Beruflich Dokumente
Kultur Dokumente
MÉTODO DE GAUSS–SEIDEL
INTEGRANTES:
SECCIÓN: B
TRUJILLO-PERU
2018
CONTENIDO
INTRODUCCIÓN ............................................................................................... 3
Objetivo: .......................................................................................................... 4
2
INTRODUCCIÓN
3
MÉTODOS NUMÉRICOS EN MATLAB
OBJETIVO:
El alumno será capaz de utilizar la computadora para la solución de problemas
matemáticos, utilizando el programa de MATLAB.
Los Métodos Numéricos son técnicas algorítmicas basadas en operaciones
aritméticas simples para la solución de problemas matemáticos. Podríamos
decir, en general, que:
CONCEPTOS GENERALES
Sistemas de ecuaciones lineales
Los sistemas de ecuaciones lineales sirven para resolver múltiples problemas de
todos los tipos imaginables en procesos naturales, en producción, en redes
eléctricas, y en innumerables campos más. Los problemas varían en sus
características y pueden ser resueltos con la ayuda de un computador de manera
más eficiente si se trabaja explotando las características del problema mismo.
4
El problema principal de los Métodos Iterativos es que no siempre hay
convergencia a una solución mejorada, o la convergencia se hace muy
lentamente. Esto es especialmente cierto cuando se trata de grandes sistemas.
Para tener una idea de lo que significa “grandes sistemas”; en la Tabla 1 se
muestra a grandes rasgos la magnitud de problemas que es preciso resolver, en
términos del número de incógnitas (m) de un Solución de Ecuaciones Lineales
Simultáneas (SELS), de los requerimientos de memoria (en función de octetos),
y del orden de magnitud en número de operaciones que implican los algoritmos.
5
4. Sobre Relajación Sucesiva Simétrica (SSOR);
5. Gradiente Conjugado (CG);
6. Mínimo Residual (MINRES) y LQ Simétrico (SYMLQ);
7. Gradientes Conjugados y Ecuaciones Normales (CGNE y CGNR);
8. Mínimo Residuo Generalizado (GMRES);
9. Gradiente Biconjugado (BiCG);
10. Cuasi-Mínimo Residuo (QMR);
11. Gradiente Conjugado Cuadrado (CGS);
12. Gradiente Biconjugado Estabilizado (Bi-CGSTAB);
13. Iteración de Chebyshev.
6
1. Lo es por filas cuando, para todas las filas, el valor absoluto del elemento de
la diagonal de esa fila es estrictamente mayor que la suma de los valores
absolutos del resto de elementos de esa fila.
2. Lo es por columnas cuando, para todas las columnas, el valor absoluto del
elemento de la diagonal de esa columna es estrictamente mayor que la suma de
los valores absolutos del resto de elementos de esa columna.
Formalmente, se dice que la matriz A de n x n es Estrictamente Diagonal
Dominante cuando se satisface:
Sea A una matriz cuadrada, si A es diagonal dominante, los métodos iterativos de Jacobi y
Gauss-Seidel convergen a la solución del sistema de ecuaciones Ax=b.
CONVERGENCIA DE LA SUCESIÓN
Uno de los principales problemas de los métodos iterativos es la garantía de que
el método va a converger, es decir, va a producir una sucesión de
aproximaciones cada vez efectivamente más próximas a la solución. En el caso
del método de Jacobi no existe una condición exacta para la convergencia. La
condición que mejor garantiza la convergencia, pero en caso de no cumplirse
puede o no haberla es si la matriz de coeficientes original del sistema de
ecuaciones es diagonalmente dominante.
En la aplicación práctica del algoritmo verificamos que si no aseguramos la
dominancia de la diagonal el método no converge.
7
Método de GAUSS–SEIDEL
la expresión genérica para calcular cada elemento Xi del vector solución X();
este método utiliza inmediatamente las Xi que va calculando.
Figura 3. Ecuaciones representativas Método de Gauss-Seidel.
8
Algoritmo: Método de Gauss-Seidel en Matlab
Entradas: matriz A, vector b, aproximaciones iniciales x0, tolerancia TOL, iteraciones máximas MAX.
function [x,res,it]=gauss_seidel(A,b,x0,MAX,TOL)
sw=1;
x1=x0;
x2=x1;
it=0;
n=numel(b);
while sw==1
for i=1:n
suma=0;
for j=1:i-1
suma=suma+A(i,j)*x2(j);
end
for j=i+1:n
suma=suma+A(i,j)*x1(j);
end
x2(i)=1/A(i,i)*(b(i)-suma);
end
Sres=0;
for i=1:n
Sres=Sres+(x2(i)-x1(i))^2;
end
res=sqrt(Sres);
if res<=TOL || it==MAX
x=x2;
sw=0;
else
x1=x2;
it=it+1;
end
end
9