Reducción de errores en el método Gauss-Jordan;

estrategias de pivoteo

Cortés Rosas Jesús Javier, González Cárdenas Miguel Eduardo

Pinilla Morán Vı́ctor Damián, Salazar Moreno Alfonso
Tovar Pérez Vı́ctor Hugo *

2019

Resumen

Esta publicación pertenece al proyecto Plataforma educativa para Análisis Numéri-

co, realizado con al apoyo del Programa UNAM-DGAPA-PAPIME PE105717.

La obtención de la matriz inversa y la solución de un sistema de ecuaciones lineales se obtienen

a través de tres operaciones básicas. Durante la aplicación de estas, sin importar de que no se trate
de procesos iterativos, se comenten errores, por lo que es necesario establecer estrategias para
minimizar los efectos negativos que pudieran alterar los resultados de la solución. Inicialmente
se presentará un panorama de los métodos Gauss y Gauss-Jordan para después establecer las
estrategias de pivoteo que reducen los errores cometidos.

Los sistemas de ecuaciones son herramientas imprescindibles en la práctica de la Ingenierı́a. Se

utilizan para diversos modelar fenómenos fı́sicos que involucran una multitud de variables y que su
comportamiento implica una estrecha relación entre ellas.
La solución de circuitos a través de las Leyes de Kirchhoff, el análisis estructural, la investigación
de operaciones son sólo unos pocos ejemplos de la importancia que reviste el uso de los sistemas de
ecuaciones.

1. Conceptos generales

La solución de un sistema de ecuaciones lineales es un conjunto n de valores que satisfacen si-

multáneamente a un grupo de ecuaciones. En la solución de dicho sistema se presentan tres casos:

1. Que el sistema no tenga solución finita. Se dice entonces que es incompatible.

2. Que el sistema tenga solución finita única. En tal caso se dice que es compatible determinado.

3. Que tenga más de una solución. El sistema es entonces compatible indeterminado.

*
Profesores de la División de Ciencias Básicas de la Facultad de Ingenierı́a de la UNAM.

1
Análisis numérico 2

En este capı́tulo se examinarán métodos para resolver sistemas de ecuaciones lineales compatibles
determinados que obedecen a la forma :

a11 x1 +a12 x2 +a13 x3 +... +a1n xn = b1

a21 x1 +a22 x2 +a23 x3 +... +a2n xn = b2
a31 x1 +a32 x2 +a33 x3 +... +a3n xn = b3 (1)
.. .. .. .. .. ..
. . . . . .
an1 x1 +an2 x2 +an3 x3 +... +ann xn = bn

En forma matricial este sistema se representa como:

Ax̄ = b̄ (2)

Donde: A es la matriz de coeficientes aij :

 
a11 a12 a13 ... a1n
 a21 a22 a23 ... a2n 
 
A =  a31 a32 a33 ... a3n (3)
 

 .. .. .. .. .. 
 . . . . . 
an1 an2 an3 ... ann

x̄ es el vector de incógnitas:  
x1

 x2 

x̄ = 
 x3 
 (4)
 .. 
 . 
xn

b̄ es el vector de términos independientes:

 
b1

 b2 

b̄ = 
 b3 
 (5)
 .. 
 . 
bn

2. Métodos de solución basados en el álgebra matricial

La técnica fundamental para encontrar la solución de un sistema de ecuaciones es el de la elimina-

ción; dicho proceso consiste en transformar el sistema original en sistemas equivalentes aplicando
las tres operaciones fundamentales sobre las ecuaciones del sistema que son:

1. Intercambiar dos ecuaciones del sistema

2. Multiplicar una ecuación del sistema por un escalar diferente de cero

Análisis numérico 3

3. Multiplicar una ecuación del sistema por un escalar diferente de cero y sumar el resultado a
otra ecuación del sistema.

Con base en estas tres operaciones fundamentales se definen varios métodos de solución. Cabe
indicar que en el desarrollo de estos métodos y en la práctica de las operaciones se utilizan diversos
recursos del álgebra matricial, entre ellos el uso de la matriz ampliada o la transformación hacia la
matriz identidad. En este trabajo se muestran únicamente los planteamientos de los métodos sin
ahondar en las técnicas que se prefieran en su solución.

2.1. Método de Gauss

A través de las operaciones fundamentales aplicadas a la matriz de coeficientes A y al vector de

términos independientes b̄ (para mantener la igualdad en las ecuaciones), se convierte a la matriz A
en una triangular superior donde la diagonal principal la constituyen números 1. Esta transformación
implica que en la ecuación n aparezca una sola incógnita, dos en n − 1, tres en la n − 2 y ası́
consecutivamente para después realizar una sustitución hacia atrás.
Sea el sistema de ecuaciones lineales Ax̄ = b̄, donde la matriz de coeficientes A corresponde a la
forma de (3) y el vector de términos independientes b̄ corresponde a la forma (5), la matriz ampliada
del sistema es:  
a11 a12 a13 ... a1n | b1
 a21 a22 a23 ... a2n | b2 
 
 a31 a32 a33 ... a3n | b3 
A=  (6)
 .. .. .. .. .. .. .. 
 . . . . . . . 
an1 an2 an3 ... ann | bn

Por medio de las operaciones fundamentales debe transformarse en una matriz ampliada triangular
superior de la forma:
1 a012 a013 ... a01n | b01
 
 0 1 a0 ... a02n | b02 
 23 
A=
 0 0 1 ... a03n | b03  (7)
 .. .. .. .. .. .. .. 
 . . . . . . . 
0 0 0 ... 1 | b0n
donde los valores a0ij y b0i son los coeficientes modificados por la aplicación de las operaciones
fundamentales.
Este procedimiento se logra tomando cada uno de los elementos de la diagonal principal de la
matriz A original, al cual se le denomina pivote y después normalizando la ecuación con dicho valor.
Posteriormente, a través de las operaciones fundamentales, se hace la eliminación de los elementos
inferiores de la columna correspondiente al pivote.
Una vez realizada la transformación se realiza la sustitución hacia atrás obteniéndose el valor de
cada una de las incógnitas.
Análisis numérico 4

2.2. Método de Gauss-Jordan

Es una ampliación del método de Gauss con la diferencia que la matriz de coeficientes A se tras-
forma en la identidad de tal forma que se conserva una única incógnita por ecuación eliminando la
sustitución hacia atrás.
Sea el sistema de ecuaciones lineales Ax̄ = b̄, donde la matriz de coeficientes A corresponde a
la forma de (3) y el vector de términos independientes b̄ corresponde a la forma (5) y la matriz
ampliada al arreglo (6), por medio de las operaciones fundamentales debe transformarse en la matriz
identidad de la forma:

| b01
 
1 0 0 ... 0

 0 1 0 ... 0 | b02 

A=
 0 0 1 ... 0 | b03 
 (8)
 .. .. .. .. .... .. 
 . . . . . . . 
0 0 0 ... 1 | b0n
donde los valores b0i son los coeficientes modificados por la aplicación de las operaciones fundamenta-
les. De nuevo, el procedimiento utilizado es la elección del pivote, la normalización de las ecuaciones
y la eliminación de los elementos superiores e inferiores de la columna del pivote correspondiente.

2.3. Método de la matriz inversa

Es, en esencia, una analogı́a del método de Gauss-Jordan.

Sea el sistema de ecuaciones lineales Ax̄ = b̄, donde la matriz de coeficientes A corresponde a la
forma de (3) y el vector de términos independientes b̄ corresponde a la forma (5) y donde A−1 es la
matriz inversa de A, se cumple que:
x̄ = A−1 · b̄ (9)

2.4. Estrategias de pivoteo para reducir errores

Los métodos de Gauss y Gauss-Jordan, que se basan en el pivoteo, pueden enfrentarse a ciertas
dificultades cuando dos ecuaciones (dos renglones de la matriz ampliada) son muy parecidos o, en
el peor de los casos, idénticos. Durante la aplicación de las operaciones fundamentales uno de estos
renglones se volverá cero, es decir, se eliminará. Esto implica que el número de ecuaciones es n − 1,
las incógnitas es n y en consecuencia se trata de un sistema compatible indeterminado.
Esta situación es detectada por el álgebra matricial ya que el determinante de la matriz A será cero;
A se denominará entonces matriz singular. No es posible eliminar la situación relativa a la matriz
singular cuando el sistema emana de ua situación tal.
Por otra parte, es imposible realizar la normalización utilizando al elemento ubicado en la diagonal
principal cuando este es cero. Una manera de librar este obstáculo es intercambiar renglones para
retirar de la diagonal principal elementos de valor cero. Sin embargo, en ocasiones los pivotes tienen
valores pequeños comparados al resto de los coeficientes del mismo renglón o bien, tiende a cero.
Esta situación provocará errores de redondeo al efectuar la normalización.
Análisis numérico 5

Durante el pivoteo necesario para resolver un sistema de ecuaciones debe buscarse cometer el menor
error por redondeo posible, esto se logra eligiendo adecuadamente el elemento de la matriz A y no
únicamente aquel que está sobre la diagonal principal. Para lograr esto deberán intercambiarse los
renglones aún y cuando el elemento de la diagonal principal no sea cero. Los errores se producen
al hacer el cociente entre el elemento ai,j de la matriz y ai,i de la diagonal principal, cuando ai,i es
relativamente pequeño con respecto a ai,j .

Pivoteo diagonal

Es la técnica común de tomar el elemento de la diagonal principal como pivote sin consideración
alguna.

Pivoteo parcial

Supóngase un sistema de ecuaciones con un elemento particularmente pequeño con respecto al resto:

0,001x1 + 72,470x2 = 217,430

(10)
6,371x1 − 5,879x2 = 109,783

En este caso, a1,1 = 0,001 es considerablemente pequeño, primero con a1,2 = 72,47 y después con
el resto de los elementos del sistema. La opción recomendada para reducir errores por redondeo es
reacomodar el sistema de la siguiente forma:

6,371x1 − 5,879x2 = 109,783

(11)
0,001x1 + 72,470x2 = 217,430

Este reacomodo evita que el elemento considerablemente pequeño sea el pivote del primer renglón.
Se propone realizar estos movimientos para evitar dividir entre números de relativamente pequeños.

Pivoteo parcial escalado

Consiste en colocar en la posición pivote el elemento mayor con respecto al resto de los elementos
de su renglón. Para facilitar la elección del pivote, se debe detectar el elemento máximo en valor
absoluto por cada renglón de la matriz. Por ejemplo, para el sistema ampliado:

 
1 10 9 11 −9 | 47

 0 4 −5 8 5 | 50 

A=
 0 9 −4 2 3 | 29 
 (12)
 0 5 8 6 −7 | 23 
0 −6 5 12 41 | 71

en el cual ya fue reducida la primera columna, por lo que se debe continuar con la segunda columna
(el primer renglón no deberá intercambiarse de lugar). Para los renglones 2 a 5, el respectivo elemento
de mayor valor absoluto es:
Análisis numérico 6

Cuadro 1: Elemento máximo por renglón

Renglón Posición Máximo

2 |a2,4 | 8
3 |a3,2 | 4
4 |a4,3 | 8
5 |a5,4 | 41

Una vez hecha la identificación, divı́dase el elemento de la columna a eliminar entre el máximo
correspondiente:
|a2,2 | 4
Renglón 2: max2 = 8 = 0,5
|a3,2 | 9
Renglón 3: max3 = 4 = 2,25
|a4,2 | 5
Renglón 4: max4 = 8 = 0,625
|a5,2 | 6
Renglón 5: max5 = 41 = 0,146
Con base en estos resultados, el renglón que tiene el cociente máximo deberá ser el pivote, en este
caso el renglón 3, por lo que deberá intercambiarse por el renglón 2:

 
1 10 9 11 −9 | 47

 0 9 −4 2 3 | 29 

A=
 0 4 −5 8 5 | 50 
 (13)
 0 5 8 6 −7 | 23 
0 −6 5 12 41 | 71

Este proceso deberá repetirse para cada una de las columnas restantes.

Pivoteo completo

Consiste en detectar el elemento máximo en cada renglón y conforme se avance en el pivoteo,

reacomodar los renglones para colocarlo en la diagonal principal en la columna correspondiente.

2.5. Conclusiones

Los métodos anteriores suelen ser poco óptimos para resolverse manualmente cuando el sistema
corresponde a un orden superior a tres; la situación es similar cuando se diseñan los respectivos
algoritmos, principalmente por considerar la elección del pivote, la normalización y las tres opera-
ciones fundamentales. Adicionalmente, el valor del pivote es el factor determinante en la producción
y propagación de errores.
El Análisis numérico proporciona herramientas que hacen estos procesos más efectivos, ya sea como
versiones alternas a los basados en el álgebra matricial (Descomposición LU) o como métodos
iterativos (Jácobi y Gauss-Seidel) con sus correspondientes criterios de convergencia.
Análisis numérico 7

Referencias

Borras, H., Duran, R., y Iriarte, R. (1984). Apuntes de métodos numéricos (F. de Ingenierı́a UNAM,
Ed.).
Burden, R., y Faires, D. (2011). Análisis numérico (C. Learning, Ed.).
Garcı́a B., S. (2017). Métodos numéricos.
Gerald, C., y Wheatley, P. (2000). Análisis numérico con aplicaciones (P. Hall, Ed.).
Olivera Salazar, A. (s.f.). Métodos numéricos (Limusa, Ed.).
Sandoval, H. (2017). Métodos numéricos.