TEMA 1 SEGUNDA PARTE.
1.-PLANTEAMIENTO DEL PROBLEMA.
Es un sistema de ecuaciones lineales: los números son los coeficientes del sistema, se puede crear una
matriz A, los vectores son los términos independientes (b) y el vector de variable (x).
Este tipo de sistemas aparecen en multitud de aplicaciones como: procesamiento de señales, simulación,
análisis y procesamiento de datos especiales.
Sabemos resolverlos por el método de Gauss y la regla de cramer, los métodos directos pueden ser
inconvenientes cuando se aplican a sistemas de grandes dimensiones ya que se requiere de muchas
operaciones y son sensibles al error.
Los métodos iterativos están especialmente indicados en la resolución de sistemas, estudiaremos como
resolverlos con los siguientes métodos.
2.-MÉTODOS DIRECTOS.
-MÉTODO DE GAUSS:
El m´etodo de Gauss consiste en transformar el sistema en uno equivalente, de modo que la matriz del
sistema sea triangular superior: es decir, que: aij = 0, i > j
[A|b]. Si a 11 6= 0, la primera fila pivote es la F1. Las modificaciones en la matriz ampliada son:
Después, hacemos lo mismo con la fila siguiente, hasta lograr la matriz triangular superior. Este proceso se
denomina eliminación gaussiana. Una vez que tenemos el sistema con matriz triangular superior. Basta
resolverlo de “abajo hacia arriba”: sustituci´on regresiva
-MÉTODO DE GAUSS CON PIVOTEO PARCIAL:
El pivoteo parcial consiste en aplicar este método eligiendo la fila pivote como aquella cuyo elemento pivote
sea el de mayor valor absoluto de su columna. Una vez elegida, se intercambian las filas como sea necesario.
3.-MÉTODOS ITERATIVOS.
Los métodos directos que hemos estudiado tienen inconvenientes si se aplican a sistemas de ecuaciones de
grandes dimensiones, porque requieren muchas operaciones y son sensibles a errores de redondeo. Los
métodos iterativos están especialmente indicados en la resolución de este tipo de sistemas, o en aquellos en
los que las matrices son dispersas (poseen muchos ceros).
Consisten en definir una sucesión de puntos x0, x1, ... que converjan a la sucesión del sistema. Se basan en
la versión para variables n-dimensionales del método del punto fijo. Para ello utilizamos que A = M − N:
Ax = b ↔ (M − N)x = b ↔ Mx = Nx + b
con lo cual:
x = M−1 (Nx + b) = F(x)
Anal´ıticamente, los m´etodos de Jacobi y Gauss-Seidel utilizan las matrices, creadas a partir de A:
-D es la matriz diagonal con la misma diagonal que A
-L es una matriz triangular inferior (tiene ceros en la diagonal y por encima) construida a partir de A.
-U es la matriz triangular superior (ceros en la diagonal y por debajo) construida a partir de A.
+Con lo cual:, para el m´etodo de Jacobi:
M = D, N = −(L + U) —-> A = D + L + U = M − N
y el sistema Mx = Nx + b es equivalente a resolver: Dx = −(L + U)x + b
As´ı, la sucesi´on se construye partiendo de un valor inicial x0 y definiendo:
Dxk+1 = −(L + U)xk + b, k ≥ 0 (es el sistema que obtuvimos antes despejando las incógnitas)
+Para el método de Gauss-Seidel: M = D + L, N = −U, con lo cual el sistema Mx = Nx + b es equivalente a
resolver:
(D + L)x = −Ux + b
As´ı, la sucesi´on se construye partiendo de un valor inicial x0 y definiendo:
(D + L)xk+1 = −Uxk + b, k ≥ 0
Equivale a despejar las ecuaciones, como hicimos antes, pero usar en la parte derecha de la ecuación los
valores para las variables que vamos calculando previamente. Por eso este método es más rápido que el de
Jacobi.
3.1.-CONVERGENCIA DE LOS MÉTODOS ITERATIVOS.
-Teorema: Dado el sistema Ax = b:
-si A es diagonalmente dominante, o
-si A^T es diagonalmente dominante, o
-si A es simétrica y definida positiva
entonces existe una ´unica soluci´on del sistema y los m´etodos iterativos producen una sucesi´on de vectores
que converge a dicha soluci´on
-MÉTODO DE JACOBI:
El método de Jacobi consiste en que la expresi´on para la funci´on de punto fijo F(x) la obtenemos
despejando de cada ecuaci´on una inc´[Link] despejamos x de la primera ecuaci´on, y de la segunda,
z de la tercera y partiendo de un punto inicial x0 = (x0, y0, z0) calculamos el siguiente mediante estas
[Link] de x0 = (x0, y0, z0) = (0, 0, 0), x1 se calcula. De forma análoga vamos calculando más
puntos de la sucesión que convergen a la solución real.
-MÉTODO DE GAUSS-SEIDEL:
4.-SISTEMAS NO LINEALES.
Supongamos ahora que queremos resolver un sistema de ecuaciones no lineal, primero denotamos F.
Denotamos F = (f1, f2, . . . , fn). Queremos aplicar el método de Newton a estos sistemas. Para ello partimos
de un vector x0 y tomamos: xn+1 = xn − J ^−1 (xn)F(xn)
donde J es la matriz Jacobiana de F. La ecuación equivale al sistema lineal:
