TEMA 2: SISTEMA DE

ECUACIONES LINEALES

Profesora: Ing. Yolimar Medina

 CONTENIDO DEL TEMA 1:
ALGEBRA DE MATRICES
2.1. Sistema de ecuaciones lineales: definición, ejemplos.

2.2. Método de cramer, definición y ejemplo.

2.3. Eliminación Gaussiana, ejemplo

2.4. Método de Gauss Jordan, definición y ejemplos.

2.5 Error de redondeo, eliminación Gausiana con pivoteo

parcial y total. Definición y ejemplos

2.6 Método de jacobi y de Gauss Seidel, definición y ejemplos

Profesora: Ing. Yolimar Medina

 2.1 SISTEMA DE ECUACIONES
LINEALES
Un gran número de problemas de las ciencias y de ingeniería requieren un tratamiento con

ecuaciones que relacionan dos conjuntos de variables. Una ecuación del tipo:

La palabra lineal hace referencia a que la gráfica de la ecuación anterior es una línea recta. De

forma análoga las ecuaciones del tipo lineal se representan:

Donde los ai y b son constantes conocidas y las xi son incógnitas. En muchos problemas, la

resolución pasa por determinar los números xi (incógnitas) que satisfagan la ecuación (1)

Observación. Una ecuación lineal no contiene productos, cocientes o raíces de las incógnitas.

Todas las incógnitas se presentan únicamente a la primera potencia y no aparecen como argumento de

funciones trigonométricas, logarítmicas o exponenciales.

El problema central que estudiaremos en este tema es cuando se presentan un conjunto de

ecuaciones lineales que deben cumplirse en forma simultánea, a dichos conjuntos se les
llama sistemas de ecuaciones lineales.

Profesora: Ing. Yolimar Medina 3

 SISTEMA DE ECUACIONES
LINEALES
Resolver un sistema lineal consiste en encontrar todas las posibles soluciones, si es que existen.
un sistema lineal puede tener:
-Una solución
-Ninguna solución
-Infinitas soluciones

Desde el punto de vista geométrico una ecuación lineal con dos incógnitas representa una recta
en el plano, en este sentido resolver un sistema de dos ecuaciones lineales con dos incógnitas
equivale a encontrar la intersección de dichas rectas, aquí se presentan tres posibilidades:

Al resolver cualquier sistema de ecuaciones lineales estarán presentes tres posibilidades: solución
única, infinitas soluciones o ninguna solución

Profesora: Ing. Yolimar Medina 4

Representación Matricial de un sistema de ecuaciones

En este subtema trabajaremos los sistemas de ecuaciones, para mostrar la manera en que estos se
relacionan con las matrices. Supongamos que tenemos un sistema de m ecuaciones lineales con n
incógnitas, como se muestra a continuación:

De este sistema, podemos extraer los coeficientes de las variables en cada una de las ecuaciones y con ellos
formamos la matriz principal o de coeficientes, de la siguiente manera:

Podemos nombrar a un vector x que represente a las variables, y escribirlo como:

Profesora: Ing. Yolimar Medina 5

Representación Matricial de un sistema de ecuaciones

Y por último, escribimos un vector b que represente a las constantes, las cuales son los segundos
miembros de cada una de las ecuaciones que pertenecen al sistema de ecuaciones:

Y con todos estos elementos, podemos representar al sistema de ecuaciones lineales por medio de
matrices, como sigue:

O Bien:

Cuando el sistema de ecuaciones lineales que se está representando es homogéneo, entonces, se

sustituye el vector b por el vector 0 y el sistema de ecuaciones nos quedaría de la siguiente manera:

O Bien:

Profesora: Ing. Yolimar Medina 6

Representación Matricial de un sistema de ecuaciones

Generalmente tomaremos la matriz de coeficientes y la matriz o vector de constantes al representar

sistemas de ecuaciones , ya que, son los elementos que necesitamos para construir la matriz aumentada,
la cual nos permitirá obtener o desarrollar algún resultado. Por ejemplo, se tiene le siguiente sistema de
ecuaciones lineales:

Representemos los coeficientes que acompañan a las incógnitas, por la siguiente matriz 3 x 3

Y por la matriz de 3 x 1 a las constantes:

Formaremos la matriz ampliada

Profesora: Ing. Yolimar Medina 7

Representación Matricial de un sistema de ecuaciones

Sustitución hacia atrás

Algunos sistemas de ecuaciones lineales tienen una forma especial de que permite resolverlos fácilmente . El
método para hacerlo es conocido como “ sustitución hacia atrás” y se introduce con el siguiente ejemplo:

Dada la forma de este sistema, de la ultima ecuación se obtiene el valor para la variable X 4

Este valor se sustituye en las restantes ecuaciones, lo que permite a partir de la ecuación 3, determinar el
valor de la variable X3

De nuevo el valor de la variable X 3 se sustituye en las restantes ecuaciones y se obtiene de la ecuación 2

que:

Finalmente conociendo los valores de X 4, X3 y X2

Profesora: Ing. Yolimar Medina 8

Representación Matricial de un sistema de ecuaciones

Una ecuación es una expresión de la forma 4x + 5y − z = 6.

En ella hay varias partes que conviene reconocer. Por un lado están los símbolos x, y ó z. Estos símbolos
reciben el nombre de variables y pueden tomar valores en R.

En general nuestro objetivo es saber qué valores toman. Las constantes que multiplican a las variables
reciben el nombre de coeficientes, así hablaremos del coeficiente de x o del de y, o del de z (en este caso
son respectivamente 4, 5 y −1).

En el otro lado de la igualdad tenemos un valor, que puede ser cualquier número real y que recibe el
nombre de término independiente.

Dado un sistema de ecuaciones, hay dos matrices asociadas.

La primera es la matriz de los coeficientes, que tiene tantas filas como ecuaciones tiene el sistema y
tantas columnas como variables.

Si las variables son por ejemplo x, y y z, la primera columna estará formada por los coeficientes de la x, la
segunda por los coeficientes de la y y la tercera por los coeficientes de z en cada una de las ecuaciones. Si
la variable no aparece es porque su coeficiente sea 0, que lo tenemos que poner en la matriz.

Profesora: Ing. Yolimar Medina 9

Representación Matricial de un sistema de ecuaciones

La segunda matriz es la que se conoce como matriz ampliada del sistema y consiste simplemente en
añadir una última columna con los términos independientes, por lo tanto la matriz ampliada tiene las
mismas filas y una columna más que la matriz de los coeficientes.
Es importante que sepamos pasar del sistema de ecuaciones a su matriz y viceversa
Consideremos el siguiente sistema:

La matriz de los coeficientes sería:

La matriz ampliada del sistema :

Fijémonos que al no tener un valor x en la primera ecuación significa que esta multiplicado por 0, por lo
tanto este coeficiente 0 ha de aparecer en las matrices del sistema.

Las matrices aumentadas forman parte muy importante dentro de nuestro estudio y en la mayoría de los
casos son las que más se utilizan, ya que, son las únicas que nos ofrecen un resultado sobre alguna
situación planteada mediante un sistema matricial.

Profesora: Ing. Yolimar Medina 10

 2.2 Regla de Cramer
La regla de Cramer es un teorema en álgebra lineal, que da la solución de un sistema lineal de
ecuaciones en términos de determinantes.

Sin embargo, para sistemas de ecuaciones lineales de más de tres ecuaciones su aplicación para
la resolución del mismo resulta excesivamente costosa.

Pero como no es necesario pivotar matrices, es más eficiente que la eliminación gaussiana para
matrices pequeñas.

Si Ax=b es un sistema de ecuaciones. A es la matriz de coeficientes del sistema, X=(x1,x2,..,xn) es

el vector columna de las incógnitas y b es el vector columna de los términos independientes.
Entonces la solución al sistema se presenta así:

Donde Aj es la matriz resultante de reemplazar la jésima columna de A por el vector columna

b. Note que para que el sistema sea compatible determinado, el determinante de la matriz A ha de
ser no nulo.

Profesora: Ing. Yolimar Medina 11

 2. 3 Regla de Cramer
Regla de Cramer para Dos ecuaciones y Dos variables

Profesora: Ing. Yolimar Medina 12

2. 2 Regla de Cramer

Profesora: Ing. Yolimar Medina 13

 2.3 Eliminación Gaussiana
Eliminación Gaussiana con sustitución regresiva

Consiste en hacer transformaciones elementales en las filas de la matriz hasta poder hallar una
de las incógnitas aplicando sustitución hacia atrás
Procedimiento:

a) Se considera la matriz aumentada del sistema.

b) Se determina una matriz escalonada equivalente a la matriz aumentada del sistema

c) Se construye un sistema de ecuaciones equivalente al anterior, donde se detecta directamente

un valor de una de las incógnitas

d) Se usa la sustitución regresiva para encontrar los valores de las restantes incógnitas.

e) Verificar la solución

Profesora: Ing. Yolimar Medina 14

 2.3 Eliminación Gaussiana
Ejemplo: Sea el sistema

Su matriz ampliada asociada es :

Sabiendo que la primera columna corresponde a los coeficientes de la x, la segunda a los de la y,

la tercera a los de la z y la cuarta a los términos Independientes, Aplicamos operaciones por filas
con el objetivo de obtener una matriz escalonada, o triangular superior

Profesora: Ing. Yolimar Medina 15

 2.3 Eliminación Gaussiana
De este modo, el sistema tiene una solución única, que obtendremos mediante la sustitución
regresiva

Profesora: Ing. Yolimar Medina 16

2.4 Matriz Inversa (Método Gauss- Jordan)
Matriz Inversa aplicando el método de Gauss- Jordan

Consiste en hacer transformaciones elementales en las filas de la matriz para llegar a obtener la
matriz identidad. Realizando estas mismas transformaciones con la matriz identidad llegamos a la
matriz inversa A-1

Sea A = (aij) la matriz dada e I 3 la matriz unidad. Se parte del siguiente esquema:

Si en el proceso aparece en lugar de la matriz A (en la parte izquierda) alguna fila nula, la
matriz no tiene inversa.

Profesora: Ing. Yolimar Medina 17

2.4 Matriz Inversa (Método Gauss- Jordan)

Matriz Inversa aplicando el método de Gauss- Jordan

Para realizar el cálculo de la matriz A se puede utilizar el método de Gauss- Jordan en el que las
operaciones elementales transforman la matriz A en la matriz identidad I, estas mismas
operaciones transforman a la vez la matriz identidad en la matriz inversa.

Las operaciones por filas se aplican en tres etapas.

 1ª etapa: generar ceros por debajo de la diagonal principal

 2ª etapa: generar unos en la diagonal principal

 3ª etapa: generar ceros por encima de la diagonal principal

Profesora: Ing. Yolimar Medina 18

2.4 Matriz Inversa (Método Gauss- Jordan)
Ejemplo:

Calcula por el método de Gauss- Jordan la inversa de la matriz

1) Consideremos la matriz formada por A y la matriz identidad correspondiente:

2) Se hace la matriz A triangular superior (es decir, hacemos ceros por debajo de la diagonal
principal) usando transformaciones elementales por filas. En nuestro caso basta con sumar la
fila 2 con la fila 1 y se obtiene:

3) Una vez hecha la matriz triangular superior, se hace la matriz triangular inferior haciendo ceros
a los elementos por encima de la diagonal . El proceso es parecido al anterior

Profesora: Ing. Yolimar Medina 19

2.4 Matriz Inversa (Método Gauss- Jordan)

4) Ya tenemos una matriz diagonal . Lo único que falta es dividir a cada fila entre el número
adecuado para obtener unos en la diagonal principal, es decir, para obtener la matriz identidad en
la parte izquierda

5) Una vez se tiene la matriz identidad en la parte izquierda, la parte derecha es la matriz inversa

Profesora: Ing. Yolimar Medina 20

2.4 Matriz Inversa (Método Gauss- Jordan)

Condición para que una matriz tenga inversa según el método de Gauss-Jordan

Si al realizar el método de Gauss- Jordan en algún momento alguna fila se hace ceros, la
matriz no tiene inversa

Ejemplo: Si calculamos por este método la inversa de

Resulta:

Como aparece una fila de ceros la matriz no tiene inversa.

Cuanto mayor sea el orden de la matriz, mejor es este método frente al directo.

Profesora: Ing. Yolimar Medina 21

2.4 Matriz Inversa (Método Gauss- Jordan)

Ejemplo: Si calculamos por este método la inversa de

Profesora: Ing. Yolimar Medina 22

 2.4 Método Gauss- Jordan)

Procedimiento:

a) Se considera la matriz aumentada del sistema

b) Se determina la matriz escalonada reducida, equivalente a la anterior .

c) Se construye un sistema de ecuaciones equivalente al anterior, donde se puede ver de

inmediato la solución del sistema.

Ejemplo: Sea el sistema

Su matriz ampliada asociada es :

Profesora: Ing. Yolimar Medina 23

 2.4 Método Gauss- Jordan)
Empezamos a escalonar la matriz aumentada usando operaciones elementales en las filas.

Ahora se procede a reducirla si y transformarla en una matriz identidad obteniéndose así

directamente el valor de las incógnitas:

Profesora: Ing. Yolimar Medina 24

2.5 Eliminación Gaussiana con pivoteo parcial y total

Las técnicas de pivoteo disminuyen los errores de redondeo en los cálculos

ELIMINACIÓN GAUSSIANA POR PIVOTEO PARCIAL (POR COLUMNA)

Procedimiento:

a) Se considera la matriz aumentada del sistema.

b) Se busca en la primera columna el valor mayor en valor absoluto que será el pivote

c) El pivote se coloca en la primera fila en la posición a11 si no se encuentra ahí a a través de

intercambio de filas

d) Los elementos que se encuentran debajo del pivote deben hacerse cero aplicando operaciones por
fila.

e) Se repite el mismo procedimiento en la segunda columna se busca el pivote , se ubica el pivote en la

posición a22 y se hacen ceros los elementos que se encuentran debajo y así sucesivamente hasta
conseguir un sistema de ecuaciones, o una matriz escalonada donde se detecte directamente un
valor de una de las incógnitas

f) Se usa la sustitución regresiva para encontrar los valores de las restantes incógnitas.

Profesora: Ing. Yolimar Medina 25

2.5 Eliminación Gaussiana parcial por columna

Ejemplo: Sea el sistema

1. Se busca en la primera columna de la matriz

ampliada el valor mayor en valor absoluto en este caso
es (-2)

2. Como el pivote se encuentra en la fila 2 se hace

intercambio de fila para colocarlo en la fila 1

3. Se hacen cero los elementos que se encuentran

debajo del pivote a través de operaciones de fila

Profesora: Ing. Yolimar Medina 26

2.5 Eliminación Gaussiana parcial por columna

4. Se busca en la segunda columna de la matriz ampliada el segundo pivote, que es el valor

mayor en valor absoluto en este caso es (1.25) por lo que se hace nuevamente intercambio de fila
y se hace cero el elemento que se encuentra de bajo

Profesora: Ing. Yolimar Medina 27

2.5 Eliminación Gaussiana parcial por columna

5. Se busca el valor de las incógnitas aplicando sustitución regresiva

Profesora: Ing. Yolimar Medina 28

2.5 Eliminación Gaussiana parcial escalonada

ELIMINACIÓN GAUSSIANA POR PIVOTEO ESCALONADO (POR COLUMNA)

Procedimiento:
a) Se considera la matriz aumentada del sistema.
b) Se busca el valor máximo en valor absoluto en cada fila sin tomar en cuenta los términos
independientes F1, F2, F3

c) Luego esos valores se dividen entre los elementos de la primera columna a 11, a21, a31,….., an1

El valor numérico mayor obtenido será la fila pivote.

e) Se repite el mismo procedimiento, en la matriz resultante se busca el pivote a través del calculo
de un nuevo factor, se ubica nuevamente el valor máximo en valor absoluto en cada fila sin tomar
en cuenta los términos independientes, se ubica los términos de la segunda columna a 22 y a23 se

calcula un nuevo factor de cada fila tomando en cuenta los factores F 1, F2, F3 de la matriz original,
el valor numérico mayor indicara cual es la nueva fila pivote y se hacen ceros los elementos que
se encuentran por debajo de este
y así sucesivamente hasta conseguir un sistema de ecuaciones, o una matriz escalonada donde
se detecte directamente un valor de una de las incógnitas
f) Se usa la sustitución regresiva para encontrar los valores de las restantes incógnitas.
Profesora: Ing. Yolimar Medina 29
 2.5 Eliminación Gaussiana parcial escalonada

Ejemplo: Sea el sistema

1. Se busca el valor máximo en valor absoluto en cada

fila sin tomar en cuenta los términos independientes

2. Se hallan los factores para determinar el pivote, en la

primera columna se divide cada termino por su
equivalente en fila

Profesora: Ing. Yolimar Medina 30

 2.5 Eliminación Gaussiana parcial escalonada

Ejemplo: Sea el sistema

1. Se busca el valor máximo en valor absoluto en cada

fila sin tomar en cuenta los términos independientes

2. Se hallan los factores para determinar el pivote, en la

primera columna se divide cada termino por su
equivalente en fila

Profesora: Ing. Yolimar Medina 31

 2.5 Eliminación Gaussiana parcial escalonada

3. Se intercambia la fila 3 por la fila 1 por ser la fila 3 la fila pivote y se hacen ceros los elementos
debajo del pivote a través de operaciones por fila

4. Con la matriz anterior resultante aplicamos el proceso anterior sin considerar la primera fila y la
primera columna

Profesora: Ing. Yolimar Medina 32

 2.5 Eliminación Gaussiana parcial escalonada

Se busca de nuevo el valor mayor en valor absoluto de la fila 2 y 3

Se busca de nuevo el factor para hallar la nueva fila pivote considerando los valores mayores
obtenidos de la matriz original

5. Se hace intercambio de fila por ser la fila 3 el nuevo pivote y se hacen cero los elementos debajo
del pivote

Profesora: Ing. Yolimar Medina 33

2.5 Eliminación Gaussiana parcial escalonada

Profesora: Ing. Yolimar Medina 34

2.5 Eliminación Gaussiana pivoteo completo

ELIMINACIÓN GAUSSIANA POR PIVOTEO COMPLETO

Procedimiento:

a) Se considera la matriz aumentada del sistema.

b) Se busca el valor máximo en valor absoluto en toda la matriz de coeficientes que será el pivote

c) Se coloca en la posición del elemento a 11 El pivote así se amerite cambiar tanto las filas como
las columnas y se hacen cero los elementos que se encuentran por debajo del pivote

d) Luego se vuelve a buscar el pivote en la matriz resultante de coeficientes sin considerar la

primera fila y la primera columna y se hacen ceros los elementos debajo del pivote y así
sucesivamente hasta conseguir un sistema de ecuaciones, o una matriz escalonada donde se
detecte directamente un valor de una de las incógnitas

f) Se usa la sustitución regresiva para encontrar los valores de las restantes incógnitas.

Profesora: Ing. Yolimar Medina 35

2.5 Eliminación Gaussiana con pivoteo completo

Ejemplo: Sea el sistema

1. Se busca el numero mayor en valor absoluto en la

matriz de coeficientes

2. Se coloca el pivote en el elemento a 11 Para ello se debe cambiar la posición de las incógnitas
(columnas) y las filas

Profesora: Ing. Yolimar Medina 36

2.5 Eliminación Gaussiana con pivoteo completo

2. Se eliminan los elementos debajo del pivote

3. En la submatriz se aplica el procedimiento anterior se busca el elemento mayor en valor absoluto en

este caso es 11/5 por lo que se intercambian las columnas

Profesora: Ing. Yolimar Medina 37

2.5 Eliminación Gaussiana con pivoteo completo

Profesora: Ing. Yolimar Medina 38

2.6 Método de Jacobi y de Gauss seidel

Profesora: Ing. Yolimar Medina 39

 2.6 Método de Gauss seidel
El método de Gauss-Seidel, es un método iterativo y por lo mismo, resulta ser un método bastante

eficiente

Procedimiento:

Dado el sistema de ecuaciones

a) Se asigna los valores iniciales o condiciones iniciales a las variables

b) Se despeja de cada ecuación la variable de la diagonal

c) Usando las ecuaciones despejadas se asigna descendientemente a cada variable

el resultado de sustituir los valores mas recientes de las demás variables, esto se
repite hasta que las variables convergan o se acerquen a un mismo valor

Profesora: Ing. Yolimar Medina 40

 2.6 Método de Gauss Seidel
Ejemplo: Sea el sistema

1. Se despeja una variable de cada ecuación, condición inicial x(0)=0, Y(0)= 0

2. Se sustituye el valor inicial en la primera ecuación y luego el resultado obtenido se sustituye en

la próxima ecuación , se hace esto sucesivamente hasta que los valores de las variables
convergan

1era Iteración

2da Iteración

Profesora: Ing. Yolimar Medina 41

 2.6 Método de Gauss Seidel
3era Iteración

En la tercera iteración los valores se aproximan , ahora se sustituyen los valores en la ecuación general
para saber si se satisfacen las ecuaciones

Profesora: Ing. Yolimar Medina 42

 2.6 Método de Jacobi
Los procedimientos iterativos parten de un punto más o menos cercano a la solución y
convergen a ella en una sucesión de puntos más o menos extensa
Supongamos que se desea resolver el sistema de ecuaciones lineales

Admitiendo que los coeficientes a 11, a22 y a33 son distintos de cero

Profesora: Yolimar Medina 43

 2.6 Método de Jacobi

El esquema iterativo en forma matricial es:

Profesora: Yolimar Medina 44

 2.6 Método de Jacobi
Los procedimientos iterativos parten de un punto más o menos cercano a la solución y
convergen a ella en una sucesión de puntos más o menos extensa
Supongamos que se desea resolver el sistema de ecuaciones lineales

Ejemplo: Resuelva el siguiente sistema de ecuaciones empleando el método de Jacobi

1. Se transforma el siguiente sistema de ecuaciones a la forma

Profesora: Yolimar Medina 45

 2.6 Método de Jacobi

2. Se divide la matriz A de la forma :

Profesora: Yolimar Medina 46

2.6 Método de Jacobi

Profesora: Yolimar Medina 47

 2.6 Método de Jacobi
3. Sustituimos en la formula del método de Jacobi

El resultado obtenido se conoce como formula para iteración según el método de Jacobi

Profesora: Yolimar Medina 48

 2.6 Método de Jacobi
Variables iniciales X0=0 ; Y0=0 ; Z0=0

Para obtener el valor de X1=0 ; Y1=0 ; Z1=0 debemos sustituir los valores
iniciales en la formula, para hallar X2=0 ; Y2=0 ; Z2=0 se sustituyen los valores
de X1=0 ; Y1=0 ; Z1=0 en la formula hasta que converja

X1=1/3=0.3333 X2=1.25 X3=0.9537

Y1=1 Y2=0.52778 Y3=0.97222
Z1=7/4=1.75 Z2=1.333 Z3=0.99306

En la iteración n=15 es que converge el sistema de ecuaciones

X15=1
Y15=1
Z15=1

Profesora: Yolimar Medina 49

 2.6 Método de Jacobi
Ejemplo:

Profesora: Yolimar Medina 50

 2.6 Método de Jacobi
Las iteraciones que siguen se generan de forma similar:

Profesora: Yolimar Medina 51