Metodos Lineales y No Lineales

TECNOLÓGICO
NACIONAL DE
MÉXICO
INSTITUTO
TECNOLÓGICO DE CHIHUAHUA
Las aplicaciones, ventajas y desventajas de los sistemas de ecuaciones

lineales y no lineales.
Trabajo que presenta:

Ricardo Aarón Sandoval Torres
Materia:
Análisis Numérico
Unidad:
III
Docente: Ing. Luis Alonso Pacheco Ortega
México, Chihuahua, Chih, Abril del 202

ÍNDICE
INTRODUCCIÓN.........................................................................................................................................................................1
CAPÍTULO 1 PLANTEAMIENTO DEL PROBLEMA Y ANTECEDENTES.............................................................................................2
1.1 Planteamiento del problema.......................................................................................2
1.1.1 La importancia de los sistemas de ecuaciones lineales.........................................2
1.1.2 El problema de investigación.....................................................................................3
1.1.3 Pregunta de investigación..........................................................................................4
1.1.4 Una propuesta didáctica.............................................................................................5
1.2 Antecedentes...............................................................................................................6
1.2.1 La enseñanza y aprendizaje de los sistemas de ecuaciones lineales...................7
CAPÍTULO 2 Métodos del Sistema de ecuaciones lineales..........................................................................................................8
2.1 Definición de sistemas de ecuaciones lineales.......................................................................................................9
2.2 Método de Gauss.................................................................................................................................................12
2.2.1 Ejemplo:......................................................................................................................12
2.3 Metodo Gauss Jordan..........................................................................................................................................14
2.4 Método de la inversa...........................................................................................................................................16
2.4.1 Condición de inversibilidad......................................................................................17
2.4.2 Propiedades de la matriz inversa.............................................................................18
2.5 Método de Gauss Seidel......................................................................................................................................19
2.6 Método de Jacobi................................................................................................................................................21
CAPÍTULO 3 Métodos del Sistema de ecuaciones no lineales..................................................................................................23
3.1 Método iterativo secuencial................................................................................................................................24
3.2 Método de Newton para sistemas no lineales.....................................................................................................27
CAPÍTULO 4 Ventajas, desventajas y aplicaciones..................................................................................................................33
4.2 Método Gauss.....................................................................................................................................................34
4.2.1 Ventajas......................................................................................................................34
4.2.2 Desventajas................................................................................................................34
4.2.3 Aplicaciones...............................................................................................................35
4.3 Metodo de Gauss Jordan.....................................................................................................................................36
4.3.1 Ventajas......................................................................................................................36
4.3.2 Desventajas................................................................................................................37
4.3.3 Aplicaciones...............................................................................................................38
4.4 Método de la inversa...........................................................................................................................................39
4.4.1 Ventajas......................................................................................................................39
4.4.2 Desventajas................................................................................................................39
4.4.3 Aplicaciones...............................................................................................................40
4.5 Método de Gauss Seidel......................................................................................................................................41
4.5.1 Ventajas......................................................................................................................41
4.5.2 Deventajas........................................................................¡Error! Marcador no definido.
4.5.3 Aplicaciones...............................................................................................................42
4.6 Metodo de Jacobi................................................................................................................................................43
4.6.1 Ventajas......................................................................................................................43
4.6.2 Desventajas................................................................................................................43
4.6.3 Aplicaciones...............................................................................................................44
Capítulo 5 Conclusiones............................................................................................................................................45
5.1.1 Conclusiones relacionadas con el diseño y desarrollo de métodos lineales.. . .46
5.2 Investigaciones futuras.............................................................................................47
BIBLIOGRAFÍA..........................................................................................................................................................................48
INTRODUCCIÓN
INTRODUCCIÓN
Los sistemas de ecuaciones lineales son: “el problema central del álgebra lineal”
(Strang, 1982, p.1). En efecto, los conceptos formales del álgebra lineal, como
independencia y dependencia lineal, requieren de la formulación y resolución de
sistemas de ecuaciones lineales. Estos últimos, además, tienen aplicación en
distintas áreas de conocimiento, como la ingeniería o la computación; y desde
luego, en áreas de la matemática, como la geometría analítica o la investigación
de operaciones entre muchas otras.
En consecuencia, el estudio y la enseñanza de los sistemas de ecuaciones

lineales son esenciales y necesarios en la formación de estudiantes. De hecho, a
partir de la educación secundaria, los sistemas de ecuaciones lineales forman
parte del currículum. Y es, en la educación superior (Ver capítulo 1, apartado
1.1.2), donde el método de resolución propuesto para ser enseñado es: el método
de Gauss.
Ahora bien, una de las dificultades por las que atraviesan profesores y alumnos en
la resolución de sistemas de ecuaciones lineales utilizando Gauss, está
relacionada con los cálculos aritméticos (Gómez, 2006). Esta situación, por un
lado hace tedioso, repetitivo e insignificante el método resolución. Y por el otro,
inhibe y desorienta el análisis y la reflexión del proceso de resolución de un
sistema de ecuaciones lineales, en donde se encuentran conceptos
fundamentales como sistema equivalente y solución. Además, difícilmente se
plantean en clase problemas reales que impliquen la resolución de un sistema de
ecuaciones lineales, de tal manera que al alumno le sea significativo el contenido
matemático.
1
CAPÍTULO 1 PLANTEAMIENTO DEL PROBLEMA Y ANTECEDENTES
CAPÍTULO 1 PLANTEAMIENTO DEL PROBLEMA Y

ANTECEDENTES
No es posible decir cuál es la mejor forma de enseñar, pero sí, cuál no es la mejor.
Cuevas
Este primer capítulo iniciamos con una descripción general de la importancia de

los Sistema de Ecuaciones Lineales en el desarrollo tecnológico y científico; hasta
llegar al planteamiento del problema de investigación. Se concluye el apartado
exponiendo la pregunta de investigación.
1.1 Planteamiento del problema.
1.1.1 La importancia de los sistemas de ecuaciones lineales.
Los sistemas de ecuaciones lineales son importantes por:
a) Su aplicación a problemas en distintas disciplinas como la ingeniería: flujo

vehicular y circuitos eléctricos (Lay, 1994); la economía: curva de oferta-demanda
y el modelo económico de Leontief (Lay, 1994); la computación: los motores de
búsqueda, e. g. Google (Page y Brin, 2000) o la restauración de imágenes
digitales (Mery y López, 2003).
b) Su aplicación a otras áreas de la matemática: la geometría analítica, el cálculo

2
de varias variables, ecuaciones diferenciales, estadística, etc.
c) Y desde luego, porque originan el desarrollo de la teoría en álgebra lineal.
Por esto, estudiar los sistemas de ecuaciones lineales tiene sentido, y sobre todo
estudiar las ideas y argumentos matemáticos propios del proceso resolución.
De acuerdo con Strang (1982) “el problema central del álgebra lineal es la solución
de ecuaciones lineales simultáneas.”(p.1); efectivamente, porque para determinar
la inversa de una matriz o su rango; determinar si un conjunto de vectores son
Linealmente independientes, o la base de un espacio vectorial es necesaria la

resolución de un sistema de ecuaciones lineales asociado a cada situación.
Además, por medio de los sistemas de ecuaciones lineales es posible introducir de
forma natural, la notación matricial y su álgebra.
En resumen, el interés de este trabajo está centrado en la enseñanza conceptual

de los sistemas de ecuaciones lineales y no lineales como sus ventajas,
desventajas y la aplicación de estos mismos
1.1.2 El problema de investigación.
Para Gómez (2006) “es un hecho conocido por los profesores de ingeniería, que
los sistemas de ecuaciones algebraicas lineales aparecen constantemente en las
diferentes asignaturas. La eliminación gaussiana constituye la solución estándar
de tales sistemas, que sin embargo ofrece dificultad a algunos alumnos por la
aritmética fraccionaria que habitualmente resulta en su desarrollo.”; esta dificultad
relacionada con los cálculos aritméticos en el proceso de resolución tiene efectos
indeseables. Por un lado, hacen tedioso, repetitivo e insignificante al método de
resolución.
3
Dado que los cálculos aritméticos provocan dificultades a los alumnos, e inhiben al
profesor a plantear Sistema de ecuaciones Lineales derivados de problemas
reales evitando una enseñanza significativa y conceptual, conviene preguntarse
qué podemos hacer al respecto. Evidentemente, existen otros problemas y
dificultades en el estudio de los sistemas de ecuaciones lineales, sin embargo, por
el momento nuestro interés se centra en mostrar tales ventajas y desventajas del
sistema de ecuaciones lineales y no lineales
1.1.3 Pregunta de investigación.
De la problemática planteada surge la siguiente pregunta:
¿Cómo apoyar la enseñanza de sistemas de ecuaciones lineales y no lineales

basados en sus aplicaciones?
Pérez (2007) menciona: “es innegable que cada vez es mayor la disponibilidad de
las calculadoras graficadoras, e incluso de las computadoras, por lo que
actualmente son muchos los maestros que utilizan las representaciones gráficas y
numéricas de las calculadoras con el fin de mejorar la enseñanza y aprendizaje de
las matemáticas…” (p. 5)
4
1.1.4 Una propuesta didáctica.
Considero que, en la medida en que provea de una herramienta que facilite los
cálculos aritméticos en el proceso de resolución de los sistemas de ecuaciones
lineales será posible lo siguiente:
a) Enseñar a resolver problemas del sistema de ecuaciones lineales mediante

diferentes métodos revisando paso a paso las ventajas y desventajas realizadas
por el estudiante; lo cual le permitiría reflexionar sobre el proceso de resolución, y
en consecuencia, determinar un mejor método.
5
1.2 Antecedentes.
El álgebra lineal es uno de los contenidos matemáticos fundamentales que forman

parte de la base de esta ciencia. A este campo de la matemática también le
aquejan problemas derivados de la enseñanza-aprendizaje.
Diversas investigaciones muestran lo anterior; por ejemplo, en 1997 sale a la luz

una recopilación de los trabajos más representativos sobre La enseñanza-
aprendizaje del álgebra lineal, la publicación es intitulada L’enseigment de
L’algèbre linéare en question. Tres años después, se edita una versión en inglés
intitulada On the Teaching of Linear Algebra.
Dicho texto se divide en dos partes; la primera, titulada “Análisis epistemológico de

la génesis de la teoría de los espacios vectoriales” (Dorier, 2000). Y la segunda
parte es llamada “Casos de enseñanza y aprendizaje”. Esta segunda parte es en
donde se recopilan investigaciones (en algunos casos estudios longitudinales) que
datan de finales de los 80s, y ofrecen evidencia de las dificultades que estudiantes
de licenciatura enfrentan con la teoría del álgebra lineal; así como de los
problemas en su enseñanza.
6
1.2.1 La enseñanza y aprendizaje de los sistemas de ecuaciones lineales.
Las investigaciones anteriores ofrecen un panorama de los problemas inherentes

a la enseñanza y aprendizaje del álgebra lineal, y en algunos casos a la creación
de nueva teoría dentro de la didáctica de las matemáticas;
En mayo de 1992 en la entonces sección de matemática educativa se presentó la

tesis intitulada “Programa de apoyo para un curso de algebra lineal (Software de
Apoyo en la Educación)” (Vázquez, 1992). Esta tesis se caracterizó por la creación
de un software educativo para apoyar a estudiantes de ingeniería en la resolución
de sistemas de ecuaciones lineales mediante la aplicación del método de Gauss a
la matriz aumentada del sistema.
Es necesario mencionar que la tesis se realizó en una época en donde no había

amplia investigación en el campo de la enseñanza del álgebra lineal. En este
sentido, pionero en el campo de la enseñanza del álgebra lineal con el uso de
tecnología en México. La idea principal del trabajo gira en torno a eliminar las
operaciones aritméticas entre los coeficientes de las ecuaciones en el proceso de
resolución; sin embargo, parte de un objeto del álgebra lineal un tanto más formal:
matriz.
7
CAPÍTULO 2 Métodos del Sistema de ecuaciones lineales
CAPÍTULO 2 Métodos del Sistema de

ecuaciones lineales
Lo propio del método filosófico está en que

avanza en contrastes para ir desde lo general a lo
particular; el método matemático en cambio
avanza desde los conceptos más simples hacia
los más complejos, adquiriendo mediante el
enlace de lo particular, nuevos conceptos más
generales.
Hermann Grassmann
En este capítulo se presenta una breve revisión del contenido matemático

relacionado con la resolución de sistemas de ecuaciones lineales utilizando
diferentes métodos para así analizar después las ventajas y desventajas de cada
uno de estos temas a ver.
8
2.1 Definición de sistemas de ecuaciones lineales.
En el libro Elements of Algebra de Euler (edición traducida por John Hewlett,

1984), se considera a una ecuación de primer grado como:
Aquella donde las cantidades desconocidas no tienen potencias mayores que

la primera y no hay productos de dos o más cantidades desconocidas y estas
ecuaciones tienen la forma:
ax  by  cz  d
Donde a,b, c, son números conocidos y x, y, las cantidades desconocidas.

(p. 206)d z
Actualmente a este tipo de ecuación se le denomina ecuación lineal. La

“definición” de Euler permanece hasta nuestros días vigente, con pequeños
cambios como llamar variable o incógnita a la cantidad desconocida y coeficientes
a los números conocidos, además de extenderlos a elementos de cualquier
campo (Johnson, 1969).
9
La expresión algebraica general de una ecuación lineal en n variables
x1, x2 ,..., xn1, xn es de la forma:
a1 x1  a2 x2  ...  an1 xn1  an xn  b
Se denomina conjunto solución de una ecuación lineal a la colección de todos los

valores de las variables que satisfagan a la ecuación y lo representamos por
S  {(s1 , s2 ,..., sn ) a1s1  a2 s2  ...  an sn  b}.
Si multiplicamos un escalar 𝜆 ≠ 0 a la ecuación a1 x1  a2 x2  ...  an1 xn1  an xn  b

obtenemos la ecuación:
𝜆𝑎1𝑥1 + 𝜆𝑎2𝑥2 + ⋯ + 𝜆𝑎𝑛−1𝑥𝑛−1 + 𝜆𝑎𝑛 𝑥𝑛 = 𝜆𝑏
Cuyo conjunto solución es el mismo de la ecuación

a1 x1  a2 x2  ...  an1 xn1  an xn  b .
Un número finito de ecuaciones lineales en las variables x1 , x2 ,..., forman un

xn
Sistema de Ecuaciones Lineales (SEL). Usualmente, se dice que m ecuaciones

lineales de n variables forman un sistema de ecuaciones lineales de orden
mn
y es expresado algebraicamente como:
a11x1  a12 x2  ...  a1n xn  b1 
a x  a x  ...  a x  b
21 1
22 2 2n n 
2
 S
   
mn

a m1 x1  a m2 x 2  ...  a mn x n  bm 
Donde los
ai y bi (con i  1...m y j  1...n ) son elementos de ℝ (números reales).
j
10
Esta notación la introdujo el matemático alemán del siglo XVII Gottfried Leibniz
(Bashmakova et al, 2000), en donde el subíndice del coeficiente, visto como un
par de números, identifica al coeficiente tanto con el número de ecuación como
con el número de incógnitas
11
2.2 Método de Gauss
La técnica más común para resolver el sistema de ecuaciones lineales es la de

hacer uso de un procedimiento para la eliminación sucesiva de las incógnitas
denominado método de Gauss. Describiremos la aplicación de este método
para un sistema de cuatro ecuaciones con cuatro incógnitas y posteriormente,
la generalizaremos para un sistema de n ecuaciones.[ CITATION Ang16 \l 2058 ]
Método de eliminación de Gauss o simplemente método de Gauss consiste en convertir un sistema

lineal de n ecuaciones con n incógnitas, en uno escalonado, en el que la primera ecuación
tiene n incógnitas, la segunda ecuación tiene n - 1 incógnitas, ..., hasta la última ecuación, que tiene
1 incógnita. De esta forma, será fácil partir de la última ecuación e ir subiendo para calcular el valor
de las demás incógnitas.
2.2.1 Ejemplo:
Se reúnen 30 personas entre hombres, mujeres y niños. Se sabe que entre los hombres y el triple
de mujeres exceden en 20 el doble de los niños. También se sabe que entre hombres y mujeres se
duplican al número de niños. Plantear y resolver el sistema de ecuaciones.
 Se reúnen 30 personas entre hombres, mujeres y niños:
 Se sabe que entre los hombres y el triple de mujeres exceden en 20 el doble de los niños:
 También se sabe que entre hombres y mujeres se duplican al número de niños:
Agrupando las tres ecuaciones tenemos el sistema, que ordenado resulta:
Aplicamos Gauss, restando la primera ecuación a las dos siguientes:
En este caso en la tercera ecuación se ha eliminado la y, por lo que no es necesario

12
hacer más operaciones. Por lo tanto obtenemos que z = 10 de la tercera ecuación:
Sustituyendo z en la segunda ecuación obtenemos que y = 10:
Sustituyendo z é y en la primera ecuación obtenemos x = 10.
Con lo que hemos obtenido el resultado del sistema:
[ CITATION ken20 \l 2058 ]
13
2.3 Metodo Gauss Jordan
Como hemos visto, el método de Gauss transforma la matriz de coeficientes en una

matriz triangular superior. El método de Gauss-Jordan continúa el proceso de
transformación hasta obtener una matriz diagonal unitaria (aij=0 para
cualquier ).
Veamos el método de Gauss-Jordan siguiendo con el ejemplo empleado en el

apartado anterior. Aplicando el método de Gauss habíamos llegado a la siguiente
ecuación:
Ahora seguiremos un
procedimiento similar al
empleado en el método de Gauss. Tomaremos como pivote el elemento a44=-3;
multiplicamos la cuarta ecuación por y la restamos a la primera:
Realizamos la misma operación

con la segunda y tercera fila,
obteniendo:
Ahora tomamos como pivote el elemento a33=2, multiplicamos la tercera ecuación
por y la restamos a la primera:
14
Repetimos la operación con la segunda fila:
Finalmente, tomamos como pivote a22=-4, multiplicamos la segunda ecuación por y

la sumamos a la primera:
El sistema de ecuaciones anterior es, como hemos visto, fácil de resolver.

Empleando la ecuación (46) obtenemos las soluciones:
[ CITATION Gon20 \l 2058 ]
15
2.4 Método de la inversa
Se dice que una matriz cuadrada A es inversible, si existe una matriz B con la
propiedad de que
A·B = B·A =
I
Siendo I la matriz identidad.
Denominamos a la matriz B la inversa de A y la denotamos por A-1.
Una matriz se dice que es inversible o regular si posee inversa. En caso contrario, se
dice que es singular
16
2.4.1 Condición de inversibilidad
El problema de encontrar elementos inversos para el producto de matrices tiene

como primer inconveniente que, para empezar, no siempre dadas dos matrices A y
B, que podamos hacer el producto A·B significa que podamos hacer el producto B·A
Además, que dos matrices sean inversas una de la otra significa, en particular, que
el producto ha de dar como resultado la matriz identidad. Si recordamos la definición,
la matriz identidad es aquélla cuyos elementos son nulos salvo los de la diagonal,
que son 1, y, además, esto es importante, dicha matriz es cuadrada. El hecho de
que la matriz identidad sea cuadrada nos va a restringir mucho el conjunto de
matrices para las que podremos hablar de inversión.
Vamos a ver qué primera condición han de cumplir dos matrices A y B para que
sean la una inversa de la otra. Esto, como sabemos, significa que A·B = B·A = I,
donde I denota a la matriz identidad. Las matrices serán, en principio, A de orden
mxn y B de orden pxq.
Sin embargo, por definición del producto de matrices, se debe cumplir que n=p para
poder hacer la multiplicación A·B. Sabemos, además, que esta matriz será de orden
mxq. Pero también tenemos que poder hacer el producto B·A, lo que implica que
debe ser m=q. Así pues, la matriz A será de orden mxn, y la matriz B será de orden
nxm. El producto A·B será de orden mxm, y el producto B·A será de orden nxn.
Además, ambos productos han de dar como resultado la matriz identidad, y ésta es
cuadrada, lo que obliga a que m=n, es decir, a que para poder hablar de inversión
de una matriz, la matriz ha de ser cuadrada. Sin embargo, es una condición
necesaria pero no suficiente; esto es, no toda matriz que sea cuadrada tiene matriz
inversa. No es la única condición que se exige a la matriz.
17
2.4.2 Propiedades de la matriz inversa
1. Si B y C son, ambas, inversas de la matriz A, entonces B=C.
Como consecuencia de este importante resultado, podemos afirmar que la

inversa de una matriz, si existe, es única. Toda matriz inversible tiene
exactamente una única matriz inversa.
2. Si A y B son matrices inversibles del mismo tamaño, entonces:

a) A·B es inversible
b) (A·B)-1 = B-1·A-1[ CITATION Cri20 \l 2058 ]
[ CITATION Cri20 \l 2058 ]
18
2.5 Método de Gauss Seidel
19
[ CITATION Gon20 \l 2058 ]
20
2.6 Método de Jacobi
21
CAPÍTULO 3 Métodos del Sistema de ecuaciones no lineales
22
CAPÍTULO 3 Métodos del Sistema de

ecuaciones no lineales
«Mejor que de nuestro juicio,

debemos fiarnos del cálculo
algebraico».
Leonhard Euler – matemático y físico

suizo
Un sistema de ecuaciones es un conjunto de dos o más ecuaciones que comparten

dos o más incógnitas. Las soluciones de un sistema de ecuaciones son todos los
valores que son válidos para todas las ecuaciones, o los puntos donde las gráficas de
las ecuaciones se intersectan.

Podemos resolver un sistema de ecuaciones lineales graficando, por sustitución y por
combinación lineal. Los sistemas de funciones no lineales, como ecuaciones
cuadráticas o exponenciales, pueden ser manejados con las mismas técnicas.

Para ilustrar cómo resolver estos sistemas, nos vamos a concentrar en sistemas
lineales y cuadráticos con sólo dos ecuaciones. Pero ten en cuenta que hay sistemas
que pueden ser más grandes y más complejos que estos ejemplos. [ CITATION Sis \l
2058 ]
El método iterativo en realidad no es un método en concreto como tal, como los que
se observaron a lo largo del curso. Realmente es una mecánica de trabajo mediante
la cual se puede llevar a cabo una resolución matemática con una secuencia de
pasos.
23
3.1 Método iterativo secuencial
El método de Newton y el de Steffenson son ejemplos de procedimientos mediante

los cuales se calcula una sucesión de puntos empleando una fórmula de recurrencia
como la siguiente:

xn+1 = F(xn) (37)
El algoritmo definido de este modo se denomina iteración funcional.

Ejemplo: En el caso del método de Newton, la expresión (37) se escribiría del modo:
en tanto que para el método de Steffensen resulta ser:
La fórmula (37) puede utilizarse para generar sucesiones que no convergen, como

por ejemplo la sucesión 1, 3, 9, 27,..., que se obtiene con x0=1 y F(x)=3x. Sin
embargo, estamos interesados en aquellos casos para los que existe . Es

decir, aquellos casos para los que se cumple:
Es fácil comprobar que si F es continua se cumple la siguiente relación entre F y s:
Tenemos, por tanto, que F(s)=s y denominamos a s punto fijo de la función F.

Podemos considerar al punto fijo como un valor al que se fija la función durante el
proceso iterativo.
Como hemos visto en el apartado anterior, con frecuencia un problema matemático
puede reducirse al problema de encontrar un punto fijo de una función. En este caso,
nos limitaremos a analizar el caso más sencillo en que F envía en sí mismo algún
conjunto cerrado y además se trata de una aplicación contractiva. Se dice

que una transformación es contractiva si existe un número menor que 1 que
satisfaga la relación:
24
(38)

para todos los puntos x e y en el dominio de F.

Las aplicaciones contractivas cumplen una propiedad de gran importancia, que se
puede expresar del siguiente modo:
Sea F una aplicación contractiva que va de un conjunto cerrado a C.

Entonces F tiene un punto fijo. Más aún, este punto fijo es el límite de toda sucesión
que se obtenga a partir de la ecuación (37) con cualquier punto inicial .

El enunciado anterior, conocido como teorema de la aplicación contractiva se puede
demostrar fácilmente. Para ello, primero escribimos xn en la forma:
De acuerdo con la expresión anterior, vemos que la sucesión [xn]converge si y sólo si

la serie
converge. Para demostrar que esta serie converge, basta con demostrar que la serie
(39)
converge.
Por otra parte, usando la propiedad de las aplicaciones contractivas expresada
por (38) junto con la ecuación (37), podemos escribir:
(40)

La relación expresada por (40) puede repetirse para obtener:

(41)

Para comprobar que la sucesión (39) converge, podemos utilizar el criterio de

comparación, de modo que a partir de la expresión (41) obtenemos:
Es decir, la sucesión converge tal como establece el teorema de la aplicación

contractiva expresado anteriormente.
25
Comprobemos ahora que el punto fijo es efectivamente único. Para ello, supongamos
que existen dos puntos fijos, x e y. De acuerdo con la relación (38), tenemos:
Ya que es un número finito menor que uno, la única forma de que la ecuación
anterior se cumpla es si |x-y| = 0; es decir, si el punto fijo es único.
Ejemplo: Demuestre que la sucesión [xn] definida recursivamente de acuerdo con:
es contractiva y tiene un punto fijo.

Para comprobar que la función anterior es contractiva, calculemos la diferencia entre
dos términos cualesquiera de la sucesión anterior:
(por la desigualdad triangular). Por tanto, de acuerdo con el teorema de la aplicación

contractiva, la sucesión debe converger a un único punto fijo, cuyo valor es 2
[ CITATION Fil \l 2058 ]
26
3.2 Método de Newton para sistemas no lineales

Este método es un método de aproximación de soluciones de sistemas de
ecuaciones no lineales, por ejemplo,
Observemos que resolver este sistema de ecuaciones consiste en hallar los

puntos de intersección de la parábola asociada a la primera ecuación, la cual
puede reescribirse como
o de manera equivalente como
De observemos que la parábola abre hacia arriba y que tiene vértice en el

punto ; mientras que de se obtiene que intersecta el eje horizontal en los
puntos y . Por otra parte, asociada a la ecuación tenemos la
circunferencia de radio 4 centrada en el punto . El lector podrá graficar sin
ninguna dificultad ambos objetos geométricos simultáneamente y observar que
deben existir dos puntos de intersección entre la parábola y la circunferencia dadas.
Recordemos que en el caso unidimensional, el método de Newton-Raphson, para

aproximar raíces de ecuaciones de la forma
consiste en iterar la función
de modo que al aproximar puntos fijos de la función estamos

aproximando soluciones de la ecuación es decir, raíces de la función
La construcción unidimensional del método de Newton-Raphson se basa en el uso de

la aproximación, a primer orden o lineal, de la función , mediante el desarrollo de
27
Taylor alrededor de un punto , aproximación dada por la recta tangente a la gráfica

de la función en el punto , y cuya ecuación corresponde a
Recordemos que la aproximación es para puntos suficientemente cercanos al

punto . Nos es difícil que el lector verifique que la intersección de esta recta
tangente con el eje horizontal se da cuando . Así, una mejor
aproximación de la raíz de estará dada por el punto
siempre que no se anule o tome un valor muy cercano a cero.
De esta forma, el método de Newton-Raphson, consiste en construir la sucesión de

valores mediante el algoritmo
Antes de intentar obtener un algoritmo semejante al anterior para el sistema de

ecuaciones , en caso de ser posible, reescribamos dicho sistema de
ecuaciones en una forma semejante a ; es decir,
donde y .
Observemos que si tomamos
entonces resolver el sistema de ecuaciones es equivalente a resolver el

sistema
28
Además, si tomamos
ahora es claro que el sistema de ecuaciones es equivalente al sistema
Lo expuesto anteriormente nos muestra que es posible cualquier sistema de dos

ecuaciones no lineales en la forma matricial Más aún, cualquier sistema de
ecuaciones (lineales o no lineales) con incógnitas puede escribirse en la forma
Ahora sí, está justificada la posibilidad de que exista un algoritmo semejante al dado
por para sistemas de ecuaciones no lineales, los cuales tienen la forma
La idea unidimensional consistió en usar la aproximación de Taylo de orden 1 para

cerca de un punto
Para una función , su aproximación lineal para puntos cercanos al

punto está dada por
Así, para funciones y tendremos
Ahora procedamos a escribir estas dos últimas ecuaciones en forma vectorial usando
las siguientes igualdades
29
Ahora, usted, amable lector de este blog, puede comprobar mediante un cálculo
directo que el sistema puede escribirse matricialmente como
Como deseamos aproximar soluciones de , de esta igualdad y , se tiene

que el vector que satisface ambas ecuaciones debe estar dado por
Por lo que definimos a la nueva aproximación de la raíz de como
De esta forma, al algoritmo asociado a este esquema desarrollado está dado por
El cuál es la generalización del algoritmo unidimensional
Es importante notar que en el caso bidimensional, el cálculo de las iteraciones puede

no presentar demasiadas dificultades, pues al saber que una matriz
con determinante no nulo, su matriz inversa está dada por
De esta forma, la expresión , puede reescribirse al tomar
30
donde
y obtener las siguientes expresiones para el algoritmo de Newton-Raphson en el

caso bidimensional, coordenada a coordenada
Determinar fórmulas equivalentes a las anteriores para sistemas de más ecuaciones,

es claramente, bastante laborioso.
En lugar de ello, no tomaremos el camino de calcular la matriz inversa de
pues su cálculo implica dificultades numéricas. Mejor, reescribamos la ecuación

de manera más amigable.
o equivalentemente,
Hasta el momento, suponemos que se conoce el elemento de la sucesión de

aproximaciones de la raíz de y que deseamos calcular el elemento de la
sucesión de aproximaciones de la raíz.
31
Si escribimos
el sistema tiene la forma
y que representa un sistema de ecuaciones lineales donde conocemos a la

matriz y al vector , pues conocemos Resolviendo el sistema
para , podemos obtener pues de , tenemos que
32
CAPÍTULO 4 Ventajas, desventajas y aplicaciones
CAPÍTULO 4 Ventajas, desventajas y

aplicaciones
«No hay rama de la matemática, por

abstracta que sea, que no pueda
aplicarse algún día a los fenómenos
del mundo real».
Nikolai Lobachevski – matemático

ruso
En este capítulo dada las investigaciones anterior de cada método hablaremos de las
ventajas y desventajas que tiene cada método ya mencionadas, para así demostrar y
facilitar cual método es más conveniente y más práctico para la resolución de
problemas en la actualidad de métodos lineales.
4.1.1
33
4.2 Método Gauss
Este método debe su nombre a Carl Friedrich Gauss y a Wilhelm jordan. Se trata
de una serie de algoritmos del algebra lineal para determinar los resultados de un
sistema de ecuaciones lineales y así hallar matrices e inversas. El sistema de
Gauss se utiliza para resolver un sistema de ecuaciones y obtener las soluciones
por medio de la reducción del sistema dado a otro que sea equivalente en el cual
cada una de las ecuaciones tendrá una incógnita menos que la anterior. La matriz
que resulta de este proceso lleva el nombre que se conoce como forma
escalonada.
No es necesario entonces utilizar la sustitución hacia atrás para conseguir la

solución.
Según (Pèrez, 2010)
4.2.1 Ventajas
 Se puede calcular fácilmente el determinante

 Se encuentran fácilmente las soluciones
 Se logra que el valor de cada uno de los multiplicadores sea el más
pequeño posible
 Minimiza el error de redondeo
4.2.2 Desventajas
 División entre cero. Una de sus desventajas es que durante el

proceso en las fases de eliminación y sustitución es posible que ocurra
una división entre cero.
 Errores de redondeo. La computadora maneja las fracciones en

forma decimal con cierto número limitado de cifras decimales, y al
manejar fracciones que se transforman a decimales que nunca
terminan, se introduce un error en la solución de la computadora. Este
se llama error por redondeo. Cuando se va a resolver solamente un
pequeño número de ecuaciones, el error por redondeo es pequeño y
generalmente no se afecta sustancialmente la precisión de los
resultados, pero si se van a resolver simultáneamente muchas
ecuaciones, el efecto acumulativo del error por redondeo puede
34
introducir errores relativamente grandes en la solución. Por esta razón

el número de ecuaciones simultáneas que se puede resolver
satisfactoriamente con el método de eliminación de Gauss, utilizando
de 8 a 10 dígitos significativos en las operaciones aritméticas, se limita
generalmente a 15 o 20.
 Sistemas mal condicionados. La obtención de la solución depende

de la condición del sistema. En sentido matemático, los sistemas bien
condicionados son aquellos en los que un cambio en uno o más
coeficientes provoca un cambio similar en la solución. Los sistemas
mal condicionados son aquellos en los que cambios pequeños en los
coeficientes provocan cambios grandes en la solución. Una
interpretación diferente del mal condicionamiento es que un rango
amplio de respuestas puede satisfacer aproximadamente al sistema.
Ya que los errores de redondeo pueden inducir cambios pequeños en
los coeficientes, estos cambios artificiales pueden generar errores
grandes en la solución de sistemas mal condicionados.
4.2.3 Aplicaciones
 Existe una infinidad de problemas que se pueden representar de manera

matemática e, incluso, en forma de sistemas de ecuaciones. Por tanto, utilizando el
método de Gauss se pueden llegar a resolver esta clase de problemas.
 Cualquier problema en el que exista una relación de dependencia entre un

número finito de elementos se puede representar como un sistema de ecuaciones.
Ejemplos de esto a nivel científico y técnico son la programación lineal, el análisis
estructural o el procesamiento digital de señales.
 Los sistemas de ecuaciones son muy útiles en geometría. Un conjunto de

ecuaciones de rectas y planos puede resolverse mediante el método de Gauss para
calcular sus posiciones relativas en el plano o el espacio. Y existen muchos casos en
la vida real en los que es necesario el uso de cálculos geométricos, desde la
arquitectura al dibujo.
35
4.3 Método de Gauss Jordan
El Método de Gauss – Jordan o también llamado eliminación de Gauss – Jordan, es

un método por el cual pueden resolverse sistemas de ecuaciones lineales con n
números de variables, encontrar matrices y matrices inversas, en este caso
desarrollaremos la primera aplicación mencionada. Para resolver sistemas de
ecuaciones lineales aplicando este método, se debe en primer lugar anotar los
coeficientes de las variables del sistema de ecuaciones lineales en su notación
matricial
4.3.1 Ventajas
 Este método, que constituye una variación del método de eliminación

de Gauss, permite resolver hasta 15 o 20 ecuaciones simultáneas,
con 8 o 10 dígitos significativos en las operaciones aritméticas de la
computadora.
 Es el método simple por excelencia en la obtención de soluciones

exactas a las ecuaciones lineales simultáneas
 Proporciona un método directo para obtener la matriz inversa.
 Con este método la solución se obtiene directamente sin la necesidad

de la sustitución inversa que utiliza el método de Gauss. Con este
procedimiento de normalización y eliminación se puede obtener,
además la matriz inversa de la matriz de coeficientes, A-1. Si a la
matriz aumentada se le adhiere o aumenta la matriz unidad o
identidad y se le aplica el método de Gauss-Jordan.
 Una de las principales razones para incluir el método de Gauss-

Jordan, es la de proporcionar un método directo para obtener la
matriz inversa.
36
4.3.2 Desventajas
 Menos eficiente para un único conjunto de ecuaciones.
 El proceso de eliminación de Gauss - Jordán consiste en

realizar transformaciones elementales en el sistema inicial,
destinadas a transformarlo en un sistema diagonal. El número
de operaciones elementales de este método, es superior al del
método de Gauss (alrededor de un 50% más).
 Sin embargo, a la hora de resolver el sistema de llegada por

remonte, el número de operaciones es menor, motivo por el
cual, el método de Gauss -Jordán es un método
computacionalmente bueno cuando tenemos que resolver
varios sistemas con la misma matriz A y
resolverlos simultáneamente, utilizando el algoritmo de Gauss-
Jordán.
 Solo haríamos un proceso de eliminación en la matriz y la

resolución de un sistema con esta matriz es muy fácil. Un
ejemplo en el que se suele usar Gauss - Jordán es en el cálculo
de la matriz inversa, ya que calcular la inversa de A, es calcular
N sistemas con la misma matriz.
37
4.3.3 Aplicaciones
 También se pueden extraer de la vida cotidiana de cualquier persona muchos

casos en los que un problema se puede representar como un conjunto de ecuaciones
lineales y, por tanto, se puede resolver con el método de Gauss.
 Un ejemplo de esto es analizar el flujo de tráfico en una red de calles que se

cruzan unas con otras. Conociendo el porcentaje de coches que suelen pasar de una
calle a otra en cada intersección, se puede montar un sistema de ecuaciones lineales
que, siendo resuelto mediante el método de Gauss, permite hacer un cálculo de la
cantidad de tráfico que va a soportar cada calle y tomar las medidas oportunas
(temporización de los semáforos, colocación de pasos de cebra o señales de stop).
 A la hora de calcular el presupuesto de un proyecto, una empresa, sea cual sea

su ámbito, puede utilizar el método de Gauss. Hay muchos factores interrelacionados: el
tamaño del proyecto, los materiales a utilizar, las horas de trabajo que se necesitan y el
número de personas que lo van a realizar entre otras cosas. Con todos estos factores, se
puede formar matemáticamente un sistema de ecuaciones lineales. Esto mismo lo puede
utilizar cualquier persona para calcular su presupuesto diario o a la hora de hacer la
compra.
38
4.4 Método de la inversa
Una matriz inversa es la transformación lineal de una matriz mediante la

multiplicación del inverso del determinante de la matriz por la matriz adjunta
traspuesta.
En otras palabras, una matriz inversa es la multiplicación del inverso del

determinante por la matriz adjunta traspuesta.
4.4.1 Ventajas
 La matriz inversa se puede calcular en una forma de columna por columna a
partir de vectores unitarios como vector de constantes del sistema de
ecuaciones lineales algebraicas.
 Se dice que una matriz está en la forma triangular superior si todos los elementos
debajo de la diagonal principal son 0
 El número de ecuaciones debe de ser igual al número de incógnitas, es decir, de

tamaño nxn.
 La matriz A debe ser inversible.
4.4.2 Desventajas
 Sólo tienen inversa algunas matrices cuadradas.

 Una matriz tiene inversa si su determinante es distinto de 0.
 Si una matriz tiene inversa, se dice que es inversible o regular. En caso
contrario, se dice que es irregular o singular.
 La inversa de AA se denota por A−1A−1 y cumple
39
4.4.3 Aplicaciones
La importancia de las matrices es que ellas se han convertido en una herramienta
cotidiana en numerosos campos como estadística, economía, física, biología,
gráficas por computadora, análisis numérico y lenguajes de programación, debido a
la gran cantidad de conceptos que se pueden representar por medio de una matriz.
Por otra parte, las matrices constituyen una herramienta adecuada para tratar de un
modo sistemático y relativamente sencillo, complicados cálculos numéricos y
algebraicos que involucran un gran número de datos. En tiempos recientes el
desarrollo de la teoría matricial está orientado hacia las aplicaciones. El propósito de
este trabajo es presentar la teoría básica de las matrices, la cual se expone en cuatro
partes: la Parte I contiene el concepto de matriz, notación matricial, igualdad de
matrices y operaciones de suma, resta y multiplicación por escalar; la Parte II
contiene la multiplicación de matrices y potencias enteras positivas de una matriz
cuadrada; la Parte III contiene la transpuesta de una matriz y algunos tipos de
matrices cuadradas y la Parte IV contiene la inversa de una matriz y su aplicación en
la resolución de sistemas de ecuaciones lineales. Además, se presentan en este
trabajo ejemplos que ilustran algunas aplicaciones de las matrices. Cada una de las
partes mencionadas tiene ejercicios propuestos, para los cuales se provee sus
respuestas.
40
4.5 Método de Gauss Seidel
El Método de Gauss-Seidel Es una técnica utilizada para resolver sistemas de

ecuaciones lineales.
El método es similar al método de Jacobi.
Es un método iterativo, lo que significa que se parte de una aproximación inicial y se
repite el proceso hasta llegar a una solución con un margen de error tan pequeño
como se quiera. [ CITATION Mét \l 2058 ]
4.5.1 Ventajas
•Adecuada cuando las matrices son grandes y esparcidas, ya que los

métodos de eliminación desperdician gran espacio de memoria para
guardar 0.
•Esto impone una limitación al tamaño de los sistemas que manejan
•La estructura de las ecuaciones permite que se desarrollen

programas concisos para sistemas específicos.
•Sólo se necesitan incluir coeficientes que no sean 0-> se logran

ahorros de memoria.
•Para sistemas grandes son eficientes en almacenamiento y en tiempo

de computo.
•El error de redondeo no es un tema que preocupe en este método.
4.5.2 Desventajas
 Este método es similar en esencia al método de iteración de

punto de fijo que se usa para el cálculo de raíces de una
ecuación
 En algunos casos no converge
 En algunos casos la convergencia es lenta
 Las condiciones suficientes para la convergencia de dos
ecuaciones no lineales también aplican para ecuaciones
41
lineales cuando se usa Gauss-Seidel

 El valor absoluto de la pendiente de las ecuaciones rectas debe
ser menor que la unidad para asegurar convergencia
4.5.3 Aplicaciones
Este método iterativo utiliza la misma transformación que el método de Jacobi, de

hecho es una mejora al método de Jacobi.
La mejora consiste en utilizar la incógnita encontrada, en la misma iteración para

calcular la siguiente incógnita. Por ejemplo, en el método de Jacobi se obtiene en el
primer cálculo xi+1, pero este valor de x no se utiliza sino hasta la siguiente iteración.
En el método de Gauss-Seidel en lugar de eso se utiliza de xi+1 en lugar de xi en
forma inmediata
para calcular el valor de yi+1 de igual manera procede con las siguientes variables;
siempre se utilizan las variables recién calculadas
42
4.6 método de Jacobi

El Método de Jacobi transforma una matriz simétrica en una matriz
diagonal al eliminar de forma simétrica los elementos que están
fuera de la diagonal. Desafortunadamente, el método requiere un
número infinito de operaciones, ya que la eliminación de cada
elemento no cero a menudo crea un nuevo valor no cero en el
elemento cero anterior.
4.6.1 Ventajas
 Si la matriz de coeficientes original del sistema es

diagonalmente dominante el método converge.
 Si el radio espectral de la matriz original es menor a uno, el

método converge
 Método de solución de sistemas de ecuaciones lineales de

tipo Ax=b.
 Operaciones matriciales y/o algebraicas.
 Proceso iterativo.
4.6.2 Desventajas
 El método no siempre converge y calcular el radio

espectral de la matriz puede ser muy extenso.
 Podemos observar que la convergencia es lenta.
43
4.6.3 Aplicaciones
El método de Jacobi permite hallar las aproximaciones a una solución de sistemas de

ecuaciones lineales, utilizando los valores iniciales para la primera aproximación, luego los de
la primera para la segunda y así sucesivamente; en este método el cálculo de cada variable
es independiente por lo tanto ninguna variable depende de la otra.
El procedimiento a seguir para la aplicación del método es el siguiente:
Se debe introducir unas aproximaciones iniciales, la matriz de coeficientes, el vector de

términos independientes, una tolerancia y un número total de iteraciones.
Se toman las aproximaciones iniciales para hallar las nuevas aproximaciones, teniendo en
cuenta el fundamento del método.
En cada paso, es posible calcular el error, que es este caso está definido en normas (las
cuales son infinitas).
Para la finalización del programas se tiene en cuenta, si el programa sobrepasa el numero de
iteraciones, o si el error es menor del propuesto al principio; una vez ocurra alguna de estas
dos situaciones, la ultima iteración tendrá las aproximaciones a la solución del sistema de
ecuaciones estudiado.
44
CAPÍTULO 5 Conclusiones
Capítulo 5 Conclusiones.
Con este capítulo concluimos lo que para nosotros ha sido la
primera etapa de este trabajo de investigación, que por sus
características, se encuentra en etapa de finalización.
Una investigación atraviesa por distintas fases en su desarrollo; en esta

dirección, quisiera describir brevemente nuestro caso. La primera fase
fue la delimitación del tema de investigación y de la pregunta de
investigación; después el estudio detallado del contenido matemático y
de algunas perspectivas didácticas; En cada fase, mencionada
anteriormente, el aprendizaje y la experiencia adquirida han sido
invaluables
45
5.1.1 Conclusiones relacionadas con el diseño y desarrollo de métodos lineales.
Este informe es para apoyar la enseñanza del álgebra lineal, no debe perder de
vista uno de los propósitos de la matemática educativa: promover una mejor
compresión de los conceptos matemáticos.
Por último, la aplicación de la experiencia didáctica, permitió convencerme de la

necesidad del desarrollo de las componentes de sustitución y verificación; De esta
manera se podría convertir en una herramienta que ayude a la compresión de
conceptos formales del álgebra lineal
46
5.2 Investigaciones futuras
Este apartado está dirigido a establecer algunas de las posibles líneas de

investigación, considerando tanto la parte computacional como la matemática.
Sabemos que el álgebra lineal se conforma de una cantidad importante de
conceptos fundamentales, como: espacios y subespacios vectoriales,
independencia lineal, vectores, bases, transformaciones lineales, etc. En todos
estos, la presencia de los sistemas de ecuaciones lineales es ineludible. En
términos generales, nuestra investigación a futuro nuevamente está centrada en el
problema de la enseñanza-aprendizaje de los conceptos del álgebra lineal, siendo
nuestro propósito renovar nuestra propuesta didáctica (la creación de un ambiente
que apoye la enseñanza del álgebra lineal) siempre con la premisa de mejorar la
comprensión de los conceptos del álgebra lineal.
47
Bibliografía
BIBLIOGRAFÍA
Basurto, E. (2007). Diferentes sintaxis de algunas calculadoras básicas en la

escritura de operaciones con números enteros y la resolución de problemas
aditivos. Tesis de maestría. México, D.F.: Cinvestav.
Cutz, B. (2005). Un estudio acerca de las concepciones de estudiantes de

licenciatura sobre los sistemas de ecuaciones y su solución. Tesis de maestría.
México, D.F.: Cinvestav.
Euler, L. (1984). Elements of algebra. New York, Springer-Verlag. Tr. John Hewlett
Filloy, E. (1970). Introducción al algebra lineal. México: Trillas. (32-34)
Hoffmann, B. (1975). About vectors. New York : Dover Publications.
Johnson, R. E. (1969). Algebra lineal. México, continental.
Lang, S. (1976). Algebra lineal. México, fondo educativo interamericano.
Lay, D. C. (1994). Linear Algebra and its applications. USA, Addison-Wesley.
Martínez, M. (2005). Diseño de un prototipo de entorno computacional para el

aprendizaje y enseñanza de las matemáticas para un curso de cálculo diferencial
a nivel superior. Tesis de doctorado. México, D.F.: Cinvestav.
Angel Franco García. (2016). MATLAB. Obtenido de

http://www.sc.ehu.es/sbweb/fisica3/numerico/ecuaciones/gauss.html
Cristina Steegmann Pascual, J. A. (2020). Academia. Obtenido de

https://www.academia.edu/15996716/Matriz_inversa_MATRIZ_INVERSA_Autores
Gonzalez, B. D. (2020). Academia. Obtenido de https://mypage.academia.edu/BrandonDanielNu

%C3%B1ezGonzalez
Laguna, k. G. (2020). Metodo de Gauss. Obtenido de

https://www.academia.edu/16107673/Metodo_de_Gauss
48
Bibliografía
Page, L. y Brin S. (2000). The Anatomy of a Large-Scale Hypertextual Web Search

Engine. Artículo consultado en la página Web
http://www7.scu.edu.au/programme/fullpapers/1921/com1921.htm el 27 de octubre
de 2009.
Strang, G. (1982). Algebra lineal y sus aplicaciones. México: Fondo Educativo
Interamerica
49

Metodos Lineales y No Lineales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Lineales y No Lineales

Cargado por

Copyright:

Formatos disponibles

TECNOLÓGICO

Las aplicaciones, ventajas y desventajas de los sistemas de ecuaciones

Trabajo que presenta:

Docente: Ing. Luis Alonso Pacheco Ortega

México, Chihuahua, Chih, Abril del 202

En consecuencia, el estudio y la enseñanza de los sistemas de ecuaciones

CAPÍTULO 1 PLANTEAMIENTO DEL PROBLEMA Y

Este primer capítulo iniciamos con una descripción general de la importancia de

1.1 Planteamiento del problema.

1.1.1 La importancia de los sistemas de ecuaciones lineales.

Los sistemas de ecuaciones lineales son importantes por:

a) Su aplicación a problemas en distintas disciplinas como la ingeniería: flujo

b) Su aplicación a otras áreas de la matemática: la geometría analítica, el cálculo

de varias variables, ecuaciones diferenciales, estadística, etc.

c) Y desde luego, porque originan el desarrollo de la teoría en álgebra lineal.

Linealmente independientes, o la base de un espacio vectorial es necesaria la

En resumen, el interés de este trabajo está centrado en la enseñanza conceptual

1.1.2 El problema de investigación.

1.1.3 Pregunta de investigación.

De la problemática planteada surge la siguiente pregunta:

¿Cómo apoyar la enseñanza de sistemas de ecuaciones lineales y no lineales

a) Enseñar a resolver problemas del sistema de ecuaciones lineales mediante

El álgebra lineal es uno de los contenidos matemáticos fundamentales que forman

Diversas investigaciones muestran lo anterior; por ejemplo, en 1997 sale a la luz

Dicho texto se divide en dos partes; la primera, titulada “Análisis epistemológico de

Las investigaciones anteriores ofrecen un panorama de los problemas inherentes

En mayo de 1992 en la entonces sección de matemática educativa se presentó la

Es necesario mencionar que la tesis se realizó en una época en donde no había

CAPÍTULO 2 Métodos del Sistema de

Lo propio del método filosófico está en que

En este capítulo se presenta una breve revisión del contenido matemático

2.1 Definición de sistemas de ecuaciones lineales.

En el libro Elements of Algebra de Euler (edición traducida por John Hewlett,

Aquella donde las cantidades desconocidas no tienen potencias mayores que

Donde a,b, c, son números conocidos y x, y, las cantidades desconocidas.

Actualmente a este tipo de ecuación se le denomina ecuación lineal. La

a1 x1  a2 x2  ...  an1 xn1  an xn  b

Se denomina conjunto solución de una ecuación lineal a la colección de todos los

Si multiplicamos un escalar 𝜆 ≠ 0 a la ecuación a1 x1  a2 x2  ...  an1 xn1  an xn  b

Cuyo conjunto solución es el mismo de la ecuación

Un número finito de ecuaciones lineales en las variables x1 , x2 ,..., forman un

Sistema de Ecuaciones Lineales (SEL). Usualmente, se dice que m ecuaciones

2.2 Método de Gauss

La técnica más común para resolver el sistema de ecuaciones lineales es la de

Método de eliminación de Gauss o simplemente método de Gauss consiste en convertir un sistema

 Se reúnen 30 personas entre hombres, mujeres y niños:

 También se sabe que entre hombres y mujeres se duplican al número de niños:

Agrupando las tres ecuaciones tenemos el sistema, que ordenado resulta:

Aplicamos Gauss, restando la primera ecuación a las dos siguientes:

En este caso en la tercera ecuación se ha eliminado la y, por lo que no es necesario

hacer más operaciones. Por lo tanto obtenemos que z = 10 de la tercera ecuación:

Sustituyendo z en la segunda ecuación obtenemos que y = 10:

Sustituyendo z é y en la primera ecuación obtenemos x = 10.

Con lo que hemos obtenido el resultado del sistema:

[ CITATION ken20 \l 2058 ]

2.3 Metodo Gauss Jordan

Como hemos visto, el método de Gauss transforma la matriz de coeficientes en una

Veamos el método de Gauss-Jordan siguiendo con el ejemplo empleado en el

multiplicamos la cuarta ecuación por y la restamos a la primera:

Realizamos la misma operación

Ahora tomamos como pivote el elemento a33=2, multiplicamos la tercera ecuación

por y la restamos a la primera:

Repetimos la operación con la segunda fila: