Ir al contenido

Sobre-relajación sucesiva simétrica (SSOR)

De Wikipedia, la enciclopedia libre

En análisis numérico, el método de sobre-relajación sucesiva simétrica (SSOR), es un método iterativo que permite estimar soluciones de un sistema de ecuaciones lineales. También puede ser utilizado como precondicionador para otros métodos iterativos.

SSOR es un método iterativo de tipo estacionario, por lo que cada iteración es de la forma:

Su velocidad de convergencia, dada por el radio espectral de , suele ser inferior a la de SOR.[1]​ Esto hace que la mayor utilidad de SSOR sea como precondicionador de otros métodos iterativos.

Deducción del método

[editar]

Se quiere resolver un sistema lineal de la forma: . La matriz se descompone en la suma de su forma diagonal , triangular inferior y triangular superior :

El método SSOR se obtiene aplicando una iteración de sobre-relajación sucesiva (SOR):

seguida de una iteración de SOR hacia atrás (se intercambia por ):

Juntando ambas iteraciones en un solo paso vectorial, se obtiene la matriz de iteración de SSOR:[2]

El vector del método se puede escribir como:

Uso como precondicionador

[editar]

La iteración de SSOR se puede escribir de forma alternativa como:[2]

para cierta matriz invertible. En el caso de SSOR la matriz es:[2]La iteración anterior se puede ver como un método de punto fijo, utilizado para resolver el sistema lineal:

Este último sistema se denomina sistema preocondicionado, donde la matriz es el precondicionador. El sistema precondicionado es equivalente al original, en cuanto a que tiene las mismas soluciones. Se busca seleccionar de forma que el sistema precondicionado sea más sencillo de resolver que el original.

Utilizar SSOR como precondicionador consiste en tomar como matriz de precondición la matriz de SSOR. Luego se aplica otro método iterativo para resolver el sistema precondicionado por la matriz de SSOR.

En el caso particular en que es simétrica, se tiene: . Por lo tanto la matriz de precondición de SSOR también resulta simétrica:

El hecho de que sea simétrica, permite utilizarla como precondicionador en métodos iterativos como gradiente conjugado.

Véase también

[editar]

Referencias

[editar]
  1. Young, David M. (1971). Iterative Solution of Large Linear Systems. doi:10.1016/c2013-0-11733-3. Consultado el 21 de noviembre de 2020. 
  2. a b c Saad, Yousef (1 de enero de 2003). Iterative Methods for Sparse Linear Systems. Other Titles in Applied Mathematics. Society for Industrial and Applied Mathematics. ISBN 978-0-89871-534-7. doi:10.1137/1.9780898718003. Consultado el 20 de noviembre de 2020.