UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS

ESCUELA PROFESIONAL DE INGENIERIA INFORMATICA

MÉTODO DE GAUSS–SEIDEL

CURSO: Computación Simbólica y Numérica

INTEGRANTES:

• Alcántara Bejarano Leydi Analí

• Cruz Ybañez Ingrid
• Nuñez Morocho José
• Comeca Rojas Joel
• Vásquez Chavez

PROFESOR: Díaz Pulido José Arturo

SECCIÓN: B

TRUJILLO-PERU

2018
CONTENIDO
INTRODUCCIÓN ............................................................................................... 3

MÉTODOS NUMÉRICOS EN MATLAB ............................................................. 4

Objetivo: .......................................................................................................... 4

Conceptos Generales ..................................................................................... 4

Matriz Diagonalmente Dominante Y Diagonal Estrictamente Dominante ....... 6

Convergencia De La Sucesión ........................................................................ 7

Método De Gauss–Seidel ............................................................................... 8

Algoritmo: Método De Gauss-Seidel En Matlab .............................................. 9

2
 INTRODUCCIÓN

La solución de sistemas de ecuaciones lineales es un tema de gran interés en el

mundo de la computación actual. Son muchos los problemas que pueden
resolverse utilizando estas técnicas, y en áreas tan variadas como se quiera. Por
eso es de gran importancia el estudio de algoritmos que optimicen el uso de
recursos computacionales como la memoria física y el tiempo de ejecución, a la
vez que se encuentren soluciones correctas de manera óptima.

Al estudiar las matrices generadas por los sistemas de ecuaciones se pueden

observar ciertas características y propiedades, que pueden permitirnos en
algunas ocasiones un tratamiento especial del problema mejorando los
algoritmos tradicionales al explotar la estructura y las propiedades de la matriz.

3
 MÉTODOS NUMÉRICOS EN MATLAB

OBJETIVO:
El alumno será capaz de utilizar la computadora para la solución de problemas
matemáticos, utilizando el programa de MATLAB.
Los Métodos Numéricos son técnicas algorítmicas basadas en operaciones
aritméticas simples para la solución de problemas matemáticos. Podríamos
decir, en general, que:

Métodos Numéricos = Matemáticas + Computación

A través de procedimientos iterativos resolver un sistema de ecuaciones lineales

(SEL). Haciendo uso del método de Gauss-Seidel el cual es una modificación
simple del procedimiento de Jacobi

CONCEPTOS GENERALES
Sistemas de ecuaciones lineales
Los sistemas de ecuaciones lineales sirven para resolver múltiples problemas de
todos los tipos imaginables en procesos naturales, en producción, en redes
eléctricas, y en innumerables campos más. Los problemas varían en sus
características y pueden ser resueltos con la ayuda de un computador de manera
más eficiente si se trabaja explotando las características del problema mismo.

El interés por la optimización de los métodos para la solución de sistemas de

ecuaciones lineales ha generado diversos enfoques en cuanto a los métodos
existentes para mejorar los algoritmos actuales.

Además de los Métodos Directos para resolver un Sistema de Ecuaciones

Lineales Simultáneas, existen los Métodos Iterativos cuya característica principal
es que parten de una solución supuesta, u obtenida por otros métodos, y
obtienen una solución mejorada según cierto criterio estipulado de tolerancia
numérica (precisión). El mecanismo general mediante el cual los Métodos
Iterativos realizan su funcionalidad se basa en operaciones repetidas de cálculo,
calculando una solución y probando si ya se llegó al nivel de precisión estipulado.

4
El problema principal de los Métodos Iterativos es que no siempre hay
convergencia a una solución mejorada, o la convergencia se hace muy
lentamente. Esto es especialmente cierto cuando se trata de grandes sistemas.
Para tener una idea de lo que significa “grandes sistemas”; en la Tabla 1 se
muestra a grandes rasgos la magnitud de problemas que es preciso resolver, en
términos del número de incógnitas (m) de un Solución de Ecuaciones Lineales
Simultáneas (SELS), de los requerimientos de memoria (en función de octetos),
y del orden de magnitud en número de operaciones que implican los algoritmos.

Tabla1. Esquema de la magnitud de los problemas representados con SELS

Esta tabla muestra que en unos 60 años la complejidad de los problemas, en

número de operaciones, ha crecido constantemente; lo mismo las necesidades
de alma0cenamiento. Esto ha implicado el tener que disponer de mejores
máquinas de cómputo y de algoritmos más eficientes.
Métodos Iterativos
Son muy variados los Métodos Iterativos que se han ideado y que se aplican a
problemas prácticos en áreas técnicas y de ingenierías, especialmente en la
solución de grandes sistemas de ecuaciones lineales simultáneas; los métodos
son:
1. Método de Jacobi;
2. Método de Gauss-Seidel;
3. Sobre Relajación Sucesiva (SOR);

5
4. Sobre Relajación Sucesiva Simétrica (SSOR);
5. Gradiente Conjugado (CG);
6. Mínimo Residual (MINRES) y LQ Simétrico (SYMLQ);
7. Gradientes Conjugados y Ecuaciones Normales (CGNE y CGNR);
8. Mínimo Residuo Generalizado (GMRES);
9. Gradiente Biconjugado (BiCG);
10. Cuasi-Mínimo Residuo (QMR);
11. Gradiente Conjugado Cuadrado (CGS);
12. Gradiente Biconjugado Estabilizado (Bi-CGSTAB);
13. Iteración de Chebyshev.

Un método iterativo es un método que progresivamente va calculando

aproximaciones a la solución de un problema. En Matemáticas, en un método
iterativo se repite un mismo proceso de mejora sobre una solución aproximada:
se espera que lo obtenido sea una solución más aproximada que la inicial. El
proceso se repite sobre esta nueva solución hasta que el resultado más reciente
satisfaga ciertos requisitos. A diferencia de los métodos directos, en los cuales
se debe terminar el proceso para tener la respuesta, en los métodos iterativos
se puede suspender el proceso al término de una iteración y se obtiene una
aproximación a la solución.
En este trabajo práctico se desarrollará el Método de Gauss-Seidel.

MATRIZ DIAGONALMENTE DOMINANTE Y DIAGONAL ESTRICTAMENTE

DOMINANTE
Matriz Diagonalmente Dominante
Matriz Diagonalmente Dominante: 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. 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.
Matriz Diagonal Estrictamente Dominante
En matemáticas, y concretamente en álgebra lineal, una matriz es Diagonal
Estrictamente Dominante, cuando lo es por filas o por columnas.

6
1. Lo es por filas cuando, para todas las filas, el valor absoluto del elemento de
la diagonal de esa fila es estrictamente mayor que la suma de los valores
absolutos del resto de elementos de esa fila.
2. Lo es por columnas cuando, para todas las columnas, el valor absoluto del
elemento de la diagonal de esa columna es estrictamente mayor que la suma de
los valores absolutos del resto de elementos de esa columna.
Formalmente, se dice que la matriz A de n x n es Estrictamente Diagonal
Dominante cuando se satisface:

Se puede enunciar a partir de esta definición el siguiente teorema de

convergencia es aplicable a los procesos iterativos de Jacobi y Gauss Seidel:

Sea A una matriz cuadrada, si A es diagonal dominante, los métodos iterativos de Jacobi y
Gauss-Seidel convergen a la solución del sistema de ecuaciones Ax=b.

CONVERGENCIA DE LA SUCESIÓN
Uno de los principales problemas de los métodos iterativos es la garantía de que
el método va a converger, es decir, va a producir una sucesión de
aproximaciones cada vez efectivamente más próximas a la solución. En el caso
del método de Jacobi no existe una condición exacta para la convergencia. La
condición que mejor garantiza la convergencia, pero en caso de no cumplirse
puede o no haberla es si la matriz de coeficientes original del sistema de
ecuaciones es diagonalmente dominante.
En la aplicación práctica del algoritmo verificamos que si no aseguramos la
dominancia de la diagonal el método no converge.

7
Método de GAUSS–SEIDEL

Gauss-Seidel es un método iterativo el cual es una modificación simple del

procedimiento de Jacobi.
Para este método al igual que para Jacobi es de suma importancia el concepto
de matriz diagonalmente dominante el cual se relaciona con la garantía de
convergencia en la aplicación de estos métodos (ver Matriz Diagonalmente
Dominante). En algunos casos es posible replantear el sistema para garantizar
la convergencia.
El Método Gauss-Seidel parte de una solución inicial y calcula una nueva
solución. En la figura siguiente se muestran las ecuaciones para la
representación de cada elemento (ecuaciones (a) hasta la (g)); la fórmula (h) es

la expresión genérica para calcular cada elemento Xi del vector solución X();
este método utiliza inmediatamente las Xi que va calculando.
Figura 3. Ecuaciones representativas Método de Gauss-Seidel.

8
Algoritmo: Método de Gauss-Seidel en Matlab
Entradas: matriz A, vector b, aproximaciones iniciales x0, tolerancia TOL, iteraciones máximas MAX.

Salidas: valor x tal que Ax=b, residual res, iteraciones it.

function [x,res,it]=gauss_seidel(A,b,x0,MAX,TOL)

sw=1;

x1=x0;

x2=x1;

it=0;

n=numel(b);

while sw==1

for i=1:n

suma=0;

for j=1:i-1

suma=suma+A(i,j)*x2(j);

end

for j=i+1:n

suma=suma+A(i,j)*x1(j);

end

x2(i)=1/A(i,i)*(b(i)-suma);

end

Sres=0;

for i=1:n

Sres=Sres+(x2(i)-x1(i))^2;

end

res=sqrt(Sres);

if res<=TOL || it==MAX

x=x2;

sw=0;

else

x1=x2;

it=it+1;

end

end
9