You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
48 3. RESOLUCIÓN DE SISTEMAS LINEALES<br />
métodos iterativos (por ejemplo Jacobi y Gauss-Seidel). Supongamos que el método i (i = 1, 2)<br />
tiene la matriz de iteración Bi. Si<br />
ρ(B1) < ρ(B2)<br />
entonces<br />
B k 1 < B k 2 <br />
para k grande. O sea el método 1 es mejor asintóticamente (aunque para un número dado de<br />
iteraciones podría ser mejor el 2).<br />
2.3. Análisis de los métodos de Jacobi y Gauss-Seidel.<br />
Definición 3.8. Una matriz A ∈ IR N×N es estrictamente diagonal dominante si<br />
|aii| > <br />
j=i<br />
|aij| ∀i<br />
Si A es estrictamente diagonal dominante entonces tanto Jacobi como Gauss-Seidel convergen.<br />
Teorema 3.9. Si A es estrictamente diagonal dominante el método de Jacobi converge.<br />
Demostración. Recordemos que<br />
En este caso es fácil ver que<br />
En efecto, BJ = (bij) con<br />
entonces<br />
A = D + L + U BJ = −D −1 (L + U)<br />
bij = aij<br />
aii<br />
BJ∞ < 1<br />
para i = j y bii = 0<br />
|aij|<br />
BJ∞ = máx < 1<br />
i |aii|<br />
j=i<br />
pues A es estrictamente diagonal dominante.<br />
Teorema 3.10. Si A es estrictamente diagonal dominante el método de Gauss-Seidel converge.<br />
Demostración. Como antes recordemos que<br />
A = D + L + U BGS = −(L + D) −1 U.<br />
Hay que ver que ρ(B) < 1. Sea λ un autovalor de B y x un autovector con x∞ = 1. Entonces<br />
tenemos,<br />
−(L + D) −1 Ux = λx<br />
y esto es equivalente a<br />
−Ux = λ(L + D)x<br />
N<br />
i<br />
− aijxj = λ aijxj.<br />
j=i+1<br />
j=1