Professional Documents
Culture Documents
2.1 INTRODUCCIÓN
ECUACIONES
ALGEBRAICAS
Trascendente Polinomial
(número de soluciones (n soluciones)
no especificado)
En la figura 2-1 puede observarse que para el caso de una sola ecuación el problema será
lineal, trascendente* o polinomial, dependiendo del número de soluciones (una solución, un
número de soluciones no especificado o n soluciones). En el caso de sistemas de ecuacio-
nes, los cuales se estudiarán en la unidad 3, los problemas serán lineales o no lineales de-
pendiendo de la naturaleza matemática de las soluciones.
*
Una ecuación trascendente es una ecuación no lineal que tiene dentro de sus términos funciones trígonomé-
tricas como seno, coseno, tangente, etc. o funciones especiales como logaritmo y exponencial.
7
El problema lineal (una solución) es muy sencillo y no requiere el uso de una computadora,
por lo que no es necesario estudiarlo aquí.
Por otra parte, el problema no lineal es más complicado y se presenta con mayor frecuen-
cia. Por ejemplo, las siguientes ecuaciones son no lineales:
a) x 5 − 4 = 0
b) x − 4 − 3sen( x) = 0
c) x 4 − x 3 − 4 x 2 + 34 x − 120 = 0
En general, son contadas las ocasiones en que las ecuaciones no lineales pueden resolverse
mediante métodos directos. Es más conveniente expresar las ecuaciones no lineales en la
forma f ( x) = 0 y resolverlas mediante métodos iterativos, utilizando una computadora.
Aunque los métodos iterativos proporcionan siempre resultados aproximados, generalmente
puede lograrse el grado de precisión deseado.
f ( x) = 0 (2.1)
es cualquier valor de x tal que, cuando se sustituye en la función f(x), da un resultado igual
a cero; a una solución se le llama también “raíz” o “cero”. Las ecuaciones polinomiales (ver
la figura 2-1) pueden tener raíces reales, complejas, o una mezcla de ambas, y se resuelven
para sus raíces reales y complejas. Las ecuaciones trascendentes se resuelven generalmente
sólo para sus raíces reales, aunque también pueden tener raíces complejas.
y = f (x) (2.2)
El método de la búsqueda binaria, conocido también como “del intervalo medio” o “bisec-
ción”, es el más simple para encontrar las raíces reales de una función continua y=f(x) en
un intervalo a≤ x≤b. En la figura 2-2 se presenta el diagrama de flujo, el cual se desarrolla
de la siguiente manera: primero, se evalúa la función f(x) con valores de x igualmente espa-
ciados, hasta detectar un cambio de signo en dos valores sucesivos de la función, f(xn) y
f(xn+1): un cambio de signo indica la existencia de una raíz. En el rango de xn a xn+1 el valor
del punto medio se calcula mediante la fórmula:
8
x n +1 + x n
x med = (2.3)
2
Calcular xmed y
f(xmed)
¿Son f(xmed ) y Sí
xn=xmed
f(xn) del mismo
f(xn) = f(xmed)
signo?
No
xn+1=xmed
f(xn+1) = f(xmed)
¿Es |f(xmed )| Sí
suficientemente ALTO
pequeño?
No
Cada repetición del proceso iterativo reduce a la mitad la longitud del intervalo en x, y 10
repeticiones, por ejemplo, reducen la longitud del intervalo original en un factor de 210 =
1024 (más de mil veces). Así, 10 o a lo sumo 20 repeticiones serán necesarias en la mayoría
de los casos. La figura 2-3 presenta gráficamente el desarrollo del método.
9
El diagrama de flujo indica que el proceso termina cuando “|f(xmed)| es suficientemente pe-
queño”. Además de esta prueba para la terminación de la repetición existen otras que podrí-
an ser utilizadas, como por ejemplo:
Ejemplo 2-1
Encuentra una raíz de la ecuación trascendente x tan(x) - 1 = 0 por el método de la bús-
queda binaria. Utiliza ε = 0.0001 y 5 cifras decimales.
Tomando como referencia el diagrama de flujo de la figura 2-2, el primer paso consiste en
calcular los valores de la función x tan(x) – 1 para valores de x igualmente espaciados; el
usuario debe decidir en qué valor de x iniciar los cálculos y con qué incremento en x reali-
zarlos. Considerando un valor inicial x=0 y un incremento en x=0.1, se tendrán los siguien-
tes resultados:
10
x x tan(x) -1
0 -1.00000
0.1 -0.98997
0.2 -0.95946
0.3 -0.90720
0.4 -0.83088
0.5 -0.72685
0.6 -0.58952
0.7 -0.41040
0.8 -0.17629
0.9 +0.13414
Los dos últimos valores calculados corresponden al cambio de signo buscado en la fun-
ción. Entonces:
xn = 0.8 f(xn) = - 0.17629
xn+1 = 0.9 f(xn+1) =+ 0.13414
Al comparar en seguida los signos de f(xmed) y f(xn), resulta que sí son del mismo signo
(ambos son negativos), por lo que, siguiendo el procedimiento de la figura 2-2, se realiza
la siguiente asignación de valores:
xn = xmed = 0.85
f(xn) = f(xmed) = -0.03242
Los valores anteriores de xn y f(xn) desaparecen, es decir, son sustituidos por estos nue-
vos valores.
Luego, se compara |f(xmed)| contra un valor de convergencia, llamado epsilon (ε), dado al
principio del problema, para comprobar si |f(xmed)| ≤ ε. La respuesta en este momento es
no, pues |f(xmed)| = 0.03242 y ε = 0.0001. Por lo tanto, habrá que regresar en el procedi-
miento al segundo paso del mismo, para volver a calcular xmed y f(xmed). En este momento
termina la primera iteración del método.
En seguida, se compararan los signos de f(xmed) y f(xn), y resulta que no son del mismo
signo, pues f(xmed) es positiva y f(xn) es negativa, por lo que se realiza la siguiente asigna-
ción de valores:
xn+1 = xmed = 0.875
f(xn+1) = f(xmed) = +0.04774
11
Estos valores sustituyen a los valores anteriores de f(xn) y f(xn+1).
El método de la falsa posición, al que también se le llama “de la regla falsa”, se basa en una
interpolación lineal entre dos valores de una función, los cuales tienen signos contrarios. En
la figura 2-4 se presenta el diagrama de flujo del método, el cual es muy parecido al de la
búsqueda binaria. Primero, se evalúa la función en valores de x igualmente espaciados, has-
ta encontrar un cambio de signo en los valores sucesivos de la función f(xn) y f(xn+1). Una
línea recta que pasa a través de estos dos puntos tendrá una raíz dada por:
x n +1 − x n
x * = x n − f ( x n ) (2.4)
f ( x n +1 ) − f ( x n )
Este valor se usa para encontrar f(x*), la cual se compara contra f(xn) y f(xn+1) para reem-
plazar a la que tenga el mismo signo. Si |f(x*)| no es lo suficientemente pequeño, el proceso
se repite. En la figura 2-5 se muestra gráficamente el procedimiento.
En el método de la falsa posición no se puede estar seguro del número de pasos requeridos
para reducir el intervalo en x a un valor predeterminado, mientras que en el método de la
búsqueda binaria sí es posible, pues con 10 iteraciones, el intervalo en x se reduce 1024
veces en la búsqueda binaria. Por lo tanto, no se puede hacer una estimación del tiempo que
tardará el método de la falsa posición en encontrar la solución, y así como puede encontrar-
12
la rápidamente, puede tardar mucho en hacerlo, cuando la forma de la curva de la función
no propicie un acercamiento rápido a la solución. Como muchas aplicaciones de computa-
dora requieren de una estimación del tiempo que tardarán y como el método de la falsa po-
sición puede ser lento, no es recomendable para los casos en los que el tiempo sea un factor
crítico.
Calcular x* y
f(x*)
¿Son f(x*) y Sí
xn= x*
f(xn) del mismo
f(xn) = f(x*)
signo?
No
xn+1=x*
f(xn+1) = f(x*)
No
El método iterativo de Newton es muy utilizado ya que por lo general encuentra rápidamen-
te la solución de la ecuación algebraica. Sin embargo, en algunos casos puede tener dificul-
tades, o fallar, en la búsqueda del resultado de la ecuación.
13
Este método se basa en una extrapolación, mediante una línea que es tangente en un punto a
la curva que representa la función f(x). La figura 2-6 presenta el diagrama de flujo del mé-
todo.
¿Es |f(xn+1)| Sí
suficientemen- ALTO
te pequeño?
No
x n = xn+1
14
h2
f ( x n + h) = f ( x n ) + hf ' ( x n ) + f ' ' ( xn ) + … (2.5)
2
los términos con h2 y un mayor orden no se toman en cuenta en la serie, y se utiliza un va-
lor xn+h = xn+1. Se considera, además, que el paso desde xn hasta xn+1 lleva el valor de la
función más cerca de la raíz, de tal modo que f(xn+h)=0. Entonces:
f ( xn )
x n +1 = x n − (2.6)
f ' ( xn )
El valor xn+1 es equivalente al punto donde la tangente a la curva en xn pasa a través del eje
x. Luego, el proceso se repite usando xn = xn+1 como el nuevo punto base y cuando |f(xn+1)|
es lo suficientemente pequeño, el proceso termina. La figura 2-7 muestra gráficamente el
procedimiento.
Ejemplo 2-2
Encuentra una solución de la ecuación x tan(x ) - 1 = 0 por el método iterativo de Newton,
utilizando cinco cifras decimales. Considera ε=0.0001 y un valor inicial de x igual a uno.
15
Figura 2-8 Dificultades con el método de Newton
16
El segundo paso es calcular xn+1, que en este caso será x1, mediante la ecuación 2.6:
f ( x0 ) 1 tan(1) − 1
x1 = x0 − = 1− 2
= 0.88814
f ' ( x0 ) 1
1 + tan(1)
cos(1)
La función correspondiente f(x1) es:
f ( x1 ) = 0.88814 tan(0.88814) − 1 = 0.09232
f ( x1 ) 0.88814 tan(0.88814) − 1
x 2 = x1 − = 0.88814 − 2
= 0.86146
f ' ( x1 ) 1
0.88814 + tan(0.88814)
cos(0.88814)
El valor de f(x2) es:
0.86146 tan(0.86146) − 1 = 0.00361
Una de las desventajas del método de Newton es que se requiere que el usuario encuentre la
primera derivada de la función f(x). En caso de que sea difícil hallar esta derivada, se puede
usar una aproximación de la misma, en la cual se basa el método de la secante.
f ( xn )
x n +1 = x n −
f ' ( xn )
17
se puede sustituir la siguiente aproximación para la derivada:
f ( xn + δ n ) − f ( xn )
f ' ( xn ) ≈ (2.7)
δn
donde:
δ n = x n −1 − x n
(2.8)
δ 0 = 10 −5 x0 si x 0 ≠ 0 y δ 0 = 10 −5 si x0 = 0
El diagrama de flujo del método de la secante es el mismo que el método de Newton. Ade-
más, se pueden presentar los mismos problemas de convergencia en el método de la secante
que en el de Newton.
Ejemplo 2-3
Resuelve la ecuación x tan(x) –1 = 0 por el método de la secante, utilizando siete cifras
decimales. Considera ε=0.0001 y un valor inicial de x igual a uno.
Primera iteración:
Como x0=1, x0≠0. Usando las ecuaciones (2.8) se tiene:
x0=1 δ0=10-5x0=10-5(1)=10-5=0.0000100 x0+δ0=1.0000100
f ( x0 ) 1 tan(1) − 1 0.5574077
x1 = x0 − = 1− = 1− = 0.8881938
f ' ( x0 ) f ( x 0 + δ 0 ) − f ( x 0 ) [1 . 0000100 tan(1 .0000100) − 1] − 0.5574077
δ0 0.0000100
f ( x1 ) = 0.8881938 tan(0.8881938) − 1 = 0.0925231
Como |f(x1)| no es suficientemente pequeño, se tiene que realizar la siguiente iteración.
Segunda iteración:
x1=0.8881938 δ1=x0-x1=0.1118062 x1+δ1=1.0000000
f ( x1 ) 0.8881938 tan(0.8881938) − 1
x 2 = x1 − = 0.8881938 −
f ' ( x1 ) f ( x1 + δ 1 ) − f ( x1 )
δ1
0.0925231
x 2 = 0.8881938 −
[1.0000000 tan(1.0000000) − 1] − 0.0925231 = 0.8659417
0.1118062
f ( x 2 ) = 0.8659417 tan(0.8659417) − 1 = 0.0180109
Como |f(x2)| no es suficientemente pequeño, se tiene que realizar la siguiente iteración.
Tercera iteración:
x2=0.8659417 δ2=x1-x2=0.0222521 x2+δ2=0.8881938
18
f ( x2 ) 0.8659417 tan(0.8659417) − 1
x3 = x 2 − = 0.8659417 − =
f ' ( x2 ) f ( x2 + δ 2 ) − f ( x2 )
δ2
0.0180109
x3 = 0.8659417 −
[0.8881938 tan(0.8881938) − 1] − 0.0180109 = 0.8605630
0.0222521
f ( x3 ) = 0.8605630 tan(0.8605630) − 1 = 0.0007309
Como |f(x3)| no es suficientemente pequeño, se tiene que realizar la siguiente iteración.
Cuarta iteración:
x3=0.8605630 δ3=x2-x3=0.0053787 x3+δ3=0.8659417
f ( x3 ) 0.8605630 tan(0.8605630) − 1
x 4 = x3 − = 0.8605630 −
f ' ( x3 ) f ( x3 + δ 3 ) − f ( x 3 )
δ3
0.0007309
x 4 = 0.8605630 −
[0.8659417 tan(0.8659417) − 1] − 0.0007309 = 0.8603355
0.0053787
f ( x 4 ) = 0.8603355 tan(0.8603355) − 1 = 0.0000061
|f(x3)| sí es ahora suficientemente pequeño, por lo que el problema termina, y la solución
es el último valor de x obtenido, x4 = 0.8603355.
Las ecuaciones algebraicas que presentan una suma de potencias enteras de x se llaman
ecuaciones polinomiales. Su forma general es:
a n x n + a n −1 x n −1 + … + a1 x 1 + a 0 = 0 (2.9)
En el caso de estas ecuaciones, se buscarán sus raíces reales y complejas, pues en las apli-
caciones de los polinomios generalmente se requieren ambos tipos de raíces.
Las siguientes propiedades de los polinomios son útiles en la determinación de sus raíces:
a) Un polinomio de orden n tiene n raíces, las cuales pueden ser reales o complejas.
b) Si todos los coeficientes ai de un polinomio son reales, las raíces complejas que apa-
rezcan lo harán en pares complejos conjugados*.
*
Dos números complejos conjugados son aquellos que tienen idénticas partes reales (en signo y magnitud) y
cuyas partes imaginarias son de la misma magnitud pero de signo contrario, por ejemplo, 3+2i y 3-2i.
19
c) El número de raíces reales positivas de un polinomio es igual o menor que (en un
número par) el número de cambios de signo en los coeficientes ai.
d) El número de raíces reales negativas de un polinomio es igual o menor que (en un
número par) el número de cambios de signo en los coeficientes ai, si x se reemplaza
por –x.
Ejemplo 2-4
¿Qué se puede decir de la siguiente ecuación: x4-x3-4x2+34x-120 = 0 aplicando las pro-
piedades de los polinomios?
Cuando se resuelve el polinomio por algún método apropiado, sus raíces resultan ser:
x = 1+3i
x = 1-3i
x=3
x = -4
En la tabla siguiente se presentan las fórmulas para las operaciones aritméticas con núme-
ros complejos:
20
Tabla 2-1 Operaciones aritméticas con números complejos
(c1=a1+ib1 y c2=a2+ib2)
Operación Resultado
c1 + c 2 (a1 + a 2 ) + i (b1 + b2 )
c1 − c 2 (a1 − a 2 ) + i (b1 − b2 )
c1 ⋅ c 2 (a1 a 2 − b1b2 ) + i (a1b2 + a 2 b1 )
c1 a1 a 2 + b1b2 a 2 b1 − b2 a1
+ i
c2 a 2 +b 2 a 2 +b 2
2 2 2 2
c1 2 2
a1 + b1 (magnitud o valor absoluto de c1)
c1 * a1 − ib1 (conjugado de c1)
Ejemplo 2-5
Resuelve el polinomio: x4-x3-4x2+34x-120 = 0 por el método iterativo de Newton, usando
aritmética compleja, con 4 cifras decimales y ε=0.0001, con un valor inicial de x=4+4i.
En este ejemplo nos referimos nuevamente al diagrama de flujo de la figura 2-6. La prime-
ra derivada de la función es:
f’(x) = 4x3-3x2-8x+34
En este ejemplo, en todas la operaciones donde intervengan números complejos, se apli-
carán las fórmulas de la tabla 2-1
Primera iteración:
x0 = 4 + 4i
f ( x0 ) (4 + 4i ) 4 − (4 + 4i ) 3 − 4(4 + 4i ) 2 + 34(4 + 4i ) − 120
x1 = x0 − = (4 + 4i ) −
f ' ( x0 ) 4(4 + 4i ) 3 − 3(4 + 4i ) 2 − 8(4 + 4i ) + 34
− 880.0000 − 120.0000i
x1 = (4 + 4i ) − = 3.0119 + 3.0207i
− 510.0000 + 384.0000i
f ( x1 ) = (3.0119 + 3.0207i ) 4 − (3.0119 + 3.0207i ) 3 − 4(3.0119 + 3.0207i ) 2 + 34(3.0119 + 3.0207i ) − 120
f ( x1 ) = −293.3500 − 26.6620i
f ( x1 ) = (−293.3500) 2 + (−26.6620) 2 = 294.550 no es suficientemente pequeño.
21
Segunda iteración:
f ( x1 )
x 2 = x1 −
f ' ( x1 )
x 2 = (3.0119 + 3.0207i ) −
(3.0119 + 3.0207i ) 4 − (3.0119 + 3.0207i ) 3 − 4(3.0119 + 3.0207i ) 2 + 34(3.0119 + 3.0207i ) − 120
4(3.0119 + 3.0207i ) 3 − 3(3.0119 + 3.0207i ) 2 − 8(3.0119 + 3.0207i ) + 34
− 293.3500 − 26.6620i
x 2 = (3.0119 + 3.0207i ) = 2.1032 + 2.2903i
− 210.4300 + 139.8200i
Por la segunda propiedad de los polinomios mencionada en la sección 2.6.1, hay otra raíz
el valor x=1.0000-3.0000i, que es el complejo conjugado de la primera solución.
Para encontrar las otras dos raíces, habrá que repetir todo el proceso otras dos veces,
pero con valores diferentes de x0. Por ejemplo, ejecutando el método iterativo de Newton
con un valor inicial x0=2+2i, resulta, luego de 10 iteraciones, la tercer raíz (real)
x10=3.0000, y si volvemos a realizar los cálculos, ahora con x0=-3+1i, se encuentra la cuar-
ta raíz, también real, en 8 iteraciones, x8=-4.0000.
El número de raíces reales negativas (una) y de raíces reales positivas (también una) co-
incide con la predicción que se hizo en el ejemplo 2-4.
2.7 CONCLUSIONES
Existen otros métodos además de los presentados en este capítulo para la solución de ecua-
ciones algebraicas. La selección de los métodos mostrados aquí se basó en la sencillez,
efectividad y rango de aplicación de los mismos.
22
En la referencia 2 se establecen las siguientes reglas generales, de acuerdo al tipo de pro-
blema a resolver:
a) Ecuaciones trascendentes: En este caso debe recordarse que los métodos de Newton
y la secante son casi siempre más rápidos que otros métodos, aunque no siempre
convergen*. Por otra parte, los métodos más lentos, como el de la búsqueda binaria,
garantizan la solución para cualquier función continua una vez que se ha encontrado
un cambio de signo.
b) Ecuaciones polinomiales: De los métodos iterativos de solución, algunos son mejo-
res que otros para un problema en particular. Para una mayor eficacia, se sugieren
algunos métodos, de acuerdo al orden del polinomio:
*
Convergencia: la convergencia en un método numérico significa que en cada iteración el resultado de la
misma tiende cada vez más a la solución del problema.
23