UJAP CNU05405 04 Sistemas de Ecuaciones Lineales 2020ICR
UJAP CNU05405 04 Sistemas de Ecuaciones Lineales 2020ICR
UJAP CNU05405 04 Sistemas de Ecuaciones Lineales 2020ICR
El método Gauss-Seidel
El método de Gauss-Seidel es un método iterativo utilizado para resolver sistemas de ecuaciones lineales. El método
se llama así por los matemáticos alemanes Carl Friedrich Gauss (a quien hemos venido estudiando) y Philipp Ludwig
von Seidel y es similar al método de Gauss y Gauss-Jordan.
Aunque este método puede aplicarse a cualquier sistema de ecuaciones lineales que produzca una matriz (cuadrada,
naturalmente pues para que exista solución única, como ya hemos venido comprobando el sistema debe tener tantas
ecuaciones como incógnitas) de coeficientes con los elementos de su diagonal no nulos, la convergencia del método
solo se garantiza si la matriz es diagonalmente dominante o si es simétrica y, a la vez, definida positiva.
En principio se parte de una aproximación inicial y se repite el proceso hasta llegar a una solución con un margen de
error tan pequeño como se quiera. Buscamos la solución a un sistema de ecuaciones lineales, en notación matricial.
El método de Gauss-Seidel surgió como una modificación del método de Jacobi que acelera la convergencia de éste.
El método de Gauss-Seidel recorta sustancialmente el número de iteraciones a realizar para obtener una cierta
precisión en la solución. Evidentemente los criterios de convergencia son similares a los de Jacobi.
La base del método consiste en construir una sucesión convergente definida iterativamente. El límite de esta sucesión
es precisamente la solución del sistema. A efectos prácticos si el algoritmo se detiene después de un número finito
de pasos se llega a una aproximación al valor de x de la solución del sistema. Importante destacar que para ello, el
modelo se libra de la exactitud matemática, utilizando números expresados en términos decimales, y no en el dominio
de los números racionales .
= +
Una vez verificado que la matriz es diagonalmente dominante, dado que 4 es mayor que 2 en la primera fila, 5 es
mayor que 3 en la segunda fila y 7 es mayor que 3 en la tercera fila. El método de Jacobi se basa en escribir el sistema
de ecuaciones en la forma:
4 1 1 x 6
2 -5 1 * z = -2
Pasar de a 1 2 7 y 10
A x b
= = − −
4 0 0 0 0 0 0 -1 -1
D= 0 -5 0 L= -2 0 0 U= 0 0 -1
0 0 7 -1 -2 0 0 0 0
Luego, D-1 en este caso particular queda con sus reciprocos. Entoces la expresión de queda como sigue:
1/4 0 0 6 3/2
=> 0 -1/5 0 * -2 = -2/5
0 0 1/7 10 10/7
¼ 0 0 0 -1 -1 0 -1/4 -1/4
( + ) => 0 -1/5 0 * -2 0 -1 = 2/5 0 1/5
0 0 1/7 -1 -2 0 -1/7 -2/7 0
Teniendo en cuenta ya los despejes que aplican en el modelo de nuestra matriz abultada, podemos proceder a plantear
una ecuación de resolución para cada incógnita y un valor de referencia inicial, sobre el cual proceder a la iteración
inicial; de igual forma ya hemos determinado que la matriz es Diagonalmente Dominante, por tanto con la aplicación
del modelo se converge a una solución, sin embargo hay que plantear un margen de tolerancia de error o un número
máximo de iteraciones. Procedamos entonces con los despejes correspondientes:
4 + + =6 2 − 5 + = −2 + 2 + 7 = 10
↓↓ ↓↓ ↓↓
6− − 2+2 + 10 − − 2
= = =
4 5 7
Ahora establecemos nuestro valor inicial para cada una de las variables en x = 0; y = 0; z = 0 y procedemos a la
primera iteración, quedando los valores en x = 1,5; y = 0,4; z = 1,42857
Podemos construir una tabla con la evolución de las iteraciones como sigue a continuación:
Iter. 6− − 2+2 + 10 − − 2
= = =
4 5 7
0 0,00000 → 1,50000 1,00000 → 0,99286 0,92857 → 0,99949
1 1,50000 → 1,01786 0,99286 → 1,00066 0,99949 → 0,99954
2 1,01786 → 1,00191 1,00066 → 0,99989 0,99954 → 1,00004
3 1,00191 → 0,99995 0,99989 → 1,00002 1,00004 → 0,99999
4 0,99995 → 1,00002 1,00002 → 1,00000 0,99999 → 1,00000
5 1,00002 → 1,00000 1,00000 → 1,00000 1,00000 → 1,00000
6 1,00000 → 1,00000 1,00000 → 1,00000 1,00000 → 1,00000
7 1,00000 → 1,00000 1,00000 → 1,00000 1,00000 → 1,00000
8 1,00000 → 1,00000 1,00000 → 1,00000 1,00000 → 1,00000
Estableciendo un análisis del comportamiento de las iteraciones, podemos apreciar que al inicio el algoritmo muestra
su agresividad en la determinación de la convergencia, y con el desarrollo del mismo notamos que en la cuarta
iteración, ya está prácticamente estabilizado el resultado.
Prof.: José Luis Márquez Lozada
C.I.V. 99.288
JLML.profesor@gtmail.com - @jlmarquezl
Universidad José Antonio Páez
Facultad de Ingeniería - Ingeniería en
Computación
Quinto Semestre (5º Sem.)
Cálculo Numérico
Código: CNU 05405
Ya en este grupo de iteraciones, podemos verificar los resultados.
Observe que redujo a la mitad la cantidad de operaciones iterativas requeridas para converger a la solución del
sistema de ecuaciones lineales.
Podemos comprobar que la matriz efectivamente es convergente, y que los valores de solución son
X=1
Y=1
Z=1
Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.
Alternative Proxies: