Método de eliminación gaussiana. (Pag.

185-187)

1. Procedimiento general.

Se trata de resolver el sistema:

E1 : a11 x1  a12 x2    a1n xn  b1

E2 : a21 x1  a22 x2    a2 n xn  b2
    
En : an1 x1  an 2 x2    ann xn  bn

Tenemos varias posibilidades:

(1) Procedimientos exactos o técnicas directas.
(2) Procedimientos iterativos.

La regla de Cramer y el método de eliminación gaussiana son ejemplos del primer

caso. Aquí vamos a ver este procedimiento de Gauss.

Para resolver un sistema lineal como el de arriba se pueden utilizar operaciones tales
como:

1. La ecuación Ei puede multiplicarse por cualquier constante λ (distinta de 0) y

emplearse en lugar de Ei : (λEi ) → Ei .
2. Puede tomarse una ecuación Ej multiplicarse por una constante λ (distinta de 0) ,
sumarlo con Ei y emplearse ello en lugar de Ei : (λEj + Ei ) → Ei .
3. Puede intercambiarse la fila Ei con la fila Ej : Ei ↔ Ej .

El método de Gauss utiliza estas propiedades para transformar un sistema lineal en

otro más sencillo de resolver. Veámoslo primero sobre un ejemplo:

E1 : x1  x2  3x4  4
E2 : 2 x1  x2  x3  x4  1
E3 : 3 x1  x2  x3  2 x4   3
E4 :  x1  2 x2  3 x3  x4  4

El primer paso es eliminar los elementos debajo del x1 de E1 (llamado “pivote”):

Se hacen las operaciones:
(E2 -2 E1 ) → E2,
(E3 -3 E1 ) → E3,
(E4 –(-1) E1 ) → E4,
Obtenemos:

E1 : x1  x2  3x4  4
E2 :  x2  x3  5 x4   7
E3 :  3x3  13 x4  13
E4 :  13 x4  13
 Este último sistema tiene la forma triangular reducida y se resuelve:
x4 = 1, este resultado lo sustituimos arriba y hallamos x3=0, etc.

 Método de Gauss.

Sea un sistema de ecuaciones lineales:

E1 : a11 x1  a12 x2    a1n xn  b1

E2 : a21 x1  a22 x2    a2 n xn  b2
    
En : an1 x1  an 2 x2    ann xn  bn

Utilizaremos una matriz ampliada con los coeficientes, Aa :

 a11 a12  a1n | a1, n 1 

 
 a21 a22  a2 n | a2,n 1 
Aa  [ A, b] 
       
 
 an1 an 2   | an , n 1 

Siempre que el pivote a11 sea distinto de 0, se realizan las operaciones:

 a j1 
Ej   E1  E j
 a11 

Nos resultará una matriz con ceros en la primera columna, debajo del pivote.

 a11 a12  a1n | a1,n 1 

 
1  0 a22  a2 n | a2, n 1 
Aa 
 0      
 
 0 an 2   | an ,n 1 
Operaríamos de la misma forma para hacer ceros la segunda columna debajo del
pivote a22 (siempre que éste sea distinto de 0), etc.

Al final tendremos una matriz en la forma:

 a11 a12  a1n | a1, n 1 

 
0 a22  a2 n | a2,n 1 
Aa  
f
 0 0     
 
 0 0 0 ann | an , n 1 

Esta matriz representa un sistema lineal con el mismo conjunto de soluciones que el
sistema de ecuaciones (triangular):
 a11 x1  a12 x2    a1n xn  b1
a22 x2    a2 n xn  b2
   
ann xn  bn

Que se resolvería por “remonte”:

an , n 1
xn 
ann
Este resultado se va sustituyendo arriba y se va obteniendo:

xn1 
an1,n1  an 1,n xn 
an1, n1
Continuando con el proceso se llega a:

xi 
ai,n1  ain xn  ai,n 1 xn1    ai,i1 xi1  
aii
n
 
 i , n 1  aij x j 
a 
 
j  i 1

aii

Para cada i = n-1, n-2, …, 2 , 1.

Pero debe tenerse en cuenta que en ocasiones este proceso directo no funciona, ello
sucede cuando alguno de los pivotes parciales aii es 0. En este caso intercambiamos
esta fila por otra.

Veamos un ejemplo, para entender este pequeño contratiempo:

E1 : x1  x2  2 x3  x4   8
E2 : 2 x1  2 x2  3 x3  3 x4   20
E3 : x1  x2  x3  2
E4 : x1  x2  4 x3  3 x4  4

La matriz ampliada es:

 1 1 2 1 | 8 
 2 2 3 3 | 20 
Aa  Aa(1)  
1 1 1 0 | 2 
 
 1 1 4 3 | 4 

Efectuamos (E2 -2 E1 ) → E2, (E3 - E1 ) → E3, (E4 – E1 ) → E4,

  1 1 2 1 | 8 
 0 0 1 1 | 4 
Aa  Aa(2) 
 0 2 1 1 | 6
 0 0 2 4 
| 12 


(2)
Con el pivote a22 = 0, aquí el procedimiento no puede continuar de la misma manera:
Debemos hacer una operación reintercambio: Ei ↔ Ej .
Por ejemplo: E2 ↔ E3 .

 1 1 2 1 | 8 
 0 2 1 1 | 6 
Aa(2)  
 0 0 1 1 | 4 
 
0 0 2 4 | 12 
Y sobre ésta seguimos el procedimiento:

 1 1 2 1 | 8 
 0 2 1 1 | 6 
A(4a )   
 0 0 1 1 | 4 
 
0 0 0 2 | 4 
Ahora pasaríamos a hallar las soluciones según:

4
x4  2
2
(4  (1) x4 )
x3  2
1
(6  x4  (1) x3 )
x2  3
2
(8  (1) x4  2 x3  (1) x2 )
x1   7
2

2. Algoritmo de eliminación gaussiana.

Repasar lo que está indicado en el libro de Virginia Muto,

Pero nosotros consideraremos el caso más simple suponiendo que siempre hay solución
para el sistema.

Sirve para resolver el sistema lineal de nxn:

E1 : a11 x1  a12 x2    a1n xn  b1
E2 : a21 x1  a22 x2    a2 n xn  b2
    
En : an1 x1  an 2 x2    ann xn  bn
Entrada: La matriz ampliada Aa .
Salida: solución x1, x2, …., xn o mensaje de “no tiene solución”.

Paso 0: Definir m = zeros(1,n).

Paso 1: Para i = 1, 2, …, n-1 seguir los pasos 2-4.
Paso 2: Si A(i,i) = 0 entonces → Proceso de intercambio de filas.
Paso 3: (nosotros no los pondremos)
Paso 4: Para j = i+1, i+2, …, n seguir los pasos 5 y 6.
Paso 5: Tomar m(j,i) = A(j,i)/A(i,i).
Paso 6: Efectuar E j  m( j , i) Ei  E j
Paso 7: --- Fin del proceso de triangulación ---