MÉTODO GAUSS-SEIDEL

MÉTODO ITERATIVO

Consiste en despejar una de las incógnitas dejándola en función de las otras. La manera más
sencilla es despejar a x1 de la primera ecuación; x 2 de la segunda; xi de la i-ésima ecuación hasta x n
de la n-ésima ecuación. Es necesario, por razones obvias que todos los elementos de la diagonal
principal de la matriz de coeficientes del sistema lineal sean diferentes de cero. Cada una de las
aproximaciones de cada variable que se calcula se sustituye inmediatamente en el cálculo de la
siguiente variable en esa misma iteración. De esta forma la convergencia es rápida.

En el método Gauss-Seidel, el vector de inicio es siempre el vector cero.

EJEMPLO GAUSS-SEIDEL:

6 x 1−x 2−x 3+ 4 x 4 =17

x 1−10 x 2+2 x 3−x 4=−17

3 x 1−2 x 2 +8 x 3−x 4 =19

x 1+ x2 + x 3−5 x 4=−14

SOLUCIÓN:

Al despejar las incógnitas:

17 x 2 x 3 2 x 4
x 1= + + −
6 6 6 3

17 x 1 x 3 x 4
x 2= + + −
10 10 5 10

19 3 x 1 x 2 x 4
x 3= − + +
8 8 4 8
14 x 1 x2 x 3
x4 = + + +
5 5 5 5
Si se inicia el proceso iterativo con el vector cero (iteración cero):

⟨ x 1 , x 2 , x 3 , x 4 ⟩ = ⟨ 0,0,0,0 ⟩
La primera iteración arroja el vector:

⟨ x1 , x2 , x3 , x4 ⟩ = ⟨ 17 17 19 14
, , ,
6 10 8 5 ⟩
Los resultados del vector X (1) se utilizan para estimar el vector x(2), y así sucesivamente, los
resultados del proceso iterativo se muestran en la siguiente tabla de Excel:
Método Gauss-Seidel Con un error menor al
0.1%, en todas y cada una de las
incógnitas

Ite. X1 X2 X3 X4 EpX1 EpX2 EpX3 EpX4

0 0 0 0 0        
2.8333333 1.700000
1 3 0 2.375 2.8 100 100 100 100
1.6458333 2.178333 4.1816666 72.151898 13.772455 33.041052
2 3 3 2.0875 7 7 21.958684 1 2
0.7565277 1.863916 2.8251041 3.9823333 117.55094 16.868601 26.108919
3 8 7 7 3 5 1 3 5.0054407
0.9599479 1.942440 3.0550729 3.8891097 21.190747 4.0425238 7.5274389 2.3970424
4 2 3 2 2 5 3 9 5
1.0735123 2.018098 2.9867683 3.9914922 10.578775 3.7489809 2.2869065 2.5650181
5 8 4 2 2 7 7 6 5
1.0064829 2.005555 2.9758939 4.0156758 6.6597661 0.6253989 0.3654139 0.6022298
6 7 7 8 2 9 1 4 5
0.9864577 1.994259 3.0009172 3.9975865 2.0300151 0.5664341 0.4525053
7 3 5 8 3 5 8 0.833855 7
1.0008051 1.999070 3.0033415 3.9963269 1.4335842 0.2406650 0.0807188 0.0315194
8 1 6 5 1 2 9 2 9
1.0028507 2.001116 2.9990065 4.0006434 0.2039820 0.1022206 0.1445463
9 5 1 9 5 8 1 8 0.1078962
0.9995914 2.000022 2.9992904 4.0005946 0.3260593 0.0547034 0.0094636 0.0012186
10 9 0 3 9 9 8 6 5
0.9994889 1.999757 3.0002330 3.9997807 0.0102590 0.0132157 0.0314178 0.0203486
11 5 8 4 9 1 2 5 2

Los métodos iterativos pueden tener problemas de no convergencia, pero en caso de fallar, se
puede buscar un reordenamiento de las ecuaciones, de tal manera que formen una matriz de
coeficientes dominante diagonalmente.

El vector solución se determinará cuando todas las incógnitas cumplan con la condición cumplan
con la condición establecida del error.