Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porJulia Domínguez del Río Modificado hace 10 años
1
Sistemas Lineales Análisis de error Prof.: Dra. Nélida Beatriz Brignole
2
Errores Errores de redondeo Errores en los valores de A y b Incertidumbre en la solución calculada x
3
Residuo
4
Sistema mal condicionado
5
Relación entre residuo y error
7
Número de condición
8
Cotas de error
10
Resolución de Sistemas Lineales Métodos directos: Refinamiento iterativo
12
Algoritmo: Refinamiento Iterativo
13
Resolución de Sistemas Lineales Métodos iterativos
14
Ventajas? –Espacio: convenientes para matrices ralas (sparse) –Tiempo: menor número de operaciones Desventajas? –Velocidad: convergencia lenta –Convergencia: no siempre se obtiene la solución en un número finito de pasos
15
Diseño general
16
Cuándo tiene sentido esto?
17
Análisis de error
18
Condición necesaria y suficiente de convergencia
19
Demostración
20
Principales Métodos Iterativos Jacobi Gauss Seidel SOR: Sobrerelajación sucesiva
21
Métodos Iterativos: Jacobi
22
Métodos Iterativos: Gauss Seidel
23
Método de Jacobi
24
Método de Gauss Seidel
25
Condiciones de convergencia Si A es simétrica, definida positiva, entonces Gauss-Seidel converge Si A es estrictamente diagonal dominante por filas, entonces Gauss-Seidel y Jacobi convergen
26
Diagonal dominancia
27
Diagonal dominancia estricta
28
Teorema Si A es estrictamente diagonal dominante por filas, entonces A puede ser factorizada usando EG sin pivoteo por columnas Si A es estrictamente diagonal dominante por columnas, entonces A puede ser factorizada usando EG sin pivoteo por filas
29
Método SOR
30
Condición necesaria de convergencia
31
Observaciones w=1 Método de Gauss-Seidel w<1 Subrelajación (paso más corto que el de GS) w>1 Sobrerelajación (paso más largo que el de GS)
32
Lectura obligatoria Rao “Applied Numerical Methods for Engineers and Scientists”, Prentice Hall, 2002 Págs 152-188
Presentaciones similares
© 2025 SlidePlayer.es Inc.
All rights reserved.