Está en la página 1de 15

El mtodo de Gauss-Seidel es un refinamiento del mtodo de Jacobi que generalmente (pero no

siempre) converge ms rpido. El ltimo valor de cada variable es sustituido en cada paso en el
proceso iterativo. El mtodo de Gauss-Seidel, es un mtodo iterativo y por lo mismo, resulta ser
un mtodo bastante eficiente. A continuacin se presenta un sistema de ecuaciones:

De la ecuacin 1 se despeja x1 , de la ecuacin 2 despeja x 2 , , de la ecuacin n se


despeja

xn

. Resolviendo lo anterior se obtiene el siguiente conjunto de ecuaciones:

Este ltimo conjunto de ecuaciones son las que forman las frmulas iterativas. Para
comenzar el proceso iterativo, le se le asigna el valor de cero a las variables

x 2 ,, xn

esto dar un primer valor para x1 . Ms precisamente, se tiene que:

A continuacin, se sustituye este valor de x 2 en la ecuacin 2, y las variables


x3 ,..., x n siguen teniendo el valor de cero. Esto nos da el siguiente valor para x 2 :

Estos ltimos valores de x1 y x 2 , se sustituyen en la ecuacin 3, mientras que


x 4 ,..., x n siguen teniendo el valor de cero; y as sucesivamente hasta llegar a la ltima

Mtodo de Gauss-Seidel
ecuacin. Todo este paso, darn una lista de primeros valores para las incgnitas, la
cual conforma el primer paso en el proceso iterativo. Digamos que se tiene:

Se repite el proceso, pero ahora sustituyendo estos ltimos datos en vez de ceros
como al inicio, se obtendr una segunda lista de valores para cada una de las
incgnitas. Por lo tanto ahora se tiene:

En este momento, se puede calcular los errores aproximados relativos, respecto a cada
una de las incgnitas. As, se tiene la lista de errores como sigue:

El proceso se vuelve a repetir hasta que:

donde s es una cota suficiente prefijada.

Criterio de Convergencia para el mtodo de Gauss-Seidel

Mtodo de Gauss-Seidel
El mtodo de Gauss-Seidel surgio como una modificacin del mtodo de Jacobi que
acelera la convergencia de ste.
El mtodo de Gauss-Seidel recorta sustancialmente el nmero de iteraciones a realizar
para obtener una cierta precisin en la solucin. Evidentemente los criterios de
convergencia son similares a los de Jacobi.
Este criterio no solo se aplica a las ecuaciones lineales que se resuelven con el mtodo
de Gauss-Seidel sino tambin para el mtodo iterativo del punto fijo y el mtodo de
jacobi. Por tanto, al aplicar este criterio sobre las ecuaciones de Gauss-Seidel y
evaluando con respecto a cada una de las incgnitas, obtenemos la expresin
siguiente:
a21
1
a22

a12
1
a11

El valor absoluto de las pendientes en la ecuacin, deben ser menor que la unidad para
asegurar la convergencia.
a22 a21

a11 a12

Es decir, el elemento diagonal debe ser mayor que el elemento fuera de la diagonal
para cada regln de ecuaciones. La generalizacin del criterio anterior para un sistema
de n ecuaciones es:
n
aii ai , j
j 1
j i

El mtodo de Gauss-Seidel est basado en el concepto de punto fijo, es decir ( xi = gi


(x), i = 1.. n), para resolver sistemas de ecuaciones lineales.
Para garantizar la convergencia se debe de cumplir que el sistema tenga una diagonal
dominante, es decir que se cumpla la desigualdad siguiente, si se cambi el orden de
las ecuaciones esta puede divergir.
n
aii aij
i1
j i

Ejemplo 1:

Mtodo de Gauss-Seidel
Emplee el mtodo de Gauss-Seidel con relajacin para resolver (=0.90 y a =
5%):
-5 X1

+ 12 X3

4 X1 1 X2
6 X1 + 8 X2

= 80

1 X3

=-2

= 45

Si es necesario reordene las ecuaciones para que el sistema converja:


Si lo pasamos al formato de una matriz y su vector de resultados, obtenemos lo
12 x1
5
80
4 1 1 x 2

8
x3
45
siguiente:
Verificando el criterio de convergencia mediante la siguiente ecuacin:
n

ai ,i ai , j
j 1
j i

Resolviendo esta ecuacin para un sistema de 3 x 3 obtenemos lo siguiente:


a11 a12 a13
a 22 a 21 a 23
a 33 a31 a32

Convergencia: Esto quiere decir que el elemento diagonal debe ser mayor al
elemento fuera de la diagonal para cada fila. Por tanto reorganizamos el sistema de la
siguiente forma
4 1 1 x1
2

x 2 45
5
80
12 x3

4 1 1

8 6
12 5

Por lo tanto se puede asegurar la convergencia con este arreglo.


Las siguientes frmulas las utilizamos para encontrar X1, X2 y X3 en cada una
de las iteraciones.

Mtodo de Gauss-Seidel
x1

b1 a12 x 2 a13 x3
a11

x2

b2 a 21 x1 a 23 x3
a 22

x3

b3 a31 x1 a32 x 2
a33

xi

nuevo

xi

nuevo

(1 ) xi

anterior

Para calcular el primer valor de X1, se asumirn X2 y X3 con valores cero.


Entonces para X1,
x1

b1 a12 x 2 a13 x3
a11

2 1 x 2 1 x3
4
2 1 0 1 0
x1
4
x1 0,50000
x1

para calcular el valor de X2, se utilizar solamente el valor encontrado de X1,


dado que a23 es cero.
x2

b2 a 21 x1 a 23 x3
a 22

45 6 x1
8
45 6 (0,50000)
x2
8
x 2 6,00000
x2

para calcular el valor de X3, se utilizar solamente el valor encontrado de X1,


dado que a32 es cero.

Mtodo de Gauss-Seidel
x3

b3 a31 x1 a 32 x 2
a33

80 5 x1
12
80 5 ( 0,50000)
x3
12
x3 6,45833
x3

x1 0,50000
x 2 6,00000
x3 6,45833

Entonces en la primera iteracin


Para la segunda iteracin, en el clculo de X1 el valor de X2 y X3 sern los
calculados en la primera iteracin, seguidamente se le aplicar la ponderacin con el
factor . Entonces para X1,
x1

b1 a12 x 2 a13 x3
a11

2 1 x 2 1 x3
4
2 1 6,0000 1 6,45833
x1
4
x1 2,61458
x1

aplicando la ponderacin

x1

nuevo

x1

x1

nuevo

0,9 2,61458 (1 0,9) (0,50000)

x1

nuevo

2,30313

nuevo

(1 ) x1

anterior

para X2 se utiliza solamente el valor de X1 de la segunda iteracin, dado que


a23 es cero.

Mtodo de Gauss-Seidel
x2

b2 a 21 x1 a 23 x3
a 22

45 6 x1
8
45 6 ( 2,30313)
x2
8
x 2 3,89766
x2

aplicando la ponderacin
nuevo

x2

x1

nuevo

0,9 3,89766 (1 0,9) (6,00000)

x1

nuevo

4,10789

x2

nuevo

(1 ) x 2

anterior

para X3 se utiliza solamente el valor de X1 calculado en la segunda iteracin,


dado que a32 es cero.
x3

b3 a31 x1 a32 x 2
a33

80 5 x1
12
80 5 (2,30313)
x3
12
x3 7,62630
x3

aplicando la ponderacin

x3

nuevo

x3

x3

nuevo

0,9 7,62630 (1 0,9) (6,45833)

x3

nuevo

7,50951

nuevo

(1 ) x3

anterior

Entonces en la segunda iteracin


x1 2,30313
x 2 4,10789
x3 7,50951

Mtodo de Gauss-Seidel
Una vez obtenidos estos resultados, se debe calcular el error aproximado porcentual
para cada uno de los resultados, para ello utilizamos la siguiente frmula:

xr

ax1
ax1

nuevo

xr

anterior

100%

nuevo

xr
Para X1,
x1

nuevo

x1

x1

anterior

100%

nuevo

2,30313 ( 0,50000)
100%
2,30313

ax1 121,71% 5%
Para X2,

ax 2
ax 2

x2

nuevo

anterior

x2

x2

nuevo

100%

4,10789 6,00000
100%
4,10789

ax 2 46,06% 5%
Para X3,

ax 3
ax 3

x3

nuevo

x3

x3

nuevo

anterior

100%

7,50951 6,45833
100%
7,50951

ax 3 14,00% 5%
Dado que en las tres incgnitas el error aproximado porcentual es mayor a un
5% se debe hacer una nueva iteracin. Se contina realizando el mismo procedimiento
con los nuevos valores de X obtenidos hasta que los errores aproximados porcentuales
en las tres incgnitas sean menores que el 5%.

Mtodo de Gauss-Seidel
El resultado de estas iteraciones siguiendo el mismo procedimiento, se presenta en la
Tabla 7.
Tabla 7: Resultados de las iteraciones por el mtodo de Gauss_Seidel con Relajacin
con un =0.9 del ejemplo 3 (ejercicio 11.9 pp. 321)
It
eracin
0
1
2
3
4

a x1

0
,00000
0,50000
2
,30313
2
,39423
2
,37827

0
,00000
6
,00000
4
,10789
3
,85719
3
,84289

0
,00000
6
,45833
7
,50951
7
,64879
7
,65673

1
21,71%
3
,81%
0
,67%

a x2

a x3

4
6,06%

1
4,00%

6
,50%

1
,82%

0
,37%

0
,10%

x1 2,37827
x 2 3,84289
x3 7,65673

al sustituir estos valores en las ecuaciones originales para verificar los resultados
obtenemos que:
17 *(2,37827)

2 *(3,84289)

3 *(7,65673)

= -1,98655

-5 *(2,37827)

+ 21 *(3,84289)

2 *(7,65673)

= 45,01271

-5 *(2,37827) 5 *(3,84289)

+ 22 *(7,65673)

= 79,98941

Al calcular los porcentajes de error de estos resultados se obtiene lo siguiente:


- 2 - (-1,98655)
100% 0,67%
-2
45 - 45,01271

100% 0,03%
45
80 - 79,98941

100% 0,01%
80

ErrorEC1
ErrorEC2
ErrorEC3

Mtodo de Gauss-Seidel
EJEMPLO 2:
Resolver el siguiente sistema de ecuaciones por el mtodo de Gauss-Seidel utilizando
un =0.001
0.1x+7y-0.3z=-19.30
3x-0.1y-0.2z=7.85
0.3x-0.2y-10z=71.40
SOLUCION:
Primero se deben ordenar las ecuaciones de tal manera que la diagonal principal se
encuentren los coeficientes mayores para que se pueda asegurar la convergencia.
3x-0.1y-0.2z=7.85
0.1x+7y-0.3z=-19.30
0.3x-0.2y+10z=71.40
Posteriormente se van a despejar los valores de x, y, z en cada una de las ecuaciones.

Luego se le coloca valores aleatorios, en este caso se tomara y=0, z=0.


Posteriormente este valor y el de z ser utilizado para encontrar el valor de y.
Luego para completar la iteracin se encontrara el valor de z con los dos valores
anteriores.
Para la segunda iteracin se procede de la misma manera con los valores ya
encontrados anteriormente.

Luego se encontraran los errores aleatorios:


x=2.990556-2.616666= 0.373890
y=-2.499624-(-2.794523) = 0.294899
z=7.000290-7.005609= 0.005319
La tercera iteracin ser:

10

Mtodo de Gauss-Seidel

Errores aleatorios:

As que hacemos otra iteracin:

Comparando los valores obtenidos:

Dado que se cumple la condicin:

Como se puede comprobar no se tiene un nmero exacto de iteraciones para encontrar


una solucin.
EJEMPLO 3:
Resolver el siguiente sistema de ecuaciones por el mtodo de Gauss-Seidel
Ecuaciones Originales:
a) 3x1 0,2x2 0,5x3 = 8
b) 0,1x1 + 7x2 + 0,4x3 = -19,5
c) 0,4x1 + 0,1x2 + 10x3 = 72,4
El mtodo de Gauss-Seidel nos dice que en primera instancia debemos despejar la
variable x1 de la ecuacin a, la variable x 2 de la ecuacin b y la variable x 3 de la
ecuacin c, para hallar los valores aproximados de cada variable en las diferentes
iteraciones.
Ecuaciones Despejadas
a) x1 = (0,2x2 + 0,5x3 + 8) / 3
b) x2 = (-0,1x1 - 0,4x3 -19,5) / 7
c) x3 = (-0,4x1 - 0,1x2 + 72,4) / 10
Iteracin Principal

11

Mtodo de Gauss-Seidel
Una vez contamos con las 3 ecuaciones debidamente despejadas procederemos a
hallar los valores iniciales (Iteracin No. 1) de las variables x 1, x2 y x3:
a) En la ecuacin a donde tenemos despejada la variable x1, vamos a asignarle
valores iniciales a x2=0 y x3=0, hallando de esta forma el valor de x1.
x1 = (0,2*(0) + 0,5*(0) + 8) / 3 donde x1 =2,6667
b) Teniendo el valor de x1, vamos a reemplazar su valor en el ecuacin b donde
tenemos despejada la variable x2 y le asignamos valor inicial a x 3=0, hallando de
esta forma el valor de x2
x2 = (-0,1*(2,6667) - 0,4*(0) -19,5) / 7 donde x2 =-2,8238
c) Con el valor de x1 encontrado en el literal a y el valor de x 2 encontrado en el literal b,
reemplazamos en la ecuacin c donde tenemos despejada la variable x 3 y hallamos
su valor:
x3 = (-0,4*(2,6667) - 0,1*(-2,8238) + 72,4) / 10 donde x 3 = 7,1615
Iteraciones Subsiguientes
Una vez contamos con los resultados iniciales para x 1 (2,6667), x2 (-2,8238) y x3
(7,1615) procederemos a hallar los valores para las iteraciones subsiguientes (Iteracin
No. 2) de las variables x1, x2 y x3:
a) En la ecuacin a donde tenemos despejada la variable x 1, vamos a asignarle a x2 y
x3 los valores encontrados en la Iteracin 1, hallando de esta forma el valor de x 1.
x1 = (0,2*(-2,8238) + 0,5*(7,1615) + 8) / 3 donde x 1 =3,672
b) Teniendo el valor de x1 de la segunda iteracin, vamos a reemplazar su valor en el
ecuacin b donde tenemos despejada la variable x 2 y le asignamos a x3 el valor
encontrado en la Iteracin 1, hallando de esta forma el valor de x 2:
x2 = (-0,1*(3,672) - 0,4*(7,1615) -19,5) / 7 donde x 2 =-3,2474
c) Con el valor de x1 y x2 encontrado en el literal a y b de la Iteracin No. 2,
reemplazamos en la ecuacin c donde tenemos despejada la variable x 3 y hallamos
su valor:
x3 = (-0,4*(3,672) - 0,1*(-3,2474) + 72,4) / 10 donde x 3 = 7,1256
De esta forma tenemos los siguientes resultados para las primeras dos iteraciones:
X1
X2
X3
Iteracin Nro. 1
2.6667
-2.8238
7.1615
Iteracin Nro. 2
3.672
-3.2474
7.1256
Y con los cuales calcularemos el porcentaje de error para cada una de las variables,
usando la siguiente frmula:
Ea = | [(Vf - Vi) / Vf ] * 100 |
Donde Vf hace referencia al valor de x1, x2 x3 de la Iteracin No 2 respectivamente y V i
al valor de x1, x2 x3 de la Iteracin No 1:
Ea1 = | [(3,672 2,6667) / 3,672] * 100 |
=> E a1 = 27,38%
Ea2 = | [(-3,2474 (-2,8238)) / -3,2474] * 100 | => E a2 = 13,04%
Ea3 = | [(7,1256 7,1615) / 7,1256] * 100 |
=> E a3 = -0,50%

12

Mtodo de Gauss-Seidel
Si el porcentaje de error de cualquiera de las 3 variables es superior a 1% se debe
calcular una 3ra Iteracin, tomando como referencia los valores de x 1, x2 y x3 de la
Iteracin 2; que en el caso prctico de este ejercicio sera:
a) En la ecuacin a donde tenemos despejada la variable x 1, vamos a asignarle a x 2 y
x3 los valores encontrados en la Iteracin 2, hallando de esta forma el valor de x 1.
x1 = (0,2*(-3,2474) + 0,5*(7,1256) + 8) / 3 donde x 1 =3,6377
b) Teniendo el valor de x1 de la tercera iteracin, vamos a reemplazar su valor en el
ecuacin b donde tenemos despejada la variable x 2 y le asignamos a x3 el valor
encontrado en la Iteracin 2, hallando de esta forma el valor de x 2:
x2 = (-0,1*(3,6377) - 0,4*(7,1256) -19,5) / 7 donde x 2 =-3,2448
c) Con el valor de x1 y x2 encontrado en el literal a y b de la Iteracin No. 3,
reemplazamos en la ecuacin c donde tenemos despejada la variable x 3 y hallamos
su valor
x3 = (-0,4*(3,6377) - 0,1*(-3,2448) + 72,4) / 10 donde x 3 = 7,1269
De esta forma tenemos los siguientes resultados para las primeras tres iteraciones:
X1
X2
X3
Iteracin Nro. 1
2.6667
-2.8238
7.1615
Iteracin Nro. 2
3.672
-3.2474
7.1256
Iteracin Nro. 3
3.6377
-3.2448
7.1269
Y con los cuales calcularemos el porcentaje de error para cada una de las variables, pero esta vez
con los resultados de las Iteraciones No. 2 y 3:
Ea = | [(Vf - Vi) / Vf ] * 100 |,
Donde Vf hace referencia al valor de x1, x2 x3 de la Iteracin No 3 respectivamente y Vi al valor
de x1, x2 x3 de la Iteracin No 2:
Ea1 = | [(3,6377 3,672) / 3,6377] * 100 |
=> Ea1 = -0,94%
Ea2 = | [(-3,2448 (-3,2474)) / -3,2448] * 100 | => Ea2 = -0,07%
Ea3 = | [(7,1269 7,1256) / 7,1269] * 100 |
=> Ea3 = 0,01%
Como podemos observar los porcentajes de error en este punto son menores a 1% por lo que
podemos deducir que los valores ms ptimos de las variables x 1, x2 y x3 son los de la Iteracin
No 3. Si alguno de los 3 porcentajes de error hubiese sido mayor a 1% deberamos calcular una
nueva iteracin y hacer el mismo proceso iterativo.

13

Mtodo de Gauss-Seidel

EJEMPLO 4:
Usar el mtodo de Gauss-Seidel para aproximar la solucin del sistema
-5x1+ 1.4x2-2.7x3 = 94.2
-0.7x1-2.5x2+15x3 = -6
3.3x1-11x2+4.4x3 = -27.5
Hasta que I EaI < 1%
Solucin
Primero probaremos que el sistema sea diagonalmente dominante :
|a11| > (|a12| + |a13|)
5 > (1.4 + 2.7)
|a22| > (|a21| + |a23|)
2.5 > (0.7 + 15)
|a33| > (|a31| + |a32|)
4.4 > (3.3 + 11)
Vemos que no cumple por lo tanto hacemos un cambio de la ecuacin 2 por la 3
-5x1+ 1.4x2-2.7x3 = 94.2
3.3x1-11x2+4.4x3 = -27.5
0.7x1-2.5x2+15x3 = -6
Una vez realizado el cambio probaremos si el sistema es diagonalmente dominante
|a11| > (|a12| + |a13|)
5 > (1.4 + 2.7)
|a22| > (|a21| + |a23|)
11 > (3.3 + 4.4)
|a33| > (|a31| + |a32|)
15 > (0.7 + 2.5)
En este caso la condicin cumple para las 3 ecuaciones
Por lo tanto se procede a despejar X1 , X2 , X3
x1 =
x2=
x3=
En este punto comenzamos el procedimiento iterativo sustituyendo X1 y X 2 igual a
cero
X1 = -18.84
Ahora se sustituye x1 = -18.84 y x3 = 0 en la ecuacin 2 para obtener x2
X2 = -3.152
Por lo tanto los valores obtenidos en la primera iteracin son
X1 = -18.84
X2 = -3.152
X3 = - 0.04613
Ahora con estos valores de realiza la segunda iteracin `para hallar los nuevos valores
de las incgnitas
X1 = -19.69765
X2 = -3.42775
X3 = - 0.05207
Hallando los errores aproximados

14

Mtodo de Gauss-Seidel
IE a.1I=
IE a.2I=
IE a.3I=
Tercera iteracin
X1 = -19.77165
X2= -3.45232
X3 = -0.05272
Cuarta iteracin
X1 = -19.77819
X2= -3.45454
X3 = -0.05277

= 4.35%
= 8.04%
= 11.4%
IE a.1I = 0.3%
IE a.2I = 0.7%
IE a.3I = 1.2%
IE a.1I = 0.03%
IE a.2I = 0.06%
IE a.3I = 0.1%

ya que el error sale menos a 1 % se termina en la cuarta iteracin

15