MTODO DE JACOBI

El mtodo de Jacobi consiste en realizar una secuencia de transformaciones ortogonales, cada

transformacin se denomina rotacin de Jacobi; y corresponde a una rotacin cuyo
objetivo es eliminar a un elemento de la matriz. Se va rotando sucesivamente la matriz hasta
que el error es pequeo para ser considerada una matriz diagonal. Un concepto fundamental
de este mtodo es que, al rotar la matriz para eliminar un elemento que ya sea cero, se
modifican varios elementos situados en la fila y la columna del elemento que se rota, que
podan valer cero y hasta haber rotado con anterioridad.

Cada vez que se rota un elemento, todos los elementos que se insertan son funcin de
la cantidad que se elimina ponderada por una funcin trigonomtrica, por lo que el valor
absoluto de los elementos distintos de la diagonal se reduce hasta que se considera que son
cero. La composicin de las rotaciones genera autovectores, en donde los elementos de la
diagonal principal corresponden a los autovalores.

Los mtodos directos e indirectos en general tienen con los redondeos, truncamientos
y aproximaciones a la solucin real. Los mtodos iterativos representan una alternativa
potente para solucionar este inconveniente, ya que se acercan ms a la solucin real a medida
que se itera, de manera que la calidad de la aproximacin depende de la cantidad de
iteraciones que se efecta. El planteamiento empieza en suponer un valor inicial y enseguida
se usar un mtodo sistemtico para obtener una estimacin ms refinada de la solucin.

El Mtodo de Jacobi es uno de los mtodos iterativos ms conocidos.

Supngase que se tiene un sistema (3x3) de ecuaciones. Si los elementos de la diagonal no
son todos cero, la primera ecuacin se resuelve para x
1
, la segunda para x
2
y la tercera para
x
3
, para obtener:







Para un sistema de ecuaciones lineales de n ecuaciones con n incgnitas, el Mtodo de Jacobi
para encontrar un valor k de una variable x utiliza la siguiente ecuacin iterativa:



El procedimiento consiste en asignar valores iniciales a las variables, usualmente se escogen
los valores triviales, "0" por simplicidad, de manera que para generar la siguiente iteracin se
sustituyen los valores en la ecuacin iterativa, con lo que se obtiene:





En la siguiente seccin se ilustra cmo la convergencia de ste mtodo est dada por:





Convergencia del mtodo:
Para determinar si el mtodo de Jacobi converge hacia una solucin, se evalan las siguientes
condiciones de convergencia.
(Nota: las siguientes van en un orden de modo que si se cumple una de las condiciones,
comenzando por la primera por supuesto, la evaluacin de las siguientes no es necesario
realizarlas):

La matriz sea estrictamente dominante diagonalmente por filas (E.D.D. por filas), es decir,
para toda i desde 1 hasta n que es el tamao de la matriz A:



Es decir, el elemento de la diagonal correspondiente a la fila i debe ser mayor a la suma de
los elementos de esa fila i.

A partir de la siguiente identidad:



Donde D corresponde a la matriz formada por los elementos de la diagonal de A (D=diag(a
11
,
a
22
, ..., a
nn
)), -L corresponde a la matriz triangular inferior obtenida de la parte triangular
estrictamente inferior de A, y -U corresponde a la matriz triangular superior obtenida de la
parte triangular estrictamente superior de A, se puede deducir la frmula vectorial de este
mtodo:

, k = 1, 2, ...

De donde B
J
(conocida como la matriz de iteracin de Jacobi) es D
-1
(L+U). Para que el
mtodo de Jacobi converja hacia una solucin,

,

Para una norma matricial inducida. (B
J
), que corresponde al mximo de los valores
absolutos de las races de la ecuacin caracterstica de la matriz B
J
(det(B
J
- I)) es menor
que 1.

El mtodo de Jacobi es el mtodo iterativo ms elemental; ya que el proceso se repite tantas
veces hasta llegar a una tolerancia deseada, se empieza a partir de un vector inicial (el vector
de ceros la mayora de las veces).

Ejercicio 11.7 (Chapra 5
ta
edicin)
El siguiente sistema de ecuaciones est diseado para determinar concentraciones (las c estn
en g/m
3
), en un arreglo de reactores en serie como una funcin de la cantidad de masa que
entra a cada reactor (el termino independiente de las ecuaciones se expresa en g/da).


17c
1
2c
2
3c
3
= 500
5c
1
+ 21c
2
2c
3
= 200
5c
1
5c
2
+ 22c
3
= 30


Resolver este sistema de ecuaciones lineales por el mtodo de Gauss-Seidel y Jacobi para un
error del 5%.

Solucin
La solucin de este problema se plantea a partir de balance de masa que expresa las entradas
y salidas en trminos de variables y parmetros medibles.

La solucin con el mtodo de Gauss-Seidel, es la siguiente:

Para el sistema

A X = B, un sistema de ecuaciones equivalente es:


X =C X + E

A = matriz de nxn de coeficientes del sistema original
Donde: B = vector de nx1 de trminos independientes
C = (matriz nxn) y E = (vector de nx1)

En este caso:

A =
17 2 3
5 21 2
5 5 22
, B =
500
200
30


Con esa transformacin se plantea la siguiente formula recurrente para generar, a partir de
valores iniciales X
[0]
, una serie de estimativos X
[1]
, X
[2]
, X
[3]
, de la solucin X del sistema.

Representacin matricial:


X
[k]
= C X
[k1]
+ E
C = L + D
( )
1
U
E = L + D
( )
1
B









Donde:

L =
0 0 0
5 0 0
5 5 0
, D=
17 0 0
0 21 0
0 0 22
, U =
0 2 3
0 0 2
0 0 0


Representacin analtica:


X
1
k
=
1
17
500 + 2 X
2
k1
+ 3 X
3
k1
( )
X
2
k
=
1
21
200 + 5 X
1
k
+ 2 X
3
k1
( )
X
3
k
=
1
22
30 + 5 X
1
k
+ 5X
2
k
( )


Este mtodo es iterativo, a medida que se obtiene un valor de X, el ltimo resultado se usa
inmediatamente en la siguiente ecuacin para obtener otro valor de X. De esta manera, si la
solucin es convergente, se determina la mejor aproximacin disponible.

Con el mtodo de Jacobi, a diferencia de gauss-seidel, para calcular un conjunto de nuevas
X se usa no solamente un valor de x, sino todo el conjunto de las X anteriores, de esta
manera, a medida que se generan nuevos valores para X no se usan de forma inmediata sino
que se almacenan y usan en la siguiente iteracin.

Las matrices C y E se obtienen de la siguiente manera:


X
[k+1]
= C X
[k]
+ E
C = D
1
DU
( )
U
E = D
1
B




Representacin analtica:


X
1
k
=
1
17
500 + 2 X
2
k1
+ 3 X
3
k1
( )
X
2
k
=
1
21
200 + 5 X
1
k1
+ 2 X
3
k1
( )
X
3
k
=
1
22
30 + 5 X
1
k1
+ 5X
2
k1
( )



Criterio de convergencia:
Un mtodo iterativo es convergente, cuando la serie de soluciones que genera X
[1]
, X
[2]
, X
[3],
se acerca cada vez ms a la solucin X*. Para que el sistema sea convergente, el sistema
debe cumplir que el valor absoluto de los valores propios de la matriz C sean menor igual
a 1.

i
s1



Resultados
El mtodo de Gauss Seidel es el ms usado para la solucin de sistemas de ecuaciones
lineales, se utilizan valores iniciales de X para calcular uno nuevo con Gauss Seidel, y el
clculo siguiente involucra el resultado inmediatamente anterior, hasta lograr la convergencia
deseada. Un mtodo alternativo es el mtodo de Jacobi que a partir de valores iniciales de X
calcula un nuevo conjunto de valores de X que se utilizan en la iteracin siguiente y as
sucesivamente hasta lograr la convergencia. La diferencia operativa entre los dos mtodos se
refleja en el nmero de iteraciones y el error de desviacin, segn la tabla, el mtodo de
Gauss Siedel logra rpido la convergencia con un porcentaje de error menor, es de esperarse
ya que el radio espectral para este mtodo es menor que el del mtodo de Jacobi. El mtodo
de Gauss Seidel adems tiene un criterio de convergencia suficiente, el coeficiente diagonal
en cada unan de las ecuaciones debe ser mayor que la suma del valor absoluto de los otros
coeficientes de la ecuacin, aunque la condicin no es necesaria si se satisface se garantiza la
convergencia del mtodo.

Variable Jacobi Gauss-
Seidel
Radio espectral 0.3523 0.1205
Numero de Iteraciones 9 5
%Error 4.5780 1.5334

La grafica de convergencia entre los mtodos iterativos de Jacobi y Gauss-Seidel demuestra
que pese a que el mtodo de Jacobi contiene buenos planteamientos no se encuentra
optimizado a diferencia del mtodo de Gauss-Seidel, cuya convergencia es ms rpida la de
Jacobi. El error disminuye en el mtodo de Gauss-Seidel por su manera de operar, esto
implica que las iteraciones no empiezan en valores tan alejados de la solucin, lo cual no
sucede en el mtodo de Jacobi ya que los valores iniciales para calcular el primer conjunto de
resultados son supuestos arbitriamente a menos que se tenga un indicio de la disposicin de
la solucin de los resultados esperados. En la figura 1 se observa la tendencia del error en
ambos mtodos para el nmero de iteraciones correspondiente.


Figura 1. Comparacin del error para los mtodos de Gauss-Seidel y Jacobi

1 2 3 4 5 6 7 8 9
0
50
100
150
200
250
Nmero de iteracion
E
r
r
o
r
Comparacin de error entre los mtodos de Jacobi y Gauss-Seidel
error con el mtodo de Jacobi
error con el mtodo de Gauss-Seidel
Ejemplo;
Considrese el sistema de ecuaciones lineal:

= + +
= + +
= + +
18 5
10 3
9 4
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
, la solucin exacta es: 3 2 1
3 2 1
= = = x x x .

1.- Se pide comprobar que hacen falta 23 iteraciones del mtodo de Jacobi para conseguir
que
2
) (
s x
n

sea menor que 10
-6
, siendo ) 3 , 2 , 1 ( solucin vector = = s

y partiendo de
) 0 , 0 , 0 (
) 0 (
= x

.

2.- Comprobar que slo hacen falta 9 iteraciones del mtodo de Gauss-Seidel para conseguir
el mismo objetivo.

Se trata de ver a continuacin, que tanto el mtodo de Jacobi como Gauss-Seidel son
convergentes siempre, independientemente del valor elegido para
) 0 (
x

, al tener la matriz de
los coeficientes del sistema la diagonal estrictamente dominante:

3.- Comprueba que tambin converge a la solucin cuando ) 80000 , 1000 , 527 (
) 0 (
= x

(muy alejado de la solucin) y que hacen falta 38 iteraciones del mtodo de Jacobi para que
conseguir que
2
) (
s x
n

sea menor que 10
-6
.
4.- Comprueba que el mtodo de Gauss-Seidel necesitara 13 iteraciones para conseguir el
mismo objetivo.