INSTITUTO TECNOLOGICO DE CIUDAD

MADERO

Aplicaciones Del Sistema De Ecuaciones

Lineales En La Ingeniería En Sistemas

PROFESOR: Miguel Ángel Juárez Cruz

ALUMNOS: Resendiz Zepahua Milton Ivan
Villalobos Lázaro Alexander
Cruz Francisco Yesica Lizbeth
CARRERA: Ing. En Sistemas
Computacionales
GRUPO: 09:00 – 10:00 am
SEMESTRE: 2
En el siguiente texto se llevaran a cabo las aplicaciones en las que se puede
emplear el sistema de ecuaciones lineales en la ingeniería en sistemas.

En el primer congreso nos dice Las microcomputadoras de hoy en día han

revolucionado muchas de las actividades de la ingeniería, sobre todo, si se
aprovecha la interacción entre el usuario y la computadora, así como la
capacidad de traficación de la pantalla, lo cual resulta adecuado para muchas
de las actividades relacionadas con la práctica actual de esta materia. Uno de
los problemas que surgió con la aparición de la computadora digital, fue el
manejo y la interpretación por parte del usuario de los resultados numéricos
proporcionados por la misma, más aún, cuando la cantidad de éstos resultaba
considerable, como sucede con varios de los problemas de ingeniería
estructural. Un caso concreto de lo anterior, lo constituyen los
desplazamientos de puntos de una estructura producidos por un sistema de
fuerzas actuando sobre ella, que son una parte de los resultados
proporcionados por casi todos los métodos y programas de computadora para
análisis estructural. Sin lugar a dudas, el problema se resuelve cuando
después de que los resultados han sido expresados numéricamente se hace de
manera gráfica, con las ventajas que esto representa.

En el caso de la elástica, existe un inconveniente, por razones prácticas sólo

son considerados en el análisis, la menor cantidad de datos necesarios para
definir completamente a la estructura, trayendo como consecuencia que no se
pueda dibujar con todo rigor la elástica de la misma con los desplazamientos
de los nudos definidos (nudos extremos de la barra), o bien, se haga de manera
aproximada, ya que para la mayoría de las barras no son conocidos los
desplazamientos de puntos intermedios.

Si se introducen más nudos, se requerirá de más esfuerzo en la preparación de

datos, así como tiempo y memoria de la computadora para la solución del
problema, factor que en algunos casos, todavía es determinante en el uso de
algunos programas de cómputo para la solución de ciertos problemas. La
solución que se presenta a continuación, consiste en aplicar la ecuación de la
elástica a cada barra, tomando como condiciones de frontera los
desplazamientos de sus extremos obtenidos del análisis de la estructura;
resolviendo la ecuación de la elástica se obtienen los desplazamientos de
puntos intermedios de la barra.
Ahora, se resume la teoría requerida y se presenta un programa de
computadora para la obtención de la elástica de barras planas de eje recto,
considerando solamente efectos de flexión; asimismo, incluye su
representación gráfica.
Planteamiento matricial de la ecuación de la elástica de una barra en el plano,
considerando sólo efectos de flexión La aplicación de la mecánica de materiales
permite obtener la ecuación que define la elástica de una barra sujeta a fuerzas
contenidas en su plano, ésta se logra mediante dos integraciones sucesivas
partiendo de la siguiente ecuación diferencial.

El segundo congreso nos dice que muchos problemas prácticos que aparecen
en diversas disciplinas, tales como la biología, la química, la economía o la
ingeniería, pueden ser frecuentemente reducidos a la resolución de ecuaciones
lineales, concepto conocido de cursos anteriores. En los sistemas lineales, las
ecuaciones sólo involucran la primera potencia de cada incógnita y éstas no
van multiplicadas entre sí. En particular cada incógnita sólo aparece
multiplicada por algún escalar.

El álgebra lineal surgió como resultado de los intentos de encontrar métodos

sistemáticos para resolver tales sistemas. En otras palabras, el problema
central del álgebra lineal es resolver sistemas de n ecuaciones lineales.
Recordemos algunas nociones básicas.

Sea la combinación lineal de las variables x1,. . . xn dada por la expresión

a1 x1 + a2 x2 + · · · + an xn .

Los números reales a1,. . ., an ∈ R se denominan coeficientes de la

combinación.

La solución de un sistema lineal no existe necesariamente y, si lo hace, no es

necesariamente única.

Si un sistema de ecuaciones tiene solución o soluciones se denomina sistema

compatible; en caso contrario diremos que es un sistema incompatible.

El conjunto de todas las soluciones de un sistema de ecuaciones lineales dado

se denomina conjunto de soluciones.

Cuando el sistema no tiene solución, el conjunto de soluciones se dice vacío, lo

que representamos con el símbolo ∅ (que denota al conjunto vacío en teoría de
conjuntos).
Si un sistema de ecuaciones lineales tiene solución única se dice que es
compatible determinado; si tiene más de una solución se dice que es
compatible indeterminado.

Finalmente recordemos que:

Dos sistemas son equivalentes si ambos tienen el mismo conjunto de

soluciones.

A continuación veremos dos maneras distintas de interpretar los sistemas

lineales.

Ejemplo

Sea el siguiente sistema de dos ecuaciones con dos incógnitas

{xx1+2
1−x 2=0
x 2=4 .

La primera de las interpretaciones geométricas es bien conocida: cada par de

números reales (x1, x2) que verifiquen x1 − x2 = 0, e.g., (0, 0), (−3, −3) ó (√2,
√2), es solución de la primera ecuación. Si representamos tales puntos en el
plano obtenemos una recta, como se ve en la figura 2.1. En general, si
representamos cada ecuación (fila) por una recta en el plano, obtendremos que
la intersección de todas ellas, si existe, es la solución del sistema. En

particular, el par ( 43 , 43 )es la solución del sistema anterior.

El tercer congreso nos dice que los sistemas de ecuaciones lineales se utilizan
para resolver muchos problemas de la ciencia y la ingeniería. La solución
numérica de dichos sistemas la forman una gran variedad de algoritmos, como
eliminación de Gauss, Gauss-Jordan, Gauss-Seidel, Montante, Jacobi, Lu y
Cholesky entre otros, que de una manera u otra resuelven el sistema de
ecuaciones lineales (si tiene solución). Sin embargo, cuando se trata de
problemas muy complejos en donde intervienen muchas ecuaciones, se
requiere de muchas operaciones aritméticas que pueden provocar caer en el
tedio y el aburrimiento por tanto cálculo, entonces, debe emplearse una
alternativa para el aprendizaje. Actualmente, los Métodos Numéricos tienen
auge con la llegada de las computadoras y en especial para resolver sistemas
de ecuaciones lineales que requieren cálculos matemáticos extremadamente
complejos. Para el desarrollo de los algoritmos se ha empleado el paquete de
cálculo numérico, simbólico y gráfico MatLab. Este software constituye una
poderosa herramienta para resolver problemas de ingeniería, dónde están
involucradas los sistemas lineales por sus algoritmos implementados a través
de sus comandos y funciones. MatLab se debe usar apropiadamente y no viene
a sustituir el conocimiento impartido en el aula, se debe empelar como un
recurso didáctico para hacer más atractiva la enseñanza aprendizaje de los
Métodos Numéricos.

El uso de las tecnologías se ha utilizado como recurso didáctico en la búsqueda

de nuevos métodos de enseñanza aprendizaje. Estos avances tecnológicos han
generado software de aplicación (como MatLab) que hace que sea
especialmente interesante reflexionar acerca de cómo esas tecnologías pueden
modificar los procesos de enseñanza y aprendizaje de los Métodos Numéricos.
Las experiencias de más de 30 años de actividades académica en el área de
físico matemáticas y en especial de la impartición de la asignatura de Métodos
Numéricos a los estudiantes de las diferentes carreras de ingeniería de FES
Aragón, ha demostrado que el uso de MatLab como un recurso didáctico de
apoyo en la solución de problemas, propicia y despierta el interés por la parte
algorítmica y analítica que contiene los Métodos Numéricos. No se debe olvidar
que estas tecnologías en sí mismas no promueven el aprendizaje y no
constituyen ninguna panacea de carácter universal ni ninguna garantía de
eficacia pedagógica, todo dependerá de la opción y concepción pedagógica por
la cual se elija diseñar un determinado modelo educativo. Por último, basado
en la experiencia, se ha hecho una investigación de corte cuantitativo, cuya
fuente de investigación por profundidad es descriptiva. La información se
obtuvo en forma experimental, siguiendo una metodología cuantitativa y de
investigación comparada.

La siguiente tabla muestra las funciones y comandos empleados en MatLab

para la solución numérica de sistemas de ecuaciones lineales, valores
característicos (eigenvalores) y vectores característicos (eigenvectores) de una
matriz no singular.
Función Descripción
syms x y z . . . t Convierte las variables x y z . . . t en
simbólicas
solve(„ec1,ec2, …ecn‟,‟x1,x2,…xn`) Resuelve n ecuaciones lineales
simultáneas ec1, ec2,… ecn. (Sistema
de las variables x1, x2,… xn).
X = linsolve(A,B) Resuelve un sistema de ecuaciones
lineales del tipo A*X=B para una
matriz cuadrada A, siendo B la
matriz del término independiente del
sistema de ecuaciones.
X = A\B Resuelve el sistema triangular A*X=B.
Emplea eliminación de Gauss.
X = rref([A, B]) Obtiene la matriz reducida
escalonada por renglones de A,
utilizando el método de Gauss-
Jordan, en la cual, la diagonal
principal tiene 1 y los demás
elementos 0. El número de renglones
no nulos de rref. (A) es el rango de A.
Además, muestra cuando un sistema
es incompatible o indeterminado
mediante el vector de términos
independientes B.
rrefmovie( [A, B] ) Muestra el procedimiento paso a paso
de la solución del sistema de
ecuaciones lineales haciendo,
incluso, cambio de renglones para
facilitar los cálculos, mostrando el
resultado final.
U = chol(A) Descomposición (Factorización) de
Cholesky de una matriz simétrica y
definida positiva. Devuelve la matriz
triangular superior U de A. Sólo se
utiliza la diagonal y la parte
triangular superior de A. Si A no es
definida positiva devuelve un error.
Se cumple que A = U' * U. Resuelve el
sistema de ecuaciones lineales
mediante la operación X = U \ (U‟ \
B).
A‟ Matriz transpuesta de A.
inv(A) Calcula, si existe, la matriz inversa de
la matriz cuadrada A (A-1).
det(A) Determinante de la matriz cuadrada
 A.
rank(A) Rango de la matriz A.
e = eig(A) Halla los valores característicos
(eigenvalores) de la matriz cuadrada
A. Es decir, calcula directamente las
raíces que definen al polinomio
característico de la matriz A.
[ V, D] = eig(A,B) Halla la matriz diagonal D de valores
característicos generalizados de la
matrices cuadradas A y B y una
matriz V, cuyas columnas son los
vectores característicos
correspondientes, cumpliéndose que
A*V=B*V*D.
P = poly(A) Calcula los coeficientes del polinomio
característico de la matriz cuadrada
A.

El cuarto congreso nos habla de A continuación, se presentan algunos

conceptos que se consideran fundamentales para el desarrollo del tema tratado
en este trabajo. Para las siguientes definiciones, es importante tener presente
la posición en la que se encuentran los elementos de la matriz, es decir,

Sii= j el elementoest ´ a en ladiagonal

aji=
{ Sii< j el elemento est ´ a sobre ladiagonal
Sii> j el elemento est ´ a debajo de ladiagonal

Cuando se realizan operaciones con matrices cuyas entradas en algunos casos

son ceros, en algunos casos su resultado es predecible, y por esto no tiene
sentido almacenarlos. En esta investigación, se quieren conocer los límites de
almacenamiento de diferentes estructuras en MATLAB ya que a partir de estos
resultados, es posible establecer las ventajas que se obtienen al utilizar
métodos que permitan almacenar la información de las matrices dispersas
optimizando los recursos computacionales y disminuyendo el consumo de
memoria.

Almacenamiento en MATLAB: Se consideraron matrices, vectores y

almacenamiento tipo Sparse en MATLAB (estructura que usa MATLAB para
almacenar una matriz dispersa en vectores). En cada uno de estos casos se
determinó la dimensión límite posible para almacenarlos y el tiempo que toma
crear la matriz según su dimensión. A continuación se describirá con detalle
cada uno de estos casos.

Capacidad de Almacenamiento de Matrices Dispersas Se pretende determinar

la máxima capacidad de almacenamiento para almacenar matrices dispersas
en un formato especial según la densidad, es decir, la proporción de elementos
diferentes de 0 en la matriz con respecto a los que no lo son. En la figura 1 se
presentan los resultados. Los resultados obtenidos en la Figura 1, indican que
a mayor densidad, es menor la dimensión máxima de la matriz que puede
almacenarse y es mayor el tiempo requerido para crearla. Esto tiene sentido, ya
que a menor densidad, menor es la dimensión de los vectores requerida para
almacenar los elementos diferentes de cero.