LECCION No 6
METODO DE LA SECANTE
El método de la secante se puede pensar como una simplificación del método de Newton-
Raphson. En lugar de tomar la derivada de la función cuya raíz se quiere encontrar, se aproxima
por una recta secante (de ahí el nombre) a la curva, cuya pendiente es aproximadamente igual a la
derivada en el punto inicial. La principal diferencia con el método anterior es conocer dos puntos de
la función para poder generar dicha recta.
Sean x0 y x1 pertenecientes a cierta f(x) se puede definir:
∆𝑦 𝑓𝑥1 − 𝑓𝑥𝑜
f’(x) ≈
∆𝑥
= 𝑥1−𝑥𝑜
luego reemplazando en el método de Newton-Raphson:
𝑓(𝑋𝑖 )
Xi+1 = Xi -
𝑓 ˡ (𝑋𝑖)
𝑋𝑖− 𝑋𝑖−1
Xi+1 = Xi - 𝑓 (𝑋𝑖 )
𝑓 (𝑋𝑖 )− 𝑓 (𝑋𝑖−1)
Ejemplo1)
Resolver la siguiente ecuación por el método de la secante utilizando los valores iniciales Xo = 8 y
X1 = 9, tomando en cuenta una precisión de 10−5
f(x) = x log(x) -10
Solución:
La fórmula de la secante a utilizar será:
𝑋𝑖− 𝑋𝑖−1
Xi+1 = Xi - 𝑓 (𝑋𝑖 )
𝑓 (𝑋𝑖 )− 𝑓 (𝑋𝑖−1)
1ra. Iteración
𝑓(𝑋𝑜) = 8 log (8) -10 = -2.775280
𝑓 (𝑋1) = 9 log (9) -10 = -1.411817
𝑋1− 𝑋0
X2 = X1 - 𝑓 (𝑋1)
𝑓 𝑋1)− 𝑓 (𝑋0)
(
9 −8
X2 = 9 - (−1.411817)
−1.411817 − ( −2.775280)
X2 = 10.0345465
en la siguiente iteración Xi+1 = X2 = 10.0345465 y Xi = X1 = 9 y así sucesivamente hasta
alcanzar la precisión deseada.
Se puede organizar los datos y cálculos en una hoja Excel de la siguiente forma:
Xi+1 Xi f(xi+1) f(xi) Secante Presición
9 8 -1.411817415 -2.775280104 10.03546465
10.03546465 9 0.05089403 -1.411817415 9.999436375 1.035464649
9.999436375 10.03546465 -0.000808397 0.05089403 9.999999698 0.036028274
9.999999698 9.999436375 -4.33318E-07 -0.000808397 10 0.000563323
10 9.999999698 3.6966E-12 -4.33318E-07 10 3.02115E-07
Respuesta X = 10
MATRICES
El análisis y la resolución de sistemas pueden ser realizado por medio de las propiedades
algebraicas de las matrices. El algebra matricial permitirá también expresar los sistemas en forma
concisa, lo que resulta muy adecuado para el estudio de propiedades generales. Las matrices son
además utilizadas para manipular y correlacionar datos, y para representar operaciones
geométricas y matemáticas.
La introducción y uso de matrices se remonta a siglos, incluso milenios, atrás, siendo
que de épocas ciertamente remotas (siglo VII a.C.) datan los estudios de los llamados
cuadrados mágicos. El uso de matrices, y determinantes para sistemas de ecuaciones lineales fue
presentado en el siglo XVII por Gottfried Leibnitz y Seki Kowa, mientras que importantes
contribuciones posteriores fueron aportadas por Carl F. Gauss y Wilhelm Jordan, quienes
desarrollaron el método de solución de sistemas lineales Gauss- Jordan.
Matemáticos como William Hamilton, Arthur Cayley, James Sylvester, John von-Neumann, Camille
Jordan, entre otros, trabajaron en temas de Algebra Matricial. Cabe destacar además la
formulación matricial realizada originalmente por Werner Heisenberg de la rama de Física llamada
Mecánica Cuántica.
DEFINICION
Una matriz A de n x m es un arreglo rectangular de n x m números aij , i = 1,……,n,
j = 1,……,m, dispuestos en n filas y m columnas:
𝑎11 ⋯ 𝑎1𝑚
A= [ ⋮ ⋱ ⋮ ]
𝑎𝑛1 ⋯ 𝑎𝑛𝑚
De esta manera, el primer subíndice, i, indica la fila y el segundo, j, la columna en la
que se encuentra el elemento aij . n x m la dimensión o tamaño de la matriz.
Otras notaciones utilizadas para denotar una matriz A de elementos aij es (aij) o [aij ].
También se emplea directamente la notación Aij o Ai;j para denotar el elemento de la fila i y la
columna j de una matriz A.
1 −2 5
Ejemplo: 𝐴= [ ] es una matriz de 2 x 3
9 0 3
a12 = fila 1 columna 2 = -2
a23 = fila 2 columna 3 = 3
OPERACIONES BASICAS CON MATRICES
DEFINICION
Dos matrices A y B se dice que son iguales si y solo si tienen:
i) la misma dimensión (ambas de n x m ) y
ii) todos sus elementos correspondientes iguales: aij = bij ∀ i; j.
Multiplicación por un escalar.
Sea A una matriz de n x m y k un escalar (un número real o complejo). El producto kA
es una matriz de igual dimensión cuyos elementos son los de A multiplicados por k:
(k A)ij = k aij
Por definición Ak = kA (k escalar).
Ejemplo)
2 7 8 28
4[ ] = [ ]
5 1 20 4
Suma de matrices.
Sean A y B dos matrices de la misma dimensión (ambas de n x m). La suma A+B es la
matriz de igual dimensión cuyos elementos son la suma de los correspondientes elementos
de A y B:
(A + B)ij = aij + bij
El mismo concepto se aplica a la sustracción o resta de matrices.
Si las dimensiones no son iguales la suma y la resta no están definidas.
Ejemplo:
2 5 −2 1 0 6
[ ] + [ ] = [ ]
7 −3 2 6 9 3
PROPIEDADES DE LA SUMA
1. Conmutatividad. Para todo par de matrices A;B de n x m, se cumple
A+B=B+A
2. Asociatividad. Para toda terna de matrices A;B;C de n x m, se cumple
A + (B + C) = (A + B) + C
3. Existencia de elemento neutro (matriz nula). Para toda A de n x m se cumple
A+0=0+A=A
4. Existencia de elemento opuesto (-A). Para toda A de n x m se cumple
A + (-A) = (-A) + A = 0
5. Distributividad respecto de la suma de matrices. Si A y B tienen la misma dimensión, para todo
escalar 𝛼 se cumple
𝛼 (A + B) = 𝛼 A + 𝛼 B
6. Distributividad respecto de la suma de escalares. Si 𝛼 y 𝛽 son escalares, para toda matriz A se
cumple
(𝛼 + 𝛽) A = 𝛼 A + 𝛽 A
7. Asociatividad. Para toda matriz A y escalares 𝛼 , 𝛽 , se cumple
(𝛼 𝛽) A = 𝛼 ( 𝛽 A)
Multiplicación de matrices.
Consideremos una matriz A de n x m y una matriz B de m x p, tal que el número de
columnas de A coincide con el número de filas de B. Las filas de A y las columnas de B,
𝑏1𝑗
.
ai∗ = (ai1,……….,aim); b∗j = ( )
.
𝑏1𝑛
son entonces vectores de n componentes. El producto de A por B es una matriz de n x p cuyos
elementos i; j son el producto escalar de la fila i de A por la columna j de B:
(AB)ij = ai∗ ∙ b∗j
= ∑𝑛𝑘=1 aikbkj = ai1b1j +………+ aimbnj
La multiplicación de matrices no es conmutativa, es decir, AB ≠ BA
2 5
1 6 2
Ejemplo: Sea A = [6 3] B= [ ] calcular AB y BA
4 5 6
1 4
(3 x 2) (2 x 3)
2 + 20 12 + 25 4 + 30 22 37 34
AB = [6 + 12 36 + 15 12 + 18] = [ 18 51 30 ]
1 + 16 6 + 20 2 + 24 17 26 26
2 5
1 6 2
B= [ ] A = [6 3]
4 5 6
1 4
(2 x 3) (3 x 2)
2 + 36 + 2 5 + 18 + 8
40 31
BA = [8 + 30 + 6 20 + 15 + 24] = [ ]
44 59
Matriz diagonal
Es aquella en la que todos los elementos que están fuera de la diagonal principal son cero:
𝑎11 0 … 0
0 𝑎22 0 0
A= . 0 . 0
. 0 . 0
[0 0 0 𝑎𝑛𝑚]
es decir, aij = 0 si i ≠ j.
Matriz identidad
Es una matriz diagonal donde todos los elementos de la diagonal principal son 1. Se le denota con
I:
1 0 … 0
0 1 0 0
I= . 0 . 0
. 0 . 0
[ 0 0 0 1]
1 𝑖=𝑗
es decir, Iij = {
0 𝑖 ≠𝑗
REPRESENTACION MATRICIAL DE SISTEMAS LINEALES
Consideremos un sistema de m ecuaciones lineales con n incógnitas x1,………,xn:
a11x1 + a12x2 +∶∶∶ + a1nxn = b1
a21x1 + a22x2 +∶∶∶ + a2nxn = b2
.
.
.
{am1x1 + am2x2 +∶∶∶ + amnxn = bm
Podemos representar este sistema en forma matricial de la siguiente manera:
- En términos de la matriz de cocientes A del sistema, de n x m,
𝑎11 ⋯ 𝑎1𝑚
A= [ ⋮ ⋱ ⋮ ]
𝑎𝑛1 ⋯ 𝑎𝑛𝑚
- Los vectores columna x de incógnitas y b de términos independientes,
𝑥1 𝑏1
𝑥2 𝑏2
. .
. .
x= b=
. .
. .
. .
[𝑥𝑛] [𝑏𝑚]
de esta manera podemos escribir en forma matricial:
𝑥1 𝑏1
𝑥2 𝑏2
. .
𝑎11 ⋯ 𝑎1𝑚
. .
[ ⋮ ⋱ ⋮ ] =
. .
𝑎𝑛1 ⋯ 𝑎𝑛𝑚
. .
. .
[𝑥𝑛] [𝑏𝑚]
En forma compacta
Ax = b
SOLUCION DE SISTEMAS DE ECUACIONES LINEALES
METODO DE ELIMINACION GAUSSIANA
Definición.
Una matriz M es de forma escalonada por fila si:
1. Cualquier fila nula (es decir, que tenga solo ceros) esta por debajo de las filas que tienen algún
elemento no nulo.
2. Si una fila j, j > 1, es no nula, entonces el número de ceros previos al primer elemento no nulo
(pivote) debe ser estrictamente mayor que el número de ceros previo al pivote de la fila anterior (la
fila j-1)
Definición.
El proceso que utiliza operaciones elementales sobre las filas para reducir un sistema lineal
cualquiera a un sistema escalonado por filas, se denomina Método de eliminación Gaussiana o
Método de reducción por filas.
PROCEDIMIENTO
Los pasos siguientes permiten llevar una matriz, mediante operaciones elementales sistemáticas
sobre sus filas, a una matriz en forma escalonada:
1. Disponga en una matriz ampliada los coeficientes del sistema de ecuaciones lineales
y del término independiente.
𝑎11 ⋯ 𝑎1𝑚 | b1
Matriz ampliada = [ ⋮ ⋱ ⋮ | b2 ]
𝑎𝑛1 ⋯ 𝑎𝑛𝑚 | bm
2. Si a11 ≠ 0 tómelo como pivote. Caso contrario permute la fila 1 por una fila que no tenga cero en
el elemento de la primera columna.
3. Mediante operaciones elementales sobre las filas de la matriz resultante, obtenga ceros por
debajo del elemento pivote. Esto se logra restando a la fila i la fila 1 multiplicada por ai1/a11, es
𝑎𝑖1 𝑎𝑖1
decir, mediante las operaciones 𝑓𝑖 − 𝑎11 𝑓1 para i ≥ 2, tal que ai1 → 0 y aij → 𝑎𝑖𝑗 − 𝑎11 𝑎𝑖𝑗
para i ≥ 2 y j ≥ 2
4. Si el elemento a22 de la matriz resultante es no nulo, tómelo como pivote. En caso contrario
permute esta fila por otra debajo de ella que no tenga cero en el elemento de la segunda columna.
Si no hubiese ninguna fila por debajo con un elemento no nulo en la columna 2, pase a la columna
siguiente y repita el procedimiento anterior, hasta obtener un elemento pivote.
5. Repita los pasos 3 y 4 para las filas siguientes a partir del nuevo pivote. Continúe el proceso
hasta llegar a la última fila no nula. Se obtiene como resultado final una matriz en forma
escalonada.
Ejemplo)
Considere el sistema de ecuaciones:
x- y +z=1
3x + z=3
5x – 2y + 3z = 5
Solución:
Transformar el sistema de ecuaciones en una matriz ampliada:
1 −1 1 ⋮ 1 1 −1 1 ⋮ 1
𝑓2−3𝑓1
[3 0 1 ⋮ 3] → [0 3 −2 ⋮ 0]
𝑓3−5𝑓1
5 −2 3 ⋮ 5 0 3 −2 ⋮ 0
1 −1 1 ⋮ 1
→ [0 3 −2 ⋮ 0]
𝑓3−𝑓2
0 0 0 ⋮ 0
Por tanto,
Z=0
3 y -2 z = 0 → y= 0
x -y +z = 1 → x=1
S = {1, 0, 0}
ESTRATEGIAS DE PIVOTEO
El estudio de varias técnicas de pivoteo son útiles cuando la eliminación con pivotes diagonales no
se puede realizar, por ejemplo, consideremos la siguiente matriz aumentada:
1 −2 1 ⋮ −4
[ −2 4 −3 ⋮ 3 ]
1 −3 −4 ⋮ −1
Apliquemos el primer paso de la eliminación de Gauss utilizando la entrada (1, 1) como
pivote:
1 −2 1 ⋮ −4 1 −2 1 ⋮ −4
𝑓2+2𝑓1
[ −2 4 −3 ⋮ 3 ] → [0 0 −1 ⋮ −5]
𝑓3−𝑓1
1 −3 −4 ⋮ −1 0 −1 −5 ⋮ 3
En el segundo paso ya no podemos utilizar como pivote la entrada diagonal (2, 2) porque
esta entrada es 0.
Para estudiar las diferentes técnicas de pivoteo, consideraremos la siguiente matriz aumentada:
1 9 −7 −4 3 ⋮ −5
0 −5 6 −4 −8 ⋮ −3
0 6 −3 −5 −2 ⋮ −7
0 −7 7 −2 −7 ⋮ 6
[0 −2 0 −6 −3 ⋮ −5 ]
PIVOTEO PARCIAL
En cada paso p se elige en calidad de pivote la entrada con índices (𝑖𝑝 , 𝑝) tal que
|𝐴𝑖𝑝,𝑝 | = 𝑚á𝑥𝑝 ≤𝑖≤𝑛 |𝐴𝑖𝑝 ,𝑝 |
es decir, la mayor entrada (en el sentido absoluto) de la p-ésima columna empezando con
(p, p) hasta (n; p). En el ejemplo, los candidatos para hacer el papel de pivote están
marcados con rojo:
1 9 −7 −4 3 ⋮ −5
0 −5 6 −4 −8 ⋮ −3
0 6 −3 −5 −2 ⋮ −7
0 −7 7 −2 −7 ⋮ 6
[0 −2 0 −6 −3 ⋮ −5 ]
Hay que elegir el máximo entre sus valores absolutos:
|𝐴2,2 | = 5 |𝐴3,2 | = 6 |𝐴4,2 | = 7 |𝐴5,2 | = 2
El máximo es |𝐴4,2 | = 7 , por eso la entrada 𝐴4,2 se usará como pivote.
Esto significa que se aplicará el intercambio de renglones R2 y R4 con el cual la entrada -7
ocupará el lugar (2, 2), y luego se aplicarán operaciones elementales para eliminar las entradas
(3,2), (4,2) y (5; 2).
PIVOTEO PARCIAL ESCALADO
Supongamos que estamos en paso número p. En cada renglón i, con 𝑝 ≤ 𝑖 ≤ 𝑛 , calculamos el
valor máximo absoluto en la parte principal de la matriz:
𝑠𝑖 = 𝑚á𝑥𝑝 ≤𝑖≤𝑛 |𝐴𝑖,𝑗 |
Supongamos que si > 0 para todo 𝑖 ∈ (𝑘, … … . , 𝑛). Elijamos el menor entero q con
|𝐴𝑞,𝑘 | |𝐴𝑖,𝑝 |
= 𝑚á𝑥𝑝 ≤𝑖≤𝑛
𝒔𝒒 𝒔𝒊
|𝐴𝑖,𝑝 |
En otras palabras, sea q el menor de los índices i en los cuales la expresión alcanza
𝒔𝒊
su máximo. Si q ≠ p, entonces se intercambian los renglones con índices p y q.
Con nuestro ejemplo sería:
1 9 −7 −4 3 ⋮ −5
0 −5 6 −4 −8 ⋮ −3
0 6 −3 −5 −2 ⋮ −7
0 −7 7 −2 −7 ⋮ 6
[0 −2 0 −6 −3 ⋮ −5 ]
|𝐴2,2 | 𝟓
𝑠2 = 𝑚á𝑥 (5, 6, 4, 8) = 8 → = = 0.625
𝒔𝟐 𝟖
|𝐴3,2| 𝟔
𝑠3 = 𝑚á𝑥 (6, 3, 5, 2) = 6 → 𝒔𝟑
= 𝟔
=1
|𝐴4,2| 𝟕
𝑠4 = 𝑚á𝑥 (7, 7, 2, 7) = 7 → 𝒔𝟒
= 𝟕
=1
|𝐴5,2| 𝟐
𝑠5 = 𝑚á𝑥 (2, 0, 6, 3) = 6 → 𝒔𝟓
= 𝟔
= 0.3333
El máximo se alcanza en i = 3 y en i = 4, por eso se elige como pivote la entrada 𝐴3,2 = 6.
Esto significa que se hace el intercambio de renglones R2 y R3 y luego se eliminan las
entradas por abajo de (2, 2).
PIVOTEO COMPLETO
En el k-ésimo paso se buscan los índices p; q 𝜖 (𝑘, … … . , 𝑛) tales que
|𝐴𝑟,𝑠 | = 𝑚á𝑥 𝑝 ≤𝑖≤𝑛 |𝐴𝑖,𝑗 |
𝑝 ≤𝑗≤𝑛
En otras palabras, se busca el máximo entre los números |𝐴𝑖,𝑗 | con 𝑝 ≤ 𝑖 ≤ 𝑛 𝑦 𝑝 ≤ 𝑗 ≤ 𝑛
En el ejemplo de arriba, se busca el máximo entre los valores absolutos de todas las
entradas marcadas con rojo:
1 9 −7 −4 3 ⋮ −5
0 −5 6 −4 −8 ⋮ −3
0 6 −3 −5 −2 ⋮ −7
0 −7 7 −2 −7⋮ 6
[0 −2 0 −6 −3 ⋮ −5 ]
En este ejemplo p = 2 y (r; s) = (2; 5), porque el máximo es |𝐴2,5 | = 8.
Si (r; s) ≠ (p; p), entonces se intercambian los renglones y las columnas de tal manera
que la entrada 𝐴𝑟,𝑠 se pone en la posición (p; p).
Ejemplo
Resolver el siguiente sistema de ecuaciones utilizando el método de eliminación Gausiana con
pivoteo completo (total):
𝑥1 − 𝑥2 + 𝑥3 = 4
−3𝑥1 + 2𝑥2 − 3𝑥3 = −6
2𝑥1 − 5𝑥2 + 4𝑥3 = 5
1 −1 1 ⋮ 4
[−3 2 −3 ⋮ −6]
2 −5 4 ⋮ 5
−5 4 2 ⋮ 5
[ 2 −3 −3 ⋮ −6]
−1 1 1 ⋮ 4
Y se resuelve con eliminación Gaussiana
METODO DE GAUSS-JORDAN
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.
Este método, permite resolver hasta 20 ecuaciones simultáneas. Lo que lo diferencia del método
Gaussiano es que cuando es eliminada una incógnita, se eliminará de todas las ecuaciones
restantes, o sea, las que anteceden a la ecuación principal, así como de las que la siguen a
continuación. De esta manera el paso de eliminación forma una matriz identidad en vez de una
matriz triangular. No es necesario entonces utilizar la sustitución hacia atrás para conseguir la
solución, como es el caso del método de eliminación Gaussiana.
Ejemplo 1)
Resolver por el método de Gauss-Jordan el siguiente sistema de ecuaciones:
2𝑥 + 3𝑦 + 𝑧 = 1
{3𝑥 − 2𝑦 − 4𝑧 = −3
5𝑥 − 𝑦 − 𝑧 = 4
Solución:
2 3 1 ⋮ 1 1
𝑓1 → 𝑓1
1 3/2 1/2 ⋮ 1/2
2
[3 − 2 − 4 ⋮ −3] → [3 −2 −4 ⋮ −3]
5 −1 −1 ⋮ 4 5 −1 −1 ⋮ 4
3 1 1
1 ⋮
2 2 2
−3𝑓1+𝑓2 →𝑓2 13 11 9
→ 0 − − ⋮ −
−5𝑓1+𝑓3 →𝑓3 2 2 2
17 7 3
[0 −
2
−
2
⋮
2]
3 1 1
1 ⋮
2
− 𝑓2 →𝑓2 2 2 2
13
→ [0 1
11
⋮
9]
2𝑓3 →𝑓3
13 13
0 − 17 − 7 ⋮ 3
3 1 1
1 ⋮
2 2 2
17𝑓2+𝑓3 →𝑓3 11 9
→ 0 1 ⋮
13 13
96 192
[0 0
13
⋮
13 ]
3 1 1
1 ⋮
13
𝑓3 →𝑓3 2 2 2
96
→ [0 1
11
⋮
9 ]
13 13
0 0 1 ⋮ 2
3 1
11
− 𝑓3+𝑓2 →𝑓2
1 0 ⋮ −
2 2
13
1 → [0 1 0 ⋮ −1]
− 𝑓3+𝑓1 →𝑓1
2
0 0 1 ⋮ 2
3
− 𝑓2+𝑓1 →𝑓1
1 0 0 ⋮ 1
2
→ [0 1 0 ⋮ −1]
0 0 1 ⋮ 2
𝑥 = 1
Respuesta S = {𝑦 = −1
𝑧 = 2
