6.2 Sistemas de ecuaciones lineales.

Mtodos iterativos
Existen dos formas principales de acometer la resolucin numrica de sistemas de
ecuaciones lineales: mtodos directos e iterativos.

Los mtodos directos obtienen una solucin exacta del problema en un nmero finito de
pasos. La exactitud de la solucin no ocurre realmente debido a los inevitables errores de
redondeo. Algn ejemplo de mtodo directo es el mtodo de Gauss, el de factorizacin LU y
Cholesky.

Sin embargo, en el caso de tener sistemas de ecuaciones muy grandes no es viable la

utilizacin de mtodos directos por la gran cantidad de operaciones a realizar (del orden de N3)
y con ello el tiempo de ejecucin que se necesitara y la prdida de precisin por propagacin
de errores de redondeo. En ingeniera es habitual encontrarse con este tipo de sistemas que
adems suelen tener la caracterstica de poseer una gran cantidad de coeficientes igual a cero
(matrices poco densas que se tratan utilizando tcnicas sparse de almacenamiento). Por
ejemplo, el mtodo de Gauss presentara en estos casos varias dificultades:

Puede ser muy lento, su complejidad temporal es O( N 3 ) .

Modifica la matriz del sistema, lo cual puede hacer que desaparezca la ventaja inicial
de tener muchos coeficientes iguales a cero.
Necesita almacenar matrices completas.
Para obtener la solucin es necesario realizar todo el tratamiento. En las etapas
intermedias no se dispone de ninguna aproximacin de la solucin.

Los mtodos iterativos resuelven el sistema Ax b de forma aproximada. Para ello comienzan
descomponiendo la matriz A P Q , con lo que el sistema queda,

( P Q) x b Px Qx b .

A continuacin se elige una primera aproximacin x(0) a la solucin (generalmente de forma

arbitraria, en ausencia de otra informacin) y se calcula una nueva aproximacin segn la
frmula,

Px (1) Qx (0) b,
para seguir con este proceso hasta que el mtodo converja, es decir se debe aplicar el
esquema iterativo

Px ( n 1) Qx ( n ) b, n 0,1,...

hasta que se cumpla un criterio de parada que puede ser, por ejemplo, que la distancia entre
dos aproximaciones sucesivas x( n1) x( n ) sea menor que la tolerancia admisible en el
mtodo.

Estos mtodos no siempre convergen en un nmero razonable de iteraciones y en ocasiones

ni siquiera convergen pero presentan las siguientes ventajas:
 No modifican la matriz del sistema y en general slo precisan multiplicar por la matriz
del sistema o por partes de ella.
Son bastante estables frente a los errores de redondeo.
Permiten disponer en cada etapa de una aproximacin de la solucin.

Trataremos a continuacin uno de estos mtodos, el mtodo de Jacobi.

Dada la matriz de coeficientes

a11 a12 a13 . a1N

a21 a22 a23 . a2 N
A a31 a32 a33 . a3 N ,

. . . . .
a aNN
N 1 aN 2 aN 3 .

el mtodo de Jacobi se basa en la siguiente descomposicin de A:

A D L U

siendo:

a11 0 . 0 0 0 . 0 0 a12 . a1N

0 a22 . 0 a 0 . 0 0 0 . a2 N
D , L 21 , U .
. . . . . . . . . . . .

0 0 . aNN aN 1 aN 2 . 0 0 0 . 0

Como habamos indicado que estos mtodos iterativos descomponen la matriz A P Q , en

el mtodo de Jacobi se toma P D y Q ( L U ) , es decir el esquema iterativo queda

Dx ( n1) ( L U ) x ( n ) b, n 0,1,...

Si la matriz A es de tamao N N , las sucesivas soluciones x ( n 1) son vectores de tamao

N 1 . En cada iteracin, por tanto, se debe calcular las N componentes del vector x ( n 1) .
Observemos que dadas las caractersticas de las matrices, las operaciones a realizar en cada
iteracin son las siguientes,
 a11 x1( n 1) fila1( L U ).x ( n ) b1 ,
a22 x2( n 1) fila 2( L U ).x ( n ) b2 ,
a33 x3( n 1) fila3( L U ).x ( n ) b3 ,
...

( n 1)
donde la notacin x j indica componente j-sima del vector solucin de la iteracin (n+1). En
lo anterior hemos supuesto a j j 0, j 1,..., N .
Observemos que las nicas operaciones a realizar son productos escalares entre vectores
adems de operaciones escalares y que no se necesita almacenar ninguna matriz adems de A.

En la leccin 6.4 aparece un ejercicio donde se utiliza el mtodo de Jacobi.