Sol Sistemas Lineales Gauss Algoritmo

Solución de sistemas de
ecuaciones lineales –
Método de Gauss
David Henao
Mario Valderrama
Ingeniería Biomédica
Universidad de los Andes
Solución de sistemas de ecuaciones lineales - Gauss
Solución general

Solución general
Ya hemos visto cómo podemos encontrar la solución a

un sistema de ecuaciones lineales siguiendo el método
de eliminación de Gauss.

Solución general

Este método consiste principalmente en dos partes:

Solución general

1. Obtención de una matriz triangular superior

realizando operaciones lineales sucesivas.

Solución general

1. Obtención de una matriz triangular superior

realizando operaciones lineales sucesivas.
2. Obtención de los valores de las incógnitas

realizando sustituciones hacia atrás.

Solución general
Veamos ahora un algoritmo más general que nos

permita implementar el método de Gauss en el
computador...

Solución general
Comencemos con un sistema de ecuaciones

lineales representado de la siguiente forma:

Solución general


Solución general

donde todos los aij

y bi son constantes!

Solución general

En este caso
nuestro sistema
corresponde a 4
ecuaciones con 4
incógnitas x1,x2,x3,x4

Solución general
Recordemos que este sistema de ecuaciones lo

podemos representar de forma matricial como se
muestra a continuación:

Solución general

a11 a12 a13 a14 x1 b1
⟦ a21
a31
a41
a22
a32
a42
A
a23
a33
a43
⟧⟦ ⟧⟦ ⟧
a24
a34
a44
*
x2
x3
x4
=
x = b
b2
b3
b4

Solución general

a11 a12 a13 a14 x1 b1 donde A es una
⟦ a21
a31
a41
a22
a32
a42
A
a23
a33
a43
⟧⟦ ⟧⟦ ⟧
a24
a34
a44
*
x2
x3
x4
=
x = b
b2
b3
b4
matriz cuadrada de
coeficientes
constantes de NxN,
en este caso de 4x4

Solución general

a11 a12 a13 a14 x1 b1 x es un vector
⟦ a21
a31
a41
a22
a32
a42
A
a23
a33
a43
⟧⟦ ⟧⟦ ⟧
a24
a34
a44
*
x2
x3
x4
=
x = b
b2
b3
b4
columna de
incógnitas de Nx1,
en este caso de 4x1

Solución general

a11 a12 a13 a14 x1 b1 y b es un vector
⟦ a21
a31
a41
a22
a32
a42
A
a23
a33
a43
⟧⟦ ⟧⟦ ⟧
a24
a34
a44
*
x2
x3
x4
=
x = b
b2
b3
b4
columna de
elementos
constantes de Nx1,
en este caso de 4x1

Solución general

a11 a12 a13 a14 x1 b1
⟦ a21
a31
a41
a22
a32
a42
A
a23
a33
a43
⟧⟦ ⟧⟦ ⟧
a24
a34
a44
*
x2
x3
x4
=
x = b
b2
b3
b4
veamos entonces paso a paso
cómo podemos encontrar la
solución de este sistema
usando el método de Gauss...

Solución general - Paso a paso

1. Construimos la matriz aumentada Au=[A b] concatenando
la matriz A con el vector b:

Au
donde Au
corresponde a la
matriz aumentada
de dimensiones NxM,
en este caso de 4x5
Au
Ahora, iniciamos un procedimiento iterativo que nos permita
eliminar uno a uno todos los elementos por debajo de cada pivote.

Recordemos que un pivote se define como el primer elemento

de cada fila que es diferente de cero.


Usualmente, en el proceso de reducción que vamos a seguir, los

pivotes corresponden a los elementos de la diagonal principal de
la matriz A aunque se pueden encontrar casos en los cuales
esto no se cumple.


Usualmente, en el proceso de reducción que vamos a seguir, los

pivotes corresponden a los elementos de la diagonal principal de
la matriz A aunque se pueden encontrar casos en los cuales
esto no se cumple.
Hablaremos de estos casos especiales más adelante.

2. Seleccionamos el primer pivote en la posición a11 y
eliminamos todos los elementos por debajo de éste.

➢ Convertimos en 0 el elemento a21 multiplicando la Fila 1 por -a21 / a11 y
sumándola a la Fila 2 (reemplazamos la Fila 2 por una combinación
lineal entre esta fila y la Fila 1!):




Obtenemos a21=0

Obtenemos a21=0 de manera general:
donde j corresponde a cada una de la

columnas de la matriz aumentada!

➢ Repitiendo el procedimiento anterior, convertimos ahora el elemento
a31 en 0 multiplicando la Fila 1 por -a31 / a11 y sumándola a la Fila 3:



Obtenemos a31=0

Obtenemos a31=0
de manera general:

➢ Finalmente, convertimos el elemento a41 en 0 multiplicando la Fila 1
por -a41 / a11 y sumándola a la Fila 4:


Obtenemos a41=0

Obtenemos a41=0 Con su respectiva

ecuación general:

3. Seleccionamos el segundo pivote a’22 y eliminamos todos
los elementos por debajo de éste.

➢ Convertimos el elemento a’32 en 0 multiplicando la Fila 2 por -a’32 / a’22
y sumándola a la Fila 3:


Obtenemos a’32=0

Obtenemos a’32=0
con ecuación general:


Obtenemos a’42=0

Obtenemos a’42=0
con ecuación general:

4. Seleccionamos el tercer pivote a’’33 y eliminamos todos los
elementos por debajo de éste.

➢ Convertimos el elemento a’’43 en 0 multiplicando la Fila 3 por -a’’43 / a’’33

Obtenemos a’’43=0

Obtenemos a’’43=0
con fórmula general:

Observamos entonces que la parte de la izquierda de la matriz
aumentada Au corresponde a una matriz triangular superior!


La cual podemos representar

en forma matricial:
a11 a12 a13 a14 x1 b1
⟦ 0 a ' 22 a ' 23 a ' 24

0
0
0 a ' ' 33 a ' ' 34
0 0
^
A
⟧⟦ ⟧⟦ ⟧
a ' ' ' 44
*
x2
x3
x4
x =
=
b '2
b ' '3
b' ' '4
b^
De manera general, podemos representar nuestro sistema
matricial de la forma:

^
A∗x= b^
a^11 a^12 a^13 a^14 x1 b^1
⟦ 0 a^22 a^23
0
0
0 a^33
0 0
⟧⟦ ⟧⟦ ⟧
a^24
a^34
a^44
*
x2
x3
x4
=
b^2
b^3
b^4

^
A∗x= b^
a^11 a^12 a^13 a^14 x1 b^1
⟦ 0 a^22 a^23
0
0
donde
0 a^33
0
Â
0
⟧⟦ ⟧⟦ ⟧
a^24
a^34
a^44
*
x2
x3
x4
=
corresponde a una
b^2
b^3
b^4
matriz triangular superior!

cuya solución se obtiene
^
A∗x= b^ por sustitución hacia atrás:
a^11 a^12 a^13 a^14 x1 b^1
⟦ 0 a^22 a^23
0
0
donde
0 a^33
0
Â
0
⟧⟦ ⟧⟦ ⟧
a^24
a^34
a^44
*
x2
x3
x4
=
corresponde a una
b^2
b^3
b^4

^
A∗x= b^ b^4
por sustitución hacia atrás:
x 4=
a^11 a^12 a^13 a^14 x1 b^1 a^44
⟦ 0 a^22 a^23
0
0
donde
0 a^33
0
Â
0
⟧⟦ ⟧⟦ ⟧
a^24
a^34
a^44
*
x2
x3
x4
=
corresponde a una
b^2
b^3
b^4

^
A∗x= b^ b^4
x 4=
a^11 a^12 a^13 a^14 x1 b^1 a^44
⟦ 0 a^22 a^23
0
0
donde
0 a^33
0
Â
0
⟧⟦ ⟧⟦ ⟧
a^24
a^34
a^44
*
x2
x3
x4
=
corresponde a una
b^2
b^3
b^4
1 ^
x 3 = [ b 3− a^34 x 4 ]
a^33

^
A∗x= b^ b^4
x 4=
a^11 a^12 a^13 a^14 x1 b^1 a^44
⟦ 0 a^22 a^23
0
0
donde
0 a^33
0
Â
0
⟧⟦ ⟧⟦ ⟧
a^24
a^34
a^44
*
x2
x3
x4
=
corresponde a una
b^2
b^3
b^4
1 ^
x 3 = [ b 3− a^34 x 4 ]
a^33
1
x 2 = [ b^2− a^23 x 3 −a^24 x 4 ]
a^22

^
A∗x= b^ b^4
x 4=
a^11 a^12 a^13 a^14 x1 b^1 a^44
⟦ 0 a^22 a^23
0
0
donde
0 a^33
0
Â
0
⟧⟦ ⟧⟦ ⟧
a^24
a^34
a^44
*
x2
x3
x4
=
corresponde a una
b^2
b^3
b^4
1 ^
x 3 = [ b 3− a^34 x 4 ]
a^33
1
x 2 = [ b^2− a^23 x 3 −a^24 x 4 ]
a^22
1
x 1 = [ b^1 −a^12 x 2 − a^13 x 3− a^14 x 4 ]
a^11
Así, vemos que podemos obtener las incógnitas xi realizando
sustituciones sucesivas encontrando primero x4, luego x3,
posteriormente x2 y finalmente x1.

Este tipo de solución se conoce como sustitución hacia atrás

dado que hallarx4 nos permite encontrar x3, y hallando x3 y x4
nos permite encontrar x2, y finalmente hallar x2, x3 y x4 nos
permite encontrar x1.

Este tipo de solución se conoce como sustitución hacia atrás

dado que hallarx4 nos permite encontrar x3, y hallando x3 y x4
nos permite encontrar x2, y finalmente hallar x2, x3 y x4 nos
permite encontrar x1.
N
De manera general: xi=
[
1 ^
aîi
bi − ∑ aîj x j
j=i+1
]
Método de Gauss - Algoritmo

Veamos ahora un resumen de los diferentes pasos

del algoritmo para resolver el sistema de
ecuaciones lineales usando el método de
eliminación de Gauss con sustitución hacia atrás!


2. Iniciamos un procedimiento iterativo que recorra cada
uno de los pivotes de la matriz Au; el número total de
pivotes corresponde usualmente al número de filas N de esta
matriz.

matriz.
Para cada iteración k (1 ≤ k ≤ N):

matriz.
Para cada iteración k (1 ≤ k ≤ N):

➢ Se selecciona el pivote akk.

➢ Se inicia un procedimiento iterativo que recorra cada
una de las filas por debajo del pivote.

Para cada iteración i (k+1 ≤ i ≤ N):


➢ Se calcula el multiplicador multi = aik / pivote.


➢ Se inicia un procedimiento iterativo que
recorra cada una de las columnas de la
fila i desde la columna k.


Para cada iteración j (k ≤ j ≤ N+1):


Para cada iteración j (k ≤ j ≤ N+1):
➢ Se calcula aij = aij – multi akj

3. Se realiza la sustitución hacia atrás a través de un
procedimiento iterativo en sentido inverso desde N hasta 1.

Para cada iteración i (N ≥ i ≥ 1):


N
➢ Se calcula xi=
[
1 ^
aîi
bi − ∑ aîj x j
j=i+1
]


N
➢ Se calcula xi=
[
1 ^
aîi
bi − ∑ aîj x j
j=i+1
]
veamos ahora en Python...

Como vimos, nuestro algoritmo nos permite encontrar la solución

de un sistema de ecuaciones lineales a través de método de
Gauss, la cual pudimos validar a través de diferentes funciones
que ofrece Python para este mismo procedimiento.

Como vimos, nuestro algoritmo nos permite encontrar la solución

de un sistema de ecuaciones lineales a través de método de
Gauss, la cual pudimos validar a través de diferentes funciones
que ofrece Python para este mismo procedimiento.
Nuestro algoritmo asume sin embargo que nuestros pivotes

corresponden a cada uno de los elementos de la diagonal principal
de la matriz A para realizar las operaciones sucesivas que nos
permiten obtener una matriz triangular superior (con todos lo
elementos por debajo de la diagonal principal igual a cero).

En particular, con el fin de eliminar cada elemento por debajo del
elemento de la diagonal, nuestro algoritmo multiplica por un término que
contiene el pivote en el denominador (término multi = aik / pivote).

Observamos entonces que en caso de que algún elemento de la diagonal

(algún pivote) sea cero, nuestro algoritmo fallará porque se
encontrará con una división por cero la cual no está definida!


De hecho, aún si algún elemento de la diagonal no es exactamente cero

sino un valor muy cercano a cero, nos podemos encontrar con
divisiones por cantidades muy pequeñas que magnificarán los errores de
aproximación numérica!


De hecho, aún si algún elemento de la diagonal no es exactamente cero

sino un valor muy cercano a cero, nos podemos encontrar con
divisiones por cantidades muy pequeñas que magnificarán los errores de
aproximación numérica!
veamos un ejemplo en Python...

Con el fin de evitar realizar divisiones por cero y de minimizar

los errores de aproximación numérica al dividir por cantidades
muy pequeñas, podemos implementar un procedimiento adicional
en nuestro algoritmo conocido como “pivoteo”.


Este procedimiento consiste en intercambiar filas en la matriz

aumentada Au con el fin de obtener en cada iteración el
elemento con la mayor magnitud para ser usado como el pivote.


Este procedimiento consiste en intercambiar filas en la matriz

aumentada Au con el fin de obtener en cada iteración el
elemento con la mayor magnitud para ser usado como el pivote.
El procedimiento en el cual se intercambian únicamente filas se

conoce como el “pivoteo parcial”.

El procedimiento en el cual se intercambian a la vez filas y

columnas para encontrar el elemento con la mayor magnitud
para ser usado como pivote se conoce como “pivoteo completo”.

El procedimiento en el cual se intercambian a la vez filas y

columnas para encontrar el elemento con la mayor magnitud
para ser usado como pivote se conoce como “pivoteo completo”.
Si bien el “pivoteo completo” puede reducir aún más los errores

de aproximación numérica en relación al “pivoteo parcial”, éste
requiere la creación y actualización de una matriz de
permutación que permita recobrar el orden de la solución final
dado que el intercambio de columnas, si bien no altera la
solución, sí intercambia el orden de las incógnitas obtenidas.

Método de Gauss – Algoritmo con pivoteo parcial
Veamos ahora cómo podemos adicionar el

procedimiento de “pivoteo parcial” a nuestro
algoritmo anteriormente realizado...

Como vimos, el adicionar el procedimiento de

“pivoteo parcial” nos permite obtener la solución
correcta aún cuando encontramos un valor igual a
0.0 en un pivote!

Como vimos, el adicionar el procedimiento de

“pivoteo parcial” nos permite obtener la solución
correcta aún cuando encontramos un valor igual a
0.0 en un pivote!
ahora...

Ejercicio
➢ Realizar una función en Python que
permita obtener la solución de un
sistema de N ecuaciones lineales con N
incógnitas a través del método de Gauss
con pivote parcial.

Ejercicio
con pivote parcial.
➢
Para validar la función creada, genere una matriz A y un vector
b de elementos aleatorios de NxN y Nx1 respectivamente, donde
N sea un parámetro variable.

Ejercicio
con pivote parcial.
➢
Para validar la función creada, genere una matriz A y un vector
b de elementos aleatorios de NxN y Nx1 respectivamente, donde
N sea un parámetro variable.
➢ Compare la solución obtenida con los procedimientos de numpy a
través de las funciones “inv” y “solve” del paquete linalg.

Sol Sistemas Lineales Gauss Algoritmo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sol Sistemas Lineales Gauss Algoritmo

Cargado por

Copyright:

Formatos disponibles

Solución de sistemas de

Solución de sistemas de ecuaciones lineales - Gauss

Ya hemos visto cómo podemos encontrar la solución a

Solución de sistemas de ecuaciones lineales - Gauss

Ya hemos visto cómo podemos encontrar la solución a

Este método consiste principalmente en dos partes:

Solución de sistemas de ecuaciones lineales - Gauss

Ya hemos visto cómo podemos encontrar la solución a

Este método consiste principalmente en dos partes:

1. Obtención de una matriz triangular superior

Solución de sistemas de ecuaciones lineales - Gauss

Ya hemos visto cómo podemos encontrar la solución a

Este método consiste principalmente en dos partes:

1. Obtención de una matriz triangular superior

2. Obtención de los valores de las incógnitas

Solución de sistemas de ecuaciones lineales - Gauss

Veamos ahora un algoritmo más general que nos

Solución de sistemas de ecuaciones lineales - Gauss

Comencemos con un sistema de ecuaciones

Solución de sistemas de ecuaciones lineales - Gauss

Comencemos con un sistema de ecuaciones

Solución de sistemas de ecuaciones lineales - Gauss

Comencemos con un sistema de ecuaciones

donde todos los aij

Solución de sistemas de ecuaciones lineales - Gauss

Comencemos con un sistema de ecuaciones

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que este sistema de ecuaciones lo

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que este sistema de ecuaciones lo

a11 a12 a13 a14 x1 b1

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que este sistema de ecuaciones lo

a11 a12 a13 a14 x1 b1 donde A es una

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que este sistema de ecuaciones lo

a11 a12 a13 a14 x1 b1 x es un vector

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que este sistema de ecuaciones lo

a11 a12 a13 a14 x1 b1 y b es un vector

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que este sistema de ecuaciones lo

a11 a12 a13 a14 x1 b1

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que un pivote se define como el primer elemento

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que un pivote se define como el primer elemento

Usualmente, en el proceso de reducción que vamos a seguir, los

Solución de sistemas de ecuaciones lineales - Gauss

Recordemos que un pivote se define como el primer elemento

Usualmente, en el proceso de reducción que vamos a seguir, los

Hablaremos de estos casos especiales más adelante.

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Solución de sistemas de ecuaciones lineales - Gauss

Obtenemos a21=0 de manera general: