OBJETIVO DEL METODO ELIMINACIÓN DE GAUSS

Simplificar el sistema de ecuaciones: El método busca simplificar el

sistema original de ecuaciones lineales al realizar una serie de
operaciones de fila, como sumar o restablecer múltiplos de una fila a
otras filas, de manera que las ecuaciones resultantes sean más fáciles
de resolver.
Convertir el sistema en una forma triangular superior: Uno de los
objetivos principales de la eliminación gaussiana es convertir el
sistema en una forma triangular superior, donde todos los coeficientes
por debajo de la diagonal principal son cero. Esto facilita la resolución
del sistema mediante sustitución hacia atrás.
Encontrar las soluciones: Una vez que el sistema se ha transformado
en una forma triangular superior, es más fácil encontrar las soluciones
mediante sustitución hacia atrás. Esto implica resolver una ecuación
por una sola variable a la vez, comenzando desde la última fila y
avanzando hacia arriba.
OBJETIVO DE LA PRACTICA
"El objetivo de esta práctica es adquirir habilidades para aplicar la
eliminación gaussiana en la resolución de sistemas de ecuaciones
lineales y su relevancia en el análisis de circuitos eléctricos aprender a
utilizar este método para determinar corrientes y voltajes en un
circuito. eléctrico simple, comprendiendo su importancia en ingeniería
eléctrica y aplicaciones prácticas."
INTRODUCCIÓN
La eliminación gaussiana simple es un método para resolver sistemas
de ecuaciones lineales mediante una serie de operaciones algebraicas
que transforman un sistema dado en otro equivalente, pero más fácil
de resolver. Este método se centra en la eliminación progresiva de
incógnitas a través de combinaciones lineales de las ecuaciones del
sistema.

EJEMPLO DE APLICACIÓN
Una empresa constructora de estructuras tiene la siguiente distribución de
productos y materiales: en el producto A se gastan 400 kg de cemento, 1700 kg de
hormigón y 600 kg de acero. En el producto B se consumen 600 kg de cemento,
550 kg de hormigón y 450 kg de acero. En el producto C, se consumen 300 kg de
cemento, 400 kg de hormigón y 375 kg de acero. Si el consumo dentro de la
empresa ha sido de 300 toneladas de cemento, 480 toneladas de hormigón y 375
toneladas de acero, determina cuantos productos de cada tipo se han construido
en la empresa, de acuerdo a los consumos mencionados.
%Eliminacion de Gaus simple
clc
clear all
%Matriz aumentada[A B]
A=[400 600 300 300000;
1700 550 400 480000;
600 450 375 375000]
[r,c]=size(A)
%Eliminacion hacia adelante
for k = 1:r-1
for i = k+1:r
for j = c:-1:k
A(i,j)=A(i,j)
A(i,j)=A(i,j)-(A(i,k)/A(k,k))*A(k,j)
end
end
end
%sustitucion hacia atras
x(r)=A(r,c)/A(r,r)
for i=r-1:-1:1(2,
sum=0;
for j=i+1:r(3,
sum=sum+A(i,j)*(x(j)
end
x(i)=(a(i,c)-sum)/A(i,i)
end
OBJETIVO DEL METODO ELIMINACIÓN DE GAUSS NORMALIZADO
El objetivo principal del método de Gauss normalizado es transformar un
sistema de ecuaciones lineales o una matriz en una forma escalonada
mediante una secuencia de operaciones elementales, como intercambio de
filas, multiplicación de una fila por un escalar y sumar o restar una fila a otra.
Cuando se habla del "método de Gauss normalizado (sin Jordan)", se está
haciendo referencia al método de eliminación de Gauss sin la fase adicional
de Gauss-Jordan para obtener la forma escalonada reducida.
INTRODUCCIÓN
Formulación del sistema de ecuaciones lineales: Se parte de un sistema
de ecuaciones lineales con n ecuaciones y n incógnitas, representado por
una matriz aumentada A y un vector de términos constantes b
Escalonamiento de la matriz: Se aplica la eliminación gaussiana para
obtener una matriz triangular superior (escalón) mediante operaciones
elementales de fila.
Normalización de las filas: Después de obtener la forma escalonada, se
normalizan las filas dividiendo cada fila por su respectivo elemento en la
diagonal principal (el coeficiente principal de la fila). Esto asegura que estos
elementos sean igual a 1.
Forma escalonada reducida: Una vez normalizada, se busca hacer ceros
tanto por encima como por debajo de la diagonal principal, logrando una
forma escalonada reducida (triangular superior con unos en la diagonal
principal).
Sustitución regresiva: A partir de la forma escalonada reducida, se puede
aplicar un proceso de sustitución regresiva para obtener las soluciones del
sistema de ecuaciones.
La eliminación de Gauss normalizada es una herramienta poderosa para
resolver sistemas de ecuaciones lineales de manera eficiente y precisa.
Permite obtener las soluciones de manera directa y simplificada,
especialmente cuando se combinan con otros métodos de álgebra lineal y
cálculo numérico.
OBJETIVO DEL METODO ELIMINACIÓN DE GAUSS JORDAN
Este método debe su nombre a Carl Friedrich Gauss y a Wilhelm Jordan. Se
trata de una serie de algoritmos del álgebra lineal para determinar los
resultados de un sistema de ecuaciones lineales y así hallar matrices e
inversas. El sistema de Gauss se utiliza para resolver un sistema de
ecuaciones y obtener las soluciones por medio de la reducción del sistema
dado a otro que sea equivalente en el cual cada una de las ecuaciones
tendrá una incógnita menos que la anterior. La matriz que resulta de este
proceso lleva el nombre que se conoce como forma escalonada Este
método permite resolver hasta 20 ecuaciones simultáneas. Lo que lo
diferencia del método Gaussiano es que cuando es eliminada una incógnita,
se eliminará de todas las ecuaciones restantes, o sea, las que anteceden a
la ecuación principal así como de las que la siguen a continuación. De esta
manera el paso de eliminación forma una matriz identidad en vez de una
matriz triangular. No es necesario entonces utilizar la sustitución hacia atrás
para conseguir la solución
INTRODUCCIÓN
El método consiste en aplicar operaciones elementales fila, es decir,
cualquier fila se puede multiplicar por cualquier número (distinto de cero) o
se le puede sumar o restar cualquier otra fila multiplicada o no por cualquier
número. No se puede restar una fila a ella misma. También puede
intercambiarse el orden de las filas (por ejemplo, intercambiar las dos
primera filas). El proceso debe aplicarse hasta que se obtenga la matriz en
forma escalonada (método de Gauss) o en forma escalonada reducida
(método Gauss-Jordan) de la matriz ampliada. Recordamos que una
matriz en su forma escalonada reducida cumple:

 En cada fila, el primer elemento distinto de cero (de izquierda a

derecha) es un 1 (uno principal). A la izquierda de este 1, sólo hay
ceros. A su derecha puede haber cualquier número. En la columna
del 1 principal de las filas de arriba y las de abajo sólo puede haber
ceros (a no ser que sea la primera fila y por encima del 1 no hay
ningún elemento).
 El uno principal de cualquier fila se sitúa más a la izquierda de los
unos principales de las filas inferiores a ésta.
 Si existen filas formadas únicamente por ceros, éstas son las
inferiores.
METODO LA INVERSA POR GAUSS JORDAN
La obtención de la matriz inversa mediante Gauss-Jordan implica
llevar la matriz original a su forma escalonada reducida por filas y
luego transformarla en la matriz identidad a través de operaciones
elementales en filas.
La matriz inversa encontrada es útil en varias aplicaciones, como la
resolución de sistemas de ecuaciones lineales, cálculos de
determinantes y soluciones de problemas en álgebra lineal y
geometría. La capacidad de calcular rápidamente la matriz inversa es
valiosa en muchos contextos matemáticos y de ingeniería.
INTRODUCCION
El objetivo principal de la matriz inversa en álgebra lineal es
proporcionar una forma de "desanular" o "desinvertir" una operación
de multiplicación de matrices. La matriz inversa tiene varias
aplicaciones y propiedades importantes:
Creación de la matriz aumentada: Forma una matriz aumentada
combinando la matriz que quieres invertir con la matriz identidad del
mismo tamaño. La matriz identidad es una matriz cuadrada con unos
en la diagonal principal y ceros en todas partes.
Aplicación de la eliminación de Gauss-Jordan: Utiliza operaciones
elementales en filas para llevar la parte izquierda de la matriz
aumentada (la matriz original) a su forma escalonada reducida por
filas. Luego, continúa aplicando operaciones para llevarla a la matriz
identidad en la parte izquierda.
Validación y extracción de la parte derecha: Una vez que la parte
izquierda de la matriz aumentada se convierte en la matriz identidad,
la parte derecha debería contener la inversa de la matriz original.
La parte derecha es la matriz inversa: La parte derecha de la matriz
aumentada es la matriz inversa de la matriz original.
 FACTORIZACIÓN LU
OBJETIVO
la factorización LU tiene una amplia gama de aplicaciones prácticas en
ingeniería, ciencias computacionales, finanzas, análisis de datos y
más. Es una herramienta valiosa que permite resolver sistemas de
ecuaciones lineales de manera eficiente y precisa en una variedad de
contextos y disciplinas.
Introducción
Su nombre se deriva de las palabras inglesas "Lower" y "Upper", que
en español se traducen como "Inferior" y "Superior". Estudiando el
proceso que se sigue en la descomposición LU es posible comprender
el por qué de este nombre, analizando cómo una matriz original se
descompone en dos matrices triangulares, una superior y otra inferior.
La descomposición LU involucra solo operaciones sobre los
coeficientes de la matriz [A], proporcionando un medio eficiente para
calcular la matriz inversa o resolver sistemas de álgebra lineal.
Primeramente se debe obtener la matriz [L] y la matriz [U]. [L] es una
matriz diagonal inferior con números 1 sobre la diagonal. [U] es una
matriz diagonal superior en la que sobre la diagonal no
necesariamente tiene que haber números 1. El primer paso es
descomponer o transformar [A] en [L] y [U], es decir obtener la matriz
triangular superior [U] y la matriz triangular inferior [L].
PASOS PARA RESOLVER UN SISTEMA DE ECUACIONES POR EL
MÉTODO DE DESCOMPOSICIÓN LU}
1. Obtener la matriz triangular inferior L y la matriz triangular superior
U.
2. Resolver Ly = b (para encontrar y).
3. El resultado del paso anterior se guarda en una matriz nueva de
nombre "y".
4. Realizar Ux = y (para encontrar x).
5. El resultado del paso anterior se almacena en una matriz nueva
llamada "x", la cual brinda los valores correspondientes a las
incógnitas de la ecuación matricial, (solución del sistema).

MÉTODO GAUSS SEIDEL

El Método de Gauss-Seidel consiste en hacer iteraciones, a partir de
un vector inicial, para encontrar los valores de las incógnitas hasta
llegar a una tolerancia deseada, la diferencia radica en que cada vez
que se desee encontrar un nuevo valor de una xi, además de usar los
valores

anteriores de las x, también utiliza valores actuales de

las x encontradas antes (desde x0 hasta xi-1). La ecuación es la
siguiente:
INTRODUCCION
El método de Gauss-Seidel surgio como una modificación del método
de Jacobi que acelera la convergencia de éste.

El método de Gauss-Seidel recorta sustancialmente el número de

iteraciones a realizar para obtener una cierta precisión en la solución.
Evidentemente los criterios de convergencia son similares a los de
Jacobi.

Este criterio no solo se aplica a las ecuaciones lineales que se

resuelven con el método de Gauss-Seidel sino también para el método
iterativo del punto fijo y el método de jacobi. Por tanto, al aplicar este
criterio sobre las ecuaciones de Gauss-Seidel y evaluando con
respecto a cada una de las incógnitas, obtenemos la expresión
siguiente:
El valor absoluto de las pendientes en la
ecuación, deben ser menor que la unidad para asegurar la
convergencia.

Es decir, el elemento diagonal debe ser mayor que el elemento fuera

de la diagonal para cada reglón de ecuaciones. La generalización del
criterio anterior para un sistema de n ecuaciones es:

El método de Gauss-Seidel está basado en el concepto de punto fijo,

es decir ( xi = gi (x), i = 1.. n), para resolver sistemas de
ecuaciones [Link] garantizar la convergencia se debe de
cumplir que el sistema tenga una diagonal dominante, es decir que se
cumpla la desigualdad siguiente, si se cambió el orden de las
ecuaciones esta puede divergir.
%Eliminacion Guss Normalizado
clc
clear all
A= [90 -40 -50 20;
-40 90 -30 0;
-50 -30 90 -10]
[r,c]=size(A)

for k=1:r
for L=c:-1:k
A(k,L)=A(k,L)/A(k,k)
end
for i=k+1:r
for j=c:-1:k
A(i,j)=A(i,j)-((A(i,k))*A(k,j))
end
endfor
endfor
%sustitucion hacia atras
x(r)=A(r,c)/A(r,r);
for i=r-1:-1:1
sum=0;
for j=i+1:r
sum=sum+A(i,j)*x(j);
end
x(i)=(A(i,c)-sum)/A(i,i);
end
x=x'
clc
clear all
% Eliminación de Gauss Jordan
A= [90 -40 -50 20;
-40 90 -30 0;
-50 -30 90 -10]
[r,c]=size (A)
disp('Matriz de Mallas')
disp (A)
16
% //ELIMINACION HACIA ADELANTE
for k=1:r
disp('Normalización')
for j=c:-1:k
A(k,j)= A(k,j)/A(k,k)
end
disp('eliminación')
for i=k+1:r
for j=c:-1:k
A(i,j)=A(i,j)-A(i,k)*A(k,j)
end
end
end
% //ELIMINACION HACIA ATRAS
for k=r:-1:1
for i=k-1:-1:1
for j=c:-1:i
A(i,j)=A(i,j)-A(i,k)*A(k,j)
end
end
end
for i=r:-1:1
X(i)=A(i,c)
end
disp('Eliminacion Gauss-Jordan')
disp(A)
disp('X[i]= ')
disp(X)
clc
clear all
% Eliminaci n de Gauss Jordan
% Matriz de coeficientes
A= [90 -40 -50;
-40 90 -30 ;
-50 -30 90 ]
b=[20; 0; -10]; % vector de terminos independientes
I=[1 0 0; 0 1 0; 0 0 1]; % Matriz identidad
% Matriz aumentada
A=[A I];
[r,c]=size (A);
disp('Matriz Aumentada')
disp (A)
% //ELIMINACION HACIA ADELANTE
for k=1:r
%disp('Normalizaci n')
for j=c:-1:k
A(k,j)= A(k,j)/A(k,k);
end
%disp('eliminaci n')
for i=k+1:r
for j=c:-1:k
A(i,j)=A(i,j)-A(i,k)*A(k,j);
end
end
end
% //ELIMINACION HACIA ATRAS
for k=r:-1:1
for i=k-1:-1:1
for j=c:-1:i
A(i,j)=A(i,j)-A(i,k)*A(k,j);
end
end
end

disp('Matriz Soluci n')

disp (A)
AInv=A(:,r+1:c)
x=AInv*b
clear all;
clc;
format long
A= [90 -40 -50;
-40 90 -30 ;
-50 -30 90 ]
b=[20; 0; -10];
Xe=[0; 0; 0];
n=length(A)
x=zeros(n,1);
e=1;
while (e>0.0001)
for i=1:n
sum=0;
for j=1:n
if (j~=i)
sum=sum+A(i,j)*Xe(j);
end
x(i)=(b(i)-sum)/A(i,i);
end
e=norm(Xe-x)
Xe=x;
end
end
x
% Método de Factorización LU
clc
clear all

disp('Método de Factorización LU del sistema de ecuaciones')

A= [90 -40 -50;
-40 90 -30 ;
-50 -30 90 ]
b=[20; 0; -10];

[r,c]=size(A);

% Formación de L y U
disp('Formación de L y U')
U=A;
for k = 1:r
%formación de L
for i = k:r
L(i,k) = U(i,k)/U(k,k);
end
%formación de u
for i = k+1:r
for j = c:-1:k
U(i,j) = U(i,j) - (U(i,k)/U(k,k))*U(k,j);
end
end
end
L
U

disp('Solución al sistema L * y = b')

% Formación del sistema L * y = b
L=[L b]
[r,c]=size(L);

% Sustitucion hacia Adelante

y(1)=L(1,c);
for i=2:r
sum=0;
for j=1:i-1
sum=sum+L(i,j)*y(j);
end
y(i)=(L(i,c)-sum);
end
disp('Solución y')
y=y'

disp('Solución al sistema U * x = y')

% Formación del sistema U * x = y
U=[U y]
[r,c]=size(U);

% Sustitucion hacia Atras

x(r) = U(r,c)/U(r,r);
for i = r-1:-1:1
sum = 0;
for j = i+1:r
sum = sum + U(i,j)*x(j);
end
x(i) = (U(i,c) - sum) / U(i,i);
end
disp('Solución x')
x=x'