METODOS

NUMERICOS

1
 Instituto Tecnológico
Superior de Comalcalco

Actividad: Aplicaciones de métodos

(Bisección, Posición Falsa, Newton y Secante)

Asignatura: Métodos numéricos

Nombre del Docente:

Presentado por:

Semestre: 3ro Grupo: A

Comalcalco, Tabasco, México. Marzo 2025

2
 Índice

Introducción…………………………………………4.4

3
Introducción:

Métodos de Eliminación Gaussiana, Gauss-

Jordan y Estrategias de Pivoteo
Los métodos de resolución de sistemas de ecuaciones lineales
son fundamentales en la matemática aplicada, especialmente
en áreas como la ingeniería, la física, la economía y la
informática. Tres de los métodos más importantes para
resolver estos sistemas son la eliminación gaussiana, el
método de Gauss-Jordan y las estrategias de pivoteo. Estos
métodos se basan en la manipulación de matrices para
transformar un sistema de ecuaciones lineales en una forma
que permita encontrar sus soluciones de manera sistemática.
La eliminación gaussiana es un procedimiento que utiliza
operaciones elementales sobre las filas de una matriz
aumentada para llevar el sistema a una forma triangular
superior. En esta forma, la solución se obtiene mediante
sustitución hacia atrás, lo que facilita la resolución del
sistema. Este método es ampliamente utilizado debido a su
simplicidad y efectividad en una amplia variedad de
problemas.
Por otro lado, el método de Gauss-Jordan es una extensión del
proceso de eliminación gaussiana. A diferencia de la
eliminación gaussiana, que transforma la matriz en una forma
triangular, el método de Gauss-Jordan lleva la matriz a una
forma escalonada reducida, donde cada columna que
contiene un pivote tiene ceros en todas las posiciones excepto
en el pivote. Este proceso permite encontrar la solución
directamente, sin necesidad de sustitución hacia atrás.
Finalmente, las estrategias de pivoteo son técnicas utilizadas
para mejorar la estabilidad numérica de los métodos de

4
eliminación. El pivoteo implica intercambiar filas o columnas
en la matriz con el fin de evitar divisiones por cero o números
muy pequeños que puedan llevar a errores significativos en
los cálculos. Existen diferentes tipos de pivoteo, como el
pivoteo parcial y el pivoteo total, que ayudan a garantizar la
precisión y estabilidad de los métodos de eliminación.
Estos métodos y estrategias no solo son esenciales para
resolver sistemas de ecuaciones lineales de manera eficiente,
sino que también constituyen la base de muchas aplicaciones
en álgebra lineal y ciencias computacionales. A través del uso
de estos procedimientos, es posible obtener soluciones
precisas y confiables para una amplia gama de problemas
matemáticos.

5
Métodos de Eliminación Gaussiana

La Eliminación Gaussiana es un método numérico para resolver

sistemas de ecuaciones lineales. Su objetivo es transformar un
sistema en una forma escalonada mediante operaciones
elementales sobre las filas de la matriz aumentada del sistema.
Posteriormente, se usa sustitución regresiva para encontrar las
soluciones.

Tipos de Sistemas de Ecuaciones

Antes de aplicar la eliminación de Gauss, es importante
conocer los tipos de sistemas de ecuaciones que pueden
existir. Estos sistemas se clasifican de la siguiente manera:

-Sistemas Compatibles Determinados: Tienen una única

solución.
-Sistemas Compatibles Indeterminados: Poseen infinitas
soluciones.
-Sistemas Incompatibles: No tienen solución.
Cada uno de estos tipos de sistemas tiene características
específicas que se pueden determinar mediante el uso del
método de eliminación de Gauss.

6
Proceso de Eliminación: Paso a Paso
El proceso de eliminación gaussiana se puede desglosar en los
siguientes pasos:

-Formar la matriz ampliada: Combina la matriz de coeficientes

con la columna de términos independientes.
-Transformar a forma escalonada: Utiliza operaciones
elementales para eliminar las variables en filas inferiores.
-Aplicar sustitución hacia atrás: Una vez en forma escalonada
superior, resuelve cada variable a partir de las demás.

Ejemplo:
Veamos un ejemplo práctico que ilustra el uso de la
eliminación de Gauss. Consideremos el siguiente sistema de
ecuaciones:

1 primero, formamos la matriz ampliada:

2 usamos operaciones elementales para eliminar la variable x

del segundo renglón. Multiplicamos el primer renglón por 2 y
restamos el segundo renglón:

7
3 a continuación, dividimos la segunda fila por 3:

4 ahora que tenemos la matriz en forma escalonada,

aplicamos la sustitución hacia atrás. La variable y es igual a
5/3. Sustituyendo este valor en la primera ecuación, podemos
resolver para x:

5 así, x = 0 y y = 5/3, confirmando que tenemos una solución

única para nuestro sistema, haciendo de este un sistema
compatible determinado.

Aplicaciones de la eliminación de Gauss

Ingeniería: Se usa para solucionar sistemas de ecuaciones

que representan circuitos eléctricos y estructuras.

8
Economía: Modela y resuelve sistemas que analizan el
comportamiento de puntos de equilibrio y relaciones entre
variables económicas.
Ciencias: Es fundamental en la simulación de fenómenos
físicos mediante ecuaciones diferenciales y sistemas de
ecuaciones lineales.

9
Método Gauss-Jordan

El método de Gauss-Jordan es una extensión de la eliminación

gaussiana, El método de Gauss-Jordan es una técnica de
álgebra lineal utilizada para resolver sistemas de ecuaciones
lineales. Su fundamento radica en la manipulación de
matrices para simplificar ecuaciones complicadas. A través de
este método, se transforman las ecuaciones a una forma
escalonada, lo que facilita la identificación de las soluciones.
En esencia, el método de Gauss-Jordan permite más que solo
encontrar soluciones: ofrece una visión clara de cómo las
diferentes ecuaciones interactúan entre sí.

Pasos para aplicar el método de Gauss-Jordan

1. Escribir la matriz aumentada: Convierta el sistema de
ecuaciones en una matriz que incluya los coeficientes de
las variables y los términos independientes.
2. Aplicar operaciones elementales: Realice
operaciones sobre las filas de la matriz para crear ceros
bajo el pivote de la primera columna.
3. Repetir el proceso: Continúe aplicando operaciones
hasta que cada columna tenga un pivote que se
encuentre en una fila diferente, formando una matriz
escalonada.
4. Transformar a la forma reducida: Aplique más
operaciones para convertir todos los pivotes a 1 y todos
los demás elementos de la columna del pivote a 0.
5. Leer soluciones: Una vez en forma reducida, extraiga
las soluciones para cada variable claramente.
Ejemplo 1: Sistema de dos ecuaciones
Consideremos el siguiente sistema:

10
  2x + 3y = 8
 4x – y = 2

La matriz aumentada correspondiente es:

[23|8]

[ 4 -1 | 2 ]

Ahora aplicamos Gauss-Jordan:

1 multiplicamos la primera fila por -2 y la sumamos a la
segunda fila.
2 la matriz se convierte en:
[23|8]

[ 0 -7 | -14 ]

3 normalizamos la segunda fila multiplicándola por -1/7:

[23|8]

[01|2]

4 usamos la segunda fila para eliminar el valor en la primera

fila:

11
[20|2]

[01|2]

Finalmente, encontramos que x = 1 y y = 2.

Ejemplo 2: Sistema de tres ecuaciones

Consideremos ahora un sistema más complejo:
 x + 2y – z = 2
 2x – y + 3z = 12
 3x + y + z = 10
La matriz aumentada correspondiente es:
[ 1 2 -1 | 2 ]
[ 2 -1 3 | 12 ]
[ 3 1 1 | 10 ]

Aplicamos Gauss-Jordan siguiendo los mismos pasos para

transformar la matriz:

1 eliminamos los elementos debajo del primer pivote en la

primera columna.
2 transformamos sucesivamente cada fila para crear pivotes
en cada columna.

12
Una vez completado el proceso, obtendremos las soluciones
de x, y y z.

Aplicaciones del Método Gauss-Jordan

-Análisis de Redes Eléctricas

Se usa para resolver ecuaciones de mallas y nodos en
circuitos eléctricos.
- Métodos Numéricos en Ingeniería y Física
Aplicaciones en mecánica de fluidos, optimización y sistemas
dinámicos.
-Cálculo de Transformaciones Lineales
Útil en gráficos computacionales, geometría y álgebra
computacional.

Estrategias de Pivoteo

Las estrategias de pivoteo son técnicas utilizadas en métodos

numéricos, como la eliminación gaussiana y el método de
Gauss-Jordan, para evitar errores numéricos y garantizar la
estabilidad del cálculo. Se aplican cuando hay ceros o
números muy pequeños en la posición de pivote, lo que puede
causar divisiones por cero o errores de redondeo en cálculos
computacionales.
-Pivote: Es el elemento de la matriz que se usa para eliminar
los coeficientes en una columna específica.

13
-Pivoteo: Es la estrategia que permite seleccionar el mejor
pivote posible para mejorar la estabilidad numérica del
cálculo.

Cuando el pivote es cero o muy pequeño, el cálculo puede

fallar debido a:
-División por cero: (cuando el pivote es cero).

-Pérdida de precisión numérica: (cuando el pivote es

demasiado pequeño comparado con otros valores de la
matriz).
Para solucionar estos problemas, se utilizan estrategias de
pivoteo.

Existen tres estrategias principales de pivoteo:

-Pivoteo Parcial
El pivoteo parcial consiste en intercambiar filas para colocar el
mayor valor absoluto en la columna de pivote en la posición
principal.

Pasos:
-Se busca el valor absoluto más grande en la columna del
pivote (desde la fila actual hacia abajo).

14
-Se intercambia la fila que contiene ese valor con la fila
actual.
-Se continúa con la eliminación gaussiana.

Dada la matriz aumentada:

El primer pivote es 0, lo que genera un problema. Se

intercambia la primera fila con la tercera:

15
-Se evita la división por cero.
- Se mejora la estabilidad numérica.
Ventajas:
- Fácil de implementar.
- Evita divisiones por cero.
- Reduce el error de redondeo.
Desventajas:
-No garantiza la mejor estabilidad global.

-Pivoteo Total
El pivoteo total intercambia filas y columnas, seleccionando el
mayor elemento absoluto de toda la matriz restante como
pivote.
Pasos:
-Se busca el mayor valor absoluto en toda la submatriz
restante.
-Se intercambia la fila y la columna correspondiente para
colocar ese valor en la posición del pivote.
-Se continúa con la eliminación gaussiana.

Ejemplo:

16
Para la matriz:

El mayor número absoluto es 12, por lo que se intercambia la

fila 3 con la fila 1 y la columna 3 con la columna 1:

-Mejora la precisión numérica en cálculos sensibles.

-Reduce significativamente los errores de redondeo.
Ventajas:
- Mayor estabilidad numérica que el pivoteo parcial.
- Reduce la propagación del error.
Desventajas:
- Requiere más cálculos (búsqueda del mayor elemento en
toda la matriz).
- Se deben rastrear los cambios en las columnas para
interpretar correctamente la solución.

-Pivoteo Escalado
El pivoteo escalado es una variante del pivoteo parcial que
tiene en cuenta la magnitud de los elementos de cada fila
para minimizar errores numéricos.
1. Se calcula el factor de escala para cada fila

17
 2. Se divide cada elemento de la columna del pivote por su
respectivo factor de escala.
3. Se elige el valor relativo más grande como pivote.
4. Se intercambian filas si es necesario.

Ejemplo:
Dada la matriz:

El pivote más grande en valor absoluto es 400, pero en

términos relativos su fila tiene un gran rango de valores, lo
que puede generar errores numéricos.
Al escalar por el máximo valor absoluto de cada fila:

Se elige el mejor pivote de acuerdo con estos valores

relativos.

-Útil en matrices con coeficientes de magnitudes muy

distintas.
-Minimiza errores numéricos debido a escalas
desbalanceadas.
Ventajas:
- Evita problemas con números muy pequeños o muy
grandes.
- Más estable que el pivoteo parcial.

18
Desventajas:
-Más costoso computacionalmente.
-No siempre mejora significativamente la estabilidad respecto
al pivoteo parcial.

-Comparación de las Estrategias de Pivoteo

-Aplicaciones de las Estrategias de Pivoteo

-Solución de sistemas de ecuaciones lineales: Se usa en
eliminación gaussiana y factorización LU.
-Cálculo de la inversa de matrices: Mejora la estabilidad
del método de Gauss-Jordan.
-Modelos numéricos en ingeniería y física: Se usa en
simulaciones computacionales y análisis estructural.
CONCLUSION

Los métodos de eliminación Gaussiana y Gauss-Jordan, al ser

técnicas fundamentales en el álgebra lineal computacional,
tienen una gran importancia en el contexto de la resolución
de sistemas de ecuaciones lineales. La efectividad de estos
métodos depende en gran medida de la estructura del
sistema de ecuaciones, así como de los recursos
computacionales disponibles.

A pesar de que la eliminación Gaussiana es un algoritmo

eficiente y fácil de implementar, en sistemas muy grandes o
mal condicionados, puede presentar desafíos relacionados con

19
la precisión y estabilidad numérica. Esto se debe a que el
método es sensible a los errores de redondeo, lo que puede
generar resultados inexactos si no se emplean estrategias de
control adecuadas.

El método de Gauss-Jordan, al ser una extensión de la

eliminación Gaussiana, ofrece la ventaja de simplificar la
resolución del sistema sin necesidad de hacer sustitución
hacia atrás. Sin embargo, su mayor coste computacional y el
riesgo de un mayor impacto de los errores de redondeo
limitan su uso en sistemas de gran escala. Aun así, en
problemas de pequeña y mediana escala, resulta ser una
opción atractiva debido a su capacidad para encontrar
soluciones directas.

Por otro lado, las estrategias de pivoteo se presentan como

una técnica crucial para mejorar la estabilidad numérica en
ambos métodos. Implementar pivoteo parcial o total en el
proceso de eliminación ayuda a evitar problemas derivados de
la inestabilidad en la solución de sistemas mal condicionados.
Estas estrategias incrementan la fiabilidad del algoritmo,
mejorando la precisión de los resultados y permitiendo una
mayor confianza en los cálculos.

En conclusión, mientras que los métodos de eliminación

Gaussiana y Gauss-Jordan son esenciales para la resolución de
sistemas de ecuaciones lineales, su implementación óptima
depende de un adecuado manejo de los problemas
numéricos, lo cual se logra con el uso de técnicas de pivoteo.
La elección del método y de la estrategia adecuada depende
tanto de las características específicas del sistema de
ecuaciones como de las consideraciones computacionales y
de precisión requeridas.

-REFERENCIAS BIBLIOGRAFICAS:
 Strang, G. (2009). Introduction to Linear Algebra. 4th ed.
Wellesley-Cambridge Press.

20
 Lay, D. C. (2012). Linear Algebra and Its Applications. 4th ed.
Pearson.

 Axelsson, O. (1994). Iterative Solution Methods. Cambridge

University Press.

 Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations.

4th ed. Johns Hopkins University Press.

21