Método de Jacobi

4.3.
1 MÉTODO DE JACOBI PARA SISTEMA DE ECUACIONES LINEALES
La forma más conveniente de expresar estos métodos es usar la notación matricial. La

matriz A se divide en tres partes, correspondientes a los tres conjuntos de coeficientes.
La ecuación AX = B será
(L + D + U) X = B
donde L es una matriz triangular inferior con ceros en la diagonal, D es la matriz

diagonal que contiene los elementos de la diagonal de A y U es una matriz triangular
superior con ceros en la diagonal.
El método de Jacobi para la r–enésima iteración se escribe como sigue:
DX(r) = -(L + U) X(r-1) + B (r= 0, 1,…)
El método de Jacobi converge para matrices A que son diagonalmente dominantes,

en el sentido que es matemáticamente preciso, [Burden et al, 2002], [Nieves et al,
2002], [Rodríguez et al, 2003]. Para determinar si el método es convergente, si se
tiene que la matriz de iteración
-D-1 (L + U)
además de un término aditivo, D-1 B mapea un conjunto de X en el siguiente. Esta

matriz de iteración tiene valores propios, cada uno de los cuales refleja el factor por
el que se suprime durante una iteración el valor propio particular de algún residual no
deseado. Es evidente que estos factores tiene un módulo menor que 1. Con modulo
menor que uno. La rapidez de convergencia de este método está dada por la rapidez
de disminución del valor propio más lento: es decir, el factor con el modulo más
grande. El módulo de este factor esta, por consiguiente, entre 0 y 1, y se le llama radio
espectral del operador de relajación (ρs). El número de iteraciones ( r ) necesarias
para reducir el error total por un factor ( 10-ρ ) se estima por:
𝜌ln⁡(10)
𝑟=
−ln⁡(𝜌𝑠 )
En el límite, cuando (ρs) tiende a 1, el sistema está en el punto de ruptura. Aquí

puede o no converger, dependiendo de las condiciones iniciales. La idea de iterar se
puede aplicar fácilmente a ecuaciones simultáneas lineales. Esto se ilustra mediante
un ejemplo numérico. El código desarrollado en Matlab de este método se
proporciona en la sección 4. 6. 10.
EJEMPLO 4.9
Mediante el método de Jacobi, resolver el conjunto de ecuaciones lineales dadas por:
10𝑥1 + 𝑥2 + 𝑥3 = 24
−𝑥1 + 20𝑥2 + 𝑥3 = 21
𝑥1 − 2𝑥2 + 100⁡𝑥3 = 300
Despejando de la primera ecuación la primera variable y así sucesivamente, se obtiene:

1
𝑥1 = (24 − ⁡ 𝑥2 − 𝑥3 )
10
1
𝑥2 = (21 + 𝑥1 − 𝑥3 )
20
1
𝑥3 = (300 − ⁡ 𝑥1 + 2𝑥2 )
100
Si las primeras aproximaciones son 𝑥1 = 0, 𝑥2 = 0⁡𝑦⁡𝑥3 = 0 entonces la siguiente

iteración es 𝑥1 = 2,4, 𝑥2 = 1.05⁡𝑦⁡𝑥3 = 0 y las iteraciones sucesivas son, 𝑥1 =
1.995, 𝑥2 = 1.02⁡𝑦⁡𝑥3 = 2.997⁡⁡y 𝑥1 = 1.9983, 𝑥2 = 0.9999⁡𝑦⁡𝑥3 = 2.9995
La sustitución de los valores 𝑥1 = 2, 𝑥2 = 1⁡𝑦⁡𝑥3 = 3⁡ en el sistema inicial

demuestra que el proceso está convergiendo rápidamente a la solución verdadera. Si se
utiliza la ecuación (4.51) y la ecuación (4.52), se tiene que el radio espectral y el número
de iteraciones para reducir el error total por un factor (10-3) son respectivamente (ρs =
0.0755) y (r=3).
Es claro que las iteraciones pueden ser un método muy útil de solución. Se
demuestra ahora que este también puede ser un método inapropiado en ciertas
circunstancias. Las ecuaciones del ejemplo 4.9 se pueden tomar en un orden diferente,
por ejemplo
𝑥1 − 2𝑥2 + 100𝑥3 = 300
10𝑥1 + 𝑥2 ⁡ + 𝑥3 = 24
−𝑥1 + 20𝑥2 + ⁡ 𝑥3 = 21
Con este acomodo, el radio espectral del sistema es (ρs= 27.7802), lo cual lo hace
divergente. Si se calcula el número de iteraciones con la ecuación (4.52), se obtiene un
numero negativo, lo cual no tiene sentido.
A continuación se muestra que esta forma de ordenar las ecuaciones es divergente,
resolviendo el sistema numéricamente. Despejando de la primera ecuación la primera
variable y así sucesivamente, se obtiene
𝑥1 = 300 + ⁡ 𝑥2 − 100𝑥3
𝑥2 = 24 − 10𝑥1 − ⁡ 𝑥3
𝑥3 = 21 + ⁡ 𝑥1 − 20𝑥2
Utilizando los valores 𝑥1 = 0, 𝑥2 = 0⁡𝑦⁡𝑥3 = 0⁡⁡para la primera aproximadamente,

se obtienen las aproximaciones sucesivas 𝑥1 = 300, 𝑥2 = 24⁡𝑦⁡𝑥3 = 21⁡ y 𝑥1 =
−1752, 𝑥2 = −2997⁡𝑦⁡𝑥3 = −3879
Y no hay posibilidad de que esta secuencia converja a los valores ⁡𝑥1 = 2, 𝑥2 = 1⁡𝑦⁡𝑥3 =
3. Por tanto, es crucial tener algún conocimiento para que se pueda asegurar que las
iteraciones converjan. El método anterior, conocido como método de Jacobi, rara vez se
usa porque existen varias mejoras que se pueden utilizar para elevar la rapidez de
convergencia. Sin embargo, si se cuenta con una computadora que efectúe cálculos en
paralelo, se recomienda este método por ser altamente paralelizable.

Método de Jacobi

Cargado por

Copyright:

Formatos disponibles

Método de Jacobi

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Método de Jacobi

Cargado por

Copyright:

Formatos disponibles

4.3.

1 MÉTODO DE JACOBI PARA SISTEMA DE ECUACIONES LINEALES

La forma más conveniente de expresar estos métodos es usar la notación matricial. La

donde L es una matriz triangular inferior con ceros en la diagonal, D es la matriz

El método de Jacobi para la r–enésima iteración se escribe como sigue:

DX(r) = -(L + U) X(r-1) + B (r= 0, 1,…)

El método de Jacobi converge para matrices A que son diagonalmente dominantes,

además de un término aditivo, D-1 B mapea un conjunto de X en el siguiente. Esta

En el límite, cuando (ρs) tiende a 1, el sistema está en el punto de ruptura. Aquí

Despejando de la primera ecuación la primera variable y así sucesivamente, se obtiene:

Si las primeras aproximaciones son 𝑥1 = 0, 𝑥2 = 0⁡𝑦⁡𝑥3 = 0 entonces la siguiente

La sustitución de los valores 𝑥1 = 2, 𝑥2 = 1⁡𝑦⁡𝑥3 = 3⁡ en el sistema inicial

Utilizando los valores 𝑥1 = 0, 𝑥2 = 0⁡𝑦⁡𝑥3 = 0⁡⁡para la primera aproximadamente,

También podría gustarte