METODO DE GAUSS-SEIDEL

El método de Gauss-Seidel es muy semejante al método de Jacobi. Mientras que en el de Jacobi se

utiliza el valor de las incógnitas para determinar una nueva aproximación, EN EL DE GAUSS-SEIDEL SE
VA UTILIZANDO LOS VALORES DE LAS INCÓGNITAS RECIÉN CALCULADOS EN LA MISMA ITERACIÓN, y no

en la siguiente. Por ejemplo, en el método de Jacobi se obtiene en el primer cálculo 𝑥!"# , pero este
valor de x no se utiliza sino hasta la siguiente iteración.

Teorema:
Considerar un sistema de “n” ecuaciones con “n” incógnitas, es decir se tiene una matriz de
coeficientes cuadrada.

a11 x1 + a1 2 x 2 + a1 3 x 3 + !! + a1 n x n = b1 E1
a 2 1 x1 + a2 2 x2 + a 2 3 x 3 + !! + a2 n xn = b2 E2
a 31 x1 + a3 2 x2 + a3 3 x3 + a3 n x4 = b3 E3
" " " " = "
a n 1 x1 + an 2 x2 + a n 3 x 3 !!! + a n n x n = bn En

Si el valor absoluto del elemento de la diagonal de cada renglón de es más grande que la suma de
los valores absolutos de los otros elementos de tal renglón entonces el sistema tiene una solución única.
Los métodos iterativos de Jacobi y de Gauss-Seidel convergerán a la solución sin importar los valores
iníciales.

å a11 + a22 + a33 + ......... an n = K

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

siempre) converge más rápido. El último valor de cada variable es sustituido en cada paso en el
proceso iterativo.

• Comparación de eliminación Gaussiana y Gauss-Seidel:

Limitaciones:
La eliminación Gaussiana es un método finito y puede ser usado para resolver cualquier sistema de
ecuaciones. El método de Gauss-Seidel converge solo para sistemas de ecuaciones especiales.

Eficiencia.
La eficiencia de un método es una función del número de operaciones aritméticas (suma, resta,
multiplicación y división) involucradas en cada método. Para un sistema de n ecuaciones con n
incógnitas, donde la solución es única. La eliminación Gaussiana involucra (4n3 + 9n2 - 7n)/6
operaciones aritméticas. El método de Gauss-Seidel requiere 2n2 - n operaciones aritméticas por
iteración. Para valores grandes de “n” la eliminación Gaussiana requiere aproximadamente 2n3/3
operaciones aritméticas para resolver el problema, mientras que Gauss-Seidel requiere
aproximadamente 2n2 operaciones aritméticas por iteración. Por lo tanto si el número de iteraciones
es menor o igual que n/3, el método iterativo requiere pocas operaciones aritméticas.

Almacenamiento.

El método de inversión de matrices tiene limitaciones similares cuando se trabaja con números muy
grandes de ecuaciones simultáneas. Sin embargo, existen varias técnicas que se pueden utilizar, para
resolver grandes números de ecuaciones simultáneas. Una de las técnicas más útiles es el método de
Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el método de
Gauss-Seidel tiene la desventaja de que no siempre converge a una solución o de que a veces
converge muy lentamente. Sin embargo, este método convergirá siempre a una solución cuando la
magnitud del coeficiente de una incógnita diferente en cada ecuación del conjunto, sea
suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa ecuación.

Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a los otros para asegurar la
convergencia y es aún más difícil predecir la velocidad de la convergencia para alguna combinación
de valores de los coeficientes cuando esa convergencia existe. No obstante, cuando el valor absoluto
del coeficiente dominante para una incógnita diferente para cada ecuación es mayor que la suma
de los valores absolutos de los otros coeficientes de esa ecuación, la convergencia está asegurada.
Ese conjunto de ecuaciones simultáneas lineales se conoce como sistema diagonal o Diagonalmente
Dominante.

Un sistema diagonal o Diagonalmente Dominante es condición suficiente para asegurar la

convergencia pero no es condición necesaria. Afortunadamente, las ecuaciones simultáneas lineales
que se derivan de muchos problemas de ingeniería, son del tipo en el cual existen siempre coeficientes
dominantes.

• PASOS PARA APLICAR EL MÉTODO DE GAUSS-SEIDELI

1. Determinar si La Matriz es Diagonalmente Dominante o Parcialmente Dominante.

2. Primero se determina la ecuación de recurrencia. Para ello se ordenan las ecuaciones y las
incógnitas. De la ecuación “ 1 “ se despeja la incógnita “ 1 “, De la ecuación “ 2 “ se despeja la
incógnita “ 2 “, De la ecuación “ 3 “ se despeja la incógnita “ 3 “ y así sucesivamente . En notación
matricial se escribirse como:

é n
ù
1 ê
xi( n+1 ) = bi - å aij x (j n-1 ) ú
aii ê j ¹i
ú
êë j =1 úû
(𝒏)
3. Se toma una aproximación para las soluciones y a esta se le designa por 𝒙 Se itera en el ciclo
que cambia la aproximación utilizando los valores de las incógnitas más recientes que van saliendo,

4. Se itera con la ecuación del inciso 2 utilizando los valores de las incógnitas más recientes que van
saliendo,
5. Se calcula el error PARA CADA VARIABLE 𝑬 = %𝒙( 𝒏(𝟏 ) − 𝒙( 𝒏 ) % Y SE TOMA EL Valor MAS
( 𝒏$𝟏 ) ( 𝒏 )
GRANDE PARA EL EROOR DEL Método ( 𝑬 = #$𝒙 −𝒙 $# ).
'

EJEMPLO 1

Resolver el siguiente sistema de ecuación por el método Gauss-Seidel utilizando un Tol< 0.001 y
x(0 )
[0 0 0]

0.1 x1 + 7 x 2 - 0.3 x 3 = -19.30

3 x1 - 0.1 x 2 - 0.2 x 3 = 7.85
0.3 x1 - 0.2 x 2 - 10 x 3 = 71.40

• SOLUCIÓN:

PASO 1:

Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén los coeficientes
mayores, esto se hace para asegurar la convergencia. Para este caso tenemos que:

• FILA 2 DEL SISTEMA ORIGINAL PASA A SER FILA 1

• FILA 1 DEL SISTEMA ORIGINAL PARA A SER FILA 2
• FILA 3 DEL SISTEMA ORIGINAL SE QUEDA COMO FILA 3

3 x1 - 0.1 x 2 - 0.2 x 3 = 7.85

0.1 x1 + 7 x 2 - 0.3 x 3 = -19.30
0.3 x1 - 0.2 x 2 - 10 x 3 = 71.40

Ahora podemos ver que los mayores coeficientes de cada fila están en la diagonal Principal, ahora

hacemos å 11 a + a
22 + a
33 + ......... an n = K
para verificar si es la mayor suma que se puede
obtener haciendo arreglos entre filas:

å a11 + a22 + a33 = K

å 3 + 7 + - 10 = 20

Ahora, esta suma en valor absoluto de los elementos de la diagonal principal es la mayor suma que se
puede obtener ¿?.... Si !!!.. Porque haciendo otro arreglo entre filas y volvemos hacer la sumatoria no
da mayor que 20.
Ahora hay que verificar si en cada uno de los renglones, el valor absoluto del elemento de la diagonal
principal es mayor que la suma de los valores absolutos de los elementos restantes del mismo renglón,
si esto se cumple La Matriz es Diagonalmente Dominante, con una fila que no cumpla se dice que es
Parcialmente Dominante.

De la Ecuación 1
3 > - 0.1 + - 0.2

De la Ecuación 2
7 > 0.1 + - 0.3

De la Ecuación 3
- 10 > 0.3 + - 0.2

Esta Matriz es Diagonalmente Dominante, porque todas las filas cumple con

ann > an1 + an 2 + ......... am n

PASO 2:

Despejamos cada una de las variables QUE SE ENCUENTRA en la diagonal Principal de su respectiva
fila que para este caso es de la Matriz Diagonalmente Dominante:

7.85 + 0.1 x 2 + 0.2 x3

x1 =
3
- 19.30 - 0.1 x1 + 0.3 x3
x2 =
7
71.40 - 0.3 x1 + 0.2 x 2
x3 =
- 10

PASO 3:

Los valores iniciales de las variables para poder hacer la iteración número 1 son x (0 ) [0 0 0] , donde
x (0 ) [x1 = 0 x 2 = 0 x3 = 0], sustituyendo en las ecuaciones del paso 2 tenemos:

Primera Iteración (n=1) x(1 )

Para poder realizar las iteraciones por GAUSS-SEIDEL se necesitan valores iníciales, para la primera

iteración esos valores iníciales son los que se dio al inicio del problema estos son x [
(0 )
]
0 0 0 ,PERO
ESTE METODO TIENE LA CARACTERISTICA QUE PARA ITERAR VA UTILIZANDO LOS VALORES MAS RECIENTES
QUE VAN SALIENDO DE LAS ECUACIONES Y SE SUSTITUYEN LAS OTRAS ECUACIONES, sustituyendo en las
ecuaciones tenemos:

7.85 + 0.1(0) + 0.2 (0)

x1 = = 2.61667
3
AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.61667 SE SUSTITUYE EN LA SEGUNDA ECUACION
LOS OTROS VALORES DE ARRANQUE:

- 19.30 - 0.1(2.61667 ) + 0.3 (0)

x2 = = -2.77143
7

AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.61667 Y X2=-2.77143 SE SUSTITUYE EN LA
TERCERA ECUACION:

71.40 - 0.3 (2.61667 ) + 0.2 (- 2.77143)

x3 = = -7.05457
- 10

E xn = x ( n-1 ) - x ( n ) = x ( 0 ) - x ( 1 )
Ex1 = 0 - 2.61667 = 2.61667
Ex 2 = 0 - (- 2.77143) = 2.77143
Ex 3 = 0 - (- 7.05457) = 7.05457
El Error de la iteración 1 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 7.05457, ahora hay que hacer Error < Tol , tenemos 7.05457 < 0.001 , como no se
cumple se tiene que hacer otra iteración

Segunda Iteración (n=2) x( 2)

Para poder realizar esta iteración se necesitan valores iníciales, para esta segunda iteración esos

valores iníciales son los de la iteración 1 x

(1 ) (1)
[
, estos son x = 2.61667 - 2.77143 - 7.05457 , PERO]
ESTE METODO TIENE LA CARACTERISTICA QUE PARA ITERAR VA UTILIZANDO LOS VALORES MAS RECIENTES
QUE VAN SALIENDO DE LAS ECUACIONES Y SE SUSTITUYEN LAS OTRAS ECUACIONES, sustituyendo en las
ecuaciones tenemos:

7.85 + 0.1(- 2.77143) + 0.2 (- 7.05457 )

x1 = = 2.05398
3

AHORA COMO ESTE METODO UTILIZA LOS VALORES MÁS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.05398 SE SUSTITUYE EN LA SEGUNDA ECUACION
LOS OTROS VALORES DE ARRANQUE:

- 19.30 - 0.1(2.05398 ) + 0.3 (- 7.05457 )

x2 = = -3.07377
7
AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.05398 Y X2=-3.07377 SE SUSTITUYE EN LA
TERCERA ECUACION:

71.40 - 0.3 (2.05398 ) + 0.2 (- 3.07377 )

x3 = = -7.04852
- 10

E xn = x ( n -1 ) - x ( n ) = x ( 1 ) - x ( 2 )
Ex 1 = 2.61667 - 2.05398 = 0.56269
Ex 2 = - 2.77143 - (- 3.07377) = 0.30234
Ex 3 = - 7.05457 - (- 7.04852) = 0.00605

El Error de la iteración 2 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 0.56269, ahora hay que hacer Error < Tol , tenemos 0.56269 < 0.001, como no se
cumple se tiene que hacer otra iteración

Tercera Iteración (n=3) x ( 3)

Para poder realizar esta iteración se necesitan valores iníciales, para esta tercera iteración esos valores

iníciales son los de la iteración 2 x

(2)
, estos son x
(2 )
[ ]
= 2.05398 - 3.07377 - 7.04852 , PERO ESTE
METODO TIENE LA CARACTERISTICA QUE PARA ITERAR VA UTILIZANDO LOS VALORES MAS RECIENTES QUE
VAN SALIENDO DE LAS ECUACIONES Y SE SUSTITUYEN LAS OTRAS ECUACIONES, sustituyendo en las
ecuaciones tenemos:

7.85 + 0.1(- 3.07377 ) + 0.2 (- 7.04852 )

x1 = = 2.04431
3

AHORA COMO ESTE METODO UTILIZA LOS VALORES MÁS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.04431 SE SUSTITUYE EN LA SEGUNDA ECUACION
LOS OTROS VALORES DE ARRANQUE:

- 19.30 - 0.1(2.04431) + 0.3 (- 7.04852 )

x2 = = -3.07351
7

AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.04431 Y X2=-3.07351 SE SUSTITUYE EN LA
TERCERA ECUACION:

71.40 - 0.3 (2.04431) + 0.2 (- 3.07351)

x3 = = -7.04853
- 10
 E xn = x ( n -1 ) - x ( n ) = x ( 2 ) - x ( 3 )
Ex 1 = 2.05398 - 2.04431 = 0.00967
Ex 2 = - 3.07377 - (- 3.07351) = 0.00026
Ex 3 = - 7.04852 - (- 7.04853) = 5.18295 *10 -6

El Error de la iteración 3 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 0.00967, ahora hay que hacer Error < Tol , tenemos 0.00967 < 0.001 , como no se
cumple se tiene que hacer otra iteración. Esto se Hace así sucesivamente hasta que Error < Tol ,

para este caso se cumple que Error < Tol en la iteración 4 con 8.2927 *10 -6 < 0.001, por lo tanto la

solución son los valores de

x1 , x2 , x3 y x4 de la iteración donde cumple que Error < Tol

PASO 4:

HACER la siguiente tabla donde se encuentran todas las columnas e iteraciones, hasta llegar a las 4
iteraciones que es la solución para este sistema

n X1 X2 X3 EX1 EX2 EX3 ERROR

0 0 0 0
1 2.61667 -2.77143 -7.05457 2.61667 2.77143 7.05457 7.05457
2 2.05398 -3.07377 -7.04852 0.56269 0.30234 0.00605 0.56269
3 2.04431 -3.07351 -7.04853 0.00967 0.00026 5.18295E-06 0.00967
4 2.04431 -3.07351 -7.04853 8.2927E-06 2.22126E-07 4.4424E-09 8.2927E-06