METODO DE RELAJACIÓN

I. RESEÑA HISTORICA:

Hay un método de iteración que converge más rápido que el de Gauss-

Seidel y que puede usase para facilitar los cálculos manuales.
Desafortunadamente, no está bien adaptado a aplicaciones en
computadora. El método se debe a un ingeniero británico Richard
Southwell, y se ha aplicado a una amplia gama de problemas. El
método se analiza debido a su importancia histórica y por qué conduce
a una técnica de aceleración fundamental denominada
sobrerelajación.

II. MARCO TEORICO:

Como la razón de convergencia de un procedimiento depende del

radio espectral de la matriz asociada con el método, una manera de
seleccionar un procedimiento que nos lleve a una convergencia
acelerada consiste en escoger un método cuya matriz asociada tenga
un radio espectral mínimo. Estos procedimientos nos llevan a los
métodos de relajación. Pero antes de formular la teoría de los métodos
de relajación, veamos las ideas fundamentales de la forma más
simple. Supongamos que se dispone de un sistema de ecuaciones
lineales.

(0)
𝑥1,2,…𝑛 = 1 Condiciones iniciales.

El algoritmo a utilizar es:

Su equivalente:
(𝑘) (𝑘−1) 𝑤 (𝑘−1) (𝑘−1) (𝑘−1)
𝑥1 = (1 − 𝑤)𝑥1 + [𝑏1 − (𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 )]
𝑎11
(𝑘) (𝑘−1) 𝑤 (𝑘) (𝑘−1) (𝑘−1)
𝑥2 = (1 − 𝑤)𝑥2 + [𝑏2 − (𝑎21 𝑥2 + 𝑎22 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 )]
𝑎22
(𝑘) (𝑘−1) 𝑤 (𝑘) (𝑘) (𝑘−1)
𝑥3 = (1 − 𝑤)𝑥3 + [𝑏3 − (𝑎31 𝑥2 + 𝑎32 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 )]
𝑎33
.
.
.
(𝑘) (𝑘−1) 𝑤 (𝑘) (𝑘) (𝑘)
𝑥𝑚 = (1 − 𝑤)𝑥𝑛 + [𝑏 − (𝑎𝑛1 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 )]
𝑎𝑛𝑛 𝑛

Consideraciones:
i) El criterio de convergencia para este método es similar al método 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 método
de Gauss- Seidel se asume un parámetro 1<w el cual sirve para
acelerar la convergencia. A esta forma se le conoce con en el nombre
de método de Sobrerrelajación.
iv) Cuando el sistema de ecuaciones lineales es divergente al método de
Gauss-Seidel, se asume un parámetro w de la forma 0<w<1 el cual
sirve para obtener la convergencia. A esta forma se le conoce
Subrelajación.
v) Si w=1, entonces se conoce como el Método de Gauss-Seidel.

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

halla la solución de ecuaciones diferenciales parciales.

Lógicamente nuestro problema sería ver como se selecciona el parámetro w.

aunque no hay una regla específica para hallar este parámetro, podemos llegar
a una mejor aproximación teniendo en cuenta, lo siguiente:
TEOREMA DE KAHAN:
Siaii ≠ 0 para i=1,2,…,n, entonces ρ(Tw ) ≥ |w − 1|. Esto significa que el método
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 método SOR converge

nn
para cualquier elección 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 ρ(Tg ) =

nn
2 2
[ρ(Tj )] <1, y la elección optima de w para el método SOR es: 𝑤 = 2
1+√1−[ρ(Tj )]

con esta elección de w, tenemos: ρ(Tw ) = |w − 1|

 Ejercicio Aplicativo:

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

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

3𝑥1 − 𝑥2 + 𝑥3 = 1
{3𝑥1 + 6𝑥2 + 2𝑥3 = 0
3𝑥1 + 3𝑥2 + 7𝑥3 = 4

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