Departamento de Matemática

Unidad III: Resolución de sistemas de ecuaciones lineales

Apunte: Método iterativo de Jacobi.

Objetivo:

- Estudiar el método iterativo de Jacobi para resolver sistemas de ecuacio-

nes lineales

Introducción

La solución de sistemas de ecuaciones lineales es un tema clásico de las

matemáticas, rico en ideas y conceptos, y de gran utilidad en ramas del co-
nocimiento tan diversas como ingenierı́a, economı́a, biologı́a, psicologı́a, en-
tre otras. Hoy en dı́a la resolución de sistemas de casi cualquier número de
ecuaciones (10, 100, 1000, etc.) es una realidad gracias a las computadoras,
lo cual proporciona un atractivo especial a las técnicas de solución directas
e iterativas. En ésta unidad estudiaremos dos métodos iterativos: Jacobi y
Gauss-Seydel.

Los métodos iterativos general para resolver sistemas de ecuaciones linea-

les, parten de una aproximación inicial a la solución, la cual se va ”mejoran-
do”sucesivamente aplicando cierto algoritmo. Un método iterativo puede ser
convergente o divergente, y aunque el método iterativo converja, en general,
sólo podemos esperar la obtención de una solución aproximada, por efecto de
los errores de truncamiento y/o redondeo. Entre las ventajas de los métodos
iterativos, comparados con los directos, están la simplicidad y uniformidad
de las operaciones que se realizan, ya que se usa repetı́damente un proceso
sencillo; y su relativa insensibilidad al crecimiento de los errores de redondeo,
es decir, usualmente los métodos iterativos son estables.

1
 Departamento de Matemática

Antes de pasar a explicar el método iterativo de Jacobi, comenzaremos con

algunas definiciones necesarias para entender el método.
Definición 1: Si el vector X es la solución exacta de un sistemas de ecua-
ciones lineales AX = b, donde la matriz A del sistema es invertible, b 6= 0, y
el vector X̃ es una solución aproximada de dicho sistema, entonces llamamos
vector error de X̃ con respecto a X al vector E definido por

E = X − X̃

y vector error residual correspondiente a la solución aproximada X̃, al vec-

tor R definido por

R = AX̃ − b

Note que E usualmente no se conoce (pues X no se conoce), mientras que

R siempre puede conocerse. R = 0 implica X̃ = X, es decir, R = 0 implica
E = 0. De lo anterior se puede formular la siguiente pregunta.

¿Será que kRk pequeña, implica kEk también pequeña, donde k·k es al-
guna norma vectorial?

Definición 2: Una norma vectorial en Rn es una función

k·k : Rn 7−→ R
X 7−→ kXk

tal que para todo X, Y ∈ Rn y todo α ∈ R:

i) kXk > 0, kXk = 0 si y sólo si X = 0.

2
 Departamento de Matemática

ii) kαXk = |α| kXk.

iii) kX + Y k ≤ kXk + kY k.

Ejemplos de normas vectoriales en Rn. Sea el vector X = (x1, x2, . . . , xn) ∈

Rn, entonces,

1) La norma euclideana (o norma 2) definida por,

n
! 21
X
kXk2 = x2i
i=1

2) La norma suma (o norma 1) definida por,

n
X
kXk1 = |xi|
i=1

3) La norma del máximo (o norma ∞) definida por,

kXk∞ = M ax |xi|
1≤i≤1

Los métodos iterativos que estudiaremos en ésta unidad son generalización

del método de punto fijo (ver la unidad II disponible en reko).

Dado un sistema de ecuaciones AX = b, donde la matriz A es no-

singular (detA 6= 0) y vector b 6= 0, se transforma en un sistema equivalente
X = BX + c para alguna matriz B y algún vector c.

Se construye entonces la sucesión de vectores X (k) k a partir de la fórmu-
la de iteración

3
 Departamento de Matemática

X (k) = BX (k−1)+c, k = 1, 2, . . .

y se espera que la sucesión X (k) k converja al vector solución X del siste-
ma AX = b (o equivalente X = BX + c), donde la convergencia se entiende
en el siguiente sentido.

 Definición:
Sea k·k una norma vectorial en Rn. Decimos que la sucesión
X (k) k de vectores de Rn converge al vector X ∈ Rn, según,

(k)
lı́m X − X = 0.

k→∞

Nota: En futuras clases realizaremos el análisis de convergencia del méto-

do de Jacobi y Gauss-Seydel.

Método iterativo de Jacobi

Dado un sistema lineal de ecuaciones:




 a11x1 + a12x2 + · · · + a1nxn = b1
a21x1 + a22x2 + · · · + a2nxn = b2

 ...

 a x + a x + ··· + a x = b

n1 1 n2 2 nn n n

Si aii 6= 0 para todo i = 1, 2, . . . , n entonces despejando xi de la i -ésima

ecuación, obtenemos el sistema equivalente,

n  
X aij bi
xi = − xj + , i = 1, 2, · · · n
j=1
aii aii
j6=i

Si B = (bij )n×n con,

4
 Departamento de Matemática

 aij
 − a , i 6= j

ii
bij = i, j = 1, 2, · · · , n


0 , i=j

y c = (c1, c2, · · · , cn)T con ci = abiii , i = 1, 2, · · · , n, entonces el sistema

AX
 (k)= b dado es equivalente al sistema X = BX + c. Ası́ que la sucesión
X k
de vectores, correspondiente a éste método, se genera a partir de la
fórmula de iteración,

X (k) = BJ X (k−1) + c, k = 1, 2, · · ·

donde conocido X (k−1), se calcula la aproximación siguiente X (k), median-

te la fórmula,

n
(k−1)
X
bi − aij xj
j=1
(k) j6=i
xi = , i = 1, 2, · · · , n, (1)
aii
que es llamada fórmula escalar de iteración del método de Jacobi.

Escogida alguna norma vectorial k·k, alguna tolerancia  > 0 y un núme-

ro máximo de iteraciones N, se termina el proceso iterativo, indicado en la
fórmula (1), cuando se satisfaga alguno de los siguientes criterios de aproxi-
mación:

i) R(k) < , siendo R(k) = AX (k) − b,

(k)
(k−1)
ii) X − X
< ,

5
 Departamento de Matemática

(k)
X − X (k−1)
iii)
X (k) < ,

o en su defecto, cuando se alcance el número máximo de iteraciones N.

Ejemplo: Resuelva el siguiente sistema de ecuaciones usando el método

iterativo de Jacobi con tolerancia  = 0,1,

4x1 − x2 =1
−x1 + 4x2 − x3 =1
−x2 + 4x3 − x4 = 1
−x3 + 4x4 = 1
Solución:

Despejando x1, de la primera ecuación, x2 de la segunda, etcétera, se ob-

tiene la siguiente fórmula de iteraciones,
 (k)  
1
  (k−1)   
x1 0
0 0 4
x1 1/4
(k)  1 (k−1)
x2   4 0 14 0  x2   1/4 
     
= 1 · +  , k = 1, 2, · · · , (2)

(k)
 0 4 0 14   (k−1)
  1/4 

 x2 x2
(k)
x4 0 0 14 0 (k−1)
x4 1/4

Vector inicial,

Cuando no se tiene una aproximación al vector solución, generalmente se

emplea como vector inicial al vector nulo, esto es:
 
0
0
 
X (0) = 
0
0

6
 Departamento de Matemática

Los resultados se resumen en la siguiente tabla:

(k) (k) (k) (k) (k)

X − X (k−1)

k x1 x2 x3 x4 ∞
0 0 0 0 0 -
1 0.2500 0.2500 0.2500 0.2500 0.2500
2 0.3125 0.3750 0.3750 0.3125 0.1250
3 0.3438 0.4219 0.4219 0.3438 0.0469
La aproximación de la solución de éste ejemplo con una tolerancia  = 0,1
es:

 
0,3438
 0,4219 
 
X (3) =
 0,4219 

0,3438

Nota: Seguir iterando el ejemplo anterior para lograr una aproximación

de la solución del sistema de ecuaciones con una tolerancia  = 0,001.