Generalidades de los m

etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Parte 4. Metodos iterativos para la resolucion de

sistemas de ecuaciones lineales
Gustavo Montero

Escuela T
ecnica Superior de Ingenieros Industriales
Universidad de Las Palmas de Gran Canaria
Curso 2005-2006

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Generalidades de los metodos iterativos

Metodo de Jacobi

Metodo de Gauss-Seidel

Metodo de Relajaci
on Sucesiva

Convergencia de los metodos

Resumen

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Generalidades de los metodos iterativos

Metodo de Jacobi

Metodo de Gauss-Seidel

Metodo de Relajaci
on Sucesiva

Convergencia de los metodos

Resumen

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Introduccion
Ventaja frente a los metodos directos
Son menos sensibles a los errores de redondeo y esto se aprecia en sistemas de orden elevado donde los errores de
redondeo de los m
etodos directos son considerables

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Introduccion
Ventaja frente a los metodos directos
Son menos sensibles a los errores de redondeo y esto se aprecia en sistemas de orden elevado donde los errores de
redondeo de los m
etodos directos son considerables

Definici
on de metodo iterativo
Un m
etodo iterativo construye una sucesi
on de vectores xm tal que
lim

siendo x la soluci
on del sistema Ax = b.

xm = x

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Introduccion
Ventaja frente a los metodos directos
Son menos sensibles a los errores de redondeo y esto se aprecia en sistemas de orden elevado donde los errores de
redondeo de los m
etodos directos son considerables

Definici
on de metodo iterativo
Un m
etodo iterativo construye una sucesi
on de vectores xm tal que
lim

xm = x

siendo x la soluci
on del sistema Ax = b.

Construcci
on de un metodo iterativo
Se parte de una aproximaci
on inicial x0 y luego se calcula
xm+1 = F (xm ),

m = 0, 1, . . .

donde F se toma de forma lineal: F (x) = B x + c

xm+1 = B xm + c,

m = 0, 1, . . .

La matriz B se denomina matriz de iteraci

on y de sus propiedades va a depender la convergencia del m
etodo.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Definicion de convergencia
Definici
on de convergencia
Un m
etodo se dice que es convergente si:
lim

xm = x = A

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Definicion de convergencia
Definici
on de convergencia
Un m
etodo se dice que es convergente si:
lim

xm = x = A

Teorema del Punto Fijo

Aplicando el Teorema del Punto Fijo,

||F (x ) F (x )|| L||x x ||

es decir,

||Bx Bx || L||x x ||
Luego si v = x x

||Bv || L||v ||

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Definicion de convergencia
Definici
on de convergencia
Un m
etodo se dice que es convergente si:
lim

xm = x = A

Teorema del Punto Fijo

Aplicando el Teorema del Punto Fijo,

||F (x ) F (x )|| L||x x ||

es decir,

||Bx Bx || L||x x ||
Luego si v = x x

||Bv || L||v ||

Teorema general para la convergencia de los metodos iterativos

Un m
etodo iterativo del tipo anterior es convergente si y s
olo si se cumplen simult
aneamente las siguientes
condiciones,
c = (I B)A1 b
(B) < 1

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Construccion de metodos iterativos

Sea A = M N, con M invertible
Teorema de caracterizaci
on de m
etodos iterativos
Si se toma,

el m
etodo considerado cumple la primera condici
on anterior.
Pero adem
as se debe cumplir la segunda condici
on,
(M

N) < 1

o tambi
en

||M

N|| < 1

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Construccion de metodos iterativos

Sea A = M N, con M invertible
Teorema de caracterizaci
on de m
etodos iterativos
Si se toma,

el m
etodo considerado cumple la primera condici
on anterior.
Pero adem
as se debe cumplir la segunda condici
on,
(M

N) < 1

o tambi
en

||M

N|| < 1

Teorema de construcci
on de los m
etodos iterativos
Todo m
etodo del tipo estudiado verifica las condiciones del teorema anterior con M N = A y M invertible.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Introducci
on
Convergencia de los m
etodos iterativos
Construcci
on de m
etodos iterativos

Construccion de metodos iterativos

Sea A = M N, con M invertible
Teorema de caracterizaci
on de m
etodos iterativos
Si se toma,

el m
etodo considerado cumple la primera condici
on anterior.
Pero adem
as se debe cumplir la segunda condici
on,
(M

N) < 1

o tambi
en

||M

N|| < 1

Teorema de construcci
on de los m
etodos iterativos
Todo m
etodo del tipo estudiado verifica las condiciones del teorema anterior con M N = A y M invertible.
El m
etodo resulta,
xm+1 = M

Nxm + M

es decir,
Mxm+1 = Nxm + b
Por tanto, conviene elegir M tal que sea f
acilmente invertible (diagonal o triangular).
El n
umero de operaciones de los m
etodos iterativos es O(n2 ) no iter

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Jacobi

Generalidades de los metodos iterativos

Metodo de Jacobi

Metodo de Gauss-Seidel

Metodo de Relajaci
on Sucesiva

Convergencia de los metodos

Resumen

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Jacobi

Algoritmo de Jacobi
Descomposici
on suma de una matriz
0
B
B
D =B
B


Sea A = D L U, con

0
B
B
B
L=B
B
B


0
a21
a31
.
.
.
an1

0
a32
.
.
.
an2

0
.
.
.

..

ann1

a11
0
.
.
.
0
0
0
0
.
.
.
0

0
a22
.
.
.
0

1
C
C
C
C
;
C
C
A

..
.

0
B
B
B
U =B
B
B


0
0
.
.
.
ann
0
0
.
.
.

1
C
C
C
;
C
A
a12
0
.
.
.

a13
a23
..
.

.
.
.
0

a1n
a2n
.
.
.
an1n
0

1
C
C
C
C
C
C
A

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Jacobi

Algoritmo de Jacobi
Descomposici
on suma de una matriz
0
B
B
D =B
B


Sea A = D L U, con

0
B
B
B
L=B
B
B


0
a21
a31
.
.
.
an1

0
a32
.
.
.
an2

0
.
.
.

..

0
a22
.
.
.
0

a11
0
.
.
.
0
0
0
0
.
.
.
0

ann1

1
C
C
C
C
;
C
C
A

..
.

0
B
B
B
U =B
B
B


0
0
.
.
.
ann
0
0
.
.
.

1
C
C
C
;
C
A
a12
0
.
.
.

a13
a23
..
.

Algoritmo
El m
etodo de Jacobi consiste en elegir M = D y N = L + U, resultando en forma matricial,
Dxm+1 = (L + U)xm + b
es decir,

aii (xm+1 )i =

n
X
j=1
j6=i

aij (xm )j + bi ;

i = 1, 2, . . . , n

.
.
.
0

a1n
a2n
.
.
.
an1n
0

1
C
C
C
C
C
C
A

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Jacobi

Algoritmo de Jacobi
Matriz de iteraci
on de Jacobi
La matriz de iteraci
on de Jacobi resulta,

0
B
B
B
B
B
B
B
B
B
B
B
B
B


a21
a22
a31
a33
.
.
.
an1
ann

a12
a11
0

a32
a33
.
.
.
an2
ann

a13
a11
a23
a22
0
.
.
.
an3
ann

..

a1n
a11
a2n
a22
a3n
a33
.
.
.
0

1
C
C
C
C
C
C
C
C
C
C
C
C
C
A

Algoritmo
El m
etodo de Jacobi consiste en elegir M = D y N = L + U, resultando en forma matricial,
Dxm+1 = (L + U)xm + b
es decir,

aii (xm+1 )i =

n
X
j=1
j6=i

aij (xm )j + bi ;

i = 1, 2, . . . , n

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Gauss-Seidel

Generalidades de los metodos iterativos

Metodo de Jacobi

Metodo de Gauss-Seidel

Metodo de Relajaci
on Sucesiva

Convergencia de los metodos

Resumen

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Gauss-Seidel

Algoritmo de Gauss-Seidel
Algoritmo
El m
etodo de Gauss-Seidel consiste en elegir M = D L y N = U, resultando en forma matricial,
(D L)xm+1 = Uxm + b
es decir,

X
i

aij (xm+1 )j =

j=1

o, finalmente,

n
X

aij (xm )j + bi ;

i1

aii (xm+1 )i =

i = 1, 2, . . . , n

j=i+1

j=1

aij (xm+1 )j

n
X
j=i+1

aij (xm )j + bi ;

i = 1, 2, . . . , n

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Gauss-Seidel

Algoritmo de Gauss-Seidel
Algoritmo
El m
etodo de Gauss-Seidel consiste en elegir M = D L y N = U, resultando en forma matricial,
(D L)xm+1 = Uxm + b
es decir,

X
i

aij (xm+1 )j =

j=1

o, finalmente,

n
X

aij (xm )j + bi ;

i1

aii (xm+1 )i =

i = 1, 2, . . . , n

j=i+1

j=1

aij (xm+1 )j

n
X

aij (xm )j + bi ;

i = 1, 2, . . . , n

j=i+1

Ventaja frente a Jacobi

Menor requerimiento de almacenamiento respecto a Jacobi, ya que no necesita dos vectores para la
soluci
on (xm+1 , xm ). En el m
etodo de Gauss-Seidel las actualizaciones de la soluci
on se guardan en las
posiciones de los valores anteriores
El m
etodo de Gauss-Seidel tiene mejores condiciones de convergencia que el de Jacobi

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Relajaci
on Sucesiva

Generalidades de los metodos iterativos

Metodo de Jacobi

Metodo de Gauss-Seidel

Metodo de Relajaci
on Sucesiva

Convergencia de los metodos

Resumen

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Relajaci
on Sucesiva

Algoritmo de Relajacion Sucesiva

Algoritmo
Si tomamos un par
ametro 6= 0, podemos hacer la descomposici
on de A de la forma,
A=DLU =

DL

y eligiendo M =

D L, N =

 1

D + U, resulta

DL

i1

aii (xm+1 )i +

j=1

aij (xm+1 )j =

xm+1 =
1

DU

1


D+U

aii (xm )i

n
X
j=i+1

xm + b

aij (xm )j + bi ;

i = 1, 2, . . . , n

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Algoritmo de Relajaci
on Sucesiva

Algoritmo de Relajacion Sucesiva

Algoritmo
Si tomamos un par
ametro 6= 0, podemos hacer la descomposici
on de A de la forma,
A=DLU =

DL

y eligiendo M =

D L, N =

 1

D + U, resulta

DL

xm+1 =

i1

aii (xm+1 )i +

aij (xm+1 )j =

j=1

DU

1


D+U

aii (xm )i

n
X

xm + b

aij (xm )j + bi ;

i = 1, 2, . . . , n

j=i+1

Algoritmo en dos pasos

El algoritmo SSOR se puede expresar en dos pasos, un primer paso que coincide con el m
etodo de Gauss-Seidel un
segundo paso de relajaci
on de la soluci
on,

i1

aii (
xm+1 )i +

aij (xm+1 )j

j=1

(xm+1 )i (xm )i

n
X

aij (xm )j + bi ;

j=i+1

((
xm+1 )i (xm )i )

i = 1, 2, . . . , n

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen de resultados de Convergencia

Generalidades de los metodos iterativos

Metodo de Jacobi

Metodo de Gauss-Seidel

Metodo de Relajaci
on Sucesiva

Convergencia de los metodos

Resumen

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen de resultados de Convergencia

Resumen de resultados de Convergencia

Si A es sim
etrica y definida positiva, el m
etodo de Gauss-Seidel converge.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen de resultados de Convergencia

Resumen de resultados de Convergencia

Si A es sim
etrica y definida positiva, el m
etodo de Gauss-Seidel converge.
Si A es sim
etrica y la matriz

0
B
B
D+L+U =B
B


a11
a12
.
.
.
a1n

es definida positiva, el m
etodo de Jacobi es convergente.

a12
a22
.
.
.
a2n

..

a1n
a2n
.
.
.
ann

1
C
C
C
C
A

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen de resultados de Convergencia

Resumen de resultados de Convergencia

Si A es sim
etrica y definida positiva, el m
etodo de Gauss-Seidel converge.
Si A es sim
etrica y la matriz

0
B
B
D+L+U =B
B


a11
a12
.
.
.
a1n

a12
a22
.
.
.
a2n

..

a1n
a2n
.
.
.
ann

1
C
C
C
C
A

es definida positiva, el m
etodo de Jacobi es convergente.
Si A es sim
etrica y definida positiva, el m
etodo de relajaci
on converge si y s
olo si 0 < < 2.
Si < 1 el m
etodo se denomina de subrelajaci
on y si > 1, de sobrerrelajaci
on.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen de resultados de Convergencia

Resumen de resultados de Convergencia

Si A es sim
etrica y definida positiva, el m
etodo de Gauss-Seidel converge.
Si A es sim
etrica y la matriz

0
B
B
D+L+U =B
B


a11
a12
.
.
.
a1n

a12
a22
.
.
.
a2n

..

a1n
a2n
.
.
.
ann

1
C
C
C
C
A

es definida positiva, el m
etodo de Jacobi es convergente.
Si A es sim
etrica y definida positiva, el m
etodo de relajaci
on converge si y s
olo si 0 < < 2.
Si < 1 el m
etodo se denomina de subrelajaci
on y si > 1, de sobrerrelajaci
on.
Si A es sim
etrica, definida positiva y tridiagonal, el valor o
ptimo de para la convergencia del m
etodo de
relajaci
on es,
2
=
1 + 1 2j

siendo j el radio espectral de la matriz de iteraci

on del m
etodo de Jacobi.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Generalidades de los metodos iterativos

Metodo de Jacobi

Metodo de Gauss-Seidel

Metodo de Relajaci
on Sucesiva

Convergencia de los metodos

Resumen

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen

Los m
etodos iterativos tienen un coste computacional de O(n2 ) no iteraciones.
Si el n
umero de iteraciones es peque
no comparado con n, los m
etodos iterativos
son preferibles a los directos. Asimismo, los errores de redondeo no se acumulan
despu
es de cada iteraci
on, lo que supone una ventaja adicional.
El m
etodo de Gauss-Seidel es usualmente m
as eficiente que el de Jacobi
Podemos acelerar la convergencia mediante la t
ecnica de relajaci
on.
Generalmente se suele utilizar valores de entre 1 y 2 (sobrerelajaci
on)
En la actualidad los m
etodos iterativos estudiados en esta asignatura est
an
obsoletos. Los m
etodos m
as utilizados son los basados en los subespacios de
Krylov.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen

Los m
etodos iterativos tienen un coste computacional de O(n2 ) no iteraciones.
Si el n
umero de iteraciones es peque
no comparado con n, los m
etodos iterativos
son preferibles a los directos. Asimismo, los errores de redondeo no se acumulan
despu
es de cada iteraci
on, lo que supone una ventaja adicional.
El m
etodo de Gauss-Seidel es usualmente m
as eficiente que el de Jacobi
Podemos acelerar la convergencia mediante la t
ecnica de relajaci
on.
Generalmente se suele utilizar valores de entre 1 y 2 (sobrerelajaci
on)
En la actualidad los m
etodos iterativos estudiados en esta asignatura est
an
obsoletos. Los m
etodos m
as utilizados son los basados en los subespacios de
Krylov.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen

Los m
etodos iterativos tienen un coste computacional de O(n2 ) no iteraciones.
Si el n
umero de iteraciones es peque
no comparado con n, los m
etodos iterativos
son preferibles a los directos. Asimismo, los errores de redondeo no se acumulan
despu
es de cada iteraci
on, lo que supone una ventaja adicional.
El m
etodo de Gauss-Seidel es usualmente m
as eficiente que el de Jacobi
Podemos acelerar la convergencia mediante la t
ecnica de relajaci
on.
Generalmente se suele utilizar valores de entre 1 y 2 (sobrerelajaci
on)
En la actualidad los m
etodos iterativos estudiados en esta asignatura est
an
obsoletos. Los m
etodos m
as utilizados son los basados en los subespacios de
Krylov.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen

Los m
etodos iterativos tienen un coste computacional de O(n2 ) no iteraciones.
Si el n
umero de iteraciones es peque
no comparado con n, los m
etodos iterativos
son preferibles a los directos. Asimismo, los errores de redondeo no se acumulan
despu
es de cada iteraci
on, lo que supone una ventaja adicional.
El m
etodo de Gauss-Seidel es usualmente m
as eficiente que el de Jacobi
Podemos acelerar la convergencia mediante la t
ecnica de relajaci
on.
Generalmente se suele utilizar valores de entre 1 y 2 (sobrerelajaci
on)
En la actualidad los m
etodos iterativos estudiados en esta asignatura est
an
obsoletos. Los m
etodos m
as utilizados son los basados en los subespacios de
Krylov.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen

Los m
etodos iterativos tienen un coste computacional de O(n2 ) no iteraciones.
Si el n
umero de iteraciones es peque
no comparado con n, los m
etodos iterativos
son preferibles a los directos. Asimismo, los errores de redondeo no se acumulan
despu
es de cada iteraci
on, lo que supone una ventaja adicional.
El m
etodo de Gauss-Seidel es usualmente m
as eficiente que el de Jacobi
Podemos acelerar la convergencia mediante la t
ecnica de relajaci
on.
Generalmente se suele utilizar valores de entre 1 y 2 (sobrerelajaci
on)
En la actualidad los m
etodos iterativos estudiados en esta asignatura est
an
obsoletos. Los m
etodos m
as utilizados son los basados en los subespacios de
Krylov.

Generalidades de los m
etodos iterativos
Metodo de Jacobi
M
etodo de Gauss-Seidel
M
etodo de Relajaci
on Sucesiva
Convergencia de los m
etodos
Resumen

Resumen

Los m
etodos iterativos tienen un coste computacional de O(n2 ) no iteraciones.
Si el n
umero de iteraciones es peque
no comparado con n, los m
etodos iterativos
son preferibles a los directos. Asimismo, los errores de redondeo no se acumulan
despu
es de cada iteraci
on, lo que supone una ventaja adicional.
El m
etodo de Gauss-Seidel es usualmente m
as eficiente que el de Jacobi
Podemos acelerar la convergencia mediante la t
ecnica de relajaci
on.
Generalmente se suele utilizar valores de entre 1 y 2 (sobrerelajaci
on)
En la actualidad los m
etodos iterativos estudiados en esta asignatura est
an
obsoletos. Los m
etodos m
as utilizados son los basados en los subespacios de
Krylov.