Académique Documents
Professionnel Documents
Culture Documents
Empezar con una aproximacin inicial para el vector solucin (x0) Actualizar en cada iteracin el vector x usando el sistema Ax=b Cada iteracin involucra el producto matrizvector.
Escribir el sistema Ax=b en una forma equivalente x=Tx+c Empezando con x0, genere una secuencia de aproximaciones {xk} iterativamente por xk+1=Txk+c Representacin de T y c dependen del tipo de mtodo usado. Pero para cada mtodo T y c son obtenidas a partir de A y b.
Convergencia
Cuando k, la secuencia {xk} converge a un vector solucin bajo algunas condiciones en la Matriz T. Esto impone condiciones diferentes en la matriz A para diferentes mtodos. Para la misma matriz A, un mtodo puede converger mientras que otro puede divergir. Por lo tanto para cada mtodo la relacin entre A y T deben ser encontradas para decidir la convergencia.
3
SOR es un mtodo usado para acelerar la convergencia. La iteracin de Gauss-Seidel es un caso especial del mtodo SOR.
Iteracin de Jacobi
a11 x1 a12 x2 a1n xn b1 a21 x1 a22 x2 a2 n xn b2 an1 x1 an 2 x2 ann xn bn
1 x1
x10 0 0 x2 x 0 xn
1 0 0 1 (b1 a12 x2 a1n xn ) k 1 xi bi a11 aii 1 0 0 x1 (b2 a21 x10 a23 x3 a2 n xn ) 2 a22 1 0 0 x1 (bn an1 x10 an 2 x2 ann 1 xn 1 ) n ann
aij x j1aij x j 1 i
i 1 n k j k j
-U=triu(A)-D
D
-L
-L=tril(A)-D
D=diag(diag(A))
0 0 0 0 0 a12 a13 a11 a12 a13 a11 0 a a22 a23 0 a22 0 a21 0 0 0 0 a23 21 a31 a32 a33 0 0 a33 a31 a32 0 0 0 0
Ax=b (D-L-U)x=b
1 k 1 xi aii
Dxk+1
i 1 n k k bi aij x j aij x j j 1 j i 1
Dxk+1 = (L+U)xk+b
xk+1=D-1(L+U)xk+D-1b
T=D-1(L+U) c=D-1b
7
Lx k
Uxk
x10 0 0 x2 x 0 xn
i 1
a x
j 1 ij
k 1 j
aij x j i 1
n k j
1 aii
i 1 n k 1 k bi aij x j aij x j j 1 j i 1
Dxk+1
Lx k 1
Uxk
(D-L)xk+1 =Uxk+b
xk+1=(D-L)-1Uxk+(D-L)-1b
Tgs=(D-L)-1U cgs=(D-L)-1b
9
Comparacin
teracin de Gauss-Seidel converge ms rpidamente que la iteracin de Jacobi desde que este usa la ltima actualizacin.
Pero existen algunos casos que la iteracin de Jacobi converge pero Gauss-Seidel no.
El mtodo de sobre relajacin sucesiva es usada para acelerar la convergencia del mtodo de Gauss-Seidel.
10
1 x aii
k i
i 1 n k 1 k bi aij x j aij x j j 1 j i
xik 1 xik ik
trmino Corrector
i2
xi3 xi2 x i1 x
0 i
i1
2 i
i1
Converge ms rpido
0 i
Multiplicando por
i0
11
SOR
xik 1 xik ik x x
k 1 i
1 x aii
k i
i 1 n k 1 k bi aij x j aij x j j 1 j i
k 1 i
xik 1
1aij x j i
n k j
Donde el ultimo termino es la estimacin de Gauss-Seidel 1<<2 Sobre-relajacin (convergencia rpida) 0<<1 Sub-relajacin (convergencia ms lenta) Existe un valor ptimo para Encontrarlo por prueba y error 12
1 (1 ) x aii
k i
i 1 n k 1 k bi aij x j aij x j j 1 j i 1
Dxk+1=(1-)Dxk+b+Lxk+1+Uxk
(D- L)xk+1=[(1-)D+U]xk+b T=(D- L)-1[(1-)D+U] c= (D- L)-1b
13
x
k
x e x
k k
Substituye esto en
x k 1 Txk c
e k 1 x T (e k x) c Tx c Te k
k 1
( k 1) 0
e T
( k 1)
potencia
El mtodo iterativo convergera para cualquier vector inicial arbitrario si la siguiente condicin es satisfecha Condicin de Convergencia
Lim e k 1 0 si Lim T ( k 1) 0
k k
15
Norma de un vector
La norma de un vector debe satisfacer estas condiciones: x 0 Para cualquier vector no nulo x
x 1 x1 x2 xn
norma Euclideana norma 2
2 2 x 2 x12 x2 xn
x maxi xi
17
Ax A x
x es un vector
18
A 1 max aij
1 j n i 1
A max aij
1i m j 1
19
Ejemplo
3 9 5 7 2 4 6 8 1
16 19
A1
17 A 13 15
10
20
Condicin de Convergencia
lim e
k k 1
0 si lim T
k
( k 1)
Expresar T en terminos de matriz modal P y : Matriz Diagonal con valores propios de T en la diagonal
T PP
T ( k 1) PP 1 PP 1 PP 1 T ( k 1) P( k 1) P 1
k k
k 1 1 k 1 2 k 1 k 1 n
(T ) 1
1
j 1 i j
aij aii
n
1 Para i 1,2,...,n
aii aij
j 1 i j
Si A es una matriz con diagonal estrictamente dominante, entonces la iteracin de Jacobi converge para cualquier valor inicial
24
Criterios de Parada
b Ax0
26.7395
b Ax1 10.0452
2
26
Ejemplo 1 continuacin...
1 7 2.625 3 7 x1 x3 2 x 1.65625 4 4 1 1 21 4 x1 x3 21 4 1.75 3 2 3.875 x2 8 8 1 15 2 x1 x1 15 2 1.75 2.625 2 2 4.225 x3 5 5 2 1
b Ax2
6.7413
7 3.875 4.225 1.6625 4 21 4 1.65625 4.225 3 x2 3.98125 8 15 2 1.65625 3.875 3 x3 2.8875 5 x13
b Ax3
1.9534
Ejemplo 2
2 1 5 x1 15 4 8 1 x 21 2 4 1 1 x3 7
0 x 0 0 0
b Ax0
26.7395
b Ax1 54.8546
2
28
Ejemplo 2 continuacin...
15 2.625 5 7 11.3125 2 21 4 7.5 7 x1 0.25 2 8 1 x3 7 4 7.5 2.625 39.625
1 x1
b Ax2
208.3761
estrictamente dominante
Iteracin GS converge para cualquier vector inicial si A es una matriz simtrica y definida positiva La matriz A es definida positiva si
xTAx>0 para cualquier vector x no nulo.
30
b Ax0
26.7395
b Ax1 3.0414
2
b Ax1 10.0452
2
teracin de Jacobi
31
Ejemplo 1 continuacin...
1 7 3.5 3 7 x1 x3 2 x 1.875 4 4 1 21 4 x12 x3 21 4 1.875 3 2 3.9375 x2 8 8 2 15 2 x12 x2 15 2 1.875 3.9375 2 2.9625 x3 5 5 2 1
b Ax2 b Ax2
0.4765 6.7413
Iteracin de Jacobi
Si 0<<2, mtodo SOR converge para cualquier valor inicial si A es una matriz simtrica y definida positiva.
Conteo de operaciones
El # de operaciones para la Eliminacin gaussiana o la descomposicin LU es de 0 (n3), orden de n3 Para los mtodos iterativos, el nmero de multiplicaciones escalares es 0 (n2) en cada iteracin. Si el nmero total de las iteraciones requeridas para la convergencia es mucho menos que n, entonces los mtodos iterativos son ms eficiente que mtodos directos. Los Mtodos iterativos tambin se satisfacen bien para las matrices esparcidas.
34
Mtodo
Jacobi Gauss-Seidel SOR
( D -L)-1 U
(D-w L)-1 [(1-w) D + w U ]
( D -L)-1 b
w(D-w L)-1 b
35
Problema 1
Resolver el siguiente sistema por el mtodo SOR, considere =1.25.
4 x1 x2 2 x1 4 x2 x3 6 x2 4 x3 2 x1 0 x2 0 x3 0
0 0 0
Problema 1
~1 2 x2 2 0 0.5 x1 4 4 1 0 x1 ~11 1 x1 1.25 x0.5 1 1.25x0 0.625 x
0
Problema 1
k 0 1 2 0 0.625 1.1157227 x1 0 2.0703125 2.1035767 x2 0 1.2719727 0.9643745 x3
3
4 5
1.003437
0.9879054 1.0044239
1.9640469
2.0044809 2.0008818
0.997671
1.0019825 0.9997799
38
Problema 2
Sea el sistema A x = b : Para k=-1, es la matriz A definida positiva? Para que valores de k el sistema converge, al usar el mtodo de Gauss-Seidel? Hacer 03 iteraciones de Gauss-Seidel para k=-3
2 k x1 6 1 3 x 9 2
39
Problema 2
A es definida positiva si:
x1
40
Problema 2
TG ( D L) 1U 2 0 ( D L) 1 3 1 / 2 0 ( D L) 1 1 / 6 1 / 3 0 0 k 0 k / 2 1/ 2 TG 0 0 0 k / 6 1 / 6 1 / 3 k Det TG I ( )( ) 6 1 0 2 k / 6 (TG ) m ax k / 6 Existe convergenc cuando : (TG ) 1 ia Esto se cumple siempre que : - 6 k 6
41
Problema 2
Para Gauss - Seidel (k -3)
( ( x1 n 1) 3 1.5 x2n ) ( ( x2n 1) 3 x1 n 1) / 3
n 0 1 2 3 4 5 6 7
42