Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Cálculo Avanzado-Fundamentos para el Análisis de Señales Docentes: Cavalieri Federico - Contini Liliana Ayudantes: Fabio Tibaldo - Maciel Martı́n Ecuaciones Algebraicas September 23, 2014 mailto:cavafede@gmail.com Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Motivación Nos proponemos determinar los valores de x1, x2, ...xn que en forma simultánea satisfacen un sistema de ecuaciones f1(x1, x2, . . . , xn) = 0 f2(x1, x2, . . . , xn) = 0 f3(x1, x2, . . . , xn) = 0 ... ... fn(x1, x2, . . . , xn) = 0 (1) En particular, se resolverán sistemas de ecuaciones algebraicas lineales, que tienen la forma de a11x1 + a12x2 + . . . + a1nxn = b1 a21x1 + a22x2 + . . . + a2nxn = b2 ... ... an1x1 + an2x2 + . . . + annxn = bn (2) donde las a son constantes, las b son los términos independientes constantes y n el número de ecuaciones. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Motivación Si son pocas ecuaciones n ≤ 3, el sistema se puede resolver con técnicas simples como las estudiadas en los cursos de álgebra. Sin embargo, con cuatro o más ecuaciones, la solución se vuelve laboriosa. Históricamente, la incapacidad para resolver a mano sistemas de ecuaciones grandes limitaba el alcance de resolución de problemas de aplicación en ingenierı́a. El surgimiento de las computadoras hizo posible resolver grandes sistemas de ecuaciones algebraicas simultáneas. Ası́ se pueden enfrentar ejemplos y problemas más complicados. Además, se cuenta con más tiempo para usar habilidades creativas, ya que se podrá mayor énfasis en la formulación del problema y en la interpretación de la solución. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia ¿Te imaginás resolver este reticulado a mano? Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia ¿y este circuito? Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Notación Matriz. Es un arreglo rectangular de elementos representado por un solo sı́mbolo. [A] = a11 a12 a13 .... a1m a21 a22 a23 .... a1m ... ... ... . . . ... an1 an2 an3 .... anm (3) Matriz renglón. [B] = [b1 b2 .... bm] (4) Vector columna. Para distinguir una vector columna de otras matrices se utilizarán las llaves. {C} = c1 c2 ... cn (5) Notar que: {B} = [B]T Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Tipos de Matrices Matriz Diagonal. Es un matriz cuadrada donde tiene elementos solo en la diagonal [D] = a11 0 0 . . . 0 0 a22 0 . . . 0 ... ... ... . . . ... 0 0 0 . . . amm (6) Matriz Identidad. Es un matriz diagonal donde todos los elementos de la diagonal son iguales a 1. [I] = 1 0 0 . . . 0 0 1 0 . . . 0 ... ... ... . . . ... 0 0 0 . . . 1 (7) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Tipos de Matrices Matriz Triangular Superior. Upper. Todos los elementos por debajo de la diagonal principal son cero. [U ] = a11 a12 a13 . . . a1m 0 a22 a23 . . . a2m ... ... ... . . . ... 0 0 0 . . . amm (8) Matriz Triangular Inferior. Lower. Todos los elementos por debajo de la diagonal principal son cero. [L] = a11 0 0 . . . 0 a21 a22 0 . . . 0 ... ... ... . . . ... an1 an2 an3 . . . ann (9) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Operaciones. Producto: Matriz-Vector Producto: [A] · {x} = {b} donde A � Rm×n y b � Rn. La operación está definida como: bi = n∑ j=1 Aijxj (10) La matriz [A] se puede escribir como [A] = [{A1}|{A2}|...{An}] (11) donde {An} es el enésimo vector columna de [A]. Por tanto [A] ·{x} = [{A1}|{A2}|...{An}] · x1 x2 ... xn = x1{A1}+x2{A2}+ ...xn{An} es decir, el vector resultante {b} resulta de una combinación lineal de los vectores {An} y donde los coeficientes son los elementos (escalares) del vector {x} Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Operaciones. Producto: Matriz-Matriz Producto: [A] · [B] = [C] donde A � Rm×l, B � Rl×n y C � Rm×n. La operación está definida como: Cij = l∑ k=1 AikAkj (12) En forma análoga a lo visto anteriormente, el producto puede escribirse como [{A1}|{A2}|...{Al}] · [{B1}|{B2}|...{Bn}] = [{C1}|{C2}|...{Cn}] (13) su k ésima columna quedará definida como {Ck} = [A] · {Bk} (14) El producto de dos matrices es tal que su k ésima columna se obtiene como una combinación lineal de las columnas de A, siendo los coeficientes de la combinación lineal, los elemento de la k ésima columna de B. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Dado el siguiente Sistema de Ecuaciones Algebraicas Lineales (SEAL) E1 : a11x1 + a12x2 + . . . + a1nxn = b1 E2 : a21x1 + a22x2 + . . . + a2nxn = b2 ... ... En : an1x1 + an2x2 + . . . + annxn = bn (15) puede representarse matricialmente como: [A]{x} = {b}, donde {x} es un vector que contiene n incógnitas; [A] es una matriz cuadrada de n× n con coeficientes constantes del sistema; {b} un vector con los términos independientes; [A]{x} = {b} =⇒ a11 a12 a13 a14 a21 a22 a23 a24 a31 a32 a33 a34 a41 a42 a43 a44 · x1 x2 x3 x4 = b1 b2 b3 b4 (16) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia La resolución de un sistema de ecuaciones lineales algebraicas, puede realizarse de diferentes maneras. Métodos directos. Son métodos que, en un número finito de operaciones se obtiene la solución exacta. (Con precisión de épsilon de máquina). Métodos iterativos. Son métodos que generan una sucesión de aproximaciones que converge a la solución del sistema {x} = [A]−1{b} Estacionarios. No estacionarios. En este curso se estudiarán ambos métodos. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia METODOS DIRECTOS Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Sistemas equivalentes: dos sistemas [A]{x} = {b} y [B]{x} = {d} se dicen equivalentes si tienen la misma solución x. Se puede demostrar que realizando una serie de operaciones elementales sobre un SEAL se obtiene otro equivalente. Operaciones elementales: Intercambio de 2 ecuaciones: Ei ↔ Ej Multiplicación de una ec. por un escalar ( 6= 0): λEi → Ei Sumar a una ec. un multiplo de otra: Ei + λEj → Ei Hay métodos que se basan en transformar un SEAL mediante operaciones elementales de modo de obtener un sistema equivalente, más fácil de resolver. Sistemas más fáciles para resolver. Sistemas con matrices diagonales. Sistemas con matrices triangulares. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Matriz Diagonal Dado el siguiente SEAL a11 0 0 . . . 0 0 a22 0 . . . 0 ... ... ... . . . ... 0 0 0 . . . ann · x1 x2 ... xn = b1 b2 ... bn (17) la solución será simplemente {x} = b1/a11 b2/a22 ... bn/ann (18) En forma general xi = bi aii (19) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Matriz Diagonal Superior [U ] Dado el siguiente SEAL a11 a12 a13 a14 0 a22 a23 a24 0 0 a33 a34 0 0 0 a44 · x1 x2 x3 x4 = b1 b2 b3 b4 (20) x4 = b4 a44 → x3 = b3 − a34x4 a33 → x2 = b2 − a23x3 − a24x4 a22 → x1 = b1 − a12x2 − a13x3 − a14x4 a11 (21) o bien en forma general (algoritmo de sustitución hacia atrás) xi = bi − ∑n j=1+i aijxj aii i = n− 1 . . . 1 (22) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Matriz Diagonal Inferior [L] De manera similar a11 0 0 0 a21 a22 0 0 a31 a23 a33 0 a41 a24 a34 a44 · x1 x2 x3 x4 = b1 b2 b3 b4 (23) Sustitución hacia adelante xi = bi − ∑i−1 j=1 aijxj aii j = 2 . . . n (24) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Eliminación de Gauss Un método basado en esta transformación del sistema de ecuaciones es el método de Eliminación de Gauss. Se basa en realizar una serie de transformaciones sobre el sistema de modo de obtener un sistema equivalente, con matriz triangular. En un sistema de n ecuaciones se efectúan n− 1 pasos de eliminación. La matriz [A] del sistema, va siendo transformada en matrices A(k) en cada paso k de la eliminación. El vector de términos independientes va transformándose también en sucesivos vectores b(k). Se introducirá el método a través de un ejemplo sencillo. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia E1 E2 E3 E4 6 −2 2 4 12 −8 6 10 3 −13 9 3 −6 4 1 18 · x1 x2 x3 x4 = 12 34 27 −38 (25) Primer paso E1 E2 − 2E1 E3 − 1/2E1 E4 − (−1)E1 6 −2 2 4 0 −4 2 2 0 −12 8 1 0 2 3 22 · x1 x2 x3 x4 = 12 10 21 −26 (26) Segundo paso E1 E2 E3 − 3E2 E4 − (−1/2)E2 6 −2 2 4 0 −4 2 2 0 0 2 −5 0 0 4 23 · x1 x2 x3 x4 = 12 10 −9 −21 (27) Tercer paso E1 E2 E3 E4 − (2)E3 6 −2 2 4 0 −4 2 2 0 0 2 −5 0 0 0 33 · x1 x2 x3 x4 = 12 10 −9 −3 (28) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Algoritmo de Gauss. Eliminación hacia adelante i = 1 i = 2 i = 3 = k i = 4 i = 5 a11 a12 a13 a14 a15 a21 a22 a23 a24 a25 a31 a32 a33 a34 a35 a41 a42 a43 a44 a45 a51 a52 a53 a54 a55 (29) j = 1 2 k = 3 4 5 ak+1ij = akij i ≤ k j ≤ n No se modifica akij − ( akik akkk )akkj i ≥ k + 1 j ≥ k + 1 parte activa 0 i ≥ k + 1 j ≤ k (30) bk+1i = { bki i ≤ k j ≤ n No se modifica bki − ( akik akkk )bkk i ≥ k + 1 j ≥ k + 1 parte activa (31) Luego se resuelve por sustitución hacia atrás. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Factorización LU Un método que presenta ventajas comparado con el método de eliminación Gaussiana es el LU. El procedimiento LU transforma una matriz [A] en un producto de dos matrices [A] = [L][U ] (32) donde [L] es una matriz triangular inferior y [U ] es una matriz triangular superior. Con [A] = [L][U ], una ecuación del tipo, [A]{x} = {b} puede escribirse como: [L][U ]{x} = {b} (33) Si se define {y} = [U ]{x} → [L]{y} = {b} (34) donde puedo conocer {y} por sustitución hacia atrás. Luego, una vez conocido {y}, [U ]{x} = {y} (35) puedo obtener {x} por sustitución hacia adelante. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia ¿Cómo se obtienen las matrices [L] y [U ]? El sistema original es [A]{x} = {b} [A] = [L][U ] (36) Luego, pre-multiplicando a ambos miembros por [L]−1 [L]−1[A]{x} = [L]−1{b} → [U ]{x} = [L]−1{b} (37) Por lo tanto, cuando se pre-multiplica a la matriz [A] por [L]−1 se obtiene una matriz [U ]. En otras palabra,[L]−1 es una matriz de transformación. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Obtención de la matriz [U ] Supongamos que tenemos una matriz [A], [A] = [ X X X X X X X X X X X X X X X X ] y le aplicamos una matriz de transformación, tal que, [L1] −1 [A] = [ X X X X 0 + + + 0 + + + 0 + + + ] → [L2]−1[L1]−1[A] = [ X X X X 0 + + + 0 0 ∆ ∆ 0 0 ∆ ∆ ] [L3]−1[L2]−1[L1]−1[A] = [ X X X X 0 + + + 0 0 ∆ ∆ 0 0 0 � ] [Lk]−1: Debe dejar intactas las primeras k filas y las primeras k − 1 columnas. A su vez tiene que dejar ceros bajo la diagonal en la k-ésima columna [Lk]−1[Lk−1]−1 . . . [L1]−1[A] = [U ] → [L]−1[A] = [U ] Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Obtención de la matriz [L] Se demostró que [Lk]−1[Lk−1]−1 . . . [L1]−1[A] = [U ] Luego, [L]−1 = [Lk]−1[Lk−1]−1 . . . [L1]−1 finalmente [L] = [L1] . . . [Lk−1][Lk] Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Generalización k k 0 [Ik−1,k−1] ... [0] 0 0 . . . 0 1 0 . . . 0 µk+1 [0] ... [Im−k,m−k] µm · α1 [U ] ... [A13] αk−1 0 . . . 0 αk [A23] αk+1 [0] ... [A33] αm = α1 [U ] ... [A13] αk−1 0 . . . 0 αk [A23] 0 [0] ... [ Ã33 ] 0 Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia miremos la columna k de la matriz [A]. Se quiere obtener 0 en las filas αk+1...αm de la column k de la matriz [A] usando [Lk]−1, [Lk]−1 α1 ... αk−1 αk αk+1 ... αm → α1 ... αk−1 αk 0 ... 0 entonces αk µk+1... µm + [Im−k,m−k] αk+1... αm = 0... 0 finalmente µk+1... µm = −1 αk αk+1... αm Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia La matriz de transformación y la matriz triangular superior [U ] resultan [L]−1 = 1 0 . . . . . . 0 µ11 1 . . . . . . ... µ12 µ 2 2 1 . . . ... ... ... ... . . . ... µ1m µ 2 m µ 3 m . . . 1 → [U ] = [L]−1[A] siendo [U ] igual a la obtenida por la eliminación de Gauss. La matriz tirangular inferior [L] es, [L] = 1 0 . . . . . . 0 −µ11 1 . . . . . . ... −µ12 −µ 2 2 1 . . . ... ... ... ... . . . ... −µ1m −µ 2 m −µ 3 m . . . 1 = 1 0 . . . . . . 0 a121/a 1 11 1 . . . . . . ... a131/a 1 11 a 2 32/a 2 22 1 . . . ... ... ... ... . . . ... a1m1/a 1 11 a 2 m2/a 2 22 a 3 m3/a 3 33 . . . 1 donde los coeficientes akij/a k kk se obtienen de la eliminación de Gauss. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Ejemplo [A] = [ 6 −2 2 4 12 −8 6 10 3 −13 9 3 −6 4 1 18 ] → [L1]−1 = [ 1 0 0 0 −12/6 1 0 0 −3/6 0 1 0 6/6 0 0 1 ] [L1]−1[A] = [ 6 −2 2 4 0 −4 2 2 0 −12 8 1 0 2 3 22 ] → [L2]−1 = [ 1 0 0 0 0 1 0 0 0 −12/4 1 0 0 2/4 0 1 ] [L2]−1[L1]−1[A] = [ 6 −2 2 4 0 −4 2 2 0 0 2 −5 0 0 4 23 ] → [L3]−1 = [ 1 0 0 0 0 1 0 0 0 0 1 0 0 0 −4/2 1 ] [U ] = [L3]−1[L2]−1[L1]−1[A] = [ 6 −2 2 4 0 −4 2 2 0 0 2 −5 0 0 0 33 ] → [L]−1 = [L3]−1[L2]−1[L1]−1 → [L] = [L1][L2][L3] = [ 1 0 0 0 2 1 0 0 1/2 3 1 0 −1 −1/2 2 1 ] Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia [L] = 1 0 0 0 2 1 0 0 1/2 3 1 0 −1 −1/2 2 1 Notar que los elementos de la matriz son los factores que se obtuvieron de la eliminación de Gauss: Ecs.(26, 27, 28), estos son los akij/a k kk. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Ventajas del LU comparado a la eliminación Gaussiana. Si sumamos todas la operaciones del método LU, nos dará que son las mismas que las utilizadas por el método de eliminación Gaussiana. Pero, una vez calculadas las matrices L y U, el vector {b} no se re-calcula y entonces puedo definir diferentes vectores {b} con las mismas matrices L y U, y entonces en ese caso, la cantidad de operaciones se reduce pues únicamente se utiliza sustitución hacia adelante y hacia atrás. En otras palabras, en el caso de eliminación Gaussiana, si quiero definir un nuevo problema con la misma matriz [A] y con un diferente vector {b}, el proceso se inicia desde cero. En cambio con el método LU, las matrices L y U se calculan una única vez. {y} = [U ]{x} → [L]{y} = {b} → {y} [U ]{x} = {y} → {x} (38) Los métodos de eliminación Gaussiana y LU tienen un serio inconveniente ¿Cuál es? Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia METODOS ITERATIVOS Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia 1 En curso se estudiarán los métodos iterativos de Jacobi, Gauss-Seidel y SOR. 2 Los métodos iterativos se usan rara vez para resolver sistemas lineales de pequeña dimensión, pues el tiempo necesario para conseguir una exactitud satisfactoriaes mayor que el de los métodos directos. 3 En el caso de sistemas lineales de grandes dimensiones resultan eficientes. 4 Los métodos iterativos estacionarios no buscan transformar las matrices. Tienen que ser diagonal dominante. 5 Se los utiliza cuando la matriz es rala es decir, tiene muchos coeficientes nulos. En estos casos trabajar con los métodos directos se vuelve muy poco práctico, pues debemos hacer muchas operaciones con coeficientes nulos y, lo que es peor, muchas veces transformar un coeficiente nulo en otro no nulo, incorporando un error que antes no existı́a. 6 Los métodos iterativos se los utiliza en los análisis de circuitos, análisis estructural, entre otros. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Matriz rala de gran dimensión El método de los elementos finitos (ver Unidad XII) genera matrices ralas de gran dimensión. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Un método iterativo que resuelve un sistema lineal del tipo [A]{x} = {c} comienza con una aproximación inicial o semilla {x}0 y genera una sucesión de vectores {x}k tal que lim k→∞ {x}k = {x} donde {x} es la solución al problema de [A]{x} = {c}. Sin embargo, como es imposible computar infinitos términos, hay que interrumpir el proceso en algún punto y ello genera un error de truncamiento. Los sistemas iterativos traen consigo un proceso que convierte el sistema [A]{x} = {c} en otro equivalente de la forma: {x} = [B]{x}+ {d}. Luego de seleccionar el vector inicial la sucesión de los vectores de la solución se genera calculando {x}k+1 = [B]{x}k + {d} donde [B] se denomina matriz de iteración y {d} es un vector. Tanto [B] como {d}, no cambian durante las iteraciones. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Resolvamos un sistema de ecuaciones de 3× 3 del tipo [A]{x} = {c}, se puede verificar fácilmente que x1 = c1 − a12x2 − a13x3 a11 x2 = c2 − a21x1 − a23x3 a22 x3 = c3 − a31x1 − a32x2 a33 Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Método de Jacobi Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Ejemplo del Método de Jacobi Resuelva por el método de Jacobi el siguiente sistema 10x1 − 2x2 + 2x3 + 0 = 6 −x1 + 11x2 − x3 + 3x4 = 25 2 + x1 − x2 + 10x3 − x4 = −11 3x2 − x3 + 8x4 = 15 Despejando la incógnita xi de la ecuación Ei, se tiene x1 = 1/10x2 − 1/5x3 + 3/5 x2 = 1/11x1 + 1/11x3 − 3/11x4 + 25/11 x3 = −1/5x1 + 1/10x2 + 1/10x4 − 11/10 x4 = −3/8x2 + 1/8x3 + 15/8 Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia La solución exacta es {x} = [1 2 − 1 1]T . Por el método de Jacobi con el vector inicial {x}0 = [0 0 0 0]T se tienen los siguientes resultados k 0 1 2 3 10 x1 0.0 0.6 1.0473 0.9326 1.001 x2 0.0 2.2727 1.7159 2.053 1.9998 x3 0.0 -1.1 -0.8052 -1.0493 -0.9998 x4 0.0 1.875 0.8852 1.1309 0.9998 Table: Método de Jacobi. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Desarrollo general del método de Jacobi Si partimos de este sistema simple 3× 3 x1 = c1 − a12x2 − a13x3 a11 x2 = c2 − a21x1 − a23x3 a22 x3 = c3 − a31x1 − a32x2 a33 se puede verificar que xk+1i = ci − ∑i−1 j=1 aijx k j − ∑n j=i+1 aijx k j aii Nota. Realizar las sumatorias para verificar el resultado de esta ecuación. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Notación matricial del método de Jacobi Se puede observar que: ci → {d} (39) i−1∑ j=1 aij → −[L] = 0 . . . 0 −a21 . . . ... ... . . . ... −an1 −an,n−1 0 (40) n∑ j=m aij → −[U ] = 0 −a12 −a1,n ... . . . ... ... . . . −an−1,n 0 . . . 0 (41) n∑ j=m aij → [D] = a11 0 0 ... a22 ... ... . . . 0 0 . . . ann (42) Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Reemplazando las matrices en la fórmula de Jacobi, xk+1i = ci − ∑i−1 j=1 aijx k j − ∑n j=i+1 aijx k j aii {x}k+1 = [D]−1({c}+ [L]{x}k + [U ]{x}k) reordenando {x}k+1 = [D]−1([L] + [U ]){x}k + [D]−1{c} → {x}k+1 = [B]{x}k + {d} Se llega a la forma matricial de Jacobi. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Método de Gauss Seidel Una mejora del método de Gauss es el método de Gauss seidel. Notar que utiliza aproximaciones de la iteración actual k + 1. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia xk+1i = ci − ∑i−1 j=1 aijx k+1 j − ∑n j=i+1 aijx k j aii Al utilizar una aproximación en la iteración k + 1 en vez de la iteración k, el método usa valores más recientemente calculados y eso hace que se converja más rápidamente a la solución. Nota. Realizar las sumatorias para verificar el resultado de esta ecuación. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Ejemplo x1 = 3/5 + 1/10xk−12 − 1/5x k−1 3 x2 = 25/11 + 1/11xk1 + 1/11x k−1 3 − 3/11x k−1 4 x3 = −11/10− 1/5xk1 + 1/10xk2 + 1/10xk−14 x4 = 15/8− 3/8xk2 + 1/8xk3 k 0 1 2 3 5 x1 0.0 0.6 1.03 1.0065 1.0001 x2 0.0 2.3272 2.037 2.036 2.000 x3 0.0 -0.9873 -1.014 -1.0025 -1.000 x4 0.0 0.8789 0.9844 0.9983 1.000 Table: Método de Gauss Seidel. Con Gauss Seidel se obtuvo casi la solución exacta en la 5 iteración, en tanto que con Jacobi llevó 5 iteración más!!! Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Notación matricial del método de Gauss Seidel Con las matrices definidas anteriormente en las Ecs.(39, 42, 40, 41) y luego de unas operaciones algebraicas se tiene {x}k+1 = [D]−1({c}+ [L]{x}k+1 + [U ]{x}k) despejando {x}k+1, se tiene {x}k+1 = ([I]− [D]−1[L])−1[D]−1[U ]{x}k + ([I]− [D]−1[L])−1[U ] {x}k+1 = [B]GS{x}k + [C]GS [U ] → {x}k+1 = [B]GS{x}k + {d} Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia Condición de Convergencia para los métodos iterativos La condición necesaria y suficiente para que un método iterativo converja es ρ([B]) = máx‖λi([B])‖ < 1 donde ρ([B]) es el radio espectral de la matriz de iteración [B] de cada método. λi es el autovalor de la matriz de iteración [B]. máx‖ • ‖ es el operador maximización En palabras, para que un método iterativo converja, el máximo autovalor de la matriz de iteración [B] tiene que ser menor que uno. Introducción METODOS DIRECTOS METODOS ITERATIVOS Condición de Convergencia
Compartir