3 METODOS ITERATIVOS
EL MTODO JACOBI
Es un mtodo iterativo para resolver sistemas de ecuaciones lineales ms simple y
se aplica slo a sistemas cuadrados, es decir a sistemas con tantas incgnitas como
ecuaciones.
Primero se determina la ecuacin de recurrencia. Para ello se ordenan las
ecuaciones y las incgnitas. De la ecuacin i se despeja la incgnita . En notacin
matricial se escribirse como:
x=c+Bx
EC.4.3.1
EC.4.3.2
Mtodo de jacobi
Uno de los principales problemas de los mtodos iterativos es la garanta de que el
mtodo va a converger, es decir, va a producir una sucesin de aproximaciones
cada vez efectivamente ms prximas a la solucin. En el caso del mtodo de
Jacobi no existe una condicin exacta para la convergencia. Lo mejor es una
condicin que garantiza la convergencia, pero en caso de no cumplirse puede o no
haberla es la siguiente: Si la matriz de coeficientes original del sistema de
ecuaciones es diagonalmente dominante, el mtodo de Jacobi seguro converge.
Ejemplo son matrices diagonalmente dominantes:
Ejemplo
Indique cul es el orden conveniente para aplicar Jacobi al sistema:
Ejemplo
Indique cul es el orden conveniente para aplicar Jacobi al sistema:
Ejemplo
Indique cul es el orden conveniente para aplicar Jacobi al sistema:
3 x + 12 y z = 2
11 x 4 y + 3 z = 3
3 x 2 y 12 z = 2
Solucin Con el orden y x z el sistema y su matriz de coeficientes quedan:
EL MTODO DE GAUSS-SEIDEL
El mtodo de Gauss-Seidel es muy semejante al mtodo de Jacobi. Mientras que
en el de Jacobi se utiliza el valor de las incgnitas para determinar una nueva
aproximacin, en el de Gauss-Seidel se va utilizando los valores de las incgnitas
recien calculados en la misma iteracin, y no en la siguiente.
Ejemplo Partiendo de (x = 1, y = 2) aplique dos iteraciones del mtodo de GaussSeidel para resolver el sistema:
Solucin
Debemos primeramente despejar de la ecuacin la incgnita correspondiente.
x = 0.20 + 0.00 x 0.40 y
y = 0.00 + 0.25 x + 0.00 y
Aplicamos la primera iteracin partiendo de x 0 = 1.00 y y 0 = 2.00:
x 1 = 0.20 + 0.00 (+1.000) 0.40 (2.00) = 0.600
y 1 = 0.00 + 0.25 ( 0.600) + 0.00 (2.00) = 0.15
Aplicamos la segunda iteracin partiendo de x 1 = 0.600 y y 1 = 0.15:
x 2 = 0.20 + 0.00 ( 0.600) 0.40 ( 0.15) = 0.26
y 2 = 0.00 + 0.25 (0.26) + 0.00 ( 0.15) = 0.065
Solucin
Debemos primeramente despejar de la ecuacin la incgnita correspondiente.
x = 0.10 + 0.00 x + 0.00 y + 0.10 z
y = 0.66 0.33 x + 0.00 y + 0.33 z
z = 0.40 0.40 x 0.40 y + 0.00 z
Aplicamos la primera iteracin partiendo de x0 = 1.00, y0 = 2.00, y z = 0.00:
x 1 = 0.10 + 0.00(1.00) + 0.00 (2.00) + 0.10 (0.00) = 0.1
y 1 = 0.66 0.33( 0.10) + 0.00 (2.00) + 0.33 (0.00) = 0.70
z 1 = 0.40 0.40( 0.10) 0.40 ( 0.70) + 0.00 (0.00) = 0.16
Aplicamos la segunda iteracin partiendo de x 1 = 0.10 y y 1 = 0.70 y z 1 = 0.16:
x 1 = 0.10 + 0.00( 0.10) + 0.00 (0.70) + 0.10 (0.16) = 0.084
y 1 = 0.66 0.33( 0.084) + 0.00 (0.70) + 0.33 (0.16) = 0.748
z 1 = 0.40 0.40( 0.084) 0.40 ( 0.748) + 0.00 (0.16) = 0.134
EC.4.3.3
EC.4.3.4
El ritmo de convergencia del mtodo LSOR, depende del valor del parmetro de
sobrerelajacin. Existe un valor ptimo de este parmetro, que se puede obtener
por ensaye y error, como se ver posteriormente.
El proceso iterativo LSOR comienza con la siguiente estimacin inicial:
EC.4.3.6
y termina cuando los cambios iterativos de las incgnitas son, en valor absoluto,
menores que una cierta tolerancia estipulada, esto es:
Para todo
EC.4.3.7
I = 1,2,.. l
J=1,2,.J
EC.4.3.8
EC.4.3.9