야코비 방법(Jacobi method) - 연립방정식을 푸는 반복적 수치 해석법

야코비 방법(Jacobi method)은 연립 방정식을 푸는 반복적 수치 해법 중 하나로, 각 변수의 값을 독립적으로 계산하여 점진적으로 해를 개선하는 방식입니다.

이 방법은 행렬 A로 표현되는 연립 방정식 Ax = b를 푸는 데 사용됩니다.

야코비 방법의 기본 아이디어는, 각 방정식에서 특정 변수를 풀 때 나머지 변수들은 모두 이전 반복에서 계산된 값을 사용한다는 것입니다.

즉, 각 변수를 동시에 독립적으로 업데이트합니다.

야코비 방법의 절차:

1. 연립 방정식 Ax = b에서, 각 변수 \( x_i \)를 풀기 위해 해당하는 식을 재배열합니다.

이때, 각 변수는 자기 자신의 계수로 나누고 나머지 변수들은 모두 이전 값에 따라 계산됩니다.

2. \( x_i \)를 구하는 일반적인 수식은 다음과 같습니다:

   \[
   x_i^{(k+1)} = \frac{1}{A_{ii}} \left( b_i - \sum_{j \neq i} A_{ij} x_j^{(k)} \right)
   \]

   여기서:
   - \( x_i^{(k+1)} \)는 \( k+1 \)번째 반복에서의 \( i \)번째 변수 값입니다.
   - \( A_{ii} \)는 행렬 A의 대각 성분입니다.
   - \( A_{ij} \)는 행렬 A의 성분으로, \( i \)번째 방정식에서 \( j \)번째 변수에 곱해지는 계수입니다.
   - \( x_j^{(k)} \)는 이전 \( k \)번째 반복에서의 \( j \)번째 변수 값입니다.
   - \( b_i \)는 상수 벡터 b의 \( i \)번째 성분입니다.

3. 모든 변수를 한 번씩 업데이트한 후, 새로운 값들을 기반으로 다시 계산을 반복합니다.

특징:

- 독립 업데이트: 야코비 방법은 각 변수의 새 값을 계산할 때, 그 변수를 제외한 모든 변수는 이전 반복에서의 값을 사용합니다. 즉, 모든 변수가 동시에 독립적으로 업데이트됩니다.
- 수렴 조건: 야코비 방법이 수렴하기 위해서는 보통 A 행렬이 대각 우세(diagonally dominant)하거나, A가 특정 조건을 만족해야 합니다. 그렇지 않으면 이 방법이 수렴하지 않거나 느리게 수렴할 수 있습니다.

- 병렬 처리에 유리: 야코비 방법은 각 변수가 독립적으로 계산되기 때문에 병렬 처리에 적합합니다. 하지만 때로는 다른 방법들보다 수렴 속도가 느릴 수 있습니다.

야코비 방법은 수렴 속도가 느릴 수 있지만, 간단한 구조와 병렬 처리에 유리하다는 장점 때문에 다양한 수치 해석 문제에서 사용됩니다.