UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA

DEPARTAMENTO DE MATEMATICA Y FISICA

METODOS NUMERICOS

METODO DE ELIMINACION DE GAUSS CON PIVOTE PARCIAL Y

SUSTITUCION HACIA ATRÁS

INTEGRANTES:

Mairim Romero C.I: 24777408

Heri Niño C.I:25023364

Ivan Chacón C.I: 25703376

San Cristóbal, septiembre del 201

1
 INDICE

INTRODUCCION ........................................................... Error! Bookmark not defined.

MARCO TEORICO ......................................................... Error! Bookmark not defined.

Biografía del autor .................................................... Error! Bookmark not defined.

METODO DE GAUSS .................................................... Error! Bookmark not defined.

DEFINICIONES .............................................................. Error! Bookmark not defined.

Matriz ........................................................................ Error! Bookmark not defined.

Pivoteo ...................................................................... Error! Bookmark not defined.

Triangulación ............................................................ Error! Bookmark not defined.

Sistemas de ecuaciones lineales ................................ Error! Bookmark not defined.

ALGORITMO DE ELIMINACION DE GAUSS CON PIVOTE PARCIAL

SUSTITUCION HACIA ATRAS......................................... Error! Bookmark not defined.

EJERCICIO 1 ................................................................... Error! Bookmark not defined.

EJERCICIO 2 ................................................................... Error! Bookmark not defined.

MATLAB............................................................... Error! Bookmark not defined.

ALGORITMO EN MATLAB DEL METODO DE GAUSS CON PIVOTE PARCIAL

SUSTITUCION HACIA ATRÁS ................................ Error! Bookmark not defined.

CONCLUSIONES ........................................................... Error! Bookmark not defined.

BIBLIOGRAFIA……………………………………………………………………….Error!

Bookmark not defined.

2
 INTRODUCCION

Los sistemas de ecuaciones lineales tienen aplicación en distintas áreas de

conocimiento, como la ingeniería o la computación; y desde luego, en áreas de la

matemática, como la geometría analítica o la investigación de operaciones. En

consecuencia, el estudio y la enseñanza de los sistemas de ecuaciones lineales son

esenciales y necesarios en la formación de estudiantes. De hecho, a partir de la educación

secundaria, los sistemas de ecuaciones lineales forman parte del currículum. Y es, en la

educación superior donde el método de resolución propuesto para ser enseñado es: el método de

Gauss. Betancourt(2009), p.1.

Dicho método será explicado a continuación así como las mejoras que se fueron

desarrollando en la técnica de pivoteo para crear la matriz ampliada y finalmente para hallar los

valores de x, utilizando la técnica de sustitución hacia atrás. El algoritmo será explicado paso a

paso así como un ejemplo para lograr su comprensión.

3
 MARCO TEORICO

Biografía del autor

CARL FRIEDRICH GAUSS (30/04/1777 - 23/02/1855)

Nació en Brunswick (Alemania) y murió en Göttingen.

Su padre era un obrero que se dedicó a realizar diversos trabajos: jardinero, capataz de

una central, tesorero... Su madre era la segunda esposa de su padre y muy inteligente. Fue hijo

único. Desde muy pronto, Gauss se mostró como un niño prodigio, pero su padre no quería que

su hijo tuviera la educación que correspondía a la capacidad que demostraba tener. Su madre, sin

embargo, siempre deseó que estudiara y lo apoyó en su empeño.

También demostró tener talento para los idiomas, por lo que durante un tiempo dudó

entre estudiar Matemáticas o Filología. Finalmente, el descubrimiento del dibujo del polígono

regular de 17 lados con regla y compás, le inclinó hacia la matemática.

Su primer profesor fue Martin Bartels (ayudante de aritmética del profesor que tenía en el

colegio), cuando Gauss tenía 11 años. Más tarde consiguió que su padre le permitiera ir al

Gymnasium, donde destacó especialmente en estudios clásicos y en matemáticas. Desde los 14

años le tomó bajo su protección el duque de Brunswick (donde había nacido) debido a sus

conocimientos. Desde entonces recibió un salario del duque, que se incrementaba cuando Gauss

recibía alguna oferta interesante.

Se doctoró en 1799 en la Universidad de Helmstedt con un trabajo sobre sus primeras

demostraciones del teorema fundamental del álgebra. Su trabajo fue supervisado por Pfaff.

4
 Se casó en 1805 con Hohanna Osthoff y tuvieron una hija y dos hijos. Los hijos se

enfadaron con Gauss y se fueron a Estados Unidos. Su mujer murió 4 años después de casarse

durante el parto de su tercer hijo. A pesar de la tristeza que esto le causó, se volvió a casar con la

mejor amiga de su difunta esposa, Minna Waldeck, un año después. Con ella tuvo otra hija que le

cuidó después de que su segunda esposa muriera.

A pesar de sus problemas personales, su trabajo científico no cesó en ningún momento.

Durante su primera época se dedicó al estudio de la geometría, el álgebra y el análisis. En los

años siguientes se interesó por la astronomía y la geodesia. Y más tarde, por la física,

especialmente por el magnetismo terrestre.

Los últimos años continuó realizando observaciones astronómicas y se preocupó por la

estadística. Murió a los 78 años.

METODO DE GAUSS

El método de gauss consiste en un sistema equivalente al sistema original dado. El

sistema puede ser un sistema triangular superior o un sistema triangular inferior. Las operaciones

deben ser aplicadas en cada fila de la matriz ampliada.

E1: a11x1+a12x2+···+a1nxn=a1,n+1,

E2: a21x1+a22x2+···+a2nxn=a2,n+1

… ...

En: an1x1+an2x2+···+annxn=an,n+1

5
 Una vez se obtiene el sistema reducido (superior o inferior), es posible resolver el sistema

de ecuaciones mediante una sustitución regresiva o progresiva respectivamente. Rodríguez

(2002), p.151.

Si durante los procesos de reducción de la matriz un término se hace cero (0), debe

realizarse el intercambio de filas utilizando la operación básica (Eᵢ) ͍ (Eᶨ).

En el proceso de triangularizacion de la matriz se denominan pivotes a los términos que

ocupan las posiciones de la diagonal principal (aᵢᵢ). Se deben imponer ciertas condiciones a los

pivotes:

 Los pivotes no pueden ser ceros debido a que esto ocasionaría una división

entre ceros en los procesos de sustitución progresiva o regresiva según corresponda.

 Para el cálculo de los multiplicadores mᵢᶨ, los pivotes (aᵢᵢ) no deben ser

valores pequeños comparados con (aᶨᵢ) debido a que los multiplicadores tendrán

magnitudes superiores a uno y los errores de redondeo se amplificaran.

 Los pivotes no pueden ser valores pequeños para los procesos de

sustitución progresiva y regresiva.

Para evitar estos problemas se desarrollan diferentes estrategias de pivoteo: pivoteo

parcial (de columna o máximo), pivoteo escalado (escalado de columna máxima), pivoteo

completo (máximo). Rodríguez (2002), p.152.

La estrategia de pivoteo parcial o pivoteo de columna máxima consiste en:

1. Identificar el mayor elemento en valor absoluto entre los elementos de la

primera columna debajo de la diagonal.

6
 2. Intercambiar las filas (Eᵢ) ͍ (Eᶨ) para colocar el maximo valor en la

diagonal.

3. Iniciar el proceso de reducción del sistema y repetir los dos pasos

anteriores cada vez que se encuentre un elemento de la diagonal.

El procedimiento de eliminación de matriz en forma triangular se denomina eliminación

de gauss, cuando se utiliza una estrategia de pivoteo en el proceso de reducción de la matriz se

define como eliminación de gauss con pivote parcial, y si se utiliza un proceso de sustitución

para obtener los valores de xᵢ entonces el proceso se denomina eliminación de gauss con pivote

parcial y sustitución hacia atrás. Rodríguez (2002), p.153.

DEFINICIONES

Matriz: Se puede definir una matriz, como un conjunto de elementos (números)

ordenados en filas y columnas.

Pivoteo: En una matriz, el pivote es el primer elemento de una fila, a partir de la

izquierda, que es distinto de cero. Cuando ocurre que el elemento pivote es cero, antes de

normalizar cada renglón, se realiza un pivoteo parcial, en el cual se determina el coeficiente

mayor disponible de la columna debajo del pivote. Se puede hacer un intercambio entre los

renglones, de este modo el elemento más grande se convertirá en el pivote.

Triangulación: En geodesia, se emplea para determinar los puntos singulares de un

territorio mediante el cálculo exacto de los vértices geodésicos, con sistemas de triángulos muy

grandes, llamados redes de triangulación. También se utiliza en topografía.

7
 Sistemas de ecuaciones lineales son equivalentes cuando tienen las mismas soluciones,

es decir, toda solución del primero lo es también del segundo y, recíprocamente, cada solución

del segundo es también solución del primero.

ALGORITMO DE ELIMINACION DE GAUSS CON PIVOTE PARCIAL Y

SUSTITUCION HACIA ATRAS.

Se desea resolver un sistema de ecuaciones lineales Ax= b de orden (n x n) definido de la

siguiente manera:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1 = 𝑎1,𝑛+1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2 = 𝑎2,𝑛+1

𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛 = 𝑎𝑛,𝑛+1

Para ello se deben seguir los pasos descritos a continuación:

Paso 1: Hágase i = 1.

Paso 2: Sea p el primer entero i ≤ p ≤ n con: ‫𝑛≤𝑗≤𝑖𝑥𝑎𝑚 = ׀ 𝑖𝑝𝑎׀‬ ‫׀ 𝑖𝑗𝑎׀‬. Para calcular ‫ ׀ 𝑖𝑝𝑎׀‬se

parte de la relación que es igual ‫ ׀ 𝑖𝑗𝑎׀‬sabiendo que i tiene un valor igual 1 en el primer ciclo e

indica el número de columna donde debemos buscar el valor de j el cual será representado por el

número de la fila que contiene el máximo valor que acompaña la variable siempre y cuando esta

no este fija.

Paso 3: Si ‫ = ]׀ 𝑖𝑝𝑎׀‬0 el sistema de ecuaciones no tiene solución única y el procedimiento se

para.

8
 Si ‫ ≠ ׀ 𝑖𝑝𝑎׀‬0, realice la operación (𝐸𝑃 ) ↔ (𝐸𝑖 ). Esto quiere decir que se intercambiara la

fila (𝐸𝑃 ) por (𝐸𝑖 ) para tener una nueva matriz.

Paso 4: Hacer j = i + 1, i + 2, … , n.

Es decir hallar el valor de j hasta que se llegue un valor de j= Numero de ecuaciones. Luego

de esto se necesita calcular los valores de 𝑚𝑗𝑖 de la siguiente manera:

𝒂𝒋𝒊
Sea 𝑚𝑗𝑖 = para luego efectuar la siguiente operación (𝐸𝑗 − 𝑚𝑖𝑗 𝐸𝐼 ) → 𝐸𝑗 . Y
𝒂𝒊𝒊

determinar una nueva matriz.

Paso 5: Hacer i = i + 1.

Paso 6: Si i ˂ n vaya al paso 2; Si i = n vaya al paso 7.

Paso 7: Si 𝒂𝒏𝒏 = 𝟎 el sistema no tiene solución única y el procedimiento se para.

Si 𝒂𝒏𝒏 ≠ 𝟎, vaya al paso 8.

Paso 8: Realice la operación:

𝑎𝑛,𝑛+1
𝑥𝑛 =
𝑎𝑛𝑛

Esto con el objetivó de calcular la primera incógnita para seguir calculador las incógnitas

restantes vaya al siguiente paso.

Paso 9: Hacer i = n - 1, n - 2, … , 1

𝑛
1
𝑥𝑖 = (𝑎 − ∑ 𝑎𝑖𝑗 𝑥𝑗 )
𝑎𝑖𝑖 𝑖,𝑛+1
𝑗=𝑖+1

9
 Paso 10: Termina el proceso.

EJERCICIO 1

Ejemplo: Aplicar el algoritmo de eliminación de gauss con pivote parcial y sustitución hacia

atrás al sistema de ecuaciones lineales dado por:

1.19X1+2.11X2-100X3+X4=1.12
14.2X1-0.122X2-12.2X3-X4=3.44
0.00X1+100X2-99.9X3+X4=2.15
15.3X1+0.11X2-13.1X3-X4=4.16
Sol:
Paso 1: Inicializar el proceso i=1
Paso 2: ‫ =׀ 𝑖𝑝𝑎׀‬Max ‫𝑎׀‬41 ‫ =׀‬15.3

Paso 3: ‫ ≠ ׀ 𝑖𝑝𝑎׀‬0, realice la operación (𝐸4 ) ↔ (𝐸1 ).

15.3 0.11 −13.1 −1 4.16
[𝐴: 𝑏] = [14.2 −0.122 12.2 −1 3.44
]
0 100 −99.9 1 2.15
1.19 2.11 −100 1 1.12
Paso 4: Hacer j= 2, 3, 4.
𝟏𝟒.𝟐
𝑚21 = = 0.9281 (𝐸2 − 𝑚2,1 𝐸1) → 𝐸2
𝟏𝟓.𝟑
𝟎
𝑚31 = =0 (𝐸3 − 𝑚3,1 𝐸1) → 𝐸3
𝟏𝟓.𝟑
𝟏.𝟏𝟗
𝑚4,1 = = 0.0778 (𝐸4 − 𝑚4,1 𝐸1 ) → 𝐸4
𝟏𝟓.𝟑

Con estos resultados formamos la nueva matriz:

15.3000 0.1100 −13.1000 −1.0000 4.1600
[𝐴: 𝑏] = [ 0.0000 −0.2241 24.3581 −0.0719 −0.4209
]
0.0000 100.0000 −99.9000 1.0000 2.1500
0 2.1014 −98.9811 1.0778 0.7964

10
 Paso 5:
i=i+1=2,
Paso 6:
Si 2 ˂ 4 vaya al paso 2
Paso 2:
‫ =׀ 𝑖𝑝𝑎׀‬Max ‫𝑎׀‬32 ‫ =׀‬100

Paso 3: ‫ ≠ ׀ 𝑖𝑝𝑎׀‬0, realice la operación (𝐸3 ) ↔ (𝐸2 ).

15.3000 0.1100 −13.1000 −1.0000 4.1600

[𝐴: 𝑏] = [ 0.0000 100.0000 −99.9000 1.0000 2.1500
]
0.0000 −0.2241 24.3581 −0.0719 −0.4209
0.0000 2.1014 −98.9811 1.0778 0.7964

Paso 4: Hacer j= 3, 4.
−𝟎.𝟐𝟐𝟒𝟏
𝑚32 = = -0.0022 (𝐸3 − 𝑚3,2 𝐸2) → 𝐸3
𝟏𝟎𝟎
−𝟎.𝟐𝟐𝟒𝟏
𝑚42 = = -0.0022 (𝐸4 − 𝑚4,2 𝐸2) → 𝐸4
𝟏𝟎𝟎

Nueva matriz
15.3000 0.1100 −13.1000 −1.0000 4.1600
[𝐴: 𝑏] = [ 0.0000 100.0000 −99.9000 1.0000 2.1500
]
0.0000 0.0000 24.1342 −0.0697 −0.4161
0.0000 0.0000 −96.8818 1.0568 0.7513
Paso 5:
i=i+1=3,
Paso 6:
Si 3˂ 4 vaya al paso 2

11
 Paso 2:
‫ =׀ 𝑖𝑝𝑎׀‬Max ‫𝑎׀‬43 ‫ =׀‬-96.8818 (se toma este valor de la fila 4 así sea menor ya que las otras
filas ya están fijas)

Paso 3: ‫ ≠ ׀ 𝑖𝑝𝑎׀‬0, realice la operación (𝐸4 ) ↔ (𝐸3 ).

15.3000 0.1100 −13.1000 −1.0000 4.1600

[𝐴: 𝑏] = [ 0.0000 100.0000 −99.9000 1.0000 2.1500
]
0.0000 0.0000 −96.8818 1.0568 0.7513
0.0000 0.0000 24.1342 −0.0697 −0.4161

Paso 4: Hacer j= 4.
𝟐𝟒.𝟏𝟑𝟒𝟐
𝑚43 = = -0.2491 (𝐸4 − 𝑚4,3 𝐸3 ) → 𝐸4
−𝟗𝟔.𝟖𝟖𝟏𝟖

15.3000 0.1100 −13.1000 −1.0000 4.1600

[𝐴: 𝑏] = [ 0.0000 100.0000 −99.9000 1.0000 2.1500
]
0.0000 0.0000 −96.8818 1.0568 0.7513
0.0000 0.0000 0.0000 0.1936 −0.2289
Paso 5:
i=i+1=4,

Paso 6:
Si 4˂ 4 vaya al paso 7

Si 𝒂𝒏𝒏 ≠ 𝟎, vaya al paso 8.

Pasó 8: Realice la operación:

𝑎𝑛,𝑛+1 −0.2289
𝑥4 = =
𝑎𝑛𝑛 0.1936
𝑥4 = −1.1823 De esta manera ya tenemos la primera incógnita hallada.

12
 Paso 9: Hacer i = 3,2,1 para obtener el valor de las incógnitas restantes
𝑛
1
𝑥𝑖 = (𝑎 − ∑ 𝑎𝑖𝑗 𝑥𝑗 )
𝑎𝑖𝑖 𝑖,𝑛+1
𝑗=𝑖+1

Sustituyendo obtenemos el siguiente resultado:

X3= -0.0207; X2=0.0127; X1=0.1768

Paso 10: Termina el proceso.

EJERCICIO 2

Ejemplo: Dado el sistema de ecuaciones lineales:

𝐸1 : 𝑥1 + 3𝑥2 + 5𝑥3 + 7𝑥4 = 1
𝐸2 : 2𝑥1 − 1𝑥2 + 3𝑥3 + 5𝑥4 = 2
𝐸3 : 0𝑥1 + 0𝑥2 + 2𝑥3 + 5𝑥4 = 3
𝐸4 : −2𝑥1 − 6𝑥2 − 3𝑥3 + 𝑥4 = 4
Se requiere obtener la triangulación superior utilizando Gauss con pivote. A partir de la matriz

identidad obtener la matriz de permutación.

Solución:
Paso 1: Inicializar el proceso i = 1

1 0 0 0
P = [0 1 0 0]
0 0 1 0
0 0 0 1

Paso 2: |𝑎𝑝𝑖 | = 𝑚𝑎𝑥|𝑎21 | = 2

Paso 3: Si |𝑎𝑝𝑖 | ≠ 0 realice la operación (𝐸1 )↔(𝐸2 ):

𝐸1 : 2𝑥1 − 1𝑥2 + 3𝑥3 + 5𝑥4 = 2

13
 𝐸2 : 𝑥1 + 3𝑥2 + 5𝑥3 + 7𝑥4 = 1
𝐸3 : 0𝑥1 + 0𝑥2 + 2𝑥3 + 5𝑥4 = 3
𝐸4 : −2𝑥1 − 6𝑥2 − 3𝑥3 + 𝑥4 = 4

0 1 0 0
P = [1 0 0 0]
0 0 1 0
0 0 0 1
Paso 4: Hacer j = i + 1, i + 2, …, 4
𝑎𝑗1
Sea 𝑚𝑗𝑖 = y efectué las operaciones (𝐸𝐽 − 𝑚𝑗𝑖 𝐸𝑖 ) ↔ 𝐸𝑗 :
𝑎𝑖1

El nuevo sistema es:

𝐸1 : 2𝑥1 − 𝑥2 + 3𝑥3 + 5𝑥4 = 2

𝐸2 : 0𝑥1 + 4𝑥2 + 3.5𝑥3 + 4.5𝑥4 = 2
𝐸3 : 0𝑥1 + 0𝑥2 + 2𝑥3 + 5𝑥4 = 3
𝐸4 : 0𝑥1 − 8𝑥2 + 0𝑥3 + 6𝑥4 = 6
Paso 5: Hacer i= i + 1 = 2
Paso 6: Si i < 4 vaya al paso 2
Paso 2: |𝑎𝑝𝑖 | = 𝑚𝑎𝑥|𝑎42 | = 8

Paso 3: Si |𝑎𝑝𝑖 | ≠ 0 realice la operación (𝐸2 )↔(𝐸4 ):

𝐸1 : 2𝑥1 − 𝑥2 + 3𝑥3 + 5𝑥4 = 2

𝐸2 : 0𝑥1 − 8𝑥2 + 0𝑥3 + 6𝑥4 = 6
𝐸3 : 0𝑥1 + 0𝑥2 + 2𝑥3 + 5𝑥4 = 3
𝐸4 : 0𝑥1 + 4𝑥2 + 3.5𝑥3 + 4.5𝑥4 = 2

0 1 0 0
P = [0 0 0 1]
0 0 1 0
1 0 0 0

Paso 4: Hacer j = i + 1, i + 2, …, 4

14
 𝑎𝑗1
Sea 𝑚𝑗𝑖 = y efectué las operaciones (𝐸𝐽 − 𝑚𝑗𝑖 𝐸𝑖 ) ↔ 𝐸𝑗 :
𝑎𝑖1

El nuevo sistema es:

𝐸1 : 2𝑥1 − 𝑥2 + 3𝑥3 + 5𝑥4 = 2
𝐸2 : 0𝑥1 − 8𝑥2 + 0𝑥3 + 6𝑥4 = 6
𝐸3 : 0𝑥1 + 0𝑥2 + 2𝑥3 + 5𝑥4 = 3
𝐸4 : 0𝑥1 − 0𝑥2 + 3.5𝑥3 + 7.5𝑥4 = 5

Paso 5: Hacer i = i + 1 = 3
Paso 6: Si i < 4 vaya al paso 2

Paso 2: |𝑎𝑝𝑖 | = max|𝑎43 | = 3.5

Paso 3: Si |𝑎𝑝𝑖 | ≠ 0, realice la operación (𝐸3 ) ↔ (𝐸4 ):

𝐸1 : 2𝑥1 − 𝑥2 + 3𝑥3 + 5𝑥4 = 2

𝐸2 : 0𝑥1 − 8𝑥2 + 0𝑥3 + 6𝑥4 = 6
𝐸3 : 0𝑥1 + 0𝑥2 + 3.5𝑥3 + 7.5𝑥4 = 5
𝐸4 : 0𝑥1 − 0𝑥2 + 2𝑥3 + 5𝑥4 = 3

0 1 0 0
P = [0 0 0 1]
1 0 0 0
0 0 1 0
Paso 4: Hacer j = i + 1, i + 2, …, 4
𝑎𝑗1
Sea 𝑚𝑗𝑖 = y efectué las operaciones (𝐸𝐽 − 𝑚𝑗𝑖 𝐸𝑖 ) ↔ 𝐸𝑗 :
𝑎𝑖1

El nuevo sistema es:

𝐸1 : 2𝑥1 − 𝑥2 + 3𝑥3 + 5𝑥4 = 2
𝐸2 : 0𝑥1 − 8𝑥2 + 0𝑥3 + 6𝑥4 = 6
𝐸3 : 0𝑥1 + 0𝑥2 + 3.5𝑥3 + 7.5𝑥4 = 5
𝐸4 : 0𝑥1 − 0𝑥2 + 0𝑥3 + 0.71𝑥4 = 0.14

Paso 5: Hacer i = i + 1 = 4

15
Paso 6 y 7: Si i = 4, realice la sustitución regresiva y termine el proceso.

MATLAB
MATLAB es el nombre abreviado de “Matrix Laboratory”. MATLAB es un programa para

realizar cálculos numéricos con vectores y matrices. Como caso particular puede también

trabajar con números escalares, tanto reales como complejos, con cadenas de caracteres y con

otras estructuras de información más complejas

Matlab es una herramienta interactiva basada en matrices para cálculos científicos y de

ingeniería (de hecho, el termino matlab procede de matrix laboratory). Desde el punto de vista

del control, matlab se puede considerar un entorno matemático de simulación que puede

utilizarse para modelar y analizar sistemas.

ALGORITMO EN MATLAB DEL METODO DE GAUSS CON PIVOTE PARCIAL Y

SUSTITUCION HACIA ATRÁS
function y=eliminacion(A,B)
[n n]=size(A);
A=[A';B']';
x=zeros(n,1);
for p=1:n
for k=[1:p-1,p+1:n];
m=-A(k,p)/A(p,p);
AQ(k,:)=A(k,:)+m*A(p,:)
end
end
x=A(:,n+1)./diag(A)

16
 CONCLUSIONES

Los métodos de eliminación gaussiana, utilizando las técnicas de pivoteo, es decir,

pivoteo parcial y total, permiten una reducción significativa de los efectos de la propagación del

error y a su vez aumentan en número de cifras significativas.

El número de operaciones para realizar una eliminación Gaussiana es mayor que el

número de operaciones para realizar una sustitución regresiva.

Los métodos para las matrices con configuraciones su estructura especial, permiten

mayor rapidez de convergencia y reducen el error.

17
BIBLIOGRAFIA

 Rodríguez. E, Roa. O, (2002). Métodos Numéricos con Matlab. Venezuela.

 Betancourt. Y, (2009) Ambiente computacional para apoyar la enseñanza de la

resolución de sistemas de ecuaciones lineales en la educación superior. (Tesis de

pregrado). Instituto Politécnico Nacional. México.

 Burden. R, Faires. D, (2002). Análisis Numérico. Recuperado de:

https://www.academia.edu/30466412/Análisis_Numérico_J._Douglas_Faires_y_

Richard_L._Burden_Métodos_Numéricos_

18