Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ejercicio 1.- Se desea resolver por un método iterativo el sistema lineal Ax b del que se
conocen las siguientes características sobre sus coeficientes:
n
aii aij , i 1, n con 1 0 aii , i 1, n
b
j 1
j i
(c) Realizar 3 iteraciones exactas del método de Jacobi para resolver el sistema
4 1 0 x1 9 4
7
1 4 1 x2 4
0 1 4 x 5
3 4
lim K n 0
n
SLMI_Ej01r.doc
Asignatura Cálculo Numérico Página 2 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Met.Iterativos: convergencia J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Diciembre 2000
Autor César Menéndez Fernández
a12 2 0 a23
a2 a22
n
2 a22
a2 a22
K a13 3 a32
0 a3n y c b3 a3
a3 a33
3
a3 3
a1 bn an
n an an2 an3
0 n
n ann ann
n
y por tanto K max aij
1 1 , lo que demuestra que el método es convergente.
1 i n j 1 aii
j i
Dado un método iterativo para el que K 1 , se tiene la siguiente acotación del error cometido
k
k K
xx x1 x 0
1 K
max bi
c max bi
1 i n
1 i n aii
min a i
i
1i n
k
k K
Para garantizar que x x se debe verificar que c , esto es
1 K
1
k k
K log 1
c k 1
1 K 1 1 1 k 1 log
4 1 0 x1 9 4 0 1
4 0 9 16
7
Dado el sistema 1 4 1 x2 4 se tiene que K 1 4 0 1 y c 7
4 16
0 1 4 x 5 0 5
3 4 0 16
1
4
SLMI_Ej01r.doc
Asignatura Cálculo Numérico Página 3 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Met.Iterativos: convergencia J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Diciembre 2000
Autor César Menéndez Fernández
1
x1 0 1
4 0 0 9 16 9 16
1 1 0 7 7
x2 4 0 4 16 16
x 0 0 0 16 5 16
3
1 5
4
2
x1 0 1
4 0 9 16 9 16 29 64
1 7 7 14
x2 14 0 4 16 16 64
x 0 0 16 16 13 64
3
1 5 5
4
3
x1 0 1 4 0 29 64 9 16 65 128
1 1 14 7 35
x2 4 0 4 64 16 128
x 0 1 0 13 5 33
3 4 64 16 128
El error real será por tanto
1 2 65 128 3 4096
2 1
x x
3
1 4 35 128 4096
3
4096 2
4096 3
4096 0.0020
1
1 33 3 512
4 128 1 4096 1
k
k K
Para acotar el error se utiliza la relación x x x 1 x 0 donde
1 K
K 1 K
max 0 1
4 0, 1
4 0 1
4 ,0 1
4 0 12
x x
0
c 2116
1 9 7 5
16 16 16
xx 3
16
1 12 256
cuyo valor es muy superior al error real obtenido.
Puesto que se conoce la solución exacta, también se podría haber utilizado la expresión
x x
k
K
k
x x
0
x x
3
1
12 x 1 12
3 3
1
2 1
4 1
4 1
16 0.0625
De las condiciones iniciales se observa que la matriz es de diagonal estrictamente dominante, por
lo que el método de Gauss-Seidel también será convergente. Es más, puesto que la matriz es
tridiagonal, podemos comprobar que K J K GS .
2
0 1
4 0 1 0
KJ 14 4 P K J 8 2 KJ
3
8
0 1 1 1 1
8
0
3 8
1
0
1
4
SLMI_Ej01r.doc
Asignatura Cálculo Numérico Página 4 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Met.Iterativos: convergencia J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Diciembre 2000
Autor César Menéndez Fernández
1
4 0 0 0 1 0 0 1
4 0 1 2 0
1 4 0 0 0 1 0 4 P K GS 8 3 18
3 2
K GS 1
16
1 1
0 1 4 0 0 0 0 1 K 1
16
1
64 GS 8
SLMI_Ej01r.doc
Asignatura Cálculo Numérico Página 1 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Convergencia GS con matrices DD
DEPARTAMENTO DE MATEMÁTICAS Fecha Diciembre 2000
Autor César Menéndez Fernández
Ejercicio 1.- Demostrar que el método de Gauss-Seidel es convergente cuando la matriz del
sistema es de diagonal dominante y hay al menos una fila con diagonal estrictamente dominante.
Se va a demostrar por inducción, suponiendo que la fila con diagonal estrictamente dominante es
la primera, a partir de la expresión de la matriz de iteración B =D-1 L U
N=2
a11 0 0 a12
D L
1
a1
1
1 22 1
B
0 a12
a11 B
a12
max a12
a11
, a12 a12
a11 a22
a1a2 a22 a11 a22
N=3
a11 a12 a13
a11 a12 a13
A a12 a22 a23 con a22 a12 a23
a31 a32 a33 3
a3 a3 a3
1 2
11 0 0 0 a12 a13
a1 a11 a11
0 B 0
D L a11a22
1 a12 a12 a12 a13 a12
aa22
3
1
a22 a11a22 a11a22 2
a12 a32 a22 a13 a32 1 a12 a12 a32 a22 a13 a13 a12 a32 a22 a13 2
a1a 2 a3 0
3
aa22 a3
123 a 2 3
a
2 3 a3
3
a11 a22 a33 a11 a22 a33 2 a33
a12 a12
a13 a12
aa22
3
a12 a12
a13 a12
a23
a12 a12 a13 a23
a12 a23
1
a11a22 a11a22 2 a11 a22 a11 a22 a22 a22
a11
a22 a22
a12 a12 a32 a22 a31 a13 a12 a32 a22 a31 3
a32 a12 a13 a12 a32 a22 a13 a23 a32 a32 a12 a23 a13 a32 a31
a11 a22 a33
a11 a22 a33
aa22 a33
a11 a22 a33
a22 a33
a33 a22
a33
a33
a33
1
2
se llega a que B
1 y el método es convergente.
N=4
SLMI_Ej02r.doc
Asignatura Cálculo Numérico Página 2 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Convergencia GS con matrices DD
DEPARTAMENTO DE MATEMÁTICAS Fecha Diciembre 2000
Autor César Menéndez Fernández
a
1
a 2
a 3 4
a 4
4 4 4 4
a4 a14 a42 a43
1
a11
0 0 0
a12 1
0 0
1 2
a22
D L
1 a 1 a2
0 a11
13 a11
13 a22 a33 a11
1 aa22 aa33 aa33
2 3 3
a12 a32 a13 a32 a43 a42 a12 a32 a43 a12 a42 a13 a43 a14
donde 13 a22 a33
a33
, 42 a33 a44
a44
y 14 a22 a33 a44
a22 a44
a33 a44
a44
Comenzamos calculando
a13 2
a12 a13 a32 a12
13 a33
aa33 a22
a33
a33 a22
3
14 a14
a44
aa44
4
2
a12
a22
aa44
4
3
a13
a33
aa33
3
2
a12
a22 a14
a44
a42
a44
a12
a22
a43
a44
13
a12 a13 3
a32 a14 4
a32 4 a12 a13 a14 a23 a32 a24 a32 a34
a11
13 a11
13 aa22 a33
a11
13 aa22 a33
aa33 13 a11
a22 a33
a22 a33
a33
2 2 3
a23 a32 a24 a32 a34 a13 a32 a12 a23 a24 a34 a13 a32 a34
13 a22 a33
a22 a33
a33
a33
a33 a22
a33
a33
1
SLMI_Ej02r.doc
Asignatura Cálculo Numérico Página 3 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Convergencia GS con matrices DD
DEPARTAMENTO DE MATEMÁTICAS Fecha Diciembre 2000
Autor César Menéndez Fernández
a12 a13 3
a14 4 4
a43 a12 a13 a14 a23 a24 a34 a43
a11
14 a11
14 aa22 42 a11
14 aa22 42 aa33 4 14 a11
42 a22
a33 a44
2 2 3 a4
14 24
a23 a24
a22
a34 a43
a33 a44
a14
a44
a42
a44
a12
a22
a43
a44 a13
a33
a32
a33
a12
a22
a42
a44
a43
a44
a32
a33 a23 a24
a22
a34 a43
a33 a44
a14
a42 a12 a23 a24
a43 a13
a32 a12 a23 a24
a34 a14
a42
a43 a13 a32 a34
a14 a42 a43
1
a44 a44 a22 a44
a33 a33 a22 a33
a44 a44 a44 a33 a44
se llega a que B
1 y el método es convergente.
SLMI_Ej02r.doc
Asignatura Cálculo Numérico Página 1 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 3x3 Jacobi y Gauss Seidel
DEPARTAMENTO DE MATEMÁTICAS Fecha Febrero 2002
Autor César Menéndez Fernández
2 4 4
Ejercicio 1.- Dado el sistema lineal 1 1 1 X b
4 4 2
(a) Calcular las matriz de iteración de Jacobi y su radio espectral. ¿Cuántas iteraciones
son necesarias para obtener un error menor que 0.001 utilizando la norma 1 o infinito?
(b) Calcular las matriz de iteración de Gauss y su radio espectral. ¿Cuántas iteraciones
son necesarias para obtener un error menor que 0.001 utilizando la norma 1 o infinito?
(c) Seleccionar justificadamente el método iterativo más adecuado. Obtener el vector c del
método iterativo seleccionado de forma que la solución sea el vector (1,1,1)T.
(d) Definir el condicionamiento de un sistema lineal y su interpretación.
2 2 0
El polinomio característico se obtiene haciendo
PJ x K J xI x3
Por tanto tiene un valor propio nulo único de multiplicidad tres y su radio espectral en menor que
1, lo que implica que el método de Jacobi es convergente.
Calculando las normas de la matriz de iteración,
KJ 1
max 0 1 2 , 2 0 2 , 2 1 0 4
KJ
max 0 2 2 , 1 0 1 , 2 2 0 4
Puesto que ambas son mayores que la unidad, no es posible aplicar la relación
n
n K
xx x1 x 0
1 K
SLMI_Ej03r.doc
Asignatura Cálculo Numérico Página 2 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 3x3 Jacobi y Gauss Seidel
DEPARTAMENTO DE MATEMÁTICAS Fecha Febrero 2002
Autor César Menéndez Fernández
4 4 2 0 0 0 0 2 1 0 0 0 0 0 2
2
Por tanto sus valores propios son 0 y 2, con multiplicidades respectivas de 1 y 2. El radio
espectral de la matriz es 2 y el método de Gauss-Seidel es divergente. No tiene sentido hablar de
número de iteraciones.
de la solución del sistema a las variaciones de los coeficientes del sistema o del segundo
miembro. Así, cuando el condicionamiento es “bajo”, pequeñas variaciones de los coeficientes
pueden producir pequeñas modificaciones de la solución. Por el contrario, pequeñas variaciones
de los coeficientes pueden originar cambios muy importantes de la solución cuando el
SLMI_Ej03r.doc
Asignatura Cálculo Numérico Página 3 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 3x3 Jacobi y Gauss Seidel
DEPARTAMENTO DE MATEMÁTICAS Fecha Febrero 2002
Autor César Menéndez Fernández
SLMI_Ej03r.doc
Asignatura Cálculo Numérico Página 1 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Tridiagonal con Factorización y Jacobi
Fecha Junio 2002
a 1
1 a 1
1 a 1
Ejercicio 1.- Dada la matriz A
1 a 1
1 a
(a) Demostrar por inducción que todos los determinantes principales son positivos cuando
a>2, y por tanto, aplicando criterio de Silvester, la matriz es definida positiva.
(b) Dadas las características de la matriz, seleccionar justificadamente el método de
factorización más adecuado. Aplicarlo cuando A 33 .
(c) Obtener la matriz de iteración de Jacobi. Demostrar que el método converge cuando a>2,
¿Cómo sería el método cuando a=7/4 y A 33 ?
SLMI_Ej04r.doc
Asignatura Cálculo Numérico Página 2 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Tridiagonal con Factorización y Jacobi
Fecha Junio 2002
y en general
A n aA n 1 A n 2 2 A n 1 A n 2 A n 1 A n 1 A n 2 A n 1 0
Apartado (b) Selección del método de factorización
1 2 2 11
A LL 1 a 1 l2 l2
T
l2 l3 l1 l2 l2 l2
2 1 2 2 2
l2l3 l2 l3
1 1 2 1
1 2 3 3
1 a l3 l3 l3 l3
l31 l32 l33
2 2 2
l11l31 l21l31 l22l31
Planteando el sistema y despejando
a l1 2 l11 a
1
1 l11l21 l21 1a
0 l1 l3
1 1
l3 0
1
a
a l2 l2
1 2 2 2
l2 a a L a
2 1 1
a a 1
1 l1l1 l 2l1 1 1
l32 0 a a 1 1
2 3 2 3
a a1 a a1 a
a l1 l 2 l 3 l 3 a 1
2 2 2
3 3 3 3 a 1a
lim K 0 n
n
1 0 1
a a
1
a 0
Cuando a=7/4, se tiene que K 8 7 1 , lo que NO permite asegurar su convergencia, pero
SLMI_Ej04r.doc
Asignatura Cálculo Numérico Página 3 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Tridiagonal con Factorización y Jacobi
Fecha Junio 2002
0 4
7 x 4 7
K 4 7
0 4 7 y PK x 4 7 x 4 7 x 3 x 32 49 . Por tanto K 0, 32
49 y
4 0 4 x
7 7
K 32
49 1 , así pues el método es convergente.
SLMI_Ej04r.doc
Asignatura Cálculo Numérico Página 1 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 3x3 Jacobi y Gauss Seidel
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
a a a 0
Ejercicio 1. Dado el sistema lineal b a a X 2 b a
b b a ab
(a) ¿Qué relación debe haber entre a y b para que el sistema admita solución única?
son necesarias para obtener un error menor que 0.001 utilizando la norma 1? ¿ y la
infinito?
a y b 1 , ¿cuántas
1
(e) En caso de converger el método de Gauss-Seidel con 2
iteraciones son necesarias para obtener un error menor que 0.001 utilizando la norma
1? ¿ y la infinito?
Para que la solución sea única, el sistema debe ser regular, esto es, A 0
a a a a 0 0
a 0
A b a a b a b a b a a b 0
2
a b
b b a b 0 a b
SLMI_Ej05r.doc
Asignatura Cálculo Numérico Página 2 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 3x3 Jacobi y Gauss Seidel
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
0 1 1 0 1 1
b a
KG 0 b
a a 0 2 3
0 b b a b b 2 a 0 6 8
a2 a2
a 12
b 1
Comenzamos comprobando si las normas más sencillas de las matrices de iteración son
inferiores a uno. Empezamos con la norma 1:
K J 1 0 2 2 , 1 0 2 , 1 1 0 max 4,3, 2 4
K G 1 0 0 0 , 1 2 6 , 1 3 8 max 0,9,12 12
Como se puede ver la norma 1 es mayor que la unidad en ambos casos. Probamos con la norma
infinito
KJ
0 1 1 , 2 0 1 , 2 2 0 max 2,3, 4 4
KG
0 1 1 , 0 2 3 , 0 6 8 max 2,5,14 14
Puesto que ninguna permite asegurar la convergencia, necesitamos calcular el radio espectral,
para lo cual comenzamos obteniendo el polinomio característico:
SLMI_Ej05r.doc
Asignatura Cálculo Numérico Página 3 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 3x3 Jacobi y Gauss Seidel
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
PJ x K J xI x 3 6 x 2
J 3 4 3 2, 12 3
4 3 2 i
3
3
4 3 2
2
0.3275,0.1637 i 2.4659
PG x K G xI x3 10 x 2 2 x J 0,5 3 3 0,0.1962, 10.1962
Se puede observar que en ambos casos el radio espectral es mayor que uno, y por tanto los
métodos no convergen.
SLMI_Ej05r.doc
Asignatura Cálculo Numérico Página 1 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 2x2 Comparación Iterativos
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
La matriz del sistema es simétrica y definida positiva. Esto se puede ver mediante su polinomio
característico:
PA ( ) A I 2 6 8; ( A) { 2,4}
o bien considerando que es de diagonal dominante. Puesto que la matriz es simétrica, definida
positiva y de diagonal dominante, todos los métodos iterativos estudiados van a converger.
Consideremos cada uno de ellos:
JACOBI
0 1
K J D 1 ( L U ) ; ( K J ) {1 3 , 1 3}; K J
3 1
0 3
13
GAUSS-SEIDEL
0 1
K G ( D L) 1 U ; ( K G ) {0, 1 9}; K G
3 1
3
0 1
9
Nota: este cálculo es innecesario, pues al ser la matriz tridiagonal y definida positiva, sabemos
que K J ( K G )
2
S.O.R.
1
D (1 ) 3
KS ( 1
L) ( D U ) ( D L) ((1 ) D U ) (1 )
1
1
2
3 9
SLMI_Ej06r_.doc
Asignatura Cálculo Numérico Página 2 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 2x2 Comparación Iterativos
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
Puesto que la matriz es tridiagonal y definida positiva, se tiene que el valor óptimo del parámetro
2
de relajación viene dado por op 18 12 2 , y el radio espectral por
1 1 K j
2
min K s op 1. O bien, se calculan los valores propios de la matriz y se busca el valor para el
cual el radio espectral es mínimo.
x2 x 2 x 2 36x 36
(K S ) {1 x }
18 18
Sustiyuyendo este valor, se llega a
17 12 2 6 4 2 0,02943 0,34314
KS
198 140 2 51 36 2 0,01010 0,08831
(K S ) {17 12 2,17 12 2 } { 0,02944,0,02944}; K S 1
0,372583
El método más adecuado será pues el de relajación para el valor dado de o, en su defecto, el de
Gauss-Seidel. Realizamos elgunas iteraciones con los tres métodos.
Iteración Jacobi Gauss-Seidel S.O.R. óptimo
0 (0; 0) (0; 0) (0; 0)
1 (0,666667; -0,666667) (0,666667; -0,888889) (0,686292; -0,92179)
2 (0,888889; -0,888889) (0,962963; -0,987654) (0,982397; -0,996262)
3 (0,962963; -0,962963) (0,995885; -0,998628) (0,999235; -0,999848)
4 (0,987654; -0,987654) (0,999543; -0,999848) (0,99997; -0,999994)
5 (0,995885; -0,995885) (0,999949; -0,999983) (0,999999; -1.00000)
6 (0,998628; -0,998628) (0,999994; -0,999998)
7 (0,999543; -0,999543)
8 (0,999848; -0,999848)
9 (0,999949; -0,999949)
10 (0,999983; -0,999983)
11 (0,999994; -0,999994)
El número máximo de iteraciones necesarias para que el error sea menor que un dado se
calcula como:
1 K
L
K
n
x1 x 0
x xn x1 x 0 n
1 K LK
SLMI_Ej06r_.doc
Asignatura Cálculo Numérico Página 3 de 3
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Ejemplo 2x2 Comparación Iterativos
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
1 13 10 5 1 13 10 5
L 2
L 8
de donde, nJ 3
10,4, nG 9
10,7 y
L 13 L 13
1 0,3725105
L
0,9217
nG 12,05 .
L(0,3725)
SLMI_Ej06r_.doc
Asignatura Cálculo Numérico Página 1 de 5
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo 3x3 parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
a b b x1 a b
b a b x2 0
b b a x a b
3
(a) Calcular la matriz de iteración del método de Jacobi y determinar su polinomio
característico, determinando a partir de él los valores propios. ¿Qué relación debe
existir entre los coeficientes a y b para que el método iterativo de Jacobi sea
convergente?.
(b) Tomando a=3, b=1, calcular las matrices de iteración de Jacobi y Gauss Seidel. ¿Cuál
de los dos métodos converge más rápido? Determinar una cota del número de
iteraciones necesarias en cada método para que, partiendo del vector nulo, se asegure
que el error es menor que una milésima medido con la
.
(c) Tomando a=3, b=2, calcular las matrices de iteración de Jacobi y Gauss Seidel. ¿cuál
de los dos métodos converge más rápido?. Determinar una cota del número de
iteraciones necesarias en cada método para que, partiendo del vector nulo, se asegure
que el error es menor que una milésima medido con la
.
a a .
2 3
Calculando su polinomio característico se tiene PJ x K j xI x 3 3 b x2 b
Aplicando rufini, se tiene
-1 0 a
3b
2
a
2 b
3
b 2b
2 3
b b
a a a a
2b
-1 2 0
b
a a
SLMI_Ej07r_.doc
Asignatura Cálculo Numérico Página 2 de 5
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo 3x3 parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
b
a
b
a a
2 b
2
-1 2b 0
a
2b 2b
a a
-1 0
Los valores propios son b doble y 2 b simple., y el radio espectral es por tanto 2 b .
a a a
Para que el método sea convergente es necesario que 1 , y por tanto es preciso que 2 b a .
3
cuyo polinomio característico es PJ x K j xI x 3 1 x 2 1 . Aplicando rufini, se
3
3
tiene
-1 0 1
3 3
2 1
3
1 1 2 1
3
1
3 3 9 3
-1 1 2 0
3 9
1 1 2
3 3 9
-1 2 0
3
2 2
3 3
-1 0
Los valores propios son 1 doble y 2 simple., y el radio espectral es por tanto 2 .
3 3 3
Repitiendo el proceso para Gauss-Seidel, se tiene que
SLMI_Ej07r_.doc
Asignatura Cálculo Numérico Página 3 de 5
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo 3x3 parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
1
3 0 0 0 1 1 13 0 0 0 1 1 0 1
3
1
3
1 1 2
K G ( D L) U 1 3 0 0 0 1 9
1
3 0 0 0 1 0 1
9 9
1 1 3 0 0 0 2 1 1 0 0 0 0 5
27 3 27
2
9 27
3
1 1
raices son 0 y 4 i 11 . Calculando el radio espectral se obtiene el valor .
3 3 3
El método que converge más rápido es aquel con menor radio espectral, lo que conduce al
método de Gauss-Seidel. Para calcular el númeo de iteraciones de cada método, utilizamos la
acotación vista en la teoría:
1 K
L
K
n
x x0
1
xx n
x x n
1 0
1 K LK
Para poder aplicar la fórmula es necesario calcular la primera iteración del método. En ambos
casos se tiene que x n 1 K x n c Puesto que x(0) es el vector nulo, se tiene que x(1) = c.
Calculemos pues los valores de c y la norma para ambos métodos:
2
3
Jacobi: c J D b 0 cJ
1
2 , y como KJ
2 se tiene que
3 3
2
3
L
1 3 10
2 3
2
nJ 3
18.7 19
L2 3
2
3
G.-Seidel: cG ( D L) 1 b 2 cG 22 , y como K G 20 se tiene que
9 27 27
22
27
L
1 27 10
20 3
22
nJ 27
26.8 27
L20 27
Si se realizan los cálculos, se observa que las cotas anteriores son muy groseras, pues la
convergencia pedida se alcanza con Jacobi en siete iteraciones, y en seis con Gauss.Seidel.
SLMI_Ej07r_.doc
Asignatura Cálculo Numérico Página 4 de 5
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo 3x3 parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
3
1 8
raices son 0 y 14 2i 5 . Calculando el radio espectral se obtiene el valor .
3 27
Para calcular el número de iteraciones de cada método, utilizamos la acotación vista en la teoría:
1 K
L
K
n
x1 x 0
xx n
x x n
1 0
1 K LK
SLMI_Ej07r_.doc
Asignatura Cálculo Numérico Página 5 de 5
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo 3x3 parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
Para poder aplicar la fórmula es necesario calcular la primera iteración del método. En ambos
casos se tiene que x n 1 K x n c Puesto que x(0) es el vector nulo, se tiene que x(1) = c.
Calculemos pues los valores de c y la norma para ambos métodos:
1
3
Jacobi: cJ D b 0 cJ
1
1 , y como KJ
4 1 no se puede aplicar la
3 3
-1
3
fórmula.
SLMI_Ej07r_.doc
Asignatura Cálculo Numérico Página 1 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo tria. parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
n
0 a2 a2 a2
2 3
0 0 a 33 a3 X b
n
0 0 0 n
an
(a) Demostrar que los métodos de Jacobi y Gauss-Seidel obtienen la solución exacta en a
lo sumo n pasos para cualquier de orden n. ¿Qué condiciones debe cumplir el sistema
para que el método de relajación converja para cualquier valor del parámetro de
relajación ?.
(b) Calcular el número de pasos requeridos por Jacobi y Gauss-Seidel para aproximar la
solución del siguiente sistema con un error menor que 10-3, partiendo del vector nulo.
6 1 1 3 1
0 2 3 2 x 5
0 0 1 6 4
0 0 0 4 2
(c) ¿Qué método de factorización sería el más adecuado para este tipo de sistemas?.
Dada una matriz regular cualquiera, con términos no nulos en la diagonal, los métodos iterativos
estudiados la descomponen como
A D L U siendo:
a ii i j a ij i j a ij i j
i i i
j j j
D L U
0 i j 0 i j 0 i j
Y transforman el sistema inicial en un sistema de punto fijo
Ax b D L U x b x Kx c
Al ser la matriz del sistema triangular superior, se tiene que L=0, por tanto la matriz y el vector
de iteración se reducen en ambos casos a:
SLMI_Ej08r_.doc
Asignatura Cálculo Numérico Página 2 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo tria. parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
JACOBI GAUSS-SEIDEL
Los sucesivos términos de los métodos iterativos de resolución de sistemas vienen definidos por
x0
xn 1 Kxn c n 0
Generando la sucesión de vectores
x1 Kx0 c
x2 Kx1 c K Kx0 c c K 2 x0 K I c
x3 Kx2 c K K 2 x0 K I c c K 3 x0 K 2 K I c
x4 Kx3 c K K 2 x0 K 2 K I c c K 4 x0 K 3 K 2 K I c
xn Kxn 1 c K n x0 K n 1 K n 2 K 3 K 2 K I c
xn 1 Kxn c K n 1 x0 K n K n 1 K n 2 K 3 K 2 K I c
En ambos métodos se tiene que:
1
1 0 0 0
a1 0 a12 a13 a1n
0 1 0 0
a23 a2n
2
a2 0 0
K D U
1
0 0 1
3 0 0 0 0 a3n
a3
0 0 0
0 0 0 1
n
0
an
0 a1 1 a1 1 a1 1
2 3 n
a1 a1 a1
a 2 2 a 2 2
3 n
0 0
a2 a2
a 3 3
n
0 0 0
a3
0 0
0 0
Teniendo en cuenta el teorema de Cayley-Hamilton por el que toda matriz verifica su
ecuación característica:
SLMI_Ej08r_.doc
Asignatura Cálculo Numérico Página 3 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo tria. parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
K I 0 0 K n 0
n
Del apartado anterior, ya que la matriz del sistema es triangular superior, se tiene que en ambos
métodos:
xn 1 Kxn c D 1Uxn D 1b
luego conseguirán aproximar la solución del sistema con un error menor de 10-3 en el mismo
número de pasos. Comenzamos calculando las matrices del método:
6 0 0 0 16 0 0 0 0 1 1 3
0 2 0 0 0 12 0 0 0 0 3 2
D D 1 y U
0 0 1 0 0 0 1 0 0 0 0 6
0 0 0 4 0 0 0 14 0 0 0 0
0 1
6
1
6
1
2 1 6
5
0 0 3 1
K D U
1
,c D b
1
2 2
0 0 0 6 4
1
0 0 0 0 2
Pero las normas sencillas habituales K 1
K
6 , son mayores que uno, y por tanto no es
posible realizar la acotación del número de iteraciones. El calcular la otra norma habitual
K 2
KK T 1735
284 1 tampoco permitiría utilizar la cota. Por tanto no podemos acotar el
número de iteraciones, si bien sabemos que la aplicación del teorema de Cayley-Hamilton nos
indica que la solución exacta se alcanza en 4 iteraciones. Realizando las iteraciones partiendo del
vector nulo
SLMI_Ej08r_.doc
Asignatura Cálculo Numérico Página 4 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Iterativo tria. parametros J y GS
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
0 1
6
1
6
1
0 1 6 1 6
2
0 0 3 1 0 5 2 5 2
x1 Kx0 c
2
0 0 0 6 0 4 4
0 0 0 0 0 1 2 1 2
0 1
6
1
6
1
1 6 1 6 7 6
2
0 0 3 1 5 2 5 2 4
x2 Kx1 c
2
0 0 0 6 4 4 1
0 0 0 0 1 2 1 2 1 2
0 1
6
1
6
1
7 6 1 6 512
2
0 0 3 1 4 5 2 1 2
x3 Kx2 c
2
0 0 0 6 1 4 1
0 0 0 0 1 2 1 2 1 2
0 1
6
1
6
1
512 1 6 1 3
2
0 0 3 1 1 2 5 2 1 2
x4 Kx3 c
2
0 0 0 6 1 4 1
0 0 0 0 1 2 1 2 1 2
Y como cabía esperar
0 1 6 1
1 3 1 6 1 3
6
1
2
0 0 3 1 1 2 5 2 1 2
x5 Kx4 c x4
2
0 0 0 6 1 4 1
0 0 0 0 1 2 1 2 1 2
Las diferencias entre las sucesivas iteraciones nos muestran
1 6 43 19 12 34
5 13 9
2 2 2 0
x1 x1 x0 , x2 x2 x1 , x3 x3 x2 , x4 x4 x3
4 3 0 0
1
2 0 0 0
que era necesario hacer cuatro iteraciones para que el error, con cualesquiera de las tres normas
habituales, fuera inferior a la milésima.
SLMI_Ej08r_.doc
Asignatura Cálculo Numérico Página 1 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Trid+DP3x3: Inversa e iterativos J y SOR
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
3 1 0 x 1
1 3 1 y 2
0 1 3 z 7
(a) Obtener el condicionamiento del sistema utilizando (El cálculo de la inversa se debe
realizar utilizando el método de Gauss-Jordan)
(b) Obtener la matriz de iteración del método de Jacobi y analizar su convergencia. Realizar
dos iteraciones partiendo del vector nulo. A la vista de los resultados, ¿cuál será el
comportamiento del método de Gauss-Seidel?.
(c) Calcular, utilizando el método de Jacobi, el número de iteraciones para lograr un error
(respecto a 1 ) menor que 10-5, partiendo del vector nulo.
(d) ¿Existe algún valor para el cual el método de relajación es convergente?. En caso
afirmativo, obtener el valor óptimo y calcular el radio espectral correspondiente.
0 1 3 x
A 1.5858,3.0000, 4.4142
Por tanto todos los métodos iterativos estudiados van a converger.
Comenzamos calculando la inversa mediante Gauss-Jordan
3 1 0 1 0 0 F1 13 F1
1 3 1 0 1 0 F2 F2 3 F1
1
0 1 3 0 0 1 F F 0 F
3 3 3 1
1 1
3 0 1 3 0 0 F1 F1 18 F2
0 8
3 1 1 3 1 0 F2 F2
3
8
0 1 3 0 0 1 F3 F3 83 F2
SLMI_Ej09r_.doc
Asignatura Cálculo Numérico Página 2 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Trid+DP3x3: Inversa e iterativos J y SOR
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
1 0 1
8
3
8
1
8 0 F1 F1 211 F3
0 1 3
8
1
8
3
8 0 F3 F3 17 F3
0 0
21
8
1
8
3
8 1 F3 21 F3
8
1 0 0 8 21 1
7
1 21 8 21 3
21
1
21
1 3
0 1 0 1 7 3
7
1
7 A 3 21 9
21 21
0 0 1 1 21 1 8 1 3
21 21 21
8
7 21
Puesto que
n
A max aij max 4,5, 4 5 A1 max 4 7 , 5 7 , 4 7 5 7
i
j 1
se tiene que
A, A A1
5 5 7 25 7
SLMI_Ej09r_.doc
Asignatura Cálculo Numérico Página 3 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Trid+DP3x3: Inversa e iterativos J y SOR
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
0 1
3 0 0 1 3 1 3
1 0 1 0 2 2
x K J x cJ 1 3 0 3 3 3
0 1 0 0 3 7 3
7
3
0 1
3 0 1 3 1 3 5 9
2 1 1 2 2 14
x K J x cJ 1 3 0 3 3 3 9
0 1 0 7 3 7 3 23 9
3
0.9998
13
x 1.9998
2.9998
Al ser la matriz tridiagonal y definida positiva (ver los autovalores calculados), sabemos que
KG K J K J
2
1 , por lo que confirmamos de nuevo que Gauss-Seidel también
2
es convergente.
c) Método de relajación
Al ser la matriz definida positiva, el método converge para 0, 2 . Puesto que también es
tridiagonal, se tiene que el valor óptimo del parámetro de relajación viene dado por
2
optimo
1 1 K J
2
0 1
3 x
K J 0, 2
3 K J
2
3 0.4714
2
optimo 1.0627 , y el radio será optimo optimo 1 0.0627
1 1 29
d) Numero de iteraciones
El número máximo de iteraciones necesarias para que el error sea menor que un dado se
calcula como:
ln
1 K
n K
n
1 0
x x 0
1
xx x x n
1 K ln K
Obtenemos los valores necesarios
SLMI_Ej09r_.doc
Asignatura Cálculo Numérico Página 4 de 4
UNIVERSIDAD DE OVIEDO Tema Sistemas Lineales
Materia Trid+DP3x3: Inversa e iterativos J y SOR
DEPARTAMENTO DE MATEMÁTICAS Fecha Junio 2007
Autor César Menéndez Fernández
KJ 1
max 1 3 , 2 3 , 1 3 2 3
x x
0
c1 2 3 7 3 10 3
1 1
3
1
ln
1 2 3 105
10 ln106
n 3
34.0732
ln 2 3 ln 2 3
Se necesitan al menos 35 iteraciones
SLMI_Ej09r_.doc
Asignatura Cálculo Página 1
UNIVERSIDAD DE OVIEDO Numérico de 3
2 4 4
Ejercicio 1.- Dado el sistema lineal 1 1 1 X b
4 4 2
(a) Calcular las matriz de iteración de Jacobi y su radio espectral. ¿Cuántas
iteraciones son necesarias para obtener un error menor que 0.001 utilizando
la norma 1 o infinito?
2 2 0
El polinomio característico se obtiene haciendo
PJ x K J xI x 3
Por tanto tiene un valor propio nulo único de multiplicidad tres y su radio espectral en
menor que 1, lo que implica que el método de Jacobi es convergente.
Calculando las normas de la matriz de iteración,
KJ 1
max 0 1 2 , 2 0 2 , 2 1 0 4
KJ
max 0 2 2 , 1 0 1 , 2 2 0 4
Puesto que ambas son mayores que la unidad, no es posible aplicar la relación
SLMI_Ej10r.doc
Asignatura Cálculo Página 2
UNIVERSIDAD DE OVIEDO Numérico de 3
n
n K
xx x 1 x 0
1 K
Sin embargo, aplicando el teorema de Cayley-Hamilton, se llega a que
PJ K J K J 0 . Utilizando entonces la relación x x n K n x x 0 se
3
4 4 2 0 0 0 0 2 1 0 0 0 0 0 2
2
mide la sensibilidad de la solución del sistema a las variaciones de los coeficientes del
SLMI_Ej10r.doc
Asignatura Cálculo Página 3
UNIVERSIDAD DE OVIEDO Numérico de 3
SLMI_Ej10r.doc