1) x (i ) r (i ) (4)
norma_r = abs(r1)
Para i = 2 hasta n
s = abs(ri)
cálculo de la
Algoritmo Si s > norma_r entonces norma inf del
de norma_r = s vector residual
Richardson Fin si
Fin para
Si norma_r < 𝜀 detener si la norma
del vector residual es
break menor que 𝜀
Fin si
Para i = 1 hasta n nueva
x i = x i + ri aproximación
Fin para
Prof. Raúl Manzanilla Fin para 7
Sistemas de Ecuaciones Lineales
Ejemplo: Iteración de Richardson x (i 1) (I A )x (i ) b
1 1 11
1 A = [1,1/2,1/3; 1/3,1,1/2; 1/2,1/3,1]
Resolver 2 3 y1 18
1 11 b = [11/18; 11/18; 11/18]
el 1 1
3 y2
sistema 2 18
1 1 y 3 11
1
2 3 18 T
x1 0.611 0.611 0.611
0 x i x i 1 eps
0
usando x 0 x10 0.279 0.279 0.279
T
0
T
x198 0.333 0.333 0.333
1 1
0
2 3
1 1 5
Notar que I A 0 ⟹ I A 1
3 2 6
1 1
0
2 3
Prof. Raúl Manzanilla 8
Sistemas de Ecuaciones Lineales
Método de Jacobi
Sea A es una matriz invertible, A (aij )1i , j n se quiere resolver Ax b.
Sea A D E F
E (e ij )1i , j n con F ( f ij )1i , j n con D (dij )1i , j n con
0 si i j 0 si i j 0 si i j
eij f ij dij
aij si i j aij si i j aij si i j
- triángulo inferior de A - triángulo superior de A
diagonal principal de A
(sin la diagonal principal) (sin la diagonal principal)
bi = bi / aii s=0
Para j = 1 hasta i-1 vecdif = abs(x1 - xi1)
Fin para
Para i = 2 hasta n
cálculo de la norma
Para i = 2 hasta n-1 s = s + aij * xij
partir de x(i)
aij = -aij / aii Para j = i+1 hasta n Si s > vecdif
Fin para s = s + aij * xii vecdif = s
Para j = i+1 hasta n Fin para Fin si
construcción
Fin mientras
Fin para Fin para
Fin para s = 0; ss = 0 Obs.
No se detiene el
Para j = 2 hasta n Para j = 2 hasta n
algoritmo por número
a1j = -a1j / a11 s = s + a1j * xij
máximo de iteraciones.
an,j-1 = -an,j-1 / ann ss = ss + an,j-1 * xij-1 No se cuenta el
Fin para Fin para número de iteraciones
realizadas
vecdif = 5 ...
Prof. Raúl Manzanilla 10
Sistemas de Ecuaciones Lineales
Método de Jacobi (cont.)
El algoritmo del método de Jacobi, mostrado en la lámina anterior, se
puede simplificar de la siguiente manera:
(i 1)
Partiendo de la ecuación (5) x D 1(E F )x (i ) D 1b se tiene que:
de donde
n
x(ji 1) 1 bj a jk xk(i) , (j 1,2, , n). (**)
a jj k 1
k j
0 x i x i 1 eps
T
usando x 0
0 x198 0.333 0.333 0.333
0
Obs. En este ejemplo la matriz de iteración coincide con la de Richardson.
1 1
0
2 3
1 1 5
Notar que D 1 ( E F )
3
0
2
⟹ D 1 (E F ) 1
1
6
1
0
2 3
Prof. Raúl Manzanilla 13
Sistemas de Ecuaciones Lineales
Método de Gauss-Seidel
0 x i x i 1 eps
0
T
usando x 0 x 36 0.333 0.333 0.333
0
0 0.5 0.333
⟹ (D E) 1 F
1
Notar que ( D E ) F 0 0.167 0.389 0.833 1
0 0.194 0.296
Se propone la iteración
{ D E } x (i 1) {F (1 )D } x (i ) b (7)
M N
a11 0 0
a 21
M D E
D
0
a
-ωE
n1 ann
M = D - ωE y N = ωF + (1-ω)D.
Si tomamos en (7)
M = D - ωF y N = ωE + (1-ω)D
Descripción D E x (k 1)
de una Dx (k 1) (E F )x (k ) b D E x (k 1) Fx (k ) b
iteración 1 D F x (k ) b
Veremos 3 esquemas de
almacenamiento para la
matriz A.
XA 0.1 1.1 5.0 3.0 1.0 4.3 5.2 1.0 4.8 0.3 2.0
IF 1 4 6 7 10 12
IC 1 2 5 1 2 3 1 4 5 3 5
A = [0.1 1.1 0 0 -5.0; 3.0 1.0 0 0 0; 0 0 4.3 0 0; 5.2 0 0 -1.0 4.8; 0 0 0.3 0 -2.0];
Sistemas de Ecuaciones Lineales
Almacenamiento compacto de matrices esparcidas (ralas) –
Esquema 2
Para representar una matriz esparcida A de dimensión nn usaremos el
esquema denominado "indexado por filas" que contempla dos vectores de
nombres sa e ija, donde sa almacena los elementos distintos de cero de A
e ija almacena valores enteros correspondientes a apuntadores de filas y
columnas para A.
Las reglas para el llenado de sa e ija son las siguientes (todos los vectores
arrancan en 1 y no en 0):
C 2 4 1 3 1 5 4 5 1 3 5
S 1.0 2.0 1.1 3.6 2.1 1.0 100.0 2.0 2.7 5.1 2.7
Es de hacer notar que la matriz A fue recorrida por filas para generar el
almacenamiento coordenado.