3.

3 Iteración y convergencia de sistemas

de ecuaciones.
El primer método iterativo para solucionar un sistema linear apareció
probablemente en una letra de Gauss a un estudiante el suyo. Él propuso el
solucionar de un sistema 4 by-4 de ecuaciones en varias ocasiones solucionando
el componente del cual la residual era la más grande.
La teoría de métodos iterativos inmóviles fue establecida sólidamente con el
trabajo de D.M. El comenzar joven en los años 50. Método conyugal del gradiente
también fue inventado en los años 50, con progresos independientes cerca
Cornelius Lanczos, Magnus Hestenes y Eduard Stiefel, solamente su naturaleza y
aplicabilidad eran entendidas mal en ese entonces. Solamente en los años 70 era
realizó que el conjugacy basó métodos trabaja muy bien para ecuaciones
diferenciales parciales, especialmente el tipo elíptico.
Un método iterativo es un método que progresivamente va calculando
aproximaciones a la solución de un problema. En Matemáticas, en un método
iterativo se repite un mismo proceso de mejora sobre una solución aproximada: se
espera que lo obtenido sea una solución mas aproximada que la inicial. El proceso
se repite sobre esta nueva solución hasta que el resultado mas reciente satisfaga
ciertos requisitos. A diferencia de los métodos directos, en los cuales se debe
terminar el proceso para tener la respuesta, en los métodos iterativos se puede
suspender el proceso al termino de una iteración y se obtiene una aproximación a
la solución
3.2 Sistemas de ecuaciones no lineales
Un sistema de ecuaciones es no lineal, cuando al menos una de sus ecuaciones no es de primer
grado.

La resolución de estos sistemas se suele hacer por el método de sustitución, para

ello seguiremos los siguientes pasos:
1º Se despeja una incógnita en una de las ecuaciones, preferentemente en la de
primer grado.
y=7−x
2º Se sustituye el valor de la incógnita despejada en la otra ecuación.
x2 + (7 − x)2 = 25
3º Se resuelve la ecuación resultante.
x2 + 49 − 14x + x2 = 25
2x2 − 14x + 24 = 0
x2 − 7x + 12 = 0

4º Cada uno de los valores obtenidos se sustituye en la otra ecuación, se obtienen

así los valores correspondientes de la otra incógnita.
x=3y=7−3y=4
x=4y=7−4y=3
3.3 Iteración y convergencia de sistemas de
ecuaciones
En general, en todos los procesos iterativos para resolver el sistema Ax=b se
recurre a una cierta matriz Q, llamada matriz descomposición, escogida de tal
forma que el problema original adopte la forma equivalente:

Qx = (Q-A)x+b (62)

La ecuación (62) sugiere un proceso iterativo que se concreta al escribir:

El vector inicial x

(0) puede ser arbitrario, aunque si se dispone de un buen

candidato como solución éste es el que se debe emplear. La aproximación inicial

que se adopta, a no ser que se disponga de una mejor, es la idénticamente

nula .

A partir de la ecuación (63) se puede calcular una

sucesión de vectores x

(1)

,x

(2), .... Nuestro objetivo es escoger una matriz Q de

manera que:

 se pueda calcular fácilmente la sucesión [x(k)].

 la sucesión [x(k)] converja rápidamente a la solución.

Como en todo método iterativo, deberemos especificar un criterio de

convergencia y un número máximo de iteraciones M, para asegurar que el

proceso se detiene si no se alcanza la convergencia. En este caso, puesto

que x es un vector, emplearemos dos criterios de convergencia que se deberán

satisfacer simultáneamente:.

3.4 Aplicaciones

Las aplicaciones de métodos numéricos en la materia de Métodos Numéricos son

variadas y se extienden a numerosos campos de la ingeniería, las ciencias aplicadas y la
informática. Aquí hay algunas áreas comunes donde se aplican los métodos numéricos:

Resolución de Ecuaciones Diferenciales: Los métodos numéricos se utilizan extensamente

para resolver ecuaciones diferenciales ordinarias (EDOs) y ecuaciones diferenciales
parciales (EDPs), que modelan una amplia gama de fenómenos en física, ingeniería,
biología y otras disciplinas. Estos métodos incluyen Euler, Runge-Kutta, método de
diferencias finitas, método de elementos finitos, método de elementos de contorno, entre
otros.

Interpolación y Ajuste de Curvas: Se aplican para estimar valores desconocidos entre

datos conocidos o para ajustar funciones matemáticas a un conjunto de puntos de datos
observados. Métodos como el método de interpolación de Lagrange, interpolación de
Newton, mínimos cuadrados, splines, entre otros, se utilizan en este contexto.

Integración Numérica: Los métodos numéricos se emplean para calcular aproximaciones

numéricas de integrales definidas, especialmente cuando las integrales no se pueden
resolver de manera analítica. Esto es útil en áreas como la física, la estadística y la
ingeniería. Algunos métodos incluyen la regla del trapecio, la regla de Simpson y la
cuadratura Gaussiana.

Resolución de Sistemas de Ecuaciones Lineales y No Lineales: Los métodos numéricos

se utilizan para resolver sistemas de ecuaciones lineales y no lineales, que surgen en una
variedad de contextos en ingeniería y ciencias aplicadas. Métodos como la eliminación
gaussiana, métodos iterativos como el método de Gauss-Seidel y el método de Newton-
Raphson son ejemplos comunes.

Optimización Numérica: Los métodos numéricos se utilizan para encontrar el mínimo o

máximo de una función, lo que es útil en problemas de optimización en ingeniería,
economía, ciencias sociales y más. Métodos como el método del gradiente descendente,
algoritmos genéticos, métodos de optimización convexa, entre otros, se aplican en este
campo.

Simulación y Modelado: Los métodos numéricos se utilizan para simular y modelar una
amplia gama de sistemas físicos y fenómenos, desde el comportamiento de materiales
hasta el flujo de fluidos y la propagación de ondas. Estos métodos permiten obtener una
comprensión detallada del comportamiento de sistemas complejos mediante la solución de
ecuaciones matemáticas que los describen.

los métodos numéricos son herramientas fundamentales en la resolución de problemas

que involucran cálculos numéricos y análisis de datos en una amplia gama de disciplinas
científicas y de ingeniería. Su aplicación práctica es crucial para la solución de problemas
del mundo real donde las soluciones analíticas pueden ser difíciles o imposibles de
obtener.

Ejemplos:

Simulación de Flujo de Fluidos en Ingeniería Civil:

En ingeniería civil, se utilizan métodos numéricos para simular el flujo de fluidos en
estructuras como presas, canales y redes de tuberías. Por ejemplo, para diseñar
una presa, es crucial comprender cómo el agua fluye alrededor y a través de la
estructura. Los métodos numéricos, como la simulación por elementos finitos o la
simulación de volúmenes finitos, se aplican para resolver las ecuaciones de
Navier-Stokes, que describen el movimiento del fluido. Estas simulaciones ayudan
a los ingenieros a prever el comportamiento del agua bajo diferentes condiciones y
optimizar el diseño de la presa para garantizar su estabilidad y eficiencia.

Modelado de Trayectorias de Proyectiles en Física:

En física, los métodos numéricos se utilizan para modelar la trayectoria de
proyectiles, como misiles, cohetes y proyectiles balísticos. Por ejemplo, para
calcular la trayectoria de un cohete espacial, se pueden utilizar métodos
numéricos como el método de Euler o el método de Runge-Kutta para resolver las
ecuaciones de movimiento bajo la influencia de la gravedad, la resistencia del aire
y otras fuerzas. Estas simulaciones son esenciales para predecir con precisión la
trayectoria del proyectil y garantizar que alcance su objetivo con éxito, ya sea
orbitar un satélite alrededor de la Tierra o alcanzar un objetivo en la superficie de
otro planeta.

Análisis de Estructuras en Ingeniería Civil:

En ingeniería civil, los métodos numéricos se utilizan para analizar la estabilidad y
el comportamiento de diversas estructuras, como puentes, edificios y torres. Por
ejemplo, para determinar cómo se distribuyen las tensiones y las deformaciones
en un puente bajo cargas específicas, se pueden emplear métodos numéricos
como el método de elementos finitos. Este método descompone la estructura en
pequeños elementos discretos y luego resuelve las ecuaciones de equilibrio para
cada uno de estos elementos. El análisis resultante proporciona información
crucial sobre la resistencia, la rigidez y la seguridad de la estructura, lo que
permite a los ingenieros diseñar estructuras más seguras y eficientes.

Predicción del Tiempo Atmosférico:

En meteorología, los métodos numéricos son fundamentales para predecir el
tiempo atmosférico. Los modelos numéricos de predicción del tiempo utilizan
ecuaciones que describen la dinámica y la termodinámica de la atmósfera, y luego
aplican métodos numéricos para discretizar y resolver estas ecuaciones en una
cuadrícula tridimensional que cubre la región de interés. Algunos de los métodos
numéricos comúnmente utilizados en este contexto incluyen el método de las
diferencias finitas y el método de elementos finitos. Estas simulaciones
computacionales permiten a los meteorólogos predecir la evolución del clima a
corto y largo plazo, lo que es crucial para la planificación de actividades humanas,
la gestión de desastres naturales y la investigación científica sobre el clima.
Diseño de Circuitos Electrónicos:
En ingeniería eléctrica y electrónica, los métodos numéricos son esenciales para
el diseño y análisis de circuitos eléctricos y electrónicos. Por ejemplo, al diseñar un
circuito integrado o un circuito impreso, es crucial determinar cómo responderá el
circuito a diferentes señales de entrada y condiciones de funcionamiento. Los
métodos numéricos, como el análisis de circuitos mediante el método de nodos o
el método de mallas, se utilizan para resolver sistemas de ecuaciones lineales que
representan la respuesta del circuito. Además, en el diseño de circuitos analógicos
y digitales, se emplean métodos numéricos para simular el comportamiento del
circuito y optimizar su rendimiento. Estas simulaciones permiten a los ingenieros
prever el comportamiento del circuito antes de construir prototipos físicos, lo que
ahorra tiempo y costos de desarrollo.

ITERACIONES
Métodos Iterativos: Muchos métodos numéricos implican un proceso iterativo. En
lugar de calcular una solución de forma directa, estos métodos comienzan con una
suposición inicial y luego refinan repetidamente esa suposición hasta que se
alcanza una solución aceptable o una aproximación lo suficientemente cercana.

Convergencia: La convergencia es un concepto importante en las iteraciones. Un

método iterativo se considera convergente si la secuencia de soluciones
generadas por el método se acerca cada vez más a la solución exacta a medida
que se realizan más iteraciones. La velocidad y estabilidad de la convergencia son
aspectos críticos a considerar al seleccionar un método iterativo.

Criterios de Terminación: Es crucial establecer criterios de terminación para

detener el proceso iterativo. Los criterios comunes incluyen alcanzar un número
máximo de iteraciones, alcanzar una tolerancia específica (por ejemplo, una
diferencia pequeña entre dos iteraciones sucesivas) o satisfacer alguna condición
de convergencia predefinida.

Aplicaciones: Las iteraciones se utilizan en una amplia variedad de aplicaciones

en métodos numéricos. Por ejemplo, en la resolución de sistemas de ecuaciones
lineales, se pueden utilizar métodos iterativos como el método de Jacobi o el
método de Gauss-Seidel. En el cálculo de raíces de funciones, se emplean
métodos iterativos como el método de Newton-Raphson o el método de la
secante.

Eficiencia y Estabilidad: La eficiencia y la estabilidad son consideraciones

importantes al implementar métodos iterativos. Algunos métodos pueden
converger más rápidamente que otros para ciertos tipos de problemas, mientras
que otros pueden ser más susceptibles a la divergencia o a oscilaciones no
deseadas. La elección del método iterativo adecuado depende del problema
específico y de las características de los datos involucrados.

las iteraciones son un componente esencial en muchos métodos numéricos y

juegan un papel crucial en la aproximación de soluciones a una amplia variedad
de problemas matemáticos y de ingeniería. Su comprensión y aplicación correctas
son fundamentales para el éxito en la resolución de problemas numéricos.

Ejemplos:
1. Método de Newton-Raphson: Este método se utiliza para encontrar raíces
de ecuaciones no lineales. Comienza con una estimación inicial y utiliza la
tangente a la curva en ese punto para iterar hacia la raíz. En cada iteración,
se calcula una mejor aproximación utilizando la fórmula de iteración de
Newton-Raphson hasta que se alcance una tolerancia deseada.
2. Método de Jacobi: Este método se utiliza para resolver sistemas de
ecuaciones lineales. Itera a través de cada variable en el sistema y
actualiza su valor utilizando las estimaciones anteriores de las otras
variables. Este proceso continúa hasta que se alcanza una solución
aceptable.
3. Método de Gauss-Seidel: Similar al método de Jacobi, el método de
Gauss-Seidel se utiliza para resolver sistemas de ecuaciones lineales. Sin
embargo, en este método, se utilizan las estimaciones actualizadas de las
variables a medida que se calculan, lo que puede conducir a una
convergencia más rápida.
4. Método de Relajación: Este método es una extensión del método de
Gauss-Seidel y se utiliza para acelerar la convergencia. Introduce un
parámetro de relajación que controla la velocidad de convergencia. Ajustar
adecuadamente este parámetro puede mejorar significativamente la
eficiencia del método.
5. Método de Iteración de Punto Fijo: Este método se utiliza para encontrar
soluciones de ecuaciones de la forma �=�(�)x=g(x), donde �(�)g(x) es
una función dada. Comienza con una suposición inicial de �x y luego
aplica iterativamente la función �(�)g(x) a esa suposición hasta que se
alcance una solución aceptable.
CONVERGENCIA DE SISTEMAS DE ECUACIONES

La convergencia de sistemas de ecuaciones en el contexto de métodos numéricos se

refiere a la capacidad de un algoritmo para encontrar una solución aproximada a un
sistema de ecuaciones lineales o no lineales de manera efectiva y eficiente. Aquí hay
algunas nociones clave sobre la convergencia de sistemas de ecuaciones en métodos
numéricos:

Definición de Convergencia: Un algoritmo iterativo utilizado para resolver un sistema de

ecuaciones se considera convergente si la secuencia de aproximaciones que genera
converge a la solución exacta del sistema. En otras palabras, a medida que avanza la
iteración, las aproximaciones sucesivas se acercan cada vez más a la solución verdadera.

Criterios de Convergencia: En la práctica, es importante establecer criterios para

determinar cuándo detener la iteración y considerar que se ha alcanzado una solución
aceptable. Algunos criterios comunes incluyen la tolerancia de error, es decir, detener la
iteración cuando la diferencia entre dos aproximaciones sucesivas es menor que cierto
valor predefinido, o cuando se alcanza un número máximo de iteraciones.

Condiciones para la Convergencia: La convergencia de un algoritmo depende en gran

medida de las características del sistema de ecuaciones y de las propiedades del método
numérico utilizado. Por ejemplo, en el caso de los métodos iterativos para resolver
sistemas de ecuaciones lineales, como el método de Jacobi o el método de Gauss-Seidel,
la convergencia está garantizada si la matriz del sistema es diagonalmente dominante o
simétrica y definida positiva. Para sistemas no lineales, la convergencia puede depender
de la elección del punto inicial y de la función específica utilizada en el método iterativo.

Estabilidad Numérica: Además de la convergencia, es importante considerar la estabilidad

numérica del algoritmo. Un algoritmo puede ser convergente pero inestable, lo que
significa que pequeñas perturbaciones en los datos de entrada pueden llevar a grandes
errores en la solución obtenida. La estabilidad numérica se refiere a la sensibilidad del
algoritmo a estas perturbaciones y es un aspecto crucial a tener en cuenta en la elección y
diseño de métodos numéricos.

la convergencia de sistemas de ecuaciones en métodos numéricos es un concepto

fundamental que afecta la eficacia y fiabilidad de los algoritmos utilizados para resolver
problemas de ingeniería, ciencias aplicadas y otros campos. La comprensión de los
criterios y condiciones de convergencia es esencial para la aplicación exitosa de métodos
numéricos en la práctica.

Ejemplos:

Método de Eliminación Gaussiana:

El método de eliminación gaussiana se utiliza para resolver sistemas de
ecuaciones lineales. La convergencia en este método depende de la existencia de
una matriz invertible y de que el sistema no sea singular. Si el sistema cumple con
estas condiciones, el método convergerá a la solución única del sistema.
Método de Jacobi:
El método de Jacobi es un método iterativo para resolver sistemas de ecuaciones
lineales. Este método converge si la matriz del sistema es diagonalmente
dominante o simétrica y definida positiva. La convergencia del método de Jacobi
se basa en la matriz de iteración asociada al método, la cual debe tener un radio
espectral menor que 1.
Método de Gauss-Seidel:
Similar al método de Jacobi, el método de Gauss-Seidel es otro método iterativo
para resolver sistemas de ecuaciones lineales. Converge más rápidamente que el
método de Jacobi, especialmente para sistemas bien condicionados. La
convergencia de Gauss-Seidel también depende de la diagonal dominancia de la
matriz del sistema.

Método de Relajación:
El método de relajación es una extensión del método de Gauss-Seidel que
introduce un parámetro de relajación para acelerar la convergencia. La
convergencia de este método depende del valor del parámetro de relajación y de
la matriz del sistema. Un valor óptimo del parámetro de relajación asegura la
convergencia más rápida posible.
Método de Newton-Raphson para Sistemas No Lineales:
En sistemas de ecuaciones no lineales, el método de Newton-Raphson se utiliza
para encontrar las soluciones. La convergencia de este método depende de la
elección inicial de la suposición y de que las derivadas parciales de las funciones
sean continuas y no se anulen en la vecindad de la solución. La convergencia
puede ser rápida si la suposición inicial está lo suficientemente cerca de la
solución y si la función es suficientemente suave.