METODO DE RELAJACIN

I. RESEA HISTORICA:

Hay un mtodo de iteracin que converge ms rpido que el de Gauss-

Seidel y que puede usase para facilitar los clculos manuales.
Desafortunadamente, no est bien adaptado a aplicaciones en
computadora. El mtodo se debe a un ingeniero britnico Richard
Southwell, y se ha aplicado a una amplia gama de problemas. El
mtodo se analiza debido a su importancia histrica y por qu conduce
a una tcnica de aceleracin fundamental denominada
sobrerelajacin.

II. MARCO TEORICO:

Como la razn de convergencia de un procedimiento depende del

radio espectral de la matriz asociada con el mtodo, una manera de
seleccionar un procedimiento que nos lleve a una convergencia
acelerada consiste en escoger un mtodo cuya matriz asociada tenga
un radio espectral mnimo. Estos procedimientos nos llevan a los
mtodos de relajacin. Pero antes de formular la teora de los mtodos
de relajacin, veamos las ideas fundamentales de la forma ms
simple. Supongamos que se dispone de un sistema de ecuaciones
lineales.

(0)
1,2, = 1 Condiciones iniciales.

El algoritmo a utilizar es:

Su equivalente:
() (1) (1) (1) (1)
1 = (1 )1 + [1 (12 2 + 13 3 + + 1 )]
11
() (1) () (1) (1)
2 = (1 )2 + [2 (21 2 + 22 3 + + 1 )]
22
() (1) () () (1)
3 = (1 )3 + [3 (31 2 + 32 3 + + 1 )]
33
.
.
.
() (1) () () ()
= (1 ) + [ (1 2 + 3 3 + + 1 )]

Consideraciones:
i) El criterio de convergencia para este mtodo es similar al mtodo de
Gauss-Seidel (que sea diagonalmente dominante)
ii) Los valores iniciales se pueden asumir en forma diferente a cero.
iii) Cuando el sistema de ecuaciones lineales es convergente al mtodo
de Gauss- Seidel se asume un parmetro 1<w el cual sirve para
acelerar la convergencia. A esta forma se le conoce con en el nombre
de mtodo de Sobrerrelajacin.
iv) Cuando el sistema de ecuaciones lineales es divergente al mtodo de
Gauss-Seidel, se asume un parmetro w de la forma 0<w<1 el cual
sirve para obtener la convergencia. A esta forma se le conoce
Subrelajacin.
v) Si w=1, entonces se conoce como el Mtodo de Gauss-Seidel.

NOTA: este mtodo es el que frecuentemente se utiliza cuando se

halla la solucin de ecuaciones diferenciales parciales.

Lgicamente nuestro problema sera ver como se selecciona el parmetro w.

aunque no hay una regla especfica para hallar este parmetro, podemos llegar
a una mejor aproximacin teniendo en cuenta, lo siguiente:
TEOREMA DE KAHAN:
Siaii 0 para i=1,2,,n, entonces (Tw ) |w 1|. Esto significa que el mtodo
SOR puede converger solo si 0<w<2.
TEOREMA DE OSTROWSKI-REICH:

Si A = [aij ] es definida positiva y si 0<w<2, entonces el mtodo SOR converge

nn
para cualquier eleccin del vector inicial aproximado
(0) (0) (0) (0) (0)
x = (x1 , x2 , x3 , xn ).
TEOREMA:

Si A = [aij ] es definida positiva y tridiagonal, entonces el espectro (Tg ) =

nn
2 2
[(Tj )] <1, y la eleccin optima de w para el mtodo SOR es: = 2
1+1[(Tj )]

con esta eleccin de w, tenemos: (Tw ) = |w 1|

 Ejercicio Aplicativo:

1. Obtenga las dos primeras iteraciones del Mtodo de SOR con

w=1.1, para el siguiente sistema lineal usando (0) = 0

31 2 + 3 = 1
{31 + 62 + 23 = 0
31 + 32 + 73 = 4

III. BIBLIOGRAFIA
Gerald;Wheatley; ANALISIS NUMERICO CON
APLICACIONES,6edicion;PEARSON EDUCACION, Mexico, 2000.
Richard L, Burden; J. Douglas, Faires; ANALISIS NUMERICO,7edicion,
2001 Brooks/Cole, Cengage Learning.