math gauss siedel.pdf
TRANSCRIPT
-
8/17/2019 MATH GAUSS SIEDEL.pdf
1/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Métodos iterativos de solución de SEL
Método de Gauss-Seidel
MAT-251Dr. Alonso Ramírez ManzanaresDepto. de MatemáticasUniv. de Guanajuatoe-mail: [email protected]: http://www.cimat.mx/~alram/met_num/
Dr. Joaquín Peña AcevedoCIMAT A.C.e-mail: [email protected]
mailto:[email protected]:[email protected]://www.cimat.mx/~cesteves/mat151http://www.cimat.mx/~cesteves/mat151http://www.cimat.mx/~cesteves/mat151http://www.cimat.mx/~cesteves/mat151http://www.cimat.mx/~cesteves/mat151http://www.cimat.mx/~cesteves/mat151mailto:[email protected]:[email protected]
-
8/17/2019 MATH GAUSS SIEDEL.pdf
2/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Descomposición de Jacobi
• En el método de Jacobi, descomponíamos la matriz como
2
-
8/17/2019 MATH GAUSS SIEDEL.pdf
3/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Fórmula iterativa de Gauss-Seidel
• Teniendo la siguiente fórmula para el calculo iterativo de cada x i :
• Pero, nótese que cuando calculamos una incógnita , de hecho ya calculamosantes todas las x 1,..., x i-1, por lo que podemos acelerar la convergenciausando:
-
8/17/2019 MATH GAUSS SIEDEL.pdf
4/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Ejemplo del método de Gauss-Seidel
• Veamos un ejemplo para solución de este SEL con solución exacta
• el cuál dá origen a las siguientes fórmulas iterativas:
•
-
8/17/2019 MATH GAUSS SIEDEL.pdf
5/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Ejemplo del método de Gauss-Seidel
• Si utilizamos x(0) = (0,0,0,0)T e iteramos obtenemos
• para la condición de paro:
-
8/17/2019 MATH GAUSS SIEDEL.pdf
6/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Gauss-Seidel vs. Jacobi (ambos con la misma
condición de paro)
• Jacobi
• Gauss-Seidel
-
8/17/2019 MATH GAUSS SIEDEL.pdf
7/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Algoritmo (1 de 2)
-
8/17/2019 MATH GAUSS SIEDEL.pdf
8/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Algoritmo (2 de 2)
¿Detalles de implementación?
-
8/17/2019 MATH GAUSS SIEDEL.pdf
9/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Forma matricial del método de Gauss-Seidel
• Tomamos la ecuación iterativa
• y multiplicamos todo por aii y agrupamos los términos asociados a la mismaiteración:
• Quedando el conjunto de todas las ecuaciones i =1,...,n como
•
-
8/17/2019 MATH GAUSS SIEDEL.pdf
10/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Forma matricial del método de Gauss-Seidel
• Este sistema de ecuaciones
• genera la fórmula matricial iterativa
• partiendo de que la matriz fué descompuesta como A = D - L - U
-
8/17/2019 MATH GAUSS SIEDEL.pdf
11/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Forma matricial del método de Gauss-Seidel
• Dada la fórmula iterativa
• si existe, entonces usamos y
-
8/17/2019 MATH GAUSS SIEDEL.pdf
12/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
¿Cuándo fuciona esto?
• Dado que usamos , debemos de invertir D-L, y sudeterminante es a11*a 22*...*a nn.
• Por lo tanto necesitamos que a ii sea diferente de cero.
• En el ejemplo mostrado, se sugiere que el metódo de Gauss-Seidel essuperior al de Jacobi, esto sucede la mayoría de las veces, pero hay casosdonde el método de Jacobi converge y el método de Gauss-Seidel no.Nótese que en el método de Jacobi su matriz asociada era T j = D-1( L+U ).
• Podemos decir que si la matriz A es estrictamente diagonal dominante,entonces para cualquier vector b y cualquier estimación inicial x (0) los 2métodos convergen a la solución única del sistema Ax = b.
-
8/17/2019 MATH GAUSS SIEDEL.pdf
13/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Vector de residuo
• Sea x~ una aproximación de la solución real x del sistema, entonces hay unvector residual r = b- Ax~.
• Lo que se hace en los métodos de GS y Jacobi es generar una sucesión deaproximaciones tal que r converja rápidamente a cero.
• Definimos como el vector residual del método deGS correspondiente al vector solución x i (k) aproximado, que esta definido por:
• La m-ésima componente de r i(k) es:
-
8/17/2019 MATH GAUSS SIEDEL.pdf
14/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Vector de residuo
• De
• En particular la i-ésima componente de r i (k) es
• y por lo tanto
• y el paso de GS es:
-
8/17/2019 MATH GAUSS SIEDEL.pdf
15/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Vector de residuo
• De
• En particular la i-ésima componente de r i (k) es
• y por lo tanto
• y el paso de GS es:
-
8/17/2019 MATH GAUSS SIEDEL.pdf
16/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Vector de residuo
• por lo tanto
• se puede escribir como
• o sea
• Nótese entonces, que el paso de GS escoge x i(k) en función del residuo.
-
8/17/2019 MATH GAUSS SIEDEL.pdf
17/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Deducción de relajación
• Analicemos ahora para la “siguiente” entrada del vector residual
• asociado al vector
• pero en GS
• por lo tanto el paso GS hace lo cual puede no ser muy correcto(agresivo ya que no intenta hacer todo el vector r cero sino solo una entrada).
-
8/17/2019 MATH GAUSS SIEDEL.pdf
18/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Deducción de relajación
• Analicemos ahora para la “siguiente” entrada del vector residual
• asociado al vector
• pero en GS
• por lo tanto el paso GS hace lo cual puede no ser muy correcto(agresivo ya que no intenta hacer todo el vector r cero sino solo una entrada).
Ahora corre hasta i y no i -1
-
8/17/2019 MATH GAUSS SIEDEL.pdf
19/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Deducción de relajación
• Analicemos ahora para la “siguiente” entrada del vector residual
• asociado al vector
• pero en GS
• por lo tanto el paso GS hace lo cual puede no ser muy correcto(agresivo ya que no intenta hacer todo el vector r cero sino solo una entrada).
Ahora corre hasta i y no i -1
-
8/17/2019 MATH GAUSS SIEDEL.pdf
20/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Deducción de relajación
• Analicemos ahora para la “siguiente” entrada del vector residual
• asociado al vector
• pero en GS
• por lo tanto el paso GS hace lo cual puede no ser muy correcto(agresivo ya que no intenta hacer todo el vector r cero sino solo una entrada).
Ahora corre hasta i y no i -1
-
8/17/2019 MATH GAUSS SIEDEL.pdf
21/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Deducción de relajación
• Por lo tanto no usamos el paso tal cual,
• sino que lo relajamos
-
8/17/2019 MATH GAUSS SIEDEL.pdf
22/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
El metodo SOR (Succesive Over Relaxation)
• En este método de relajación usamos un peso w
• con w = 1 tenemos el método de Gauss-Seidel, cuando 0 < w < 1 tenemos
sub-relajación (algunas veces es mejor para sistemas que no convergen conGS) y si w > 1 tenemos sobre-relajación (la cúal se usa para acelerar laconvergencia de sistemas que si convergen con GS). Hay teoría que sugiere
1< w < 2 en los casos de sobre relajación.
• TAREA, ESCRIBIR EL SISTEMA MATRICIAL DEL MÉTODO SOR.
-
8/17/2019 MATH GAUSS SIEDEL.pdf
23/23
Alonso Ramírez ManzanaresMétodos Numéricos 03.09.2012
Pequeño ejemplo:
• El SEL con solución exacta