NORMAS DE VECTORES Y MATRICES

 Norma de un Vector:

Denotemos con ℝ𝑛 el conjunto de todos los vectores columna de dimensión "𝑛" con componentes
de números reales. Para definir una distancia en ℝ𝑛 utilizaremos la noción de una norma, que es la
generalización de valor absoluto de ℝ, el conjunto de los números reales.

Los vectores en ℝ𝑛 son vectores columna y conviene usar la notación de la traspuesta cuando un
vector se representa en función de sus componentes.

𝒙𝟏
𝒙𝟐
𝕩=[ ⋮ ] → 𝕩 = [𝒙𝟏 , 𝒙𝟐 , … 𝒙𝒏 ]𝒕
𝒙𝒏

 Normas 𝓵𝟐 𝒚 𝓵∞ de un vector:

La norma 𝓵𝟐 se llama norma euclidiana de un vector 𝕩, dado que representa la nocion común de
distancia respecto al origen en caso de que 𝕩 este en ℝ1 , ℝ2 o bien en ℝ3 . Por ejemplo la norma
𝓵𝟐 de un vector 𝕩 = [𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 ]𝒕 da la longitud del segmento de recta que une los puntos
[𝟎 , 𝟎 , 𝟎] 𝒚 [𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 ], entonces 𝓵𝟐 está definida como:

Para un vector 𝕩 = [𝒙𝟏 , 𝒙𝟐 , … 𝒙𝒏 ]𝒕

1
𝑛 2
‖𝕩‖2 = {∑ 𝑥𝑖 2 } = √(𝒙𝟏 )𝟐 + (𝒙𝟐 )𝟐 + … (𝒙𝒏 )𝟐
𝑖=1

Y ‖𝕩‖∞ = 𝑀𝐴𝑋 1 ≤ 𝑖 ≤ 𝑛 |𝑥𝑖 | (llamada norma infinita de 𝕩 )

Ejemplo 1: Para 𝕩 = [−𝟑 , 𝟐, 𝟒]𝒕 calcular ‖𝕩‖2 y ‖𝕩‖∞

 ‖𝕩‖2 = √(𝒙𝟏 )𝟐 + (𝒙𝟐 )𝟐 + (𝒙𝟑 )𝟐 = √(−𝟑)𝟐 + (𝟐)𝟐 + (𝟒)𝟐 = √29

 ‖𝕩‖∞ = 𝑀𝐴𝑋 1 ≤ 𝑖 ≤ 3 |𝑥𝑖 | = [|−𝟑| , |𝟐|, | 𝟒|]𝒕 = 𝟒

Ejemplo 2: Para 𝕩𝟏 = [−𝟑 , 𝟐, 𝟒]𝒕 y 𝕩𝟐 = [𝟏 , 𝟓, −𝟗]𝒕 calcular ‖𝕩𝟏 − 𝕩𝟐 ‖2 y

‖𝕩𝟏 − 𝕩𝟐 ‖∞
  𝕩𝟏 − 𝕩𝟐 = [−𝟑 − 𝟏 , 𝟐 − 𝟓, 𝟒 − (−𝟗)] = [−𝟒 , −𝟑 , 𝟏𝟑]𝒕
‖𝕩𝟏 − 𝕩𝟐 ‖2 = √(−4)2 + (−3)2 + (13)2 = √194

 ‖𝕩𝟏 − 𝕩𝟐 ‖∞ = 𝑀𝐴𝑋 1 ≤ 𝑖 ≤ 3 = [|−𝟒| , |−𝟑| , |𝟏𝟑|]𝒕 = 𝟏𝟑

 Norma de una Matriz

La Norma matricial sobre un conjunto de todas las matrices de 𝒏 × 𝒏 es una función de valor
real, definida en este conjunto y que satisface todas las matrices 𝑨 𝒚 𝑩 de 𝒏 × 𝒏 y todos los
números reales.

La distancia entre matrices 𝑨 𝒚 𝑩 de 𝒏 × 𝒏 respecto a esta norma matricial es ‖𝑨 − 𝑩 ‖.

Aunque las normas matriciales se pueden obtener de varias formas, aquí únicamente
consideraremos las que son consecuencia natural de las normas vectoriales 𝓵𝟐 𝒚 𝓵∞ . A las normas
matriciales definidas por normas vectoriales se les llama Norma Matricial Natural o Inducida
asociada con la norma vectorial.

La 𝓵∞ de una matriz puede calcularse fácilmente a partir de los elementos de la matriz. Si 𝑨 =

(𝒂𝒊 𝒋 ) es una matriz de 𝒏 × 𝒏 entonces:
𝒏

‖𝑨‖∞ = 𝑴𝒂𝒙𝟏≤𝒊≤𝒏 ∑|𝒂𝒊 𝒋 |

𝒋=𝟏
Ejemplo 3:
Determine ‖𝑨‖∞ para la matriz
𝟐 𝟒 −𝟐
𝑨=[𝟎 𝟔 −𝟐]
𝟏𝟎 −𝟐 𝟐

 Fila 1
𝟑

∑|𝒂𝟏 𝒋 | = |𝟐| + |𝟒| + |−𝟐| = 𝟖

𝒋=𝟏

 Fila 2
𝟑

∑|𝒂𝟐 𝒋 | = |𝟎| + |𝟔| + |−𝟐| = 𝟖

𝒋=𝟏
  Fila 3
𝟑

∑|𝒂𝟑 𝒋 | = |𝟏𝟎| + |−𝟐| + |𝟐| = 𝟏𝟒

𝒋=𝟏

Lo anterior implica ‖𝑨‖∞ = 𝑴𝒂𝒙𝟏≤𝒊≤𝟑 {𝟖, 𝟖, 𝟏𝟒} = 𝟏𝟒

SISTEMAS DE ECUACIONES LINEALES

a11 x1  a1 2 x 2  a1 3 x 3    a1 n x n  b1 E1
a 2 1 x1  a 2 2 x 2  a 2 3 x 3    a 2 n x n  b2 E2
a 31 x1  a 3 2 x 2  a 3 3 x 3  a 3 n x 4  b3 E3
     
a n 1 x1  a n 2 x 2  a n 3 x 3   a n n x n  bn En

Veremos procedimientos iterativos para resolver un sistema de ecuaciones lineales. El primero de ellos
conocido como el procedimiento de Jacobi basado en la idea de punto fijo y un segundo
procedimiento conocido como método de Gauss-Seidel el cual es una modificación simple del
procedimiento de Jacobi.

Introduciremos el concepto de matriz diagonalmente dominante el cual se relaciona con la garantía

de convergencia en la aplicación de los métodos vistos. Veremos que en algunos casos es posible
replantear el sistema para garantizar la convergencia. Asimismo se comentara en que situaciones los
métodos iterativos son más convenientes a los métodos directos.

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.

METODO DE JACOBI
El método Jacobi es el método iterativo para resolver sistemas de ecuaciones lineales más simple y se
aplica sólo a sistemas cuadrados, es decir a sistemas con tantas incógnitas como ecuaciones.

 PASOS PARA APLICAR EL MÉTODO DE JACOBI

1. Determinar si La Matriz es Diagonalmente Dominante o Parcialmente Dominante.

2. Primero se determina la ecuación de recurrencia. Para ello se ordenan las ecuaciones y las
incógnitas. De la ecuación “ 1 “ se despeja la incógnita “ 1 “, De la ecuación “ 2 “ se despeja la
 incógnita “ 2 “, De la ecuación “ 3 “ se despeja la incógnita “ 3 “ y así sucesivamente . En notación
matricial se escribirse como:

 n

1 
xi n1   bi   aij x j n1  
aii  j i

 j 1 

3. Se toma una aproximación para las soluciones y a esta se le designa por 𝒙(𝒏) Se itera en el ciclo
que cambia la aproximación.

4. Se itera con la ecuación del inciso 2.

5. Se calcula el error PARA CADA VARIABLE 𝑬 = |𝒙( 𝒏−𝟏 ) − 𝒙( 𝒏 ) | Y SE TOMA EL Valor MAS

GRANDE PARA EL EROOR DEL Método( 𝑬 = ||𝒙( 𝒏−𝟏 ) − 𝒙( 𝒏 ) || )

∞

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. Lo mejor es una condición que garantiza la convergencia, pero en caso de no
cumplirse puede o no haberla es la siguiente: Si la matriz de coeficientes original del sistema de
ecuaciones es diagonalmente dominante, el método de Jacobi seguro converge.

 Matriz Diagonalmente Dominante

Una matriz se dice 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.

Ejemplo: aplicando solo el paso 1 del Método de Jacobi:

Dado el sistema:

a11 x1  a1 2 x 2  a1 3 x 3    a1 n x n  b1 E1
a 2 1 x1  a 2 2 x 2  a 2 3 x 3    a 2 n x n  b2 E2
a 31 x1  a 3 2 x 2  a 3 3 x 3  a 3 n x 4  b3 E3
     
a n 1 x1  a n 2 x 2  a n 3 x 3   a n n x n  bn En

Si este sistema es Diagonalmente Dominante los coeficientes de su diagonal principal a11, a22, a33…..
ann tendrían que ser los mayores coeficientes de su fila. Entonces para que el sistema sea
diagonalmente dominante tiene que cumplir lo siguiente:
  a11  a22  a33  .........an n  K
,

Este valor de “K” tiene que ser la mayor suma de todos los arreglos entre filas que se puedan hacer,
luego hay que verificar lo siguiente, 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:

a11  a12  a13  ......... a1 n

De la E1

a 22  a 21  a 23  ......... a 2 n
De la E2

a33  a31  a32  ......... a3 n

De la E3

a nn  a n 1  a n 2  ......... a m n
De la En

Si cumple lo anterior se dice que es diagonalmente Dominante, si alguna fila no cumple se Dice que es
Parcialmente Dominante.

Cabe resaltar que para probar si el sistema es diagonalmente Dominante solo se puede hacer
ARREGLOS ENTRE FILAS NO ENTRE COLUMNAS

En ciertas ocasiones al aplicar Jacobi la matriz no es diagonalmente dominante y por tanto no existirá
garantía de convergencia. Sin embargo, en algunos casos será posible reordenar las incógnitas en otra
manera de forma que la nueva matriz de coeficientes sea diagonalmente dominante. Esto se puede
detectar revisando todos los posibles ordenamientos entre filas de las incógnitas y ver cómo es la matriz
resultante.

Ejemplo: aplicando solo el paso 2 del Método de Jacobi:

Dado el sistema

Con a11, a22, a33, diferentes de cero , Se despeja X1 de la Ec. 1, Se despeja X2 de la Ec. 2
Se despeja X3 de la Ec. 3
Ejemplo: aplicando solo el paso 1 del Método de Jacobi:

Verificar el siguiente sistema es diagonalmente dominante o Parcialmente Dominante

 x1  x2  5x3  x4 0
4 x1  x2  x3  x4  2
x1  x2  x3  3x 4 1
x1  4x2  x3  x4  1

Si este sistema es Diagonalmente Dominante los coeficientes de su diagonal principal a11, a22, a33…..
ann tendrían que ser los mayores coeficientes de su fila. Entonces lo que hay que hacer es arreglo
entre filas de tal forma que los mayores coeficientes de cada fila estén en esa diagonal principal,
entonces haciendo esos arreglos entre filas tenemos:

 FILA 2 DEL SISTEMA INICIAL PASA A SER FILA 1

 FILA 4 DEL SISTEMA INICIAL PASA A SER FILA 2
 FILA 1 DEL SISTEMA INICIAL PASA A SER FILA 3
 FILA 3 DEL SISTEMA INICIAL PASA A SER FILA 4

4 x1  x2  x3  x4  2
x1  4 x2  x3  x4  1
 x1  x2  5 x3  x4 0
x1  x2  x3  3 x4 1

Ahora podemos ver que los mayores coeficientes de cada fila están en la diagonal Principal, ahora

hacemos
 a11  a 22  a33  ......... a n n  K
para verificar si es la mayor suma que se puede
obtener haciendo arreglos entre filas:

 a11  a 22  a 33  a 4 4  K

 4  4  5  3  16
Ahora, esta suma en valor absoluto de los elementos de la diagonal principal es la mayor suma que se
puede obtener ¿?.... Si !!!.. Porque haciendo otro arreglo entre filas y volvemos hacer la sumatoria no
da mayor que 16. Para que nos de la mayor suma de los elementos de la diagonal principal tenemos
que poner el mayor elemento de cada fila en la diagonal principal. Ahora hay que verificar 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, si esto se cumple La Matriz es
Diagonalmente Dominante, con una fila que no cumpla se dice que es Parcialmente Dominante.

4  1  1  1
De la Ecuación 1

4  1  1  1
De la Ecuación 2

5  1  1  1
De la Ecuación 3

3  1  1  1
De la Ecuación 4

Esta Matriz es Parcialmente Dominante, porque la Fila 4 no cumple con

ann  an1  an 2  .........am n

3  1  1  1

EJEMPLO 1

Resolver el siguiente sistema de ecuación por el Método Jacobi utilizando una Tol≤ 0.001 y
x 0
0 
0 0 0

 x1  x2  5x3  x4 0
4 x1  x2  x3  x4  2
x1  x2  x3  3x 4 1
x1  4x2  x3  x4  1

 SOLUCIÓN:

PASO 1:

Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén los coeficientes
mayores, esto se hace para asegurar la convergencia. (Este arreglo entre filas se hizo en el ejemplo
anterior)
 4 x1  x2  x3  x4  2
x1  4x2  x3  x4  1
 x1  x2  5x3  x4 0
x1  x2  x3  3x 4 1

PASO 2:

Despejamos cada una de las variables QUE SE ENCUENTRA en la diagonal Principal de su respectiva
fila que para este caso es de la Matriz Parcialmente Dominante:

 2  x 2  x3  x 4
x1 
4
 1  x1  x 3  x 4
x2 
4
x  x2  x4
x3  1
5
1  x1  x 2  x 3
x4 
3
PASO 3:

Los valores iniciales de las variables para poder hacer la iteración número 1 son
x 0  0 0 0 0 ,
x 0  x1  0 x 2  0 x3  0 x 4  0
donde de , sustituyendo en las ecuaciones del paso 2 tenemos:

Primera Iteración (n=1) x1 

Para poder realizar las iteraciones por Jacobi se necesitan valores iniciales, para la primera iteración

esos valores iniciales son los que se dio al inicio del problema estos son

x 0  0 0 0 0 
2000
x1   0.5
4
1 0  0  0
x2   0.25
4
000
x3  0
5
1 0  0  0
x4   0.33333
3
 E xn  x  n1   x  n   x  0   x  1
Ex1  0   0.5  0.5
Ex2  0   0.25  0.25
Ex3  0  0  0
Ex4  0  0.333333  0.33333

El Error de la iteración 1 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 0.5, ahora hay que hacer Error  Tol , tenemos 0.5  0.001, como no se cumple se
tiene que hacer otra iteración

Segunda Iteración (n=2) x 2

Para poder realizar esta iteración se necesitan valores iniciales, para esta segunda iteración esos

valores iniciales son los de la iteración 1 x

1 
, estos son
x 1  0.5  0.25 0 0.333333 ,
sustituyendo en las ecuaciones tenemos

 2   0.25  0  0.333333
x1   -0.52083
4
 1   0.5  0  0.333333
x2   -0.04167
4
 0.5  0.25  0.33333
x3   -0.21667
5
1   0.5  0.25  0
x4   0.41667
3

E xn  x  n1   x  n   x  1   x  2 
Ex 1   0.5   0.5208333  0.02083
Ex 2   0.25   0.0416666  0.20833
Ex 3  0   0.2166666  0.21667
Ex 4  0.333333  0.41666667  0.08333

El Error de la iteración 2 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 0.21666666, ahora hay que hacer Error  Tol , tenemos 0.21667  0.001 , como no se
cumple se tiene que hacer otra iteración

Tercera Iteración (n=3) x  3

Para poder realizar esta iteración se necesitan valores iniciales, para esta Tercera iteración esos valores
 2
iniciales son los de la iteración 2 x , estos son
x 2   0.52083  0.04167  0.21667 0.41667 ,
sustituyendo en las ecuaciones y se vuelve a sacar el error más grande de todas las variables.

Esto se Hace así sucesivamente hasta que Error  Tol , para este caso se cumple que Error  Tol en

la iteración 12 con 0.00092055  0.001 , por lo tanto la solución son los valores de
x1 , x 2 , x3 y x 4
de
la iteración donde cumple que Error  Tol

n X1 X2 X3 X4 ERROR
12 -0.75206 0.04027 -0.28026 0.69009 0.00092

PASO 4:

HACER la siguiente tabla donde se encuentran todas las columnas e iteraciones, hasta llegar a las 12
iteraciones que es la solución para este sistema

N x1 x2 x3 x4 Ex1 Ex2 Ex3 Ex4 ERROR

0 0 0 0 0

1 -0.50000 -0.25000 0.00000 0.33333 0.50000 0.25000 0.00000 0.33333 0.50000

2 -0.52083 -0.04167 -0.21667 0.41667 0.02083 0.20833 0.21667 0.08333 0.21667

3 -0.64792 -0.06979 -0.19583 0.56528 0.12708 0.02813 0.02083 0.14861 0.14861

4 -0.67283 0.00434 -0.25660 0.59132 0.02491 0.07413 0.06076 0.02604 0.07413

5 -0.71306 0.00189 -0.25196 0.64459 0.04023 0.00245 0.00464 0.05327 0.05327

6 -0.72461 0.02642 -0.27115 0.65564 0.01155 0.02453 0.01919 0.01105 0.02453

7 -0.73830 0.02727 -0.27076 0.67406 0.01369 0.00085 0.00039 0.01842 0.01842

8 -0.74303 0.03540 -0.27702 0.67878 0.00472 0.00813 0.00625 0.00472 0.00813

9 -0.74780 0.03620 -0.27728 0.68515 0.00477 0.00080 0.00026 0.00637 0.00637

10 -0.74966 0.03892 -0.27935 0.68709 0.00186 0.00272 0.00207 0.00194 0.00272

11 -0.75134 0.03935 -0.27957 0.68931 0.00168 0.00043 0.00022 0.00222 0.00222

12 -0.75206 0.04027 -0.28026 0.69009 0.00072 0.00092 0.00069 0.00078 0.00092

 METODO DE GAUSS-SEIDEL
El método de Gauss-Seidel es muy semejante al método de Jacobi. Mientras que en el de Jacobi se
utiliza el valor de las incógnitas para determinar una nueva aproximación, EN EL DE GAUSS-SEIDEL SE
VA UTILIZANDO LOS VALORES DE LAS INCÓGNITAS RECIÉN CALCULADOS EN LA MISMA ITERACIÓN, y no

en la siguiente. Por ejemplo, en el método de Jacobi se obtiene en el primer cálculo 𝑥𝑖+1 , pero este
valor de x no se utiliza sino hasta la siguiente iteración.

Teorema:
Considerar un sistema de “n” ecuaciones con “n” incógnitas, es decir se tiene una matriz de
coeficientes cuadrada.

a11 x1  a1 2 x 2  a1 3 x 3    a1 n x n  b1 E1
a 2 1 x1  a 2 2 x 2  a 2 3 x 3    a 2 n x n  b2 E2
a 31 x1  a 3 2 x 2  a 3 3 x 3  a 3 n x 4  b3 E3
     
a n 1 x1  a n 2 x 2  a n 3 x 3   a n n x n  bn En

Si el valor absoluto del elemento de la diagonal de cada renglón de es más grande que la suma de
los valores absolutos de los otros elementos de tal renglón entonces el sistema tiene una solución única.
Los métodos iterativos de Jacobi y de Gauss-Seidel convergerán a la solución sin importar los valores
iníciales.

 a11  a22  a33  ......... an n  K

El método de Gauss-Seidel es un refinamiento del método de Jacobi que generalmente (pero no

siempre) converge más rápido. El último valor de cada variable es sustituido en cada paso en el
proceso iterativo.

 Comparación de eliminación Gaussiana y Gauss-Seidel:

Limitaciones:
La eliminación Gaussiana es un método finito y puede ser usado para resolver cualquier sistema de
ecuaciones. El método de Gauss-Seidel converge solo para sistemas de ecuaciones especiales.

Eficiencia.
La eficiencia de un método es una función del número de operaciones aritméticas (suma, resta,
multiplicación y división) involucradas en cada método. Para un sistema de n ecuaciones con n
incógnitas, donde la solución es única. La eliminación Gaussiana involucra (4n3 + 9n2 - 7n)/6
operaciones aritméticas. El método de Gauss-Seidel requiere 2n2 - n operaciones aritméticas por
iteración. Para valores grandes de “n” la eliminación Gaussiana requiere aproximadamente 2n3/3
operaciones aritméticas para resolver el problema, mientras que Gauss-Seidel requiere
aproximadamente 2n2 operaciones aritméticas por iteración. Por lo tanto si el número de iteraciones
es menor o igual que n/3, el método iterativo requiere pocas operaciones aritméticas.

Almacenamiento.

El método de inversión de matrices tiene limitaciones similares cuando se trabaja con números muy
grandes de ecuaciones simultáneas. Sin embargo, existen varias técnicas que se pueden utilizar, para
resolver grandes números de ecuaciones simultáneas. Una de las técnicas más útiles es el método de
Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el método de
Gauss-Seidel tiene la desventaja de que no siempre converge a una solución o de que a veces
converge muy lentamente. Sin embargo, este método convergirá siempre a una solución cuando la
magnitud del coeficiente de una incógnita diferente en cada ecuación del conjunto, sea
suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa ecuación.

Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a los otros para asegurar la
convergencia y es aún más difícil predecir la velocidad de la convergencia para alguna combinación
de valores de los coeficientes cuando esa convergencia existe. No obstante, cuando el valor absoluto
del coeficiente dominante para una incógnita diferente para cada ecuación es mayor que la suma
de los valores absolutos de los otros coeficientes de esa ecuación, la convergencia está asegurada.
Ese conjunto de ecuaciones simultáneas lineales se conoce como sistema diagonal o Diagonalmente
Dominante.

Un sistema diagonal o Diagonalmente Dominante es condición suficiente para asegurar la

convergencia pero no es condición necesaria. Afortunadamente, las ecuaciones simultáneas lineales
que se derivan de muchos problemas de ingeniería, son del tipo en el cual existen siempre coeficientes
dominantes.

 PASOS PARA APLICAR EL MÉTODO DE GAUSS-SEIDELI

1. Determinar si La Matriz es Diagonalmente Dominante o Parcialmente Dominante.

2. Primero se determina la ecuación de recurrencia. Para ello se ordenan las ecuaciones y las
incógnitas. De la ecuación “ 1 “ se despeja la incógnita “ 1 “, De la ecuación “ 2 “ se despeja la
incógnita “ 2 “, De la ecuación “ 3 “ se despeja la incógnita “ 3 “ y así sucesivamente . En notación
matricial se escribirse como:

 n

1   n1  
xi n1 
 bi   aij x j
aii  j i

 j 1 
(𝒏)
3. Se toma una aproximación para las soluciones y a esta se le designa por 𝒙 Se itera en el ciclo
que cambia la aproximación utilizando los valores de las incógnitas más recientes que van saliendo,

4. Se itera con la ecuación del inciso 2 utilizando los valores de las incógnitas más recientes que van
saliendo,
5. Se calcula el error PARA CADA VARIABLE 𝑬 = |𝒙( 𝒏−𝟏 ) − 𝒙( 𝒏 ) | Y SE TOMA EL Valor MAS

GRANDE PARA EL EROOR DEL Método ( 𝑬 = ||𝒙( 𝒏−𝟏 ) − 𝒙( 𝒏 ) || ).

∞

EJEMPLO 1

Resolver el siguiente sistema de ecuación por el método Gauss-Seidel utilizando un Tol< 0.001 y
x0 
0 0 0

0.1 x1  7 x 2  0.3 x 3  19.30

3 x1  0.1 x 2  0.2 x 3  7.85
0.3 x1  0.2 x 2  10 x 3  71.40

 SOLUCIÓN:

PASO 1:

Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén los coeficientes
mayores, esto se hace para asegurar la convergencia. Para este caso tenemos que:

 FILA 2 DEL SISTEMA ORIGINAL PASA A SER FILA 1

 FILA 1 DEL SISTEMA ORIGINAL PARA A SER FILA 2
 FILA 3 DEL SISTEMA ORIGINAL SE QUEDA COMO FILA 3

3 x1  0.1 x 2  0.2 x 3  7.85

0.1 x1  7 x 2  0.3 x 3  19.30
0.3 x1  0.2 x 2  10 x 3  71.40

Ahora podemos ver que los mayores coeficientes de cada fila están en la diagonal Principal, ahora

hacemos
 a11  a22  a33  .........an n  K
para verificar si es la mayor suma que se puede
obtener haciendo arreglos entre filas:

 a11  a22  a33  K

 3  7   10  20

Ahora, esta suma en valor absoluto de los elementos de la diagonal principal es la mayor suma que se
puede obtener ¿?.... Si !!!.. Porque haciendo otro arreglo entre filas y volvemos hacer la sumatoria no
da mayor que 20.
Ahora hay que verificar 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,
si esto se cumple La Matriz es Diagonalmente Dominante, con una fila que no cumpla se dice que es
Parcialmente Dominante.

3   0.1   0.2
De la Ecuación 1

7  0.1   0.3
De la Ecuación 2

 10  0.3   0.2
De la Ecuación 3

Esta Matriz es Diagonalmente Dominante, porque todas las filas cumple con

ann  an1  an 2  .........am n

PASO 2:

Despejamos cada una de las variables QUE SE ENCUENTRA en la diagonal Principal de su respectiva
fila que para este caso es de la Matriz Diagonalmente Dominante:

7.85  0.1 x 2  0.2 x3

x1 
3
 19.30  0.1 x1  0.3 x3
x2 
7
71.40  0.3 x1  0.2 x 2
x3 
 10

PASO 3:

Los valores iniciales de las variables para poder hacer la iteración número 1 son
x 0  0 0 0 , donde
x 0  x1  0 x 2  0 x3  0
, sustituyendo en las ecuaciones del paso 2 tenemos:

Primera Iteración (n=1) x1 

Para poder realizar las iteraciones por GAUSS-SEIDEL se necesitan valores iníciales, para la primera

iteración esos valores iníciales son los que se dio al inicio del problema estos son
x 0  0 0 0
,PERO
ESTE METODO TIENE LA CARACTERISTICA QUE PARA ITERAR VA UTILIZANDO LOS VALORES MAS RECIENTES
QUE VAN SALIENDO DE LAS ECUACIONES Y SE SUSTITUYEN LAS OTRAS ECUACIONES, sustituyendo en las
ecuaciones tenemos:

7.85  0.1 0   0.2 0 

x1   2.61667
3
AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.61667 SE SUSTITUYE EN LA SEGUNDA ECUACION
LOS OTROS VALORES DE ARRANQUE:

 19.30  0.1 2.61667   0.3 0 

x2   2.77143
7

AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.61667 Y X2=-2.77143 SE SUSTITUYE EN LA
TERCERA ECUACION:

71.40  0.3 2.61667   0.2  2.77143

x3   7.05457
 10

E xn  x  n1   x  n   x  0   x  1 
Ex 1  0  2.61667  2.61667
Ex 2  0   2.77143  2.77143
Ex 3  0   7.05457   7.05457

El Error de la iteración 1 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 7.05457, ahora hay que hacer Error  Tol , tenemos 7.05457  0.001 , como no se
cumple se tiene que hacer otra iteración

Segunda Iteración (n=2) x 2

Para poder realizar esta iteración se necesitan valores iníciales, para esta segunda iteración esos

valores iníciales son los de la iteración 1 x

1 
, estos son
 
x 1  2.61667  2.77143  7.05457 , PERO
ESTE METODO TIENE LA CARACTERISTICA QUE PARA ITERAR VA UTILIZANDO LOS VALORES MAS RECIENTES
QUE VAN SALIENDO DE LAS ECUACIONES Y SE SUSTITUYEN LAS OTRAS ECUACIONES, sustituyendo en las
ecuaciones tenemos:

7.85  0.1  2.77143  0.2  7.05457 

x1   2.05398
3

AHORA COMO ESTE METODO UTILIZA LOS VALORES MÁS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.05398 SE SUSTITUYE EN LA SEGUNDA ECUACION
LOS OTROS VALORES DE ARRANQUE:

 19.30  0.1 2.05398   0.3  7.05457 

x2   3.07377
7
AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.05398 Y X2=-3.07377 SE SUSTITUYE EN LA
TERCERA ECUACION:

71.40  0.3 2.05398  0.2  3.07377 

x3   7.04852
 10

E xn  x  n1   x  n   x  1   x  2 
Ex 1  2.61667  2.05398  0.56269
Ex 2   2.77143   3.07377   0.30234
Ex 3   7.05457   7.04852   0.00605

El Error de la iteración 2 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 0.56269, ahora hay que hacer Error  Tol , tenemos 0.56269 0.001, como no se
cumple se tiene que hacer otra iteración

Tercera Iteración (n=3) x  3

Para poder realizar esta iteración se necesitan valores iníciales, para esta tercera iteración esos valores

iníciales son los de la iteración 2 x

2
, estos son
 
x 2   2.05398  3.07377  7.04852 , PERO ESTE
METODO TIENE LA CARACTERISTICA QUE PARA ITERAR VA UTILIZANDO LOS VALORES MAS RECIENTES QUE
VAN SALIENDO DE LAS ECUACIONES Y SE SUSTITUYEN LAS OTRAS ECUACIONES, sustituyendo en las
ecuaciones tenemos:

7.85  0.1  3.07377   0.2  7.04852 

x1   2.04431
3

AHORA COMO ESTE METODO UTILIZA LOS VALORES MÁS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.04431 SE SUSTITUYE EN LA SEGUNDA ECUACION
LOS OTROS VALORES DE ARRANQUE:

 19.30  0.1 2.04431  0.3  7.04852 

x2   3.07351
7

AHORA COMO ESTE METODO UTILIZA LOS VALORES MAS RECIENTES QUE VAN SALIENDO Y SE UTILIZAN EN
LAS OTRAS ECUACIONES, ENTONCES ESTE VALOR DE X1=2.04431 Y X2=-3.07351 SE SUSTITUYE EN LA
TERCERA ECUACION:

71.40  0.3 2.04431  0.2  3.07351

x3   7.04853
 10
 E xn  x  n 1   x  n   x  2   x  3 
Ex 1  2.05398  2.04431  0.00967
Ex 2   3.07377   3.07351  0.00026
Ex 3   7.04852   7.04853  5.18295 *10 6

El Error de la iteración 3 es el valor del error más grande de todos los errores, para esta Iteración el
Error global es 0.00967, ahora hay que hacer Error  Tol , tenemos 0.00967 0.001 , como no se
cumple se tiene que hacer otra iteración. Esto se Hace así sucesivamente hasta que Error  Tol ,

para este caso se cumple que Error  Tol en la iteración 4 con

8.2927 *10 6  0.001 , por lo tanto la

de la iteración donde cumple que Error  Tol

x1 , x 2 , x3 y x 4
solución son los valores de

PASO 4:

HACER la siguiente tabla donde se encuentran todas las columnas e iteraciones, hasta llegar a las 4
iteraciones que es la solución para este sistema

n X1 X2 X3 EX1 EX2 EX3 ERROR

0 0 0 0
1 2.61667 -2.77143 -7.05457 2.61667 2.77143 7.05457 7.05457
2 2.05398 -3.07377 -7.04852 0.56269 0.30234 0.00605 0.56269
3 2.04431 -3.07351 -7.04853 0.00967 0.00026 5.18295E-06 0.00967
4 2.04431 -3.07351 -7.04853 8.2927E-06 2.22126E-07 4.4424E-09 8.2927E-06