UNIVERSIDAD NACIONAL AGRARIA

LA MOLINA

FACULTAD DE INDUSTRIAS ALIMENTARIAS

DEPARTAMENTO ACADÉMICO DE INGENIERÍA

Solución de ecuaciones: Método de Gauss

CURSO: INTRODUCCIÓN A LA INGENIERÍA DE ALIMENTOS

PROFESOR: EDWIN BALDEÓN CHAMORRO

GRUPO: 8

INTEGRANTES:

VILCA FIGUEROA, GONZALO FRANCISCO (expositor)

VILLALOBOS PICON, MIGUEL ANGEL FABRICCIO
VILLENA VELEZMORO, MARIA GRACIA (expositora)
YALTA ALIAGA, ANDERSON ALEXSANDER
YUCRA PALACIOS, MILAGROS YENIFER
ZUÑIGA TAMAYO, CRISTIAN EZEQUIAS

Fecha de presentación: 31 de octubre de 2018

LA MOLINA - LIMA - PERÚ

2018- II
MAPA CONCEPTUAL
 I. INTRODUCCIÓN

Antes de las computadoras, las técnicas para resolver las ecuaciones algebraicas lineales
consumían mucho tiempo y eran poco prácticas. Esos procedimientos restringieron la
creatividad debido a que con frecuencia los métodos eran difíciles de implementar y entender.
Como resultado, las técnicas se sobreenfatizaron, a expensas de otros aspectos del proceso de
resolución de problemas tales como la formulación y la interpretación.

Con el surgimiento de las computadoras se hizo posible resolver grandes sistemas de

ecuaciones algebraicas lineales simultáneas. Y así, se pudo afrontar ejemplos y problemas más
complicados. Además, se cuenta con más tiempo para usar sus habilidades creativas, ya que se
pondrá mayor énfasis en la formulación del problema y en la interpretación de la solución. Sin
embargo, es necesario aprender los cimientos de estas técnicas para así poder utilizar mejor las
herramientas computacionales y demostrar un mejor desempeño.

Por lo tanto, las ecuaciones lineales se pueden resolver con rapidez mediante técnicas simples;
sin embargo, con cuatro o más ecuaciones, la solución se vuelve laboriosa y debe usarse una
computadora.

El objetivo de la práctica es conocer el fundamento y la resolución de los problemas con

ecuaciones algebraicas lineales y la aplicación de estas ecuaciones en el campo de la ingeniería.
 II. REVISIÓN LITERARIA

1. ECUACIONES LINEALES

Según Akai, 1999, una ecuación lineal es una ecuación polinómica de grado 1 en una o
varias incógnitas. Es decir, es una expresión de la forma:
a1x1 + ... + anxn = b
Donde los términos a1, ..., an son números reales conocidos que se llaman coeficientes;
el término b es también un n´umero real conocido que se llama término independiente,
y por último los símbolos x1, ..., xn se conocen como incógnitas y son a priori
desconocidas. Para un número pequeño de incógnitas, será usual también denotarlo por
las letras x, y, z, t, …

Sistema de ecuaciones lineales

Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales de la forma:
a11 · x1 + a12 · x2 + a13 · x3 + ··· + a1n · xn = b1
a21 · x1 + a22 · x2 + a23 · x3 + ··· + a2n · xn = b2
... ... ... ... ... ...
am1 · x1 + am2 · x2 + am3 · x3 + ··· + amn · xn = bm

En este caso tenemos m ecuaciones y n incógnitas.

Los números reales aij se denominan coeficientes y los xi se denominan incógnitas (o
números a determinar) y bj se denominan términos independientes. En el caso de que
las incógnitas sean 2 se suelen designar simplemente por x e y en vez de x 1 y x2, y en
el caso de tres, x, y, z en lugar de x1, x2 y x3, pero esto es indiferente a la hora de resolver
el sistema.

1.1. Importancia de los sistemas de ecuaciones lineales

Se usan directamente en modelos matemáticos para redes eléctricas estructurales y de
tubería, así como en algunos métodos computacionales para ajustar curvas a datos.

También se usan en soluciones de diferencias finitas y de elementos finitos de

ecuaciones diferenciales parciales, representan aproximaciones de ecuaciones
matemáticas que no es posible resolver con métodos analíticos. Un método analítico es
el que produce soluciones exactas o aproximadas en forma cerrada.

En general, es probable que casi cualquier aplicación que requiera la solución de varias
cantidades utilice sistemas de ecuaciones lineales; de hecho, éstos son prerrequisitos
para todo el material consecuentemente explicado (Akai, 1999).

Matrices
Para entender el tema, se requieren de algunos conocimientos matemáticos. El álgebra
y la notación matricial son útiles, ya que proporcionan una forma concisa para
representar y manejar ecuaciones algebraicas lineales (Chapra & Canale, 2007).

1.1. Notación matricial

Una matriz consiste en un arreglo rectangular de elementos representado por un solo
símbolo.

Figura 1: Matriz
Fuente: Chapra & Canale, 2007

Donde [A] es la notación breve para la matriz y aij designa un elemento individual de
la matriz ubicado en la i-ésima fila y j-ésima columna. El primer subíndice i siempre
designa el número de fila o renglón y el segundo subíndice j designa la columna.
La matriz anterior [A] se dice que tiene una dimensión de n por m (n*m), es decir n
filas y m columnas (Arapa, 2012).

1.2. Vector fila o renglón

Se designa a las matrices con dimensión de fila n = 1, tales como:
[B] = [b1 b2 ··· bm]
Se elimina el primer subíndice de cada elemento. Una forma para llevar a cabo esto es
mediante el uso de corchetes abiertos en la parte superior.
⎣ B⎦ = [b1 b2 ··· bm]

1.3. Vector columna

Se designa a las matrices con dimensiones columna m = 1, tales como:

Figura 2: Vector columna

Fuente: Arapa, 2012

Se elimina el segundo índice de cada elemento a comparación de una matriz

convencional. Una notación breve para distinguir una matriz columna de otro tipo de
matrices consiste en emplear paréntesis de llave (Arapa, 2012).

Figura 3: Vector columna representado por llaves.

Fuente. Arapa, 2012

1.4. Matrices cuadradas

Las matrices en las que n = m se les llama matrices cuadradas. Por ejemplo, una
matriz de 4 por 4 es

Figura 4: Matriz cuadrada.

Fuente: Chapra & Canale, 2007
A la diagonal que contiene los elementos a11, a22, a33, a44 se le llama diagonal principal
de la matriz (Chapra & Canale, 2007).

Las matrices cuadradas resultan particularmente importantes cuando se resuelven

sistemas de ecuaciones lineales simultáneas. En tales sistemas, el número de ecuaciones
(que corresponde a los renglones) y el número de incógnitas (que corresponde a las
columnas) debe ser igual para que sea posible tener una solución única (Chapra &
Canale, 2007).

1.5. Tipos especiales de matrices cuadrática

1.5.1. Matriz simétrica
Aquella donde aij = aji para todo i y j.

Figura 5: Matriz simétrica.

Fuente: Chapra & Canale, 2007

1.5.2. Matriz diagonal

Es una matriz cuadrada en donde todos los elementos fuera de la diagonal
principal son iguales a cero.

Figura 6: Matriz diagonal.

Fuente: Arapa, 2012
1.5.3. Matriz identidad
Es una matriz diagonal, donde todos los elementos sobre la diagonal principal
son iguales a 1.

Figura 7: Matriz identidad.

Fuente: Arapa, 2012

El símbolo [I] se utiliza para denotar la matriz identidad, que tiene propiedades
similares a la unidad, es decir a 1 (Arapa, 2012).

1.5.4. Matriz triangular superior

Aquella matriz cuadrada donde todos los elementos por debajo de la diagonal
principal son cero.

Figura 8: Matriz triangular superior.

Fuente: Chapra & Canale, 2007

1.5.5. Matriz triangular inferior

Aquella matriz cuadrada donde todos los elementos por encima de la de la
diagonal principal son cero.

Figura 9: Matriz triangular inferior.

Fuente: Chapra & Canale, 2007
 1.5.6. Matriz bandeada
Aquella que tiene todos los elementos iguales a cero, con excepción de una
banda centrada sobre la diagonal principal.

Figura 10: Matriz triangular inferior.

Fuente: Arapa, 2012

La matriz anterior tiene una banda de 3 y se le da un nombre especial: matriz

tridiagonal.

1.6. Operaciones con matrices

1.6.1. Igualdad de matrices
Dos matrices n*m son iguales si, y solo si, cada elemento en la primera matriz es igual
a cada elemento en la segunda matriz (Arapa, 2012).
Es decir: [A] = [B]
Si aij = bij Para toda i y j.

1.6.2.Suma de matrices
La suma de dos matrices de n*m [A] y [B], se obtiene al sumar los términos
correspondientes de cada matriz.
[C] = [A] + [B]; cij = aij + bij Para i = 1, 2,…, n. y j = 1, 2,…, m.
- De manera similar la resta o diferencia de dos matrices [E] y [F] es:
[D] = [E] -[F]; dij = eij + fij Para i = 1, 2,…, n. y j = 1, 2,…, m.
- La suma es conmutativa
[A] + [B] = [B] + [A]
- La suma es asociativa
([A] + [B]) + [C] = [A] + ([B] + [C])
1.6.3. Multiplicación de matrices
a) Por un escalar
La multiplicación de una matriz [A] por un escalar g, se obtiene al multiplicar
cada elemento de [A] por g.

Figura 11: Producto escalar de una matriz.

Fuente: Chapra & Canale, 2007

b) Producto de dos matrices

Se representa como:
[C] = [A]*[B]
Donde m es la dimensión de la columna de [A] y la dimensión de la fila [B], es
decir el elemento cij se obtiene al sumar el producto de elementos individuales
de la i - ésima fila de la primera matriz [A], por la j – ésima columna de la
segunda matriz [B].

La multiplicación de dos matrices se puede realizar, solo si la primera matriz

tiene tantas columnas como el número de filas de la segunda matriz.

Figura 12: Producto de dos matrices.

Fuente: Chapra & Canale, 2007
2. MÉTODOS NUMÉRICOS

El método numérico es la rama de las matemáticas que se encarga de diseñar

algoritmos, a través de números y reglas matemáticas simples, simular procesos
matemáticos más complejos aplicados a procesos del mundo real (Gutiérrez, 2010).

Consiste en procedimientos que resuelven problemas y realizan cálculos, tomando en

cuenta las características especiales de los instrumentos de cálculo que nos ayudan en
la ejecución de las instrucciones del algoritmo con el fin de calcular o aproximar
algunas cantidad o función (Gutiérrez, 2010).

2.1. Importancia de los métodos numéricos.

Desde finales de la década de los cuarenta, la amplia disponibilidad de las computadoras
digitales ha llevado a una verdadera explosión en el uso y desarrollo de los métodos
numéricos. Al principio, este crecimiento estaba limitado por el costo de procesamiento
de las grandes computadoras (mainframes), por lo que muchos ingenieros seguían
usando simples procedimientos analíticos en una buena parte de su trabajo. Vale la pena
mencionar que la reciente evolución de computadoras personales de bajo costo ha
permitido el acceso, de mucha gente, a las poderosas capacidades de cómputo (Chapra
& Canale, 2007). Además, existen diversas razones por las cuales se deben estudiar los
métodos numéricos:
- Los métodos numéricos son herramientas muy poderosas para la solución de
problemas. Son capaces de manipular sistemas de ecuaciones grandes, manejar
no linealidades y resolver geometrías complicadas, comunes en la práctica de la
ingeniería y, a menudo, imposibles de resolver en forma analítica. Por lo tanto,
aumentan la habilidad de quien los estudia para resolver problemas.
- Hay muchos problemas que no pueden resolverse con programas. Si es
conocedor de los métodos numéricos y en la programación de computadoras,
entonces tiene la capacidad de diseñar sus propios programas para resolver los
problemas, sin tener que comprar un software costoso.
- Los métodos numéricos son un vehículo eficiente para aprender a servirse de
las computadoras. Es bien sabido que una forma efectiva de aprender
programación consiste en escribir programas para computadora. Debido a que
 la mayoría de los métodos numéricos están diseñados para usarlos en las
computadoras, son ideales para tal propósito. Además, son especialmente
adecuados para ilustrar el poder y las limitaciones de las computadoras. Cuando
desarrolle en forma satisfactoria los métodos numéricos en computadora y los
aplique para resolver los problemas que de otra manera resultan inaccesibles,
dispondrá de una excelente demostración de cómo las computadoras sirven para
su desarrollo profesional. Al mismo tiempo, aprenderá a reconocer y controlar
los errores de aproximación que son inseparables de los cálculos numéricos a
gran escala.
- Los métodos numéricos son un medio para reforzar su comprensión de las
matemáticas, ya que una de sus funciones es convertir las matemáticas
superiores en operaciones aritméticas básicas, de esta manera se puede
profundizar en los temas que de otro modo resultan oscuros. Esta perspectiva
dará como resultado un aumento de su capacidad de comprensión y
entendimiento en la materia (Chapra & Canale, 2007).

3. MÉTODOS PARA LA SOLUCIÓN DE ECUACIONES LINEALES

Los métodos de resolución de sistemas de ecuaciones se pueden dividir en dos grandes

grupos (Díaz, 1998):
Los Métodos exactos o algoritmos finitos que permiten obtener la solución del sistema
de manera directa.
Los Métodos aproximados que utilizan algoritmos iterativos e infinitos y que calculan
la solución del sistema por aproximaciones sucesivas.

Al contrario de lo que pueda parecer, en muchas ocasiones los métodos aproximados

permiten obtener un grado de exactitud superior al que se puede obtener empleando los
denominados métodos exactos, debido fundamentalmente a los errores de truncamiento
que se producen en el proceso (Díaz, 1998).
3.1 Métodos exactos o directos
Según Bayona (2010), son aquellos que permiten obtener la solución después de un
número finito de operaciones aritméticas. Este número de operaciones es, obviamente,
función del tamaño de la matriz.

Si los ordenadores pudieran almacenar y operar con todas las cifras de los números
reales, es decir, si emplearán una aritmética exacta, con los métodos directos se
obtendría la solución exacta del sistema en un número finito de pasos.

Puesto que los ordenadores tienen una precisión finita, los errores de redondeo se
propagan y la solución numérica obtenida siempre difiere de la solución exacta.

Figura 13: Clasificación de los métodos directos.

Fuente: Bayona, 2010

Según Gutiérrez (2010), destacan dos metodologías: la primera se basa en la

eliminación de elementos, y entre sus métodos sobresalen el método de Gauss, el
método de Gauss-Jordan y el cálculo de la matriz inversa; la segunda se basa en la
factorización, y entre sus métodos destacan la descomposición triangular inferior y
superior, la factorización de Doolittle-Crout, el método de Cholesky y la factorización
QR.
 Eliminación de Gauss
Es un esquema algorítmico que comprende 2 fases: la eliminación hacia adelante y la
sustitución hacia atrás (Chapra & Canale, 2007).

En el método de eliminación de Gauss el problema original, Ax=b, se transforma

mediante permutaciones adecuadas y combinaciones lineales de cada una de las
ecuaciones en un sistema de la forma. Ux =c donde U es una matriz triangular superior.
Este nuevo sistema equivalente al original es de resolución inmediata, sólo es necesario
aplicar el algoritmo de sustitución hacia atrás (Bayona, 2010).

Figura 14: Las dos fases de Gauss. Los superíndices primas indican el número de veces que
se han modificado los coeficientes y constantes.
Fuente: Chapra & Canale, 2007

Método de Gauss-Jordan
Es una variación de la eliminación de Gauss. La principal diferencia consiste en que
cuando una incógnita se elimina en el método de Gauss-Jordan, ésta es eliminada de
todas las otras ecuaciones, no sólo de las subsecuentes. Además, todos los renglones se
normalizan al dividirlos entre su elemento pivote. De esta forma, el paso de eliminación
genera una matriz identidad en vez de una triangular. En consecuencia, no es necesario
usar la sustitución hacia atrás para obtener la solución (Chapra & Canale,2007).
3.2 Métodos aproximados, indirectos o iterativos

Según Bayona (2010), un método iterativo para resolver ecuaciones es aquel en el cual
una primera aproximación es usada para calcular una segunda aproximación, la cual a
su vez es usada para calcular una tercera aproximación, y así sucesivamente.

Se dice que el procedimiento iterativo es convergente cuando las diferencias entre la

solución exacta y las sucesivas iteraciones tiende a cero al incrementarse el número de
iteraciones. En general la solución exacta nunca es obtenida en un número finito de
pasos, pero esto no es importante. Lo que importa es que las sucesivas iteraciones
convergen rápidamente a valores que puedan considerarse correctos dentro de una
precisión especificada.

Como se mencionó previamente podríamos considerar el uso de métodos iterativos

cuando, entre otros casos, los métodos directos requieran más espacio de
almacenamiento rápido (memoria) que el disponible y la matriz de coeficientes sea
esparza, pero bien condicionada.

Los dos más comunes son el método de Jacobi y el método de Gauss-Seidel.

Considerando el sistema de ecuaciones en la forma:

Método de Gauss-Seidel

Conforme un nuevo valor de x se calcula con el método de Gauss-Seidel, éste se usa

inmediatamente en la siguiente ecuación para determinar el otro valor de x (Chapra &
Canale, 2007).
El método de Gauss – Seidel para ser convergente en la resolución de un sistema de
ecuaciones A. x = b requiere que la matriz de coeficientes A cumpla con la misma
condición requerida en el método de Jacobi (Bayona,2010).

Método de Jacobi
Esta técnica usa la ecuación para calcular un conjunto de nuevas x con base en un
conjunto de x anteriores. De esta forma, conforme se generan nuevos valores, no se
usan en forma inmediata, sino que se retienen para la siguiente iteración (Chapra &
Canale, 2007).

Partimos de una aproximación inicial para las soluciones al sistema de ecuaciones y

sustituimos estos valores en la ecuación. De esta forma, se genera una nueva
aproximación a la solución del sistema, que, en determinadas condiciones, es mejor que
la aproximación inicial. Esta nueva aproximación se puede sustituir de nuevo en la parte
derecha de la ecuación y así sucesivamente hasta obtener la convergencia (Díaz, 1998).

El método de Jacobi no es incondicionalmente convergente, esto es, no siempre las

sucesivas aproximaciones convergen a un valor determinado. La matriz de coeficientes
del sistema a resolver debe cumplir con ciertas condiciones para asegurar la
convergencia del método. Puede demostrarse que el método de Jacobi aplicado al
sistema de ecuaciones A. x = b es convergente si la matriz A es estrictamente diagonal
dominante, es decir, si en cada fila de A el módulo del elemento diagonal es mayor que
la suma de los módulos de los elementos restantes de la fila (Bayona, 2010).
Figura 15: La diferencia entre los métodos de a) Gauss-Seidel y b) iterativo de Jacobi, para
resolver sistemas de ecuaciones algebraicas lineales.
Fuente: Chapra & Canale, 2007
Ejemplo de aplicación simple
Resolver el siguiente sistema:
2x + y - 3z = 5
3x - 2y + 2z = 6
5x - 3y - z = 16
La matriz aumentada del sistema es:

Debe llevarse la matriz a la forma escalonada reducida haciendo operaciones entre

filas o columnas. Al observar el mejor paso para obtener el 1 en la primera fila es
multiplicar 1/2 a F1.

A continuación, se realiza las siguientes operaciones: F2 - 3F1 y F3 - 5F1:

Se multiplica - (2/7) a F2 seguida a esta operación se realiza la siguiente operación:

F3 + (11/2) F2:
Ahora se realiza la siguiente operación: - (7/26) F3:

Comenzar con la última fila no nula, avanzar hacia arriba: para cada fila obtener un 1 e
introducir ceros arriba de éste, aplicando las operaciones necesarias para conseguirlo.
Se empieza con: F2 + (13/7) F3.

Se sigue finalmente con: F1 + (3/2) F3 y F1 - (1/2) F2

La solución del sistema es, por lo tanto:

x = 18/13
y = -5/2
z = -41/26
Aplicación a la Industria Alimentaria

En un análisis nutricional se ejecuta un experimento con estudiantes voluntarios. Se

desea alimentar a cada uno de ellos con una dieta diaria que consiste en una
combinación de tres alimentos comerciales dietéticos: Minical, LiquiFast y SlimQuick.
Por lo que se refiere al experimento es importante que la persona consuma todos los
días exactamente 500 mg de potasio, 75 g de proteína y 1150 unidades de Vitamina D.
Las cantidades de estos nutrientes en una onza de cada alimento se proporciona en la
siguiente tabla, ¿cuántas onzas de cada alimento debe de comer la persona todos los
días para que cumpla con las cantidades exactas de los nutrientes? (Medina, 2014).

MiniCal LiquiFast SlimQuick

Potasio (mg) 50 75 10

Proteínas (g) 5 10 3

Vitamina D 90 100 50
(unidades)

Resolución:
Sean x, y, z las cantidades de los productos nutricionales a consumir. tendremos 50x
mg de potasio del MiniCal, 75y mg de LiquiFast y 10z mg de SlimQuick, teniendo un
total de 50x + 75y+ 10z mg de potasio en total, puesto que requerimos 500 mg de
potasio, tenemos aquí la primera ecuación, de igual formas se procede con los otros
valores.

50x + 75 y + 10z = 500

5x + 10y + 3z = 75
90x + 100y +50z = 1150

Matriz aumentada:
Resolución mediante método de Gauss - Jordan:

Resultando así: x = 5, y =2, z = 10

La persona deberá consumir 725 mg de MiniCal, 370 mg de LiquiFast y 630 mg de
SlimQuick.
 III. CONCLUSIONES

- La resolución de los sistemas de ecuaciones lineales involucra conocimientos previos,

los cuales son muy importantes ya que facilitan la comprensión del método para su
determinación.

- Es conveniente analizar estas dificultades del método antes de escribir un programa de

cómputo general donde se implemente.
 IV. BIBLIOGRAFÍA

- Akai, T. 1999. Métodos Numéricos aplicados a la ingeniería. México, D.F.:

Limusa S.A.

- Arapa, J. 2012. Análisis Numérico en Ingeniería con aplicaciones en Matlab.

Lima: Q y P Impresiones S.R.L.

- Bayona, B. 2010. Solución de Sistemas de Ecuaciones Lineales (en línea).

Universidad Industrial de Santander. Disponible en:
https://es.scribd.com/doc/34843241/Solucion-de-Sistemas-de-Ecuaciones-
Lineales-Metodos-Directos-e-Iterativos

- Chapra & Canale. 2007. Métodos numéricos para ingenieros. 5ed. México.
McGraw-Hill/Interamericana Editores S.A. 1001p.

- Díaz, W. 1998. Resolución de sistemas de ecuaciones lineales (en línea).

Universidad de Valencia. España. Disponible en:
https://www.uv.es/~diaz/mn/node25.html

- Gutiérrez, J. 2010. Análisis numérico. México. McGraw-Hill/Interamericana

Editores S.A.

- Medina, R. 2014. Aplicaciones de matrices y determinantes. Universidad

Técnica Particular de Loja.