Solucion de sistemas de ecuaciones lineales:

Metodos de Jacobi y Gauss-Seidel

Ing. Jes
us Javier Cortes Rosas
M. en A. Miguel Eduardo Gonzalez Cardenas
M. en A. Vctor D. Pinilla Moran *
2011

Resumen
Introducci
on. Definici
on del metodo de Jacobi. Criterio de convergencia. Definicion del metodo de Gauss-Seidel. Criterio de convergencia. Ejemplo de aplicacion.

1.

Introducci
on

Los metodos de J
acobi y de Gauss-Seidel son los equivalentes en la solucion de sistemas de ecuaciones lineales al metodo de aproximaciones sucesivas en la solucion de ecuaciones algebraicas y
trascendentes.
Consiste basicamente en obtener una ecuacion de recurrencia (matricial en este caso)y proponer un
vector soluci
on inicial; posteriormente, se deberan realizar las iteraciones necesarias hasta que la
diferencia entre dos vectores consecutivos cumpla con una tolerancia predefinida.
En realidad, estos metodos representan una adaptacion vectorial de un proceso escalar, lo que
implica la necesidad de
adaptarlos conceptos necesarios: los procesos iterativos se detienen cuando
entre dos aproximaciones consecutivas se cumple con determinado error preestablecido. En este
caso, debera medirse la norma entre dos vectores para reconocer el momento en que se satisface la
cota de error.
Por otra parte, resta el hecho de tener que evaluar un criterio de equivalencia el cual, naturalmente,
tendra caracter vectorial.

2.

Definici
on del m
etodo de J
acobi

= b, donde A es la matriz de coeficientes, X

es el vector
Sea el sistema de ecuaciones lineales AX

de incognitas y b el vector de terminos independientes.

*
Facultad de Ingeniera, UNAM. Profesores de tiempo completo del Departamento de Matem
aticas Aplicadas de
la Divisi
on de Ciencias B
asicas

Analisis numerico

= b
AX

(1)

En la ecuaci
on 1 se puede sustituir a la matriz A por la suma de dos matrices:
A=D+R

(2)

En donde la matriz D es una matriz cuyos elementos son cero excepto los elementos de la diagonal
que corresponden a los elementos de la matriz A y R que es una matriz con ceros en la diagonal y
sus restantes elementos coindicen con los respectivos de A.

... a1n
... a2n
... a3n
..
..
.
.
... ann

a11 0
0
0 a22 0
0
0 a33
..
..
..
.
.
.
0
0
0

...
...
...
..
.

0
a21
a31
..
.

... a1n
... a2n
... a3n
..
..
.
.
... 0

a11
a21
a31
..
.

A=

a12
a22
a32
..
.

a13
a23
a33
..
.

an1 an2 an3

D=

R=

a12
0
a32
..
.

a13
a23
0
..
.

an1 an2 an3

0
0
0
..
.

(3)

(4)

... ann

(5)

Sustituyendo la ecuaci
on 2 en la ecuacion 1:
= b
(D + R) X
+ RX
= b
DX

despejando el termino DX:

= b RX

DX
Premultiplicando por la matriz D1
= D1 (b RX)

D1 DX
Resulta:
= D1 (b RX)

(6)

La ecuacion 6 no aporta una soluci

on por s misma, si se observa desde la optica del algebra matricial.
Sin embargo, si se aplica desde una forma recursiva:
(k+1) = D1 (b RX
(k) )
X

(7)

Analisis numerico

(k) representa un vector solucion inicial y X

(k+1) representa una
Para k = 0, 1, 2, ..., n y donde X
(k)
. Se puede constatar claramente que la ecuacion 7 es totalaproximacion posterior a la inicial X
mente representativa de un metodo de aproximaciones sucesivas.
Esta ecuacion 7 requiere de un breve analisis para su aplicacion practica. En principio, la matriz D,
detallada en 4 s
olo posee elementos diferentes de cero (que corresponden a los propios de A) en su
diagonal principal. Es f
acilmente comprobable que la matriz inversa D1 tambien posee u
nicamente
valores diferentes de cero en su diagonal principal y que estos valores corresponden a los recprocos
de sus valores en la matriz A, es decir, seran a1ii . Por otra parte, el resto de los elementos de
cada renglon de la matriz A se encuentran en la matriz R y son restados del vector de terminos
independientes.
En contexto, la ecuaci
on 7 equivale, a partir del sistema de ecuaciones lineales, a despejar a la
incognita de ubicada en la diagonal principal de cada una de las ecuaciones que conforman el
sistema, de la siguiente forma:
(k+1)

b1 (a12 X (k2 ) +a13 X (k3 ) +...+a1n X (kn )

a11

(k+1)

b2 (a21 X (k2 ) +a23 X (k3 ) +...+a2n X (kn )

a22

(k+1)

b3 (a31 X (k2 ) +a32 X (k3 ) +...+a3n X (kn )

a33

X1
X2
X3

..
.
(k+1)

Xn

(8)

..
.
(k)

bn (an1 X (k2 ) +an2 X (k3 ) +...+ann1 Xn1

ann

0 sea igual a cero. A partir de esta propuesta, el

El metodo de J
acobi propone que el vector inicial X
bi
1

vector siguiente ser

a X = aii , es decir, el elemento independiente entre el coeficiente de la diagonal
principal para cada ecuaci
on.

(1)
X

b1
a11
b2
a22
b3
a33

..
.
bn
ann

(9)

(1) se sustituye en las ecuaciones 8 obteniendose el siguiente vector X (2) . El proceso

Este vector X
se realiza consecutivamente hasta que la norma entre dos vectores consecutivos es menor que cierta
tolerancia preestablecida.
La norma se calcula como:
q
(k+1)
(k)
(k+1)
(k)
(k+1)
(k)
(k+1)
(k)
X1 )2 + (X2
X2 )2 + (X3
X3 )2 + ... + (Xn
Xn )2
= (X1

(10)

Analisis numerico

3.

Criterio de convergencia

El metodo de J
acobi es susceptible de los efectos del pivoteo. En consecuencia, su criterio de convergencia lo conforman los criterios de la diagonal pesada, mismo que posee dos condiciones:
1. Condici
on necesaria: Es condici
on necesaria que el elemento ubicado en la diagonal principal
de cada ecuaci
on sea mayor en valor absoluto que el resto de los elementos de la misma
ecuacion.
|aii | > |aij |
(11)
2. Condici
on suficiente: Es condici
on suficiente que el elemento ubicado en la diagonal principal
de cada ecuaci
on sea mayor en valor absoluto que la suma del resto de los elementos de la
misma ecuaci
on.
X
|aii | >
|aij |
(12)

4.

M
etodo de Gauss-Seidel

Este metodo es una versi

on acelerada del metodo de Jacobi. En el metodo de Jacobi es necesario
contar con un vector aproximado completo para proceder a la sustitucion en las ecuaciones de
recurrencia y obtener una nueva aproximacion.
En el metodo de Gauss-Seidel se propone ir sustituyendo los nuevos valores de la aproximaci
on
siguiente conforme se vayan obteniendo sin esperar a tener un vector completo. De esta forma se
acelera la convergencia.
A partir de las ecuaciones de recurrencia del metodo de Jacobi (8):
(k)

(k+1)

(k+1)

(k+1)

X1

X2
X3

b1 (a12 X (k2 ) +a13 X3 +...+a1n X (kn ))

a11
(k+1)

b2 (a21 X2

(k+1)

b3 (a31 X2

..
.
(k+1)

Xn

5.

(k)

+a23 X3 +...+a2n X (kn ))

a22
(k+1)

+a32 X3
a33

+...+a3n X (kn ) )

(13)

..
.
(k+1)

bn (an1 X2

(k+1)

+an2 X3
ann

(k+1)

+...+ann1 Xn1 )

Criterio de convergencia

El criterio de convergencia del metodo de Gauss-Seidel corresponde totalmente al criterio de la

diagonal pesada cuyas condiciones se expresan en las ecuaciones 11 y 12.

Analisis numerico

6.

Ejemplo de aplicaci
on

Sea el sistema de ecuaciones lineales [1]:

10X1 +X2 +2X3 = 3
4X1 +6X2 X3 = 9
2X1 +3X2 +8X3 = 51

(14)

Antes de proceder en la soluci

on respectiva, se observa que los elementos ubicados en la diagonal
principal cumplen satisfactoriamente con el criterio de convergencia o diagonal pesada. Dado lo
anterior, se resolver
a el sistema utilizando ambos metodos para contrastar su uso. Iniciando por el
metodo de J
acobi. Las ecuaciones de recurrencia son:
(k)

(k)

(k+1)

3X2 2X3
10

(k+1)

94X1 +X3
6

(k+1)

51+2X1 3X2
8

X1

X2
X3

(k)

(k)

(k)

(15)

(k)

La primera iteraci
on k = 1 es:

(1) =
X

3
10
9
6
51
8

(1)
X

0,3
= 1,5
6,375

(16)

La segunda iteraci
on k = 2 se obtiene sustituyendo al vector X 1 (16) en las ecuaciones de recurrencia
15.
(2)
X1 = 3(1,5)2(6,375)
10
(2)

94(0,3)+6,375
6

(2)

51+2(0,3)3(1,5)
8

X2
X3

(2)
X

1,125
= 2,3625
5,8875

(17)

Las sucesivas iteraciones se muestran en los cuadros 1 y 2. Las tolerancias son calculadas con la
ecuacion 10: Se dice entonces que despues de trece iteraciones, con una tolerancia = 0,000007, el
vector soluci
on es:

1,00000
(12) = 2,99998
X
(18)
5,00004
Ahora se realizar
a la soluci
on atendiendo la mejora en el metodo Gauss-Seidel. Las ecuaciones de

Analisis numerico

Cuadro 1: Iteraciones 0 a 6 por el metodo de Jacobi

Iteraci
on
X1 =
X2 =
X3 =
Tolerancia

X (0)
0.30000
1.50000
6.37500

X (1)
-1.12500
2.36250
5.88750
1.73557

X (2)
-1.11375
3.23125
5.20781
1.10310

X (3)
-1.06469
3.11047
4.88484
0.34829

X (4)
-0.98802
3.02393
4.94240
0.12915

X (5)
-0.99087
2.98241
4.99402
0.06631

X (6)
-0.99705
2.99292
5.00888
0.01922

Cuadro 2: Iteraciones 7 a 12 en el metodo de Jacobi

Iteraci
on
X1 =
X2 =
X3 =
Tolerancia

X (7)
-1.00107
2.99951
5.00339
0.00947

X (8)
-1.00063
3.00128
4.99992
0.00392

X (9)
-1.00011
3.00041
4.99936
0.00116

X (10)
-0.99991
2.99997
4.99982
0.00066

recurencia son:
=

(k+1)

X2

(k+1)

X3
La iteracion

X (1)

(k)

(k+1)

X1

X (12)
-1.00000
2.99998
5.00004
0.000007

(k)

3X2 2X3
10
(k+1)

94X1

(k)

+X3

(19)

6
(k+1)

X (11)
-0.99996
2.99991
5.00003
0.00023

51+2X1

(k+1)

3X2

se obtiene de la misma forma que la indicada en el vector 16:

0,3
(1) = 1,5
X
6,375

(20)

La diferencia se presenta en el c
alculo de la iteracion X (2) :
(2)

3(1,5)2(6,375)
10

1,125

(2)

94(1,125)+6,375
6

3,3125

(2)

51+2(1,125)3(3,3125)
8

X1

X2
X3

= 4,85156

1,125
(2) = 3,3125
X
4,85156

(21)

Repitiendo el proceso consecutivamente, mismo que se presenta en el cuadro 3: Se dice entonces que
despues de seis iteraciones, con una tolerancia = 6,42839 10(5) , el vector solucion es:

0,999997259
(12) = 2,999995399
X
(22)
5,000002411
La tolerancia es calculada por medio de la ecuacion 10.

Analisis numerico

Cuadro 3: Iteraciones por el metodo de Jacobi

Iteracion
X1
X2
X3
Tolerancia

7.

X (0)
0.30000
1.50000
6.37500

X (1)
-1.125
3.3125
4.8515625
2.763447678

X (2)
-1.0015625
2.976302083
5.008496094
0.391016634

X (3)
-0.999329427
3.000968967
4.999804281
0.026248607

X (4)
-1.000057753
3.000005882
4.999983356
0.00122068

X (5)
-0.999997259
2.999995399
5.000002411
6.4283910(5)

Conclusiones

Se concluye en dos sentidos diferentes: Primeramente, debe percibirse que el metodo de J`acobi es
un antecedente del metodo de Gauss-Seidel, mismo que lo mejora de forma notable al acelerar su
convergencia. En segundo termino, pero no menos importante, estos metodos del genero de las
aproximaciones sucesivas dependen fundamentalmente de su criterio de convergencia. En este caso,
del criterio de la diagonal pesada.
Es difcil establecer que tan pesada es una diagonal. No se establece una relacion numerica que nos
diga la relaci
on que debe guardar el elemento aii sobre el resto de los coeficientes aij de su ecuaci
on.
En todo caso, entre m
as evidente sea el dominio de los elementos sobre la diagonal principal, m
as
rapida sera la convergencia de la solucion.

Referencias
[1] Rosa Elena Scheid, Francis. Di Constanzo. Metodos numericos. Schaum. 1991.
1

Editado por Juan Carlos Marn Hel

u. Junio 2011