Practica 6
Practica 6
Practica 6
ANÁLISIS NUMÉRICO I
PRÁCTICA N° 5 – SEMANA 8
DOCENTE:
LEÓN NAVARRO RONALD WISTON
ALUMNO:
CASTRO VALQUI CRISTHIAN MANUEL
2023
1. Demostrar que, si 𝐴 es diagonalmente dominante, entonces el método de Gauss-Seidel
genera una sucesión de vectores convergente a la única solución del sistema 𝐴𝑥 = 𝑏, para
cualquier vector inicial.
Para demostrar que el método de Gauss-Seidel genera una sucesión de vectores convergente a la
única solución del sistema 𝐴𝑥 = 𝑏, si 𝐴 es diagonalmente dominante, consideremos lo siguiente:
El método de Gauss-Seidel se define mediante la siguiente iteración:
Para 𝑘 = 1,2,3, …
Para 𝑖 = 1, 2, … , 𝑛
Supongamos que 𝐴 es diagonalmente dominante, lo que significa que para cada fila 𝑖, el valor
absoluto del elemento de la diagonal 𝐴𝑖𝑖 es mayor o igual que la suma de los valores absolutos
de los demás elementos de esa fila.
Demostraremos que la secuencia de vectores generada por el método de Gauss-Seidel converge
a la única solución del sistema 𝐴𝑥 = 𝑏.
Sea 𝑥 ∗ el vector solución del sistema 𝐴𝑥 = 𝑏. Queremos demostrar que la sucesión de vectores
𝑥 𝑘 generados por el método de Gauss-Seidel converge a 𝑥 ∗ .
𝑏𝑖 − ∑(𝐴𝑖𝑗 ∗ 𝑥𝑗 , 𝑗 = 1 𝑡𝑜 𝑖 − 1) − ∑(𝐴𝑖𝑗 ∗ 𝑥𝑗 , 𝑗 = 𝑖 + 1 𝑡𝑜 𝑛)
𝑥∗ =
𝐴𝑖𝑖
Restamos 𝑥 ∗ de ambos lados de la ecuación:
𝑘+1
𝑏𝑖 − ∑(𝐴𝑖𝑗 ∗ 𝑥𝑗𝑘 , 𝑗 = 1 𝑡𝑜 𝑖 − 1) − ∑(𝐴𝑖𝑗 ∗ 𝑥𝑗𝑘−1 , 𝑗 = 𝑖 + 1 𝑡𝑜 𝑛)
𝑒 = − 𝑥∗
𝐴𝑖𝑖
Expresamos 𝑒 𝑘+1 en términos del error anterior:
Simplificamos:
Como |𝑒𝑖𝑘 | ≤ (|𝑒𝑖1 | + 𝐶𝑖 ∗ |𝑒 0 |𝑚𝑎𝑥 ) ∗ (1 + 𝐶𝑖 )𝑘−1 → 0 cuando 𝑘 tiende a infinito, esto implica
que la sucesión de vectores 𝑥 𝑘 converge a 𝑥 ∗ .
Por lo tanto, hemos demostrado que si 𝐴 es diagonalmente dominante, entonces el método de
Gauss-Seidel genera una sucesión de vectores convergente a la única solución del sistema 𝐴𝑥 =
𝑏, para cualquier vector inicial.
𝑇𝐽 = (𝐿 + 𝑈)𝐷 −1
−𝐴 , 𝑠𝑖 𝑖 ≠ 𝑗
[𝐿 + 𝑈]𝑖𝑗 = { 𝑖𝑗
0, 𝑠𝑖 𝑖 = 𝑗
0, 𝑠𝑖 𝑖 ≠ 𝑗
[𝐷 −1 ]𝑖𝑗 = {
𝐴−1
𝑖𝑖 , 𝑠𝑖 𝑖 = 𝑗
𝑛
3. El sistema lineal:
2x1 − x2 + x3 = −1
{ 1 + 2x2 + 2x3 = 4
2x
−x1 − x2 + 2x3 = −5
tiene solución (1, 2, −1)𝑡 .
√5
a) Demostrar que: 𝜌(𝑇𝐽 ) = > 1.
2
√5
Para demostrar que 𝜌(𝑇𝐽 ) = 2
> 1, donde 𝑇𝐽 es la matriz de iteración de Jacobi para el
sistema lineal dado, debemos encontrar el radio espectral de 𝑇𝐽 .
𝑇𝐽 = −𝐷 −1 ∗ (𝐿 + 𝑈)
Donde 𝐷 es una matriz diagonal formada por los elementos diagonales de 𝐴, 𝐿 es una matriz
triangular inferior formada por los elementos por debajo de la diagonal de 𝐴, y 𝑈 es una matriz
triangular superior formada por los elementos por encima de la diagonal de 𝐴.
𝑇𝐽 = −𝐷 −1 ∗ (𝐿 + 𝑈)
1
0 0
2 0 0 0 0 −1 1
1
=− 0 2
0 ∗ ([ 2 0 0] + [0 0 0])
1 −1 −1 0 0 0 0
[0 0 2]
1
2
0 0
0 −1 1
1
=− 0 2
0 ∗[ 2 0 0]
1 −1 −1 0
[0 0 2]
1 1 1
− −
2 2 2
= [−1 0 0]
1 1
2 2
0
Para encontrar el radio espectral 𝜌(𝑇𝐽 ), debemos calcular los valores propios de 𝑇𝐽 y encontrar
el máximo valor absoluto.
𝑑𝑒𝑡(𝑇𝐽 − 𝜆𝐼) = 0
1 1 1
− −λ −
2 2 2
| −1 0 −λ || = 0
|
1 1
[ 2 −λ ]
2
1 1 1 1 1 1 1 1 1
(− − 𝜆) (0 − 𝜆)(0 − 𝜆) + ( − 𝜆) ( − 𝜆) ( − 𝜆) − (− ) ( − 𝜆) ( − 𝜆) − (− ) ( − 𝜆) (0 − 𝜆) = 0
2 2 2 2 2 2 2 2 2
3 3 1
−𝜆3 + ( ) 𝜆2 − ( ) 𝜆 + ( ) = 0
2 2 4
1 𝑖 √3
Resolviendo esta ecuación, obtenemos tres valores propios: 𝜆1 = 1, 𝜆2 = − 2 + 2
, 𝜆3 =
1 𝑖√3
−2 − 2
.
El radio espectral 𝜌(𝑇𝐽 ) es el máximo valor absoluto de los valores propios. En este caso, el
√5
máximo valor absoluto es |𝜆_2| = 2
.
√5
Por lo tanto, hemos demostrado que 𝜌(𝑇𝐽 ) = > 1.
2
b) Demostrar que el método de Jacobi con 𝑋 (0) = 0 falla para dar una buena aproximación
después de 25 iteraciones.
Para demostrar que el método de Jacobi con 𝑋 (0) = 0 no proporciona una buena
aproximación después de 25 iteraciones para el sistema lineal dado, necesitamos realizar las
iteraciones del método y verificar el comportamiento de la aproximación obtenida.
𝑋 𝑘+1 = 𝐷 −1 ∗ (𝑏 − (𝐿 + 𝑈) ∗ 𝑋 𝑘 )
Donde 𝑋 𝑘 es la aproximación en la k-ésima iteración, D es una matriz diagonal formada por los
elementos diagonales de 𝐴, 𝐿 es una matriz triangular inferior formada por los elementos por
debajo de la diagonal de 𝐴, 𝑈 es una matriz triangular superior formada por los elementos por
encima de la diagonal de 𝐴, y 𝑏 es el vector de términos independientes.
Comparando la solución exacta (1, 2, −1) con 𝑋 25 , podemos ver que la aproximación obtenida
es muy distante de la solución exacta.
Por lo tanto, hemos demostrado que el método de Jacobi con 𝑋 (0) = 0 no proporciona una
buena aproximación después de 25 iteraciones para el sistema lineal dado.
1
c) Demostrar que: 𝜌(𝑇𝐺𝑆 ) = 2 .
d) Use el método de Gauss-Seidel con 𝑋 (0) = 0 para aproximar la solución de un sistema lineal
con una tolerancia para el error de 10−5 en la norma 𝑙∞ .