Documente Academic
Documente Profesional
Documente Cultură
Procedimiento de solucin
Iterativa
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.
2
Convergencia
Iteracin de Jacobi
Iteracin de Gauss-Seidel
Successive Over Relaxation (S.O.R)
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
x0
x10
0
x2
0
xn
1
i 1
1
(b1 a12 x20 a1n xn0 )
k 1
k
x
a
x
i ij j
a11
i
aii
j 1
1
x12
(b2 a21 x10 a23 x30 a2 n xn0 )
a22
1
x1n
(bn an1 x10 an 2 x20 ann 1 xn01 )
ann
x11
j i 1
ij
k
j
Descomponiendo A = D - L - U. -U=triu(A)-D
-U
D
-L
-L=tril(A)-D
D=diag(diag(A))
0 0
0
0 0 a12 a13
a11 a12 a13 a11 0
a
0 a
a
0
a
a
0
0
0
0
a
22
21
23
21 22 23
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
k
b
a
x
i ij j
j 1
Lx
j i 1
Dxk+1 = (L+U)xk+b
ij
Ux
xj
xk+1=D-1(L+U)xk+D1
b
T=D-1(L+U)
c=D-1b
an1 x1 an 2 x2 ann xn bn
x0
1
i 1
1
(b1 a12 x20 a1n xn0 )
k 1
k 1
x
a
x
i ij j
a11
i
aii
j 1
1
1
1
0
0
x2
(b2 a21 x1 a23 x3 a2 n xn )
a22
1
x1n
(bn an1 x11 an 2 x12 ann 1 x1n 1 )
ann
x11
x10
0
x2
0
xn
a x
j i 1
ij
k
j
Dx
aii
k+1
i 1
bi aij x
j 1
Lxk1
k 1
j
a x
j i 1
ij
k
j
(D-L)xk+1 =Uxk+b
Uxk
xk+1=(D-L)-1Uxk+(D-L)-1b
Tgs=(D-L)-1U
cgs=(D-L)-1b
9
Comparacin
1
x
aii
k
i
i 1
j 1
bi aij x
xik 1 xik ik
k 1
j
aij x
j i
k
j
trmino Corrector
i2
xi3
xi2
xi1
0
i
i1
2
i
i1
i0
Multiplicando por
Converge ms
rpido
i0
11
SOR
xik 1 xik ik
k 1
i
k 1
i
xik 1
1
x
aii
k
i
i 1
j 1
bi aij x
k 1
j
j i
i 1
1
k 1
(1 ) x
b
a
x
i ij j
aii
j 1
(1 ) xik ~
xik 1
k
i
aij x
k
j
j i 1
ij
k
j
1
(1 ) x
aii
k
i
i 1
bi aij x
j 1
k 1
j
j i 1
ij
k
j
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 e x
k
e k 1 x T (e k x ) c Tx c Te k
e k 1 Te k TTe k 1 TTTe k 2 T ( k 1) e 0
14
k 1
( k 1) 0
e T
( k 1)
potencia
Lim e k 1 0 si Lim T ( k 1) 0
k
15
Norma de un vector
Para un escalar
x y x y
Las normas Vectoriales pueden ser definidas
de diferentes formas en tanto que la
definicin de norma sea satisfecha.
16
Normas de vectores
Comunmente usadas
norma Suma o norma 1
x 1 x1 x2 xn
norma Euclideana norma
2
max i xi
17
A 0
A 0 si y solo si A es una matriz nula
A A
para escalar
A B A B
Importante identidad
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
17 A
13
15
16 19 10
A1
20
Condicin de Convergencia
lim e
k 1
0 si lim T
( k 1)
T P P
T
( k 1)
( k 1)
1k 1
1
1
P P P P P P
( k 1)
k2 1
k 1
kn 1
21
Tx x
Tx x
x T x T (T ) T
Tx T x
(T ) 1
Convergencia de la iteracin de
Jacobi
-1
T=D (L+U)
a21
a22
T
an1
a
nn
a12
a11
0
a23
a22
ann 1
ann
a1n
a11
a2 n
a22
an 1n
an 1n 1
0
23
Convergencia de la iteracin de
Jacobi
1
j 1
i j
aij
aii
n
1 Para i 1,2,..., n
aii aij
j 1
i j
Matriz Diagonal
estrictamente
Dominante
24
Criterios de Parada
Ax=b
2 1 5 x3 15
0
x 0 0
0
b Ax 0
26.7395
4
x
x
21
1
3
x12
2.625
8
8
0
0
15
2
x
x
15
1
1
2
x3
3.0
5
5
1
1
b Ax1 10.0452
2
26
Ejemplo 1 continuacin...
7 x12 x31
7 2.625 3
x
1.65625
4
4
21 4 x11 x31 21 4 1.75 3
2
x2
3.875
8
8
15 2 x11 x12 15 2 1.75 2.625
2
4.225
x3
5
5
2
1
7 3.875 4.225
1.6625
4
21 4 1.65625 4.225
x23
3.98125
8
15 2 1.65625 3.875
x33
2.8875
5
b Ax 2
6.7413
x13
b Ax 3
1.9534
27
Ejemplo 2
2 1 5 x1 15
4 8 1 x 21
4 1 1 x3 7
0
x 0 0
0
b Ax 0
26.7395
7.5
2
2
21 4 x10 x30
21
1
x2
2.625
8
8
x31 7 4 x10 x20
7.0
1
1
b Ax1 54.8546
2
28
Ejemplo 2 continuacin...
15 2.625 5 7
11.3125
2
21 4 7.5 7
x12
0.25
8
x31 7 4 7.5 2.625 39.625
x11
b Ax 2
208.3761
Convergencia de la iteracin de
Gauss-Seidel
30
4 8 1 x 21
2 1 5 x3 15
x 0 0
0
b Ax 0
26.7395
1.75
x
4
4
21 4 x11 x30 21 4 1.75
1
3.5
x2
8
8
15 2 x11 x12 15 2 1.75 3.5
1
3.0
x3
5
5
1
1
b Ax1 3.0414
2
b Ax1 10.0452
2
teracin de
Jacobi
31
Ejemplo 1 continuacin...
7 3.5 3
7 x12 x31
x
1.875
4
4
21 4 x12 x31 21 4 1.875 3
2
x2
3.9375
8
8
15 2 x12 x22 15 2 1.875 3.9375
2
2.9625
x3
5
5
2
1
b Ax 2
b Ax 2
0.4765
6.7413
Iteracin de Jacobi
de Jacobi y
Gauss-Seidel
32
Conteo de operaciones
A= D - L - U
T
D-1 (L+U)
D-1 b
( D -L)-1 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
0
x1 0 x2 0 x3 0
Aplicamos el metodo de SOR:
x k 1 (1 ) x k ~
x k 1
i
36
Problema 1
0
2 x2
20
1
~
x1
0.5
4
4
1
0
x1 ~
x11 1 x1 1.25 x0.5 1 1.25 x0 0.625
1
6 x1 x3
6 0.625 0
1
~
x2
1.65625
4
4
1
0
x2 ~
x21 1 x2 1.25 x1.65625 1 1.25 x0
2.0703125
1
2 x2
2 2.0703125
~
x
1.017578125
4
4
1
0
x3 ~
x31 1 x3
1
3
Problema 1
k
x1
x2
x3
0.625
2.0703125
1.2719727
1.1157227
2.1035767
0.9643745
1.003437
1.9640469
0.997671
0.9879054
2.0044809
1.0019825
1.0044239
2.0008818
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
39
Problema 2
A es definida positiva
si:
x1
2 1 x1
2
2
2
x2
2
x
(
x
x
)
2
x
para todo x no nulo.
1
1
2
2 0
1 3 x2
Observese que tambin satisface el
criterio de Silvester
40
Problema 2
TG ( D L) 1U
2 0
1 3
1/ 2 0
( D L) 1
1
/
6
1
/
3
( D L)
0 0 k
1/ 2
0 k / 2
TG
0 k / 6
1 / 6 1 / 3 0 0
k
Det TG I ( )( )
6
1 0 2 k / 6
(TG ) max k / 6
Existe convergencia cuando : (TG ) 1
Esto se cumple siempre que : - 6 k 6
41
Problema 2
Para Gauss - Seidel (k -3)
x1( n 1) 3 1.5 x2( n )
x2( n 1) 3 x1( n 1) / 3
x1
x2
12
13.5
7.5
14.25
7.75
14.625
7.875
14.8125
7.9375
42