Este mtodo se basa en la aproximacin iterativa propuesta por Seidel en 1874

en la Academia de Ciencias de Munich, para la aplicacin al problema del flujo

de potencia. Las ecuaciones de nodo y condiciones de contorno se combinan,
para el nodo k:

De donde se puede expresar la tensin Vk como:

La ecuacin anterior es el corazn del algoritmo iterativo. La iteracin

comienza con una estimacin de las magnitudes y ngulos de todas las barras
del sistema, y se van recalculando las tensiones utilizando los mejores valores
disponibles. Esto es, para calcular la tensin Vk se utilizan los V1...k-1 ya
actualizados, y los Vk...n del paso anterior. El mtodo tiene una convergencia
extremadamente lenta pero segura (excepto para problemas mal
condicionados, o sin convergencia posible).
El mtodo de Gauss-Seidel pertenece a la familia de los mtodos iterativos
utilizados para obtener la o las races de una funcin cualquiera, especialmente
en forma de matrices de n ecuaciones [A]{X}={B}

Si los elementos de la diagonal de la matriz que se est solucionando no son

todos cero la 1era se resuelve para x 1, la 2da para x2 y la tercera para x3, y la
ensima para xn para obtener:

Teorema.
Considerar un sistema de n ecuaciones con n incgnitas, es decir, se tiene una
matriz de coeficientes A cuadrada. Si el valor absoluto del elemento de la
diagonal de cada rengln de A es ms grande que la suma de los valores
absolutos de los otros elementos de tal rengln entonces el sistema tiene una
solucin nica. El mtodo iterativo de Gauss-Seidel converger a la solucin sin
importar los valores iniciales.
As es como empieza el proceso iterativo suponiendo que los valores iniciales
de x son cero. Luego al obtener el primer x1 se evala en (2) junto con el valor
previo de x3 y de igual forma se procede en (3) con el x 2 calculado y el x1
previo, para finalmente volver a (1) bajo la misma frmula, haciendo converger
el sistema.
Criterio de convergencia
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:

El valor absoluto de las pendientes en la ecuacin, deben ser menor que la

unidad para asegurar la convergencia.

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:

Ventajas

Espacio: convenientes para matrices cuadradas

Tiempo: menor nmero de operaciones

Desventajas

Velocidad: convergencia lenta

Convergencia: no siempre se obtiene la solucin en un nmero

finito de pasos
EJEMPLO

Usar el mtodo de Gauss-Seidel para aproximar la solucin del sistema:

(1)
(2)
(3)
Hasta que:

a 1%
SOLUCION
Primero despejamos las incgnitas x1, x2 y x3 de las ecuaciones 1, 2 y 3. As
tenemos:

Estas son nuestro juego de frmulas iterativas. Comenzamos iteraciones,

sustituyendo x1=x2=0 en la 1ra ecuacin, para calcular el 1er valor de x 1:

Ahora, sustituimos x1=2.66667 y

obtener x2 :

x 3=0 en la segunda ecuacin, para

Ahora sustituimos x1=2.66667 y

para obtener x3:

x 2=-2.82381 en la tercera ecuacin,

As, tenemos nuestra primera aproximacin a la solucin del sistema:

x1=2.66667, x2=-2.82381, x3=7.1051
Puesto que todava no podemos calcular ningn error aproximado, repetimos el
proceso pero ahora con los ltimos datos obtenidos para las incgnitas:
Sustituyendo x2=-2.82381 y x3=7.1051 en la ecuacin 1 obtenemos x 1=3.6626.
Sustituyendo x1=3.6626 y x3=7.1051 en la ecuacin 2 obtenemos x 2=-3.24404,
finalmemente, sustituyendo x1=3.6626 y x2=-3.24404 en la ecuacin 3
obtenemos x3=7.06106.
As, tenemos la 2da lista de valores de aproximacin a la solucin del sistema:

Ahora si podemos calcular los errores absolutos para las incgnitas. Tenemos:

Puesto que no se ha logrado el objetivo, se repite el mismo proceso con los

ltimos valores obtenidos de cada una de las incgnitas. Note que aunque el
error aproximado

a3

ya cumple con ser menor al 1%, esto se debe de

cumplir para los tres errores aproximados!

Por lo tanto repetimos el mismo proceso. Omitiendo los pasos intermedios,
obtenemos:

Y en este caso tenemos los siguientes errores aproximados:

Vemos que ahora s se ha cumplido el objetivo para cada uno de los errores
aproximados. Por lo tanto, concluimos que la solucin aproximada es:
X1=3.62724, X2=-3.24102, X3=7.06250