Gauss Simple

UNIVERSIDAD INDUSTRIAL DE SANTANDER
FACULTAD DE INGENIERÍAS FÍSICO-QUÍMICAS

ESCUELA DE INGENIERÍA DE PETRÓLEOS
Métodos Numéricos
Gauss Simple
Marcela Fernanda Garzón Torres cód.2073740

Silvia Ximena Lizcano Gutiérrez Cód.2042093
Jorge Mario Padilla Reyes cód. 2072354
Pedro Fernando Quiroga Novoa cód. 2080712
Oscar Ricardo Roa Romero cód. 2062234
Eduardo Carrillo
Universidad industrial de Santander

Métodos Numéricos
2010
Métodos Numéricos
Introducción
Para el desarrollo de métodos de soluciones de ecuaciones es necesario tener en

cuenta algunos conceptos básicos que nos permiten comprender como podemos
hallar tales soluciones según las características de las matrices obtenidas, pudiendo
tener facilidades a la hora de realizar las operaciones requeridas o llevar a cabo los
procesos necesarios. Cuando hace referencia a Gauss Simple encaminamos la
solución de un sistema de ecuaciones lineal a la triangulación del sistema obteniendo
una solución simple una solución simple como veremos a continuación.
Métodos Numéricos
Conceptos Básicos
Matrices:
Las matrices y los determinantes son herramientas algebraicas utilizadas en muchas

áreas como las ciencias sociales, económicas y biológicas, con las cuales se facilita
el ordenamiento, manipulación y caracterización de datos. Las dimensiones de una
matriz pueden ser representadas de la siguiente manera:
Una Matriz nxm implica que tiene un numero n de filas y un numero m de columnas,
por lo cual cuando n=m estamos hablando de una matriz cuadrada. La matriz puede
representarse como una tabla rectangular de números reales y/o complejos asi:
Para representarla de una manera más apropiada encontramos la siguiente forma:
A=a(i,j) donde i representa la posición de la fila en donde estamos y j representa la

posición en columnas de donde nos encontramos
Tipos de Matrices:
1- Matriz simétrica: Es aquella matriz cuadrada en donde los valores de ai,j=aj,i
=
Métodos Numéricos
2- Matriz Cuadrada: es aquella matriz que está compuesta por un número igual
tanto de filas como de columnas.
3- Matriz Traspuesta: encontramos esta matriz cuando a partir de una matriz ya

establecida cambiamos el ordenamiento de filas por columnas y viceversa, de
la siguiente manera, teniendo un matriz A=a(i,j) obtenemos su transpuesta así
At=a(j,i)
4- Matriz Triangular: es una matriz cuadrada que contiene todos los elementos
por encima o por debajo de la diagonal principal nulos.
Matriz triangular superior.
Matriz triangular inferior.

Métodos Numéricos
5- Matriz Aumentada: Este tipo de matriz se obtiene de unir dos matrices, de la

siguiente manera:
A= ; B=
De esta unión se obtiene la matriz aumentada que se denota:
(AIB)=
Esta notación es útil para resolver sistemas de ecuaciones lineales dados por
matrices cuadradas. En álgebra lineal, se utiliza la matriz aumentada para
representar los coeficientes así como las constantes de cada ecuación.
Ejemplo:
6- Matriz bandeada: En matemáticas una matriz se le llama Matriz Banda o

bandeada cuando es una matriz donde los valores no nulos son confinados
en un entorno de la diagonal principal, formando una banda de valores no
nulos que completan la diagonal principal de la matriz y más diagonales en
cada uno de sus costados.
Métodos Numéricos
Ejemplo:
La matriz anterior tiene un ancho de banda de 3 y recibe el nombre especial

de matriz tridiagonal
7- Multiplicación de matrices:
Dadas dos matrices A y B, tales que el número de columnas de la matriz A es

igual al número de filas de la matriz B; es decir:
La multiplicación de A por B, que se denota A·B, A×B o simplemente AB, está

definida como:
Donde cada elemento está definido por:

Métodos Numéricos
Ejemplo:
8- Determinantes
Asociado a cada matriz cuadrada A hay un número llamado determinante de

A. El Determinante de A se puede escribir de dos formas:
• A Determinante de A (no lo confundan con el signo del valor absoluto

de un número real).
Métodos Numéricos
• Det A Esta se utiliza a veces en lugar de A para evitar la

confusión.
Una matriz es de primer orden cuando únicamente tiene un solo elemento y

A = [ a11 ] y definimos el determinante de A cómo A =a11 .
Ahora si la matriz A es una matriz cuadrada de segundo orden tendremos una

matriz de 2 x 2 de modo que
a a12 
A =  11
a 21 a 22 
Es una matriz cuadrada de segundo orden.
Para hallar el determinante de esta matriz se realiza de la siguiente manera:
multiplicar multiplicar
a a12 
A =  11 A = ( a11 ) ( a22 ) - ( a21 ) ( a12 )
a 21 a 22 
RESTAR
Ejemplo: multiplicar multiplicar
3 −2
Encuentre A si A= = ( 3)( −1) − ( 4 )( − 2 ) = ( − 3) − ( − 8) = −3 + 8 = 5
4 −1
RESTAR
Métodos Numéricos
GAUSS SIMPLE
El método de Gauss, también conocido como método de eliminación simple de

Gauss, es una de las primeras técnicas empleadas por actuarios, matemáticos e
ingenieros para la resolución de sistemas de ecuaciones. El método comprende dos
fases:
• Eliminación de las incógnitas hacia adelante

• Sustitución hacia atrás
La primera fase tiene el objetivo de reducir el sistema original a una forma triangular
superior. Por ejemplo, para un sistema de n ecuaciones en n incógnitas que se
representa con la siguiente matriz aumentada:
… (3)
Se comienza por eliminar la primera incógnita x1 desde la segunda ecuación hasta la
n-ésima. Para tal efecto, se multiplica el primer renglón de la matriz (3) por , con
lo que se obtiene
Métodos Numéricos
…(4)
Esta ecuación se sustrae del segundo renglón de la matriz (3) para obtener
…(5)
que a su vez puede representarse por
…(6)
En donde el apostrofo de primalidad, denota que los valores de las variables

implicadas (a22,…,a2n y b2) han cambiado después de esta primera operación. Este
proceso se repite para los renglones restantes de la matriz (3). Por ejemplo para
eliminar la primera incógnita x1, de la tercera ecuación del sistema (renglón tres de la
matriz (3)), se resta a ésta el producto del primer renglón (primera ecuación del
sistema) de la matriz (3) por . Repitiendo estos pasos con las ecuaciones
restantes del sistema (renglones restantes de la matriz (3), se da paso al siguiente

sistema modificado:
Métodos Numéricos
… (7)
En este primer conjunto de operaciones realizado para las ecuaciones dos hasta n,
(renglones dos hasta n de la matriz (3)) se dice que la primera ecuación del sistema
es la ecuación pivote y al coeficiente a11, se le conoce como coeficiente o elemento
pivote. Es frecuente referirse al proceso de eliminar incógnitas hacia delante con el
nombre de normalización de un sistema de ecuaciones.
Una vez que se ha eliminado del sistema la primera incógnita x 1 desde la segunda
ecuación hasta la n-ésima, se procede a eliminar la segunda incógnita x 2, desde la
tercera ecuación del sistema hasta la n-ésima, con lo que el sistema toma la
siguiente forma:
…(8)
El doble apóstrofo de bi-primalidad, indica que los coeficientes a los que afecta, han
sido sujetos a un proceso operaciones de normalización dos veces. Este proceso
continua hasta eliminar la incógnita xn-1 de la n-ésima ecuación, obteniendo la
siguiente matriz modificada final:
Métodos Numéricos
…(9)
Como puede observarse, es una matriz triangular superior, en donde los apóstrofos
de primalidad ( ), bi-primalidad ( ),…, n-1 primalidad (n-1), indican el número de
operaciones de normalización aplicadas a cada ecuación del sistema.
La segunda fase de la eliminación de Gauss, consiste en que, una vez que se ha

obtenido una matriz triangular superior a través de operaciones de normalización,
realizar la sustitución hacia atrás. Este proceso comienza despejando xn de la última
ecuación (último renglón de la matriz (9))
…(10)
A su vez, este resultado se sustituye hacia atrás en la ecuación n-1 del sistema
modificado final, (renglón n -1 de la matriz (9)). Este mecanismo se repite para las x
restantes, lo que se representa mediante la expresión general:
…(11),
para i = n-1, n-2,…,1
Métodos Numéricos
Ejemplo:
Aplicando el método de eliminación de Gauss y empleando seis dígitos
significativos, resuelva el siguiente sistema de ecuaciones lineales:
3x1 – 0.1x2 – 0.2x3 = 7.85… (12)

0.1x1 + 7x2 – 0.3x3 = -19.3... (13)
0.3x1 – 0.2x2 + 10x3 = 71.4... (14)
Solución. Aplicando el proceso de eliminación hacia delante, se multiplica la ecuación
(12) por y se sustrae el resultado de la ecuación (13), obteniéndose:
Luego se realiza el producto de la ecuación (12) por y se sustrae de la ecuación

(14) para eliminar x1. Como resultado de estas operaciones, se tiene el siguiente
sistema modificado:
3x1 – 0.1x2 – 0.2x3 = 7.85 (12)

7.00333x2 – 0.293333x3 = -19.561 (13)
– 0.1900002x2 + 10.0200x3 = 70.6150 (14)
Una vez hecho lo anterior, se procede a eliminar x2 de la ecuación (14). Para ello, se
realiza el producto de la ecuación (13) por y el resultado se sustrae de la

ecuación (14). Este proceso elimina a x2 de la tercera ecuación, completando la fase
de eliminación hacia delante, obteniendo un sistema correspondiente a una forma
triangular superior:
Métodos Numéricos
3x1 – 0.1x2 – 0.2x3 = 7.85 (15)

7.00333x2 – 0.293333x3 = -19.5617 (16)
+ 10.0200x3 = 70.0843 (17)
En consecuencia, se procede a la sustitución hacia atrás. Primeramente, de la

ecuación (17) se despeja x3:
…(18)
Ahora, este resultado se sustituye en la ecuación (16):
7.00333x2 – 0.293333(7.00003) = -19.5617
De la cual se despeja x2:
…(19)
Finalmente, se sustituyen los valores (18) y (19) en la ecuación (15), de la que se

despeja x1:
El método de eliminación de Gauss, puede enfrentar las siguientes dificultades:

Métodos Numéricos
• Error de redondeo. Tomando en cuenta que las verdaderas soluciones del

sistema son x1 = 3, x2 = -2.5 y x3 = 7, se observa que hay una pequeña
diferencia con los resultados obtenidos por el método de eliminación de
Gauss. Esto se debe al error de redondeo en los cálculos.
• División entre cero. Se ha llamado al método como método de Gauss simple,

debido a que con él es posible incurrir en la división entre cero, por ejemplo,
para resolver el siguiente sistema:
Implicaría incurrir en una división entre cero al intentar normalizar la primera

ecuación.
• Sistemas mal condicionados. Son aquellos en donde pequeños cambios en

los coeficientes generan grandes variaciones en la solución.
Ejemplo de un sistema mal condicionado:
Resolviendo, se tiene que x1 = 8 y x2 = 1. Modificando ligeramente la segunda

ecuación del sistema:
Métodos Numéricos
Se tiene que x1 = 4 y x2 = 3. Como puede observarse, una ligera variación en uno de

los coeficientes del sistema, ocasionó una fuerte variación en la solución del mismo.
En general, se dice que un sistema es mal condicionado si su determinante es
cercano a cero. Sin embargo, para detectar el mal condicionamiento, primero es
necesario escalar todas las ecuaciones de forma
tal, que el valor máximo de cada coeficiente en cualquier ecuación sea la unidad y
posteriormente, calcular el determinante.
Ejemplo. Establecer sí los siguientes sistemas de ecuaciones están mal

condicionados
a)
b)
c)
Solución.
a) Escalando el sistema se obtiene:
, det = 1(1)-0.667(-0.5) = 1.33

Métodos Numéricos
El determinante no es cercano a cero, por lo tanto el sistema no es mal

condicionado.
b) Escalando el sistema se obtiene:
, det = 0.5(1)-1(0.55) = -0.05
El determinante es cercano a cero, por lo tanto el sistema es mal condicionado.
c) Escalando el sistema se obtiene:
, det = 0.5(1)-1(0.55) = -0.05
El determinante es cercano a cero, por lo tanto el sistema es mal condicionado.

Suponiendo que se calcula el determinante del sistema c) sin realizar el
escalamiento, el resultado que se obtiene es 20, lo que engañosamente haría pensar
que el sistema no es mal condicionado.
Técnicas para el mejoramiento de las soluciones del método de eliminación de

Gauss
• Uso de un mayor número de cifras significativas
• Pivoteo. Antes de normalizar cada renglón, es conveniente localizar el

coeficiente más grande en valor absoluto disponible en la columna que está
por debajo del elemento pivote, con el objetivo de intercambiar los renglones
Métodos Numéricos
de tal manera que el elemento más grande sea el elemento pivote, al cual se
le conoce como pivote parcial. Al procedimiento en el que tanto en las
columnas como en las filas se busca el elemento de mayor valor absoluto y
posteriormente se intercambian se le denomina pivoteo total.
REFERENCIAS BIBLIOGRAFICAS
http://www.sectormatematica.cl/media/NM3/DETERMINANTES.doc
Métodos Numéricos
http://es.wikipedia.org/wiki/Matriz_sim%C3%A9trica
http://es.wikipedia.org/wiki/Matriz_transpuesta
http://es.wikipedia.org/wiki/Determinante_(matemática)
http://es.wikipedia.org/wiki/Matriz_triangular
http://es.wikipedia.org/wiki/Matriz_banda
http://es.wikipedia.org/wiki/Matriz_aumentada
http://es.wikipedia.org/wiki/Multiplicación_de_matrices
http://www.slideshare.net/nestorbalcazar/mtodos-numricos-05
ANEXOS 1
CODIGO DEL METODO EN JAVA
package gauss;
import javax.swing.JOptionPane;
Métodos Numéricos
public class gauss {
public static void main(String[] args) {
JOptionPane.showMessageDialog(null,"SOLUCION DE ECUACIONES LINEALES

POR EL METODO DE GAUSS");
int i,j,s,k,h,n;
double d;
double m[][];
double r[];
double x[];
//Recuerde que el numero de incognitas y de ecuaciones deben ser iguales
n=Integer.parseInt(JOptionPane.showInputDialog("ingrese el numero de
incognitas"));
m= new double [n][n];
r= new double [n];
x= new double [n];
//RECUERDE QUE LA DIAGONAL PRINCIPAL DE LA MATRIZ DE COEFICIENTES

NO PUEDE TENER CEROS
for(i=0;i<=n-1;i++){
k=i+1;
r[i]=Double.parseDouble(JOptionPane.showInputDialog("ingrese el elemento
"+k+" del vector de soluciones"));
x[i]=0;
for(j=0;j<=n-1;j++){
h=j+1;
m[i][j]=Double.parseDouble(JOptionPane.showInputDialog("ingrese el
elemento "+k+h+" de la matriz de coeficientes"));
//Este ciclo convierte la triangular inferior en ceros

Métodos Numéricos
for(i=0;i<n;i++){
for(j=i;j<n;j++){
if(i==j){
d=m[i][j];
for(s=0;s<n;s++){
m[i][s]=((m[i][s])/d);
r[i]=((r[i])/d);
else{
d=m[j][i];
for(s=0;s<n;s++){
m[j][s]=m[j][s]-(d*m[i][s]);
r[j]=r[j]-(d*r[i]);
//A continuacion se calcula el valor de las ingognitas
for(i=n-1;i>=0;i--){
double y=r[i];
for(j=n-1;j>=i;j--){
y=y-x[j]*m[i][j];
x[i]=y;
}
Métodos Numéricos
for(i=0;i<n;i++){
k=i+1;
JOptionPane.showMessageDialog(null,"el valor de la incognita x"+k+" es "+x[i]);
ANEXO 2
CODIGO DE GAUSS SIMPLE EN MATLAB
-------------------------La funcion datos.-------------------------------------
%Los datos se ingresan en la variable a

%como matriz ampliada
Métodos Numéricos
a=[4 3 2 6;12 2 4 8;3 4 1 4];
%Calculos adicionales
[m,n]=size(a);
b=a(:,n);
----------------------------------la funcion gauss-----------------------------
%Eliminacion Gauss simple

%Realizado por Ing E.Porto
clc;clear;
disp('Eliminacion Gauss simple')
disp('Realizado por Ing E Porto')
%Los datos se almacenan en el archivo datos.m
%como matriz ampliada en la variable a
datos;
disp('matriz original')
disp(a)
an=a;
%valores iniciales descomposicion lu crout
%la respuesta se almacena en las matrices
%low y upp
low(:,1)=a(:,1);
upp(1,:)=a(1,1:m)/a(1,1);
% eliminacion hacia adelante
for i=1:m-1
for j=i+1:m
fprintf('\n eliminacion fila %g columna %g \n',j,i)
a(j,:)=a(j,:)-a(i,:)*a(j,i)/a(i,i);
Métodos Numéricos
disp(a)
pause
end
%descomposicion lu crout
low(i+1:m,i+1)=a(i+1:m,i+1);
upp(i+1,i:m)=a(i+1,i:m)/(a(i+1,i+1));
end
% sustitucion hacia atras
%la respuesta se almacena en x
x(m)=a(m,m+1)/a(m,m);
for k=m-1:-1:1
s=0;
for p=k+1:m
s=s+a(k,p)*x(p);
end
x(k)=(a(k,m+1)-s)/a(k,k);
end
% presentacion de resultados
disp('matrices lu');
disp('matriz inferior =');disp(low);
disp('matriz superior = ');disp(upp);
disp('solucion del sistema AX=B');
disp(x)

Gauss Simple

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Gauss Simple

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD INDUSTRIAL DE SANTANDER

FACULTAD DE INGENIERÍAS FÍSICO-QUÍMICAS

Marcela Fernanda Garzón Torres cód.2073740

Universidad industrial de Santander

Para el desarrollo de métodos de soluciones de ecuaciones es necesario tener en

Las matrices y los determinantes son herramientas algebraicas utilizadas en muchas

Para representarla de una manera más apropiada encontramos la siguiente forma:

A=a(i,j) donde i representa la posición de la fila en donde estamos y j representa la

1- Matriz simétrica: Es aquella matriz cuadrada en donde los valores de ai,j=aj,i

3- Matriz Traspuesta: encontramos esta matriz cuando a partir de una matriz ya

Matriz triangular superior.

Matriz triangular inferior.

5- Matriz Aumentada: Este tipo de matriz se obtiene de unir dos matrices, de la

De esta unión se obtiene la matriz aumentada que se denota:

6- Matriz bandeada: En matemáticas una matriz se le llama Matriz Banda o

La matriz anterior tiene un ancho de banda de 3 y recibe el nombre especial

Dadas dos matrices A y B, tales que el número de columnas de la matriz A es

La multiplicación de A por B, que se denota A·B, A×B o simplemente AB, está

Donde cada elemento está definido por:

Asociado a cada matriz cuadrada A hay un número llamado determinante de

• A Determinante de A (no lo confundan con el signo del valor absoluto

• Det A Esta se utiliza a veces en lugar de A para evitar la

Una matriz es de primer orden cuando únicamente tiene un solo elemento y

Ahora si la matriz A es una matriz cuadrada de segundo orden tendremos una

Es una matriz cuadrada de segundo orden.

Para hallar el determinante de esta matriz se realiza de la siguiente manera:

Ejemplo: multiplicar multiplicar

El método de Gauss, también conocido como método de eliminación simple de

• Eliminación de las incógnitas hacia adelante

Se comienza por eliminar la primera incógnita x1 desde la segunda ecuación hasta la

que a su vez puede representarse por

En donde el apostrofo de primalidad, denota que los valores de las variables

restantes del sistema (renglones restantes de la matriz (3), se da paso al siguiente

La segunda fase de la eliminación de Gauss, consiste en que, una vez que se ha

3x1 – 0.1x2 – 0.2x3 = 7.85… (12)

Solución. Aplicando el proceso de eliminación hacia delante, se multiplica la ecuación

(12) por y se sustrae el resultado de la ecuación (13), obteniéndose:

Luego se realiza el producto de la ecuación (12) por y se sustrae de la ecuación

3x1 – 0.1x2 – 0.2x3 = 7.85 (12)

realiza el producto de la ecuación (13) por y el resultado se sustrae de la

3x1 – 0.1x2 – 0.2x3 = 7.85 (15)

En consecuencia, se procede a la sustitución hacia atrás. Primeramente, de la

Ahora, este resultado se sustituye en la ecuación (16):

7.00333x2 – 0.293333(7.00003) = -19.5617

De la cual se despeja x2:

Finalmente, se sustituyen los valores (18) y (19) en la ecuación (15), de la que se

El método de eliminación de Gauss, puede enfrentar las siguientes dificultades:

• Error de redondeo. Tomando en cuenta que las verdaderas soluciones del

• División entre cero. Se ha llamado al método como método de Gauss simple,

Implicaría incurrir en una división entre cero al intentar normalizar la primera

• Sistemas mal condicionados. Son aquellos en donde pequeños cambios en

Resolviendo, se tiene que x1 = 8 y x2 = 1. Modificando ligeramente la segunda

Se tiene que x1 = 4 y x2 = 3. Como puede observarse, una ligera variación en uno de

Ejemplo. Establecer sí los siguientes sistemas de ecuaciones están mal

, det = 1(1)-0.667(-0.5) = 1.33

El determinante no es cercano a cero, por lo tanto el sistema no es mal

b) Escalando el sistema se obtiene:

, det = 0.5(1)-1(0.55) = -0.05

El determinante es cercano a cero, por lo tanto el sistema es mal condicionado.

c) Escalando el sistema se obtiene:

, det = 0.5(1)-1(0.55) = -0.05

El determinante es cercano a cero, por lo tanto el sistema es mal condicionado.

Técnicas para el mejoramiento de las soluciones del método de eliminación de