I.

INTRODUCCION
Muchos de los fenmenos de la vida real son modelados
matemticamente con el fin de poder explicarse, sin embargo en la
mayora de los casos stos no pueden ser solucionados por medio de
algn mtodo exacto1 y aunque algunas veces se puede lograr su
solucin sta puede resultar demasiado laboriosa en trminos de tiempo y
recursos computacionales. Los mtodos numricos (MN) solucionan este
tipo de problema mediante la bsqueda de una solucin numrica
aproximada y el clculo del error asociado, el cual se espera que sea lo
suficientemente pequeo.
La resolucin de un sistema de ecuaciones lineales no tiene ninguna
dificultad conceptual; llevarlo a la prctica s. Esto es debido a que los
sistemas a resolver son frecuentemente de un tamao considerable y,
esencialmente al hecho de que en el entorno fsico en que se resuelven, la
aritmtica opera con precisin finita, lo que introduce errores de redondeo
en todas las operaciones efectuadas.

II.

OBJETIVOS

III.

MATERIALES Y METODOS
Los mtodos que se utilizaran en esta prctica sern los estudiados en
clase:
METODO DE GAUSS-JORDAN, GAUSS-SEIDEL y SOBRE RELAJACION

IV.

REVISION LITERARIA

MTODO DE GAUSS - SEIDEL

En anlisis numrico el mtodo de Gauss-Seidel es un mtodo iterativo utilizado para

resolver sistemas de ecuaciones lineales. El mtodo se llama as en honor a los matemticos
alemanes Carl Friedrich Gauss y Philipp Ludwig von Seidel y es similar al mtodo de Jacobi.
Aunque este mtodo puede aplicarse a cualquier sistema de ecuaciones lineales que
produzca una matriz (cuadrada, naturalmente pues para que exista solucin nica, el sistema
debe tener tantas ecuaciones como incgnitas) de coeficientes con los elementos de su diagonal
no-nulos, la convergencia del mtodo solo se garantiza si la matriz es diagonalmente dominante
o si es simtrica y, a la vez, definida positiva.

Procedimiento

El mtodo de Gauss-Seidel es un mtodo iterativo y por lo mismo resulta ser bastante

eficiente. Se comienza planteando el sistema de ecuaciones con el que se va a trabajar:

Despejamos x1 de la ecuacin 1, x2 de la ecuacin 2, , xn de la ecuacin n, quedando:

Desde la formula anterior resultan las frmulas que se debern ir aplicando en las diferentes
iteraciones. Para comenzar a aplicar el mtodo debemos asignar un valor arbitrario a las
variables x2,xn con el fin de obtener x1. Lo mas conveniente en este caso es que los valores
comiencen en cero, lo cual nos facilitara el trabajo ya que se reduce el clculo de las primeras
soluciones, entonces de esto resulta que:

Ahora despejamos x2 de la ecuacin 2 y reemplazamos a x1 por el valor obtenido en la ecuacin

anterior. De esto nos queda:

Una vez que tenemos x2, despejamos x3 de la ecuacin 3 y as sucesivamente con las n
ecuaciones, cada vez asignando el valor de las x1, x2, xn-1 obtenido en el paso anterior.
Cuando hemos despejado las xn, tenemos lo que se conoce como primera solucin o solucin de
la primera iteracin:

Con los nuevos valores de x1, x2,,xn aplicamos los mismos pasos anteriores pero con los
nuevos valores de las xn, de esta manera conseguimos una segunda solucin:

Al tener esta segunda solucin estamos en condiciones de calcular el error que se calcula como
sigue:

As, repetimos el mtodo tantas veces hasta que el error sea muy pequeo o los suficientemente
aceptable.
Ahora solo queda mencionar que para que un sistema sea convergente se debe cumplir que la
matriz de coeficientes sea diagonalmente dominante, y para ello se debe verificar la siguiente
expresin:

Si no se cumple esa condicin, se puede permutar las filas de la matriz, con el fin de poder
convertirla en una diagonalmente dominante.

V.

PROCEDIMIENTO.

VI.

RESULTADO Y DISCUSIN.

VII.

CONCLUSIONES Y RECOMENDACIONES.

VIII.

BIBLIOGRAFIA.