Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

1. Mtodos Indirectos o Mtodos Iterativos

Son mtodos que parten de una aproximacin inicial y que por aplicacin de un determinado algoritmo,
conducen a aproximaciones sucesivamente mejores en cada paso.
Pueden citarse, por ejemplo, los mtodos de Jacobi, Gauss Seidel, del gradiente conjugado, etc.
Son todos algoritmos de infinitos pasos, que por lo tanto, poseen involucrado un error de truncamiento
propio.
Cuando hay que resolver un sistema donde la matriz A es muy grande por razones de almacenamiento
es preferible trabajar con mtodos iterativos. Estos mtodos son particularmente adecuados si la
matriz es poco densa (rala = matriz con muchos ceros).
Cuando se trata de una matriz densa (matriz con pocos ceros) en general convienen los mtodos
directos, dado que la mayora de los casos se trata de matrices no demasiado grandes.
Los mtodos aproximados no permiten determinar a priori el nmero de operaciones necesarias para
alcanzar la solucin de un SEL. Esto, a su vez, exige establecer un criterio de corte que permita finalizar
el proceso de clculo.
Debe tenerse presente que, a pesar de ser llamados mtodos aproximados, los resultados que se
obtienen al aplicarlos, suelen ser ms precisos que aquellos otros obtenidos por mtodos llamados
exactos.
Ello es debido a que un mtodo exacto acumula y eventualmente amplifica los errores debidos a la
ineludible aritmtica en uso el todos los pasos de clculo, mientras que un mtodo aproximado slo
acumula los errores del ltimo paso.
Los mtodos aproximados son especialmente tiles para grandes SEL de matrices ralas, es decir
matrices con un elevado nmero de elementos nulos. Este tipo de matrices aparecen naturalmente
cuando se resuelven ecuaciones en derivadas parciales por mtodos de diferencias finitas, por ejemplo.
Bsicamente requieren lo siguiente:
Analizar las condiciones de convergencia del mtodo a aplicar.
Asignar un valor inicial arbitrario a las incgnitas X(0). Cuanto ms "lejos" estn estos valores
de la solucin del sistema, ms pasos de clculo habr que dar.
Con esos valores X(0) calcular un nuevo valor X(1) con la esperanza que estos nuevos valores
estn ms "cerca" de la solucin del problema.
Continuar calculando valores hasta que alguna condicin del tipo
hasta que alguna condicin del tipo:

se satisfaga.

Debe observarse que la condicin anterior es equivalente a expresar que el resto, definido
como :
es un vector con la propiedad:

Describiremos los mtodos iterativos de Jacobi y Gauss-Seidel, mtodos clsicos que datan de fines del
siglo XVIII. Los mtodos iterativos rara vez se usan para resolver sistemas lineales de pequea
dimensin, ya que el tiempo necesario para conseguir una exactitud satisfactoria rebasa el que
requieren los mtodos directos, como el de la eliminacin Gaussiana. Sin embargo, en el caso de
sistemas grandes con un alto porcentaje de elementos cero, son eficientes tanto en almacenamiento de
computadora como en el tiempo de cmputo. Este tipo de sistemas se presentan constantemente en los

Marcelo F. Berdaguer

Pgina | 1

Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

anlisis de circuitos y en la solucin numrica de los problemas con valor en la frontera y de ecuaciones
diferenciales en derivadas parciales.
2.

Mtodo de Jacobi

Veremos un ejemplo de un sistema de tres ecuaciones con tres incgnitas. Luego lo generalizaremos.

Veremos que en general, cuando un sistema predomina la diagonal principal sobre los restantes
elementos, se cumplen las condiciones de convergencia.
Esto ocurre generalmente cuando la matriz de coeficientes es poco densa (muchos ceros).
Debemos partir de una determinada solucin elegida a priori:
[4]
[5]

PASO 0

[6]
Lo cual no es cierto, pero que podemos admitir en una primera aproximacin. A estos valores, los
denominaremos soluciones del primer paso o paso cero
Otro punto de partida que tambin podramos haber elegido es:
[7]
[8]
[9]
Pero es poco comn hacerlo y como veremos si partimos de [7], [8] y [9] llegaremos luego del primer
paso a [4], [5] y [6].
Calculamos el nuevo valor de a partir de la ecuacin [1]:
[10]
De la ecuacin [2] podemos calcular

:
[11]

Y de la ecuacin [3] podemos calcular el valor de

:
[12]

A este mtodo se lo llama Mtodo de Jacobi, cuya expresin genrica partiendo de [10], [11] y [12], para
n ecuaciones es:

Marcelo F. Berdaguer

Pgina | 2

Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

En este mtodo una vez que obtenemos los valores de del paso 1 con el mismo algoritmo podemos
calcular los del paso 2 y con los del paso 2, puedo calcular los del paso 3. Como ste es un algoritmo
de infinitos pasos, obtengo el proceso completo cuando la diferencia de valores sucesivos de sean tan
pequeos como uno quiere. Adems debemos tener en cuenta que los residuos sean lo ms pequeos
posibles, ya que, podemos no estar prximos a la solucin y converger a la misma, en forma muy lenta.
Por lo tanto, deben verificarse las dos condiciones que mencionamos:

Y adems

Ejemplo 1:
Resolver el sistema de ecuaciones lineales que se indica por el mtodo de Jacobi. Emplear el vector
inicial

Al despejar las incgnitas correspondientes

La matriz aumentada ser:

6
-1
1
-10
3
-2
1
1

-1
2
8
1

4
-1
-1
-5

17
-17
19
-14

Si se inicia el proceso iterativo con el vector cero se obtiene:

=2.833333

Marcelo F. Berdaguer

Pgina | 3

Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

METODO DE JACOBI
iteracin
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

x1

x2

x3

x4

0
2,83333333
1,64583333
0,75652778
0,95994792
1,07351238
1,00648297
0,98645773
1,00080511
1,00285075
0,99959149
0,99948895
1,00014461
1,00008955
0,99996169
0,99998628
1,0000093
1,00000178
0,99999793
0,99999987
1,00000043
0,99999998

0
1,7
2,17833333
1,86391667
1,94244028
2,0180984
2,00555568
1,99425951
1,99907058
2,00111613
2,00002205
1,99975777
2,00001742
2,0000456
1,99999107
1,99999162
2,00000267
2,00000139
1,9999993
1,99999979
2,00000016
2,00000002

0
2,375
2,0875
2,82510417
3,05507292
2,98676832
2,97589398
3,00091728
3,00334155
2,99900659
2,99929043
3,00023304
3,00010368
2,99993712
2,99998446
3,00001394
3,00000148
2,99999698
3,00000002
3,0000006
2,99999993
2,99999989

0
2,8
4,18166667
3,98233333
3,88910972
3,99149222
4,01567582
3,99758653
3,99632691
4,00064345
4,00059469
3,99978079
3,99989595
4,00005314
4,00001446
3,99998744
3,99999837
4,00000269
4,00000003
3,99999945
4,00000005
4,0000001

x1,i+1
2,83333333
1,64583333
0,75652778
0,95994792
1,07351238
1,00648297
0,98645773
1,00080511
1,00285075
0,99959149
0,99948895
1,00014461
1,00008955
0,99996169
0,99998628
1,0000093
1,00000178
0,99999793
0,99999987
1,00000043
0,99999998
0,99999991

Los resultados del vector

se utilizan para estimar el vector
proceso iterativo se ven en la tabla anterior.

Marcelo F. Berdaguer

x2,i+1

x3,i+1

x4,i+1

ep1

ep2

ep3

ep4

1,7
2,17833333
1,86391667
1,94244028
2,0180984
2,00555568
1,99425951
1,99907058
2,00111613
2,00002205
1,99975777
2,00001742
2,0000456
1,99999107
1,99999162
2,00000267
2,00000139
1,9999993
1,99999979
2,00000016
2,00000002
1,99999996

2,375
2,0875
2,82510417
3,05507292
2,98676832
2,97589398
3,00091728
3,00334155
2,99900659
2,99929043
3,00023304
3,00010368
2,99993712
2,99998446
3,00001394
3,00000148
2,99999698
3,00000002
3,0000006
2,99999993
2,99999989
3,00000003

2,8
4,18166667
3,98233333
3,88910972
3,99149222
4,01567582
3,99758653
3,99632691
4,00064345
4,00059469
3,99978079
3,99989595
4,00005314
4,00001446
3,99998744
3,99999837
4,00000269
4,00000003
3,99999945
4,00000005
4,0000001
3,99999998

100
72,1518987
117,550945
21,1907475
10,5787757
6,65976619
2,03001515
1,43358422
0,20398208
0,32605939
0,01025901
0,06555597
0,005505
0,01278628
0,00245924
0,00230118
0,00075168
0,00038448
0,00019324
5,6499E-05
4,5231E-05

100
21,958684
16,8686011
4,04252383
3,74898097
0,62539891
0,56643418
0,24066509
0,10222061
0,05470348
0,01321572
0,01298279
0,00140889
0,00272686
2,7539E-05
0,00055278
6,4167E-05
0,00010419
2,4457E-05
1,8436E-05
6,9313E-06

100
13,7724551
26,1089193
7,52743899
2,28690656
0,36541394
0,833855
0,08071882
0,14454638
0,00946366
0,03141785
0,00431173
0,00555216
0,00157798
0,00098255
0,00041536
0,00015
0,00010127
1,9612E-05
2,2488E-05
1,4814E-06

100
33,0410522
5,0054407
2,39704245
2,56501815
0,60222985
0,45250537
0,03151949
0,1078962
0,00121865
0,02034862
0,00287902
0,00392973
0,00096719
0,00067528
0,0002731
0,00010803
6,6501E-05
1,4453E-05
1,505E-05
1,2954E-06

, los del vector

para estimar el vector

Pgina | 4

y as sucesivamente. Los resultados del

Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

3. Mtodo de Gauss-Seidel
Es similar al mtodo de Jacobi, presentando una particularidad:

[3.1]

[3.2]

[3.3]

Como se observa en [3.2] para calcular

se utiliza
Generalizando para n ecuaciones con n incgnitas:

calculada por [3.1], en vez de

Ejemplo:
Resolver el sistema de ecuaciones lineales del ejemplo 1 que se indica por el mtodo de Gauss-Seidel
empleando el mismo vector inicial
Al despejar las incgnitas que pertenecen a la diagonal principal del sistema, se genera:

[3.4]

Para la primera iteracin, al sustituir el vector inicial

en la primera ecuacin se tiene:

[3.5]
El resultado de [3.5] se utiliza para calcular

en la segunda ecuacin

A su vez
tenemos:

se utilizan para calcular

Marcelo F. Berdaguer

al sustituir estos valores en la tercera ecuacin

Pgina | 5

Seminario de Clculo Numrico

Mtodos Indirectos

Y finalmente las 3 aproximaciones anteriores se utilizan para estimar

Sistema de Ecuaciones Lineales

con la ltima ecuacin:

Los cuatro resultados anteriores que son la aproximacin da la solucin de la primera iteracin, se usan
para estimar los valores de las variables de la segunda iteracin y as sucesivamente. Los resultados
que se obtienen al apalicar el procedimiento descripto se muestran en la tabla siguiente:

Marcelo F. Berdaguer

Pgina | 6

Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

METODO DE GAUSS-SEIDEL
Iteracin
0
1
2
3
4
5
6
7
8
9
10
11

x1

x2

x3

x4

0
2,83333333
0,71527778
1,03040509
0,99613069
1,00039613
0,99995356
1,00000466
0,99999948
1,00000005
0,99999999
1

0
1,98333333
1,72069444
2,02378356
1,99524565
2,00042108
1,99993764
2,00000561
1,99999926
2,00000007
1,99999999
2

0
1,80833333
3,05256944
2,98175752
3,00116106
2,99977015
3,00001651
2,99999735
3,0000002
2,99999997
3
3

0
4,125
3,89770833
4,00718924
3,99850748
4,00011747
3,99998154
4,00000153
3,99999979
4,00000002
4
4

Marcelo F. Berdaguer

x1,i+1
2,83333333
0,71527778
1,03040509
0,99613069
1,00039613
0,99995356
1,00000466
0,99999948
1,00000005
0,99999999
1
1

x2,i+1
1,98333333
1,72069444
2,02378356
1,99524565
2,00042108
1,99993764
2,00000561
1,99999926
2,00000007
1,99999999
2
2

x3,i+1
1,80833333
3,05256944
2,98175752
3,00116106
2,99977015
3,00001651
2,99999735
3,0000002
2,99999997
3
3
3

x4,i+1

ep1

ep2

ep3

ep4

4,125
3,89770833
4,00718924
3,99850748
4,00011747
3,99998154
4,00000153
3,99999979
4,00000002
4
4
4

100
296,116505
30,5828569
3,44075354
0,42637519
0,04425952
0,0051107
0,00051872
5,7517E-05
5,7684E-06
6,2374E-07

100
15,2635402
14,9763604
1,4302958
0,25871687
0,02417262
0,00339874
0,00031748
4,0115E-05
3,7552E-06
4,4737E-07

100
40,7602885
2,37483835
0,64653428
0,04636699
0,0082118
0,00063876
9,5192E-05
7,7381E-06
1,0496E-06
8,7821E-08

100
5,83141803
2,73211212
0,21712492
0,04024864
0,0033983
0,0004996
4,3406E-05
5,7266E-06
5,0649E-07
6,2751E-08

Pgina | 7

Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

4. Condiciones de Convergencia
Teorema
Los mtodos de Jacobi y Gauss-Seidel convergirn si en la matriz de coeficientes el valor absoluto de cada
elemento de la diagonal principal es mayor que la suma de los valores absolutos de todos los dems
elementos de la misma fila o columna.
Entonces se asegura la convergencia si:

para

para

Cabe subrayar que son pocos los sistemas de ecuaciones lineales que cumplen con el criterio de
convergencia, sin embargop, si se ordenan las ecuaciones para que el sistema cumpla con el criterio,
entonces sta se alcanzar. En caso de no cumplirse por completo el teorema, por lo menos, se debe
aproximar lo ms que se pueda, para obtener algn beneficio.

5. Mtodo de Sobrerrelajaciones Sucesivas (SOR)

Si introducimos una simple modificacin al Mtodo de Gauss-Seidel, podemos obtener una mejora
sustancial en la velocidad de convergencia. Notemos que la expresin general del mtodo puede ser
escrita como:

Donde
es el residuo de la i-sima ecuacin.
Vamos a deducir este mtodo. Si tomamos la expresin general del mtodo de Gauss-Seidel:

Sumando y restando

Marcelo F. Berdaguer

nos queda

Pgina | 8

Seminario de Clculo Numrico

Mtodos Indirectos

Sistema de Ecuaciones Lineales

Reordenamos:

Si tomamos

nos queda:

La expresin anterior es otra frmula de clculo de Gauss-Seidel donde previamente la fila debe ser
dividida por el pivote (para poder considerar
)
El mtodo de sobrerrelajaciones sucesivas o SOR (Successive overrelaxation) est caracterizado por la
frmula:

Cons der ndo que e p r etro de re j c n debemos elegirlo de modo que nos permita obtener la
mxima velocidad de convergencia.

El factor se elije generalmente en forma emprica entre 1 y 2 o menos comnmente en forma terica
mediante los autovalores de la matriz de los coeficientes.
El coeficiente se denomina factor de relajamiento y si se es ms preciso en la expresin, se denomina
de sobrerrelajamiento si > 1 , abreviadamente SOR y de subrrelajamiento si < 1. En ningn caso se
expresa cual debe ser su valor numrico, que en principio queda librado a la iniciativa y/o experiencia
del calculista.
No obstante, por mtodos que exceden largamente a estas pginas, se demuestra que 0 < < 2 y
existen trabajos de investigacin enfocados en la determinacin del valor ptimo, aunque otros
trabajos ponen en duda esa propiedad. (J. Dancis. "The optimal is not best for the SOR iteration
method")

Marcelo F. Berdaguer

Pgina | 9