Académique Documents
Professionnel Documents
Culture Documents
.
METODOS ITERATIVOS
.
PARA LA SOLUCION DE UN
SISTEMA DE ECUACIONES LINEALES
por
Jul io C. Diaz
Sumario.
1. Introducci6n.
1
AX = b , (1.1)
2
cias Finitas sobre una red de digamos 5.000 puntos.
La matriz correspondiente es de 6rden 5.000~S.000;
perc solamente hay 25.000 de ellos diferentes a ce-
roo Con este tipo de mQtriz laeliminacion de Gauss
tiene una desventaja impresionante pues cambia mu-
chos -de 16s elementos cero en elementos que no son
cero. En el ejedplo de arriba,el ustiirio de elimi-
naci6n gaussiana tieneque contentarse -con reservar
m&s de 100.000 elementos. En contraste .con la eli-
minaci6n gaussiana los m'todos i~erativos, como ve-
r~mos, hacen u~o solamented~ la matriz original,
y entonces s~ conservan las propiedades de la ma-
triz a traves del proceso.
(1. 2)
M = D , (1. 4)
N = D - A ,
4
Entonces se toma
M = D + E , (1. 5)
N = - F ,
M = 1 (D + wE)
w
(1.6)
N = 1 «1
w
- w) D - wF)
2. Convergencia.
5
m >-- 0 (2.1)
Definamos
(m) X(m)
e = - x , m ~ 0 , (2.2)
(m)
donde X es una solucion de (1.1 ) y e es e1
vector de error asociado con X(m) . Dado que
MX = NX + d ,
tenemos:
Si definimos
-1
B = M N,
obtenemos
e
(m)
- ...- e
(0)
6
1 im X (rn ) = X ,
n-+<Xl
si Y solo s1 ,
° ,
(0)
e = o ,
(0)
para todos los vectores e ,10 cual es equiva-
lente a determinar cuando
lim
m-+oo
B
m
= °
3. Teoremas de Gersgorin.
8
n
A. =
J L I a .. 1
1J
1 ~ i ~ n
j=l
jjl!i
Entonees, todos los valores propios A de A es-
tan en 1a
.
union
...
de los discos.
D. = {z liz - a .. 1 .~ A.}
1 1J J
n
(A a .. )
J.J
x.J. = L a .. X.
J.J
1 4t i ~ n ,
j=l J
j#i
en particular si Ix r I = 1, entonces
n n
IA - rr I ~ L L
a A
r
j=l j=l
jjl!r j #r
9
debemos definir el concepto de irreducibilidad. De-
cimos que una matriz A es :educ i b 1e si existe
una matriz de permutacion P tal que
IA - a ~..) 1 = A.1.
n
I a.·1
~J
> I I a.~J·1 i = 1,2, •..,n (3.1)
j=l
jr/i
10
Ahora podemos establecer las siguientes consecuen-
cias directas del teorema del clrculo de Gersgorin
y de esta definicion. Primero una proposicion que
nos ayudar& aestablecer una propiedad suficiente
para que los metodos de Jacobi y Gauss-Seidel con-
verjan.
(k+l) -1 (k)
e = - D (E + F) e
-1
Sea G = - D (E + F) , G (g .. ) •
l]
Entonces
11
a ..
g ..
~~
= 0 , g ..
~J
= - ~a .. para i ; j
~~
n
a ..
Pero L ~ < 1 , puesto que A es de diagon';ll
j=l a ..
~~
j;i
estrictamente dominante; luego
n
A.~ = L Ig.·1
~J
< 1 ,
j=l
j;j
12
· __ [A (D + E) + F] X = 0 •
n d.
X~k+l) = aij X~k) + __ J ,
~
- L a .. J a ..
~~
(4.1)
j=l ~~
j#i
i :::1,2,ooo,n, k ~ 00
13
tras calcula las componentes del vector x(k+l)o
Intuitivamente, parecer1a m&s atractivo usar los
Gltimos estimativos de las, componentes en todas
lo~ ~~l~ulos sucesivos, ~sto da origen al siguien-
te metodo.
i-l
-. X(,k+l)
L a ..
~J
o·
]
j=l
(4.2)
n ( k)
i=1,2, ••n, k ~ 0
L a .. X •
~J ]
+d .,
.~
j-i+l
14
La utilidad de la rata de convergencia proviene de
que se puede demostrar que el numero de iteracio-
nes necesarias para reducir un error inicial por
un factor prescrito es inversamente proporcional a
la rata de convergencia; ver [3J. Claramente a me-
nor radio espectral mayor rata de convergencia.
Luego, si H depende de un parametro w, este se
escogera de tal forma que p{A{w» se minimice.
5. 5.0.R.
i-I n
(k)
a. oX~k+l) _
L 1. J J
L a 0 oX
1. J
0
J
+ do,
1.
j=l j=i+l
( 5'.1)
15
la siguiente forma:
( 5 • 2)
= (1 - w)X~k) + wX~k+l)
1 1
k ~ 0,
L
w
= (1 - wL)-l{(l - w)I + wU}. (5.4)
16
Notemos que w = 1 da el mitodo de Gauss-Seidel,
como era de esperarse a pa~tir de (5.2).
p(L
w
) ~ Iw - 11
= det[(1 - wL) (I - L
w
)J
17
= det [A(I - wL) - (I - w ) I - wU]
Pero
n
4>(1..) = n
i=l
(A - A.)
~
luego
de donde
18
donde los D.' s son matrices cuaaradas. Si las ma-
"1
trices D. son diagonales entonces decimos que A
1
es diagonalmente tridiagonal de m bloques. Por ul-
timo se dice que si existe una matriz de permuta-
cion P tal que PApT es diagonalmente tridiago-
nal de m bloques, entonces A tiene la propiedad
(A) •
2
(7.1)
Wopt = 1 + 11 - p{Gr
19
P(Lwopt) = w
opt
- 1 . (7•2)
P(Lw)
Wopt - i
I
I
I
I
I
I
I
I
I
I • w
o 1 Wopt 2.
Figura 1
20
R(L t) ~ 2/R(L Y ,
wop l
-4
pOI' ejemplo, en el caso de que R(L )
1
= 10 ,
Referencias.
22