UC 2: SOLUCIÓN DE SISTEMAS LINEALES,

INTERPOLACIÓN Y AJUSTE DE CURVAS.

SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

MÉTODO DE GAUSS
MÉTODO DE GAUSS - JORDAN

MÉTODOS NUMÉRICOS
Mgs. Fabián Ordóñez M.
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
 CLASE Nro. 9

CONTENIDO

Título Método de Gauss, Gauss Jordan

Duración 2 horas

Información general Resuelve sistemas de ecuaciones lineales utilizando el método

de Gauss y de Gauss – Jordan
Objetivo Aplicar el método de Gauss y de Gauss - Jordan para
resolver sistemas de ecuaciones lineales con n ecuaciones y n
incógnitas

1
 CLASE Nro. 9

1. Método de Gauss

El método de Gauss resuelve cualquier sistema de ecuaciones que tenga solución, es

decir si al sistema se representa en su forma matricial Ax = b.
𝑎1,1 𝑎1,2 𝑎1,3 … 𝑎1,𝑛 𝑥1 𝑏1
𝑎2,1 𝑎2,2 𝑎2,3 … 𝑎2,4 𝑥2 𝑏2
[ ⋮ ⋮ ⋱ … ⋮ ][ ⋮ ] = [ ⋮ ]
𝑎𝑛,1 𝑎𝑛,2 𝑎𝑛,3 … 𝑎𝑛,𝑛 𝑥𝑛 𝑏𝑛

donde A ∈ ℝnxn denominada matriz asociada a los coeficientes del sistema de ecuaciones
planteado, b ∈ ℝn y x ∈ ℝn, entonces ∃x / Ax = b.

Ahora, la condición indispensable para que un sistema lineal tenga solución es que el
determinante de A sea diferente de 0

Si utilizamos el método de la matriz inversa para resolver un sistema lineal, se obtiene:

x = A−1.b

siendo A-1 la matriz inversa

𝐴𝑑𝑗(𝐴)
𝐴−1 =
det (𝐴)

Cuando tenemos un sistema de ecuaciones lineales, con A una matriz triangular

superior, se resuelve, en la siguiente forma.
𝑎1,1 𝑎1,2 𝑎1,3 … 𝑎1,𝑛 𝑥1 𝑏1
0 𝑎2,2 𝑎2,3 … 𝑎2,4 𝑥2 𝑏2
[ ⋮ ⋮ ⋱ … ⋮ ][ ⋮ ] = [ ⋮ ]
0 0 0 … 𝑎𝑛,𝑛 𝑥𝑛 𝑏𝑛

𝑏4
𝑥4 =
𝑎44

𝑏3 − 𝑎3,4 𝑥4
𝑥3 =
𝑎3,3

𝑏2 − 𝑎2,3 𝑥4 − 𝑎2,4𝑥4
𝑥2 =
𝑎2,2

𝑏1 − 𝑎1,2 𝑥2 − 𝑎1,3 𝑥3 − 𝑎1,4 𝑥4

𝑥1 =
𝑎1,1

2
 CLASE Nro. 9

Expresando como producto escalar

𝑏1 − [𝑎1,2 − 𝑎1,3 − 𝑎1,4 ]. [𝑥2 𝑥3 𝑥4 ]

𝑥1 =
𝑎1,1

Si generalizamos el proceso, se presenta así:

𝑏𝑖 − [𝑎𝑖,𝑖+1:𝑗 ]. [𝑥𝑖+1:𝑗 ]
𝑥𝑖 =
𝑎𝑖,𝑖

El esfuerzo computacional para resolver este sistema de ecuaciones es mucho menor cuando
se tiene un sistema triangular superior o inferior que cuando se resuelve el sistema de otra
manera.

Definición

Se dice que una matriz es diagonal estrictamente dominante por filas, si se cumple la
condición siguiente:
𝑛

|𝑎𝑖,𝑖 | = ∑ |𝑎𝑖,𝑗 |
𝑗=1, 𝑗≠𝑖

Lema: Si A es una matriz estrictamente dominante, entonces A es invertible.

EJERCICIO 1: Determine si la matriz es estrictamente dominante por filas.

2 0 1
[−1 3 2]
0 0 3
Haciendo cumplir las condiciones de la definición
2>0+1
3>1+2
3 > 0 +0
Se observa que no es estrictamente dominante por filas, pues no cumple en la segunda
fila.
Definición
Se dice que una matriz A es definida positiva si cumple la siguiente condición:
𝑥 𝑡 . 𝐴. 𝑥 > 0 ∀ 𝑥 𝜖 ℝ𝑛 , 𝑥 ≠ 0

3
 CLASE Nro. 9

Lema: Si una matriz A es definida positiva, entonces es invertible.

Otra forma de descubrir si una matriz es definida positiva, es determinar los valores
propios, si éstos son positivos la matriz es definida positiva.
Observación: Estas definiciones permiten garantizar que el sistema tiene solución, si no
cumple no podemos asegurar que tenga solución, pero tampoco asegurar que no la tenga.
EJERCICIO 2
Determine si la matriz I3 es definida positiva.
1 0 0
[0 1 0]
0 0 1
Haciendo cumplir las condiciones de la definición, tenemos:
1 0 0 𝑥1 𝑥1
[𝑥1 𝑥2 𝑥3 ] [0 1 0] [𝑥2 ] = [𝑥1 𝑥2 𝑥3 ] [𝑥2 ]
0 0 1 𝑥3 𝑥3

𝑥12 + 𝑥22 + 𝑥32 > 0

Como dicha suma es mayor que 0, entonces es definida positiva.
Siendo el método más importante para resolver sistemas de ecuaciones lineales, este lo
aplicamos con pivoteo, es decir intercambiando filas en donde se encuentre el mayor
elemento de la columna.
EJERCICIO 3 Utilizando el método de Gauss con pivoteo, resolver el siguiente sistema de
ecuaciones.
4𝑥 − 2𝑦 + 5𝑧 = −1
{ 2𝑥 − 5𝑦 + 6𝑧 = 3
3𝑥 + 6𝑦 − 7𝑧 = −1
El método comienza construyendo la matriz ampliada, que se la matriz asociada a los
coeficientes del sistema, aumentada la columna de los términos independientes.
4 −2 5 −1 4 −2 5 −1
4 −2 5 −1 7 7 15 43 1
0 −4 0 − 4 − 4]
[2 −5 6 3] ≈ [ 2 2 ] ≈ [ 2
15 43 1 7 7
3 6 −7 −1 0 2 − 4 −4 0 −4 2 2
2 3
𝐹2 − 4 𝐹1 𝐹3 − 4 𝐹1 𝐹2 ⟷ 𝐹3
1 3
2 − (4) = 0 3 − (4) = 0
2 4
1 3 15
−5 − (−2) = −4 6 − (−2) =
2 4 2

4
 CLASE Nro. 9

1 7 3 43
6 − (5) = −7 − (5) = −
2 2 4 4
1 7 3 1
3 − (−1) = −1 − (−1) = −
2 2 4 4

4 −2 5 −1 4 −2 5 −1
15 43 1 15 43 1
[0 − 4 − 4] ≈ [0 2 − 4 − 4]
2
7 7 67 101
0 −4 0 0 − 30 30
2 2

−4 8
𝐹3 − 𝐹2 = 𝐹3 + 𝐹2
15 15
2
8
0+ (0) = 0
15
8 15
−4 + ( )=0
15 2
7 8 43 67
+ (− ) = −
2 15 4 30
7 8 1 101
+ (− ) =
2 15 4 30
Resolviendo cada fila, obtenemos el valor que toma cada incógnita.
67 101 101
− 𝑧= ⟹𝑧=−
30 30 67
15 43 101 1
𝑦− (− )=−
2 4 67 4
147
y= −
67
147 101
4𝑥 − 2 (− ) + 5 (− ) = −1
67 67
36
𝑥=
67
Entonces, el punto común a los tres planos, es:
36 147 101
𝑃( , − , − )
67 67 67
El método de Gauss nos conduce a resolver un sistema de ecuaciones con una matriz
triangular superior, cuyos resultados los obtenemos fácilmente.

5
 CLASE Nro. 9

MÉTODO DE GAUSS – JORDAN

Existen otros métodos para resolver sistemas de ecuaciones lineales como son el
método de Gauss- Jordan, que genera una matriz triangular escalar con unos en la diagonal
principal; también existe el método de la matriz inversa que determina las soluciones de un
sistema de ecuaciones lineales, en donde el determinante de A es diferente a 0. Otro método
que también resuelve sistemas de ecuaciones lineales es el método de Cramer o
determinantes, pero este método se hace muy incómodo cuando tiene muchas variables.
Utilizando el ejemplo anterior, aplicamos Gauss – Jordan.
438 144
4 −2 5 −1 4 −2 0 4 0 0
67 67
15 43 1
[0 −4 − 4] ≈ 15 2205 15 2205
2 0 2
0 − 134
≈ 0 2
0 − 134
67 101
0 0 − 30 67 101 67 101
30 [0 0 − 30 30 ] [0 0 − 30 30 ]
43 5 2
− 645 150 − 4
4 1 1
𝐹2 − 𝐹3 = 𝐹2 − 𝐹 𝐹1 − 𝐹3 = 𝐹2 + 𝐹3 𝐹1 − 𝐹2 = 𝐹1 + 𝐹
−
67
134 3 −
67
67 15
15 2
30 30 2

645 150 4
0 − 134 (0) = 0 4+ (0) = 4 4 + 15 (0) = 4
67

154 645 15 150 4 15

− 134 (0) = −2 + (0) = −2 −2 + 15 ( 2 ) = 0
2 2 67
43 645 67 150 67 4
− − 134 (− 30) = 0 5+ (− 30) = 0 0 + 15 (0) = 0
4 67

1 645 101 2205 150 101 438 438 4 2205 144

− − ( )=− −1 + ( )= + (− )=
4 134 30 134 67 30 67 67 15 134 67

Dividiendo cada fila para el valor del elemento de la diagonal principal, obtenemos:
36
1 0 0
67
147
0 1 0 −
67
101
[0 0 1 −
37 ]
El punto común, es
36 147 101
𝑃( , − , − )
67 67 67

6
 CLASE Nro. 9

REFERENCIAS BIBLIOGRAFICAS

1. Mathews, J. Kurtis, F., Métodos numéricos con Matlab, 3era ed., Prentice Hall, 2000
2. Nieves, A., Domínguez, F., Métodos numéricos aplicados a la ingeniería, Grupo
Editorial Patria, México, 2014
3. Moore Hooly, Matlab para Ingenieros, Pearson Educación de México S.A. de C.V.,
primera edición, 2007
4.