26.12.2013 Aufrufe

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

5.3 Iterative Lösungsverfahren für l<strong>in</strong>eare Gleichungssysteme<br />

Def<strong>in</strong>ition 5.23 (Gauß-Seidel-Verfahren). Zur Lösung von Ax = b mit A = L + D + R<br />

sei x 0 ∈ R n e<strong>in</strong> beliebiger Startwert. Iteriere für k = 1, 2, . . . :<br />

x k = x k−1 + (D + L) −1 (b − Ax k−1 ),<br />

bzw. mit der Gauß-Seidel-Iterationsmatrix H := −(D + L) −1 R<br />

x k = Hx k−1 + (D + L) −1 b.<br />

Diese beiden Fixpunktverfahren s<strong>in</strong>d e<strong>in</strong>fach, aber dennoch sehr gebräuchlich. Zum Aufstellen<br />

der Iterationsmatrix C s<strong>in</strong>d ke<strong>in</strong>e Rechenoperationen notwendig. Es gilt:<br />

Satz 5.24 (Durchführung des Jacobi- und Gauß-Seidel-Verfahrens). E<strong>in</strong> Schritt des<br />

Jacobi- bzw. Gauß-Seidel-Verfahrens ist jeweils <strong>in</strong> n 2 + O(n) Operationen durchführbar.<br />

Für jeden Schritt des Jacobi-Verfahren gilt <strong>die</strong> Index-Schreibweise<br />

⎛<br />

⎞<br />

x k i = 1<br />

n∑<br />

⎝b i − a ij x k−1 ⎠<br />

j , i = 1, . . . , n,<br />

a ii<br />

j=1,j≠i<br />

für das Gauß-Seidel-Verfahren gilt <strong>die</strong> Vorschrift:<br />

⎛<br />

x k i = 1 ⎝b i − ∑ a ij x k j − ∑ a ii ji<br />

a ij x k−1<br />

j<br />

⎞<br />

⎠ , i = 1, . . . , n.<br />

Beweis: Übung!<br />

□<br />

Jeder Schritt <strong>die</strong>ser Verfahren benötigt mit O(n 2 ) größenordnungsmäßig genauso viele<br />

Operationen wie <strong>die</strong> Nachiteration mit der LR-Zerlegung. Bei Jacobi- und Gauß-Seidel<br />

s<strong>in</strong>d jedoch weit schlechtere Konvergenzraten zu erwarten (wenn <strong>die</strong> Verfahren überhaupt<br />

konvergieren, <strong>die</strong>ser Nachweis steht hier noch aus!). Der Vorteil der e<strong>in</strong>fachen Iterationsverfahren<br />

zeigt sich erst bei dünn besetzten Matrizen. Hat e<strong>in</strong>e Matrix A ∈ R n×n nur<br />

O(n) E<strong>in</strong>träge, so benötigt jeder Iterationsschritt nur O(n) Operationen.<br />

5.3.2 Konvergenzkriterium für Jacobi- und Gauß-Seidel-Iteration<br />

Zur Untersuchung der Konvergenz muss gemäß Satz 5.21 der Spektralradius der Iterationsmatrizen<br />

J = −D −1 (L+R) sowie H := −(D +L) −1 R untersucht werden. Im E<strong>in</strong>zelfall<br />

ist <strong>die</strong>se Untersuchung nicht ohne weiteres möglich und e<strong>in</strong>er Matrix A kann der entsprechende<br />

Spektralradius nur schwer angesehen werden. Daher leiten wir <strong>in</strong> <strong>die</strong>sem Abschnitt<br />

e<strong>in</strong>fach überprüfbare Kriterien her, um e<strong>in</strong>e Aussage über <strong>die</strong> Konvergenz der beiden Verfahren<br />

treffen zu können. Zunächst gilt:<br />

199

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!