Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
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