1- Para resolver un sistema de ecuaciones lineales con Reduccin Gaussiana sin pivoteo se

implement el siguiente algoritmo:

function x= gausssinpivoteo(A,b)

n=length(b);
x=zeros (n,1);
for j=1:n-1
if A(j,j)<=1e-16
disp('no se puede aplicar reduccin sin pivoteo a este SEL')
return
end
for i=j+1:n
lambda= A(i,j)/A(j,j);
A(i,j:n)=A(i,j:n)-lambda*A(j,j:n);
b(i)= b(i)-lambda*b(j);
end
end
A
x=backwardsust (A,b);

Y la funcin x=backwardsust, es a su vez un algoritmo para realizar una sustitucin

de variables hacia atrs para finalmente resolver el sistema de ecuaciones:
function x= backwardsust (A,b)
n=length(b)
x=zeros(n,1)
for i=n:-1:1
if abs(A(i,i)) <=1e-16;
disp('matriz cercana a ser singular')
return
end
x(i)= (b(i)-A(i,i+1:n)*x(i+1:n))/A(i,i)
end

2- Para resolver un sistema de ecuaciones lineales con Reduccin Gaussiana con pivoteo, se
utiliz el siguiente algoritmo:
function x= gaussconpivoteo (A,b)
n=length(b)
x= zeros (n,1)
for j=1:n-1
%%%% Realizar pivoteo parcial
[M,p] =max(abs(A(j:n,j)));
p= p+j-1;
if M<=1e-16
disp('La matriz es mal condicionada')
return
end
F= A(j,:)
A(j,:)= A(p,:);
A(p,:)= F;
bj=b(j);
b(j)=b(p);
b(p)= bj;
%%%%%%%%%%%%%%%%%%%%%%%%
for i=j+1:n
lambda= A(i,j)/A(j,j);
A(i,j:n)=A(i,j:n)-lambda*A(j,j:n);

b(i)= b(i)-lambda*b(j);
end
end
A
x=backwardsust (A,b);

Y luego se aplic el mismo logaritmo backwardsust que se utiliz para la

Reduccin Gaussiana sin pivoteo parcial.
3- La solucin x1 para el SEL A1*x1=b1 a travs de Reduccin Gaussiana sin Pivoteo
parcial:
x1 =
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
Y la solucin para este mismo sistema a travs de Reduccin Gaussiana con Pivoteo
parcial:
x1 =
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000

1.0000
Para el SEL A2x2=b2 la solucin que se obtuvo a travs de Reduccin Gaussiana
sin pivoteo parcial:
x2 =
0.9989
1.0076
0.9938
1.0063
0.9990
0.9994
1.0081
1.0018
1.0053
0.9990
1.0067
1.0038
1.0031
1.0054
1.0034
Y luego para el mismo sistema de ecuaciones resuelto a travs de Reduccin
Gaussiana con pivoteo parcial se obtuvo:
x2 =
0.9996
1.0064
0.9944
1.0052
0.9990
0.9997
1.0068
1.0013
1.0049
0.9992
1.0052
1.0031
1.0023
1.0045
1.0030
4- Para analizar las aproximaciones encontradas en los puntos anteriores se calcularon los
siguientes valores, y se procedi como se explica a continuacin:
Nmero de condicin: Se utiliz el comando cond (A,1) .

Autovalores: Para hallar los autovalores se utiliz el comando lambda=eig (A) y luego
para hallar el menor absoluto min (abs(lambda)).
Residuo: Para hallar el vector residuo se realiz la operacin en la computadora r=(bA*x) , y luego para hallar su norma norm1(r ), donde norm1 es una funcin previamente
establecida:
function s=norm1(x)
n=length(x);
s=0;
for i=1:n
s=s+ abs(x(i));
end

Para el sistema A1*x1=b1

Autovalor ms pequeo en magnitud:
0.1000
Nmero de Condicin
c=

42.6539

Reduccin Gaussiana sin Pivoteo parcial:

Residuo
r1 =

1.0e-15 * esto no se que es

0.1110
0.2220

0.0833
0
0
-0.0555
-0.0278
0
0
0
0.2220
-0.3331
-0.4441
0.1110
0.1110
Norma=

1.7208e-15

Reduccin Gaussiana con Pivoteo parcial:

Residuo
r1 =

1.0e-15 *

0.1110
0.2220

0.0833
0
0
-0.0555
-0.0278
0
0
0
0.2220
-0.3331
-0.4441
0.1110
0.1110
Norma =

1.7208e-15

Para el sistema A2*x2=b2

Autovalor ms pequeo en magnitud:
1.0012e-14
Nmero de condicin
c=

2.6722e+15

Reduccin Gaussiana sin Pivoteo parcial:

Residuo
r2 =

1.0e-15 *

-0.4441
0.1110
0
0.4441
0.8882
0
0.2220
0
0.2220
0.2220
-0.1110
0.2220
0.8882
-0.4441
-0.2220
Norma =

4.4409e-15

Reduccin Gaussiana con Pivoteo parcial:

Residuo
r2 =

1.0e-15 *

0
0.2220
0.1110
-0.8882
0.4441
0
0.2220
-0.4441
0
0.2220
0.2220
0.2220
0.8882
0
-0.6661
Norma =

4.5519e-15