Capítulo 1.

Resolución de sistemas de ecuaciones lineales

1.1. Conceptos

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

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

3x1  2 x 2  x3  1
2 x1  2 x 2 4 x3  2
1
 x1  x2  x3  0
2
El problema consiste en encontrar los valores desconocidos de las variables x1, x2 y x3 que
satisfacen las tres ecuaciones.

El problema de los sistemas lineales de ecuaciones es uno de los más antiguos de la matemática y
tiene múltiples aplicaciones.

En general, un sistema con n ecuaciones lineales y n incógnitas puede ser escrito de la forma
siguiente:

a11 x1  a12 x 2 ...  a1n xn  b1

a21 x1  a22 x 2 ...  a2 n xn  b2
...
an1 x1  an 2 x 2 ...  ann xn  bn

Donde x1, …, xn son los valores desconocidos y los coeficientes aij son elementos de R. Es posible
entonces reescribir el sistema con notación matricial, así:

 a11 a12 ... a1n   x1   b1 

a a 22 ... a 2 n  x   
 21  2  = b2 
 ... ... ... ...   
     
 a n1 an2 ... a nn  nxn  xn  nx1 bn  nx1

Si se representa cada matriz con una única 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
términos independientes (conocidos) y X es el vector de términos desconocidos.

Para encontrar el vector de términos desconocidos, X, se debe tener en cuenta que la división de
matrices no existe, lo que se debe hacer es premultiplicar por la matriz inversa de A:
 A1 AX  A1B
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 (AA-1 = In = A-1A). De esta
manera, X  A1B , cuando este sistema tiene solución se dice que es soluble o consistente, en
caso contrario se dice que es no soluble o inconsistente.

1.2. Algunos métodos para resolver sistemas de ecuaciones lineales y su implementación en

Microsoft Excel®

1.2.1. Uso de la función Minversa de M. Excel®

En Microsoft Excel® se puede encontrar la solución del problema con ayuda de la función Minversa
con los siguientes pasos recomendados:

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

celdas n x n.
b. Construya en la hoja de M. Excel® el vector columna de términos independientes B; en un
rango de celdas n x 1.
c. Calcule la matriz inversa de A, la cual se identificará como A-1. Para hacer esto, seleccione
un rango de celdas de tamaño n x n y use la función Minversa seleccionando la matriz A
como argumento de la función. 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 función de multiplicación de matrices.
Para hacer esto seleccione un rango de celdas n x 1 y utilice la función de M. 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. Método de Gauss Simple

La idea del método 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 método existen dos etapas fundamentales:

Eliminación: está 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 algorítmica de hacer que los
elementos bajo la diagonal sean cero, de tal manera que se obtenga un sistema de ecuaciones
equivalente al original.

Retrosustitución: consiste en encontrar los valores de cada variable a partir de las ecuaciones del
sistema equivalente que definen 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 método (pensado en M. Excel®):

a. Identificar la matriz ampliada

 a11 a12 . . . . a1n b1 
 
a 21 a 22 . . . . a 2 n b2 
 a31 a32 a33 . . . . b3 
A B   . . . . . . . .

 . . . . . . . .
 
 . . . . . . . .
a an2 . . . . a nn bn 
 n1

b. Realizar el proceso de eliminación 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 eliminación 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 corrección = aji/pivote

Fila para corregir j = factor corrección x fila pivote

Nueva fila j = fila j – fila para corregir j

Siguiente j

Siguiente i

Nota: con este procedimiento, en la hoja de M. Excel® quedan guardadas todas las matrices
resultantes después de cada etapa de eliminación. Una vez se realizan las n-1 etapas de
eliminación, se obtiene una matriz triangular superior del tipo:
 a ' a12
'
. . . . a1n b1 
' '

 11 ' ' ' 

0 a22 . . . . a2 n b2 
0 '
. b3 
'

 
0 a . . .
 33

A B 0
' '
0 0 . . . . .
 
 . . . . . . . .
 . . . . . an 1n 1. . . 
'

 ' ' 
 0 0 . . . 0 ann bn 

c. Realizar el proceso de retrosustitución:

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

equivalente es:

a11' x1  a12' x2  ...  a1' n xn  b1'

.
.
an'  2 n  2 xn  2  an'  2 n 1 xn 1  an'  2 n xn  bn'  2
an' 1n 1 xn 1  an' 1n xn  bn' 1
'
ann xn  bn'

A partir del sistema anterior se pueden despejar las variables empezando desde la
ecuación n hasta la ecuación 1 de acuerdo con:

• De la ecuación n en el sistema equivalente:

'
bn
xn  '
a nn

• De la ecuación n-1 en el sistema equivalente:

x n 1 
b '
n 1  a n 1n x n
'

'
a n 1n 1

• De la ecuación n-2 en el sistema equivalente:

xn2 
b '
n2  a n  2 n 1 x n 1  a n  2 n x n
' '

'
a n2n2

Si se observa las expresiones resultantes de las ecuaciones n-1 y n-2 se pueden identificar los
siguientes elementos en común:
 • xi siempre se despeja de la ecuación i.
• Siempre en la expresión de cálculo se encuentra el elemento bi´.
• Cada expresión tiene asociada una resta formada por los productos a’ijxj. En esta resta
solo se incluyen los términos que están por delante de i.
• Siempre se divide la ecuación sobre aii’.

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

 ' n 
 bi  a x j 
'
 ij

xi    , esta ecuación es válida y empieza desde i = (n-1), (n-2), (n-3),

j i 1
'
aii
…, 3, 2, 1.

En resumen, la implementación del método de Gauss en M. Excel® implica:

a. Identificación y construcción de la matriz ampliada a partir del sistema de ecuaciones.

b. Eliminación en n-1 etapas para obtener la matriz ampliada equivalente.
c. Cálculo de los valores de las variables mediante retrosustitución con las siguientes
fórmulas:
 ' n 
   
'
'  bi a ij x j 
bn  j i 1  empezando desde i = (n-1), (n-2), (n-3), …, 3, 2, 1.
x n  ' ; xi  '
a nn aii

Observaciones sobre el método de Gauss:

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

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

la división 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 número más grande en una columna dada. Esta técnica se conoce como pivoteo y ayuda a
eliminar errores de redondeo.

1.2.3. Método de Jacobi

Básicamente el método de Jacobi consiste en encontrar la solución del problema a partir de unos
valores iniciales y con ayuda de unas fórmulas recurrentes, es decir, expresiones que permiten
estimar nuevos valores de las variables a partir de valores anteriores de las mismas.
El uso de las fórmulas recurrentes se hace repetidamente hasta que se considera que las
ecuaciones se encuentran resueltas para fines prácticos.

Fórmulas recurrentes: para obtener éstas, a partir de cada ecuación se despeja una variable en
términos de las demás con ayuda de los elementos que forman la matriz ampliada. Para generar
un procedimiento ordenado y por lo tanto algorítmico, de la ecuación 1 se despeja x1, de la
ecuación 2 se despeja x2 y así sucesivamente hasta que de la ecuación n se despeja xn.

Para un sistema n x n tenemos:

a11 x1  a12 x2  ...  a1n xn  b1

a21 x1  a22 x2  ...  a2 n xn  b2
a31 x1  a32 x2  ...  a3n xn  b3
.
.
an1 x1  an 2 x2  ...  ann xn  bn

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

De la ecuación 1 se obtiene:

b1  a12 x2  ...  a1n xn 

x1 
a11

De la ecuación 2 se obtiene:

b2  a21 x1  a23 x3  ...  a2 n xn 

x2 
a22

De la ecuación 3 se obtiene:

b3  a31 x1  a32 x2  a34 x4  ...  a3n xn 

x3 
a33

De las tres ecuaciones anteriores se observa que todas son parecidas y básicamente cada
expresión (i) está formado por:

• El término independiente bi de la ecuación (i).

• La suma de los productos entre los elementos aij x xj sin incluir el término que
corresponde a aii x xi.
• Siempre se divide sobre el elemento aii.

Con base en estas observaciones se puede generalizar el despeje de xi de cada ecuación i de

acuerdo con:
  
 n

 bi   aij x j 
 j 1 
xi   j i  ; válida para todas las ecuaciones desde i = 1 hasta n.
aii

De la expresión anterior se observa:

Para un valor de i es posible estimar un valor de xi, si se suponen o conocen valores anteriores
para todas las demás variables. Por esta razón se llama fórmula recurrente o fórmula repetitiva
(permite estimar valores nuevos de una variable a partir de valores anteriores de las mismas).

Criterios de solución: para saber si los valores de los xi que se tienen representan la solución del
problema, se pueden evaluar los residuos de cada ecuación, los cuales se definen como:

R1  a11 x1  a12 x2  ...  a1n xn  b1

R2  a 21 x1  a22 x2  ...  a 2 n xn  b2
R3  a31 x1  a32 x2  ...  a3n xn  b3
.
.
Rn  a n1 x1  a n 2 x2  ...  a nn xn  bn

Si x1, x2, …, xn son una solución 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 así:
n
R  R  R
2
i ; si R es un número muy pequeño, normalmente definido por el usuario
i 1

(típico de I.Q. UPB R = 1E-08) se dice que los valores de x1, x2, …, xn con los que se calcula R,
representan la solución del problema.

Pasos del método (pensado en M. Excel®):

a. Identificar la matriz ampliada

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

X  x1
0
 0 0
x2
0

. . xn ; R  R1
0
 0 0
R2
0

. . Rn ;  R 0  R 
0
 R 
n

i 1
i
0 2

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

c. A partir de los valores de xi0 se calculan los valores xi1 de acuerdo con:
  
 n
0
 bi   aij x j 
 j 1 
xi 
1  j i 
aii

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

R  R1
1
 1 1
R2
1

. . Rn ;  R1  R 
1
 R 
n

i 1
1 2
i

Si R1 < tol entonces los xi1 son la solución.

e. Se repiten los pasos c y d hasta que el sistema está resuelto: es decir, se calculan
nuevos valores de xi, los cuales son llamados xik+1, a partir de los valores anteriores de
xi, los cuales son llamados xik. En términos de ecuaciones esto es:

 
 n
k 
 bi   aij x j 
 j 1 
xi   
k 1 j i

aii

Este cálculo se realiza hasta que Rk+1 < tol.

Nota: en M. 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 método de Gauss - Simple, si la diagonal de la matriz

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

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

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

Condición 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 demás
coeficientes en ella.
n
aii   aij
i 1
j i

1.2.4. Método de Gauss - Seidel

Se fundamenta en el método de Jacobi y la única diferencia radica en la expresión utilizada
(formula recurrente) para calcular los valores de xi. En el método de Jacobi siempre se usan los
valores xik para calcular los valores xik+1.

En el método de Gauss - Seidel, se utilizan los valores más actualizados de las variables.
Retomando las ecuaciones se puede observar lo siguiente:

De la ecuación 1:

b1  a12 x2  ...  a1n xn 

x1  ; para calcular x1 se requieren valores anteriores de x2, x3 hasta xn.
a11

De la ecuación 2:

b2  a21 x1  a23 x3  ...  a2 n xn 

x2 
a22

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

De la ecuación 3:

b3  a31 x1  a32 x2  a34 x4  ...  a3n xn 

x3 
a33

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

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

básicamente 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 xj recién calculados desde
j = a hasta j = i-1 y unos xj anteriores desde j = i+1 hasta n. Esta característica genera el
siguiente cambio en la fórmula recurrente del método. La nueva fórmula es:

 n 
 b1   aij x j k 
 
 
k 1 j 2
x1
a11
  j i 1 j n
k 
 bi   aij x j a x j 
k 1
  ij

 
k 1 j 1 j i 1
xi
aii ; válida para i = 2, 3 hasta n

Pasos del método (pensado en M. Excel®):

La forma más fácil de implementar el método de Gauss - Seidel en M. Excel® consiste en montar el
método de Jacobi y simplemente modificar el paso c, de tal manera que se utilicen los valores más
actuales de las variables. Una vez se hace esto la implementación del paso d y e son automáticos.

En resumen, estos pasos son:

a. Identificar la matriz ampliada

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

X  x1
0
 0 0
x2 . . xn ; R  R1
0
 0
 0
R2
0 0

. . Rn ;  R 0  R 
0
 R
n

i 1
i 
0 2

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

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

 n 
 b1   aij x j 0 
 
x1 
1  j 2 
a11

 j i 1 j n
0
 bi   aij x j  a x j 
1
 ij

xi   
1 j 1 j i 1

aii

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

R  R1
1
 1 1
R2 . . Rn ;  R1  R 
1
 1
 R 
n

i 1
1 2
i

Si R1 < tol entonces los xi1 son la solución.

e. Se repiten los pasos c y d hasta que el sistema está resuelto: es decir, se calculan
nuevos valores de xi, los cuales son llamados xik+1, a partir de los valores anteriores de
xi, los cuales son llamados xik. En términos de ecuaciones esto es:
  n 
 b1   aij x j k 
 
x1
k 1
  j 2 
a11

 j i 1 j n
k 
 bi   aij x j a x j 
k 1
  ij

  ; válida para i = 2, 3 hasta n

k 1 j 1 j i 1
xi
aii

Este cálculo se realiza hasta que Rk+1 < tol.

Nota: en M. 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.

Referencias

• Chapra S.,C., Canale R.,P. (2007). Métodos numéricos para ingenieros. México:
McGrawHill.
• Forero L.,A. Métodos numéricos para ingenieros de procesos, compilador M. Lorena
Correa L. Medellín: Universidad Pontificia Bolivariana, 2017 (Notas de clase).
• Gonstantinides A., Mostoufi N. (1999). Numerical methods for chemical engineers with
MATLAB applications. New Jersey: Prentice Hall PTR.
• Law V.,J. (2013). Numerical methods for chemical engineers using Excel®, VBA and,
MATLAB®. Florida: CRC Press, Taylor & Francis Group.