Mtodo de Jacobi

Es un mtodo de sustitucin simultneo, denominado desplazamiento simultneo, el cual

tien su origen en mtodo iterativo de Punto Fijo. En el mtodo de Jacobi el orden de
operacin de las ecuaciones es irrelevante dado que el mtodo las trata en forma
independiente, de all su nombre como mtodo de desplazamiento simultneos, no obstante,
se debe mantener la diagonal dominante en el sistema.
El proceso se contina hasta que | xk+1 xk | <= ea.

Ejemplo 1 (Ejercicio 11.8 Pg. 321)

Resolver el siguiente sistema de tres ecuaciones por el Mtodo de Jacobi:
17 X1 2 X2

3 X3

= 500

-5 X1 + 21 X2

2 X3

= 200

-5 X1 5 X2

+ 22 X3

= 30

17 2 3 x1
500
5 21 2 x 200

5 5 22 x3
30

Resuelva este problema para un a = 5%

Si lo pasamos al formato de una matriz y su vector de resultados, obtenemos lo siguiente:

Las siguientes frmulas las utilizamos para encontrar X1, X2 y X3 en cada una de las
iteraciones.

x1

b1 a12 x 2 a13 x3
a11

x2

b2 a 21 x1 a 23 x3
a 22

x3

b3 a31 x1 a32 x 2
a33

Para la primera iteracin el valor de X 1, X2 y X3 a sustituir en cada una se asumir como

cero. Entonces para X1,

x1

b1 a12 x2 a13 x3
a11

500 2 x2 3 x3
17
500 2 0 3 0
x1
17
x1 29,41176
x1

para X2,
x2

b2 a 21 x1 a 23 x3
a 22

200 5 x1 2 x3
21
200 5 0 2 0
x2
21
x 2 9,52381
x2

para X3,
x3

b3 a31 x1 a32 x 2
a 33

x3

30 5 x1 5 x 2
22

x3

30 5 0 5 0
22

x3 1,36364
Entonces en la primera iteracin
x1 29,41176
x 2 9,52381
x3 1,36364
Para calcular los nuevos valores de la segunda iteracin se utilizarn los resultados de X 1,
X2 y X3 obtenidos en la primera iteracin. Entonces para X1,

x1

b1 a12 x 2 a13 x3
a11

500 2 x 2 3 x3
17
500 2 9,52381 3 1,36364
x1
17
x1 30,77285
x1

para X2,
x2

b2 a 21 x1 a 23 x3
a 22

200 5 x1 2 x3
21
200 5 29,41176 2 1,36364
x2
21
x 2 16,65648
x2

para X3,
x3

b3 a31 x1 a 32 x 2
a33

x3

30 5 x1 5 x 2
22

x3

30 5 29,41176 5 9,52381
22

x3 10,21263
Por tanto en la segunda iteracin
x1 30,77285
x 2 16,65648
x3 10,21263

xr

nuevo

xr

xr

anterior

nuevo

100%

Una vez obtenidos estos resultados se deben calcular el error

aproximado porcentual para cada uno, para ello se utilizar la siguiente frmula:

 ax1
ax1

x1

nuevo

x1

x1

anterior

100%

nuevo

30,77285 29,41176
100%
30,77285

ax1 4,423% 5%
Para X2,

ax3
ax3

x3

nuevo

x3

x3

anterior

ax 2

100%

nuevo

x2

nuevo

x2

x2

anterior

nuevo

100%

10,21263 1,36364
16,65648 9,52381
100%
100% ax 2
16,65648
10,21263

ax 2 42,822% 5%

ax3 86,648% 5%

Para X3,
Dado que en dos de las incgnitas el error aproximado porcentual es mayor a un 5% se
debe hacer una nueva iteracin. Se contina realizando el mismo procedimiento con los
nuevos valores de X obtenidos hasta que los errores aproximados porcentuales en las tres
incgnitas sean menores que el 5%. El resultado de estas iteraciones se presenta en la Tabla
5.
Tabla 5: Resultados de las iteraciones por el mtodo de Jacobi
del ejemplo 1 (ejercicio 11.8 pp. 321)
Iteracin

x1

x2

X3

a x1

a x2

a x3

0,00000

0,00000

0,00000

29,41176

9,52381

1,36364

30,77285

16,65648

10,21263

4,423%

42,822%

86,648%

33,17358

17,82331

12,14303

7,237%

6,547%

15,897%

33,65151

18,57876

12,95384

1,420%

4,066%

6,259%

33,88347

18,76977

13,23415

0,685%

1,018%

2,118%

Se resaltan los datos donde los errores obtenidos son menores que 5%, se logra un error
aproximado porcentual menor en las tres incgnitas hasta la quinta iteracin. Por lo tanto
los resultados aproximados que cumplen con la condicin establecida son:

x1 33,88347
x 2 18,76977
x3 13,23415
Si sustituimos estos valores en las ecuaciones originales para verificar los resultados
obtenemos que:
17 *(33,88347)

2 *(18,76977)

3 *(13,23415)

= 498,77703

-5 *(33,88347)

+ 21 *(18,76977)

2 *(13,23415)

= 198,27957

-5 *(33,88347)

5 *(18,76977)

+ 22 *(13,23415)

= 27,88513

Al calcular los porcentajes de error de estos resultados se obtiene lo siguiente:

Error EC1

500 - 498,77703
100% 0,03%
500

Error EC2

200 - 198,27957
100% 0,10%
200

Error EC3

30 - 27,88513
100% 0,88%
30

De acuerdo con estos datos se puede observar que los resultados obtenidos son una
aproximacin muy buena de los valores verdaderos.

Mtodo de Gauss-Seidel
Este mtodo en general converge ms rpidamente que el mtodo de Jacobi, sin embargo
presenta las mismas debilidades del mtodo de Jacobi.
El mtodo de Gauss-Siedel supone que una mejor aproximacin a la solucin se obtiene
sustituyendo los valores parciales obtenidos, lo cual se puede comprobar en la prctica.

La ecuacin iterativa de este mtodo nos lleva a:

xi

(k)

1
a ii

i 1

b i - ai , j x j ( k )
j 1

Ejemplo 2 (Ejercicio 11.7 Pg. 320)

j i 1

i, j

xj

( k 1)

(8)

Resolver el siguiente sistema de tres ecuaciones por el Mtodo de Gauss-Seidel:

17 X1 2 X2

3 X3

= 500

-5 X1 + 21 X2

2 X3

= 200

-5 X1 5 X2

+ 22 X3

= 30

17 2 3 x1
500
5 21 2 x 200

5 5 22 x3
30

Resuelva este problema para un a = 5%

Si lo pasamos al formato de una matriz y su vector de resultados, obtenemos lo siguiente:

Las siguientes frmulas las utilizamos para encontrar X 1, X2 y X3 en cada una de las
iteraciones.

x1

b1 a12 x 2 a13 x3
a11

x2

b2 a 21 x1 a 23 x3
a 22

x3

b3 a31 x1 a32 x 2
a33

Para calcular el primer valor de X1, se asumirn X2 y X3 con valores cero. Entonces para
X1,
x1

b1 a12 x2 a13 x3
a11

500 2 x2 3 x3
17
500 2 0 3 0
x1
17
x1 29,41176
x1

para calcular el valor de X2, se utilizar el valor encontrado de X1 y el valor de X3 se

asumir como cero.

x2

b2 a 21 x1 a 23 x3
a 22

x2

200 5 x1 2 x3
21

x2

200 5 29,41176 2 0
21

x 2 16,52661
para calcular el valor de X3, se utilizar el valor encontrado de X1 y X2 en los pasos
anteriores.
x3

b3 a31 x1 a32 x 2
a33

x3

30 5 x1 5 x 2
22

x3

30 5 29,41176 5 16,52661
22

x3 11,80418
Entonces en la primera iteracin
x1 29,41176
x 2 16,52661
x3 11,80418

Para la segunda iteracin, en el clculo de X1 el valor de X2 y X3 sern los

calculados anteriormente. Entonces para X1,
x1

b1 a12 x 2 a13 x3
a11

x1

500 2 x 2 3 x3
17

x1

500 2 16,52661 3 11,80418

17

x1 33,43916

para X2 se utiliza el valor de X3 de la primera iteracin y el de X1 de la segunda iteracin,

x2

b2 a 21 x1 a 23 x3
a 22

x2

200 5 x1 2 x3
21

x2

200 5 33,43916 2 11,80418

21

x 2 18,60972
para X3 se utiliza el valor de X1 y X2 calculados en la segunda iteracin,
x3

b3 a31 x1 a32 x 2
a33

x3

30 5 x1 5 x 2
22

x3

30 5 33,43916 5 18,60972
22

x3 13,19293
Entonces en la segunda iteracin
x1 33,43916
x 2 18,60972
x3 13,19293

ax1
ax1

x1

nuevo

x1

x1

anterior

nuevo

100%

33,43916 29,41176
100%
33,43916

ax1 12,04% 5%

xr

nuevo

xr

xr

anterior

nuevo

100%

Una vez obtenidos estos

resultados, se debe calcular el error aproximado porcentual para cada uno de los resultados,
para ello utilizamos la siguiente frmula:
Para X1,

 ax 2
ax 2

x2

nuevo

x2

x2

anterior

100%

nuevo

18,60972 16,52661
100%
18,60972

ax 2 11,194% 5%
Para X2,

ax3
ax3

x3

nuevo

x3

x3

anterior

100%

nuevo

13,19293 11,80418
100%
13,19293

ax3 10,526% 5%
Para X3,

Dado que en las tres incgnitas el error aproximado porcentual es mayor a un 5% se debe
hacer una nueva iteracin. Se contina realizando el mismo procedimiento con los nuevos
valores de X obtenidos hasta que los errores aproximados porcentuales en las tres
incgnitas sean menores que el 5%.
El resultado de estas iteraciones siguiendo el mismo procedimiento, se presenta en la tabla
6
Tabla 6: Resultados de las iteraciones por el mtodo de Gauss_Seidel
del ejemplo 2 (ejercicio 11.7 pp. 320)
Iteracin

x1

x2

x3

a x1

a x2

a x3

0,00000

29,41176

16,52661

11,80418

33,43916

18,60972

13,19293

12,044%

11,194%

10,526%

33,92931

18,85869

13,36091

1,445%

1,320%

1,257%

Se resaltan los datos donde los errores obtenidos son menores que 5%, se logra un error
aproximado porcentual menor en las tres incgnitas en la tercera iteracin. Por lo tanto los
resultados aproximados que cumplen con la condicin establecida son:

x1 33,92931
x 2 18,85869
x3 13,36091

Si sustituimos estos valores en las ecuaciones originales para verificar los resultados
obtenemos que:
17 *(33,92931)

2 *(18,85869)

3 *(13,36091)

= 498,99813

-5 *(33,92931)

+ 21 *(18,85869)

2 *(13,36091)

= 199,66404

-5 *(33,92931)

5 *(18,85869)

+ 22 *(13,36091)

= 30,00000

Al calcular los porcentajes de error de estos resultados se obtiene lo siguiente:

Error EC1

500 - 498,99813
100% 0,20%
500

Error EC2

200 - 199,66404
100% 0,17%
200

Error EC3

30 - 30
100% 0,00%
30

De acuerdo con estos datos se puede observar que los resultados obtenidos son una
aproximacin muy buena de los valores verdaderos.

Convergencia
El mtodo Gauss-Seidel, al igual que la tcnica de iteracin de punto fijo, puede tambin
presentar dos problemas fundamentales: 1. en algunas ocasiones no es convergente. 2.
Cuando converge, con frecuencia lo hace en forma muy lenta.
El criterio de convergencia se puede desarrollar al recordar que las condiciones suficientes
para la convergencia de dos ecuaciones no lineales u(x, y) y v(x, y), son:
u v

1
y y

u v

1
x x

, y consecuentemente
En consecuencia, si el valor absoluto de g(x) <1, entonces los errores disminuyen con cada
iteracin. Si el valor absoluto de g(x) > 1, los errores crecen. Tambin se debe tener en
cuenta que si la derivada es positiva, los errores sern positivos; por otra parte si la
derivada es negativa, entonces los errores oscilaran.
Este criterio de convergencia se aplica tambin a las ecuaciones lineales que se resuelven
con el mtodo de Gauss-Seidel. Por tanto, al aplicar este criterio sobre las ecuaciones de
Gauss-Seidel y evaluando con respecto a cada una de las incgnitas, obtenemos la
expresin siguiente:
a 21
1
a 22

a12
1
a11
, e igualmente

En otras palabras, el valor absoluto de las pendientes en la ecuacin, deben ser menor que
la unidad para asegurar la convergencia. Adicionalmente podemos reformular la ecuacin
anterior de la siguiente forma:

a 22 a 21

a11 a12
, e igualmente

Esto es, el elemento diagonal debe ser mayor que el elemento fuera de la diagonal para
cada regln de ecuaciones. La generalizacin del criterio anterior para un sistema de n
ecuaciones, es directa y puede ser expresada como:
n

aii ai , j
j 1