_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
El sistema se puede escribir en forma matricial como AX = B.
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
_
_
x
1
x
2
. . .
x
n
_
_
_
_
=
_
_
_
_
b
1
b
2
. . .
b
m
_
_
_
_
La matriz
A =
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
_
_
_
_
se llama la matriz de los coecientes, la matriz
X =
_
_
_
_
x
1
x
2
. . .
x
n
_
_
_
_
1
Universidad de Cadiz Departamento de Matematicas
se llama la matriz de las inc ognitas y la matriz
B =
_
_
_
_
b
1
b
2
. . .
m
_
_
_
_
se llama la matriz de los terminos independientes.
Si formamos la matriz A
= (A|B) =
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
. . . . . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
Ejemplo 2.1.1.1 Dado el sistema
_
_
_
2x
1
x
2
+ 5x
3
+ x
4
= 26
x
1
+ 4x
2
+ 2x
3
+ x
4
= 3
3x
1
+ 2x
2
+ 6x
4
= 10
la matriz de los coecientes es A =
_
_
2 1 5 1
1 4 2 1
3 2 0 6
_
_
, la matriz de las inc ognitas es
X =
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
, la matriz de los terminos independientes es B =
_
_
26
3
10
_
_
y la matriz
ampliada es A
=
_
_
2 1 5 1 26
1 4 2 1 3
3 2 0 6 10
_
_
Denici on 2.1.2 Se llama solucion de un sistema de m ecuaciones lineales con n incognitas
a un conjunto de n n umeros (
1
,
2
, ,
n
) que satisfacen todas las ecuaciones del sis-
tema, es decir,
_
_
a
11
1
+ a
12
2
+ + a
1n
n
= b
1
a
21
1
+ a
22
2
+ + a
2n
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
1
+ a
m2
2
+ + a
mn
n
= b
m
Ejemplo 2.1.1.2 (2, 1, 4, 1) es una soluci on del sistema del ejemplo anterior, (8, 2, 3, 3)
es otra soluci on de dicho sistema.
Denici on 2.1.3 Resolver un sistema de ecuaciones lineales es hallar todas sus solu-
ciones.
2
Denici on 2.1.5 Se dice que un sistema es compatible determinado si posee una unica
solucion. Se dice que un sistema es compatible indeterminado cuando la solucion no es
unica.
2.2 Sistemas equivalentes
Denici on 2.2.1 Dos sistemas con igual n umero de incognitas se llaman equivalentes
cuando tienen las mismas soluciones.
Dos sistemas son equivalentes cuando uno puede ser obtenido del otro mediante una o
m as de las siguientes operaciones
Intercambiar dos ecuaciones entre s.
Multiplicar una ecuacion por un n umero no nulo.
Sumar a una ecuaci on otra multiplicada por un n umero.
Si el sistema lo escribimos en forma matricial AX = B, las tres operaciones con sistemas
corresponden a las tres operaciones elementales sobre las las de la matriz ampliada.
Ejemplo 2.2.2.1
1. El sistema
_
_
_
x y + z = 3
2x + 3y 4z = 1
x + 9y 2z = 4
es equivalente al
_
_
_
x y + z = 3
5y 6z = 7
3z = 5
2. El sistema
_
_
_
x y + z = 3
2x + 3y 4z = 1
x + 9y 11z = 11
es equivalente al
_
x y + z = 3
5y 6z = 7
En ambos casos es mas sencillo resolver el segundo que el primero.
3
Universidad de Cadiz Departamento de Matematicas
Denici on 2.2.2 Un sistema de ecuaciones se dice que es un sistema triangular cuando
la matriz de los coecientes es una matriz triangular, es decir verica que todos lo ele-
mentos situados por debajo de la diagonal principal son nulos.
Ejemplo 2.2.2.2 El sistema
x
1
2x
2
+ x
3
x
4
= 5
x
2
+ 2x
3
+ 3x
4
= 1
x
3
2x
4
= 4
x
4
= 7
_
_
es triangular ya que la matriz de los coecientes es
A =
_
_
_
_
1 2 1 1
0 1 2 3
0 0 1 2
0 0 0 1
_
_
_
_
=
_
_
1 1 2 1
0 0 1 1
0 0 0 1
_
_
Ejemplo 2.2.2.4
x
1
+ 2x
2
x
3
+ x
4
= 1
x
2
+ 2x
3
= 5
x
3
+ x
4
= 1
_
_
_
= A
=
_
_
1 2 1 1 1
0 1 2 0 5
0 0 1 1 1
_
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
se dice que es un sistema de Cramer si se verica que el determinante de la matriz de los
coecientes es distinto de cero.
4
i)
a
11
a
12
b
1
a
1n
a
21
a
22
b
2
a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
b
n
a
nn
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
3 1 1
4 2 1
2 3 7
= 0
tendremos
x =
1 1 1
5 2 1
12 3 7
3 1 1
4 2 1
2 3 7
= 1 y =
3 1 1
4 5 1
2 12 7
3 1 1
4 2 1
2 3 7
= 1 z =
3 1 1
4 2 5
2 3 12
3 1 1
4 2 1
2 3 7
= 1
5
Universidad de Cadiz Departamento de Matematicas
2.4 Metodo de eliminaci on de Gauss
El algoritmo de eliminacion de Gauss consiste en transformar un sistema de ecuaciones
lineales en otro equivalente que sea triangular
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
a
nn
x
n
= b
n
o escalonado.
_
_
a
11
x
1
+ a
12
x
2
+ + a
1r
x
r
+ + a
1n
x
n
= b
1
a
22
x
2
+ + a
2r
x
r
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
rr
x
r
+ + a
rn
x
n
= b
r
El proceso mediante el cual se consigue esta transformacion es llamado Eliminacion de
incognitas, y despues, mediante el proceso Sustitucion hacia atras podemos obtener todas
las incognitas.
Sea un sistema cualquiera escrito en forma matricial AX = B y consideramos la matriz
ampliada A
= (A|B) =
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
. . . . . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
Mediante operaciones elementales transformamos dicha matriz en una m as sencilla.
1. Supongamos que a
11
= 0. Multiplicamos la primera ecuaci on por
1
a
11
_
_
_
_
1 a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
. . . . . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
2. Sumamos a la la iesima la primera multiplicada por el elemento a
i1
, siendo
i = 2, 3, , m, obtenemos una matriz equivalente a la matriz A
12
. . . a
1n
b
1
0 a
22
. . . a
2n
b
2
. . . . . . . . . . . . . . .
0 a
m2
. . . a
mn
b
m
_
_
_
_
3. En la matriz obtenida consideramos el elemento que ocupa la posici on (2,2) y que
representamos por a
22
y si a
22
= 0, multiplicamos la segunda la por
1
a
22
y hacemos
ceros todos los elementos que est an debajo suya utilizando la misma tecnica que
con el a
11
.
6
_
2x + y z = 3
x 2y + 2z = 1
2x + y + z = 5
.
Partiendo de la matriz ampliada y efectuando las operaciones elementales necesarias
obtenemos
_
_
2 1 1 3
1 2 2 1
2 1 1 5
_
_
_
_
1
1
2
1
2
3
2
1 2 2 1
2 1 1 5
_
_
_
_
1
1
2
1
2
3
2
0
5
2
5
2
5
2
0 0 2 8
_
_
_
_
1
1
2
1
2
3
2
0 1 1 1
0 0 1 4
_
_
Lo que equivale al siguiente sistema
_
_
_
x +
1
2
y
1
2
z =
3
2
y z = 1
z = 4
cuya soluci on es:
x = 1, y = 3, z = 4
El sistema anterior es un sistema COMPATIBLE DETERMINADO.
2. Resolver el siguiente sistema de ecuaciones
_
_
_
x + 2y 3z 16t = 4
y + 2z 3t = 6
x y + z + 9t = 2
Partiendo de la matriz ampliada y efectuando las operaciones elementales necesarias
obtenemos
_
_
1 2 3 16 4
0 1 2 3 6
1 1 1 9 2
_
_
_
_
1 2 3 16 4
0 1 2 3 6
0 1 2 7 2
_
_
7
Universidad de Cadiz Departamento de Matematicas
_
_
1 2 3 16 4
0 1 2 3 6
0 0 4 4 4
_
_
_
_
1 2 3 16 4
0 1 2 3 6
0 0 1 1 1
_
_
Lo que equivale al siguiente sistema
_
_
_
x + 2y 3z 16t = 4
y + 2z 3t = 6
z + t = 1
cuya soluci on es:
x = 1 + 3t, y = 4 + 5t, z = 1 t
El sistema anterior es un sistema COMPATIBLE INDETERMINADO.
3. Resolver el siguiente sistema de ecuaciones
_
_
_
x + y + 2z + 3t = 1
x 2y 3z 4t = 0
2x + 3y + 5z + 7t = 1
Partiendo de la matriz ampliada y efectuando las operaciones elementales necesarias
obtenemos
_
_
1 1 2 3 1
1 2 3 4 0
2 3 5 7 1
_
_
_
_
1 1 2 3 1
0 1 1 1 1
0 1 1 1 3
_
_
_
_
1 1 2 3 1
0 1 1 1 1
0 0 0 0 2
_
_
El sistema no tiene solucion, es INCOMPATIBLE.
_
AX = B
se verica que el sistema tiene solucion si y solo si el rango de la matriz de los coecientes
es igual al rango de la matriz ampliada.
es decir, se cumple que: rango A = rango (A|B)
rango
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
_
_
_
_
= rango
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
. . . . . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
= r
Se pueden dar las siguientes situaciones:
8
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
. . . . . . . . .
a
r1
x
1
+ a
r2
x
2
+ + a
rn
x
n
= b
r
que es equivalente al primitivo.
Mediante el metodo de eliminacion de Gauss lo podemos transformar en un sistema
escalonado.
Ejemplo 2.5.5.1
1. Resolver el siguiente sistema de ecuaciones
_
_
_
2x + y + z = 7
4x + 2y = 8
3x y + z = 2
Calculamos los rangos mediante operaciones elementales
A
=
_
_
2 1 1 7
4 2 0 8
3 1 1 2
_
_
F
2
2,1
, F
3
2
3,1
_
_
_
2 1 1 7
0 0 2 6
0
1
2
5
2
17
2
_
_
_
F
2,3
_
_
_
2 1 1 7
0
1
2
5
2
17
2
0 0 2 6
_
_
_
Como el rango de la matriz de los coecientes A =
_
_
2 1 1
4 2 0
3 1 1
_
_
es igual a 3 y
tambien al rango de la ampliada es 3 e igual al n umero de inc ognitas, el sistema es
9
Universidad de Cadiz Departamento de Matematicas
COMPATIBLE DETERMINADO.
El sistema triangular equivalente es
_
_
_
2x + y + z = 7
1
2
y +
5
2
z =
17
2
2z = 6
su solucion es
x = 1, y = 2, z = 3
2. Resolver el siguiente sistema de ecuaciones
_
_
2x + y + z = 3
x + 3y + 3z = 4
3x + y + z = 2
4x + 3y z = 1
x + 8y + 8z = 9
A
=
_
_
_
_
_
_
2 1 1 3
1 3 3 4
3 1 1 2
4 3 1 1
1 8 8 9
_
_
_
_
_
_
F
1
2
2,1
, F
3
2
3,1
, F
2
4,1
, F
1
2
5,1
_
_
_
_
_
_
_
_
_
_
2 1 1 3
0
5
2
5
2
5
2
0
5
2
5
2
5
2
0 1 3 7
0
15
2
15
2
15
2
_
_
_
_
_
_
_
_
_
_
F
1
3,2
, F
2
5
,F
3
5,2
4,2
_
_
_
_
_
_
_
2 1 1 3
0
5
2
5
2
5
2
0 0 0 0
0 0 4 8
0 0 0 0
_
_
_
_
_
_
_
F
3,4
_
_
_
_
_
_
_
2 1 1 3
0
5
2
5
2
5
2
0 0 4 8
0 0 0 0
0 0 0 0
_
_
_
_
_
_
_
como el rango de la matriz de los coecientes es 3 y el rango de la ampliada tambien
es 3, suprimimos dos ecuaciones y obtenemos un sistema triangular equivalente al
dado
_
_
2x + y + z = 3
5
2
y +
5
2
z =
5
2
4z = 8
cuya soluci on es x = 1, y = 1, z = 2
3. Resolver el siguiente sistema de ecuaciones
_
_
2x + 3y z + t + u = 1
x y + 2z + 3t u = 2
5x 2y z t + 5u = 4
8x 3t + 5u = 1
10
1
2
2,1
, F
5
2
3,1
, F
4
4,1
_
_
_
_
_
_
_
2 3 1 1 1 1
0
5
2
5
2
5
2
3
2
3
2
0
19
2
3
2
7
2
5
2
13
2
0 12 4 1 1 5
_
_
_
_
_
_
_
F
19
5
3,2
, F
24
5
4,2
_
_
_
_
_
_
_
_
2 3 1 1 1 1
0
5
2
5
2
5
2
3
2
3
2
0 0 8 13
41
5
61
5
0 0 8 13
41
5
61
5
_
_
_
_
_
_
_
_
F
1
4,3
_
_
_
_
_
_
_
2 3 1 1 1 1
0
5
2
5
2
5
2
3
2
3
2
0 0 8 13
41
5
61
5
0 0 0 0 0 0
_
_
_
_
_
_
_
y el n umero de incognitas es 5, se trata de un SISTEMA COMPATIBLE INDE-
TERMINADO. Suprimimos la ecuacion que no ha intervenido en el calculo del
rango y obtenemos un sistema escalonado equivalente al dado
_
_
2x + 3y z + t + u = 1
5
2
y +
5
2
z +
5
2
t +
5
2
u =
3
2
8z 13t +
41
5
u =
61
5
cuya soluci on es:
_
_
x =
1
40
(5 15t 25u)
y =
1
40
(37 25t + 17u)
z =
1
40
(61 65t + 41u)
t = t
u = u
4. Resolver el siguiente sistema de ecuaciones
_
_
_
2x + y + z = 7
4x + 2y = 8
2x + y = 1
SISTEMA INCOMPATIBLE
11
Universidad de Cadiz Departamento de Matematicas
2.6 Sistemas homogeneos. Espacio nulo de una ma-
triz
Denici on 2.6.1 Los sistemas homogeneos son aquellos que tienen todos los terminos
independientes iguales a cero, es decir son sistemas del tipo
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0
.
.
.
.
.
.
.
.
.
.
.
. 0
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0
En los sistemas homogeneos siempre se verica que rang(A)=rang(A
) y por tanto un
sistema homogeneo siempre tiene solucion. A la soluci on
x
1
= x
2
= = x
n
= 0
la llamamos Solucion trivial.
Nos interesan soluciones distintas de la trivial, y para ello debe ocurrir que el rango de
la matriz de los coecientes sea menor que el n umero de inc ognitas.
Ejemplo 2.6.6.1
1. Resolver el siguiente sistema de ecuaciones
_
_
_
x y + 2z t = 0
2x + 3y 4z + 2t = 0
3x z t = 0
Se verica que rang(A)=2, y la soluci on sera
x = t, y = 4t, z = 2t
2. Resolver el siguiente sistema de ecuaciones
_
_
x
1
+ 2x
2
+ x
3
2x
4
= 0
2x
1
x
2
+ x
3
+ x
4
= 0
x
1
2x
2
+ 2x
3
x
4
= 0
8x
1
+ 6x
2
x
3
= 0
7x
1
5x
2
x
4
= 0
Se verica que rang(A)=4, y la soluci on sera la trivial.
Denici on 2.6.2 Se llama espacio nulo de una matriz A, al conjunto formado por
todas las matrices columna X tales que AX = 0
En denitiva, para calcular el espacio nulo de una matriz A hemos de resolver el sistema
homogeneo AX = 0.
12
= max
1in
n
j=1
|a
ij
|.
es decir, la norma innito de una matriz es el maximo de la suma de los valores
absolutos de los elementos de cada la. Es por ello que la norma l
tambien se
denomina norma la.
Ejemplo 2.7.7.1 Consideramos la matriz
A =
_
_
_
_
1 0 1 2
6 1 0 1
3 5 0 1
1 0 1 0
_
_
_
_
La norma innita de A ser a
A
=
max {|1| + |0| + | 1| + |2|, | 6| + |1| + |0| + | 1|,
|3| + |5| + |0| + |1|, |1| + |0| + | 1| + |0|} =
max {4, 8, 9, 2} = 9
2. Sea A M
n
. Entonces
A
1
= max
1jn
n
i=1
|a
ij
|.
es decir, la norma uno es el maximo de la suma de los valores absolutos de los
elementos de cada columna.
14
_
suponiendo que conocemos una soluci on aproximada del sistema x
(0)
= (x
0
, y
0
, z
0
) o bien
consideramos que la solucion es x
(0)
= 0 = (x
0
= 0, y
0
= 0, z
0
= 0) la utilizamos para
sustituir en la parte derecha de todas las igualdades anteriores,
x =
1
2
0 +1 = 1 = 1.,
y = 0 +
1
3
0
4
3
=
4
3
= 0.66667,
z =
1
2
0 +
3
8
0 +
5
8
=
5
8
= 0.625
_
_
de esta forma hemos obtenido la primera iteraci on del metodo, x
(1)
= (x
(1)
= 1, y
(1)
=
0.66667, z
(1)
= 0.625), con esta nueva solucion aproximada actuamos de igual forma
15
Universidad de Cadiz Departamento de Matematicas
para conseguir una nueva iteracion
x
(2)
=
1
2
0.66667 +1 = 0.66667,
y
(2)
= 1 +
1
3
0.625
4
3
= 0.625,
z
(2)
=
1
2
1 +
3
8
0.66667 +
5
8
= 0.125
_
_
ya tenemos la segunda iteraci on del metodo x
(2)
= (0.66667, 0.625, 0.125) que la us-
amos para obtener la tercera iteracion.
x
(2)
=
1
2
0.625 +1 = 0.6875,
y
(2)
= 0.66667 +
1
3
0.125
4
3
= 0.819444,
z
(2)
=
1
2
0.66667 +
3
8
0.625 +
5
8
= 0.057291
_
_
as hemos conseguido la tercera iteracion x
(3)
= (0.6875, 0.819444, 0.0572917), este
metodo se conoce como metodo de Jacobi. Si continuamos iterando obtenemos;
x
(4)
= (0.590278, 0.762153, 0.0260417)
x
(5)
= (0.618924, 0.773727, 0.0440538)
x
(6)
= (0.613137, 0.755136, 0.0253906)
x
(7)
= (0.622432, 0.760393, 0.0352557)
x
(8)
= (0.619804, 0.758653, 0.0286368)
x
(9)
= (0.620673, 0.760422, 0.0306031)
x
(10)
= (0.619789, 0.759911, 0.0295052)
Observar que todas las componentes del vector se van repitiendo, lo que nos indica que
podramos parar en la iteraci on x
(10)
y darla como soluci on aproximada del problema,
solo que no debe ser muy buena ya que en cada iteracion solo se repiten 2 dgitos, si
calculamos el error que se comete es decir la diferencia entre la solucion exacta y la
aproximada, obtendremos
x x
(10)
= 4.910
4
El metodo de Jacobi es claramente mejorable, si pensamos que cada iteracion que real-
izamos es mejor que la anterior, deberamos aprovechar los valores que vamos obteniendo.
Es decir en el ejemplo con el que trabajamos
x
(1)
=
1
2
(x
(0)
= 0) +1 = 1,
y
(1)
= (x
(0)
= 0)
. .
se podra utilizarx
(1)
+
1
3
(z
(0)
= 0)
4
3
= 0.66667,
z(1) =
1
2
(x
(0)
= 0)
. .
se podra utilizarx
(1)
+
3
8
(y
(0)
= 0)
. .
se podra utilizary
(1)
+
5
8
= 0.625
_
_
16
_
la iteracion primera resulta x
(1)
= (1., 0.833333, 0.1875), volvemos a iterar
x
(2)
=
1
2
0.833333 +1 = 0.583333,
y
(2)
= 0.583333
. .
+
1
3
0.1875
4
3
= 0.826389,
z
(2)
=
1
2
0.583333
. .
+
3
8
0.826389
. .
+
5
8
= 0.0234375
_
_
as hemos conseguido la segunda iteraci on x
(2)
= (0.583333, 0.826389, 0.0234375), este
metodo se conoce como metodo de Gauss-Seidel. Si continuamos iterando obtenemos;
x
(3)
= (0.586806, 0.756655, 0.0478516)
x
(4)
= (0.621672, 0.754328, 0.0312907)
x
(5)
= (0.622836, 0.760042, 0.0285661)
x
(6)
= (0.619979, 0.760474, 0.0298327)
x
(7)
= (0.619763, 0.760016, 0.0301125)
x
(8)
= (0.619992, 0.759961, 0.0300186)
x
(9)
= (0.620019, 0.759997, 0.0299914)
x
(10)
= (0.620001, 0.760003, 0.0299981)
podramos parar en la iteracion x
(10)
y darla como soluci on aproximada del problema, en
este caso en cada iteracion se repiten unos 4 dgitos. Calculemos el error
x x
(10)
= (1.4859 10
6
, 3.11437 10
6
, 1.91084 10
6
)
= 3.110
6
2.7.4 Construcci on efectiva de los metodos
La forma de proceder anteriormente es tediosa, por lo que intentaremos expresar las
iteraciones en forma matricial. Para construir la matriz T descomponemos la matriz A
en suma de tres matrices, una con su parte inferior L, otra con su parte diagonal D y por
ultimo una con su parte superior U; de esta forma tenemos A = L+D+U. Por ejemplo
_
_
_
_
1 2 3 4
5 6 7 8
2 4 6 8
1 3 5 7
_
_
_
_
. .
A
=
_
_
_
_
0 0 0 0
5 0 0 0
2 4 0 0
1 3 5 0
_
_
_
_
. .
L
+
_
_
_
_
1 0 0 0
0 6 0 0
0 0 6 0
0 0 0 7
_
_
_
_
. .
D
+
_
_
_
_
0 2 3 4
0 0 7 8
0 0 0 8
0 0 0 0
_
_
_
_
. .
U
Entonces el sistema de la forma Ax = b lo podemos escribir como (L+D+U)x = b lo que
nos permitira realizar transformaciones algebraicas para obtener la matriz de iteraci on
T, asi para obtener el metodo de Jacobi procederemos
17
Universidad de Cadiz Departamento de Matematicas
(L + D + U)x = b = Dx = (L + U)x +b = x = D
1
(L + U)x + D
1
b,
siempre que exista D
1
, es decir, siempre que a
ii
= 0, 1 i n. Denimos entonces la
matriz de iteraci on de Jacobi como
A
J
= D
1
(L + U).
Entonces, si c
j
= D
1
b, el metodo de Jacobi se dene como
x
(0)
conocido,
x
(k+1)
= A
J
x
(k)
+c
j
.
_
Ejemplo 2.7.7.3 Resolvamos el sistema anterior, utilizando el metodo de Jacobi.
2x y = 2,
x + 6y 2z = 4,
4x 3y + 8z = 5,
_
_
_
Descomponemos la matriz asociada al sistema
_
_
2 1 0
1 6 2
4 3 8
_
_
. .
A
=
_
_
0 0 0
1 0 0
4 3 0
_
_
. .
L
+
_
_
2 0 0
0 6 0
0 0 8
_
_
. .
D
+
_
_
0 1 0
0 0 2
0 0 0
_
_
. .
U
ahora construimos la matriz de iteracion de Jacobi
D
1
(L + U) =
_
_
2 0 0
0 6 0
0 0 8
_
_
1
_
_
_
_
0 0 0
1 0 0
4 3 0
_
_
+
_
_
0 1 0
0 0 2
0 0 0
_
_
_
_
=
_
_
1/2 0 0
0 1/6 0
0 0 1/8
_
_
_
_
0 1 0
1 0 2
4 3 0
_
_
=
_
_
0 1/2 0
1/6 0 1/3
1/2 3/8 0
_
_
y el termino independiente
c
j
= D
1
b =
_
_
1/2 0 0
0 1/6 0
0 0 1/8
_
_
_
_
2
4
5
_
_
=
_
_
1
2/3
5/8
_
_
Tan solo queda iterar en la expresion
x
n+1
=
_
_
0 1/2 0
1/6 0 1/3
1/2 3/8 0
_
_
x
n
+
_
_
1
2/3
5/8
_
_
Entonces partiendo de x
0
= (0, 0, 0) se obtiene
x
(0)
= (0, 0, 0)
x
(1)
= T
j
x
0
+ c
j
= (1, 2/3, 5/8) = (1, 0.66667, 0.625),
x
(2)
= T
j
x
1
+ c
j
= (0.66667, 0.625, 0.125),
.
.
.
.
.
.
.
.
.
x
(15)
= T
j
x
14
+ c
j
= (0.62001, 0.76, 0.030008),
x
(16)
= T
j
x
15
+ cj =(0.62, 0.76, 0.02995).
18
, es
igual que observar que se repiten todas las componentes.
En este ejemplo si paramos en la iteraci on x
16
diremos que el error cometido es x
16
x
15
= (0.00001, 0, 0.000058)
= 0.000058 = 5.810
5
_
_
1/2 0 0
1/12 1/6 0
9/32 1/16 1/8
_
_
_
_
0 1 0
0 0 2
0 0 0
_
_
=
_
_
0 1/2 0
0 1/12 1/3
0 9/32 1/8
_
_
y el termino independiente
c
g
= (D + L)
1
b =
_
_
1/2 0 0
1/12 1/6 0
9/32 1/16 1/8
_
_
_
_
2
4
5
_
_
=
_
_
1
5/6
3/16
_
_
Tan solo queda iterar en la expresion
x
n+1
=
_
_
0 1/2 0
0 1/12 1/3
0 9/32 1/8
_
_
x
n
+
_
_
1
5/6
3/16
_
_
19
Universidad de Cadiz Departamento de Matematicas
Entonces partiendo de x
0
= (0, 0, 0) se obtiene
x
0
= (0, 0, 0)
x
1
= T
g
x
0
+ c
g
= (1, 5/6, 3/16) = (1, 0.83333, 0.1875),
x
2
= T
g
x
1
+ c
g
= (0.583333, 0.826389, 0.0234375),
x
3
= T
g
x
2
+ c
g
= (0.586806, 0.756655, 0.0478516),
x
4
= T
g
x
3
+ c
g
= (0.621672, 0.754328, 0.0312907),
x
5
= T
g
x
4
+ c
g
= (0.622836, 0.760042, 0.0285661),
x
6
= T
g
x
5
+ cg =(0.619979, 0.760474, 0.0298327),
x
7
= T
g
x
6
+ cg =(0.619763, 0.760016, 0.0301125).
Si decidimos parar en la iteraci on septima x
7
diremos que el error cometido es x
7
x
6
=
(0.000215999, 0.000458183, 0.000279818)
= 0.000458183 = 4.510
4
Observar que en muchas menos iteraciones hemos conseguido una aproximaci on similar, es
por esto que en los metodos iterativos hay que tratar tambien la velocidad de convergencia
a la soluci on; lo que provoca adem as que se generen mas metodos.
Por ultimo comentar otros metodos que provienen de considerar R, > 0. Entonces
Ax = b (L + D + U)x = b
[(L + D + U) D + D]x = b (D + L)x = [(1 )D U]x + b.
Podemos denir entonces el metodo iterado
x
(0)
conocido,
x
(k+1)
= (D + L)
1
[(1 )D U]x
(k)
+ (D + L)
1
b.
_
Este tipo de algoritmo se conoce como metodo de relajacion:
Si 0 < < 1, nos encontramos ante los llamados metodos de subrrelajaci on; este
algoritmo suele usarse cuando el metodo de GaussSeidel no converge.
Cuando > 1, tenemos los metodos de sobrerrelajaci on, que resultan de gran
utilidad para la resolucion de sistemas que surgen en la discretizaci on de ecuaciones
diferenciales.
2.7.5 Convergencia
Teorema 2.7.2 Diremos que un metodo iterado x = Tx + c es convergente si y solo si
la matriz de iteracion es convergente
Teorema 2.7.3 Una condicion suciente para que una matriz sea convergente es que
tenga alguna norma menor que uno, T 1
Ejemplo 2.7.7.5 En el ejemplo anterior la matriz de iteraci on para el metodo de Jacobi
es
T
j
=
_
_
0 1/2 0
1/6 0 1/3
1/2 3/8 0
_
_
si calculamos su norma innita T
j
20
21