Documente Academic
Documente Profesional
Documente Cultură
Mtodos Indirectos
se satisfaga.
Debe observarse que la condicin anterior es equivalente a expresar que el resto, definido
como :
es un vector con la propiedad:
Describiremos los mtodos iterativos de Jacobi y Gauss-Seidel, mtodos clsicos que datan de fines del
siglo XVIII. Los mtodos iterativos rara vez se usan para resolver sistemas lineales de pequea
dimensin, ya que el tiempo necesario para conseguir una exactitud satisfactoria rebasa el que
requieren los mtodos directos, como el de la eliminacin Gaussiana. Sin embargo, en el caso de
sistemas grandes con un alto porcentaje de elementos cero, son eficientes tanto en almacenamiento de
computadora como en el tiempo de cmputo. Este tipo de sistemas se presentan constantemente en los
Marcelo F. Berdaguer
Pgina | 1
anlisis de circuitos y en la solucin numrica de los problemas con valor en la frontera y de ecuaciones
diferenciales en derivadas parciales.
2.
Mtodo de Jacobi
Veremos un ejemplo de un sistema de tres ecuaciones con tres incgnitas. Luego lo generalizaremos.
Veremos que en general, cuando un sistema predomina la diagonal principal sobre los restantes
elementos, se cumplen las condiciones de convergencia.
Esto ocurre generalmente cuando la matriz de coeficientes es poco densa (muchos ceros).
Debemos partir de una determinada solucin elegida a priori:
[4]
[5]
PASO 0
[6]
Lo cual no es cierto, pero que podemos admitir en una primera aproximacin. A estos valores, los
denominaremos soluciones del primer paso o paso cero
Otro punto de partida que tambin podramos haber elegido es:
[7]
[8]
[9]
Pero es poco comn hacerlo y como veremos si partimos de [7], [8] y [9] llegaremos luego del primer
paso a [4], [5] y [6].
Calculamos el nuevo valor de a partir de la ecuacin [1]:
[10]
De la ecuacin [2] podemos calcular
:
[11]
:
[12]
A este mtodo se lo llama Mtodo de Jacobi, cuya expresin genrica partiendo de [10], [11] y [12], para
n ecuaciones es:
Marcelo F. Berdaguer
Pgina | 2
En este mtodo una vez que obtenemos los valores de del paso 1 con el mismo algoritmo podemos
calcular los del paso 2 y con los del paso 2, puedo calcular los del paso 3. Como ste es un algoritmo
de infinitos pasos, obtengo el proceso completo cuando la diferencia de valores sucesivos de sean tan
pequeos como uno quiere. Adems debemos tener en cuenta que los residuos sean lo ms pequeos
posibles, ya que, podemos no estar prximos a la solucin y converger a la misma, en forma muy lenta.
Por lo tanto, deben verificarse las dos condiciones que mencionamos:
Y adems
Ejemplo 1:
Resolver el sistema de ecuaciones lineales que se indica por el mtodo de Jacobi. Emplear el vector
inicial
-1
2
8
1
4
-1
-1
-5
17
-17
19
-14
Marcelo F. Berdaguer
Pgina | 3
METODO DE JACOBI
iteracin
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
x1
x2
x3
x4
0
2,83333333
1,64583333
0,75652778
0,95994792
1,07351238
1,00648297
0,98645773
1,00080511
1,00285075
0,99959149
0,99948895
1,00014461
1,00008955
0,99996169
0,99998628
1,0000093
1,00000178
0,99999793
0,99999987
1,00000043
0,99999998
0
1,7
2,17833333
1,86391667
1,94244028
2,0180984
2,00555568
1,99425951
1,99907058
2,00111613
2,00002205
1,99975777
2,00001742
2,0000456
1,99999107
1,99999162
2,00000267
2,00000139
1,9999993
1,99999979
2,00000016
2,00000002
0
2,375
2,0875
2,82510417
3,05507292
2,98676832
2,97589398
3,00091728
3,00334155
2,99900659
2,99929043
3,00023304
3,00010368
2,99993712
2,99998446
3,00001394
3,00000148
2,99999698
3,00000002
3,0000006
2,99999993
2,99999989
0
2,8
4,18166667
3,98233333
3,88910972
3,99149222
4,01567582
3,99758653
3,99632691
4,00064345
4,00059469
3,99978079
3,99989595
4,00005314
4,00001446
3,99998744
3,99999837
4,00000269
4,00000003
3,99999945
4,00000005
4,0000001
x1,i+1
2,83333333
1,64583333
0,75652778
0,95994792
1,07351238
1,00648297
0,98645773
1,00080511
1,00285075
0,99959149
0,99948895
1,00014461
1,00008955
0,99996169
0,99998628
1,0000093
1,00000178
0,99999793
0,99999987
1,00000043
0,99999998
0,99999991
Marcelo F. Berdaguer
x2,i+1
x3,i+1
x4,i+1
ep1
ep2
ep3
ep4
1,7
2,17833333
1,86391667
1,94244028
2,0180984
2,00555568
1,99425951
1,99907058
2,00111613
2,00002205
1,99975777
2,00001742
2,0000456
1,99999107
1,99999162
2,00000267
2,00000139
1,9999993
1,99999979
2,00000016
2,00000002
1,99999996
2,375
2,0875
2,82510417
3,05507292
2,98676832
2,97589398
3,00091728
3,00334155
2,99900659
2,99929043
3,00023304
3,00010368
2,99993712
2,99998446
3,00001394
3,00000148
2,99999698
3,00000002
3,0000006
2,99999993
2,99999989
3,00000003
2,8
4,18166667
3,98233333
3,88910972
3,99149222
4,01567582
3,99758653
3,99632691
4,00064345
4,00059469
3,99978079
3,99989595
4,00005314
4,00001446
3,99998744
3,99999837
4,00000269
4,00000003
3,99999945
4,00000005
4,0000001
3,99999998
100
72,1518987
117,550945
21,1907475
10,5787757
6,65976619
2,03001515
1,43358422
0,20398208
0,32605939
0,01025901
0,06555597
0,005505
0,01278628
0,00245924
0,00230118
0,00075168
0,00038448
0,00019324
5,6499E-05
4,5231E-05
100
21,958684
16,8686011
4,04252383
3,74898097
0,62539891
0,56643418
0,24066509
0,10222061
0,05470348
0,01321572
0,01298279
0,00140889
0,00272686
2,7539E-05
0,00055278
6,4167E-05
0,00010419
2,4457E-05
1,8436E-05
6,9313E-06
100
13,7724551
26,1089193
7,52743899
2,28690656
0,36541394
0,833855
0,08071882
0,14454638
0,00946366
0,03141785
0,00431173
0,00555216
0,00157798
0,00098255
0,00041536
0,00015
0,00010127
1,9612E-05
2,2488E-05
1,4814E-06
100
33,0410522
5,0054407
2,39704245
2,56501815
0,60222985
0,45250537
0,03151949
0,1078962
0,00121865
0,02034862
0,00287902
0,00392973
0,00096719
0,00067528
0,0002731
0,00010803
6,6501E-05
1,4453E-05
1,505E-05
1,2954E-06
Pgina | 4
3. Mtodo de Gauss-Seidel
Es similar al mtodo de Jacobi, presentando una particularidad:
[3.1]
[3.2]
[3.3]
Ejemplo:
Resolver el sistema de ecuaciones lineales del ejemplo 1 que se indica por el mtodo de Gauss-Seidel
empleando el mismo vector inicial
Al despejar las incgnitas que pertenecen a la diagonal principal del sistema, se genera:
[3.4]
[3.5]
El resultado de [3.5] se utiliza para calcular
en la segunda ecuacin
A su vez
tenemos:
Marcelo F. Berdaguer
Pgina | 5
Los cuatro resultados anteriores que son la aproximacin da la solucin de la primera iteracin, se usan
para estimar los valores de las variables de la segunda iteracin y as sucesivamente. Los resultados
que se obtienen al apalicar el procedimiento descripto se muestran en la tabla siguiente:
Marcelo F. Berdaguer
Pgina | 6
METODO DE GAUSS-SEIDEL
Iteracin
0
1
2
3
4
5
6
7
8
9
10
11
x1
x2
x3
x4
0
2,83333333
0,71527778
1,03040509
0,99613069
1,00039613
0,99995356
1,00000466
0,99999948
1,00000005
0,99999999
1
0
1,98333333
1,72069444
2,02378356
1,99524565
2,00042108
1,99993764
2,00000561
1,99999926
2,00000007
1,99999999
2
0
1,80833333
3,05256944
2,98175752
3,00116106
2,99977015
3,00001651
2,99999735
3,0000002
2,99999997
3
3
0
4,125
3,89770833
4,00718924
3,99850748
4,00011747
3,99998154
4,00000153
3,99999979
4,00000002
4
4
Marcelo F. Berdaguer
x1,i+1
2,83333333
0,71527778
1,03040509
0,99613069
1,00039613
0,99995356
1,00000466
0,99999948
1,00000005
0,99999999
1
1
x2,i+1
1,98333333
1,72069444
2,02378356
1,99524565
2,00042108
1,99993764
2,00000561
1,99999926
2,00000007
1,99999999
2
2
x3,i+1
1,80833333
3,05256944
2,98175752
3,00116106
2,99977015
3,00001651
2,99999735
3,0000002
2,99999997
3
3
3
x4,i+1
ep1
ep2
ep3
ep4
4,125
3,89770833
4,00718924
3,99850748
4,00011747
3,99998154
4,00000153
3,99999979
4,00000002
4
4
4
100
296,116505
30,5828569
3,44075354
0,42637519
0,04425952
0,0051107
0,00051872
5,7517E-05
5,7684E-06
6,2374E-07
100
15,2635402
14,9763604
1,4302958
0,25871687
0,02417262
0,00339874
0,00031748
4,0115E-05
3,7552E-06
4,4737E-07
100
40,7602885
2,37483835
0,64653428
0,04636699
0,0082118
0,00063876
9,5192E-05
7,7381E-06
1,0496E-06
8,7821E-08
100
5,83141803
2,73211212
0,21712492
0,04024864
0,0033983
0,0004996
4,3406E-05
5,7266E-06
5,0649E-07
6,2751E-08
Pgina | 7
4. Condiciones de Convergencia
Teorema
Los mtodos de Jacobi y Gauss-Seidel convergirn si en la matriz de coeficientes el valor absoluto de cada
elemento de la diagonal principal es mayor que la suma de los valores absolutos de todos los dems
elementos de la misma fila o columna.
Entonces se asegura la convergencia si:
para
para
Cabe subrayar que son pocos los sistemas de ecuaciones lineales que cumplen con el criterio de
convergencia, sin embargop, si se ordenan las ecuaciones para que el sistema cumpla con el criterio,
entonces sta se alcanzar. En caso de no cumplirse por completo el teorema, por lo menos, se debe
aproximar lo ms que se pueda, para obtener algn beneficio.
Donde
es el residuo de la i-sima ecuacin.
Vamos a deducir este mtodo. Si tomamos la expresin general del mtodo de Gauss-Seidel:
Sumando y restando
Marcelo F. Berdaguer
nos queda
Pgina | 8
Reordenamos:
Si tomamos
nos queda:
La expresin anterior es otra frmula de clculo de Gauss-Seidel donde previamente la fila debe ser
dividida por el pivote (para poder considerar
)
El mtodo de sobrerrelajaciones sucesivas o SOR (Successive overrelaxation) est caracterizado por la
frmula:
Cons der ndo que e p r etro de re j c n debemos elegirlo de modo que nos permita obtener la
mxima velocidad de convergencia.
El factor se elije generalmente en forma emprica entre 1 y 2 o menos comnmente en forma terica
mediante los autovalores de la matriz de los coeficientes.
El coeficiente se denomina factor de relajamiento y si se es ms preciso en la expresin, se denomina
de sobrerrelajamiento si > 1 , abreviadamente SOR y de subrrelajamiento si < 1. En ningn caso se
expresa cual debe ser su valor numrico, que en principio queda librado a la iniciativa y/o experiencia
del calculista.
No obstante, por mtodos que exceden largamente a estas pginas, se demuestra que 0 < < 2 y
existen trabajos de investigacin enfocados en la determinacin del valor ptimo, aunque otros
trabajos ponen en duda esa propiedad. (J. Dancis. "The optimal is not best for the SOR iteration
method")
Marcelo F. Berdaguer
Pgina | 9