Solución de sistemas de ecuaciones lineales:

Métodos de Jácobi y Gauss-Seidel

Ing. Jesús Javier Cortés Rosas

M. en A. Miguel Eduardo González Cárdenas
M. en A. Vı́ctor D. Pinilla Morán
Facultad de Ingenierı́a, UNAM*

2006

Resumen

Introducción. Definición del método de Jácobi. Criterio de convergencia. Definición del méto-
do de Gauss-Seidel. Criterio de convergencia. Ejemplo de aplicación.

1. Introducción

Los métodos de Jácobi y de Gauss-Seidel son los equivalentes en la solución de sistemas de ecua-
ciones lineales al método de aproximaciones sucesivas en la solución de ecuaciones algebráicas y
trascendentes.
Consiste básicamente en obtener una ecuación de recurrencia (matricial en este caso)y proponer un
vector solución inicial; posteriormente, se deberán realizar las iteraciones necesarias hasta que la
diferencia entre dos vectores consecutivos cumpla con una tolerancia predefinida.
En realidad, estos métodos representan una adaptación vectorial de un proceso escalar, lo que
implica la necesidad de ’adaptar’ los conceptos necesarios: los procesos iterativos se detienen cuando
entre dos aproximaciones consecutivas se cumple con determinado error preestablecido. En este caso,
deberá 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,
tendrá caracter vectorial.

2. Definición del método de Jácobi

Sea el sistema de ecuaciones lineales AX̄ = b̄, donde A es la matriz de coeficientes, X̄ es el vector
de incógnitas y b̄ el vector de términos independientes.
*
Profesores de tiempo completo del Departamento de Matemáticas Aplicadas de la División de Ciencias Básicas

1
Análisis numérico 2

AX̄ = b̄ (1)

En la ecuación 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.

 
a11 a12 a13 ... a1n

 a21 a22 a23 ... a2n 

A=
 a31 a32 a33 ... a3n 
 (3)
 .. .. .. .. .. 
 . . . . . 
an1 an2 an3 ... ann
 
a11 0 0 ... 0

 0 a22 0 ... 0 

D=
 0 0 a33 ... 0 
 (4)
 .. .. .. .. .. 
 . . . . . 
0 0 0 ... ann
 
0 a12 a13 ... a1n

 a21 0 a23 ... a2n 

R=
 a31 a32 0 ... a3n 
 (5)
 .. .. .. .. .. 
 . . . . . 
an1 an2 an3 ... 0

Sustituyendo la ecuación 2 en la ecuación 1:

(D + R) · X̄ = b̄

DX̄ + RX̄ = b̄
despejando el término DX̄:
DX̄ = b̄ − RX̄
Premultiplicando por la matriz D−1

D−1 · DX̄ = D−1 · (b̄ − RX̄)

Resulta:
X̄ = D−1 · (b̄ − RX̄) (6)

La ecuación 6 no aporta una solución por sı́ misma, si se observa desde la óptica del álgebra matricial.
Sin embargo, si se aplica desde una forma recursiva:

X̄ (k+1) = D−1 · (b̄ − RX̄ (k) ) (7)

Análisis numérico 3

Para k = 0, 1, 2, ..., n y donde X̄ (k) representa un vector solución inicial y X̄ (k+1) representa una
aproximación posterior a la inicial X̄ (k) . Se puede constatar claramente que la ecuación 7 es totla-
mente representativa de un método de aproximaciones sucesivas.
Esta ecuación 7 requiere de un breve análisis para su aplicación práctica. En principio, la matriz D,
detallada en 4 sólo posee elementos diferentes de cero (que corresponden a los propios de A) en su
diagonal principal. Es fácilmente comprobable que la matriz inversa D−1 también posee únicamente
valores diferentes de cero en su diagonal principal y que estos valores corresponden a los recı́procos
de sus valores en la matriz A, es decir, serán a1ii . Por otra parte, el resto de los elementos de
cada renglón de la matriz A se encuentran en la matriz R y son restados del vector de términos
independientes.
En contexto, la ecuación 7 equivale, a partir del sistema de ecuaciones lineales, a despejar a la
incóginita 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 )

X1 = a11
(k+1) b2 −(a21 X (k2 ) +a23 X (k3 ) +...+a2n X (kn )
X2 = a22
(k+1) b3 −(a31 X (k2 ) +a32 X (k3 ) +...+a3n X (kn )
X3 = a33 (8)
.. ..
. .
(k)
(k+1) bn −(an1 X (k2 ) +an2 X (k3 ) +...+ann−1 Xn−1
Xn = ann

El método de Jácobi propone que el vector inicial X̄ 0 sea igual a cero. A partir de esta propuesta, el
vector siguiente será X̄ 1 = abiii , es decir, el elemento independiente entre el coeficiente de la diagonal
principal para cada ecuación.

 
b1
a11
 
 b2 
 a22 
 
b3
X̄ (1)
 
=
 a33 
 (9)
 .. 

 . 

bn
 
ann

Este vector X̄ (1) se sustituye en las ecuaciones 8 obteniéndose el siguiente vector X (2) . El proceso
se realiza consecutivamente hasta que la norma entre dos vectores consecutivos es menor que cierta
tolerancia preestablecida.
La norma θ se calcula como:
q
(k+1) (k) (k+1) (k) (k+1) (k) (k+1) (k)
θ = (X1 − X1 )2 + (X2 − X2 )2 + (X3 − X3 )2 + ... + (Xn − Xn )2 (10)
Análisis numérico 4

3. Criterio de convergencia

El método de Jácobi es susceptible de los efectos del pivoteo. En consecuencia, su criterio de con-
vergencia lo conforman los criterios de la diagonal pesada, mismo que posee dos condiciones:

1. Condición necesaria: Es condición necesaria que el elemento ubicado en la diagonal principal

de cada ecuación sea mayor en valor absoluto que el resto de los elementos de la misma
ecuación.
|aii | > |aij | (11)

2. Condición suficiente: Es condición suficiente que el elemento ubicado en la diagonal principal

de cada ecuación sea mayor en valor absoluto que la suma del resto de los elementos de la
misma ecuación. X
|aii | > |aij | (12)

4. Método de Gauss-Seidel

Este método es una versión acelerada del método de Jácobi. En el método de Jácobi es necesario
contar con un vector aproximado completo para proceder a la sustitución en las ecuaciones de
recurrencia y obtener una nueva aproximación.
En el método de Gauss-Seidel se propone ir sustituyendo los nuevos valores de la aproximación
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 método de Jácobi (8):
(k)
(k+1) b1 −(a12 X (k2 ) +a13 X3 +...+a1n X (kn ))
X1 = a11
(k+1) (k)
(k+1) b2 −(a21 X2 +a23 X3 +...+a2n X (kn ))
X2 = a22
(k+1) (k+1)
(k+1) b3 −(a31 X2 +a32 X3 +...+a3n X (kn ) )
X3 = a33 (13)
.. ..
. .
(k+1) (k+1) (k+1)
(k+1) bn −(an1 X2 +an2 X3 +...+ann−1 Xn−1 )
Xn = ann

5. Criterio de convergencia

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

diagonal pesada cuyas condiciones se expresan en las ecuaciones 11 y 12.
Análisis numérico 5

6. Ejemplo de aplicación

Sea el sistema de ecuaciones lineales [1]:

10X1 +X2 +2X3 = 3

4X1 +6X2 −X3 = 9 (14)
−2X1 +3X2 +8X3 = 51

Antes de proceder en la solución 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 resolverá el sistema utilizando ambos métodos para contrastar su uso. Iniciando por el
método de Jácobi. Las ecuaciones de recurrencia son:
(k) (k)
(k+1) 3−X2 −2X3
X1 = 10
(k) (k)
(k+1) 9−4X1 +X3 (15)
X2 = 6
(k) (k)
(k+1) 51+2X1 −3X2
X3 = 8

La primera iteración k = 1 es:

3
 
10
X̄ (1) =  9
 

 6 
51
8
 
0,3
X̄ (1) =  1,5  (16)
6,375
La segunda iteración 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) 9−4·(0,3)+6,375
X2 = 6
(2) 51+2·(0,3)−3·(1,5)
X3 = 8
 
−1,125
X̄ (2) =  2,3625  (17)
5,8875
Las sucesivas iteraciones se muestran en los cuadros 1 y 2. Las tolerancias son calculadas con la
ecuación 10: Se dice entonces que después de trece iteraciones, con una tolerancia = 0,000007, el
vector solución es:  
−1,00000
X̄ (12) =  2,99998  (18)
5,00004

Ahora se realizará la solución atendiendo la mejora en el método Gauss-Seidel. Las ecuaciones de

Análisis numérico 6

Cuadro 1: Iteraciones 0 a 6 por el método de Jácobi

Iteración X (0) X (1) X (2) X (3) X (4) X (5) X (6)

X1 = 0.30000 -1.12500 -1.11375 -1.06469 -0.98802 -0.99087 -0.99705
X2 = 1.50000 2.36250 3.23125 3.11047 3.02393 2.98241 2.99292
X3 = 6.37500 5.88750 5.20781 4.88484 4.94240 4.99402 5.00888
Tolerancia 1.73557 1.10310 0.34829 0.12915 0.06631 0.01922

Cuadro 2: Iteraciones 7 a 12 en el método de Jácobi

Iteración X (7) X (8) X (9) X (10) X (11) X (12)

X1 = -1.00107 -1.00063 -1.00011 -0.99991 -0.99996 -1.00000
X2 = 2.99951 3.00128 3.00041 2.99997 2.99991 2.99998
X3 = 5.00339 4.99992 4.99936 4.99982 5.00003 5.00004
Tolerancia 0.00947 0.00392 0.00116 0.00066 0.00023 0.000007

recurencia son:
(k) (k)
(k+1) 3−X2 −2X3
X1 = 10
(k+1) (k)
(k+1) 9−4X1 +X3 (19)
X2 = 6
(k+1) (k+1)
(k+1) 51+2X1 −3X2
X3 = 8

La iteración X (1) se obtiene de la misma forma que la indicada en el vector 16:

 
0,3
X̄ (1) =  1,5  (20)
6,375

La diferencia se presenta en el cálculo de la iteración X (2) :

(2) 3−(1,5)−2(6,375)
X1 = 10 = −1,125
(2) 9−4·(−1,125)+6,375
X2 = 6 = 3,3125
(2) 51+2·(−1,125)−3·(3,3125)
X3 = 8 = 4,85156
 
−1,125
X̄ (2) =  3,3125  (21)
4,85156
Repitiendo el proceso consecutivamente, mismo que se presenta en el cuadro 3: Se dice entonces que
después de seis iteraciones, con una tolerancia = 6,42839 · 10(−5) , el vector solución es:
 
−0,999997259
X̄ (12) =  2,999995399  (22)
5,000002411
La tolerancia es calculada por medio de la ecuación 10.
Análisis numérico 7

Cuadro 3: Iteraciones por el método de Jácobi

Iteración X (0) X (1) X (2) X (3) X (4) X (5)

X1 0.30000 -1.125 -1.0015625 -0.999329427 -1.000057753 -0.999997259
X2 1.50000 3.3125 2.976302083 3.000968967 3.000005882 2.999995399
X3 6.37500 4.8515625 5.008496094 4.999804281 4.999983356 5.000002411
Tolerancia 2.763447678 0.391016634 0.026248607 0.00122068 6.42839·10(−5)

7. Conclusiones

Se concluye en dos sentidos diferentes: Primeramente, debe percibirse que el método de Jàcobi es
un antecedente del método de Gauss-Seidel, mismo que lo mejora de forma notable al acelerar su
convergencia. En segundo término, pero no menos importante, estos métodos del género de las
aproximaciones sucesivas dependen fundamentalmente de su criterio de convergencia. En este caso,
del criterio de la diagonal pesada.
Es difı́cil establecer ’que tan pesada es una diagonal’. No se establece una relación numérica que nos
diga la relación que debe guardar el elemento aii sobre el resto de los coeficientes aij de su ecuación.
En todo caso, entre más evidente sea el dominio de los elementos sobre la diagonal principal, más
rápida será la convergencia de la solución.

Referencias

[1] Rosa Elena Scheid, Francis. Di Constanzo. Métodos numéricos. Schaum. 1991.