Ceros de funciones algebraicas.

Divisin sinttica:
Supngase que se tiene la divisin de polinomios:

8 x 5 +3 x 4 +2 x2 + 4 x6
x +1

Si se quisiera resolver la divisin solo aplicando conocimientos de algebra lo que

haramos seria llevar a cabo una divisin polinmica, sin embargo es posible realizar
la misma tarea pero de una forma ms simple, para casos especficos en los que se
tiene la divisin de un polinomio entre un monomio resulta conveniente y practico
representar ambos polinomios de una forma resumida, ignorando en la escritura las
variables que se encuentran elevadas a las potencias correspondientes y escribiendo
solo los coeficientes que acompaan a las variables, tomando en cuenta que dichos
coeficientes estarn ordenados de tal manera que el primero de los coeficientes
corresponda a la variable de la mayor potencia, el segundo corresponda a la variable
un grado menor que la potencia mayor y as sucesivamente hasta llevas al termino
independiente
As pues el polinomio

8 x +3 x +2 x + 4 x6
Se puede representar por solo:

8 3 2 46

y la divisin quedara representada por:

1 83 2 46

Es importante mencionar que al hacer una divisin sinttica de este tipo se obtiene
un cociente que ser un polinomio de un grado menor al polinomio original y se
obtendr un residuo el cual, si toma un valor de cero nos indicara que la funcin
tiene un valor f(x) igual a cero.
Por ejemplo:
La divisin:
5

2 x 9 x +11 x 6 x 6 x +18
x3
Se puede representar segn lo dicho como:

Ahora el procedimiento a seguir es el siguiente:

1.- Se baja el primer coeficiente del polinomio que se encuentra dentro de la lnea de
operacin:

2.-Multiplicar el nmero que se encuentra fuera de la lnea de operacin por el

nmero que se baj en el paso anterior y colocar el resultado en la columna
perteneciente a los coeficientes de grado n-1

3.- realizar la suma del coeficiente -9 y el numero 6

4.-Multiplicar el nmero que se encuentra fuera de la lnea de operacin por el

nmero que se obtuvo de la suma en el paso anterior y colocar el resultado en la
columna perteneciente a los coeficientes de grado n-2

5.- realizar la suma del coeficiente 11 y el nmero -9

6.- repetir el procedimiento de forma similar

El cociente entonces ser un polinomio de grado menor:

2 x 4 3 x 3+ 2 x 2+ 0 x6
Y el residuo es cero, con lo cual concluimos que el nmero 3 satisface que f(x)=0
con lo que se dice que se ha encontrado un cero de la funcin; Grficamente esto se
representa como un cruce de la grfica por el eje de las x:

Que como se puede ver en el zoom de la grfica antes mostrada se observa

claramente un cruce por el eje de las x

Algo que vale la pena resaltar en la forma en cmo se representan los polinomios
en una divisin sinttica es que cuando un coeficiente es cero no se debe omitir
dicho valor en la representacin, esto es:
El polinomio:
2 x 4 3 x 3+ 2 x 2+ 0 x6
Se representa como:
23 2 06

Nunca como:
23 26

Ahora bien, hemos visto que se pueden obtener los ceros o races de los
polinomios dividiendo sintticamente el polinomio a resolver entre un binomio de la
forma (X+C)
Esto nos arroja un valor que satisface a f(x)=0 solo cuando el valor del residuo de
nuestro proceso de divisin en cero, por tanto en natural pensar en Qu valores de
C tengo que proponer en el binomio para obtener un residuo igual a cero?
En realidad se deben de proponer los valores de C de una forma arbitraria,
inclusive, podra decirse que es una tarea ardua encontrar los valores de C que
hacen que el residuo del proceso de divisin sea cero, por tal motivo se desarrollaron
las reglas de descartes que permiten determinar el nmero mximo de posibles
races reales positivas y negativas, con lo cual se reduce un poco el intervalo de
valores que se pueden proponer para C ya que si predecimos un polinomio con solo
races positivas propondremos entonces races positivas y nunca negativas. Las
reglas de descartes son:
La cantidad de races reales positivas es igual al nmero de cambios de signo
de f(x) o disminuido en ese nmero en una cantidad entera par.
La cantidad de races reales negativas es igual al nmero de cambios de
signo de f(-x) o disminuido en ese nmero en una cantidad entera par.

Para ejemplificar las reglas de los signos de descartes propongamos:

f ( x )=8 x 5 +4 x 4 + 4 x 3 +2 x 2 +6 x +3
Igualndolo a cero queda:
8 x 5+ 4 x 4 + 4 x 3+ 2 x 2 +6 x+3=0

Como se observa ocurre lo siguiente con los signos:

No existen cambios en los signos por lo que se concluye que no existen races
positivas

Ahora hagamos f(-x)

f (x )=8(x)5 + 4(x) 4 +4 (x)3 +2(x)2 +6(x)+3
e igualemos a cero:
5

0=8 x +4 x 4 x +2 x 6 x +3
Como se observa curre lo siguiente con los signos:

se observan 5 cambios de signo por lo cual se concluye que existen mximo 5

races negativas

Si uno es observador se dar cuanta que hemos redactado mximo 5 races eso
significa que existen varias posibilidades en la que es posible obtener 5 races
positivas, pero tambin existen otras opciones resultantes las cuales se dan en la
siguiente tabla:

Posibilidad

Races reales
+

Races reales -

Races
imaginarias

Races totales

Observe como se ve disminuido el nmero 5 en un numero entero par (2) en cada

una de las posibilidades siguientes a la opcin 5 races reales negativas.

Para terminar con este tema es importante redactar los teoremas formales que rigen
a la division sintetica:
Teorema del residuo
Si se divide la funcin polinomial (x) entre el binomio x - a donde a es un
nmero real, el residuo es igual a (a).
El teorema del residuo indica que el resultado de evaluar numricamente una
funcin polinomial para un valor a es igual al residuo de dividir el polinomio
entre x - a.

Teorema del factor

Si a es una raz de (x), entonces x - a es un factor del polinomio, donde a es un
nmero real.
Aqu podemos observar la importancia de conocer el valor del residuo, ya que si
ste es igual a cero, nos va a indicar que hemos encontrado un factor del
polinomio y con l, una raz del polinomio (una solucin a la ecuacin
polinomial (x) = 0).

Y tambin es importante resaltar el teorema fundamental del algebra el cual

establece que todo polinomio de una variable no constante
con coeficientes complejos tiene una raz compleja, es decir, existe un nmero
complejo que evaluado en el polinomio da cero. Este incluye polinomios con
coeficiente reales, ya que cualquier nmero real es un nmero complejo con parte
imaginaria igual a cero.
Este principio implica que todos los polinomios de grado n tienen
exactamente n races.

Mtodo de la biseccin:
Este mtodo se usa principalmente para conocer los ceros de una funcin, dicho
mtodo se fundamenta en teorema del valor intermedio el cual dicta que:

Sea

una funcin continua en un intervalo

que f ( a )< u<f (b) , existe al menos un

Analicemos en caso particular en el que

f (a)

[a ,b ] . Entonces para cada u tal

dentro de

(a , b) tal que f ( c )=u .

tiene signo opuesto a

f (b) si

esto ocurre, obligatoriamente se tiene que generar un cruce de la grfica por el eje
de las x, sea, se cumplir la existencia del valor intermedio u =0, significa
entonces que existe por lo menos un valor c dentro del intervalo (a,b) que satisface
f ( c )=0
a
Grficamente esto es:

Mediante este teorema se conoce que existe una raz dentro del intervalo elegido,
pero no se conoce el valor exacto de esta raz, entonces Cmo aproximarla?
Lo que se tiene que llevar acabo es un proceso iterativo que sigue estos pasos:
Supngase que se tiene lo siguiente:

Si se hace:
xr=

xl+ xo
2

Se encontrara el punto medio del intervalo

[xl , xo]

(punto verde de la grfica) lo

que ser una aproximacin a la raz, la raz exacta se encuentra en cualquiera de

los dos intervalos [ xl , xr ] ,[xr , xo] lo cual se determina aplicando las siguientes
condiciones:
si f ( xl )f ( xr ) <0 la raiz esta en[ xl , xr ]
si f ( xl )f ( xr ) >0 la raiz esta en[ xr , xo]
Grficamente para el caso de nuestra grafica esto es:

Como se puede ver el valor

f (xl)

f ( xl )f (xr )

lo que el producto de

es positivo y el valor de

f ( xr)

es positivo, por

es positivo, esto nos lleva a la conclusin de

que la raz (punto rojo de la grfica) est en el intervalo

[xr , xo] .

Una vez que se sabe esto, se tiene que refrescar el intervalo de bsqueda, con lo
que se deben tener en cuenta los siguientes criterios:

si f ( xl )f ( xr ) <0 la raiz esta en [ xl, xr ]

Entonces:
xo=xr

Y el nuevo intervalo ser:

[xl , xo]

si f ( xl )f ( xr ) >0 la raiz esta en[ xr , xo]

Entonces:
xl=xr

Y el nuevo intervalo ser:

xl=xo

Para el caso de nuestra grafica esto es:

Ahora, vemos que el intervalo se reduce, as pues al calcular un nuevo valor de

xr se tiene grficamente:

Como podemos ver, al valor de

al hacer el producto de

xr

f ( xl )f (xr )

indica que la raz est en el intervalo

xr=x 0 y el intervalo ser

[xl , xo]

le corresponde un valor

f ( xr)

negativo, as

se obtendr un nmero negativo lo que nos

[xl , xr ] por lo que ahora es necesario hacer

Este procedimiento se repite la cantidad de veces que sea necesario hasta cumplir
que el error sea menor que la tolerancia establecida:
El error est dado por:
E=

xr actual xr an terior
100
xr actual

Y la condicin de paro entonces ser:

E<tolerancia
Las desventajas de usar este mtodo son:
No tiene en cuenta la magnitud de los valores de la funcin en las aproximaciones
calculadas xn, solo tiene en cuenta el signo de f(x), lo que hace que una
aproximacin intermedia, mejor que la respuesta final, pase desapercibida.
Convergencia lenta.

Mtodo de newton raphson:

se trata de un mtodo numrico eficiente que sirve para encontrar las races de una
funcin, este es un mtodo abierto en el sentido de que no se asegura su
convergencia, esta depende de un valor inicial que se tiene que incluir en el

procedimiento, por tal motivo, si dicho valor inicial se encuentra cercano a la raz la
convergencia es casi segura, en contraste, si este es un valor lejano, la
convergencia es vaga e inclusive nula.
Una vez que se ha tomado un valor arbitrario de arranque el mtodo linealiza la
funcin mediante una recta tangente a la curva evaluada en ese punto de arranque
tomado, esta lnea se extiende lo suficiente como para que choque con el eje de las
equis, al suceder esto, ese valor x en donde la lnea tangente a la curva coincidi se
toma como el nuevo valor x que se usara de nuevo en el algoritmo y que de hecho es
una aproximacin a la raz que se busca.
La explicacin del mtodo se da en el siguiente ejercicio grfico:
Suponga que se tiene la misma funcin usada en el mtodo de la biseccin, como
podemos ver existe una raz (punto rojo de la grfica) la cual se desea conocer; Lo
primero que se hace es establecer un valor de arranque xo :

Ahora, es necesario establecer la primera aproximacin linealizando la curva dada,

esta aproximacin est representada en la grfica por el punto verde.

Matemticamente, si se arranca de un valor inicial

x0

, el punto x en el que la

tangente coincide con el eje x est dado por:

x 1=xo

Esto es:

f ( x 0)
'
f (x0)

Asi para una proxima iteracion tenemos:

Como se puede observar, este es un mtodo que posee convergencia cuadrtica lo

que lo convierte en un mtodo de solucin rpida en caso de que se tome un valor
de arranque apropiado, inclusive se estima que en promedio se llega a la
convergencia a la cuarta o sexta iteracin, sin embargo existen inconvenientes en el
uso de este mtodo:
-

Si

f ' ( x ) 0 el metodo falla

si f ' ( x ) el metodo es lento

f ' ' ( x ) 0 el metodo tienda a fallar

si existen raices multiples f ' ( x ) =0 el metodo falla

-

si ( x )=min ( f ( x )) el metodo oscila

si ( x )=max (f ( x )) elmetodo oscila

El criterio de paro es el mismo que se usa para el mtodo de la biseccin, el cual

establece un paro si:
E<tolerancia

Donde
E=

esta dado por:

f ( x i+1)f ( xi )
100
f ( xi +1)

Metodo de la secante:
Este mtodo es una de las variaciones del mtodo de newton raphson, sus ventajas
se hacen notables al tener una funcin que resulta difcil de derivar ya que este
mtodo obtiene la derivada de una forma numrica, por tal motivo, se requieren dos
valores de arranque, aun as, el mtodo se considera abierto, ya que no es
necesario que el valor de la raz se encuentre dentro del intervalo formado por los
valores de arranque elegidos.
La forma en cmo se evita la derivada analtica del mtodo de newton raphson es
usando una derivada numrica dada por:
f ' ( xi )=

f ( x i1 ) f ( x i )

( x i1 ) ( xi )

(Recuerde de geometra analtica que la pendiente de una recta est dada por
m=

y 2 y 1
x 2x 1

de aqu se obtiene la forma anterior)

As al aplicar dicha derivada numrica en la forma de newton raphson se tiene:

x i+1=x i

f ( x i )(xi 1 xi )
f ( x 11 ) f ( x i )

Pero Por qu se llama secante? Y Cmo es que se representa este cambio de

una manera grfica?

Bueno, recordemos que se denomina recta secante a una recta que corta a una
curva en dos puntos, al reducir la distancia entre estos puntos hasta el lmite en el
que la distancia entre dichos puntos tiende a cero se llega a lo que se conoce como
recta tangente.
As pues, en cada iteracin del mtodo de la secante se obtiene una recta de este
tipo, la cual se puede ver en el siguiente ejemplo:

Suponga que tiene la siguinte funcion:

Ahora establezca los puntos de arranque

que una los puntos

[ xo , f ( x 0 ) ] y [ x 1, f ( x 1 ) ]

xo

x1

y establezca una lnea recta

la cual ser nuestra recta secante:

El punto del eje x que intercepta la lnea secante esta dado segn lo dicho por:

x i+1=x i

f ( xi )(x i1 xi )
f ( x i1 )f ( x i )

Y este punto ser una aproximacin de la raz.

Haciendo una segunda iteracin se tiene el siguiente grfico:

Y otras iteraciones:

Como se puede ver tanto las ventajas como desventajas del mtodo de la secante
son similares al mtodo de newton raphson ya que uno es producto del otro, existen
otras variaciones para este mtodo y una de ellas se estudiara a continuacin.

Mtodo de la secante modificado

Este mtodo es solo una simplificacin del mtodo de la secante que busca evitar la
seleccin de dos valores de x, para resolver el problema este procedimiento incluye
xi
un nuevo dato que es una perturbacin x de la condicin inicial
.
La derivada necesaria para el procedimiento se aproxima entonces a:

f ' (x)

f ( xi + x i ) f (x i )
xi

Quedando la expresin para la secante modificada:

x i+1=x i

f ( xi ) xi
f ( x i + x i )f ( x i)

El problema con este mtodo est en la seleccin de la condicin inicial y el valor de

xi
, un valor errneamente elegido de dicha perturbacin generara errores
notables en la obtencin del resultado.

Como se pudo apreciar en las grficas el procedimiento consiste en especificar las

condiciones iniciales, en el caso de la secante modificada se deber tomar el valor
xi
.
Luego se calcula la primer aproximacin usando las formulas correspondientes para
cada mtodo
Secante:

x i+1=x i

f ( xi )(x i1 xi )
f ( x i1 )f ( x i )

Secante modificada:
x i+1=x i

f ( xi ) xi
f ( x i + x i )f ( x i)

Por ltimo se mide el grado de error y se compara con una tolerancia, si se cumple
la tolerancia deseada se para el proceso, si no es as si hace el numero necesario de
iteraciones hasta cumplir la condicin.

Mtodo de newton raphson para sistemas de ecuaciones

no lineales.
Este mtodo se usa para resolver sistemas de ecuaciones no lineales, el problema
se puede expresar de la siguiente forma:

f 1 ( x 1 , x 2 , x 3 x n ) =0
f 2 ( x 1 , x 2 , x 3 xn ) =0
f 3 ( x 1 , x 2 , x 3 xn ) =0
f n ( x 1 , x 2 , x 3 x n )=0
En donde las funciones son ecuaciones no lineales.
El mtodo busca encontrar los valores para las incgnitas x que hacen que se
satisfagan todas las ecuaciones.
Dado que estas funciones no son lineales, se deben expandir en sus series de
Taylor.
Es importante mencionar que para esta deduccin es necesario tener conocimiento
de clculo de varias variables (calculo 3) ya que esta expansin en series de Taylor
no es una expansin comn si no que es una expansin de una serie de varias
variables.

Para ejemplificar de una forma ms entendible primero se har la deduccin para un

sistema de dos ecuaciones no lineales con dos variables:
Estos sistemas se pueden representar por:
f ( x , y ) =0
f 2 ( x , y )=0
Recordemos que la expansin por series de Taylor siempre se hacen alrededor de un
punto, en este caso lo haremos alrededor del punto (x,y)
Entonces obtenemos:
f ( x + x , y + y )=f ( x , y )+ x

f
f
2
2
+ y
+O( x + y )
x
y

f 2 ( x+ x , y + y )=f 2 ( x , y ) + x

f2
f
+ y 2 +O( x 2 + y 2 )
x
y

En done buscaremos resolver para

, y

Asi pues representamos el sistema de ecuaciones de forma matricial

( )( )
f
x
f2
x

f
y x
f (x, y)
=
f2 y
f 2( x , y )
y

La matriz

( )
f
x
f2
x

f
y
f2
y

Es conocida como matriz jacobiana la cual se denota por J(x,y)

Ahora que se conoce la solucin para un sistema 2X2 y se conoce el concepto de
jacobiano se puede generalizar la deduccin, la cual quedara representada por el
siguiente arreglo matricial:
f
x
f2
x
f3
x
.
fn
x

f
y
f2
y
f3
y
.
fn
y

f
f

z
n
f ( xi )
f2
f2 x

f 2 ( xi )
z
n y
f 3
f 3 z = f 3 ( xi )

.
z
n
.

n
.
.
f n ( xi )
f n f n
z
n

( )

( )( )

Que puede ser representado de forma resumida

[J ]i [ x]i =[ f (x)]i
As pues, para resolver el sistema se llevara a cabo un proceso iterativo en donde
primero se propondr un valor inicial x , luego, con este valor se resolver
[J ]i [ x]i =[ f (x)]i , una vez obtenidos los valores de los
nuevo valor de

de la siguiente manera

x , y

x i+1=x i + x i

, lo mismo se deber

hacer para nada una de las variables.

Ilustremos el procedimiento con un ejemplo:

f ( x , y ) =x3 3 x y 21
f 2 ( x , y )=3 x 2 y y 3

Con los valores iniciales:

0.6
0.6

3
2
3 x 23 y 2
6 xy
x = x 3 x y 1
6 xy
3 x 23 y 2 y
3 x 2 y y 3

)( ) (

0
(2.16

)( ) (

2.16 x = 0.568
0 y
0.432

Que representa el sistema de ecuaciones:

0 x +2.16 y=0.568

se calcula el

2.16 x+ 0 y=0.432
Una vez resueltas estas ecuaciones se obtiene los valores:
x=0.2
y=0.262963
As pues

x=0.2+ (0.6 )=0.4

y=0.2622963+ ( 0.6 )=0.8622963
En la segunda iteracin se tendr:
x=0.4

y=0.8622963

(1.75066473
2.06951112

)( ) (

2.06951112 x = 0.17173411
1.75066473 y
0.22726242

x=0.139299
y =0.0348546
Que generan los valores
x=0.539299

y=0.8971509

Despus de 5 iteraciones se obtiene:

x=0.49999999
y=0.866025403

El valor obtenido mediante un paquete computacional es:

x=0.5

y=0.866025

Con esto calcularemos el error existente:

E=

0.50.49999999
100=0.0000002
0.5

Lo cual es un valor bastante preciso y de uso aceptable para aplicaciones basica de

ingeieria.

Solucion de sistemas de ecuaciones.

Eliminacion gaussiana:
Este mtodo se aplica para resolver sistemas lineales de la forma:

AX=B

Consiste en escalonar la matriz aumentada del sistema aumentado, obteniendo as

una matriz triangular superior.

Antes de proceder a explicar el mtodo es importante saber que una matriz

aumentada es la combinacin de dos matrices tal como se ve en este ejemplo:
Supngase que se tiene la matriz
1 3 4
A=5 4 3
2 2 6

Y que tambien se tiene la matriz:

3
B=2
1
La matriz aumentada se denota por
1 3

43

2 2

61

A|B :

A|B =5 4 3 2

Para fines practicos y para evistar confusiones se acostumbra colocar una linea que
separe las matrices:
1 3

43

2 2

61

A|B =5 4 3 2

Ahora, una matriz se llama escalonada por filas o simplemente escalonada si cumple
con las siguientes propiedades:
1. Todas las filas cero estn en la parte inferior de la matriz.
2. El elemento delantero de cada fila diferente de cero est a la derecha del elemento
delantero diferente de cero del rengln anterior.
para hacer una matriz escalonada es necesario llevan acabo productos de filas por
escalares y operaciones de sumas, restas e intercambio de filas.
Vemos un ejemplo para entender lo dicho:

1
A= 1
2
4

2 3 4
1 1 0
1 0 1
3 2 1

Hacemos las siguiente operaciones de filas:

F2 F 1F 2
F3 F 4 2 F 3

( )

1
A= 0
0
4

2
1
1
3

3
4
2
2

4
4
3
1

Ahora hacemos
F 4 F 44 F1
F3 F 2F 3

1 2
3 4
4 4
A= 0 1
0 0
2
1
0 5 10 15

Despues
F 4 F 4 +5 F 2

1
A= 0
0
0

F4

F4
5

2 3
1 4
0 2
0 10

4
4
1
5

( )

1
A= 0
0
0

2 3 4
1 4 4
0 2 1
0 2 1

Por ultimo:
F 4 F 4F 3

( )

1
A= 0
0
0

2
1
0
0

3 4
4 4
2 1
0 0

La cual es simplemete una matriz escalonada por filas.

El metodo de la eliminacion gaussina simple, busca entonces reducir a su forma

escalonada una matriz amentada para obtener especificamente una matriz traingular
superior, la cual sera una representacion util para resolver el sistema al aplicar una
sustitucion hacia atrs.
Esto se observa en el siguiente ejemplo:
Supongase que se tiene:

6 2
2 4 12
A|B = 12 8 6 10 34
3 13 9
3 27
6
4
1 18 38

En el primer paso, multiplicamos la primera ecuacin por 2 y la restamos a la

segunda, despus multiplicamos la primera ecuacin por
tercera y finalmente multiplicamos la primera ecuacin por

1
2

y la restamos a la
1

y la restamos a la

cuarta. Los nmeros 2,

1
2

y -1 son los multiplicadores del primer paso del proceso

de eliminacin. El nmero 6 es el elemento pivote de este primer paso y la primera

fila, que no sufre modificacin alguna, se denomina fila pivote. El Sistema quedara:

6 2
2 4 12
2 2 10
A|B = 0 4
0 12 8
1 21
0
2
3 14 26

En el siguiente paso del proceso, la segunda fila se emplea

como fila pivote y -4 como elemento pivote. Aplicamos del
nuevo el proceso: multiplicamos la segunda fila por 3 y la
restamos de la tercera y despus multiplicamos la segunda fila
por

1
2

y la restamos a la cuarta. el sistema de ecuaciones se

reduce a:

6 2
2 4 12
A|B = 0 4 2 2 10
0 0 2 5 9
0 0 4 13 21

El ltimo paso consiste en multiplicar la tercera ecuacin por 2 y

restarla a la cuarta. El sistema resultante resulta ser:

6 2 2 4 12
A|B = 0 4 2 2 10
0 0 2 5 9
0 0 0 3 3

Como se puede ver esta matriz es una matriz triangular superior la cual si se toma
en cuenta que el vector de incognitas es:

a
b
A=
c
d
representa lo siguiente:
3 d =3

2 c5 d=9
4 b+ 2c +2 d=10

6 a2 b+2 c+ 4 d =12
Ahora hacemos un proceso de sustitucion en donde, al saber que

d=1

Se puede saber que:

c=

9+5 d
=2
2

Y sabiendo el valor de d y c se pasa a conocer el valor de b:

b=

102 d2 c
=3
4

Por ultimo se encuentra el valor de a de la siguiente manera:

a=

124 d2 c+2 b
=1
6

Como se observa la forma en como se encontraron los valores de las incognitas es

una forma hacia atrs esto significa que no se encontraron en el orden a,b,c,d si no
que se resolvio encontrando d,c,b,a es por eso que esta parte del metodo se lo
conoce como sustitucion hacia atrs.

Eliminacion de gauss- jordan.

Este metodo es casi una continuacion del metodo de la solucion de sistemas de

ecuaciones por elmininacion gaussina simple, en este caso no se pausa el
procedimiento del metodo al llegar a la matriz triangular superior,si no que se
continual el procedimiento hasta obtener en la matriz de coeficientes una matriz
diagonal unitaria .
Esto se ve en el siguiente ejemplo:
Supongase el siguiente sitema de ecuaciones:
x3 y +2 z =3

5 x+6 y z=13
4 x y+ 3 z =8

Este sistema se puede representar en la siguiente matriz aumentada:

1 3 2 3
A|B = 5 6 1 13
4 1
3 8

Que al aplicar el mismo procedimiento de reduccion, pero ahora,pensado para llegar

a una matriz diagonal unitaria, se tiene:

1 0 0 2
( A|B )= 0 1 0 5
0 0 1 7

Que representa lo siguiente:

x=2
y=5

z=7
Los cuales son los nueros que satisfacen el sistema de ecuaciones.

Metodo de gauss seidel:

Este es un metodo iterativo de gran utilidad para cuando es posible tener una interfaz
de ejecusion del metodo con una capacidad de calculo y una capacidad iterativa
elevada como en el caso de una computadora.
Supongase que se tiene un sistema del tipo:

[ A ][ X ] =[B ]
(sistemas como los que se han venido manejando) para este tipo de sistemas es
posible despejar de cada una de las ecuaciones una de las variables a resolver, una
vez que se tiene un despeje para cada una de las variables se comienza usando la
el primer despeje que corresponde a la primer variable y que esta dada en funcion
de las otras variables a resolver, por ejemplo, para el caso de un sistema 3x3 el
primer despeje sera para la variable x y estara en funcion de y y de z, para este
primer despeje se otrogan valores a las variables que corresponden a dicho despeje,
en el sistema 3x3 mencionado para eldespeje de x se dara valores a y y a z una
vez dados los valores se hacen las operaciones necesarias y asi se obtendra un
valor de x, dicho valor sera sustituido en el siguiente despeje para la siguiente
variable a resolver, y algo similar ocurrira con elsiguiente despeje para la siguiente
variable, para entender lo dicho se propone el isguiente sistema:
3 x0.1 y0.2 z=7.85

0.1 x +7 y 0.3 z=19.3

0.3 x0.2 y+ 10 z=71.4

Hagamos el primer despeje: x en funcion de y y z

x=

7.85+ 0.1 y + 0.2 z

3

El segundo despeje: y en funcion de x y z

y=

19.3+ 0.3 z 0.1 x

7

El tercer despeje: z en funcion de x y y

z=

71.4+0.2 y0.3 x
10

Los despejes son entonces:

x=

7.85+ 0.1 y + 0.2 z

3

y=

19.3+ 0.3 z 0.1 x

7

z=

71.4+0.2 y0.3 x
10

Ahora, es momento de establecer nuestros valores iniciales, tomando el primer

despeje vemos que se necesitan valores para y y z por lo tanto, arbitrariamente
elegimos y=0, z=0
Asi el despeje para x quedara
x=

7.85+ 0.1(0)+0.2(0)
=2.616666
3

Como se dijo, este valor se usara en el siguiente despeje de la siguiente manera:

Si y es:
y=

19.3+ 0.3 z 0.1 x

7

Y se establecio al inicio como condicion incial que z=0 y ademas se obtuvo del
primer despeje para x que x=2.616666
Entonces:
y=

19.3+ 0.3(0)0.1 ( 2.616666 )

=2.7945238
7

Ahora z se obtie de la siguiente manera:

Si z es

z=

71.4+0.2 y0.3 x
10

Y se obtuvo de pasos anteriores que:

x=2.616666

y=2.7945238

entonces

z sera:
z=

71.4+0.2(2.7945238)0.3(2.616666)
=7.005609544
10

Notese como se ignoran las condiciones inciales propuestas una vez que se
obtienen valores de los despejes para cada una de las variables a resolver.
Por lo tanto una vez que se termina la primera iteracion se tendran valores para
x ,y y z que seran usados en la siguiente iteracion , dichos valores obtenidos
son aproximaciones un tanto vagas, es por eso que se tendran que hacer varias
iteraciones.
En la siguiente iteracion se tendra:
x=

7.85+ 0.1(2.79452)+0.2(7.0056)
=2.990557
3

Tomando en nuevo x obtendio y el valor antiguo para z:

y=

19.3+ 0.3(7.005610)0.1(2.99056)
=2.499625
7

Tomando el nuevo valor para y y para x

z=

71.4+0.2(2.499625)0.3( 2.990557)
=7.000291
10

Y asi se sigen las iteraciones hasta que se cumpla la condicion de paro.

Metodo de jacobi:
El metodo de jacoby es un metodo igualmnte iterativo, la unica diferencia cae en la
forma en como se procede con el manejo de los valores iniciales y los resultados
que se obtienen de los despejes:

Propongamos el mismo sistema de ecuaciones resuelto en el tema pasado:

3 x0.1 y0.2 z=7.85

0.1 x +7 y 0.3 z=19.3

0.3 x0.2 y+ 10 z=71.4

Como vimos los despejes correspondientes son:

x=

7.85+ 0.1 y + 0.2 z

3

y=

19.3+ 0.3 z 0.1 x

7

z=

71.4+0.2 y0.3 x
10

Propondremos igual x=0,y=0,z=0

x=

7.85+ 0.1(0)+0.2(0)
=2.6166666
3

y=

19.3+ 0.3 ( 0 )0.1 ( 0 )

=2.757142
7

z=

71.4+0.2(0)0.3(0)
=7.14
10

Comos se puede observar, los valores inciales se despejan en todos los despejes y
no se hace el arrastre y relacion de valores entre las variables como se hacia en el
metodo de gauss- seidel.
Una vez que se obtiene la primer aproximacion se procede a hacer la segunda
iteracion:

x=

7.85+ 0.1(2.757142)+0.2(7.14)
=3.00076
3

y=

19.3+ 0.3(7.14)0.1(2.6166666)
=2.4888
7

z=

71.4+0.2(2.757142)0.3(2.6166666)
=7.0063
10

Lo mismo se haria para las demas iteraciones y el procedimineto se pausa hasta

que se cumple la condicion de paro.