Captulo 1.

Resolucin de sistemas de ecuaciones lineales

1.1. Conceptos

Un sistema de ecuaciones lineales, tambin conocido como sistema lineal de ecuaciones o

simplemente sistema lineal, es un conjunto de ecuaciones lineales (es decir, un sistema de
ecuaciones donde cada ecuacin es de primer orden). Un ejemplo de sistema lineal de ecuaciones
sera el siguiente:

3 x 1 +2 x 2 +x 3=1
2 x 1 +2 x 2 +4 x 3 =2
1
x 1 + x 2 x 3=0
2
El problema consiste en encontrar los valores desconocidos de las variables x 1, x2 y x3 que
satisfacen las tres ecuaciones.

El problema de los sistemas lineales de ecuaciones es uno de los ms antiguos de la matemtica y

tiene mltiples aplicaciones.

En general, un sistema con n ecuaciones lineales y n incgnitas puede ser escrito en forma normal
como:

a11 x 1 +a12 x 2 +. . .+a1 n x n=b1

a21 x1 +a22 x 2 +. ..+a 2n x n =b 2
.. .
an 1 x 1 +a n2 x 2 +.. .+ann x n =bn
Donde x1, , xn son los valores desconocidos y los coeficientes a ij son elementos de R. Es posible
entonces reescribir el sistema con notacin matricial, as:

[ ] [] []
a11 a12 a1 n x1 b1
a 21 a22 a2 n x2 b2

an 1 a n2 a nn nxn xn nx1 bn nx 1
=

Si se representa cada matriz con una nica letra se tiene:

AX=B

Donde A es una matriz n x n (matriz cuadrada), X es un vector columna de longitud n y B es otro

vector columna de longitud n. La matriz A se llama matriz de coeficientes. B es el vector de
trminos independientes (conocidos) y X es el vector de trminos desconocidos.

Para encontrar el vector de trminos desconocidos, X, se debe tener en cuenta que la divisin de
matrices no existe, lo que se debe hacer es premultiplicar por la matriz inversa de A:
 A1 AX= A1 B
Si la matriz A posee inversa a izquierda y a derecha entonces A es necesariamente cuadrada. La
inversa de A se denota A-1 y se dice que A es invertible o no singular (A A-1 = In = A-1 A). De esta
1
manera, X =A B , cuando este sistema tiene solucin se dice que es soluble o consistente, en
caso contrario se dice que es no soluble o inconsistente.

1.2. Algunos mtodos para resolver sistemas de ecuaciones lineales y su implementacin en

Microsoft Excel

1.2.1. Uso de la funcin Minversa de Excel

En Microsoft Excel se puede encontrar la solucin del problema con ayuda de la funcin Minversa
con los siguientes pasos recomendados:

a. Construya en la hoja de Excel la matriz de coeficientes A; en un arreglo o rango de celdas

n x n.
b. Construya en la hoja de Excel el vector columna de trminos independientes B; en un
rango de celdas n x 1.
c. Calcule la matriz inversa de A la cual se identificar como A-1. Para hacer esto, seleccione
un rango de celdas de tamao n x n y use la funcin Minversa seleccionando la matriz A
como argumento de la funcin. Para obtener toda la matriz es necesario oprimir las teclas
Ctrl + shift + enter.
d. Calcule el vector X en un rango n x 1 utilizando la funcin de multiplicacin de matrices.
Para hacer esto seleccione un rango de celdas n x 1 y utilice la funcin de Excel Mmult,
seleccionando la matriz inversa de A como matriz 1 y el vector B como matriz 2. Recuerde
terminar el proceso con Ctrl + shift + enter.

1.2.2. Mtodo de Gauss Simple

La idea del mtodo de Gauss Simple consiste en que, mediante operaciones con filas, la matriz que
representa el sistema de ecuaciones se transforma en una equivalente donde los valores de las
variables se pueden obtener simplemente.

En el mtodo existen dos etapas fundamentales:

Eliminacin: est formada por operaciones entre filas que transforman la matriz ampliada y
original del problema en una matriz triangular superior (todos los elementos bajo la diagonal son
iguales a cero). La idea es que existe una manera repetitiva o algortmica de hacer que los
elementos bajo la diagonal sean cero de tal manera que se obtenga un sistema de ecuaciones
equivalente al original.

Retrosustitucin: consiste en encontrar los valores de cada variable a partir de las ecuaciones del
sistema equivalente que define la matriz triangular superior. Se despejan los valores de cada una
de las ecuaciones empezando por Xn, Xn-1 hasta llegar a X1.
Pasos del mtodo (pensado en Excel):

a. Identificar la matriz ampliada

[ ]
a11 a 12 . . . . a 1n b1
a21 a 22 . . . . a 2n b2
a31 a 32 a33 . . . . b3
A|B
[ ] .= . . . . . . |.
. . . . . . . .
. . . . . . . .
a n1 an 2 . . . . ann bn

b. Realizar el proceso de eliminacin por etapas (n-1 etapas) de acuerdo con:

Para que el proceso sea repetitivo y por lo tanto se puede implementar un algoritmo, el
procedimiento de eliminacin recomendado es:

Desde la fila i = 1 hasta la i = n-1 se debe:

Fila pivote = Fila i

Pivote = aii

Desde la fila j = i+1 hasta la fila j = n se debe:

Factor correccin = aji/pivote

Fila para corregir j = Factor correccin x Fila pivote

Nueva Fila j = Fila j Fila para corregir j

Siguiente j

Siguiente i

Nota: con este procedimiento, en la hoja de Excel quedan guardadas todas las matrices resultantes
despus de cada etapa de eliminacin. Una vez se realizan las n-1 etapas de eliminacin, se
obtiene una matriz triangular superior del tipo:
 [ ]
a '11 a'12 . . . . a '1n b '
1
0 a'22 . . . . '
a 2n b '
2
0 0 a '33 . . . . '
b3
[ A '|B ' ]= 0 0 0 . . . . |
.
. . . . . . . .
. . . . . a'n1 n1 . . .
'
0 0 . . . 0 ann bn
'

c. Realizar el proceso de retrosustitucin:

De la matriz que se obtiene en el proceso de eliminacin el sistema de ecuaciones

equivalente es:

a'11 x 1 +a'12 x 2 +....+a'1 n x n =b'1

.
.
a'n2n2 x n2+a'n2n1 x n1+a 'n2 n x n=b'n2
a'n1n1 x n1+a'n1 n x n=b'n1
a'nn x n=b'n
A partir del sistema anterior se pueden despejar las variables empezando desde la
ecuacin n hasta la ecuacin 1 de acuerdo con:

De la ecuacin n en el sistema equivalente:

'
bn
x n= '
a nn
De la ecuacin n-1 en el sistema equivalente:

( b'n1a'n1n x n )
x n1 =
a'n1n1

De la ecuacin n-2 en el sistema equivalente:

( b'n2a'n2n1 x n1a'n2n x n )
x n2 =
a 'n2 n2
Si se observa las expresiones resultantes de la ecuacin n-1 y n-2 se pueden identificar los
siguientes elementos en comn:

xi siempre se despeja de la ecuacin i.

Siempre en la expresin de clculo se encuentra el elemento b i.
Cada expresin tiene asociada una resta formada por los productos a ijxj. En esta resta
solo se incluyen los trminos que estn por delante de i.
Siempre se divide la ecuacin sobre a ii.

Con base en estos elementos, desde i = x n-1 hasta i = 1 este proceso se puede generalizar de
acuerdo con:

x i=
( b'i
j =i +1
a'ij x j
)
a 'ii , esta ecuacin es vlida y empieza desde i = (n-1), (n-2), (n-
3),,3,2,1.

En resumen, la implementacin del mtodo de Gauss en Excel implica:

a. Identificacin y construccin de la matriz ampliada a partir del sistema de ecuaciones.

b. Eliminacin en n-1 etapas para obtener la matriz ampliada equivalente.
c. Clculo de los valores de las variables mediante retrosustitucin con las siguientes
frmulas:
n

b'n
x n= ' x i=
( b'i
j =i +1
a'ij x j
)
a nn ; a 'ii empezando desde i= (n-1), (n-2), (n-3),,3,2,1.

Observaciones sobre el mtodo de Gauss:

Recomendado para sistemas pequeos, si la matriz es muy grande requiere muchas operaciones
debido a la cantidad de operaciones durante la eliminacin. Esto puede generar error de
redondeo.

Si alguno de los elementos de la diagonal es cero, se generan indeterminaciones pues se hace

presente la divisin por cero. En este caso se modifica la matriz inicial mediante cambio de filas.

Muchas veces se recomienda hacer intercambio de filas para que el elemento sobre la diagonal sea
el nmero ms grande en una columna dada. Esta tcnica se conoce como pivoteo y ayuda
eliminar errores de redondeo.

1.2.3. Mtodo de Jacobi

Bsicamente el mtodo de Jacobi consiste en encontrar la solucin del problema a partir de unos
valores iniciales y con ayuda de unas frmulas de recurrencia, es decir, expresiones que permiten
estimar nuevos valores de las variables a partir de valores anteriores de las mismas.

El uso de las frmulas de recurrencia se hace repetidamente hasta que se considera que las
ecuaciones se encuentran resueltas para fines prcticos.

Frmulas de recurrencia: para obtener las frmulas de recurrencia, a partir de cada ecuacin se
despeja una variable en trminos de las dems con ayuda de los elementos que forman la matriz
ampliada. Para generar un procedimiento ordenado y por lo tanto algortmico, de la ecuacin 1 se
despeja x1, de la ecuacin 2 se despeja x2 y as sucesivamente hasta que de la ecuacin n se
despeja xn.

Para un sistema n*n tenemos:

a11 x 1 +a12 x 2 +. .. .+a1 n x n =b1

a21 x1 +a22 x 2 +.. ..+a2 n xn =b 2
a31 x1 +a32 x 2 +.. ..+a3 n x n=b2
.
.
an 1 x 1 +a n2 x 2 +. .. .+a nn x n =bn

Desde este sistema se despejan las variables una por una y en el mismo orden de las ecuaciones.

De la ecuacin 1 se obtiene:

b1 ( a12 x 2 +. .. .+a 1n x n )
x 1=
a11

De la ecuacin 2 se obtiene:

b2 ( a21 x 1 + a23 x 3 . .. .+a 2n x n )

x 2=
a22

De la ecuacin 3 se obtiene:

b 3( a31 x1 + a32 x 2 + a34 x 4 . .. .+a3 n x n )

x 3=
a33

De las tres ecuaciones anteriores se observa que todas son muy parecidas y bsicamente cada
expresin (i) est formado por:

El trmino independiente bi de la ecuacin (i)

La suma de los productos entre los elementos a ij*xj sin incluir el trmino que
corresponde a aii*xi
Siempre se divide sobre el elemento aii
Con base en estas observaciones se puede generalizar el despeje de x i de cada ecuacin i de
acuerdo con:

ji

n a ii ; vlida para todas las ecuaciones desde i = 1 hasta n

De la expresin anterior se observa:

Para un valor de i es posible estimar un valor de x i, si se suponen o conocen valores anteriores para
todas las dems variables. Por esta razn se llama formula de recurrencia o formula repetitiva
(permite estimar valores nuevos de una variable a partir de valores anteriores de las mismas).

Criterios de solucin: para saber si los valores de los x i que se tienen representan la solucin del
problema, se pueden evaluar los residuos de cada ecuacin, los cuales se definen como:

R1 =a11 x 1 +a 12 x 2 +. ..+a 1n x n b1
R2 =a21 x1 +a22 x 2 +.. .+a2 n x n b2
R3 =a31 x1 +a32 x 2 +.. .+a3 n x n b3
.
.
Rn =a n1 x 1 +a n2 x 2 +.. .+ann x nbn

Si x1,x2,,xn son una solucin del problema todos los residuos deben ser cero o casi cero. Para no
observar residuo por residuo se plantea la norma asociada al vector de residuos as:

n
R =R= R 2i
i=1 ; si R es un nmero muy pequeo, normalmente definido por el usuario
(tpico de I.Q. UPB R = 1E-08) se dice que los valores de x 1,x2,, xn con los que se calcula R,
representa la solucin del problema.

Pasos del mtodo (pensado en Excel):

a. Identificar la matriz ampliada

b. Suponer valores iniciales xi0 para toda la xi, evale los residuos de las ecuaciones y la
norma de los residuos as:

n
0 2
0
X = [ x01 x 02 . . x 0n ] R= 0
[ R 01 R02 . . R0n ] 0 =R =
R
( R0i )
; ; i=1

Si R0 < tol entonces los xi0 son la solucin (rara vez ocurre).

c. A partir de los valores de xi0 se calculan los valores xi1 de acuerdo con:

ji

n a ii
d. Se evalan los residuos para los xi1 y se analiza el criterio de convergencia:

n
1 2

[
R1 = R11 R 12 . . R1n ] 1=R =
R
( R1i )
; i=1

Si R1 < tol entonces los xi1 son la solucin.

e. Se repiten los pasos c y d hasta que el sistema est resuelto: Es decir, se calculan
nuevos valores de xi los cuales llamaremos xik+1, a partir de los valores anteriores de x i
los cuales llamaremos xk. En trminos de ecuaciones esto es:

ji

n a ii
Este clculo se realiza hasta que Rk+1 < tol.

Nota: en Excel es fundamental que los pasos a hasta d se hagan ordenadamente y

teniendo en cuenta las celdas que se pueden referenciar de forma absoluta. Si esto se hace
correctamente el paso e consiste en arrastrar filas hasta que el problema queda resuelto.

Observaciones: al igual que en el mtodo de Gauss - Simple, si la diagonal de la matriz

tiene ceros, se generan indeterminaciones que no permiten implementar el mtodo.

Cuando se trabaja con mtodos iterativos es importante analizar la convergencia, es decir,

si nos estamos acercando a la respuesta. Para que el mtodo de Jacobi alcance
convergencia se habla de:

Condicin suficiente pero no necesaria: la matriz A debe ser diagonalmente

dominante; es decir, que en cada fila el valor absoluto del coeficiente en la
diagonal principal es superior a la suma de los valores absolutos de los dems
coeficientes en ella.
 ji

n

1.2.4. Mtodo de Gauss-Seidel

Se fundamenta en el mtodo de Jacobi y la nica diferencia radica en la expresin utilizada

(formula de recurrencia) para calcular los valores de x i. En el mtodo de Jacobi siempre se usan los
valores xiK para calcular los valores xik+1.

En el mtodo de Gauss - Seidel, se utilizan los valores ms actualizados de las variables.

Retomando las ecuaciones se puede observar lo siguiente:

De la ecuacin 1:

b1 ( a12 x 2 +. .. .+a 1n x n )
x 1=
a11 ; para calcular x1 se requieren valores anteriores de x 2, x3 hasta
xn.

De la ecuacin 2:

b2 ( a21 x 1 + a23 x 3 . .. .+a 2n x n )

x 2=
a22

Para calcular x2, se requiere x1, x3, x4 hasta xn. Con base en la ecuacin 1 se acaba de calcular un x 1
nuevo, el cual puede ser utilizado. Los valores de x 3,x4 hasta xn requiere de valores anteriores.

De la ecuacin 3:

b 3( a31 x1 + a32 x 2 + a34 x 4 . .. .+a3 n x n )

x 3=
a33

Para calcular x3, se requiere x1, x2, x4 hasta xn. Con base en las ecuaciones 1 y 2 se calcularon un x 1 y
x2 nuevos. Estos valores se pueden utilizar. Los valores de x 4 hasta xn requiere de valores anteriores.

Conclusin: de las tres ecuaciones anteriores se observa un comportamiento similar y bsicamente

se puede decir que:

Para calcular x1 se requieren valores iniciales de x2 hasta xn, es decir, se requieren siempre
los valores anteriores.
Para calcular el valor de xi con i = 2 hasta n se pueden usar unos x j recin calculados desde j
= a hasta j = i-1 y unos x j anteriores desde j = i+1 hasta n. Esta caracterstica genera el
siguiente cambio en la frmula de recurrencia del mtodo. La nueva frmula es:
 n

x k +1 =
( b1 aij x
j=2 j
k )
1 a 11

j=i1 j=n

x k +1=
( bi
j=1
aij x k +1
j

j=i+1
aij x
j
k )
i aii Para i = 2,3 hasta n

Pasos del mtodo (pensado en Excel):

La forma ms fcil de implementar el mtodo de Gauss - Seidel en Excel consiste en montar el

mtodo de Jacobi y simplemente modificar el paso c, de tal manera que se utilicen los valores ms
actuales de las variables. Una vez se hace esto la implementacin del paso d y e son automticos.

En resumen, estos pasos son:

a. Identificar la matriz ampliada

b. Suponer valores iniciales xi0 para toda la xi, evale los residuos de las ecuaciones y la
norma de los residuos as:

n
2
0 =R 0= ( R0i )
0
X = [ x01 x 02 . . x 0n ] ;
R= 0
[ R 01 R02 . . R0n ] ; R i=1

Si R0 < tol entonces los xi0 son la solucin (rara vez ocurre).

c. A partir de los valores de xi0 se calculan los valores xi1 de acuerdo con:
n

x 1=
( b1 aij x
j=2 j
0 )
1 a 11
j=i1 j=n

x 1=
( bi
j=1
aij x 1
j

j=i+1
aij x
j
0 )
i aii

d. Se evalan los residuos para los xi1 y se analiza el criterio de convergencia:

n
2
1=R1= ( R1i )
R= 1
[ R11 R 12 . . R1n ] ; R i=1
 Si R1 < tol entonces los xi1 son la solucin.

e. Se repiten los pasos c y d hasta que el sistema est resuelto: es decir, se calculan
nuevos valores de xi los cuales llamaremos xik+1, a partir de los valores anteriores de x i
los cuales llamaremos xk. En trminos de ecuaciones esto es:
n

x k +1 =
( b1 aij x
j=2 j
k )
1 a 11

j=i1 j=n

x k +1=
( bi
j=1
aij x k +1
j

j=i+1
aij x
j
k )
i aii Para i = 2,3 hasta n

Este clculo se realiza hasta que Rk+1 < tol.

Nota: en Excel es fundamental que los pasos a hasta d se hagan ordenadamente y

teniendo en cuenta las celdas que se pueden referenciar de forma absoluta. Si esto se hace
correctamente el paso e consiste en arrastrar filas hasta que el problema queda resuelto.