Você está na página 1de 15

METODOS ITERATIVOS

PARA ECUACIONES
LINEALES
DEFINICION
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 más aproximada que la
inicial. El proceso se repite sobre esta nueva solución hasta
que el resultado más 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 término de una
iteración y se obtiene una aproximación a la solución.
MATRICES
Una matriz A de tamaño m x n es un arreglo
rectangular de m · n números dispuestos en
m filas y n columnas de la siguiente forma:
TIPOS DE MATRICES

 Matriz cuadrada  Matriz identidad  Matriz triangular inferior

 Matriz diagonal  Matriz triangular superior  Matriz simétrica y anti


simétrica
Métodos iterativos

Dado el sistema de ecuaciones lineales representado por


AX=B
Donde A es una matriz de nxn y B un vector de n componentes, el
problema de encontrar un vector X que satisfaga la ecuación lo
atacaremos por medio de métodos iterativos.
El método más conocido y estudiado para la solución de esta ecuación
viene a ser el método sistemático de la eliminación de Gauss. La
eliminación gaussiana consiste en factorizar la matriz A=LU en una
matriz L triangular inferior y una matriz U triangular superior. Sin
embargo cuando los sistemas lineales son de orden muy grande las
matrices son en general dispersas (cuando muy pocos de los elementos
no son ceros).
 La clase de métodos que nos interesan aquí se obtienen
separando la matriz A en dos partes como sigue:
A=M-N
Donde M y N son matrices de dimensiones nxn
Definimos una sucesión de vectores X(m) por medio de las
ecuaciones
M X(m+1) = N X(m) , m = 0,1,2,3…
Donde X(0) debe especificarse inicialmente.
Los ejemplos más comunes de separación son
 El método de Jacobi
 El método de Gauss – Seidel
 El método de relajación
MÉTODO DE JACOBI
Sea 𝐴𝑥ҧ = 𝑏ത un sistema de ecuaciones lineales donde todos los
elementos diagonales de la matriz A son diferentes de cero: 𝑎𝑖𝑖 ≠
0 , (𝑖 = 1, … , 𝑛) .Si dividimos la i-ésima ecuaciones del sistema
lineal antes mencionado, por 𝑎𝑖𝑖 (𝑖 = 1, … , 𝑛) , y después
trasladamos todas las incógnitas, excepto 𝑥𝑖 a la derecha, se
obtiene un sistema equivalente:
𝑥ҧ = 𝐵𝑥ҧ + 𝑑ҧ
Las iteraciones del método de Jacobi están definidas de la
siguiente forma:

𝑛
(𝑘) (𝑘−1)
𝑥𝑖 = ෍ 𝑏𝑖𝑗 𝑥𝑗 + 𝑑𝑖
𝑗=1
 El método de Jacobi se puede expresar en forma matricial en términos
de las matrices L, D y U, definidas por:

0 0 0 0 0 𝑎12 … 𝑎1𝑛
𝑎21 0 0 0 0 0 … 𝑎2𝑛
𝐿= ; 𝑈= ;
⋮ ⋮ ⋱ 0 0 0 ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 … 0 0 0 0 0

𝑎11 0 … 0
0 𝑎22 … 0
𝐷=
0 0 ⋱ ⋮
0 0 0 𝑎𝑛𝑛
 La forma vectorial de las iteraciones de Jacobi es:

𝑥ҧ (𝑘) = 𝐵 𝑥ҧ (𝑘−1) + 𝑑ҧ
 Dónde: 𝐴 = 𝑀 − 𝑁 , 𝑀 = 𝐷 , 𝑁 = −(𝐿 + 𝑈)
Y
 𝐵 = 𝑀−1 𝑁 = −𝐷−1 𝐿 + 𝑈 , 𝑑ҧ = 𝐷 −1 𝑏ത
Ejemplo
 Ejemplo: Resuelva el sistema de ecuaciones lineales siguientes:
 2𝑥1 + 𝑥2 = 11
 5𝑥1 + 7𝑥2 = 13
1
Con 𝑥 (0) =
1
SOLUCION
0 0 2 0 0 1
 𝐿= ,𝐷 = ,𝑈 =
5 0 0 7 0 0
 Determinamos 𝐵 = −𝐷−1 𝐿 + 𝑈
1/2 0 0 0 0 −1 0 −0.5
 𝐵= . =
0 1/7 −5 0 0 0 −0.714 0
 Determinamos 𝑑ҧ
1/2 0 11 5.5
 𝑑ҧ = . =
0 1/7 13 1.857
 Calculados B y 𝑑 . Estimamos X como:

𝑥 (1) = 𝐵𝑥 (0) + 𝑑ҧ

0 −0.5 1 5.5 5.0


𝑥 (1) = . + =
−0.714 0 1 1.857 1.143
 Este proceso se repetirá hasta que converja según la tolerancia
indicada, podemos observar que luego de 25 iteraciones la solución
matricial al sistema es:
7.111
𝑥 =
−3.222
Solución en MATLAB
METODO DE GAUSS - SEIDEL
 Consideremos ahora otro método iterativo que a veces converge más
rápido que el de Jacobi. Suponemos nuevamente que los elementos
diagonales de la matriz A son diferentes de cero 𝑎𝑖𝑖 ≠ 0 , (𝑖 = 1, … , 𝑛) y
escribimos el sistema de ecuaciones lineales
𝐴𝑥ҧ = 𝑏ത
 En la forma anteriormente vista, que es la que se muestra a
continuación:
𝑥ҧ = 𝐵𝑥ҧ + 𝑑ҧ

 Definimos las iteraciones por la fórmula:


𝑖−1 𝑛
(𝑘) (𝑘) (𝑘−1)
𝑥𝑖 = ෍ 𝑏𝑖𝑗 𝑥𝑗 + ෍ 𝑏𝑖𝑗 𝑥𝑗 + 𝑑𝑖 , (𝑖 = 1, … , 𝑛 ; 𝑘 = 1,2, … )
𝑗=1 𝑗=𝑖+1
𝐴=𝐿+𝐷+𝑈

0 0 0 0 0 𝑎12 … 𝑎1𝑛
𝑎21 0 0 0 0 0 … 𝑎2𝑛
𝐿= ; 𝑈= ;
⋮ ⋮ ⋱ 0 0 0 ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 … 0 0 0 0 0

𝑎11 0 … 0
0 𝑎22 … 0
𝐷=
0 0 ⋱ ⋮
0 0 0 𝑎𝑛𝑛
Con las matrices L, D y U definidas en el subtítulo anterior, las iteraciones de
Gauss – Seidel aceptan la forma vectorial:
𝑥ҧ (𝑘) = 𝐵 𝑥ҧ (𝑘−1) + 𝑑ҧ
 Dónde: 𝑀 = 𝐷 + 𝐿 , 𝑁 = −𝑈
y
 𝐵 = 𝑀−1 𝑁 = −(𝐷 + 𝐿)−1 𝑈 , 𝑑ҧ = (𝐷 + 𝐿)−1 𝑏ത