“ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO”

FACULTAD DE CIENCIAS

ESCUELA DE INGENIERÍA QUÍMICA

ANÁLISIS NUMÉRICO

TEMA: MÉTODO DE GAUSS - SEIDEL

DATOS GENERALES:

 REALIZADO POR:  CÓDIGO

Armendáriz Abigail 983501

Cardenas Karen 983640
Cifuentes Jonathan 983562
Lima Javier 983609
Moya Erick 983546
Pasmay Omar 983494
Rojas Brigeth 98

 NIVEL/PARALELO: 5to Semestre

 DOCENTE: Ing. Zoraida Sívoli

 FECHA: 18 de Enero de 2019

RIOBAMBA – ECUADOR
 MÉTODO DE GAUSS - SEIDEL
El método de Gauss-Seidel es uno de los métodos más interesantes del análisis numérico y
particularmente útil ya que nos permite encontrar la solución de un sistema de “n” ecuaciones
con “n” incógnitas. Para comenzar es preciso mencionar que es un método iterativo, es decir
que debe aplicarse recursivamente hasta encontrar una solución adecuada o con un error
considerablemente pequeño. Este método es una versión acelerada del método de Jacobi.

En el método de Gauss-Seidel se propone ir sustituyendo los nuevos valores de la

aproximación siguiente conforme se vayan obteniendo sin esperar a tener un vector completo,
de esta forma se acelera la convergencia. (Ramírez, 2015)

Sea la siguiente descomposición de la matriz A del sistema A x = b: A = D + L + U, donde

D es la matriz formada con los elementos diagonales de A y L y U son las matrices
triangulares inferior y superior asociadas a la matriz A. Si elegimos M = D, N = − (L + U),
tenemos el método de Jacobi, mientras que si elegimos M = D + L, N = − U, tenemos el
método de Gauss-Seidel. (Vázquez & Jiménez, 2011).
En el método de Gauss-Seidel se descompone la matriz A en la forma A = (L + D) − (− U),
con esta descomposición se tiene que:

El esquema iterativo definido mediante la descomposición anterior es el método de Gauss-

Seidel:

donde la matriz y el vector del sistema iterativo son:

Las iteraciones de este método no son costosas puesto que no se multiplica por la inversa,
sino que a cada paso se resuelve el sistema triangular inferior,

De hecho, estas iteraciones se pueden escribir componente a componente como:

Para calcular las componentes del vector x(k) siempre se utilizan los últimos valores
calculados, es decir,
que también se puede escribir como: (Gregori & Sala, 2015)

El método de Gauss-Seidel también verifica la condición suficiente de convergencia: si la

matriz inicial del sistema A es diagonal dominante, entonces el método de Gauss-Seidel es
convergente. En particular, este método resulta convergente con matrices simétricas
definidas positivas. (Fuster, Gregori & Sala, 2017).
Se denomina matriz de diagonal dominante a aquella en que cada elemento de la diagonal es
estrictamente mayor en valor absoluto que la suma de los valores absolutos de los demás
elementos de la misma fila. A veces la matriz de un sistema de ecuaciones no es
diagonalmente dominante pero cuando se cambian el orden de las ecuaciones y las incógnitas
el nuevo sistema puede tener matriz de coeficientes diagonalmente dominante. (Vázquez &
Jiménez, 2011).
Se puede asegurar que si el método de Gauss-Seidel converge, también lo hace el de Jacobi,
pero la inversa no se cumple. También se tiene que, en caso de convergencia de ambos
métodos, el de Gauss-Seidel lo hace de forma más rápida. En particular, si A es una matriz
definida positiva y tridiagonal entonces , es decir, el método de Gauss-
Seidel converge doble rápido que Jacobi y alcanza la precisión deseada con
aproximadamente la mitad de iteraciones. (Gregori & Sala, 2015).

EJERCICIO
Resolver el siguiente sistema de ecuación por el método Gauss-Seidel utilizando un ξ= 0.001.

0.1 X1 + 7.0 X2 – 0.3 X3 = -19.30

3.0 X1 – 0.1 X2 – 0.2 X3 = 7.85

0.3 X1 – 0.2 X2 – 10.0 X3 = 71.40

SOLUCIÓN:

Primero ordenamos las ecuaciones, de modo que en la diagonal principal esten los
coeficientes mayores para asegurar la convergencia.

3.0 X1 – 0.1 X2 – 0.2 X3 = 7.85

0.1 X1 + 7.0 X2 – 0.3 X3 = -19.30

 0.3 X1 – 0.2 X2 – 10.0 X3 = 71.40

Despejamos cada una de las variables sobre la diagonal:

Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1

Este valor junto con el de X3 se puede utilizar para obtener X2

La primera iteración se completa sustituyendo los valores de X1 y X2 calculados obteniendo:

En la segunda iteración, se repite el mismo procedimiento:

Comparando los valores calculados entre la primera y la segunda iteración

Como podemos observar, no se cumple la condición

Entonces tomamos los valores calculados en la última iteración y se toman como supuestos
para la siguiente iteración. Se repite entonces el proceso:

Comparando de nuevo los valores obtenidos

Como se observa todavía no se cumple la condición

Así que hacemos otra iteración

Comparando los valores obtenidos

Dado que se cumple la condición, el resultado es:

X1 = 3.0

X2 = -2.5

X3 = 7.0

BIBLIOGRAFÍA:

 Fuster, V., Gregori, V. & Sala, B. (2017). Álgebra matricial. Editorial de la

Universidad Politécnica de Valencia. p.p.166
 Gregori, V. & Sala, B. (2015). Errores, optimización y resolución numérica de
sistemas. Editorial de la Universidad Politécnica de Valencia. p.p. 145-146
 Ramírez, A. (2015). Métodos Interactivos de Solución de SEL. Valencia: Editorial
MAT-251, CIMAT A.C.
 Vázquez, L. & Jiménez, S. (2011). Métodos Numéricos para la Física y la
Ingeniería. España: McGraw-Hill. p.p. 137-140